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
1981	2025-12-02	An efficient deep learning-based morphology aware hierarchical mixture of features for tuberculosis screening using segmentation of chest X-ray images 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19179-0 PMID:41309684	研究论文	本文提出了一种基于高效深度学习的层次特征融合方法，用于胸部X光图像的肺部分割和结核病筛查	结合了Res-UNet进行肺部分割，并融合了EfficientNetV2、CapsNet和卷积视觉变换器（CViT）进行特征提取，最后使用堆叠自编码器（SAE）进行分类，实现了高精度的结核病筛查	未提及模型在外部验证集或临床环境中的泛化能力，也未讨论计算资源需求或处理时间	开发一个自动化的深度学习框架，用于精确的肺部分割和结核病筛查，以支持早期诊断和临床决策	胸部X光图像	计算机视觉	结核病	胸部X光成像	深度学习	图像	未明确指定，但使用了CXR Masks and Labels数据集	未明确指定	Res-UNet, EfficientNetV2, CapsNet, Convolutional Vision Transformer (CViT), Stacked Autoencoder (SAE)	准确率	未提及
1982	2025-12-02	A novel framework using particle swarm optimization and long short-term memory networks for stock market forcasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26087-w PMID:41310345	研究论文	本研究提出了一种结合粒子群优化、长短期记忆网络和金融情感分析的智能混合框架，用于提高股票价格预测的准确性	将LSTM网络与元启发式优化算法（PSO、GWO、ARO）及基于FinBERT的金融情感分析相结合，构建了SEN_PSO_LSTM混合模型，在波动市场条件下显著提升了预测性能	未明确说明模型在不同市场周期或极端事件下的泛化能力，且情感特征仅来源于经济新闻，可能未涵盖所有市场影响因素	通过深度学习、超参数优化和情感分析的融合，提高股票价格预测的准确性和鲁棒性	七家跨行业上市公司股票（Apple、Amazon、Google、Microsoft、JPMorgan Chase、UnitedHealth Group、Toyota Motor）	机器学习	NA	金融情感分析、元启发式优化	LSTM	时间序列数据、文本数据（经济新闻）	七家公司的股票数据及对应新闻数据	TensorFlow/PyTorch（基于LSTM和FinBERT的典型框架）	单层LSTM、双层LSTM、三层LSTM、FinBERT	RMSE, MAE, R², MAPE	NA
1983	2025-12-02	A simple method for rapid reconstruction of 3D animal trajectory from monocular video 2025-Nov-27, Movement ecology IF:3.4Q2 DOI:10.1186/s40462-025-00608-8 PMID:41310862	研究论文	本文提出了一种基于单目视频和深度学习工具的三维动物运动轨迹重建方法，用于分析动物运动生态学	结合深度学习工具和针孔相机模型，开发了一种低成本、用户友好的三维动物运动轨迹重建方法，无需多摄像头或精确校准	方法在空间精度上存在平均偏差（空中运动0.09米，地面运动0.044米），且可能受限于单目视频的固有局限性	研究动物运动生态学，量化复杂动物在三维空间中的运动轨迹	动物（如蝙蝠）的运动，包括飞行、行走和捕食行为	计算机视觉	NA	单目视频分析	深度学习工具	视频	NA	NA	NA	平均偏差	NA
1984	2025-12-02	Enhanced YOLOv11 framework for high precision defect detection in printed circuit boards 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27415-w PMID:41298795	研究论文	本文提出了一种专为印刷电路板缺陷检测设计的增强型深度学习框架YOLOv11-PCB	集成了高效多尺度注意力模块、内容感知特征重组机制和优化的EIoU损失函数，显著提升了检测精度和计算效率	NA	实现印刷电路板的高精度自动化缺陷检测	印刷电路板	计算机视觉	NA	深度学习	CNN	图像	两个基准PCB缺陷数据集（北京大学PCB数据集和DeepPCB数据集）	PyTorch	YOLOv11	mAP@0.5, mAP@0.5:0.95, FPS	NA
