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
921	2025-12-23	Deep Learning Algorithm for the Diagnosis and Prediction of Hydroxychloroquine Retinopathy: An International, Multi-institutional Study 2025-Dec, Ophthalmology. Retina DOI:10.1016/j.oret.2025.06.003 PMID:40513830	研究论文	本研究开发了一种名为HCQuery的深度学习算法，用于从光谱域OCT图像中检测羟氯喹视网膜病变并预测其未来发生	提出了一种能够早期预测羟氯喹视网膜病变的深度学习算法，平均可提前2.74年识别病变	研究基于回顾性数据，且样本来自多个国际临床中心，可能存在数据异质性和选择偏倚	开发并验证一种深度学习算法，用于羟氯喹视网膜病变的诊断和预测	服用羟氯喹的患者及其SD-OCT图像	数字病理学	视网膜病变	光谱域OCT成像	CNN	图像	409名患者（171例阳性，238例阴性），8251张SD-OCT B扫描图像（1988个体积）	NA	EfficientNet-b4	灵敏度, 特异性, 准确率, 阴性预测值, 阳性预测值, AUC, 精确率-召回率曲线下面积	NA
922	2025-12-23	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	系统综述与荟萃分析	本文系统回顾并荟萃分析了基于深度学习的网络在利用计算机断层扫描图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在预测脑出血血肿扩张方面的诊断准确性进行系统综述和荟萃分析，并比较了纯深度学习模型与组合模型的性能	纳入研究存在异质性，可能受到分割技术和研究质量差异的影响	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异度, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
923	2025-12-22	Real-time construction safety monitoring using a drone based deep hybrid attention model 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31392-5 PMID:41422095	研究论文	本文提出了一种基于无人机和深度混合注意力模型的实时建筑工地安全监控系统，用于检测个人防护装备（PPE）的使用情况	创新性地结合了离散膨胀余弦因果卷积多头自注意力（DCCMSA）和离散余弦-Krawtchouk-Tchebichef变换（DCKTKT），并利用猩猩优化算法（OOA）调整模型参数，实现了在变化环境下的稳定高性能检测	未明确说明模型在极端天气或复杂遮挡条件下的鲁棒性，以及大规模部署时的计算成本	提高建筑工地个人防护装备（PPE）检测的准确性和鲁棒性，以实现实时安全监控	建筑工地工人及其个人防护装备（如头盔、安全带、生命线）	计算机视觉	NA	无人机实时监控、图像预处理（熵滤波和τ-Kendall相关分析）	混合注意力模型（2D-3CKO-MTHSAN）	图像	来自实际建筑工地和受控实验室环境的实时视觉数据	NA	离散膨胀余弦因果卷积Krawtchouk猩猩多头Tchebichef自注意力网络（2D-3CKO-MTHSAN）、自适应因果决策变换器	检测准确率	NA
924	2025-12-22	Research on the performance inspection of large-span cable-stayed bridges under multi-physics field information guidance 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32954-3 PMID:41422307	研究论文	本研究提出了一种集成多物理场编码的异构图神经网络，用于大跨度斜拉桥有限元模型参数的精确更新	提出IMPFE-HGNN架构，通过元路径子图和关系感知编码显式建模应变、挠度、温度、索力和加速度传感器之间的异质拓扑，以捕获传统架构无法访问的高阶多物理场语义	研究基于单一案例（大跨度斜拉桥）进行验证，其普适性有待在不同类型和规模的桥梁上进一步测试	提高大跨度桥梁结构性能评估中有限元模型参数更新的精度和可靠性	大跨度斜拉桥	机器学习	NA	NA	异构图神经网络	多物理场传感器数据（应变、挠度、温度、索力、加速度）	NA	NA	IMPFE-HGNN	参数修正率（泊松比、弹性模量）、应变预测误差减少率、挠度预测精度提升率	NA
925	2025-12-22	Artificial intelligence-based apps for screening and diagnosing diabetic retinopathy and common ocular disorders 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.107166 PMID:40900875	综述	本文综述了人工智能（AI）在眼科疾病筛查和诊断中的应用，特别是针对糖尿病视网膜病变等常见眼病	全面总结了AI在眼科的应用现状，并探讨了AI与远程医疗结合的未来前景	实施AI算法仍面临挑战，尤其是在发展中国家	探讨AI在眼科疾病诊断和筛查中的应用及未来整合前景	糖尿病视网膜病变、糖尿病性黄斑水肿、青光眼、年龄相关性黄斑变性等眼部疾病	机器学习	糖尿病视网膜病变	NA	深度学习	NA	NA	NA	NA	NA	NA
