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
1141	2025-12-20	Single-Cell and Spatial Multiomics: Applications for Diseases 2025-Dec, MedComm IF:10.7Q1 DOI:10.1002/mco2.70553 PMID:41403916	综述	本文综述了单细胞与空间多组学方法及其在理解疾病机制、诊断和精准医学中的应用	整合单细胞与空间多组学方法，为疾病发病机制和诊断提供新途径，并探讨深度学习在此类数据分析中的应用	该领域相对年轻，技术和方法仍在发展中	探讨单细胞与空间多组学在疾病研究中的应用，并概述深度学习在此类数据分析中的角色	人类疾病，包括癌症（如头颈部鳞状细胞癌）、神经退行性疾病和衰老	生物信息学	头颈部鳞状细胞癌, 神经退行性疾病, 衰老相关疾病	单细胞多组学, 空间多组学	深度学习	多组学数据	NA	NA	NA	NA	NA
1142	2025-12-20	Hybrid deep learning and machine learning framework for automated pneumonia detection in chest X-ray images 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103729 PMID:41404541	研究论文	提出一种结合深度学习与机器学习的混合框架，用于胸部X光图像的自动化肺炎检测	采用双CNN特征融合（VGG16 + ResNet）替代单一模型学习，结合PCA降维保留95%方差，并使用SVM与随机森林分类器提升诊断可解释性	未明确说明模型在外部验证集或临床环境中的泛化性能，也未讨论不同肺炎亚型（如细菌性/病毒性）的区分能力	开发自动化肺炎检测系统以提高诊断准确性与效率	胸部X光图像	计算机视觉	肺炎	医学影像分析	CNN, SVM, RF	图像	NA	TensorFlow/Keras, Scikit-learn	VGG16, ResNet	准确率	NA
1143	2025-12-20	Dynamic monitoring and early warning of public emotional perception of risk during extreme rainstorm disasters: A study based on social media 2025-Dec, Applied psychology. Health and well-being DOI:10.1111/aphw.70101 PMID:41405012	研究论文	本研究开发了一个结合暴雨特定情感词典与深度学习模型的情感分析框架，用于动态监测和预警极端暴雨灾害期间公众的风险情感感知	通过构建暴雨特定情感词典并将其整合到TextCNN模型中，创建了一个知识增强的混合情感分析模型，相比GPT-4o、LLaMA-3和RoBERTa等基线模型，在准确率和F1分数上分别提升了10.9%和9.9%	NA	增强政府风险沟通和应急响应策略，通过动态监测和预警公众在极端暴雨灾害期间的情感风险感知	与暴雨灾害相关的社交媒体帖子	自然语言处理	NA	文本挖掘，情感分析	CNN	文本	51,222条微博帖子	NA	TextCNN	准确率，F1分数	NA
1144	2025-12-20	Common issues and human intervention in object detection from handcrafted features to deep learning: discussion 2025-Dec-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.569685 PMID:41411573	评论	本文讨论从传统手工特征到深度学习的物体检测方法中的常见问题及人类干预作用	揭示传统与机器学习物体检测方法在三个核心问题上均需人类监督的共同本质	未提出具体自动化解决方案，主要进行理论分析	分析物体检测方法中人类干预的必要性并促进相关研究	物体检测方法的工作流程	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
