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
1181	2025-12-20	AI-Driven Early Detection of Diabetic Glaucoma and Emerging Horizons in Bionic Eye Technology 2025-Dec-01, Zhongguo ying yong sheng li xue za zhi = Zhongguo yingyong shenglixue zazhi = Chinese journal of applied physiology DOI:10.62958/j.cjap.2025.031 PMID:41320280	综述	本文综述了人工智能在糖尿病性青光眼早期检测中的应用以及仿生眼技术在视觉恢复方面的进展	强调了将AI驱动的诊断与新兴仿生眼技术相结合，代表了糖尿病性青光眼管理方式的重大转变	NA	探讨人工智能在早期识别糖尿病性青光眼中的作用，并回顾旨在帮助受影响个体恢复视力的仿生眼技术进展	糖尿病性青光眼患者，视网膜图像，仿生眼系统	医学影像分析，神经工程	糖尿病性青光眼	视网膜成像，光学相干断层扫描	深度学习	图像	NA	NA	NA	NA	NA
1182	2025-12-20	Use of artificial intelligence for detection of MB2 canals in maxillary first molars on CBCT: a systematic review and meta-analysis 2025-Dec-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07254-x PMID:41327142	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能在CBCT图像中检测上颌第一磨牙第二近颊根管（MB2）的诊断准确性	首次对人工智能在CBCT图像中检测MB2根管的诊断性能进行系统综述和荟萃分析，并比较了深度学习与传统机器学习模型的性能差异	纳入研究数量有限（4项），样本量小，存在显著的异质性，限制了结果的普遍适用性	评估人工智能在CBCT图像中识别上颌第一磨牙MB2根管的诊断准确性	上颌第一磨牙的CBCT图像	医学影像分析	牙髓病学/口腔疾病	锥形束计算机断层扫描（CBCT）	深度学习, 传统机器学习	医学影像（CBCT图像）	NA（纳入4项研究，具体样本量未在摘要中汇总）	NA	NA	灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值	NA
1183	2025-12-20	Artificial Intelligence-Based Predictive Modeling for Early Detection of Sepsis in Hospitalized Patients: A Systematic Review and Meta-Analysis 2025-Dec-01, Critical care explorations DOI:10.1097/CCE.0000000000001360 PMID:41348160	系统综述与荟萃分析	本文对2015年至2025年间发表的基于人工智能的脓毒症早期预测模型进行了系统综述与荟萃分析	系统评估了多种AI模型在脓毒症早期检测中的应用，并比较了其性能，指出了当前研究的局限与未来方向	大多数研究为回顾性设计，前瞻性或实时临床验证研究有限，模型的可推广性、可解释性及临床实施仍面临挑战	评估用于成人住院患者脓毒症早期检测的人工智能预测模型	成人住院患者的电子健康记录数据	机器学习	脓毒症	电子健康记录数据分析	随机森林, 神经网络, 支持向量机, 深度学习	结构化数据（生命体征、实验室值、人口统计学）与非结构化临床文本	共纳入52项研究，具体样本量未在摘要中明确说明	NA	长短期记忆网络, 卷积神经网络	AUC, 灵敏度, 特异性, F1分数	NA
1184	2025-12-20	A deep learning approach for time-consistent cell cycle phase prediction from microscopy data 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013800 PMID:41379930	研究论文	本文提出了一种基于深度学习的细胞周期阶段预测方法，利用SiR-DNA荧光标记数据，无需专用细胞周期标记即可实现高精度分类	开发了CC-VAE模型，通过变分自编码器结合辅助任务（预测相特异性标记平均强度和潜在空间时间一致性正则化），首次从常用DNA标记中推断细胞周期阶段	模型主要基于HeLa Kyoto细胞系数据验证，在其他细胞类型中的泛化能力未充分评估	开发一种无需专用细胞周期标记的细胞周期阶段预测方法，以释放荧光通道用于其他实验目的	HeLa Kyoto细胞系的细胞周期阶段	计算机视觉	NA	显微镜成像，SiR-DNA荧光标记	VAE	图像	超过600,000张标记的HeLa Kyoto细胞核图像	NA	CC-VAE	准确率	NA
