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
1221	2025-12-17	CT-based deep learning model for improved disease-free survival prediction in clinical stage I lung cancer: a real-world multicenter study 2025-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11682-2 PMID:40506642	研究论文	本研究开发了一种基于CT图像的深度学习模型，用于预测临床I期肺癌患者的无病生存期，并在手术和立体定向体部放疗患者中进行了验证	首次利用三维卷积神经网络从CT图像中提取肿瘤特征，构建深度学习模型以改进临床I期肺癌患者的无病生存期预测，并在多中心真实世界数据中验证其有效性	研究为回顾性设计，可能存在选择偏倚；模型在SBRT队列中的样本量相对较小，需要进一步前瞻性验证	开发并验证基于CT图像的深度学习模型，以更准确地预测临床I期肺癌患者的无病生存期，辅助临床决策	临床I期非小细胞肺癌患者，包括接受手术切除和立体定向体部放疗的患者	数字病理学	肺癌	CT成像	CNN	图像	手术队列2489例患者，SBRT队列248例患者	NA	三维卷积神经网络	Harrell's concordance index (C-index)	NA
1222	2025-12-17	FPGA-Accelerated CNN Reconstruction for Low-Power Sparse-Array Ultrasound Imaging 2025-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3630483 PMID:41201932	研究论文	本文提出了一种基于FPGA加速的轻量级U-Net卷积神经网络，用于稀疏阵列超声成像中的缺失通道重建，旨在降低功耗并保持图像质量	通过FPGA加速的深度学习重建缺失超声通道，有效将成像孔径加倍同时减半模拟前端需求，并采用混合量化感知训练优化网络部署	未明确说明在更广泛临床环境或不同器官中的泛化能力，且仅针对32通道配置进行了验证	开发低功耗、实时的稀疏阵列超声成像系统，用于预防性医疗和早期疾病诊断	针对深层组织（如膀胱）的超声成像数据	计算机视觉	泌尿系统疾病	超声成像, 深度学习	CNN	射频数据, 图像	未明确说明样本数量	未明确说明	轻量级U-Net (L-UNET)	均方误差 (MSE), 峰值信噪比 (PSNR), 结构相似性指数 (SSIM)	FPGA, 深度学习处理单元 (DPU)
1223	2025-12-17	[Artificial intelligence in fracture diagnostics : Potentials and challenges in the clinical practice] 2025-Dec, Unfallchirurgie (Heidelberg, Germany) DOI:10.1007/s00113-025-01653-z PMID:41222657	综述	本文探讨了人工智能在骨折诊断中的潜力与挑战，特别是在临床实践中的应用	作为“第二读者”，AI系统能提高诊断准确性、减少诊断时间并改善患者安全，尤其在细微骨折或医生经验有限的情况下	包括训练数据异质性、复杂骨折诊断性能有限以及监管要求	评估人工智能在骨折诊断中的支持作用及其在临床实践中的整合	骨折诊断系统，特别是基于深度学习的算法	计算机视觉	骨折	深度学习算法	卷积神经网络	图像	大型验证研究中的大量样本	NA	卷积神经网络	灵敏度, 特异性	NA
1224	2025-12-17	Forecasting visceral leishmaniasis in Sudan using hybrid wavelet based deep learning models on climate driven multivariate time series 2025-Dec, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107911 PMID:41265507	研究论文	本研究提出了一种基于小波变换和深度学习的新型混合模型，用于预测苏丹内脏利什曼病的月发病率	结合小波变换与深度学习模型（Wavelet-GPR、Wavelet-StemGNN、Wavelet-TCN-BiLSTM）分解多尺度模式并学习线性和非线性关系，以捕捉疾病传播的复杂动态	模型需要针对不同地区重新校准，且未来需要纳入更多环境和社会经济数据层以提高预测能力	预测苏丹Gedaref州内脏利什曼病的月发病率，以改进疾病监测和早期预警系统	苏丹Gedaref州的内脏利什曼病发病率数据	机器学习	内脏利什曼病	时间序列分析，小波变换	混合模型（小波变换结合深度学习）	多元时间序列数据（气候数据）	2000-2022年的月发病率数据（2000-2018年训练，2019-2022年测试）	Python	Wavelet-GPR, Wavelet-StemGNN, Wavelet-TCN-BiLSTM, VAR	RMSE, MAE, R, MAPE	NA