1145	2025-12-20	Bidirectional deep learning for chromatic-optical predicting and inverse design of LED systems with multi-objective optimization of circadian efficacy and gamut 2025-Dec-01, Optics express IF:3.2Q2 DOI:10.1364/OE.579714 PMID:41414544	研究论文	开发了一个统一的实验-计算框架，用于建模和优化多原色LED系统的色光性能，通过深度学习实现正向预测和逆向设计	提出了一个结合实验测量和深度学习的统一框架，首次实现了LED系统在电热设定点到光谱性能的正向映射及逆向设计，并利用遗传算法进行多目标优化	未明确说明数据集是否覆盖所有可能的LED类型或环境条件，可能限制了模型的泛化能力	优化多原色LED系统的色光性能，平衡昼夜节律效应、光效和色域覆盖目标	多原色发光二极管（LED）系统	机器学习	NA	电热-光学测量	自编码器（AE）, 长短期记忆网络（LSTM）, 门控循环单元（GRU）	光谱功率分布（SPD）、光学和色度参数、电热设定点数据	21,296个测量样本	NA	自编码器（AE）, 长短期记忆网络（LSTM）, 门控循环单元（GRU）	相关系数（R）, 均方误差（MSE）, 平均相对误差	NA
1146	2025-12-20	Deep learning-driven recovery of oversaturated interferometric signals for continuous 3D morphology measurement of complex surfaces in OFC-TS-DFT systems 2025-Dec-01, Optics express IF:3.2Q2 DOI:10.1364/OE.576249 PMID:41414553	研究论文	本文提出了一种结合U-Net和Transformer架构的Uformer 1D网络，用于恢复光学频率梳时间拉伸光谱干涉测量中因探测器动态范围有限而导致的信号过饱和问题	设计了一种集成U-Net和Transformer的Uformer 1D网络，并采用三阶段训练策略（大规模理想仿真预训练、带频域和总变差损失的真实配对数据微调、无标签真实信号的自监督学习）来增强泛化能力	未明确讨论模型在更复杂表面或极端过饱和条件下的性能限制	解决光学频率梳时间拉伸光谱干涉测量系统中信号过饱和问题，实现连续、实时、高动态范围的复杂表面三维形貌测量	光学频率梳时间拉伸光谱干涉测量系统中的过饱和干涉信号	计算机视觉	NA	光学频率梳时间拉伸光谱干涉测量	CNN, Transformer	信号数据	NA	NA	U-Net, Transformer, Uformer 1D	平均测量误差, 对数均方根误差	NA
1147	2025-12-20	Inverse design and spectral reconstruction of computational multispectral metasurfaces using deep learning and genetic algorithms 2025-Dec-01, Optics express IF:3.2Q2 DOI:10.1364/OE.576847 PMID:41414629	研究论文	本文提出了一种结合深度学习和遗传算法的端到端逆向设计框架，用于优化长波红外区域的计算型多光谱超表面设计	首次将混合深度学习与遗传算法应用于基于锑化镓的光子晶体结构逆向设计，实现了低相关性光谱的超表面快速原型设计	未充分探讨该方法在其他材料体系或更宽光谱范围的适用性，且重构光谱的均方误差仍处于10的量级	开发紧凑高效的计算型多光谱超表面系统	长波红外区域的锑化镓基光子晶体超表面	机器学习	NA	光子晶体结构设计，光谱重构	深度神经网络，遗传算法	光谱数据，几何参数	NA	NA	深度神经网络	均方误差	NA
1148	2025-12-19	Association Between Choroid Plexus Morphological Alterations, Alzheimer Pathologies, and Cognitive Impairment: A Longitudinal Study 2025-Dec-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213953 PMID:41284956	研究论文	本研究利用深度学习分割方法，探讨了阿尔茨海默病相关脉络丛形态学改变与认知功能下降之间的纵向关联	开发了基于深度学习的脉络丛分割方法，并首次系统分析了高阶形态学特征在阿尔茨海默病病理与认知衰退之间的中介作用	研究为回顾性设计，且脉络丛形态学特征背后的病理学基础尚需通过影像-组织病理学对比研究进一步阐明	探究阿尔茨海默病相关脉络丛形态学特征及其与认知功能下降的关联	阿尔茨海默病神经影像学倡议项目中无痴呆的参与者	数字病理学	阿尔茨海默病	3D T1 MRI, 3D FLAIR MRI, β-淀粉样蛋白PET, tau蛋白PET	深度学习	医学影像	564名无痴呆参与者（平均年龄72.4岁，54.1%女性），其中339名Aβ-，225名Aβ+	NA	NA	p值, 假发现率校正, 标准化β系数, 95%置信区间	NA