926	2025-12-22	Artificial intelligence for early diagnosis and risk prediction of periodontal-systemic interactions: Clinical utility and future directions 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.105516 PMID:40900876	综述	本文系统综述了人工智能在牙周-系统性疾病相互作用早期诊断和风险预测中的应用与临床价值	整合多组学数据和先进影像技术，利用AI模型显著提升牙周-系统性疾病相互作用的早期诊断准确性和风险预测能力	纳入研究的时间范围限定在2010-2024年，且样本量要求较大（≥500），可能遗漏早期或小样本的重要研究	评估人工智能在诊断和预测牙周-系统性疾病相互作用中的作用	2010年至2024年间发表的、关注牙周病与系统性疾病（如2型糖尿病、心血管疾病等）相互作用的研究	自然语言处理, 机器学习, 数字病理学	牙周病, 2型糖尿病, 心血管疾病, 阿尔茨海默病, 多囊卵巢综合征, 甲状腺功能障碍, 2019冠状病毒病并发症	多组学数据整合, 锥形束计算机断层扫描, 磁共振成像	机器学习, 深度学习, 自然语言处理	结构化临床数据, 影像数据, 临床笔记文本	≥500名参与者，部分研究样本量为1000-1500	NA	NA	诊断准确率, 特异性, 敏感性	NA
927	2025-12-22	Author Response to "Letter to Editor: Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications" 2025-Dec-20, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.001 PMID:41421880	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
928	2025-12-22	Predicting the incidence of common intestinal infectious diseases in Changzhou, China based on environmental factors and deep learning 2025-Dec-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25998-7 PMID:41421987	研究论文	本研究基于环境因素和深度学习，构建了常州市常见肠道传染病的短期发病率预测模型	提出了一种结合季节性趋势分解（STL）、Transformer和LSTM的先进混合模型（STL-T-L），并利用贝叶斯优化进行超参数调优，以提升预测性能	研究仅针对常州市，模型在其他地区的泛化能力未经验证，且依赖历史数据和环境因素，可能受数据质量和完整性的影响	构建常州市常见肠道传染病的短期日发病率预测模型，以用于疾病监测和预警	手足口病和其他感染性腹泻的日发病率数据，以及同期的气象和空气污染物数据	机器学习	肠道传染病	深度学习	LSTM, Transformer, 混合模型	时间序列数据（发病率、气象、污染物）	2014年5月13日至2024年12月31日的日数据	NA	LSTM, Transformer, STL-T-L（季节性趋势分解-Loess、Transformer、LSTM混合模型）	RMSE, MAE, MAPE, MASE	NA
929	2025-12-22	Examination of new clinical dental caries in school children using real intra oral photos with artificial intelligence model YOLO-V8x 2025-Dec-20, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07486-x PMID:41422004	研究论文	本研究评估了集成YOLOv8x模型的HI Bogi应用在印度尼西亚小学生中检测龋齿的有效性	首次将YOLOv8x模型应用于真实口腔内照片进行龋齿检测，并与牙医诊断效率进行对比验证	类别特异性精度存在差异，罕见病变类别的检测率和特异性有待提高	评估人工智能模型在龋齿诊断中的效果，以替代传统耗时且依赖专业人员的诊断方法	印度尼西亚Cimahi地区小学生的口腔内照片	计算机视觉	龋齿	口腔内摄影	CNN	图像	3221张JPG照片（训练集2266张，验证集635张，测试集320张）	YOLOv8	YOLOv8x	平均精度均值(mAP), 交并比(IoU), 精确率, 召回率, 敏感性, 特异性	NA
930	2025-12-22	Evidential deep learning for interatomic potentials 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67663-y PMID:41422077	研究论文	本文提出了一种基于证据深度学习的原子间势能模型框架，用于分子模拟中的不确定性量化	提出了一种物理启发的证据深度学习框架，在不显著增加计算开销或降低预测精度的情况下实现不确定性量化，在多种数据集上表现优于现有方法	NA	开发一种高效且准确的不确定性量化方法，以提高机器学习原子间势能在分子模拟中的可靠性	原子间势能模型、分子模拟系统	机器学习	NA	证据深度学习	深度学习	原子配置数据	NA	NA	NA	预测精度、不确定性量化效果	NA
