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
181	2026-01-28	AI-assisted rapid on-site evaluation ROSE of EUS-FNA cytopathology for pancreatic solid lesions: A two-stage deep learning approach 2025 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000154 PMID:41585852	研究论文	本研究开发并验证了一种基于两阶段深度学习的诊断模型，用于自动分析ROSE过程中手机拍摄的胰腺实性病变EUS-FNA细胞学图像，旨在实现诊断自动化并提高效率	提出了一种新颖的两阶段深度学习模型，结合YOLOv8n-p2进行鲁棒的组织细胞检测和DenseNet201进行恶性或正常分类，以处理移动设备捕获的复杂、多变的EUS-FNA图像	研究为回顾性设计，样本量相对较小（92名患者），且图像均来自单一中心，可能影响模型的泛化能力	开发并验证一个自动化AI辅助诊断系统，以支持胰腺实性病变的EUS-FNA快速现场评估（ROSE）过程	胰腺实性病变患者的EUS-FNA细胞学图像	数字病理学	胰腺癌	EUS-FNA细胞学成像	深度学习	图像	来自92名患者的882张EUS-FNA细胞学图像	PyTorch	YOLOv8n-p2, DenseNet201	准确率, AUC-PR, AUC-ROC	NA
182	2026-01-28	OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG 2025-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110854 PMID:40857816	研究论文	本文介绍了一种名为OpenSpindleNet的开源深度学习网络，用于在头皮和颅内脑电图中可靠检测睡眠纺锤波	采用双头架构增强性能、鲁棒性和易用性，在颅内脑电图检测中表现优于现有方法	NA	开发一种精确、自动的睡眠纺锤波检测方法，以理解其在睡眠生理和脑健康中的作用	睡眠纺锤波，一种在轻度非快速眼动睡眠期间发生的振荡性脑活动	机器学习	NA	脑电图	深度学习网络	脑电图数据	NA	NA	双头架构	F1分数	NA
183	2026-01-28	Artificial intelligence and multimodal diagnostic approaches in cardiovascular disease 2025 Oct-Dec, Archivos peruanos de cardiologia y cirugia cardiovascular DOI:10.47487/apcyccv.v6i4.532 PMID:41582934	综述	本文评估了人工智能在心血管疾病诊断中的影响和临床应用潜力，重点关注其相较于传统方法在准确性、效率和可靠性方面的改进	系统性地整合了多模态诊断方法（影像、信号、生物标志物）的人工智能应用评估，并强调了可解释性技术和临床工作流程整合的重要性	外部验证性能下降、对异质人群的泛化能力有限、临床医生因可解释性不足而接受度低	评估人工智能模型在心血管诊断中的临床适用性和潜在影响	心血管疾病	机器学习	心血管疾病	机器学习、深度学习算法	集成模型	影像模态、心电图信号、心音图信号、临床生物标志物、蛋白质组学生物标志物	NA	NA	NA	准确率、ROC曲线下面积	NA
184	2026-01-28	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2025-Sep-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	研究论文	本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞静纤毛束的3D形态	开发了首个集成五种深度学习模型的Napari插件套件，用于耳蜗毛细胞静纤毛束的自动化3D分析，并提供了首个开源的手动标注3D数据集	NA	开发一个自动化工具，以解决耳蜗毛细胞静纤毛束复杂3D形态分析的挑战	耳蜗毛细胞静纤毛束	计算机视觉	NA	共聚焦显微镜，鬼笔环肽染色	深度学习模型	3D图像堆栈	约55个3D堆栈，包含502个内毛细胞束和1703个外毛细胞束的实例分割标注	Napari	Z-Focus Tracker, PCPAlignNet, 分割模型, 分类模型	NA	NA
185	2026-01-28	Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants 2025-Sep-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.18.25336004 PMID:41001491	研究论文	本研究利用深度学习模型，通过早产儿视网膜图像预测支气管肺发育不良和肺动脉高压	首次将早产儿视网膜筛查图像与心肺疾病预测结合，提出多模态模型整合图像特征与人口统计学风险因素，优于单一特征模型	样本量相对有限（BPD队列99例，PH队列37例测试集），且图像仅限于孕后年龄≤34周，可能影响模型泛化能力	探索早产儿视网膜图像是否包含与支气管肺发育不良和肺动脉高压相关的特征，并开发多模态预测模型	493名有早产儿视网膜病变风险的早产儿，接受常规视网膜筛查	数字病理学	心血管疾病	视网膜成像，超声心动图	深度学习，支持向量机	图像，人口统计学数据	493名早产儿（BPD测试集99例，PH测试集37例）	NA	ResNet18	AUC	NA