1225	2025-12-17	MultiverseAD: Enhancing spatial-temporal synchronous attention networks with causal knowledge for multivariate time series anomaly detection 2025-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107903 PMID:40773781	研究论文	本文提出了一种名为MultiverseAD的时空同步注意力网络，结合因果知识以增强多元时间序列异常检测性能	通过动态时空同步注意力网络与静态时空因果图的结合，同步处理时空特征，并利用因果知识增强学习过程	NA	提高多元时间序列异常检测的准确性和鲁棒性	多元时间序列数据	机器学习	NA	NA	注意力网络	时间序列数据	八个公共数据集	NA	动态时空同步注意力网络, 静态时空因果图	NA	NA
1226	2025-12-17	Predicting the prognosis of symptomatic intracranial atherosclerotic stenosis (sICAS) patients using deep learning models: a multicenter study based on high-resolution magnetic resonance vessel wall imaging 2025-Dec, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107092 PMID:41086706	研究论文	本研究基于高分辨率磁共振血管壁成像，开发深度学习模型以预测症状性颅内动脉粥样硬化性狭窄患者的卒中复发风险	首次将3D深度学习模型应用于高分辨率血管壁成像数据，以预测症状性颅内动脉粥样硬化性狭窄患者的卒中复发风险，并在多中心数据上验证了其优于2D模型和放射组学方法	研究为回顾性设计，样本量相对有限，且仅基于两个医疗中心的数据	开发并验证基于高分辨率血管壁成像的深度学习模型，以改善症状性颅内动脉粥样硬化性狭窄患者的卒中复发预测，识别高危患者并指导临床干预	症状性颅内动脉粥样硬化性狭窄患者	数字病理学	心血管疾病	高分辨率磁共振血管壁成像	CNN, Transformer	图像	363名患者（训练队列254名，外部验证队列109名）	NA	ResNet50, DenseNet169, Vision Transformer	AUC, 校准曲线, 决策曲线分析	NA
1227	2025-12-17	[Artificial intelligence for the diagnosis of acute coronary syndromes] 2025-Dec, Giornale italiano di cardiologia (2006) DOI:10.1714/4599.46056 PMID:41287609	综述	本文综述了人工智能在急性冠状动脉综合征诊断中的应用，特别是通过深度学习分析心电图以提升诊断准确性和效率	利用深度学习算法自动分析心电图，包括纸质心电图的照片处理，在ST段抬高型心肌梗死中达到比经验丰富的心脏科医生更高的敏感性和特异性，并扩展应用至预测完全血管闭塞和识别责任冠状动脉	在非ST段抬高型心肌梗死中，临床异质性降低了诊断精度，AI的准确性有限	探索人工智能在急性心肌梗死诊断和管理中的作用，旨在实现更早、更准确的诊断并改善患者预后	急性冠状动脉综合征患者，特别是ST段抬高型和非ST段抬高型心肌梗死病例	机器学习	心血管疾病	深度学习	深度学习算法	心电图数字追踪和纸质心电图照片	NA	NA	NA	敏感性, 特异性, 准确性	NA
1228	2025-12-17	Toward an Unbiased Deep Learning Classifier of Pediatric Middle Ear Disease 2025-Dec, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70031 PMID:40955059	研究论文	本研究旨在开发一种基于深度学习的算法，利用廉价消费级耳镜捕获的儿童鼓膜图像，准确预测儿科患者中耳积液的存在和性质	首次使用廉价消费级数字耳镜捕获的多样化、年龄代表性图像训练深度学习模型，以高精度分类儿童中耳疾病，推动该技术在临床实践中的实际应用	研究样本量相对较小（219名儿童，737张图像），且图像采集于麻醉状态下的儿童，可能限制了模型在非麻醉或不同临床环境下的泛化能力	开发人工智能算法以准确预测儿科患者中耳积液的存在和性质，改善抗生素管理并支持远程医疗应用	6个月至10岁儿童的中耳鼓膜图像，采集自美国四家儿科医院接受鼓膜切开术和置管术的患者	数字病理学	中耳疾病	数字耳镜成像	深度学习分类器	图像	219名儿童（42.14%为黑人、西班牙裔、亚裔和其他种族），共737张图像	NA	NA	加权准确率	NA