931	2025-12-22	Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33010-w PMID:41422297	研究论文	本研究开发了一种基于常规二维超声的AI框架，用于标准化辅助生殖技术中的卵巢储备评估，通过融合放射组学和深度学习模型来预测窦卵泡计数和抗缪勒管激素水平	首次提出结合放射组学和深度学习（基于ResNet50）的融合模型，利用常规二维超声图像标准化卵巢储备评估，克服了传统AFC评估的观察者间变异性和AMH检测的局限性	研究为回顾性设计，样本量相对有限（共395名患者），且仅来自两家附属医院，外部验证队列规模较小（n=94）	开发一个AI驱动的框架，以标准化辅助生殖技术中的卵巢储备评估，并实现个性化的卵巢刺激方案优化	395名不孕症女性患者	数字病理学	生殖系统疾病	常规二维超声成像	CNN	图像	395名患者（训练队列210人，内部测试队列91人，外部测试队列94人）	NA	ResNet50	R², AUC, 敏感性, 特异性	NA
932	2025-12-22	An AI-driven multi-omics framework identifies lactylation-mediated therapeutic targets to overcome drug resistance in ovarian cancer 2025-Dec-20, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01150-x PMID:41422325	研究论文	本研究开发了一个AI驱动的多组学框架，用于识别卵巢癌中与乳酸化相关的基因、分层患者药物反应并建立预后标志	首次将乳酸化生物学与AI驱动的多组学分析整合，开发了一个精准肿瘤学框架，以发现可药物靶点并增强患者分层	传统分析方法往往无法整合多组学的复杂性，限制了可操作的乳酸化相关弱点的发现	开发一个AI驱动的多组学框架，以识别卵巢癌中乳酸化相关的治疗靶点并克服耐药性	卵巢癌患者的多组学数据，包括转录组、表观基因组、药物基因组、突变和临床结果数据	机器学习	卵巢癌	多组学分析，包括转录组学、表观基因组学、药物基因组学、突变分析	VAE, LSTM, MLP	多组学数据（转录组、表观基因组、药物基因组、突变、临床结果）	来自TCGA、GDSC和独立卵巢癌队列的数据	NA	变分自编码器, 长短期记忆网络, 多层感知器	精确度	NA
933	2025-12-22	Forging Online Community Among People in Recovery From Substance Use: Natural Language Processing and Deep-Learning Analysis of The Phoenix App User-Generated Data 2025-Dec-19, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/68438 PMID:41418282	研究论文	本研究利用自然语言处理和深度学习方法分析The Phoenix应用程序中用户生成的数据，以探索其在物质使用恢复过程中的社区支持作用	首次结合BERT主题建模和VADER情感分析来评估物质使用恢复应用程序的用户体验，揭示了该平台在促进积极社交连接方面的独特性	样本量有限且未与其他恢复论坛进行直接比较分析，需要更大数据集验证结果	评估The Phoenix应用程序在物质使用恢复过程中的核心用途和情感基调	The Phoenix应用程序的用户生成帖子	自然语言处理	物质使用障碍	自然语言处理, 深度学习	BERT, VADER	文本	17617条帖子	NA	Bidirectional Encoder Representation from Transformers	主题一致性得分, 情感分析均值与标准差	NA
934	2025-12-22	Hybrid attention based deep learning for forecasting boundary layer ozone using satellite derived profiles 2025-Dec-19, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119593 PMID:41421135	研究论文	本研究利用卫星衍生的臭氧剖面数据，开发基于混合注意力的深度学习模型来预测边界层臭氧浓度	提出了结合注意力机制与卷积门控循环结构的ConvBiGRU-AttentionNet模型，并引入经验模态分解（EMD）进行多尺度时间特征提取	未明确说明模型在处理极端气象事件或长期预测中的泛化能力，且依赖特定卫星数据产品	提高边界层臭氧浓度的预测精度，以应对空气污染和气候变化挑战	边界层臭氧浓度	机器学习	NA	卫星遥感（OMI臭氧监测仪器）	RNN, CNN, GRU, LSTM, GRU-CNN, LSTM-CNN, ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	臭氧剖面数据	NA	NA	ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	RMSE, MAE, R, 技能分数	NA
935	2025-12-22	Statistical uncertainty-aware dual-path dilated convolution fusion framework for Monte Carlo dose denoising: Enhancing accuracy and efficiency in radiotherapy planning 2025-Dec-19, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105700 PMID:41421253	研究论文	本文提出了一种统计不确定性感知的双路径扩张卷积融合深度学习框架，用于提高蒙特卡罗剂量去噪的准确性和效率	通过将统计不确定性图显式整合到三通道卷积神经网络中，并结合标准与扩张卷积的双路径结构，同时提取局部解剖特征和全局上下文信息	研究仅基于69个临床IMRT计划，且噪声水平为模拟生成，可能未覆盖所有临床场景	提高放射治疗计划中蒙特卡罗剂量计算的准确性和计算效率	头颈、脑和肺部肿瘤的临床IMRT计划	数字病理	肺癌	基于GPU的蒙特卡罗模拟	CNN	图像	69个临床IMRT计划，涵盖三个肿瘤部位（头颈、脑、肺），每个计划生成六个噪声水平	NA	双路径扩张卷积融合架构	平均剂量误差, 伽马通过率, 剂量体积直方图分析	基于GPU的蒙特卡罗引擎