1149	2025-12-19	Toward neuroimaging-based diagnostic support: a deep learning approach with a closed-loop system for psychiatric classification 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114100 PMID:41399512	研究论文	本研究开发了一种基于深度学习的补丁层次网络（PHN），用于从结构MRI中分类多种精神疾病，并部署了一个闭环诊断支持系统	提出了PHN深度学习框架，并首次实现了一个闭环神经影像诊断支持系统，将其整合到临床工作流程中	未明确说明模型在更广泛或不同人群中的泛化能力限制，以及临床部署的具体挑战	利用人工智能提供客观支持，缩小精神疾病诊断的研究与实践差距	四种主要精神疾病患者及对照组的神经影像数据	医学影像分析	精神疾病	结构MRI	深度学习	图像	训练集2,490例，独立研究数据集1,346例，真实世界临床数据344例	NA	补丁层次网络（PHN）	NA	NA
1150	2025-12-19	Accelerating imaging: deep learning for enhanced 123I-ioflupane SPECT efficiency 2025-Dec-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01933-z PMID:41407995	研究论文	本研究评估了深度学习重建能否从5分钟扫描中生成诊断质量的123I-ioflupane多巴胺转运体SPECT图像	首次将多种卷积架构（包括U-Net变体和TransUNet）应用于加速SPECT成像，并证明四层U-Net可将扫描时间减少80%而不损失诊断质量	研究为回顾性分析，需要前瞻性多中心验证；样本量相对有限（207项研究）	通过深度学习加速123I-ioflupane SPECT成像，减少患者扫描时间	123I-ioflupane多巴胺转运体SPECT图像	医学影像分析	神经系统疾病（如帕金森病）	SPECT成像	深度学习，卷积神经网络	医学图像（SPECT切片）	207项研究（1035个切片），来自207名患者，分为训练集（120名患者/600张图像）、验证集（37名患者/185张图像）和测试集（50名患者/250张图像）	未明确指定	U-Net（1-5层深度）、V-Net、U-Net++、R2U-Net、Attention U-Net、TransUNet	峰值信噪比（PSNR）、结构相似性指数（SSIM）、加权κ系数、组内相关系数（ICC）	NA
1151	2025-12-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-Dec-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	本文提出了一种基于深度学习和计算机视觉的自主视网膜静脉插管工作流程，用于在离体猪眼中执行精确手术任务	结合深度学习与机器人辅助，实现自主视网膜静脉插管，并在静态和动态条件下展示高成功率	研究仅在离体猪眼上进行，尚未涉及人体临床试验	开发自主视网膜静脉插管工作流程，以提升视网膜静脉阻塞治疗的精确性和可靠性	离体猪眼	计算机视觉	视网膜静脉阻塞	术中光学相干断层扫描	CNN	图像	20个离体猪眼用于主要测试，6个用于模拟呼吸引起的眼动	NA	NA	成功率	NA
1152	2025-12-19	MedicoSAM: Robust Improvement of SAM for Medical Imaging 2025-Dec-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3644811 PMID:41406266	研究论文	本文研究了如何通过不同微调策略改进Segment Anything Model (SAM)在医学图像分割中的应用，并提出了公开可用的MedicoSAM模型	通过在大规模多样化数据集上比较不同微调策略，显著提升了SAM在医学图像交互式分割中的性能，并开发了兼容现有数据标注工具的MedicoSAM模型	在自动语义分割任务中，相比传统分割方法的优势并不一致，存在性能波动	改进视觉基础模型在医学图像分割中的通用性和性能	医学图像分割任务	计算机视觉	NA	深度学习微调策略	基础模型微调	医学图像	大规模多样化数据集（具体数量未说明）	NA	Segment Anything Model (SAM)	交互式分割和自动语义分割性能评估（具体指标未说明）	NA