1229	2025-12-17	CellSAM: a foundation model for cell segmentation 2025-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02879-w PMID:41360960	研究论文	本文提出了一种名为CellSAM的通用细胞分割基础模型，该模型通过结合目标检测器和提示工程方法，能够在多种细胞成像数据上实现跨域泛化	基于Segment Anything Model（SAM）开发了针对细胞分割的提示工程方法，并训练了自动检测细胞的CellFinder检测器，实现了单一模型在多种成像模态和细胞类型上的通用分割能力	未明确说明模型在极端成像条件或高度重叠细胞场景下的性能限制，也未详细讨论计算效率方面的局限性	开发一个能够泛化到多种细胞成像数据的通用细胞分割模型	哺乳动物细胞、酵母和细菌的显微图像	数字病理学	NA	细胞成像	基础模型	图像	NA	NA	Segment Anything Model（SAM）	零样本性能、少样本学习性能	NA
1230	2025-12-17	Development of multi-sensing technologies for high-throughput morphological, physiological, and biochemical phenotyping of drought-stressed watermelon plants 2025-Dec, Plant physiology and biochemistry : PPB IF:6.1Q1 DOI:10.1016/j.plaphy.2025.110577 PMID:41046739	研究论文	本研究开发了一种结合RGB、短波红外高光谱、多光谱荧光成像和热成像的全自动多模态高通量植物表型系统，用于分析干旱胁迫下西瓜植物的形态、生理和生化特征	整合了多种成像模态（RGB、SWIR高光谱、多光谱荧光、热成像）于一个全自动平台，实现了对干旱胁迫下植物表型的早期、全面分析，并应用先进机器学习和深度学习模型提升特征提取与分类能力	未明确提及系统在非实验室环境或大规模田间应用中的验证情况，以及成本效益分析	开发高通量植物表型技术，用于早期检测干旱胁迫并评估植物健康，以支持作物抗旱性和精准农业	干旱胁迫下的西瓜植物（Citrullus lanatus）	机器视觉	NA	RGB成像、短波红外高光谱成像、多光谱荧光成像、热成像	机器学习、深度学习	图像（RGB、高光谱、多光谱荧光、热成像）	未明确提及具体样本数量	NA	NA	预测准确性	NA
1231	2025-12-17	Utilizing deep learning algorithms for the early identification and categorization of skin cancer 2025-Dec, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2025.100576 PMID:41386841	研究论文	本研究利用深度学习算法对皮肤癌进行早期识别和分类	结合EfficientNet-B0、VGG16和Inception-V3三种模型进行皮肤癌早期检测，并计划将模型集成到移动平台以提高可访问性	研究仅使用PH2和ISIC数据集，样本规模有限，且模型尚未在实际移动平台部署验证	通过图像处理和深度学习技术实现皮肤癌的早期识别与分类	皮肤癌图像数据，特别是黑色素瘤	计算机视觉	皮肤癌	图像处理	CNN	图像	PH2和ISIC数据集，具体样本数未明确	NA	EfficientNet-B0, VGG16, Inception-V3	准确率	NA
1232	2025-12-17	DeepBovC2H2-ZF: deep learning-guided prediction and molecular dynamics validation of C2H2 zinc finger transcription factors in Bovidae 2025-Dec, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2025.100620 PMID:41386884	研究论文	本研究开发了一个名为DeepBovC2H2-ZF的深度学习框架，用于预测牛科动物中的C2H2锌指转录因子，并通过分子动力学模拟验证了其预测结果	开发了首个专门针对牛科动物C2H2锌指转录因子预测的深度学习框架，结合了分子动力学模拟进行功能验证	模型仅基于蛋白质序列信息，可能未考虑其他调控因素；在牛科动物以外的物种中泛化能力未经验证	开发一个计算工具，用于全基因组范围内识别牛科动物中的C2H2锌指转录因子	牛科动物中的C2H2锌指转录因子	生物信息学	NA	蛋白质序列分析, 分子对接, 分子动力学模拟	深度学习	蛋白质序列	经过整理的已验证C2H2-ZF和非C2H2-ZF转录因子数据集	NA	NA	准确率, 灵敏度, 特异性	NA