186	2026-01-28	A multimodal artificial intelligence system for the detection and diagnosis of solid pancreatic lesions under EUS 2025 Sep-Oct, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000145 PMID:41583348	研究论文	本研究开发了一种基于深度学习的多模态人工智能系统，用于在超声内镜下检测和诊断实性胰腺病变	开发了首个整合超声内镜B模式图像、超声内镜弹性成像图像和临床数据的多模态AI系统，用于实性胰腺病变的诊断，超越了现有仅关注单一模态的AI模型	研究为单中心回顾性分析，样本量相对有限（492名患者），未来需要多中心前瞻性研究进行验证	提高实性胰腺病变的诊断准确性，以辅助治疗规划	实性胰腺病变	数字病理学	胰腺癌	超声内镜，包括B模式成像和弹性成像	CNN	图像，临床数据	492名在武汉大学人民医院接受超声内镜检查的实性胰腺病变患者	NA	DCNN	准确率，灵敏度，特异性，AUC，Dice系数	NA
187	2026-01-28	UNISELF: A Unified Network with Instance Normalization and Self-Ensembled Lesion Fusion for Multiple Sclerosis Lesion Segmentation 2025-Aug-06, ArXiv PMID:41479462	研究论文	提出一种名为UNISELF的深度学习方法，用于多发性硬化病灶的自动分割，旨在同时优化域内准确性和跨域泛化能力	结合了测试时自集成病灶融合和测试时实例归一化，以处理域偏移和输入对比度缺失问题	仅基于单一有限数据源（ISBI 2015训练数据集）进行训练，可能未涵盖所有临床场景的多样性	开发一种能够同时提高域内分割精度和跨域泛化性能的多发性硬化病灶自动分割方法	多发性硬化病灶	数字病理	多发性硬化	多对比磁共振成像	深度学习	图像	基于ISBI 2015纵向多发性硬化分割挑战训练数据集，并在多个公共和私有测试数据集上评估	未明确指定	未明确指定	未明确指定	未明确指定
188	2026-01-28	Learning Biophysical Dynamics with Protein Language Models 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了SeqDance和ESMDance两种蛋白质语言模型，用于学习蛋白质的生物物理动力学特性	首次将分子动力学模拟和正常模式分析得到的动态生物物理特性整合到蛋白质语言模型中，以捕捉蛋白质的动态本质	模型训练依赖于模拟数据，可能受限于模拟的准确性和覆盖范围	开发能够预测蛋白质动态行为和突变效应的深度学习模型	超过64,000个蛋白质的动态生物物理特性	自然语言处理	NA	分子动力学模拟，正常模式分析	蛋白质语言模型	序列数据，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance (基于ESM2)	零样本预测性能	NA
189	2026-01-28	Bridging the Gap Between Accuracy and Efficiency in AI-Based Breast Cancer Diagnosis from Histopathological Data 2025-06-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17132159 PMID:40647456	研究论文	本研究提出了一种名为CellSage的新型轻量级深度学习模型，用于从组织病理学图像中诊断乳腺癌，旨在平衡诊断准确性与计算效率	提出了一种集成了多尺度特征提取、深度可分离卷积和卷积块注意力模块（CBAM）的新型CNN架构，在保持高精度的同时显著降低了模型参数量和计算负担	研究仅在BreakHis数据集上进行训练和评估，未在其他独立数据集或真实临床环境中进行广泛验证	设计一个轻量且高性能的深度学习模型，以解决乳腺癌组织病理学诊断中准确性与计算效率之间的权衡问题	乳腺癌的组织病理学图像	数字病理学	乳腺癌	染色归一化（通过对比增强建模，CAM），数据增强	CNN	图像	BreakHis数据集	NA	CellSage（集成多尺度特征提取、深度可分离卷积、CBAM）	准确率，F1分数，AUC	NA
190	2026-01-28	AI-Based Detection of Optical Microscopic Images of Pseudomonas aeruginosa in Planktonic and Biofilm States 2025-Apr, Information (Basel) DOI:10.3390/info16040309 PMID:41550100	研究论文	本文报告了一种基于深度学习的AI模型，用于高精度检测铜绿假单胞菌在浮游和生物膜状态下的光学显微镜图像	首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇预防生物膜形成，实现高效检测	未提及模型在多样化环境或不同细菌物种上的泛化能力评估	开发一种准确高效的生物膜检测与预防方法	铜绿假单胞菌的浮游状态和生物膜状态	计算机视觉	NA	光学显微镜成像，适配体DNA模板银纳米簇技术	深度学习	图像	大体积亮场图像（具体数量未说明）	NA	U-Net, ResNet18, ResNet34	NA	NA
