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
1	2025-12-28	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Jun-26, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究通过事后分析，探讨了无症状主动脉瓣狭窄患者中，心外膜脂肪组织与主动脉瓣狭窄严重程度、进展、心肌重构及全因死亡率之间的关联	首次在无症状主动脉瓣狭窄患者中，利用全自动深度学习软件量化心外膜脂肪组织，并系统评估其与心肌健康生物标志物及死亡风险的关联	研究为事后分析，样本量较小（124例），且仅针对无症状患者，结果可能不适用于有症状人群	探究心外膜脂肪组织在主动脉瓣狭窄中的作用，及其与心肌重构和患者预后的关系	无症状的轻度至重度主动脉瓣狭窄患者	数字病理学	心血管疾病	CT血管造影，全自动深度学习软件量化	深度学习	CT图像，血液生物标志物数据	124例无症状主动脉瓣狭窄患者	NA	NA	相关性分析（r值，p值），风险比（HR），置信区间（CI）	NA
2	2025-12-24	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究评估了功率-功率跨频耦合（CFC）方法在颅内脑电图（iEEG）中检测颞叶癫痫（TLE）发作的能力，并分析了三种常见发作成分的CFC特征	提出使用功率-功率跨频耦合（CFC）作为颞叶癫痫发作检测的新方法，并首次对三种常见发作成分（尖波、尖波上的涟漪、振荡上的涟漪）进行CFC分析	研究仅基于26名患者的120次颞叶癫痫发作数据，样本量相对较小，且仅使用颅内脑电图数据，可能限制了结果的普适性	评估功率-功率跨频耦合（CFC）方法在颞叶癫痫发作检测中的有效性，并分析不同发作成分的CFC特征	颞叶癫痫患者的颅内脑电图记录，包括发作段和背景活动段	机器学习	癫痫	颅内脑电图（iEEG），功率-功率跨频耦合（CFC）分析	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作记录及背景活动段	EEGLAB	堆叠稀疏自编码器（SSAE），长短期记忆网络（LSTM）	灵敏度, 特异度, 准确率	NA
3	2025-12-22	Soybean yield estimation and lodging discrimination based on lightweight UAV and point cloud deep learning 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100028 PMID:41415158	研究论文	本研究利用轻量级无人机和点云深度学习模型，结合空间结构与颜色信息融合，实现了大豆产量估算和倒伏等级判别	提出了新的点云深度学习模型SoyNet和SoyNet-Res，并引入了两种数据级融合方法，有效整合了空间结构和颜色信息，克服了传统统计特征忽略结构信息的局限	NA	优化大豆育种表型研究，通过深度学习模型同时进行产量估算和倒伏等级判别	大豆冠层	计算机视觉	NA	无人机平台、交叉环绕倾斜路线摄影、运动结构恢复与多视图立体视觉技术	深度学习	点云数据	NA	NA	SoyNet, SoyNet-Res	均方根误差, F1分数, 准确率top-2, 准确率top-3	NA
4	2025-12-22	A scalable and efficient UAV-based pipeline and deep learning framework for phenotyping sorghum panicle morphology from point clouds 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100050 PMID:41415167	研究论文	本文提出了一种基于无人机和深度学习的高粱穗形态表型分析框架，包括3D重建、模拟数据集生成和新型多任务模型SegVoteNet	开发了结合无人机视频采集与NeRF的3D点云重建流程，并提出了SegVoteNet模型，通过分割结果优化目标检测，无需微调即可在真实数据上实现高性能	未明确说明模型在极端环境条件下的泛化能力，且实际应用中可能受无人机飞行条件和数据采集质量限制	开发可扩展的高粱穗形态表型分析方法，以支持育种和商业应用	高粱冠层和穗部形态	计算机视觉	NA	无人机视频采集, Neural Radiance Fields (NeRF), 3D模拟	深度学习, 语义分割, 3D检测	点云数据	NA	PyTorch	SegVoteNet, VoteNet, PointNet++	Mean Average Precision (mAP) @ 0.5 Intersection Over Union (IOU)	NA
