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
861	2025-10-06	Grapes leaf disease dataset for precision agriculture 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111716 PMID:40599426	研究论文	本文提供了一个包含2,726张高质量葡萄叶病害图像的数据集，用于精准农业中的病害检测	提供了首个来自印度纳西克地区的大规模、高质量葡萄叶病害图像数据集，并经过农业领域专家精确标注	数据集仅包含三种主要真菌病害，可能无法覆盖所有葡萄病害类型	开发用于葡萄病害自动检测和分类的AI模型	葡萄叶片图像	计算机视觉	植物病害	图像采集与标注	CNN	图像	2,726张葡萄叶病害图像	PyTorch	ResNet-18	分类准确率	NA
862	2025-10-06	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	提出一种基于U-Net和Dense-Net的深度学习模型，通过视网膜图像自动检测和分级高血压视网膜病变	结合U-Net血管分割和Dense-Net动静脉分类，通过计算动静脉比值实现自动HR检测和分级	仅使用单一数据集(AVRDB)进行验证，未提及在其他数据集上的泛化能力	开发自动化的高血压视网膜病变诊断和分级系统	视网膜图像中的血管网络	计算机视觉	心血管疾病	视网膜图像分析	CNN	图像	AVRDB数据集	NA	U-Net, Dense-Net	准确率	NA
863	2025-10-06	Advances in disease detection through retinal imaging: A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110412 PMID:40482560	系统性综述	本文系统综述了利用机器学习技术从视网膜图像中检测疾病的研究进展	综合分析单模态和多模态视网膜成像方法在疾病检测中的应用，并指出未来研究方向	识别出机器学习在视网膜疾病检测中面临的若干关键挑战	探讨机器学习在视网膜图像疾病自动检测和分级中的应用	视网膜图像	计算机视觉	眼科疾病	视网膜成像	深度学习, 经典机器学习	图像	NA	NA	NA	准确率, 敏感度, 特异度	NA
864	2025-10-06	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	研究论文	本文通过构建新型X射线数据集并应用深度学习和视觉变换器技术，推进呼吸系统疾病的诊断分类研究	引入包含7867张X射线图像的新型多样化数据集，涵盖49种不同肺部疾病，并系统评估DL和ViT模型在呼吸系统疾病分类中的性能	综述范围仅限于2017-2024年，可能遗漏2017年前的基础性工作；AI技术快速发展可能使早期方法相关性降低；存在数据集偏差和X射线图像质量变化问题	改进呼吸系统疾病（如肺炎和COVID-19）的诊断分类，解决医学影像数据稀缺问题	X射线图像和呼吸系统疾病分类	计算机视觉	肺部疾病	X射线成像	深度学习, 视觉变换器(ViT)	X射线图像	7867张X射线图像，来自5263名患者，涵盖49种不同肺部疾病	NA	视觉变换器(ViT)	准确率, 精确率, 召回率, F1分数	NA
865	2025-10-06	IDEA: Image database for earthquake damage annotation 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111733 PMID:40599425	数据论文	本文介绍了IDEA地震损伤标注图像数据库，包含5400多张经过标注的真实结构损伤图像	提出了基于结构工程共识的全面损伤本体论，覆盖多种结构类型和损伤类别，弥补了现有数据集的不足	NA	开发用于结构损伤检测和分类的深度学习方法的标注数据集	地震后和常规现场检查中收集的结构损伤图像	计算机视觉	NA	现场检查图像采集	NA	图像	超过5400张标注图像	NA	NA	NA	NA
866	2025-10-06	Automated detection and recognition of oocyte toxicity by fusion of latent and observable features 2025-Aug-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138411 PMID:40318589	研究论文	开发融合潜在特征和可观察特征的深度学习框架，用于自动检测和识别卵母细胞毒性	首次将深度学习提取的潜在特征与人类可理解概念特征相融合，显著提升卵母细胞毒性检测性能	研究仅基于小鼠卵母细胞图像，样本数量有限（2126张图像）	评估环境污染物对卵母细胞异常影响，开发自动化毒性检测方法	小鼠卵母细胞	计算机视觉	生殖系统疾病	深度学习图像分析	深度学习融合模型	图像	2126张小鼠卵母细胞图像	NA	NA	ROC-AUC, 准确率	NA
867	2025-10-06	Comparison of clinical, radiomics, deep learning, and fusion models for predicting early recurrence in locally advanced rectal cancer based on multiparametric MRI: a multicenter study 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112173 PMID:40403678	研究论文	本研究比较了基于多参数MRI的临床、影像组学、深度学习和融合模型在预测局部晚期直肠癌早期复发方面的性能	首次在局部晚期直肠癌中系统比较临床模型、影像组学模型、深度学习模型及两种融合模型（特征级早期融合和决策级晚期融合）的预测性能	回顾性研究设计，样本量相对有限（337例患者）	预测局部晚期直肠癌患者的早期复发风险	局部晚期直肠癌患者	医学影像分析	直肠癌	多参数MRI（T2WI, DWI, T1WI, CET1WI）	XGBoost, 深度学习模型	医学影像	337例来自四个中心的局部晚期直肠癌患者	XGBoost	NA	AUC, DeLong检验, 校准曲线, 决策曲线分析, Kaplan-Meier分析	NA
