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
1061	2025-12-23	Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data 2025-Dec, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17773 PMID:40271548	研究论文	本文通过回顾理论、实验和数据分析，探讨了驯化过程对基因组重组率的影响，并利用深度学习方法和种群测序数据比较了家养动物与其野生祖先的重组率	结合深度学习方法和种群测序数据，首次系统比较了鸡/红原鸡、绵羊/摩弗伦羊和山羊/野山羊的基因组重组率，揭示了驯化对重组率影响的混合结果	研究结果基于有限物种比较，可能无法推广到所有驯化物种；深度学习方法的推断准确性依赖于数据质量和模型假设	检验驯化是否导致基因组重组率增加的假设，并分析其理论依据和实证证据	家养动物（鸡、绵羊、山羊）及其野生祖先（红原鸡、摩弗伦羊、野山羊）	机器学习	NA	种群测序，深度学习	深度学习	基因组测序数据	多个物种的种群测序数据，具体样本数量未明确说明	NA	NA	NA	NA
1062	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
1063	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
1064	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
1065	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
1066	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
1067	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
1068	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
1069	2025-12-22	A multi-task deep learning pipeline integrating vessel segmentation and radiomics for multiclass retinal disease classification 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105209 PMID:40914189	研究论文	本研究开发了一个结合血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病	创新点在于整合了基于Transformer的血管分割模型与影像组学特征，实现了多任务学习，提高了视网膜疾病分类的准确性和可解释性	研究依赖于多中心数据，但未详细讨论数据异质性对模型性能的具体影响，且外部验证集规模相对有限	开发一个鲁棒的多任务深度学习框架，用于自动化分类糖尿病视网膜病变、高血压视网膜病变、视乳头水肿和正常眼底	来自八个医疗中心的2165名患者的眼底图像	计算机视觉	视网膜疾病	眼底成像	深度学习模型	图像	2165名患者（训练和验证集）和769名患者（外部测试集）	PyTorch, Scikit-learn	U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet	准确率, AUC, 召回率, ROC分析, Dice相似系数	NA
1070	2025-12-22	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Dec, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发了一种深度学习模型，用于预测帕金森病患者丘脑底核中病理性β爆发的发生	首次利用深度神经网络从基底节活动中发现可可靠预测β爆发起始的特征，特别是揭示了β振幅下降（可能指示振荡群体相位重置）是预测β爆发发生的关键生物标志物	研究基于两个独立数据集，但样本量未明确说明；预测时间窗口为爆发前100毫秒，临床应用需进一步验证	探索帕金森病中丘脑底核病理性β爆发的预测机制，为开发智能、主动的脑深部电刺激疗法提供依据	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	脑深部电刺激记录、传感式DBS设备记录	深度神经网络	神经电生理信号	NA	NA	NA	NA	NA
1071	2025-12-22	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习模型（UNet和pix2pix）在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	首次在面部紫外诱导荧光图像分割中，对传统的分割网络（UNet）和生成对抗网络（pix2pix）进行了比较研究，并探讨了单类别与双类别分割设置的性能差异	数据集多样性有限，未来需扩大样本量并采用临床级成像系统进行验证	评估和比较两种深度学习模型在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	IoU, Dice系数	NA
