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	2026-01-05	Mapping the knowledge landscape of robotic colorectal cancer surgery: a visualization study 2025-Sep-30, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02838-9 PMID:41028391	综述	本研究通过文献计量学和可视化方法，揭示了机器人结直肠癌手术领域的研究热点、新兴前沿和未来趋势	首次系统性地利用Citespace软件对2001年至2024年间机器人结直肠癌手术领域的文献进行可视化分析，识别了该领域从早期关注短期结果到近期转向人工智能和功能保护的研究演变	研究仅基于Web of Science核心合集数据库的文献，可能未涵盖所有相关出版物，且文献计量学方法主要反映研究趋势而非临床证据质量	揭示机器人结直肠癌手术领域的研究热点、新兴前沿和未来研究趋势	2001年至2024年间发表的机器人结直肠癌手术相关文献	医学信息学/文献计量学	结直肠癌	机器人手术	NA	文献数据	2086篇出版物	Citespace	NA	NA	NA
2	2026-01-04	AI-Integrated QSAR Modeling for Enhanced Drug Discovery: From Classical Approaches to Deep Learning and Structural Insight 2025-Sep-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26199384 PMID:41096653	综述	本文综述了人工智能与定量构效关系（QSAR）结合在药物发现中的演变，从经典方法到深度学习，并讨论了相关工具、挑战和未来趋势	整合了AI与QSAR，涵盖了从经典回归到图神经网络和基于SMILES的Transformer等先进方法，并强调了分子对接、分子动力学模拟、PROTACs、ADMET预测及云平台在药物发现中的应用	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行总结和讨论	概述AI集成QSAR建模在药物发现中的发展，旨在提供更快、更准确、可扩展的化合物识别方法	药物发现中的计算模型、数据库和工具，包括QSAR方法、机器学习算法、分子模拟技术以及公共云平台	机器学习	NA	定量构效关系（QSAR）、分子对接、分子动力学模拟、ADMET预测	图神经网络（GNN）、Transformer	化学结构数据（如SMILES）、分子描述符	NA	NA	NA	NA	云平台（如公共数据库和基于云的计算建模平台）
3	2026-01-03	Language models reveal a complex sequence basis for adaptive convergent evolution of protein functions 2025-Sep-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418254122 PMID:40986350	研究论文	本文提出了一种基于蛋白质语言模型嵌入的框架，用于检测蛋白质功能的自适应收敛进化，超越了传统基于单个位点的方法	利用预训练的蛋白质语言模型嵌入来捕捉高阶蛋白质特征的收敛，即使在没有位点级序列相似性的情况下也能识别功能相似性	方法依赖于预训练模型的性能，可能无法覆盖所有蛋白质特征或环境因素	研究蛋白质功能自适应收敛进化的序列基础，解码复杂的序列-功能映射关系	蛋白质序列及其功能收敛案例，如回声定位和景天酸代谢相关基因	自然语言处理	NA	蛋白质语言模型	PLM	蛋白质序列	四个先前报道的案例及全基因组应用	NA	NA	显著性测试	NA
4	2026-01-01	Can AI find the cavities in caries prediction and diagnosis? 2025-Sep, Evidence-based dentistry DOI:10.1038/s41432-025-01181-0 PMID:40715738	评论	本文是对一篇关于人工智能在早期儿童龋齿检测和预测中应用的系统综述和荟萃分析的评论	评论了人工智能在早期儿童龋齿检测和预测中的最新进展，并强调了深度学习算法的潜力	评论本身未进行原始研究，依赖于所评论综述的数据和方法，可能受限于原综述的纳入标准和数据质量	评估人工智能在早期儿童龋齿检测和预测中的应用效果和潜力	早期儿童龋齿	机器学习	龋齿	NA	机器学习, 深度学习, 神经网络	NA	21项研究	NA	NA	准确率, 灵敏度, 特异性, 汇总接收者操作特征曲线	NA
5	2025-12-31	Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction 2025-Sep-05, ArXiv PMID:40949764	综述与荟萃分析	本文系统回顾并荟萃分析了人工智能驱动的MRI运动伪影检测与校正方法，评估了当前进展、有效性、挑战及未来研究方向	首次对AI驱动的MRI运动伪影检测与校正方法进行系统性综述与荟萃分析，特别关注深度学习中生成模型的应用潜力与局限性	方法泛化能力有限，依赖配对训练数据，存在视觉失真风险，缺乏标准化数据集和报告协议	评估AI驱动方法在MRI运动伪影检测与校正中的有效性、挑战及未来发展方向	MRI图像中的运动伪影	医学影像分析	NA	磁共振成像	深度学习生成模型	MRI图像	NA	NA	NA	NA	NA
