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
61	2026-01-20	Bi-level graph learning unveils prognosis-relevant tumor microenvironment patterns in breast multiplexed digital pathology 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101178 PMID:40182181	研究论文	本文提出了一种数据驱动且可解释的双层图学习方法，用于识别与患者预后相关的肿瘤微环境细胞模式	引入双层图模型（细胞图和群体图）来识别可泛化的生物标志物，克服了传统深度学习方法预测不可解释的局限性	NA	识别与乳腺癌患者预后相关的肿瘤微环境空间细胞模式	乳腺癌肿瘤微环境中的细胞模式	数字病理学	乳腺癌	多重数字病理学	图模型	图像	在两个独立队列中验证	NA	双层图模型（细胞图、群体图）	NA	NA
62	2026-01-14	GaitDynamics: A Generative Foundation Model for Analyzing Human Walking and Running 2025-Mar-21, Research square DOI:10.21203/rs.3.rs-6206222/v1 PMID:40166023	研究论文	本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，旨在通过大规模多样化数据训练，实现低成本、高精度的步态动力学预测	开发了首个针对人类步态的生成式基础模型，能够处理多样化输入和输出任务，并在数据缺失或未见人群上保持高准确性和鲁棒性	模型训练依赖于大规模数据集，可能无法覆盖所有可能的步态变异或极端情况；未详细讨论模型在实时应用中的计算延迟问题	通过深度学习模型低成本地预测和分析人类步态动力学，以促进健康、预防损伤、治疗疾病和优化运动表现	人类行走和跑步的步态动力学，包括运动学和地面反作用力	机器学习	NA	深度学习	生成式基础模型	运动学和力数据	大规模数据集，包含多样化参与者人口统计学和步态模式	未指定	未指定	准确性, 鲁棒性	未指定
63	2026-01-10	Specialized ECG data augmentation method: leveraging precordial lead positional variability 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00455-3 PMID:40026892	研究论文	本文提出了一种针对心电图数据的专用数据增强方法，通过利用胸前导联位置的可变性来提升深度学习模型在心电图诊断任务中的性能	创新点在于专注于12导联心电图中胸前导联之间的独特角度，并考虑临床环境中可能发生的情况，从而优化了心电图数据的数据增强技术	未在摘要中明确提及	研究目的是开发一种优化的数据增强方法，以提升心电图信号在诊断心房颤动或心房扑动、广义室上性心动过速、一度房室传导阻滞、左束支传导阻滞和心肌梗死等疾病中的深度学习模型性能	研究对象是心电图信号，具体用于诊断多种心脏疾病	生物信号处理	心血管疾病	数据增强技术	深度学习模型	心电图信号	NA	NA	NA	NA	NA
64	2026-01-07	A multilayer deep autoencoder approach for cross layer IoT attack detection using deep learning algorithms 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93473-9 PMID:40133346	研究论文	本文提出了一种多层深度自编码器方法，用于跨层物联网攻击检测	引入多层深度自编码器，利用其分层简化能力提取全局和局部特征的潜在表示，并集成RNN、GNN和TCN等深度学习算法以增强检测能力	NA	解决物联网网络安全中特征表示、可扩展性和灵活性需求，提升跨层攻击检测效果	物联网网络中的跨层攻击，如网络层的中间人攻击和传输层的分布式拒绝服务攻击	机器学习	NA	深度学习算法	自编码器, RNN, GNN, TCN	网络数据	使用基准数据集和真实场景进行广泛模拟	NA	多层深度自编码器	检测准确率, 误报率	NA
65	2026-01-01	Enhancing plant morphological trait identification in herbarium collections through deep learning-based segmentation 2025 Mar-Apr, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70000 PMID:40308899	研究论文	本文提出了一种基于深度学习的植物标本扫描图像分割方法，以去除背景并提升植物形态特征识别的分类性能	提出了一种新颖的深度学习分割方法，用于从植物标本扫描中生成植物掩膜并移除非植物背景，通过半自动预处理减少训练数据准备的人工工作量	NA	提升植物标本数字化收藏中植物形态特征识别的准确性	植物标本扫描图像	计算机视觉	NA	深度学习图像分割	深度学习模型	图像	NA	NA	NA	F1分数, 分类准确率	NA