1153	2025-12-19	AFoCo: Ambiguous Focus and Correction for Semi-Supervised Medical Image Segmentation 2025-Dec-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3642162 PMID:41406262	研究论文	本文提出了一种用于半监督医学图像分割的创新框架AFoCo，通过模糊聚焦和校正网络来有效识别和利用未标记数据中的模糊区域	提出了结合历史变化预测和瞬时信息熵的模糊聚焦网络，以及利用确定性信息通过加权相似性策略重新分配模糊区域像素标签的模糊校正网络，并引入了任务感知的非对称交叉监督约束	未明确说明框架在不同模态医学图像上的泛化能力，也未讨论计算复杂度和实时性能	提高半监督医学图像分割的准确性，特别是针对模糊区域的识别和利用	医学图像中的模糊区域	数字病理	NA	深度学习	CNN	图像	四个医学图像数据集（具体数量未说明）	NA	NA	分割准确率，模糊区域比例	NA
1154	2025-12-19	Advanced Deep Learning Framework for Cancer Cell Morphological Analysis and Tumor Mutational Burden Prediction From Histopathological Images 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3645411 PMID:41406280	研究论文	本研究提出了一种名为CellMorphNet的深度学习框架，用于从常规组织病理学图像中分析癌细胞形态并预测肿瘤突变负荷	提出了创新的CellMorphNet架构，整合了癌细胞形态特征提取与高级注意力机制，并采用新颖的细胞反卷积结构分离组织染色成分，以及分层路由注意力机制以选择性关注形态相关细胞区域	未在摘要中明确说明	开发一种从组织病理学图像预测肿瘤突变负荷的深度学习方法，作为分子测序的成本效益替代方案	癌细胞形态特征、肿瘤突变负荷	数字病理学	癌症	组织病理学成像	深度学习	图像	基于TCGA数据集进行五次独立训练运行	未在摘要中明确说明	CellMorphNet（包含四阶段分层金字塔结构、形态池化层和专用CellMorph块）	AUC, F1-score, 精确度, 召回率, 准确率	未在摘要中明确说明
1155	2025-12-19	VWV-SSL: Carotid vessel-wall-volume segmentation via sequence structural similarity and augmentation consistency-based self-supervised learning 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3637302 PMID:41406282	研究论文	本文提出了一种名为VWV-SSL的自监督学习算法，用于三维颈动脉超声图像分割以生成血管壁体积测量	VWV-SSL算法利用了颈动脉超声图像的序列结构相似性和强弱增强特征一致性进行自监督任务，使网络在自监督任务训练中更好地学习血管特征表示	NA	开发一种自监督学习算法以改善在少量标注图像上训练的三维颈动脉超声图像分割性能	颈动脉血管壁体积（VWV）的测量，涉及颈动脉的中膜-外膜边界（MAB）和管腔-内膜边界（LIB）的分割	医学图像分析	颈动脉粥样硬化	三维超声成像	深度学习	三维超声图像	来自250名受试者的1158个三维超声图像（包括579个颈总动脉和579个分叉处图像）	NA	3D U-Net	NA	NA
1156	2025-12-19	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	本文提出了一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准新方法，旨在解决传统DTI配准方法计算慢、精度低的问题	设计了并行双分支卷积神经网络架构，同时处理FA图像和主特征向量两种输入模式，并在解码层集成通道空间注意力机制以动态突出关键解剖特征和方向一致性	未明确说明方法在复杂病理脑结构或大规模多中心数据上的泛化能力，也未与其他最先进的深度学习方法进行系统比较	提高扩散张量磁共振图像的配准精度和计算速度，以促进其在临床应用中的可行性	扩散张量磁共振成像数据	医学图像处理	NA	扩散张量磁共振成像	卷积神经网络	4D张量数据（3D空间中的3×3张量）	NA	NA	并行双通道VoxelMorph	配准精度，计算速度	NA