1233	2025-12-16	Smartphone-based detection of COVID-19 and associated pneumonia using thermal imaging and a transfer learning algorithm 2025-Dec, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300486 PMID:38253344	研究论文	本研究开发了一种基于智能手机的热成像应用，通过深度学习算法分析人体背部热图像，用于COVID-19及其相关肺炎的检测	首次将智能手机热成像与迁移学习算法结合，实现非侵入式、便携式的COVID-19及肺炎筛查，突破传统影像技术（如X光、CT）的医院限制	研究未明确样本来源及规模细节，且热成像技术可能受环境温度、个体差异等因素影响，需进一步临床验证	开发一种便携、低成本的COVID-19及肺炎筛查工具，适用于医院外环境	人体背部热图像	计算机视觉	COVID-19及肺炎	热成像技术	深度学习算法（基于迁移学习）	热图像	NA	NA	NA	灵敏度, 特异度	NA
1234	2025-12-15	Modernizing pathology and oncology education: integrating genomics, artificial intelligence, and clinical relevance into medical training 2025-Dec-13, Journal of the National Cancer Institute DOI:10.1093/jnci/djaf358 PMID:41390932	评论	本文主张对病理学和肿瘤学教育进行现代化改革，强调整合基因组学、人工智能和临床相关性到医学培训中	提出从内容传授向以临床推理和数据素养为基础的概念整合转变，并系统性地将下一代测序、数字病理、人工智能评估、大型语言模型应用等新兴能力纳入医学教育框架	未提供具体的课程实施案例或实证数据来验证所提议改革方案的有效性	探讨如何改革病理学和肿瘤学教育，使其适应基因组学和人工智能时代的需求	医学教育体系、病理学和肿瘤学培训课程、医学生和住院医师	数字病理	肿瘤	下一代测序、数字病理、人工智能、大型语言模型	NA	NA	NA	NA	NA	NA	NA
1235	2025-12-15	A novel deep learning based spatial ensemble approach and segment anything model for landslide risk assessment in Chamoli district of Garhwal Himalayas 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01958-4 PMID:41381540	研究论文	本研究提出了一种用于滑坡风险评估的新型“空间集成”方法，并结合Segment Anything Model（SAM）在Garhwal Himalayas的Chamoli地区进行应用	提出了创新的“空间集成”方法，生成两种不同类型的“滑坡阻抗复合图”，并结合最先进的SAM模型自动检测建筑物，实现了滑坡风险评估的逐步创新方法	NA	开发一种新颖的滑坡风险评估方法，结合深度学习和机器学习技术	Garhwal Himalayas的Chamoli地区的滑坡风险区域	计算机视觉	NA	深度学习，机器学习	DenseNet, MLPNN, XGBoost, SAM	空间数据，图像数据	NA	NA	DenseNet神经网络	准确性，精确度	NA
1236	2025-12-15	Designing a residual-enhanced hybrid Prophet-LSTM framework for urban air pollution forecasting in Beijing 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27510-y PMID:41381676	研究论文	本研究提出了一种用于北京城市空气质量预测的残差增强混合Prophet-LSTM框架，旨在准确预测PM2.5浓度	提出了一种结合Prophet统计可解释性和LSTM非线性学习能力的残差增强混合预测框架，通过Prophet捕获长期趋势和季节性，LSTM建模残差中的复杂非线性依赖	未明确讨论模型在其他城市或污染物上的泛化能力，以及实时预测中的计算效率限制	开发一种数据驱动的混合框架，用于城市空气质量预测，以减轻空气污染对公共健康和城市可持续性的不利影响	北京空气质量数据集中的PM2.5浓度时间序列数据	机器学习	NA	时间序列分析，特征选择基于相关性分析	Prophet, LSTM	时间序列数据	NA	NA	Prophet+LSTM	MAE, RMSE	NA