6	2025-12-24	Bimodal ECG and PCG Cardiovascular Disease Detection: Exploring the Potential and Modality Contribution 2025-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02245-5 PMID:40938506	研究论文	本文提出了一种结合心电图（ECG）和心音图（PCG）的双模态深度学习模型，用于增强心血管疾病的早期检测	提出了一种新颖的双模态深度学习模型，通过微调在大规模音频数据上预训练的CNN来处理PCG信号，并采用晚期融合策略整合ECG和PCG分支，显著提升了心血管疾病的检测性能	研究受限于公开可用的双模态数据集数量较少，仅使用了MITHSDB数据集的增强版本，未来需要更大、更多样化的双模态数据集进行验证	增强心血管疾病的早期检测能力	心电图（ECG）和心音图（PCG）信号	机器学习	心血管疾病	ECG和PCG信号采集	CNN	时序信号（ECG和PCG）	基于MITHSDB数据集的增强版本（具体数量未明确说明）	NA	1D-CNN	AUROC	NA
7	2025-12-22	Field phenotyping for soybean density tolerance using time-series prediction and dynamic modeling 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100083 PMID:41416187	研究论文	本研究提出了一种结合时空深度学习与动态建模的创新方法，利用无人机高通量表型技术量化冠层参数的动态变化，以揭示大豆耐密植性状的关键调控机制	首次将时空深度学习与动态性状建模相结合，显著提高了叶面积指数估计的时间连续性和稳定性，相比传统单时间点预测方法，能更精确地量化不同生长阶段的冠层发育速率	研究基于中国东北特定黑土区域的两年田间试验，其结论在其他土壤类型或气候区域的普适性有待验证	开发一种高精度、可解释的表型分析框架，用于有效筛选耐密植的大豆品种，以实现高产稳产	208个大豆品种在高低两种种植密度（50万株/公顷和30万株/公顷）下的冠层动态性状	计算机视觉，机器学习	NA	无人机高通量表型技术，多光谱无人机影像	时空残差网络（ST-ResNet），长短期记忆网络（LSTM），随机森林（RF）	多光谱图像，地面真实数据	208个大豆品种，在2022-2023年进行两年田间试验，每个生长季采集15-18次无人机影像	NA	ST-ResNet, LSTM, RF	决定系数（R²），均方根误差（RMSE），相关系数（r）	NA
8	2025-12-22	FSEA: Incorporating domain-specific prior knowledge for few-shot weed detection 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100086 PMID:41416189	研究论文	本研究提出了一种结合领域先验知识的少样本杂草检测框架FSEA，旨在解决田间条件下难以收集大规模平衡训练数据的问题	提出了少样本增强注意力网络，通过通道注意力特征融合模块、特征增强模块和针对植物遮挡优化的损失函数，将植物检测的领域特定先验知识融入少样本学习	研究仅针对特定作物和杂草物种进行验证，可能未涵盖所有田间环境下的多样性	开发一种能够快速适应新杂草物种的少样本学习框架，以提升精准杂草控制的实用性	常见作物和杂草物种（如甜菜、甘蔗、稗草等）以及较少见的杂草物种（如马齿苋、亚洲铜叶草等）	计算机视觉	NA	深度学习	Faster R-CNN	图像	每个物种仅使用30个样本进行训练，共涉及10个物种	PyTorch	Faster R-CNN	mAP	NA
9	2025-12-22	Volumetric Deep Learning-Based Precision Phenotyping of Gene-Edited Tomato for Vertical Farming 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100095 PMID:41416190	研究论文	本研究利用CRISPR-Cas9系统开发了适用于垂直农业的番茄新品种，并提出了一种基于体积深度学习的表型分析方法，通过叶绿素荧光成像数据自动识别基因编辑突变体	首次将三维深度学习框架应用于叶绿素荧光成像数据的自动特征提取，结合时间特性分析，实现了对垂直农业定制番茄植株的高精度分类，超越了传统机器学习方法	未明确说明模型在其他作物或性状上的泛化能力验证情况，且样本规模可能有限	开发适用于垂直农业系统的番茄基因编辑品种，并建立高效的非破坏性表型分析技术	通过CRISPR-Cas9编辑SP基因的番茄植株	计算机视觉	NA	CRISPR-Cas9基因编辑，叶绿素荧光成像	深度学习，CNN	三维叶绿素荧光成像数据	未明确说明具体样本数量，涉及三倍决定性突变体和SP基因编辑植物	未明确说明	未明确指定具体架构，但提及了1D-CNN作为对比方法	分类准确率	NA
10	2025-12-22	Analysis of Wheat Spike Morphological Traits by 2D Imaging 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100096 PMID:41416197	研究论文	本研究开发了一个名为Speakerphone的深度学习流程，用于通过2D成像精确获取小麦穗部表型性状，并分析其与产量的关系	开发了深度学习流程Speakerphone，实现了高精度的小麦穗部分割（mIoU达0.948），并首次系统提取了45个穗部表型，揭示了穗形态与千粒重及产量的相关性	研究仅基于中国河北赵县的221个小麦品种，样本地理来源相对有限，且依赖于2D成像，可能无法完全捕捉三维形态特征	开发高精度小麦穗部表型获取方法，并分析穗形态性状与产量性状（如千粒重和穗产量）的相关性	小麦穗部形态	计算机视觉	NA	2D成像	深度学习	图像	来自中国河北赵县不同地区的221个小麦品种	NA	NA	平均交并比（mIoU）, 皮尔逊相关系数	NA
