深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1661	2025-12-20	ALNet: towards real-time and accurate maize row detection via anchor-line network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1706596 PMID:41404128	研究论文	本研究提出了一种名为ALNet的轻量级卷积神经网络，用于实现实时且准确的玉米行检测，以支持农业机械的视觉导航	引入了Anchor-Line机制将行检测重新定义为端到端回归任务，采用行对齐的核操作减少计算量，并设计了Attention-guided ROI Align模块与DAE-Former来增强特征交互，以及Row IoU损失函数以提高定位精度	NA	开发一种轻量级、高精度的玉米行检测方法，以支持农业机械的实时视觉导航	玉米行	计算机视觉	NA	NA	CNN	图像	NA	NA	ALNet, DAE-Former	IoU, FPS, GFlops	NA
1662	2025-12-20	TSSC: a new deep learning model for accurate pea leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718758 PMID:41404156	研究论文	本文提出了一种名为TSSC的新型深度学习模型，用于准确识别豌豆叶片病害	设计了三邻域通道注意力机制以提升特征提取效果，引入了互补挤压与激励机制以增强关键特征提取能力，并嵌入了分割注意力模块以降低模型复杂度	NA	探索基于深度学习的智能识别方法，以解决多种豌豆叶片病害的自动识别问题	豌豆叶片病害	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	TSSC	分类准确率	NA
1663	2025-12-20	Deep learning-guided discovery of selective JAK2-JH2 allosteric inhibitors: integration of MLP predictive modeling, BREED-based library design, and computational validation 2025, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2025.1646784 PMID:41404389	研究论文	本研究利用多层感知机（MLP）深度学习模型结合BREED片段杂交策略，发现并验证了选择性JAK2-JH2变构抑制剂	整合MLP预测建模、BREED库设计和计算验证，发现新型选择性JAK2-JH2变构抑制剂BRD1	研究结果需未来实验验证，未涉及体内或临床测试	发现选择性JAK2-JH2变构抑制剂用于血液和肿瘤疾病治疗	JAK2假激酶域（JH2）及其靶向化合物	机器学习	血液和肿瘤疾病	分子对接、分子动力学模拟、ADMET分析	MLP	化合物数据	1,200个JAK2靶向化合物用于训练，6,210个新分子用于筛选	NA	多层感知机	结合亲和力、构象稳定性、选择性	NA
1664	2025-12-20	Accuracy of deep learning in diagnosis of apnea syndrome: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1663851 PMID:41404457	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于图像的深度学习模型在实时检测阻塞性睡眠呼吸暂停综合征中的诊断准确性	首次通过系统综述和荟萃分析综合评估基于心电图图像的深度学习模型在OSAS实时检测中的准确性，并针对不同验证集生成方法进行了亚组分析	建模基于从心电图片段中提取的研究，但提取片段的持续时间存在差异，且该方面未在研究中进行亚组分析，计划在后续研究中进一步探索和验证	阐明基于图像的深度学习方法在实时检测阻塞性睡眠呼吸暂停综合征中的准确性	基于心电图图像构建的深度学习模型	机器学习	阻塞性睡眠呼吸暂停综合征	深度学习	深度学习模型	图像（源自心电图）	来自39项原始研究的数据	NA	NA	灵敏度, 特异度, 诊断比值比, 汇总受试者工作特征曲线下面积, 阳性似然比	NA
1665	2025-12-20	Application of machine learning approaches to predict seizure-onset zones in patients with drug-resistant epilepsy: a systematic review 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1687144 PMID:41404463	系统综述	本文系统综述了机器学习方法在预测耐药性癫痫患者发作起始区中的应用与性能	系统评估了机器学习，特别是深度学习和个性化模型在提高发作起始区预测准确性方面的潜力，并强调了考虑癫痫网络级变化的重要性	研究间存在数据采集方法、患者群体和报告标准的异质性，阻碍了直接比较，且临床实用性，特别是在复杂癫痫病例中，仍需进一步研究	评估机器学习方法在预测耐药性癫痫患者发作起始区中的应用与性能	耐药性癫痫患者	机器学习	癫痫	NA	支持向量机, 深度学习	NA	352名患者（平均年龄28岁，34%为女性）	NA	NA	准确率, 灵敏度, 特异性	NA