1985	2025-12-02	Deep learning reveals how cells pull, buckle, and navigate fibrous environments 2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424047122 PMID:41269797	研究论文	本研究通过结合相位显微镜和深度学习技术，开发了DLFM方法，实时映射细胞在纤维环境中的力学力，揭示了细胞在纤维基质中迁移时机械力方向性如何超越ECM刚度作为收缩性的主要调节因子	首次将深度学习与细胞力学结合，实时可视化细胞在纤维环境中的力分布，发现张力各向异性是细胞行为的主调节因子，挑战了传统基于平坦基质的刚度驱动模型	研究主要基于体外纤维环境模拟，可能未完全复制体内复杂组织条件；DLFM技术的实时映射精度可能受纤维网络动态变化影响	探究细胞在生理纤维环境中如何建立和调节力学力，以解释细胞在可变形纤维环境中的迁移、分裂和分化行为	迁移细胞、干细胞在纤维细胞外基质中的力学行为	数字病理学	癌症	相位显微镜，深度学习，实时力映射	深度学习模型	图像	NA	NA	NA	NA	NA
1986	2025-12-02	Towards the theory for mitigating gradient issues and dead neurons in deep learning through a modified Gaussian activation function 2025-Nov-24, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108353 PMID:41319404	研究论文	本文提出了一种改进的高斯激活函数R-Gaussian，用于缓解深度学习中的梯度问题和神经元死亡现象	提出了一种动态适应预激活值的R-Gaussian激活函数，其调制参数C直接从输入分布推导，无需额外计算开销，在特定C值范围内能实现梯度稳定性和学习效率的最佳平衡	在Dry Bean数据集上的性能未优于Sigmoid函数	缓解深度学习中的梯度消失、梯度爆炸和神经元死亡问题	深度学习模型的激活函数	机器学习	NA	NA	深度神经网络,循环神经网络	图像数据,传感器数据	CIFAR数据集,Dry Bean数据集,UCI HAR数据集	NA	Vanilla RNN	准确率,梯度范数,收敛时间	NA
1987	2025-12-02	Multi-view subspace tensorization with attentive clustering embedding 2025-Nov-22, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108344 PMID:41319403	研究论文	本文提出了一种名为STANCE的新型深度多视图聚类框架，该框架通过张量建模和注意力机制有效捕获多视图数据中的高阶相关性和一致性信息	首次将张量建模整合到深度学习范式中用于多视图聚类，通过构建三阶张量并施加低秩约束来显式捕获视图间的高阶依赖关系，并引入基于注意力的自适应融合模块动态分配样本级权重	未明确说明模型的计算复杂度及对大规模数据集的扩展性，也未讨论对视图数量变化的鲁棒性	解决现有深度多视图聚类方法在建模视图间高阶相关性方面的不足，提升多视图数据聚类的性能	多视图数据	机器学习	NA	NA	自编码器, 注意力机制	多视图数据	多个基准数据集（具体数量未说明）	NA	STANCE（包含视图特定自编码器、张量低秩约束模块、注意力融合模块）	NA	NA
1988	2025-12-02	PL-Seg: Partially labeled abdominal organ segmentation via classwise orthogonal contrastive learning and progressive self-distillation 2025-Nov-21, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103885 PMID:41319623	研究论文	提出了一种名为PL-Seg的新框架，用于在腹部CT扫描中利用部分标注数据进行多器官分割	引入了三种创新方法：基于历史分割难度动态调整权重的硬度感知解耦前景损失、用于减少类间模糊性的类间正交对比损失，以及从深层高分辨率层向浅层低分辨率层蒸馏知识的渐进自蒸馏策略	NA	开发一种能够在部分标注数据（即每个体积中仅标注部分目标器官类别）下实现准确腹部多器官分割的方法	腹部CT扫描中的器官	数字病理	NA	计算机断层扫描	深度学习	医学图像	NA	NA	NA	NA	NA
1989	2025-12-02	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Nov-20, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习方法（UNet和pix2pix）在面部紫外线诱导荧光图像中自动分割卟啉和皮脂的应用	首次在面部卟啉和皮脂的紫外线荧光分割任务中，系统比较了传统分割网络（UNet）与生成对抗网络（pix2pix）两种深度学习方法	数据集多样性有限（仅49名受试者），且未在临床级成像系统上进行验证	评估和比较深度学习方法在面部紫外线诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外线诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外线诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	交并比, Dice系数	NA