191	2026-01-28	The impact of machine learning on ethological neuroscience 2025, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2025.1745658 PMID:41583728	综述	本文是一篇关于机器学习在行为神经科学中应用的迷你综述，重点探讨了无标记姿态估计和无监督行为聚类等技术的进展及其在研究流程中的作用	综述了机器学习如何通过无标记姿态估计和无监督行为聚类等技术，将视频摄像头转化为高分辨率测量设备，并实现大规模行为记录的分析，从而在实验室和野外研究中提升行为与神经数据整合的精度与规模	处理高维数据集仍存在挑战，且综述性质文章未提供具体实验数据或模型性能的详细评估	探讨机器学习在行为神经科学领域的应用，旨在通过量化工具提升动物行为研究的生态效度和实验严谨性	动物行为，特别是其运动学特征与神经活动之间的关系	机器学习	NA	无标记姿态估计，无监督行为聚类，深度学习图像处理	深度学习	视频，图像	NA	NA	NA	NA	NA
192	2026-01-28	Validity and accuracy of a machine learning predictive model in the exploitation of patient-related outcomes in spine surgery 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1710512 PMID:41583840	研究论文	本研究前瞻性验证了一种深度学习算法在预测腰椎手术患者临床结局方面的准确性和有效性	首次前瞻性验证了深度学习算法在预测腰椎手术患者最小临床重要差异结局方面的准确性，并采用了结合Oswestry功能障碍指数、阿片类药物使用和运动功能丧失的复合MCID定义	样本量相对较小（103例患者），随访时间较短（8个月），且为多中心研究可能存在数据异质性	验证机器学习预测模型在脊柱手术患者结局预测中的有效性和准确性	接受腰椎减压手术的患者	机器学习	脊柱疾病	深度学习算法	深度学习	临床数据（患者报告结局、用药记录、运动功能评估）	119例术前入组患者，其中103例获得术后随访数据	NA	NA	准确率, ROC曲线下面积	NA
193	2026-01-28	Explainable AI-driven MRI-based brain tumor classification: a novel deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1700214 PMID:41584219	研究论文	本研究开发了一种基于可解释AI的深度学习框架，用于MRI脑肿瘤分类	结合了可解释AI技术（如Grad-CAM、LIME）来可视化模型决策过程，并探索了与大型语言模型（LLMs）的未来集成潜力	未明确说明数据集的来源、样本的具体数量或多样性，且未详细讨论模型在临床实时部署中的实际验证	开发高效的深度学习框架，以精确分类脑肿瘤，改善患者诊断和治疗规划	MRI数据中的脑肿瘤，分类为正常、胶质瘤、垂体瘤和脑膜瘤	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	DenseNet50, VGG19, 4-conv-1-dense-1-dropout CNN	准确率	NA
194	2026-01-28	Detection of protein-losing enteropathy (PLE) ultrasonographic imaging features in dogs using deep learning neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1707957 PMID:41584227	研究论文	本研究利用深度学习神经网络开发了一个基于超声图像的模型，用于区分犬类中的蛋白丢失性肠病与非蛋白丢失性慢性炎症性肠病	首次在兽医医学中应用基于AI的深度学习模型，通过超声图像自动检测和区分蛋白丢失性肠病，提高了诊断效率和准确性	研究为初步试点，样本量较小（仅59只犬），可能影响模型的泛化能力，且未在更广泛或多样化的临床环境中验证	开发一个AI模型，以辅助兽医临床中慢性炎症性肠病和蛋白丢失性肠病的诊断和亚分类	犬类（具体为患有慢性炎症性肠病或蛋白丢失性肠病的犬）	数字病理学	蛋白丢失性肠病	超声成像（B模式）	深度学习神经网络	图像	59只犬	NA	NA	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
195	2026-01-28	Genetic risk predictions using deep learning models with summary data 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1657021 PMID:41584515	研究论文	本文探讨了在仅能获取遗传摘要数据（如连锁不平衡矩阵）的情况下，深度学习模型在遗传风险预测中的应用潜力	首次系统评估了深度学习模型（包括深度神经网络、卷积神经网络、循环神经网络和Transformer）在仅使用遗传摘要数据而非个体水平数据时的性能表现	研究主要基于模拟研究和真实数据分析，可能未覆盖所有实际应用场景；且摘要数据的可用性可能受限于数据共享政策	比较深度学习模型在使用个体水平遗传数据与遗传摘要数据进行遗传风险预测时的性能差异	遗传摘要数据（如连锁不平衡矩阵）和个体水平遗传数据	机器学习	NA	NA	深度神经网络, 卷积神经网络, 循环神经网络, Transformer	遗传摘要数据, 个体水平遗传数据	NA	NA	NA	均方误差	NA
