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
161	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
162	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
163	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
164	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
165	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
166	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
167	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
168	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
169	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
170	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
171	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
172	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）
173	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
174	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
175	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
176	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
177	2025-11-28	Coalescence and Translation: A Language Model for Population Genetics 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.24.661337 PMID:40666889	研究论文	开发了一种基于Transformer的语言模型cxt，用于从基因组数据中推断群体遗传学中的溯祖时间	将溯祖时间推断重新定义为两种生物语言之间的翻译问题，并首次将仅解码器Transformer架构应用于群体遗传学推断	模型训练依赖于模拟数据，在真实数据上的表现可能需要进一步验证	开发能够灵活、可扩展地从基因组数据推断谱系历史的深度学习方法	基因组数据中的突变模式和祖先重组图	自然语言处理, 机器学习	NA	基因组测序, 溯祖模拟	Transformer	基因组序列数据	基于stdpopsim目录的模拟数据，可产生超过百万个溯祖预测	PyTorch, TensorFlow	仅解码器Transformer	与最先进的MCMC似然模型相当，包括分布内和分布外场景	GPU（具体型号未指定），可在几分钟内完成大规模推断
178	2025-11-28	Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation 2025-Jun-12, ArXiv PMID:40980770	研究论文	提出并验证了一种模态无关的图像级联方法用于多模态心脏亚结构分割	通过复制nnU-Net编码解码分支实现单一模型处理多模态数据，解决了深度学习模型在跨模态和重叠结构分割中的泛化问题	在57%的情况下优于对比模型，但统计差异有限	开发能够跨多种影像模态准确分割心脏亚结构的深度学习模型	20个心脏亚结构（心脏、心腔、大血管、瓣膜、冠状动脉和传导节点）	数字病理	心血管疾病	医学影像分割	深度学习	医学影像	训练集76例，验证集15例，测试集30例，来自三种模态（模拟CT、低场MR-Linac、心脏CT血管造影）	nnU-Net	U-Net	Dice相似系数, Wilcoxon符号秩检验	轻量级模型设计，简化计算需求
179	2025-11-24	Predictive modeling for metastasis in oncology: current methods and future directions 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003279 PMID:40486555	综述	本文综述了肿瘤学中转移预测模型的当前方法、挑战与未来发展方向	整合基因组学、液体活检和影像组学等多模态数据，探索人工智能与精准医学结合实现个性化转移预测的新途径	存在数据异质性、模型可解释性不足以及需要更大规模高质量数据集进行验证等挑战	改进肿瘤转移预测以改善预后、指导治疗策略和提升患者结局	肿瘤转移预测模型及相关临床、病理和分子数据	机器学习	肿瘤学	基因组分析、液体活检、影像组学	逻辑回归,决策树,支持向量机,神经网络	临床数据,病理数据,分子数据,影像数据	NA	NA	NA	NA	NA
180	2025-11-24	Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003302 PMID:40486596	综述	探讨人工智能和机器学习在胸外科肿瘤学中优化早期检测、提升手术精度和实现个性化护理的作用	系统整合AI/ML技术在胸外科肿瘤学的多维度应用，包括早期肺癌检测、免疫治疗反应预测和手术决策支持	面临数据标准化不足、伦理问题和缺乏稳健验证等临床推广挑战	研究AI/ML如何通过提升早期检测能力、手术精度和个性化护理来优化胸外科肿瘤治疗	肺癌患者及胸外科手术相关临床数据	数字病理,机器学习	肺癌	基因组分析,低剂量CT扫描,深度学习	深度学习算法,预测模型	医学影像,基因组数据,临床数据	NA	NA	NA	NA	NA