11	2025-12-22	RsegNet: An Advanced Methodology for Individual Rubber Tree Segmentation and Structural Parameter Extraction from UAV LiDAR Point Clouds 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100090 PMID:41416207	研究论文	本文提出了一种名为RsegNet的优化方法，用于从无人机LiDAR点云中分割单个橡胶树并提取其结构参数	提出了优化的双通道聚类方法（RsegNet），设计了CosineU-Net网络通过计算空间和位置特征的余弦相似度来解决枝叶重叠问题，并集成了多类关联和背景分类以处理背景干扰	NA	改进橡胶树点云分割和结构参数提取，以支持精准农业和精细化种植园管理	橡胶树	计算机视觉	NA	无人机LiDAR点云	深度学习网络	点云数据	自建数据集及FOR-instance森林数据集的五个区域	NA	CosineU-Net, RsegNet	F-score	NA
12	2025-12-22	ChatLeafDisease: a chain-of-thought prompting approach for crop disease classification using large language models 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100094 PMID:41416205	研究论文	本研究开发了一个基于GPT-4o和思维链提示的训练免费框架ChatLeafDisease，用于作物病害分类	提出了一个无需训练的LLM框架，结合思维链提示和病害描述数据库，实现了高准确率的作物病害分类	研究仅针对六种番茄病害进行测试，未涉及更广泛的作物种类或病害类型	探索利用大型语言模型进行作物病害分类的方法	番茄叶片病害	自然语言处理	作物病害	思维链提示	GPT-4o, Gemini, CLIP	文本描述	六种番茄病害	NA	GPT-4o, Gemini, CLIP	分类准确率	NA
13	2025-12-22	Panoptic segmentation for complete labeling of fruit microstructure in 3D micro-CT images with deep learning 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100087 PMID:41416198	研究论文	本文开发了一种基于深度学习的3D全景分割模型，用于在X射线微CT图像中自动标记苹果和梨果实组织的微观结构	首次将3D全景分割（结合语义和实例分割）应用于植物果实组织的微观结构分析，无需复杂的样本制备，显著提升了自动化标记的完整性	尽管评估了多种增强方法，但未能在标准数据集训练模型的基础上进一步提升测试性能；苹果组织中的薄壁血管分割仍具挑战性	加速和改进苹果和梨果实组织在X射线微CT图像中的微观结构表征	苹果和梨果实的微观组织结构，包括薄壁细胞、孔隙、维管束和石细胞簇等特征	计算机视觉	NA	X射线微计算机断层扫描	深度学习模型	3D图像	苹果和梨果实组织样本（具体数量未明确说明）	NA	3D全景分割模型	聚合Jaccard指数, Dice相似系数	NA
14	2025-12-20	Metaheuristic-optimized swin transformer with SHAP explainability for keratoconus classification from corneal topography maps 2025-Sep-29, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03744-7 PMID:41021086	研究论文	本文提出了一种基于元启发式优化Swin Transformer和SHAP可解释性的深度学习模型，用于从角膜地形图自动分类圆锥角膜	结合改进的Swin Transformer块与残差多层感知机来捕捉角膜图像的局部微结构不规则性和全局曲率模式，并引入极狐优化器提升模型收敛性和鲁棒性，同时集成SHAP可解释性增强决策透明度	NA	开发一种自动化、可扩展的深度学习模型，用于圆锥角膜的早期检测，以提供及时干预并减少严重视力损伤	圆锥角膜患者	计算机视觉	圆锥角膜	角膜地形图成像	Transformer, MLP	图像	NA	NA	Swin Transformer, Residual Multi-Layer Perceptrons	准确率	NA
