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
41	2026-09-19	Hybrid deep learning-mechanistic modeling of cellular dynamics from a spatiotemporal single-cell atlas 2025-Oct-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.02.679951 PMID:41256408	研究论文	本文提出了一种混合深度学习与机制建模的方法，利用变分自编码器-神经常微分方程从时空单细胞图谱中学习细胞状态的潜在表示和动态演化，并通过拟合希尔函数模型实现可解释的基因调控预测。	结合变分自编码器和神经常微分方程学习细胞状态的连续动态，并将黑箱模型推断的潜在动态作为基础，拟合机制性的希尔函数模型，从而实现对组合扰动效应的可解释预测。	黑箱深度学习模型在预测组合扰动效应方面存在固有局限，本文通过机制模型来弥补，但机制模型的适用性和准确性可能受限于特定系统。	从时空单细胞图谱中重建细胞动态过程，并实现可解释的基因调控预测。	黑腹果蝇（Drosophila melanogaster）囊胚期胚胎的时空单细胞荧光成像图谱。	计算生物学	NA	单细胞荧光成像	变分自编码器（VAE）、神经常微分方程（Neural ODE）、希尔函数模型	图像、基因表达数据	六个注册的发育时间点	NA	变分自编码器（VAE）、神经常微分方程（Neural ODE）	NA	NA
42	2026-09-19	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2025-Oct-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.01.25337079 PMID:41256111	研究论文	该论文提出了一种结合深度学习和信号处理的端到端自动化流程，用于分析血吸虫病即时循环阴极抗原检测试纸的图像。	创新点在于将深度学习用于试纸盒分割与信号处理相结合，实现了对血吸虫病即时检测试纸的自动化定量分类，并能够解决视觉痕迹不确定性，提供实时质量控制。	摘要中未明确提及研究局限性。	开发自动化流程以对血吸虫病即时检测试纸进行诊断分类和质量控制，以支持大规模筛查和消除目标。	乌干达农村SchistoTrack队列中的3188名个体。	计算机视觉	血吸虫病	深度学习，信号处理，即时检测（POCT），侧向层析试纸（Lateral flow tests）	深度学习（具体模型未说明）	图像	3188名个体（来自SchistoTrack队列）	NA	NA	灵敏度（86.6%），特异性（96.5%）	NA
43	2026-09-19	scGPD: single-cell informed gene panel design for targeted spatial transcriptomics 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.02.680117 PMID:41256660	研究论文	本文提出了scGPD，一个基于深度学习的基因组合设计框架，利用单细胞RNA-seq数据为靶向空间转录组学选择紧凑、非冗余的基因集	使用基因-基因相关性感知的门控机制来提取信息特征，鼓励所选基因之间的多样性并消除冗余，优于现有方法	摘要中未明确说明	解决靶向空间转录组学中，选择能捕捉组织细胞和空间异质性复杂性的信息基因组合这一关键挑战	单细胞RNA-seq数据和空间转录组学数据	计算生物学、空间转录组学、单细胞分析	NA	单细胞RNA-seq、空间转录组学	深度学习	基因表达数据	NA	NA	NA	细胞类型分类准确率、转录组范围表达恢复	NA
44	2026-09-19	Automated segmentation of soft X-ray tomography: Native cellular structure with submicron resolution at high-throughput for whole-cell quantitative imaging in yeast 2025-Oct-01, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E24-10-0486 PMID:40875368	研究论文	本文利用基于深度学习的自动分割流程对酵母细胞的软X射线断层扫描（SXT）图像进行分割和标注，实现了高通量的全细胞定量成像和形态学分析	开发了基于深度学习的自动分割流程，用于软X射线断层扫描图像，通过手动迭代改进提高了分割精度，实现了对数百个细胞的高通量精确表型分析，并首次展示了SXT数据用于整个细胞器和细胞的精确3D曲率分析以及使用表面网格检测细微形态特征的能力	摘要中未明确提及研究的局限性	开发自动分割软X射线断层扫描图像的流程，实现高通量、精确的全细胞定量成像和形态学分析	酵母细胞（野生型、VPH1-GFP和特定突变株）	计算机视觉	NA	软X射线断层扫描（SXT）	深度学习	图像	数百个细胞（跨三个菌株）	NA	NA	NA	NA