5	2025-12-22	Spotibot: Rapid scoring of B otrytis lesions on rose petals using deep learning and mobile computing 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100029 PMID:41415171	研究论文	本研究开发了Spotibot软件，利用深度学习和移动计算技术，自动检测玫瑰花瓣上的灰霉病病变，以快速、客观地评估抗病性	首次开发了结合深度学习和移动计算的快速、用户友好的应用程序，用于玫瑰花瓣图像分析，以筛选灰霉病抗性和易感性	NA	开发一种准确、快速、客观的表型分析工具，用于玫瑰育种选择和发现新的抗性或易感基因	玫瑰花瓣上的灰霉病病变	计算机视觉	灰霉病	NA	实例分割模型	图像	NA	NA	NA	F1分数, Spearman Rank相关系数	移动计算
6	2025-12-22	Automated 3D Segmentation of Plant Organs via the Plant-MAE: A Self-Supervised Learning Framework 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100049 PMID:41415170	研究论文	本研究开发了一种基于自监督学习的点云分割框架Plant-MAE，用于自动化三维植物器官分割，以支持作物表型参数估计	创新性地将自监督学习范式应用于植物表型领域，并引入了基于核的点卷积嵌入模块和基于注意力机制的多角度特征提取块（MAFEB）	未明确提及具体局限性，但暗示了现有方法在点云数据标注方面的挑战	实现可靠且自动化的三维植物器官分割，以提取器官水平的表型性状	植物器官的点云数据	计算机视觉	NA	自监督学习	自监督学习框架	点云数据	多个点云数据集，具体数量未明确说明	NA	Plant-MAE, PointNet++, point transformer, Point-M2AE	精确率, 召回率, F1分数, IoU	NA
7	2025-12-22	FreezeNet: A Lightweight Model for Enhancing Freeze Tolerance Assessment and Genetic Analysis in Wheat 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100061 PMID:41415164	研究论文	本研究开发了一种名为FreezeNet的轻量级深度学习模型，用于基于图像的表型分析准确量化小麦冻害，并识别与耐冻性相关的遗传位点	开发了轻量级深度学习模型FreezeNet，首次将图像表型分析与GWAS结合，识别出8个新的耐冻性QTL，并通过基因渗入验证了其功能	研究仅基于220份小麦种质，样本规模相对有限；模型在更广泛环境或品种中的泛化能力未充分验证	开发准确评估小麦耐冻性的方法并识别关键遗传因子，以指导耐冻小麦品种选育	小麦幼苗期的冻害表型及220份小麦种质	计算机视觉	NA	图像表型分析，全基因组关联分析	CNN	图像	220份小麦种质	NA	FreezeNet	与传统目测评分相关性，遗传力	NA
8	2025-12-22	XFruitSeg-A general plant fruit segmentation model based on CT imaging 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100055 PMID:41415184	研究论文	本研究提出了一种基于CT成像的通用植物果实分割深度学习模型XFruitSeg，用于精确分割果实内部组织	提出了首个针对植物果实CT图像的通用深度学习分割模型，集成了大卷积核网络RepLKNet、多尺度跳跃连接、深度监督机制、轮廓特征学习分支以及优化的复合损失函数	模型仅在橙子、山竹和榴莲三种果实上进行了评估，尚未在所有12个品种上全面验证	开发一种高精度的植物果实内部组织分割方法，以支持表型分析	植物果实的CT图像	计算机视觉	NA	CT成像	深度学习	图像	包含12种植物果实品种的高分辨率图像数据集，其中橙子、山竹和榴莲有精确标注用于评估	NA	U-Net, RepLKNet	Dice系数, mIoU	NA