936	2025-12-22	A cone-beam photon-counting CT dataset for spectral image reconstruction and deep learning 2025-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06246-4 PMID:41413072	研究论文	本文介绍了一个用于光谱图像重建和深度学习的锥束光子计数CT数据集	提供了首个公开可用的真实锥束光子计数CT数据集，包含多能量原始投影数据，填补了该领域数据稀缺的空白	数据集仅基于15个核桃样本，样本多样性有限，且扫描条件为特定能量阈值（15 keV和30 keV）	促进光谱CT图像处理算法的公平和可重复比较，支持数据驱动方法的发展与验证	核桃样本	计算机视觉	NA	光子计数CT	NA	图像	15个核桃样本，共172,800张原始投影图像	NA	NA	NA	NA
937	2025-12-22	Storage tank detection in remote sensing images based on circular bounding boxes and large selective kernel 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27919-5 PMID:41413105	研究论文	本文提出了一种基于圆形边界框和大选择性核的遥感图像储罐检测新方法，旨在提高检测精度并支持甲烷排放监测	引入了圆形边界框以匹配储罐的典型圆形形状，稳定了小目标的IoU计算；并集成了大选择性核（LSK）模块，动态调整感受野以有效利用上下文信息	未明确提及，但可能包括对非典型形状储罐的适应性、在极端成像条件下的泛化能力，以及计算效率的潜在影响	提高遥感图像中储罐检测的准确性，以支持石油和天然气行业的甲烷排放监测和环境可持续性工作	遥感图像中的储罐（storage tanks）	计算机视觉	NA	遥感成像	CNN	图像	总计3568张图像，包含46075个储罐目标，数据集包括DIOR、NWPUU_RESISC45、NWPU VHR-10、TGRS-HRRSD以及一个自建数据集	PyTorch（基于YOLO-v10框架推断）	YOLO-v10（集成圆形边界框和LSK模块）	精确率（precision）、召回率（recall）、平均精度均值（mAP@0.5）	NA
938	2025-12-22	A multi-scale adaptive framework for high-precision rail track damage detection via StarNet and bidirectional feature pyramid network 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27827-8 PMID:41413097	研究论文	本研究提出了一种改进的轨道损伤检测框架SNBF-YOLO，通过集成StarNet和BiFPN模块，以解决小目标、复杂背景和多尺度损伤的检测难题	提出了SNBF-YOLO框架，集成了StarNet模块以自适应扩大感受野增强特征表示，并利用BiFPN优化双向多尺度特征融合	研究受限于数据集的规模和多样性，可能影响其在更复杂条件（如雨、雪或严重腐蚀）下的泛化能力	开发一种高精度、鲁棒的铁路轨道损伤实时检测方法，以提高运输安全性	铁路轨道损伤，包括细微裂纹和缺失紧固件	计算机视觉	NA	NA	YOLO	图像	NA	NA	YOLOv10n, StarNet, BiFPN	精确率, 召回率, mAP	NA
939	2025-12-22	MRI-based deep learning and radiomics pipeline for myxoid liposarcoma: a feasibility study in a rare sarcoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27217-0 PMID:41408069	研究论文	本研究评估了一种结合深度学习和放射组学的自动化MRI流程，用于非侵入性评估黏液样脂肪肉瘤的可行性	首次在黏液样脂肪肉瘤中应用基于3D U-Net的自动分割和放射组学特征进行肿瘤分级预测	样本量较小（48例患者），为回顾性多中心研究，分类错误多发生在边界性或组织学异质性病例中，需要更大规模的前瞻性验证	评估自动化MRI流程在黏液样脂肪肉瘤非侵入性肿瘤评估中的可行性	经组织学确认的黏液样脂肪肉瘤患者	数字病理学	软组织肉瘤	MRI	CNN	图像	48例患者	NA	3D U-Net	Dice相似系数, AUC, F1分数, 平衡准确率	NA
940	2025-12-22	MultiCell: geometric learning in multicellular development 2025-Dec-15, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02983-x PMID:41398502	研究论文	本文介绍了一种名为MultiCell的几何深度学习方法，用于准确捕捉细胞间高度复杂的相互作用，并在果蝇胚胎发生过程中实现可解释的四维形态序列对齐和单细胞行为预测	提出了一种统一的图数据结构，将多细胞数据表示为颗粒状和泡沫状物理图像，结合细胞相互作用和细胞连接网络，实现了单细胞精度的动态多细胞发育过程数据驱动定量研究	NA	理解和预测在复杂发育过程中活体组织内每个细胞随时间的行为	多细胞发育过程，特别是果蝇胚胎发生中的细胞	机器学习	NA	几何深度学习	几何深度学习模型	图数据	NA	NA	NA	NA	NA