868	2025-10-06	Artificial Intelligence in Pediatric Endocrinology 2025-Aug, Advances in pediatrics DOI:10.1016/j.yapd.2024.12.003 PMID:40582750	综述	本文探讨人工智能在儿科内分泌学领域的应用与潜力	提出人机协同方法，将AI技术与临床专家知识相结合以提升医疗服务质量	未提供具体临床验证数据和应用案例	研究人工智能技术在儿科内分泌学中的临床应用价值	儿科内分泌疾病患者及临床医疗服务	自然语言处理, 机器学习	儿科内分泌疾病	机器学习, 深度学习, 自然语言处理, 机器人技术, 语音处理	NA	NA	NA	NA	NA	NA	NA
869	2025-10-06	Reirradiation for recurrent glioblastoma: the significance of the residual tumor volume 2025-Aug, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05042-9 PMID:40310485	研究论文	本研究探讨再程放疗治疗复发性胶质母细胞瘤的疗效，重点关注残留肿瘤体积对预后的影响	首次通过深度学习自动分割管道量化残留肿瘤体积，并证实其为总体生存期的独立预测因子	单中心回顾性研究，样本量有限（71例患者）	评估再程放疗治疗复发性胶质母细胞瘤的疗效并确定预后因素	71例复发性CNS WHO 4级IDH野生型胶质母细胞瘤患者	数字病理	胶质母细胞瘤	深度学习自动分割，影像学随访	深度学习	医学影像	71例患者	NA	NA	风险比，p值	NA
870	2025-10-06	Insights on Scan-Specific Deep-Learning Strategies for Brain MRI Parallel Imaging Reconstruction 2025-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70079 PMID:40545734	研究论文	本研究提出针对脑部MRI并行成像重建的扫描特异性深度学习策略优化方法	提出基于ACS的客观网格搜索优化策略和量化结构残留伪影的新指标COBRAI	仅评估了2D脑部MRI数据，未涉及3D或其他解剖部位	优化并行成像重建的扫描特异性深度学习策略	脑部MRI图像	医学影像处理	NA	并行成像，深度学习重建	CNN	MRI图像	FastMRI公共数据集和内部多对比度2D数据	NA	单层残差CNN, 三层残差CNN	COBRAI, 图像质量指标	NA
871	2025-10-06	Assessing risk of groundwater pollution exposure from sea level rise in California 2025-Aug-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179695 PMID:40513440	研究论文	利用深度学习和可解释人工智能评估加利福尼亚州海平面上升导致的地下水污染暴露风险	首次结合深度学习与可解释人工智能(XAI)评估海平面上升引发的地下水污染暴露风险，并识别关键风险预测因子	空间自相关性导致模型泛化能力受限，仅空间交叉验证模型适用于其他沿海地区的无偏风险评估	评估海平面上升引起的地下水污染暴露风险	加利福尼亚州沿海含水层和2296个危险场地	环境科学, 机器学习	NA	深度学习, 可解释人工智能(XAI), 地球化学指数算法	深度学习模型	地下水数据, 社会经济数据, 人口统计数据, 环境数据	2296个危险场地, 覆盖加利福尼亚州全境	NA	NA	空间交叉验证, 随机交叉验证	NA
872	2025-10-06	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-Aug, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	开发深度学习模型通过分析吉姆萨染色骨髓涂片全玻片图像预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析常规吉姆萨染色骨髓涂片图像预测白血病分子亚型，为资源有限地区提供替代诊断方案	外部验证队列性能相对较低（AUC 0.72和0.69），需要进一步优化模型泛化能力	开发基于深度学习的儿童急性淋巴细胞白血病诊断和分型工具	儿童急性淋巴细胞白血病患者的骨髓涂片样本	数字病理学	急性淋巴细胞白血病	吉姆萨染色，全玻片图像扫描	CNN	图像	未明确具体样本数量，包含内部训练集和外部验证队列	NA	NA	AUC	NA
873	2025-10-06	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	研究论文	提出一种基于深度学习的LOCA-PRAM方法，通过金纳米颗粒实现数字分辨率分子诊断	结合光子晶体-金纳米颗粒共振耦合增强信号对比度，无需样品分区或酶扩增即可实现精确分子定量	NA	开发数字分辨率分子生物标志物检测技术	金纳米颗粒作为分子标签的生物分子	数字病理学	分子诊断	光子谐振吸收显微镜，扫描电子显微镜	深度学习	显微镜图像	NA	NA	NA	准确度，灵敏度，亚像素分辨率，假阳性率，假阴性率，动态范围	NA
874	2025-10-06	Deep learning approaches to surgical video segmentation and object detection: A scoping review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110482 PMID:40460561	综述	对2014-2024年间手术视频中解剖结构分割与目标检测的深度学习研究进行范围综述	系统评估了深度学习在手术视频分析中的最新进展，特别关注实时推理能力与不同器官分割性能差异	仅涵盖三个数据库的研究，未进行质量评估，且主要关注语义分割任务	评估深度学习模型在手术视频中解剖结构分割与目标检测的最新技术水平	手术视频中的解剖结构（器官、组织等）	计算机视觉	NA	深度学习	CNN	视频	61项已发表研究	NA	U-Net, DeepLab	Dice系数, 帧率(fps)	NA