9	2025-12-19	High-definition motion-resolved MRI using 3D radial kooshball acquisition and deep learning spatial-temporal 4D reconstruction 2025-Jun-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade195 PMID:40472864	研究论文	本文开发了一种结合3D径向kooshball采集和时空深度学习4D重建的自由呼吸高分辨率肺部MRI方法	提出了高分辨率Movienet深度学习模型，实现了1.1毫米各向同性分辨率的运动解析4D MRI，扫描时间缩短至5分钟以内	研究样本量较小（8名健康志愿者和10名肺癌患者），且3D-based HD-Movienet模型以更长的重建时间为代价提升质量	开发自由呼吸高分辨率肺部MRI技术，用于运动解析的容积成像	健康志愿者和肺癌患者的肺部	医学影像	肺癌	3D径向kooshball序列采集，包括半辐条超短回波时间和全辐条T1加权采集	CNN	3D径向kooshball MRI数据	8名健康志愿者和10名肺癌患者	NA	2D-based HD-Movienet, 3D-based HD-Movienet	图像质量，重建时间	GPU优化
10	2025-12-19	Deep learning neural network prediction of postoperative complications in patients undergoing laparoscopic right hemicolectomy with or without CME and CVL for colon cancer: insights from SICE (Società Italiana di Chirurgia Endoscopica) CoDIG data 2025-Jun-11, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-025-03165-9 PMID:40498162	研究论文	本研究利用深度学习神经网络预测结肠癌患者腹腔镜右半结肠切除术后并发症，基于意大利多中心数据库数据	首次将深度学习神经网络应用于预测腹腔镜右半结肠切除术后的并发症，并比较了其与其他机器学习模型的性能	研究基于单一国家（意大利）的多中心数据库，需要外部验证以推广到更广泛的临床环境	评估机器学习模型，特别是深度学习神经网络，在预测结肠癌腹腔镜右半结肠切除术后并发症中的应用	接受腹腔镜右半结肠切除术（伴或不伴完整结肠系膜切除和中央血管结扎）的结肠癌患者	机器学习	结肠癌	机器学习，深度学习	深度学习神经网络，决策树，随机森林	人口统计学、临床和手术因素数据	来自CoDIG多中心数据库的患者数据，具体样本量未明确	未明确指定，可能涉及Scikit-learn等	深度学习神经网络（具体架构未指定），决策树，随机森林	准确率，精确率，召回率，F1分数	未明确指定
11	2025-12-17	Enhancing Pandemic Prediction: A Deep Learning Approach Using Transformer Neural Networks and Multi-Source Data Fusion for Infectious Disease Forecasting 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.24.25330211 PMID:40666360	研究论文	本研究提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于预测县级层面的Covid-19病例和死亡数	结合了多源数据（历史病例、死亡数据、社交媒体情感分析）并开发了多层级、多尺度的注意力机制进行自适应时频分析，以捕捉时间序列数据中的时空动态	未明确提及模型在其他传染病或不同地理区域的泛化能力测试，以及社交媒体数据质量对预测结果的具体影响分析	提高传染病大流行的预测准确性，以增强公共卫生准备和应对策略	Covid-19大流行期间的县级病例和死亡数据	自然语言处理, 机器学习	传染病	社交媒体情感分析, 多源数据融合	Transformer	时间序列数据, 文本数据	三个Omicron变异波期间（2021年12月至2023年2月）的县级数据	NA	Transformer	中位数县级一致性准确率	NA
