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
1241	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
1242	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
1243	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
1244	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
1245	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
1246	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
1247	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
1248	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
1249	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
1250	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
1251	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
1252	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
1253	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
1254	2025-12-15	Mechanistic Insights into Anti-Melanogenic Effects of Fisetin: PKCα-Induced β-Catenin Degradation, ERK/MITF Inhibition, and Direct Tyrosinase Suppression 2025-Dec-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311739 PMID:41373883	研究论文	本研究揭示了黄酮类化合物非瑟酮通过激活PKCα、抑制ERK/MITF通路及直接抑制酪氨酸酶，从而减少黑色素生成的多靶点作用机制	首次系统阐明非瑟酮通过PKCα诱导β-catenin降解、ERK/MITF抑制及直接酪氨酸酶抑制的三重抗黑色素生成机制，并整合深度学习CNN评分进行分子对接验证	研究仅基于体外人类黑色素瘤细胞模型，未进行动物实验或临床试验验证	探究非瑟酮的抗黑色素生成作用机制及其在色素沉着疾病治疗中的应用潜力	人类黑色素瘤细胞	计算生物学	色素沉着疾病	分子对接、深度学习CNN评分、细胞毒性检测、蛋白质印迹	CNN	分子结构数据、细胞实验数据	未明确样本数量，使用人类黑色素瘤细胞系	NA	NA	NA	NA
1255	2025-12-15	Evaluation of Model Performance and Clinical Usefulness in Automated Rectal Segmentation in CT for Prostate and Cervical Cancer 2025-Dec-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233090 PMID:41374471	研究论文	本研究开发了一种基于深度学习的性别感知两阶段管道，用于在盆腔CT图像中自动分割直肠，以提升前列腺癌和宫颈癌放疗计划中的分割准确性和临床实用性	通过结合性别分类模型与性别感知的U-Net分割网络，显式建模了男女性别间的解剖差异，从而提高了直肠分割的解剖一致性和性能	研究仅基于186名患者的数据进行内部验证，缺乏外部验证集，且样本量相对有限	评估自动直肠分割模型在盆腔CT图像中的性能及其在前列腺癌和宫颈癌放疗计划中的临床实用性	186名前列腺癌或宫颈癌患者的盆腔CT扫描图像	数字病理	前列腺癌,宫颈癌	CT扫描	CNN,U-Net	图像	186名患者（前列腺癌和宫颈癌）	NA	U-Net	Dice相似系数,豪斯多夫距离,平均表面距离,准确率,AUC	NA
1256	2025-12-15	MS-Detector: A Hierarchical Deep Learning Method to Detect Muscle Strain Using Bilateral Symmetric Ultrasound Images of the Body 2025-Dec-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233087 PMID:41374468	研究论文	本研究开发并评估了MS-Detector，一种基于对称性感知的两阶段深度学习模型，利用双侧B型超声图像自动检测肌肉拉伤，为临床医生提供一致的二次阅读决策支持工具	提出了一种结合YOLOv5检测器和Siamese CNN的分层深度学习框架，利用双侧对称性超声图像来过滤假阳性，提高肌肉拉伤检测的精确度	研究数据集规模有限（559对双侧图像），未来需评估模型在不同扫描仪和中心的泛化能力，并探索概率融合和病变分级	开发一个自动检测肌肉拉伤的深度学习模型，以减少超声诊断中的主观性差异	肌肉拉伤患者的双侧B型超声图像	计算机视觉	肌肉拉伤	B型超声成像	CNN, YOLO	图像	559对双侧超声图像，来自86名患者	PyTorch	YOLOv5, Siamese CNN	mAP, 召回率, 精确率, F1分数, F2分数	NA