66	2025-12-31	Machine Learning Quantification of Fluid Volume in Eyes With Retinal Vein Occlusion Treated With Aflibercept: The REVOLT Study 2025 Mar-Apr, Journal of vitreoretinal diseases IF:0.5Q4 DOI:10.1177/24741264241308495 PMID:39742143	研究论文	本研究利用深度学习算法量化视网膜静脉阻塞患者经阿柏西普治疗后眼内液体体积，并评估其与视力预后的关系	首次结合缺血指数、视网膜液体体积及层厚度测量，构建综合模型来预测视网膜静脉阻塞患者的视力变化	样本量较小（49只眼），且仅针对治疗初治患者，可能限制结果的普适性	评估缺血、视网膜液体及层厚度测量与视网膜静脉阻塞患者视力预后的综合关系	因中心性或分支性视网膜静脉阻塞导致视力受损的初治患者眼睛	数字病理学	视网膜静脉阻塞	扫频源光学相干断层扫描	深度学习	图像	49只眼睛	NA	NA	皮尔逊相关系数	NA
67	2025-12-28	Enhancing patient representation learning with inferred family pedigrees improves disease risk prediction 2025-03-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae297 PMID:39723811	研究论文	本文提出ALIGATEHR模型，通过图注意力网络结合推断的家庭谱系来增强患者表示学习，以改进疾病风险预测	首次在电子健康记录分析中显式建模推断的家庭关系，利用图注意力网络和基于注意力的医学本体表示，捕捉遗传、共享环境暴露和疾病依赖的复杂影响	未明确说明模型对数据缺失或家庭关系推断错误的鲁棒性，也未讨论模型在外部验证集上的泛化能力	改进基于电子健康记录的疾病风险预测，通过整合家庭健康史信息	电子健康记录中的患者数据及其推断的家庭谱系	机器学习	炎症性肠病	电子健康记录分析	图注意力网络	纵向电子健康记录诊断数据	NA	NA	图注意力网络	NA	NA
68	2025-12-22	Dynamic maize true leaf area index retrieval with KGCNN and TL and integrated 3D radiative transfer modeling for crop phenotyping 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100004 PMID:41415943	研究论文	本研究提出了一种结合三维辐射传输模型和知识引导深度学习的新方法，用于动态反演玉米真实叶面积指数，以提升作物表型分析的准确性	开发了结合三维冠层结构物理的知识引导卷积神经网络架构，并利用迁移学习技术进行跨时间适应，显著提高了叶面积指数反演的精度和稳定性	方法依赖于合成数据集进行预训练，可能受限于模拟数据与真实田间条件之间的差异，且跨年验证仅覆盖两年数据，长期普适性有待进一步验证	通过集成三维辐射传输建模和深度学习，提高玉米真实叶面积指数的动态反演精度，以支持作物生长状态评估和产量预测	玉米作物	计算机视觉	NA	三维辐射传输建模, 遥感散射模型	CNN, LSTM, RNN	合成数据集, 田间测量数据	2021年田间测量数据用于微调, 2022-2023年数据集用于跨年验证	NA	知识引导卷积神经网络, PROSAIL, 随机森林	R, RMSE	NA
69	2025-12-22	A deep learning-based micro-CT image analysis pipeline for nondestructive quantification of the maize kernel internal structure 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100022 PMID:41415948	研究论文	本文提出了一种基于深度学习的微CT图像分析流程，用于无损量化玉米籽粒的内部结构	提出了名为CSFTU-Net的改进U-Net架构，集成了CBAM和SE注意力机制，并使用focal-Tversky损失函数及边界平滑项，显著提高了玻璃质与粉质胚乳的分割能力	未明确说明模型在不同玉米品种或成像条件下的泛化能力，也未讨论计算效率或处理大规模数据的可行性	开发一种无损、自动化的方法来量化玉米籽粒的内部结构，以支持玉米育种和加工研究	玉米籽粒的微CT图像	计算机视觉	NA	微CT扫描	CNN	图像	未明确说明	未明确说明	U-Net, CSFTU-Net	分割准确性	未明确说明