45	2026-09-19	An Interpretable Deep Learning Framework for Biomarker Discovery in Complex Disease Survival Outcomes 2025-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.30.679415 PMID:41256539	研究论文	提出并验证了一种可解释的深度学习框架SurvDNN，用于复杂疾病生存结局中的生物标志物发现	结合了基于自举的正则化策略以缓解过拟合，并提出了新颖的稳定性驱动过滤算法以提高模型鲁棒性；将基于排列的特征重要性检验(PermFIT)扩展到生存分析设置中，实现了在复杂生物标志物-结局关联下对个体生物标志物贡献的严格量化	未明确说明	解决复杂疾病生存结局中生物标志物发现所面临的时间-事件数据独特性质、非线性非加性生物标志物交互以及高维性等挑战	复杂疾病（如癌症和心血管疾病）的生存结局数据及生物标志物	机器学习	癌症, 心血管疾病	基于自举的正则化, 稳定性驱动过滤算法, 基于排列的特征重要性检验	深度神经网络	生存时间-事件数据	未明确说明	未明确说明	深度神经网络	预测准确性	未明确说明
46	2026-09-19	Correcting Non-Uniform Milling in FIB-SEM Images with Unsupervised Cross-Plane Image-to-Image Translation 2025-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.29.679411 PMID:41256585	研究论文	本文开发了一种无监督跨平面图像到图像翻译的深度学习方法，用于校正FIB-SEM图像中因铣削厚度不均匀导致的轴向畸变	提出了一种无监督的图像到图像翻译方法，无需任何真实标注即可在三维图像体积内进行跨平面学习，以端到端方式校正非均匀铣削伪影	仅在真实世界的微型黄蜂数据集上进行了验证，未在其他生物组织或更大规模数据集上评估，方法的泛化能力尚不明确	校正FIB-SEM图像中观察到的非均匀铣削伪影，以改善图像的轴向分辨率和质量，从而支持生物组织精细结构的准确分割和重建	FIB-SEM三维图像体积，具体为微型黄蜂数据集	计算机视觉	NA	FIB-SEM	CNN	图像	一个真实世界的微型黄蜂数据集	NA	NA	定性分析和定量分析	NA
47	2026-09-19	GatorAffinity: Boosting Protein-Ligand Binding Affinity Prediction with Large-Scale Synthetic Structural Data 2025-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.29.679384 PMID:41256614	研究论文	该研究利用大规模合成蛋白质-配体复合物数据，开发了一种名为GatorAffinity的几何深度学习评分函数，用于蛋白质-配体结合亲和力预测	通过Boltz-1结构预测模型生成了超过45万个合成蛋白质-配体复合物，并结合SAIR数据库的超过100万个合成复合物，构建了大规模合成数据集GatorAffinity-DB，并基于此预训练了GatorAffinity模型，显著提升了亲和力预测的准确性和泛化能力	摘要中未明确提及研究的局限性	解决蛋白质-配体结合亲和力预测中实验数据稀缺的问题，提升预测准确性和泛化能力	蛋白质-配体复合物及其结合亲和力	机器学习	NA	结构预测模型Boltz-1	几何深度学习	结构数据	超过450,000个合成蛋白质-配体复合物（来自Boltz-1），超过1,000,000个合成复合物（来自SAIR数据库），以及PDBbind中的少于20,000个实验结构	NA	GatorAffinity	NA	NA
48	2026-09-18	DRCNN-Lesion Proxy: a hybrid CNN with lesion-inspired feature simulation for diabetic retinopathy severity classification 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21337-3 PMID:41168219	研究论文	提出一种结合ResNet34骨干网络与病灶代理模块的混合CNN架构，用于糖尿病视网膜病变严重程度的分类。	引入病灶代理模块，在不依赖显式病灶边界框标注的情况下模拟病灶启发式特征，并将全局图像级特征与病灶启发式特征进行晚期融合，实现标注轻量化的多分类DR严重程度预测。	使用复合数据集训练，可能引入数据集间异质性；眼科医生验证仅涉及3位医生、20例样本，规模较小；未详细报告计算资源与模型效率。	