1257	2025-12-15	Intraocular Cytokine Level Prediction from Fundus Images and Optical Coherence Tomography 2025-Dec-04, Sensors (Basel, Switzerland) DOI:10.3390/s25237382 PMID:41374757	研究论文	本研究旨在利用深度学习模型从眼底彩色照片和光学相干断层扫描图像预测眼内细胞因子浓度	首次系统比较了基于眼底照片和OCT的深度学习模型在眼内细胞因子预测中的应用	预测性能普遍较差，所有方法的平均R值均低于零，数据集规模较小	探索视网膜图像与眼内细胞因子谱之间的关系，并预测细胞因子浓度	139名患者（152只眼睛）的176个房水样本，涉及多种眼部疾病	计算机视觉	年龄相关性黄斑变性, 眼内炎, 白内障, 视网膜静脉阻塞, 糖尿病性黄斑水肿	眼底彩色照相, 光学相干断层扫描	CNN	图像, 临床数据	139名患者（152只眼睛）的176个房水样本	AutoGluon	ResNet18	决定系数R	NA
1258	2025-12-15	Towards In-Vehicle Non-Contact Estimation of EDA-Based Arousal with LiDAR 2025-Dec-04, Sensors (Basel, Switzerland) DOI:10.3390/s25237395 PMID:41374770	研究论文	本文探索了使用LiDAR作为新型传感模态，非接触式估计基于EDA的唤醒状态的可行性	首次提出使用LiDAR远程估计基于EDA的唤醒状态，无需直接皮肤接触，解决了当前驾驶员监控系统的一个核心限制	在留一受试者评估中，跨受试者泛化能力面临挑战，算法本身并非主要研究焦点，仅用于验证方法的可行性	评估LiDAR作为非接触式传感模态，用于估计驾驶员基于EDA的唤醒状态的可行性，以提升驾驶安全与用户体验	驾驶员的前额LiDAR反射强度信号与基于手指的传统EDA信号	机器学习	NA	LiDAR（光探测与测距）	CNN, LSTM, TCN, Random Forest, Extra Trees	LiDAR反射强度信号序列	NA	NA	Temporal Convolutional Network	平均绝对误差, 相关系数	NA
1259	2025-12-15	Artificial Intelligence for Predicting Difficult Airways: A Review 2025-Dec-04, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238600 PMID:41375910	综述	本文综述了人工智能和机器学习模型在预测困难气道方面的应用，并与传统临床方法进行了比较	系统评估了AI/ML模型在困难气道预测中的性能，特别强调了MixMatch半监督深度学习模型的优越表现，并分析了模型的方法学稳健性、临床适用性及伦理考量	方法学异质性、缺乏标准化评估指标、人群多样性有限以及模型可解释性框架和伦理挑战（如数据隐私和算法偏见）关注不足	评估和比较人工智能与机器学习模型在预测困难气道方面的性能，以提升麻醉学和急诊医学中的患者安全	用于预测困难气道的人工智能和机器学习模型	机器学习	NA	NA	深度学习	图像, 临床参数	NA	NA	MixMatch	AUC, 灵敏度, 特异性	NA
1260	2025-12-15	Molecular-Level Identification of Liquor Vintage via an Intelligent Electronic Tongue Integrated with a One-Dimensional Convolutional Neural Network 2025-Dec-03, Sensors (Basel, Switzerland) DOI:10.3390/s25237350 PMID:41374725	研究论文	本研究开发了一种集成一维卷积神经网络的智能电子舌系统，用于快速、准确地识别白酒的陈酿年份	首次将一维卷积神经网络与自制的多电极电化学传感电子舌系统结合，用于白酒年份识别，并实现了迄今为止基于电子舌的最高预测准确率	研究仅针对连续五年、每年间隔一年的特定白酒年份进行识别，未涵盖更广泛或非连续年份范围，且系统在真实市场大规模应用中的鲁棒性有待进一步验证	开发一种客观、可重复、高通量的方法来替代传统主观感官评价，以实现白酒陈酿年份的准确识别，应用于产品真伪鉴别和市场价值优化	以特定间隔年份（一年间隔）生产的连续五个年份的白酒	机器学习	NA	电化学传感， MEMS温度传感	SVM, Random Forest, 1D-CNN	电化学传感器信号数据	涉及五个连续年份的白酒样本（具体样本数量未在摘要中明确）	NA	一维卷积神经网络	准确率	NA