12	2025-12-10	AI-Powered Vocalization Analysis in Poultry: Systematic Review of Health, Behavior, and Welfare Monitoring 2025-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s25134058 PMID:40648313	综述	本文对人工智能和生物声学在通过禽类发声分析进行非侵入式福利监测方面的应用进行了系统性回顾	系统性地梳理了从传统声学特征提取到前沿深度学习架构（如CNN、LSTM、注意力机制及自监督模型wav2vec2和Whisper）的演变，并强调了边缘计算部署和可解释AI集成的重要性	存在数据集标准化不足、评估协议不一致、算法可解释性有限等持续性方法瓶颈，以及在跨物种领域泛化和上下文声学适应方面存在关键知识缺口	回顾和评估人工智能驱动的禽类发声分析技术在健康、行为及福利监测领域的应用现状、潜力和挑战	禽类（家禽）的发声数据	机器学习	NA	生物声学分析	CNN, LSTM, 注意力机制, 自监督模型	音频	NA	NA	wav2vec2, Whisper	NA	边缘计算（通过TinyML框架）
13	2025-12-10	Deep Learning-Based Automated Measurement of Cervical Length in Transvaginal Ultrasound Images of Pregnant Women 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3433594 PMID:39052464	研究论文	本文开发了一种基于深度学习的自动化方法CL-Net，用于在孕妇经阴道超声图像中测量宫颈长度，以减少操作者依赖性并提高测量可重复性	CL-Net首次将专家解剖知识整合到深度学习网络中，以识别宫颈管，解决了超声图像中低信噪比和宫颈管对比度极低的挑战	未明确说明模型在不同人群或设备间的泛化能力，以及临床部署中的实时性能要求	开发一种可靠且可重复的自动宫颈长度测量方法，以降低评估者间变异并改善工作流程	孕妇的经阴道超声图像	计算机视觉	产科疾病	经阴道超声成像	深度学习网络	图像	NA	NA	CL-Net	成功率, 中位数差异, 四分位距, 范围	NA
14	2025-12-10	A GAN Guided Parallel CNN and Transformer Network for EEG Denoising 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3277596 PMID:37220036	研究论文	提出了一种基于GAN引导的并行CNN和Transformer网络（GCTNet），用于脑电图（EEG）信号的去噪，以解决现有方法在时间特征捕获和整体一致性方面的不足	设计了一个结合并行CNN块和Transformer块的生成器，分别捕获局部和全局时间依赖性，并利用判别器检测和校正去噪后EEG信号与真实干净信号之间的整体不一致性	未明确提及具体限制，但可能包括对特定类型伪影的泛化能力或计算资源需求	开发一种高效的深度学习方法来去除EEG信号中的生理伪影，提高信号质量以支持后续分析	脑电图（EEG）信号，特别是受生理伪影（如肌电图伪影）污染的信号	机器学习	NA	脑电图（EEG）信号处理	GAN, CNN, Transformer	时间序列数据（EEG信号）	NA	NA	GCTNet（包含并行CNN块和Transformer块的生成器，以及判别器）	RRMSE（相对均方根误差），SNR（信噪比）	NA
15	2025-12-10	Multi-Gate Mixture of Multi-View Graph Contrastive Learning on Electronic Health Record 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3325221 PMID:37851554	研究论文	本文提出了一种多门混合多视图图对比学习方法，用于从电子健康记录中学习更合理的患者表示，以改善下游预测任务的性能	提出了一种新颖的多门混合多视图图对比学习方法，通过联合优化任务损失和对比损失，并利用分层全连接图结构和预训练节点特征，以更充分地挖掘电子健康记录中的潜在信息	未明确说明模型的计算复杂度、训练时间以及在不同规模数据集上的可扩展性	旨在通过改进电子健康记录的表示学习方法，提升患者相关预测任务的性能	电子健康记录中的患者就诊数据	机器学习	NA	图神经网络，对比学习	GNN	图数据	两个大型开源医疗数据集：MIMIC-III 和 eICU	NA	多门混合多视图图对比学习	NA	NA
16	2025-12-08	Modeling CAPRI Targets of Round 55 by Combining AlphaFold and Docking 2025-Jun-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26853 PMID:40476317	研究论文	本文详细介绍了通过结合AlphaFold2深度学习预测与传统对接技术，对CAPRI第55轮中的寡聚体目标进行结构建模的混合方法	提出了一种结合AlphaFold2多聚体管道与传统对接技术的混合方法，用于蛋白质-蛋白质对接，并分析了AlphaFold模型聚类、残基接触预测置信度及预测稳定性与模型质量的相关性	NA	改进蛋白质-蛋白质对接的结构建模方法，特别是在寡聚体目标中的应用	CAPRI第55轮中的寡聚体蛋白质目标	结构生物学	NA	深度学习预测、蛋白质对接	深度学习模型	蛋白质结构数据	NA	AlphaFold2	AlphaFold2多聚体管道	模型质量评估、残基接触预测置信度、预测稳定性	NA