1666	2025-12-19	Association Between Choroid Plexus Morphological Alterations, Alzheimer Pathologies, and Cognitive Impairment: A Longitudinal Study 2025-Dec-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213953 PMID:41284956	研究论文	本研究利用深度学习分割方法，探讨了阿尔茨海默病相关脉络丛形态学改变与认知功能下降之间的纵向关联	开发了基于深度学习的脉络丛分割方法，并首次系统分析了高阶形态学特征在阿尔茨海默病病理与认知衰退之间的中介作用	研究为回顾性设计，且脉络丛形态学特征背后的病理学基础尚需通过影像-组织病理学对比研究进一步阐明	探究阿尔茨海默病相关脉络丛形态学特征及其与认知功能下降的关联	阿尔茨海默病神经影像学倡议项目中无痴呆的参与者	数字病理学	阿尔茨海默病	3D T1 MRI, 3D FLAIR MRI, β-淀粉样蛋白PET, tau蛋白PET	深度学习	医学影像	564名无痴呆参与者（平均年龄72.4岁，54.1%女性），其中339名Aβ-，225名Aβ+	NA	NA	p值, 假发现率校正, 标准化β系数, 95%置信区间	NA
1667	2025-12-19	Toward neuroimaging-based diagnostic support: a deep learning approach with a closed-loop system for psychiatric classification 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114100 PMID:41399512	研究论文	本研究开发了一种基于深度学习的补丁层次网络（PHN），用于从结构MRI中分类多种精神疾病，并部署了一个闭环诊断支持系统	提出了PHN深度学习框架，并首次实现了一个闭环神经影像诊断支持系统，将其整合到临床工作流程中	未明确说明模型在更广泛或不同人群中的泛化能力限制，以及临床部署的具体挑战	利用人工智能提供客观支持，缩小精神疾病诊断的研究与实践差距	四种主要精神疾病患者及对照组的神经影像数据	医学影像分析	精神疾病	结构MRI	深度学习	图像	训练集2,490例，独立研究数据集1,346例，真实世界临床数据344例	NA	补丁层次网络（PHN）	NA	NA
1668	2025-12-19	A holistic framework for strengthening security of healthcare data through encryption utilizing blockchain technology 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31698-4 PMID:41407846	研究论文	本研究提出了一种结合区块链和高级加密标准（AES）的框架，以增强医疗数据的安全性和隐私性	提出了一种新颖的BCT-AES框架，将CNN特征提取、决策树与逻辑回归分类、AES加密和区块链技术集成，实现了去中心化、防篡改的医疗数据安全解决方案	未明确提及框架在超大规模数据集或实时高并发场景下的性能限制，也未讨论与现有医疗系统集成的具体挑战	增强医疗数据的安全性、隐私性和完整性，以应对日益增长的网络安全威胁	医疗数据，包括患者记录和医学图像	机器学习	NA	区块链技术，高级加密标准（AES）	CNN, 决策树, 逻辑回归	文本（患者记录），图像（医学图像）	NA	Python	CNN, 决策树, 逻辑回归	加密时间（毫秒），分类准确率	NA
1669	2025-12-19	Accelerating imaging: deep learning for enhanced 123I-ioflupane SPECT efficiency 2025-Dec-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01933-z PMID:41407995	研究论文	本研究评估了深度学习重建能否从5分钟扫描中生成诊断质量的123I-ioflupane多巴胺转运体SPECT图像	首次将多种卷积架构（包括U-Net变体和TransUNet）应用于加速SPECT成像，并证明四层U-Net可将扫描时间减少80%而不损失诊断质量	研究为回顾性分析，需要前瞻性多中心验证；样本量相对有限（207项研究）	通过深度学习加速123I-ioflupane SPECT成像，减少患者扫描时间	123I-ioflupane多巴胺转运体SPECT图像	医学影像分析	神经系统疾病（如帕金森病）	SPECT成像	深度学习，卷积神经网络	医学图像（SPECT切片）	207项研究（1035个切片），来自207名患者，分为训练集（120名患者/600张图像）、验证集（37名患者/185张图像）和测试集（50名患者/250张图像）	未明确指定	U-Net（1-5层深度）、V-Net、U-Net++、R2U-Net、Attention U-Net、TransUNet	峰值信噪比（PSNR）、结构相似性指数（SSIM）、加权κ系数、组内相关系数（ICC）	NA
1670	2025-12-19	Spine age derived from DXA VFA images predicts incident fractures and mortality: the Manitoba Bone Mineral Density Registry 2025-Dec-18, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjaf194 PMID:41408721	研究论文	本研究利用深度学习从DXA VFA图像中估计脊柱年龄，并探讨其加速老化对骨折和死亡风险的独立预测价值	首次将深度学习应用于DXA VFA图像来估计脊柱生物年龄，并证明其能独立于年龄、椎体骨折和骨密度预测骨折及死亡风险	研究基于特定人群（加拿大马尼托巴省≥50岁成年人），可能限制了结果的普适性；随访时间平均为3.9年，相对较短	评估从DXA VFA图像中衍生的脊柱年龄是否能够独立预测骨折发生和死亡率	年龄≥50岁、在加拿大马尼托巴省接受DXA VFA检查的成年人	数字病理学	骨质疏松症	DXA（双能X射线吸收测定法）VFA（椎体骨折评估），深度学习	CNN	图像	训练集：韩国队列10,341人；测试集：加拿大队列8,810人	NA	卷积神经网络	调整后的风险比	NA