1072	2025-12-22	MAGNET: Multi-view graph autoencoder with cell-gene attention for cell interaction network reconstruction from spatial transcriptomics 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013810 PMID:41397026	研究论文	本文提出了一种名为MAGNET的多视图图自编码器框架，通过细胞-基因注意力模块整合细胞外部相互作用与内部基因调控，用于从空间转录组学数据重建细胞间相互作用网络	开发了细胞-基因注意力模块，将细胞的外部环境与内部基因活动在统一表示中连接起来，克服了现有方法将两者分开处理的限制	未明确说明模型在处理更大规模或更复杂组织样本时的计算效率及可扩展性	从空间转录组学数据中准确推断细胞间相互作用网络	空间转录组学数据中的细胞及其相互作用	计算生物学	乳腺癌	空间转录组学	图自编码器	空间转录组学数据	基准数据集（seqFISH、MERFISH、STARMAP）及一个乳腺癌数据集	未明确指定	多视图图自编码器	平均精度	NA
1073	2025-12-22	Deep-Learning-Assisted SICM for Enhanced Real-Time Imaging of Nanoscale Biological Dynamics 2025-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202501080 PMID:41078001	研究论文	本文提出了一种结合深度学习与扫描离子电导显微镜（SICM）的集成框架，通过选择性跳过扫描线来提高SICM的实时成像速度	开发了部分卷积神经网络（Partial-CNN）模型，用于从欠采样数据中重建完整图像，显著提高了SICM的时间分辨率（减少30-63%的采集时间）	未明确提及该方法在极端动态条件或不同细胞类型中的泛化能力限制	提高扫描离子电导显微镜（SICM）的实时成像能力，以捕捉纳米尺度的生物动态过程	活细胞的纳米尺度动态成像	计算机视觉	NA	扫描离子电导显微镜（SICM）	CNN	图像	NA	NA	Partial-CNN	多种定量指标（具体未列出，但涉及图像质量评估）	NA
1074	2025-12-22	Towards a Planetary Health Impact Assessment Framework: Exploring Expert Knowledge and Artificial Intelligence for a RF-EMF Exposure Case-Study 2025-Dec, Bioelectromagnetics IF:1.8Q3 DOI:10.1002/bem.70038 PMID:41416407	研究论文	本文提出了一种行星健康影响评估框架，结合专家知识和人工智能技术，以射频电磁场暴露为案例研究，探索构建知识图谱的方法	首次将行星健康视角引入射频电磁场影响评估，结合专家构建的知识图谱与基于自然语言处理和深度学习的AI工具，探索间接生态介导的健康影响路径	AI工具生成的图谱精度和上下文敏感性有限，需要大量专家验证，目前无法替代专家判断	开发一个行星健康影响评估框架，整合直接和生态介导的健康影响路径	射频电磁场暴露对生物体的直接健康影响及通过生态后果对人类健康的间接影响	自然语言处理	NA	自然语言处理, 深度学习	NA	文本	12位专家参与构建知识图谱	NA	NA	NA	NA
1075	2025-12-21	Beyond diagnosis: deep-learning-based analysis of hospitalization using abdominal radiographs in the emergency department 2025-Dec-20, Abdominal radiology (New York) DOI:10.1007/s00261-025-05347-3 PMID:41420745	研究论文	本研究开发了基于腹部X光片的深度学习模型，用于预测急诊科腹痛患者的住院风险	首次将深度学习应用于腹部X光片分析，结合图像和临床特征预测住院需求，相比放射科医生显著提高了敏感性和F1分数	模型在外部验证中性能下降（AUROC从0.70降至0.60），特异性较低（0.43），且需要进一步改进才能临床实施	提高腹部X光片在急诊科的临床效用，通过预测住院需求来辅助筛查	2021年8月至12月期间接受腹部X光检查的急诊科成年腹痛患者	数字病理学	NA	腹部X光摄影	随机森林分类器	图像, 临床数据	内部验证1,585名患者，外部验证112名患者	NA	DenseNet201	AUROC, 敏感性, 特异性, F1分数	NA