解决现有深度学习模型在早期DR分级中未充分利用病灶线索以及基于检测的模型需要昂贵病灶标注的问题。	糖尿病视网膜病变眼底图像，来自EyePACS、Messidor-2、APTOS 2019、DDR、DIARETDB1、IDRiD六个公开基准数据集。	计算机视觉	糖尿病视网膜病变	深度学习、迁移学习、Grad-CAM可视化、统计显著性检验	CNN	图像	复合数据集训练，六个公开基准数据集评估；眼科医生验证20例	NA	ResNet34, Lesion Proxy Module, late fusion classification head	准确率, F1分数, AUC, Grad-CAM可视化评估, 眼科医生评分	NA
49	2026-09-18	FISM: harnessing deep learning and reinforcement learning for precision detection of microaneurysms and retinal exudates for early diabetic retinopathy diagnosis 2025-Oct-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00485-2 PMID:41168809	研究论文	本文提出了一种名为FISM的深度学习模型，结合强化学习，用于精确检测糖尿病视网膜病变中的微动脉瘤和视网膜渗出物	FISM模型基于Segment Anything Model（SAM）架构，专门整合了transformer层和patch embedding技术，同时结合强化学习引导感兴趣区域的探索，采用迁移学习和领域特定微调以及定制损失函数来优化特征提取和分割精度	NA	实现糖尿病视网膜病变的早期精确诊断，提高微动脉瘤和视网膜渗出物检测与分割的准确性和鲁棒性	眼底图像中的微动脉瘤和视网膜渗出物	计算机视觉	糖尿病视网膜病变	眼底图像分割，生成对抗网络数据增强	Transformer，生成对抗网络，强化学习	图像	超过13,000张眼底图像（来自糖尿病视网膜病变数据集DDR，包含分割和分级子集）	NA	Segment Anything Model，Transformer	准确率，精确率，召回率，F1分数，AUC，特异性，Dice系数，IoU	NA
50	2026-09-18	Interpretable deep multimodal-based tomato disease diagnosis and severity estimation 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21611-4 PMID:41162432	研究论文	该研究提出了一种新型的多模态深度学习算法，结合图像数据与环境数据，用于番茄病害诊断和严重程度估计	整合视觉与气候输入，解决了单模态系统的局限性，并采用LIME和SHAP可解释AI技术提高模型可解释性	未在摘要中明确提及	解决传统农业解决方案效率低下的问题，提高番茄病害分类准确性和可解释性	番茄病害	计算机视觉，机器学习	植物病害	深度学习，多模态融合	CNN， RNN	图像，环境数据	未在摘要中明确提及	未在摘要中明确提及	EfficientNetB0， RNN	准确率	未在摘要中明确提及
51	2026-09-18	Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21664-5 PMID:41162470	研究论文	本文提出了一种基于深度强化学习的双足机器人轨迹规划与控制系统，通过深度学习生成最优关节力矩序列，实现稳定行走	将深度学习驱动的轨迹规划与深度强化学习控制相结合，生成最优关节力矩序列，并在质量变化20%和长度变化5%的不确定性下展示鲁棒性	未明确说明训练时间、泛化到不同地形或机器人平台的能力，以及实际物理部署的验证情况	实现双足机器人稳定行走，最大化前进速度，最小化功率消耗，并增强稳定性以防止跌倒	双足行走机器人	机器人学	NA	深度强化学习	深度强化学习	NA	NA	NA	NA	前进速度，功率消耗，稳定性，鲁棒性（质量变化20%，长度变化5%，不同角速度扰动）	NA
52	2026-09-18	Applications of artificial intelligence in diagnosis and treatment planning of orthodontics: a narrative review 2025-Oct-28, The Saudi dental journal DOI:10.1007/s44445-025-00077-0 PMID:41148504	综述	本文综述了人工智能在口腔正畸诊断与治疗规划中的应用，涵盖标志点识别、错颌分类、治疗规划、生长预测和风险评估等多个方面	系统梳理了2010年至2025年间AI在口腔正畸各领域的应用，涵盖深度学习模型在二维和三维解剖结构分割、隐形矫治器治疗、面部不对称评估、埋伏尖牙定位及唇腭裂识别等方面的最新进展	需要更多临床试验来验证和优化这些模型的准确性和可靠性；AI工具应作为辅助工具而非临床判断的替代品；排除了信件、病例报告、系统综述和动物研究	探讨人工智能在口腔正畸各个方面的相关性和应用	口腔正畸领域的AI应用相关文献	口腔正畸，医学图像分析	错颌畸形，面部不对称，埋伏尖牙，唇腭裂	深度学习	深度学习模型（具体架构未指定）	图像（二维和三维解剖结构）	NA	NA	NA	准确率	NA