70	2025-12-22	CVRP: A rice image dataset with high-quality annotations for image segmentation and plant phenomics research 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100025 PMID:41415951	研究论文	本文介绍了一个名为CVRP的高质量水稻图像数据集，用于图像分割和植物表型组学研究	创建了一个包含多品种、多视角、高标注质量的水稻图像公开数据集，并设计了半自动标注流程	未明确说明数据集的样本数量及标注的具体耗时	为作物图像分析和植物表型组学研究提供高质量标注数据集，促进精准农业和育种模型发展	水稻植株图像，包括231个地方品种和50个现代栽培品种	计算机视觉	NA	深度学习模型辅助的半自动标注	语义分割模型	图像	来自281个水稻品种（231个地方品种 + 50个现代栽培品种）的图像	未明确说明	未明确指定具体架构，但评估了四种SOTA语义分割模型	未明确说明	未明确说明
71	2025-12-22	Segmenting vegetation from UAV images via spectral reconstruction in complex field environments 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100021 PMID:41415944	研究论文	提出一种基于光谱重建的弱监督方法，用于复杂田间环境下的植被分割	通过光谱重建技术降低数据采集成本，并结合植被指数理论增强植被信息，实现无需人工标注的弱监督分割	未明确说明方法在极端光照或天气条件下的鲁棒性，且数据集规模相对有限	开发一种低成本、高效的田间植被分割方法，以应对复杂环境挑战	无人机采集的田间植被遥感图像	计算机视觉	NA	光谱重建，植被指数	CNN, 注意力机制	图像	2358对无人机RGB-多光谱图像样本	未明确指定，但开源代码暗示可能基于PyTorch或TensorFlow	SRCNet, SRANet	平均交并比	NA
72	2025-12-22	The blessing of Depth Anything: An almost unsupervised approach to crop segmentation with depth-informed pseudo labeling 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100005 PMID:41415954	研究论文	本文提出了一种几乎无监督的作物分割方法DepthCropSeg，利用深度信息生成伪标签训练分割模型	首次利用Depth Anything V2视觉基础模型生成高质量伪作物掩码，实现接近全监督性能的几乎无监督作物分割	依赖深度图生成伪掩码的质量，且需要人工筛选可靠图像	开发无需人工像素级标注的作物分割方法	作物图像	计算机视觉	NA	深度图生成与处理	语义分割模型	图像	17199张图像来自六个公共植物分割源，筛选后1378张图像用于训练	NA	NA	NA	NA
73	2025-12-20	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	综述	本文回顾了过去十年中机器学习技术在圆锥角膜诊断中的应用，重点关注学术研究与临床实践之间的差距	提出了促进机器学习模型融入临床实践的路线图模型，并针对机器学习和眼科医生提供了可操作的建议	缺乏早期圆锥角膜检测和严重程度分期的客观诊断标准共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨如何将其有效整合到临床实践中	圆锥角膜的诊断研究，包括不同疾病阶段（如非圆锥角膜、亚临床圆锥角膜、临床圆锥角膜）	机器学习	圆锥角膜	NA	随机森林, 卷积神经网络, 前馈和反馈神经网络, 支持向量机	数值角膜参数	NA	NA	NA	NA	NA
74	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
75	2025-12-20	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	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视网膜成像的眼组学方法（包括深度学习、机器学习和逻辑回归模型）在诊断主要精神障碍方面的性能	首次对利用视网膜成像预测精神健康障碍的眼组学方法进行系统综述和荟萃分析，综合评估了多种机器学习模型在该领域的诊断性能	纳入研究存在高偏倚风险（尤其在患者选择和指标测试设计方面）、缺乏外部验证、样本量小导致过拟合风险、未发现精神障碍特异性的视网膜生物标志物	评估眼组学方法通过视网膜成像诊断主要精神障碍的准确性和临床适用性	主要精神障碍患者（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症、自闭症谱系障碍）的视网膜影像数据	数字病理学	精神障碍	视网膜成像技术（彩色眼底照相、光学相干断层扫描、OCT血管成像）	深度学习, 机器学习, 逻辑回归	图像	11项研究中的13个诊断模型（具体样本量未在摘要中说明）	NA	NA	敏感性, 特异性, 受试者工作特征曲线下面积	NA