1076	2025-12-21	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2025-Dec-20, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究开发并评估了基于深度学习的模型，用于从标准化口外照片中估计牙齿的CIELAB颜色坐标，以体内分光光度测量为参考标准，为修复牙科中的临床比色选择提供实用和验证支持	首次利用多种CNN架构结合预处理照片和解剖位置信息，从口外照片中高精度估计牙齿CIELAB颜色坐标，并与临床分光光度计测量结果进行对比验证	研究样本量相对有限（102名参与者），且前牙的估计精度高于后牙，可能受图像质量和光照条件影响	开发并评估基于人工智能的模型，以支持修复牙科中临床比色选择的准确性和一致性	从102名参与者获取的1031张标记和裁剪的牙齿图像，以及对应的体内CIELAB颜色坐标	计算机视觉	NA	分光光度测量（VITA Easyshade V），标准化口外摄影	CNN	图像	102名参与者的1031张牙齿图像	NA	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R2）, 基于ΔE ≤ 2临床阈值的估计准确率	NA
1077	2025-12-21	A teacherless lightweight classification framework for benign and malignant pulmonary nodules based on GAS 2025-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae268a PMID:41329998	研究论文	本文提出了一种基于GAS（Ghost-Attention Separation）网络的轻量级分类框架，用于区分肺结节的良恶性	提出了一种结合注意力机制、残差学习和改进的DWSGhost模块的GAS网络，并采用无教师知识蒸馏策略构建轻量级模型，参数量仅119,245个，占用空间仅0.45 MB	NA	开发一种轻量级、高效的计算框架，用于肺结节的良恶性分类	肺结节（良性 vs 恶性）	计算机视觉	肺癌	深度学习	CNN	图像	三个数据集：LIDC-IDRI、LungX Challenge、郑州市第九人民医院数据集	PyTorch	GAS（Ghost-Attention Separation）网络	NA	NA
1078	2025-12-21	Frog vocal sacs-inspired soft acoustic system with continuously tunable resonance for sound emission and stethoscopic sensing 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz5930 PMID:41406220	研究论文	本文提出了一种受青蛙鸣囊启发的、具有连续可调谐共振特性的柔性声学系统，用于声音发射和听诊传感	受青蛙鸣囊启发，设计了一种集成激光诱导石墨烯（LIG）与可变形腔体的共振可调石墨烯声学器件（RAGSD），实现了从922.12到1762.90赫兹的连续频率调谐，并建立了动态连续可调的电-机-声学模型	未明确说明	克服柔性热声器件在低频发射和传感方面的限制，开发用于个性化声音输出和心脏声音敏感觉察的智能可穿戴听诊系统	柔性声学器件、心脏声音信号	机器学习	心血管疾病	激光诱导石墨烯（LIG）技术	深度学习算法	声音信号	健康志愿者和患者（具体数量未明确）	NA	AuscNet-H	准确率	NA
1079	2025-12-21	Open RGB Imaging Workflow for Morphological and Morphometric Analysis of Fruits using Deep Learning: A Case Study on Almonds 2025-Dec-19, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf157 PMID:41416705	研究论文	本文开发了一个基于深度学习的开放RGB图像工作流，用于水果（以杏仁为例）的形态和形态计量分析	提出了一个开放Python工作流，结合AI技术进行形态、颜色和形态计量性状分析，适用于水果和其他植物器官，并展示了在杏仁育种中的大规模应用	研究主要针对杏仁，其通用性在其他物种中需进一步验证；尽管在有限训练数据下有效，但可能依赖于特定成像条件	开发一个高效、可扩展的高通量表型分析工作流，以支持育种项目中的表型筛选和基因组选择	杏仁（Prunus dulcis）的果仁、坚果和个体植株	计算机视觉	NA	RGB成像	深度学习	图像	超过25,000个果仁、20,000个坚果和600个个体	Python	NA	错误率, RMSE	NA
1080	2025-12-21	Breast Cancer Detection in Mammography Images Using Transfer Learning Model 2025-Dec-19, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2599378 PMID:41416718	研究论文	本研究应用迁移学习模型，通过微调预训练的CNN架构来检测乳腺X线摄影图像中的乳腺癌	提出结合EfficientNet B3与DenseNet的迁移学习模型用于乳腺X线图像分类，并比较了不同架构和超参数对性能的影响	未明确说明具体的数据集规模和来源细节，损失函数值范围显示模型性能仍有优化空间	开发准确高效的乳腺癌检测诊断工具	乳腺X线摄影图像	计算机视觉	乳腺癌	迁移学习	CNN	图像	来自多个来源的多样化乳腺X线图像数据集（具体数量未说明）	NA	EfficientNet B3, DenseNet, VGG16	准确率, 灵敏度, 特异性, 精确率, 损失值	NA