1185	2025-12-20	Deep Learning Models for Evaluating the Anatomical Relationship Between Posterior Maxillary Teeth and Maxillary Sinus in Panoramic Radiographs 2025-Dec, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70264 PMID:41399179	研究论文	本研究探讨了深度学习模型在曲面断层片上评估上颌后牙与上颌窦解剖关系的效能	首次将VGG、ResNet和ResNeXt等卷积神经网络架构应用于曲面断层片，以自动评估上颌后牙与上颌窦的解剖关系，为CBCT不可用时提供有效的诊断辅助工具	ResNet和ResNeXt模型在30-50个周期后出现过拟合迹象，且假阳性主要发生在第二磨牙被错误分类为接触窦的情况	评估深度学习模型在曲面断层片上预测上颌后牙与上颌窦解剖关系的准确性和可靠性	上颌后牙与上颌窦的解剖关系	计算机视觉	NA	曲面断层成像	CNN	图像	300张曲面断层图像和1760个裁剪切片	NA	VGG, ResNet, ResNeXt	准确率, 精确率, 召回率, F1分数, ROC-AUC, 混淆矩阵	NA
1186	2025-12-20	A novel expert-annotated single-cell dataset for thyroid cancer diagnosis with deep learning benchmarks 2025-Dec, PLOS digital health DOI:10.1371/journal.pdig.0001120 PMID:41401160	研究论文	本文介绍了一个用于甲状腺癌诊断的新型专家标注单细胞图像数据集，并基于该数据集建立了多标签分类的深度学习基准模型	提出了首个专家标注的甲状腺癌单细胞图像数据集，并构建了融合ConvNeXt、ViT和ResNet骨干网络及多种类别不平衡处理技术的多标签分类基准流程	数据集样本量相对有限（3,419张图像），且仅来自单一医疗机构，可能影响模型的泛化能力	开发用于甲状腺癌自动化细胞学诊断的可靠人工智能系统	甲状腺组织单细胞图像	数字病理学	甲状腺癌	组织病理学切片成像	CNN, Transformer	图像	3,419张单细胞图像	PyTorch	ConvNeXt, Vision Transformer, ResNet	准确率, 精确率, 召回率, F1分数	NA
1187	2025-12-20	Deep learning for imaging diagnosis of jaw cystic lesions and maxillofacial tumors: A narrative review 2025-Dec, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251404778 PMID:41401467	综述	本文综述了深度学习在颌骨囊性病变和颌面部肿瘤影像诊断中的应用，包括检测、分类和分割方法	系统总结了深度学习在口腔颌面放射学中的最新应用，并批判性分析了数据集限制、模型可解释性等关键问题，提出了联邦学习、多模态融合等新兴研究方向	存在数据集约束、谱和部位偏倚、设备相关异质性、注释不一致以及模型可解释性不足等限制，这些限制了模型的泛化能力	综述深度学习在颌骨囊性病变和颌面部肿瘤影像诊断中的应用，并探讨临床实施的实践考虑和未来研究方向	颌骨囊性病变和颌面部肿瘤	数字病理学	颌骨囊性病变和颌面部肿瘤	全景X线片和锥形束计算机断层扫描	CNN, Transformer	图像	NA	NA	单阶段检测器, 卷积神经网络, Transformer	NA	NA
1188	2025-12-18	Response to the Letter to the Editor "Advancing Clinical and Ethical Dimensions of Deep Learning in Cardiovascular Imaging" 2025-Dec, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.71650 PMID:41403570	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1189	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
1190	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
1191	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
1192	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
1193	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
1194	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
1195	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
1196	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
1197	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
1198	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
1199	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
1200	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