1671	2025-12-19	Comparing guideline adherence and readability: Artificial intelligence with deep learning versus specialized physicians in peripheral artery disease management 2025-Dec-18, Vascular medicine (London, England) DOI:10.1177/1358863X251386394 PMID:41410030	研究论文	本研究比较了专业医生与人工智能在管理外周动脉疾病时对指南的遵循程度和回答可读性	首次在拉丁美洲背景下，将大型语言模型（包括标准模型和思维链推理模型）与专业医生的临床建议在指南遵循和可读性方面进行直接比较	样本量相对较小（30名医生和13个LLM系统），且研究为横断面设计，无法评估临床结果	比较人工智能与专业医生在外周动脉疾病管理中的指南遵循情况和回答可读性	外周动脉疾病的标准病例	自然语言处理	心血管疾病	大型语言模型，思维链推理	LLM	文本	30名专业医生（11名心脏病专家，19名血管外科医生）和13个LLM系统（10个标准模型，3个思维链模型）	NA	NA	指南遵循评分，可读性指数（Readability μ），组内相关系数	NA
1672	2025-12-19	Deep learning's false positive burden may threaten the MRI harm reduction mandate in screening 2025-Dec-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12228-2 PMID:41410706	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1673	2025-12-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-Dec-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	本文提出了一种基于深度学习和计算机视觉的自主视网膜静脉插管工作流程，用于在离体猪眼中执行精确手术任务	结合深度学习与机器人辅助，实现自主视网膜静脉插管，并在静态和动态条件下展示高成功率	研究仅在离体猪眼上进行，尚未涉及人体临床试验	开发自主视网膜静脉插管工作流程，以提升视网膜静脉阻塞治疗的精确性和可靠性	离体猪眼	计算机视觉	视网膜静脉阻塞	术中光学相干断层扫描	CNN	图像	20个离体猪眼用于主要测试，6个用于模拟呼吸引起的眼动	NA	NA	成功率	NA
1674	2025-12-19	MedicoSAM: Robust Improvement of SAM for Medical Imaging 2025-Dec-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3644811 PMID:41406266	研究论文	本文研究了如何通过不同微调策略改进Segment Anything Model (SAM)在医学图像分割中的应用，并提出了公开可用的MedicoSAM模型	通过在大规模多样化数据集上比较不同微调策略，显著提升了SAM在医学图像交互式分割中的性能，并开发了兼容现有数据标注工具的MedicoSAM模型	在自动语义分割任务中，相比传统分割方法的优势并不一致，存在性能波动	改进视觉基础模型在医学图像分割中的通用性和性能	医学图像分割任务	计算机视觉	NA	深度学习微调策略	基础模型微调	医学图像	大规模多样化数据集（具体数量未说明）	NA	Segment Anything Model (SAM)	交互式分割和自动语义分割性能评估（具体指标未说明）	NA
1675	2025-12-19	AFoCo: Ambiguous Focus and Correction for Semi-Supervised Medical Image Segmentation 2025-Dec-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3642162 PMID:41406262	研究论文	本文提出了一种用于半监督医学图像分割的创新框架AFoCo，通过模糊聚焦和校正网络来有效识别和利用未标记数据中的模糊区域	提出了结合历史变化预测和瞬时信息熵的模糊聚焦网络，以及利用确定性信息通过加权相似性策略重新分配模糊区域像素标签的模糊校正网络，并引入了任务感知的非对称交叉监督约束	未明确说明框架在不同模态医学图像上的泛化能力，也未讨论计算复杂度和实时性能	提高半监督医学图像分割的准确性，特别是针对模糊区域的识别和利用	医学图像中的模糊区域	数字病理	NA	深度学习	CNN	图像	四个医学图像数据集（具体数量未说明）	NA	NA	分割准确率，模糊区域比例	NA