76	2025-12-13	NLP-enriched social determinants of health improve prediction of suicide death among the Veterans 2025-Mar-31, Research square DOI:10.21203/rs.3.rs-5067562/v1 PMID:40235516	研究论文	本研究探讨了通过自然语言处理（NLP）和ICD编码提取的社会行为健康决定因素（SBDH）对退伍军人精神病院出院后自杀死亡预测模型的性能提升作用	创新性地将NLP从非结构化临床记录中提取的SBDH信息与ICD编码信息结合，用于提升自杀死亡预测模型的性能、校准度和公平性	研究人群仅限于美国退伍军人，可能限制了结果的普适性；模型性能仍有提升空间（AUROC约64%）	评估社会行为健康决定因素（SBDH）作为预测因子是否能改善精神病院出院患者的自杀死亡预测	2017年1月1日至2019年7月1日期间从129家美国退伍军人健康管理局（VHA）精神病院出院的197,581名退伍军人，共计414,043次出院记录	自然语言处理	精神疾病	自然语言处理（NLP），ICD编码分析	集成机器学习模型，基于Transformer的深度学习基础模型	文本（非结构化临床记录），结构化管理数据	197,581名退伍军人的414,043次出院记录	NA	TransformEHR	灵敏度，阳性预测值（PPV），受试者工作特征曲线下面积（AUROC），校准分析	NA
77	2025-12-13	Principles of artificial intelligence in radiooncology 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02272-0 PMID:39105746	综述	本文是一篇针对放射肿瘤学领域的人工智能深度学习原理的全面指南	以易于理解的方式，专门为放射肿瘤学定制，系统阐述了深度学习的技术原理，填补了该领域缺乏易懂综述的空白	NA	阐明深度学习在放射肿瘤学中的技术原理，旨在弥合复杂技术概念与临床实践之间的差距	深度学习模型及其在放射肿瘤学中的应用	机器学习	NA	NA	MLP, CNN, RNN, Transformer, GAN, 扩散生成模型, 强化学习	NA	NA	NA	NA	NA	NA
78	2025-12-13	Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02262-2 PMID:39105745	综述	本文总结了人工智能在放射治疗计划自动分割中的最新技术和临床应用	探讨了将数学肿瘤生长模型与AI肿瘤检测相结合以优化靶区勾画的新视角，并展望了一站式分割与放疗计划的前沿	临床实施中面临领域偏移等挑战	总结AI在放疗计划自动分割中的技术现状与临床应用	危及器官、大体肿瘤体积和临床靶区	数字病理	肿瘤	NA	深度学习	医学影像	NA	NA	NA	效率、一致性和时间节省	NA
79	2025-12-13	The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02313-8 PMID:39503868	研究论文	本研究评估了Segment Anything基础模型在MRI图像中自动分割脑胶质瘤的准确性，以支持放射治疗计划	首次将可提示的基础分割模型应用于脑胶质瘤的交互式自动轮廓勾画，并评估其在放射治疗计划中的潜力	使用建议掩码时准确性较低（0.572），且模型性能可能受肿瘤分级影响	评估Segment Anything基础模型在脑胶质瘤MRI自动分割中的准确性，以支持放射治疗计划	脑胶质瘤MRI图像	数字病理	脑胶质瘤	MRI成像	基础分割模型	MRI图像	369个MRI数据集，共16,744个横断面切片	NA	Segment Anything	IoU, Dice系数	NA
80	2025-12-13	Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02221-x PMID:38498173	研究论文	本研究结合3D深度学习提取的影像特征与剂量-体积指标，以增强局部晚期非小细胞肺癌患者症状性放射性肺炎的预测能力	首次将3D深度学习从放疗前计划CT中提取的影像特征与临床相关的剂量-体积指标（如V30Gy）相结合，构建了用于预测放射性肺炎的模型，并在两个中心的数据集上进行了验证	样本量相对有限（总计149例患者），且为回顾性研究，需要更大规模的前瞻性研究进一步验证模型的泛化能力	探索深度学习提取的影像特征在预测局部晚期非小细胞肺癌患者放射性肺炎方面的能力，并评估其与剂量-体积指标结合后的预测价值提升	局部晚期非小细胞肺癌患者	数字病理学	肺癌	3D深度学习，CT影像分析	深度学习	3D CT影像	149例患者（90例来自复旦大学附属肿瘤医院，59例来自江南大学附属医院）	未明确指定，可能为TensorFlow或PyTorch	多层感知机	AUC	NA