1237	2025-12-15	Competitive swarm reinforcement learning improves stability and performance of deep reinforcement learning 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27498-5 PMID:41381742	研究论文	本文提出了一种名为竞争性群体强化学习的新框架，旨在解决深度强化学习中的稳定性问题	受进化计算中基于群体优化的启发，通过多样化的代理群体探索环境，共享样本池并降低超参数敏感性	NA	提高深度强化学习的稳定性和性能	强化学习代理	机器学习	NA	强化学习	深度强化学习	环境交互数据	NA	NA	NA	平均回报	NA
1238	2025-12-15	A deep learning approach to predict the results of root coverage procedures based on intraoral photographs: a retrospective study 2025-Dec-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07250-1 PMID:41382163	研究论文	本研究基于口内照片，利用深度学习模型预测根覆盖手术的结果	首次提出基于YOLO-v8的深度学习模型，用于自动标注牙周关键点并预测最大根覆盖效果，减少牙周医生主观偏差的影响	研究为回顾性设计，样本量有限（963颗牙齿），且仅验证了6个月术后结果，缺乏长期随访数据	建立能准确预测根覆盖手术结果的深度学习模型，以辅助手术规划和医患沟通	患有牙龈退缩的牙齿，基于口内照片进行分析	计算机视觉	牙周病	口内摄影	CNN	图像	963颗牙齿（408张口内照片）用于模型构建，114颗牙齿（50张口内照片）用于验证	PyTorch	YOLO-v8	平均径向误差, 标准径向误差	NA
1239	2025-12-15	Real-time deep learning-based image guiding and automated left ventricular measurements to reduce test-retest variability 2025-Dec-07, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003783 PMID:41360622	研究论文	本研究评估了结合实时深度学习引导和自动测量对左心室容积和应变测量变异性的影响	首次将实时深度学习引导工具与自动测量相结合应用于超声心动图，以降低测试-重测变异性	样本量较小（n=47），且仅针对混合心脏病理患者，结果可能无法推广到所有人群	评估AI辅助超声心动图在减少左心室测量变异性方面的效果	混合心脏病理患者	计算机视觉	心血管疾病	超声心动图	深度学习	图像	47名患者	NA	NA	变异系数	NA
1240	2025-12-15	Data-efficient and accurate rapeseed leaf area estimation by self-supervised vision transformer for germplasms early evaluation 2025-Dec-05, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01478-2 PMID:41351115	研究论文	本研究提出了一种基于自监督视觉变换器的数据高效框架，用于从智能手机拍摄的RGB图像中准确估算油菜叶面积，以支持早期种质资源评估	采用DINOv2自监督学习方法在多样化的非油菜公共植物数据集上预训练Vision Transformer骨干网络，并结合新颖的Canopy-Mix数据增强技术和混合损失函数来处理叶片遮挡问题	未明确说明模型在更广泛环境条件或不同生长阶段下的泛化能力，且依赖智能手机采集的图像质量	开发一种数据高效且准确的油菜叶面积估算方法，以支持早期高通量表型分析和育种加速	油菜叶片	计算机视觉	NA	智能手机RGB图像采集	Vision Transformer (ViT)	图像	未明确说明具体样本数量，但使用了大型聚合的非油菜公共植物数据集进行预训练，以及自定义油菜数据集进行微调	PyTorch (基于DINOv2方法推断)	Vision Transformer (ViT)	决定系数 (R²), 皮尔逊相关系数 (r)	NA