1157	2025-12-19	ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3607819 PMID:41406278	研究论文	提出一个结合图检索增强生成与大型语言模型微调的框架，用于生成更全面、可解释的中医方剂	提出ZhiFangDanTai框架，首次将图检索增强生成与LLM微调结合用于中医方剂任务，并提供了理论证明表明该方法能降低泛化误差和幻觉率	现有中医指令数据集缺乏足够细节（如君臣佐使、功效、禁忌、舌脉诊断等），限制了模型输出的深度	提升中医方剂生成模型的全面性和可解释性	中医方剂	自然语言处理	NA	图检索增强生成，大型语言模型微调	LLM	文本	NA	NA	NA	NA	NA
1158	2025-12-19	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-Dec-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	本研究开发了一种基于深度学习的海马体自动分割预测模型，结合影像组学特征提取，构建了多种机器学习诊断模型用于轻度认知障碍（MCI）的识别	提出了一种新的基于卷积神经网络（CNN）的深度学习网络用于3D T1WI图像中海马体的自动分割，并结合影像组学特征与XGBoost算法构建高效诊断模型	样本量相对较小（150名受试者），且未提及外部验证集，可能影响模型的泛化能力	开发自动海马体分割模型并识别早期轻度认知障碍的磁共振成像生物标志物	轻度认知障碍（MCI）患者与正常对照者	医学影像分析	轻度认知障碍	磁共振成像（3D T1WI）	CNN, 机器学习分类器（LR, SVM, RF, XGBoost）	3D医学影像	150名受试者（训练集与验证集按7:3随机划分）	未明确提及，但涉及深度学习与机器学习框架	基于CNN的新型深度学习网络（具体架构未指定）	AUC, 95%置信区间	NA
1159	2025-12-19	Resolution generalization of deep learning-based dipole inversion networks for QSM 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121598 PMID:41274367	研究论文	本研究提出了一种新颖的流程，使预训练的偶极子反演网络能够从不同分辨率的输入局部场图中重建定量磁化率图（QSM），以解决现有网络在测试数据分辨率与训练数据分辨率不同时性能下降的问题	开发了一种无需修改网络架构或参数的通用流程，通过多位置重采样和偶极子补偿，提升了预训练偶极子反演网络对不同分辨率输入数据的泛化能力	研究未明确讨论流程在极端分辨率差异或复杂临床数据中的鲁棒性，且可能引入额外的计算开销	提高深度学习偶极子反演网络在定量磁化率图重建中的分辨率泛化性	预训练的偶极子反演网络（如QSMnet）及不同分辨率的局部场图数据	医学影像分析	NA	定量磁化率图（QSM）重建	深度学习网络	图像（局部场图）	NA	NA	QSMnet	NRMSE, SSIM, PSNR, HFEN	NA
1160	2025-12-19	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	本文提出了一种名为ODDRnet的端到端无监督深度学习框架，用于扩散磁共振图像的非线性配准，直接对齐高维纤维方向分布函数	ODDRnet首次利用纤维方向分布函数（fODF）的方向信息进行扩散MRI配准，相比仅依赖标量信息的方法，能更精确地对齐白质结构，特别是在复杂纤维交叉区域	未明确提及具体局限性，但可能包括对高质量fODF估计的依赖、计算资源需求或特定数据集上的泛化挑战	开发一种深度学习框架，以实现扩散MRI数据的非线性配准，并利用方向信息提高白质结构对齐的解剖学精度	扩散MRI数据，特别是从原始信号导出的纤维方向分布函数（fODF）	医学图像处理	NA	扩散MRI（dMRI），纤维方向分布函数（fODF）分析	深度学习网络	扩散磁共振图像（dMRI）	多个公共和私有数据集（具体数量未明确提及）	NA	ODDRnet（具体架构未详细说明）	束状结构Dice系数，束状结构距离（以毫米为单位）	NA