196	2026-01-28	Recent advance in early oral lesion diagnosis: the application of artificial intelligence-assisted endoscopy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1686356 PMID:41584615	综述	本文综述了人工智能辅助内窥镜技术在早期口腔鳞状细胞癌（OSCC）诊断中的最新进展与应用	利用深度学习模型（如Mask R-CNN和U-Net）实现自动化病变检测、分割和分类，提升诊断精度并减少人为误差	面临标准化数据集缺乏、预处理方法需优化、AI模型过拟合以及伦理、数据隐私和临床验证需求等挑战	优化早期OSCC的诊断与管理，改善患者预后并减轻全球疾病负担	口腔鳞状细胞癌（OSCC）	数字病理学	口腔癌	白光成像、窄带成像、自体荧光成像	深度学习	内窥镜图像	NA	NA	Mask R-CNN, U-Net	NA	NA
197	2026-01-28	Enhancing multiclass plant disease classification using GAN-boosted vision transformer with XAI insights 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1649399 PMID:41584666	研究论文	本文提出了一种名为GRG-ViT的新型多类水稻叶片病害识别模型，该模型集成了Vision Transformer、生成式人工智能和可解释人工智能技术，以提高分类性能	结合Vision Transformer、生成式人工智能和可解释人工智能，提出了一种混合ReLU-GELU激活机制，并利用生成式人工智能解决类别不平衡问题	未提及	开发一种高精度的多类水稻叶片病害分类模型，以支持精准农业	水稻叶片图像	计算机视觉	植物病害	深度学习	Vision Transformer	图像	未提及	未提及	Vision Transformer	准确率	未提及
198	2026-01-28	Deep learning-based approaches for weed detection in crops 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1746406 PMID:41584680	综述	本文全面综述了基于深度学习的杂草检测方法，重点分析了目标检测、图像分割和图像分类三大模型家族的代表性架构、算法特征及农业应用场景	系统性地比较了不同深度学习模型在杂草检测中的优势与局限，并探讨了应对数据集稀缺、标注成本高、杂草形态多变等挑战的新兴解决方案	作为综述文章，未提出新的算法模型，主要基于现有研究进行总结与分析	为下一代智能除草系统的开发提供指导，推动可扩展、数据高效且精准集成的杂草管理	农作物中的杂草	计算机视觉	NA	深度学习	目标检测, 图像分割, 图像分类	图像	NA	NA	NA	NA	NA
199	2026-01-28	Osteosarcopenia: key molecular mechanisms and translational perspectives 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1723522 PMID:41584796	综述	本文旨在构建一个“细胞内-细胞间-系统”的层次化框架，系统阐述骨肌减少症的发病机制，并探讨前沿干预措施及其临床转化前景	提出从单一器官病理学研究转向多维交互作用阐释的研究范式转变，并构建了“细胞内-细胞间-系统”的层次化框架来系统阐述骨肌减少症的发病机制	本文为综述性文章，未进行原始实验研究，所讨论的干预措施大多处于前沿探索阶段，临床转化效果有待验证	阐明骨肌减少症的分子机制，探索其前沿干预措施及临床转化前景	骨肌减少症（骨质疏松与肌肉减少症共存综合征）	NA	老年病	深度学习CT分析	NA	NA	NA	NA	NA	NA	NA
200	2026-01-28	Developing a Deep Learning Approach for Automated Body Composition Prediction in Newborns Using Ultrasound Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3639889 PMID:41585011	研究论文	本研究开发了一种结合新型超声扫描协议和深度学习分析流程的方法，用于从新生儿超声图像中自动预测身体成分（脂肪质量和去脂体重）	首次展示了利用深度学习从超声图像中自动预测人体身体成分，为评估营养不良的新型超声扫描和解释协议奠定了关键基础	研究样本量较小（仅65名早产儿），且仅针对特定解剖位置（肱二头肌、腹部和股四头肌）的超声图像进行分析	开发一种自动化的身体成分预测方法，以研究营养不良及营养干预效果	早产儿的身体成分（脂肪质量和去脂体重）	计算机视觉	营养不良	超声成像	CNN	图像	65名早产儿	NA	EfficientNet-B1	平均绝对百分比误差（MAPE）	NA