1676	2025-12-19	Advanced Deep Learning Framework for Cancer Cell Morphological Analysis and Tumor Mutational Burden Prediction From Histopathological Images 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3645411 PMID:41406280	研究论文	本研究提出了一种名为CellMorphNet的深度学习框架，用于从常规组织病理学图像中分析癌细胞形态并预测肿瘤突变负荷	提出了创新的CellMorphNet架构，整合了癌细胞形态特征提取与高级注意力机制，并采用新颖的细胞反卷积结构分离组织染色成分，以及分层路由注意力机制以选择性关注形态相关细胞区域	未在摘要中明确说明	开发一种从组织病理学图像预测肿瘤突变负荷的深度学习方法，作为分子测序的成本效益替代方案	癌细胞形态特征、肿瘤突变负荷	数字病理学	癌症	组织病理学成像	深度学习	图像	基于TCGA数据集进行五次独立训练运行	未在摘要中明确说明	CellMorphNet（包含四阶段分层金字塔结构、形态池化层和专用CellMorph块）	AUC, F1-score, 精确度, 召回率, 准确率	未在摘要中明确说明
1677	2025-12-19	VWV-SSL: Carotid vessel-wall-volume segmentation via sequence structural similarity and augmentation consistency-based self-supervised learning 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3637302 PMID:41406282	研究论文	本文提出了一种名为VWV-SSL的自监督学习算法，用于三维颈动脉超声图像分割以生成血管壁体积测量	VWV-SSL算法利用了颈动脉超声图像的序列结构相似性和强弱增强特征一致性进行自监督任务，使网络在自监督任务训练中更好地学习血管特征表示	NA	开发一种自监督学习算法以改善在少量标注图像上训练的三维颈动脉超声图像分割性能	颈动脉血管壁体积（VWV）的测量，涉及颈动脉的中膜-外膜边界（MAB）和管腔-内膜边界（LIB）的分割	医学图像分析	颈动脉粥样硬化	三维超声成像	深度学习	三维超声图像	来自250名受试者的1158个三维超声图像（包括579个颈总动脉和579个分叉处图像）	NA	3D U-Net	NA	NA
1678	2025-12-19	SG-DCNN: A Deep Learning Method Integrating Self-Attention Mechanism and Generative Adversarial Network for Predicting Ion-Ligand Binding Residues in Small Samples 2025-Dec-17, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3645246 PMID:41406298	研究论文	本文提出了一种名为SG-DCNN的集成算法，结合生成对抗网络和自注意力机制于深度卷积神经网络框架中，用于预测小样本离子配体结合残基	首次将生成对抗网络和自注意力机制整合到深度卷积神经网络中，以解决小样本和类别不平衡问题，提高预测精度	仅针对八种小样本离子配体进行实验验证，样本规模有限，可能影响模型的泛化能力	提高蛋白质与离子配体结合残基的预测准确性，特别是在小样本和类别不平衡条件下	蛋白质与离子配体的结合残基	机器学习	NA	NA	GAN, CNN	序列数据	八种小样本离子配体	NA	深度卷积神经网络, 自注意力机制, 生成对抗网络	准确率, Matthews相关系数	NA
1679	2025-12-19	Two Stage Fine-Tuned Multimodal Generative AI for Automated ECG Based Cardiovascular Report Generation 2025-Dec-17, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2e01 PMID:41406494	研究论文	提出一种轻量级多模态生成式AI框架，用于自动解读心电图图像并生成结构化临床报告	采用两阶段微调策略，基于SmolVLM-500M-Instruct模型，通过量化低秩适应实现高效部署，并构建了定制的多模态心电图数据集	未明确说明模型在特定亚组或罕见心电图模式上的泛化能力，以及数据集的具体规模细节	开发一种准确且可扩展的心血管疾病自动诊断解决方案	心电图图像及其对应的临床报告	计算机视觉, 自然语言处理	心血管疾病	量化低秩适应	生成式AI, 多模态模型	图像, 文本	NA	NA	SmolVLM-500M-Instruct	BLEU, ROUGE-L, BERTScore	标准硬件
1680	2025-12-19	Deep Learning Algorithms Enabled Visual Detection of Anthrax Biomarkers by Mn3O4 Nanozyme-Based Colorimetric Sensor Array 2025-Dec-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03628 PMID:41406958	研究论文	本研究开发了一种结合苯丙氨酸修饰的MnO纳米酶比色传感器阵列与深度学习算法的新方法，用于检测炭疽生物标志物2,6-吡啶二羧酸及其结构类似物	创新性地将可调氧化酶活性的纳米酶比色传感器阵列与YOLOv8深度学习算法结合，实现了对炭疽生物标志物的自动视觉检测与分类	未明确说明传感器阵列在更复杂实际环境中的稳定性及长期性能	开发一种快速、准确且自动化的炭疽生物标志物检测方法	炭疽生物标志物2,6-吡啶二羧酸及其六种结构类似物	计算机视觉	炭疽病	比色传感器阵列，纳米酶催化	YOLOv8	图像	未明确说明具体样本数量，但涉及七种结构类似物的检测	PyTorch	YOLOv8	平均精度均值，平均置信度	NA