15	2025-12-20	AI-based satellite survey offers independent assessment of migratory wildebeest numbers in the Serengeti 2025-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf264 PMID:40933365	研究论文	本研究首次利用基于深度学习的AI卫星调查方法，对塞伦盖蒂-马拉生态系统中迁徙的角马数量进行了独立评估	首次采用AI驱动的卫星调查方法，结合U-Net和YOLOv8两种深度学习模型，对大面积区域的角马进行检测和计数	调查结果与传统方法存在差异，部分可能源于不同调查方法在空间和时间覆盖范围上的差别	通过独立监测工具完善角马种群数量估计，增进对角马迁徙动态的理解	塞伦盖蒂-马拉生态系统中的迁徙角马	计算机视觉	NA	卫星遥感	深度学习	卫星图像	连续两年（2022年8月和2023年8月）超过4000平方公里的区域	NA	U-Net, YOLOv8	F1分数, 精确率, 召回率	NA
16	2025-12-20	The Pharmaceutical Industry's Future: How Artificial Intelligence is Transforming Medicine 2025-Sep, Advanced pharmaceutical bulletin IF:3.1Q2 DOI:10.34172/apb.025.45904 PMID:41403729	综述	本文综述了人工智能在制药行业各阶段的应用及其对个体化治疗、研究和药物开发的变革性影响	全面探讨了AI技术如何加速药物发现、优化制造流程、支持精准医疗并革新药物生命周期管理	NA	分析人工智能在制药行业中的当前应用与未来潜力	制药行业中的药物发现、临床试验、个性化医疗、生产流程及供应链管理	机器学习	NA	机器学习, 深度学习, 数据分析, 预测建模	NA	NA	NA	NA	NA	NA	NA
17	2025-12-20	[Current Landscape and Commercialization of AI Models in Musculoskeletal Imaging] 2025-Sep, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0058 PMID:41113373	综述	本文综述了基于人工智能的医疗设备在肌肉骨骼影像领域的商业化现状及其临床应用	总结了肌肉骨骼影像AI模型的商业化进展，并提供了临床应用的有益考虑	NA	提供肌肉骨骼影像AI模型的商业化信息，辅助临床决策	肌肉骨骼影像AI模型及其商业化应用	数字病理学	肌肉骨骼疾病	深度学习	NA	影像	NA	NA	NA	诊断性能	NA
18	2025-12-19	Precision in Predicting Protein-Nucleic Acid Complexes: Establishing a Benchmark Data Set and Comparative Metrics 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01372 PMID:40932245	研究论文	本研究介绍了ProNASet基准数据集和多维评估框架，用于评估蛋白质-核酸复合物结构预测方法	创建了包含100个实验解析结构的蛋白质-核酸复合物基准数据集ProNASet，并首次系统比较了深度学习和物理驱动对接方法在该任务上的性能	基准数据集规模有限（仅100个结构），且深度学习方法的预测性能明显落后于物理驱动方法	评估和比较不同计算方法在预测蛋白质-核酸复合物结构方面的性能	蛋白质-核酸复合物结构	计算生物学	NA	结构生物学实验解析	深度学习算法, 物理驱动对接方法	蛋白质-核酸复合物三维结构	100个实验解析的蛋白质-核酸复合物结构	NA	AlphaFold3, Chai-1, HelixFold3, Protenix, HDOCK, HDOCK_NT	RMSD, TM-score, LDDT	NA
19	2025-12-19	MedImg: An Integrated Database for Public Medical Images 2025-09-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf068 PMID:40833036	研究论文	本文介绍了一个整合了多种公共医学图像数据集的在线数据库MedImg，旨在促进基于深度学习的医学图像分析研究	整合了来自多个公共来源的105个数据集、总计1,995,671张图像，涵盖14种成像模态和13个器官，构建了一个系统化组织的开放访问平台	未提及具体模型性能验证或临床转化挑战的解决方案，主要聚焦于数据整合与平台构建	解决医学图像分析领域大规模、高质量数据集缺乏的问题，促进深度学习模型的泛化验证	公共医学图像数据集	医学图像分析	NA	医学成像（X射线、CT、MRI、OCT、超声、内窥镜等）	NA	医学图像	105个数据集，总计1,995,671张图像	NA	NA	NA	NA
20	2025-12-19	Prognostic models for radiation-induced complications after radiotherapy in head and neck cancer patients 2025-09-10, The Cochrane database of systematic reviews DOI:10.1002/14651858.CD014745.pub2 PMID:40927975	系统综述	本文对头颈癌患者放疗后放射性并发症的预测模型进行了系统回顾与评估	首次系统评估了头颈癌放疗后并发症预测模型的质量、偏倚风险及预测性能，并识别出仅有少数模型经过充分外部验证	大多数验证研究存在高偏倚风险，主要源于分析领域的问题，且许多模型的校准性能未充分报告	识别、描述和评估用于预测头颈癌患者放疗后放射性并发症风险的正常组织并发症概率模型	头颈癌患者	医学预测模型	头颈癌	正常组织并发症概率建模	NA	临床数据	140,767名头颈癌患者（模型开发），34,304名患者（外部验证）	NA	NA	C统计量, 校准性能	NA