53	2026-09-18	Deep learning assisted LDPC decoding for 5G IoT networks in fading environments 2025-Oct-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21382-y PMID:41145583	研究论文	该论文提出了一种结合迭代偏移最小和算法与卷积神经网络的混合架构，用于提升5G物联网网络中LDPC码在衰落信道下的解码性能。	创新性地将迭代偏移最小和算法与卷积神经网络结合，利用深度学习进行噪声估计和缓解，以应对有色噪声在衰落信道中对LDPC解码的影响。	摘要中未明确提及研究的局限性。	旨在解决5G物联网网络中，LDPC码在有色噪声和衰落信道下解码性能下降的问题。	5G物联网网络中的LDPC解码，特别是在瑞利、莱斯和Nakagami-m衰落信道下的性能。	机器学习	NA	深度学习辅助的LDPC解码	CNN	模拟数据	NA	NA	CNN	误码率	NA
54	2026-09-18	Prediction of waste generation forecast and emission potential on the Erode City solid waste dump yards based on machine learning approach 2025-Oct-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19288-w PMID:41131036	研究论文	本文提出了一种数据驱动的框架，利用监督机器学习算法预测印度埃罗德市的城市固体废物产生量和排放动态	整合了支持向量机、随机森林和朴素贝叶斯分类器，应用特征选择和邻近度排序技术识别高影响变量，并结合邻近矩阵分析和区域特征聚类增强可解释性和鲁棒性	依赖历史数据，未纳入实时传感器数据，未使用时序分解和混合深度学习架构	预测城市固体废物产生量和排放潜力，支持排放量化和战略决策	印度埃罗德市的城市固体废物	机器学习	NA	监督机器学习	支持向量机, 随机森林, 朴素贝叶斯	结构化数据（ socio-economic variables, 区域废物类型, 历史废物量）	五年数据集（2019-2024）	NA	支持向量机, 随机森林, 朴素贝叶斯	准确率, 均方误差, 计算延迟	NA
55	2026-09-18	Learning to remove occlusions in light field images using multiscale receptive fields and feature pyramid networks 2025-Oct-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20786-0 PMID:41125707	研究论文	提出了一种名为LF-PyrNet的端到端深度学习模型，通过多尺度感受野学习和特征金字塔网络来去除光场图像中的遮挡	结合了ResASPP、改进的RFB、级联RDB和FPN，扩展了感受野并增强了遮挡区域的重建	未明确提及	有效去除光场图像中的遮挡，恢复被遮挡区域	光场图像中的遮挡区域	计算机视觉	不适用	深度学习	CNN	图像	未明确提及	未明确提及	ResASPP, RFB, RDB, FPN	未明确提及	未明确提及
56	2026-09-18	A benchmark dataset and baseline methods for rock microstructure interpretation in SEM images 2025-Oct-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05947-0 PMID:41125635	研究论文	本文开发了一个标准化的岩石SEM图像数据集，并比较了传统分割方法与先进深度学习模型在岩石微观结构分割上的性能	构建了包含泥岩、砂岩和页岩的标准化SEM数据集，并应用了放大标准化、中值滤波和对比度受限自适应直方图均衡化等预处理步骤来提高数据集质量和多样性，同时公开了数据集和基准实现	未明确说明数据集的规模、标注质量、模型泛化能力以及计算资源消耗等方面的限制	解决岩石SEM图像分割中缺乏标注数据的问题，并提供基准数据集和方法来推动自动化岩石SEM图像分析的发展	泥岩、砂岩和页岩的SEM图像	计算机视觉	NA	扫描电子显微镜（SEM）	CNN	图像	NA	NA	NA	NA	NA