17	2025-12-06	AI-driven techniques for detection and mitigation of SARS-CoV-2 spread: a review, taxonomy, and trends 2025-Jun-14, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-01753-5 PMID:40515956	综述	本文系统回顾了人工智能技术在SARS-CoV-2检测与防控中的应用，包括联邦学习、深度学习、强化学习及混合方法，并分析了当前研究的重点与趋势	提出了针对SARS-CoV-2的AI技术应用分类与趋势分析，强调了隐私安全、检测准确性和计算效率在临床实施中的重要性	未涉及具体实验数据或模型性能比较，主要基于文献综述，缺乏对新技术的实证评估	系统回顾人工智能技术在SARS-CoV-2诊断与治疗中的应用，分析当前研究重点与挑战	人工智能技术（如联邦学习、深度学习、强化学习）在SARS-CoV-2防控中的应用研究	机器学习	COVID-19	NA	深度学习, 强化学习	NA	NA	NA	NA	NA	NA
18	2025-12-06	Amortized template matching of molecular conformations from cryoelectron microscopy images using simulation-based inference 2025-Jun-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2420158122 PMID:40465628	研究论文	本文介绍了cryoSBI方法，通过结合物理模拟和深度学习，从冷冻电镜图像中推断生物分子的构象及其不确定性	提出了一种基于模拟推理的冷冻电镜图像分析方法，无需估计粒子姿态和成像参数，显著提高了计算速度	NA	从冷冻电镜图像中推断生物分子的构象及其不确定性	生物分子构象	机器学习和计算生物学	NA	冷冻电镜（cryo-EM）	神经网络	图像	NA	NA	NA	NA	NA
19	2025-12-03	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	本研究探讨了[177Lu]Lu-DOTATATE肽受体放射性核素治疗在转移性神经内分泌肿瘤中的多周期剂量学行为及剂量-效应关系，旨在为个性化剂量引导治疗提供策略	首次系统分析了多周期治疗中肿瘤与肾脏的剂量学模式变化，并建立了基于估计肾小球滤过率的剂量-效应预测模型	样本量较小（30例患者），且肿瘤吸收剂量与疗效指标无显著关联	开发个性化剂量学引导的肽受体放射性核素治疗策略	转移性神经内分泌肿瘤患者	数字病理学	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量率模拟、深度学习分割	深度学习算法	医学影像（CT、SPECT、MRI）	30例患者（22例完成全周期成像）	NA	NA	RECIST、改良RECIST、[Ga]Ga-DOTATATE PET标准、估计肾小球滤过率	NA
20	2025-11-30	Deep learning-based reconstruction improves image quality in low-dose head CT angiography 2025-Jun, Malawi medical journal : the journal of Medical Association of Malawi IF:1.2Q4 DOI:10.4314/mmj.v37i2.8 PMID:41306806	研究论文	比较深度学习重建算法与传统算法在低剂量头颈部CT血管成像中的图像质量	首次在低剂量头颈部CTA中系统比较深度学习重建算法与传统迭代重建算法的图像质量	样本量较小（25例患者），仅使用单一CT扫描设备	评估不同图像重建算法在低剂量头颈部CTA中的图像质量表现	头颈部CT血管成像图像	医学影像处理	脑血管疾病	CT血管成像	深度学习重建算法	医学影像	25例患者	NA	NA	信噪比, 对比噪声比, 边缘上升斜率, 图像噪声评分, 血管边缘定义评分, 整体质量评分, 锐利度评分, 清晰度评分	256层CT扫描仪