875	2025-10-06	Radiomics and deep learning characterisation of liver malignancies in CT images - A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110491 PMID:40466239	系统综述	系统回顾CT影像中基于机器学习的影像组学和深度学习模型在肝脏恶性肿瘤特征分析中的方法、成果和性能表现	全面比较了影像组学与深度学习在肝脏恶性肿瘤分析中的最新应用进展，特别关注了两种技术结合的研究趋势	数据稀缺性和缺乏标准化协议等挑战仍然存在	评估机器学习在肝脏恶性肿瘤CT影像分析中的应用效果	肝脏恶性肿瘤的CT影像	医学影像分析	肝癌	CT成像	CNN	CT图像	49项研究（17项影像组学研究，24项深度学习研究，8项结合研究）	NA	卷积神经网络	NA	NA
876	2025-10-06	Soft-tissue prediction based on 3D photographs for virtual surgery planning of orthognathic surgery 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110529 PMID:40505289	研究论文	开发并验证基于深度学习的正颌手术术后面部软组织实时预测方法	结合可变形模型、主成分分析和前馈神经网络实现多种正颌手术效果的实时软组织预测	NA	开发实时预测正颌手术后面部软组织变化的方法	接受正颌手术的458名患者	计算机视觉	颌面畸形	3D摄影	前馈神经网络	3D图像	458名患者	NA	前馈神经网络	表面距离误差	NA
877	2025-10-06	Computational models for prediction of m6A sites using deep learning 2025-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.011 PMID:40268153	研究论文	本研究系统总结并验证了多种深度学习模型在m6A位点预测中的应用效果	验证了在m6A位点预测中未被充分利用的方法，包括专门为生物序列设计的预训练模型，并对数据集特征和模型预测进行深入分析	NA	开发准确识别m6A修饰位点的计算方法	真核生物mRNA中的N6-甲基腺苷(m6A)修饰位点	机器学习	NA	深度学习	深度学习模型	生物序列数据	基准数据集	NA	预训练模型,基础深度学习模型	NA	NA
878	2025-10-06	ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110393 PMID:40460563	研究论文	提出一种结合Vision Transformer和U-Net的混合深度学习模型ViTU-Net，用于医学图像水印和认证	集成Vision Transformer编码器和U-Net解码器，结合自适应分层空间注意力模块和基于分片的LSB嵌入机制，采用混合元启发式算法TuniBee Fusion动态优化水印参数	未提及具体的研究局限性	解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战	胸部X光肺炎诊断图像	计算机视觉	肺炎	医学图像水印技术	Vision Transformer, U-Net	医学图像	NA	NA	ViT, U-Net	PSNR, NCC, SSIM	NA
879	2025-10-06	Direct parametric reconstruction in dynamic PET using deep image prior and a novel parameter magnification strategy 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110487 PMID:40460562	研究论文	本研究提出了一种结合深度图像先验和参数放大策略的无监督深度学习方法，用于改善动态PET中非线性微参数图像的重建质量	首次将深度图像先验与参数放大策略相结合，专门针对PET中非线性和小值微参数（如k2、k3）的重建问题提出创新解决方案	研究主要基于模拟数据和少量真实数据验证，需要更多临床数据进一步验证方法的泛化能力	提高动态PET参数化成像中非线性微参数的重建质量和准确性	动态PET参数图像，特别是微参数k2和k3	医学影像分析	心血管疾病	正电子发射断层扫描（PET），动态成像	U-Net	医学影像数据（PET动态数据，CT图像）	模拟的82Rb和18F-FDG数据集，以及一名男性受试者的真实18F-FDG扫描数据	深度学习框架（具体未明确说明）	U-Net	PSNR, NRMSE, SSIM	NA
880	2025-10-06	Artificial intelligence in bone metastasis analysis: Current advancements, opportunities and challenges 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110372 PMID:40466242	综述	本文综述了人工智能在骨转移分析中的当前进展、机遇与挑战	系统评估了跨多种影像模态（CT、MRI、PET、SPECT、骨闪烁扫描）的AI方法，并比较了传统机器学习与现代深度学习架构的性能表现	存在数据不平衡、过拟合风险、模型透明度不足以及临床验证和监管障碍等局限性	评估人工智能在骨转移分析中的技术发展和临床应用前景	骨转移影像数据及相关人工智能算法	医学影像分析	骨转移癌	CT、MRI、PET、SPECT、骨闪烁扫描	CNN、Transformer	医学影像	NA	NA	卷积神经网络、Transformer	NA	NA