57	2026-09-18	Insights Into History and Trends of Teaching and Learning in Stomatology Education: Bibliometric Analysis 2025-10-20, JMIR medical education IF:3.2Q1 DOI:10.2196/66322 PMID:41115185	研究论文	本文通过文献计量分析评估了口腔医学教育教学领域过去二十年的研究现状、当前焦点和新兴趋势	首次对口腔医学教育教学领域进行全面的文献计量分析，揭示了深度学习、机器学习、在线学习、虚拟现实和卷积神经网络等新兴研究热点	仅基于Web of Science核心合集的文献，可能遗漏其他数据库的出版物，且文献计量分析主要反映数量趋势而非研究质量	评估口腔医学教育教学领域过去二十年（2003-2023）的研究现状、当前焦点和新兴趋势	口腔医学教育教学领域的5528篇学术出版物	机器学习	NA	文献计量分析	NA	文本	5528篇出版物（来自Web of Science核心合集，2003-2023年）	R-Bibliometrix, CiteSpace	NA	发文量, 引用量	NA
58	2026-09-18	Deep learning based retinal hard exudates quantification of optical coherence tomography 2025-Oct-17, International journal of retina and vitreous IF:1.9Q2 DOI:10.1186/s40942-025-00715-z PMID:41107968	研究论文	开发了一个基于深度学习的模型，用于从光学相干断层扫描（OCT）扫描中分割视网膜硬性渗出（HE）	提出了一种改进的U-Net架构，用于从OCT扫描中分割视网膜硬性渗出，并生成2D投影图像以更好地可视化HE细节	样本量相对较小（15名患者），且仅与眼底照片的手动测量进行了中等相关性的验证	开发一个深度学习模型，用于从OCT扫描中准确分割视网膜硬性渗出，并提供体积数据以增强可视化和量化	糖尿病视网膜病变或分支视网膜静脉阻塞患者的OCT扫描	医学图像分析	糖尿病视网膜病变, 分支视网膜静脉阻塞	光学相干断层扫描（OCT）	CNN	图像	1,811张OCT扫描（来自15名患者）	NA	U-Net	Dice系数, 准确率, 相关系数（R）	NA
59	2026-09-18	Artificial Intelligence-Aided Tooth Detection and Segmentation on Pediatric Panoramic Radiographs in Mixed Dentition Using a Transfer Learning Approach 2025-Oct-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15202615 PMID:41153287	研究论文	本研究开发了一种基于YOLOv11的深度学习模型，利用迁移学习策略在儿童混合牙列全景X光片上自动检测和分割牙齿	提出了一种新颖的混合预标注策略，利用从650张公开可用的成人X光片迁移学习，并结合专家手动精修，用于儿童混合牙列的牙齿检测和分割	摘要中未明确提及研究局限性	开发一种深度学习模型，用于儿童混合牙列期间全景X光片上牙齿的自动检测和分割，以实现萌出障碍的早期检测	250张来自6-13岁患者的儿童全景X光片	计算机视觉	NA	全景X光片成像	YOLOv11	图像	250张儿童全景X光片（6-13岁患者），以及650张公开可用的成人X光片用于迁移学习	PyTorch	YOLOv11	mAP, F1-score, 精确率, 召回率	NA
60	2026-09-18	Robust real-time strawberry maturity detection using UAV-mounted deep learning for precision agriculture 2025-Oct-13, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07246-7 PMID:41083932	研究论文	该研究开发了一种搭载于四旋翼无人机上的YOLOv9-GLEAN模型，用于温室环境中成熟草莓的实时检测与计数，并设计了混合轨迹跟踪控制器以实现半自主导航。	提出了YOLOv9-GLEAN算法用于小目标成熟草莓检测，并开发了PID+LQR混合轨迹跟踪控制器，实现了无人机在温室环境中的半自主导航与全自主草莓检测。	未明确说明	解决温室环境中实时植物监测的挑战，开发用于草莓植物监测的自主四旋翼无人机系统，实现精准农业中的自动化成熟草莓检测。	温室环境中的草莓植物及成熟草莓果实	计算机视觉	NA	无人机航拍、深度学习目标检测	YOLO	图像	NA	NA	YOLOv9-GLEAN	精确率, 召回率, F1分数	NA