1990	2025-12-02	Clinical-Grade Interpretable Artificial Intelligence Tool for Automated Detection of Lymph Node Metastasis in Prostate Cancer 2025-Nov-10, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100934 PMID:41223994	研究论文	本研究开发了一种临床级可解释人工智能工具，用于自动检测前列腺癌淋巴结转移	提出了一种利用有限标注数据集的新型AI模型，通过从无标签数据中识别并纳入最具信息量的实例进行迭代误差校正来优化学习轨迹	模型性能依赖于数据质量，且验证数据主要来自学术医疗中心，可能需在更广泛临床环境中进一步验证	开发一种准确、高效且可解释的AI工具，用于自动检测前列腺癌淋巴结转移，以辅助病理诊断	前列腺癌患者的淋巴结组织	数字病理学	前列腺癌	深度学习	深度学习模型	全切片图像	787张全切片图像和超过2000个淋巴结组织	NA	NA	AUC, 敏感性, 特异性	NA
1991	2025-12-02	Application of Deep Learning for Advanced Detection and Quantification of Drusen in Nonexudative AMD From Retinal Multispectral Imaging 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.35 PMID:41268988	研究论文	提出了一种基于深度学习的新方法，利用视网膜多光谱图像进行早期年龄相关性黄斑变性中玻璃膜疣的检测和量化	首次将深度学习模型应用于视网膜多光谱图像，利用多个非重叠光谱波段特征进行玻璃膜疣的自动检测和量化	样本量较小（170张玻璃膜疣和150张非玻璃膜疣视网膜图像），且仅针对单眼图像进行分析	开发一种自动检测和量化早期年龄相关性黄斑变性中玻璃膜疣的方法	早期非渗出性年龄相关性黄斑变性患者的视网膜多光谱图像	计算机视觉	年龄相关性黄斑变性	视网膜多光谱成像	CNN	图像	170张玻璃膜疣和150张非玻璃膜疣视网膜图像（单眼）	NA	UNet++, EfficientNetV2	Dice系数, 召回率, 精确率, 像素级分割准确率	NA
1992	2025-12-02	Generative Artificial Intelligence for Retinal Image Translation to Improve Glaucoma Screening With Deep Learning 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.36 PMID:41268987	研究论文	本研究利用生成对抗网络将扫描激光检眼镜图像转换为合成彩色眼底照片，以提升深度学习模型在青光眼筛查中的检测性能	首次应用CycleGAN将SLO眼底图像转换为合成CF照片，以解决数据域偏移问题并扩大训练数据集，从而优化青光眼自动检测	研究仅使用单一类型的SLO图像进行转换，未探索其他成像模态；合成图像的质量对模型性能的影响需进一步验证	通过图像转换技术改善青光眼的自动化筛查准确率	扫描激光检眼镜（SLO）图像和彩色眼底（CF）照片	计算机视觉	青光眼	扫描激光检眼镜成像	GAN	图像	16,936张SLO眼底照片	NA	CycleGAN	AUC, 灵敏度	NA
1993	2025-12-02	DLMUSE: Robust Brain Segmentation in Seconds Using Deep Learning 2025-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.240299 PMID:40960397	研究论文	介绍一种开源深度学习脑部分割模型DLMUSE，用于全自动脑部MRI分割，实现快速分割并促进大规模神经影像研究	开发了一个开源深度学习模型，分割速度比参考方法快10,000倍以上，性能与最先进方法相当，并提供了用户友好的Web界面	研究为回顾性，训练数据主要基于多图谱分割方法生成，可能存在标签偏差	实现快速、准确的脑部MRI全自动分割，以支持大规模神经影像研究	脑部MRI扫描图像	医学影像分析	阿尔茨海默病	MRI	CNN	图像	训练集1900个MRI扫描，验证集71,391个扫描来自14项研究	NA	NA	Dice相似系数, Pearson相关系数, 平均绝对误差, 准确率, F1分数	NA
1994	2025-10-31	Correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Nov, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105880 PMID:41161129	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1995	2025-12-02	A comprehensive benchmarking of the AlphaFold3 for predicting biomacromolecules and their interactions 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf616 PMID:41313605	研究论文	本文对AlphaFold3在预测生物大分子及其相互作用方面的性能进行了全面的基准测试	首次对AlphaFold3进行了全面的第三方基准测试，涵盖了九种不同的生物分子数据集，并与多种现有方法进行了系统比较	研究仅基于现有数据集进行基准测试，未涉及AlphaFold3在真实世界应用中的泛化能力和计算效率	评估AlphaFold3在预测生物大分子结构及其相互作用方面的性能	蛋白质单体、孤儿蛋白、替代构象、蛋白质多聚体、肽-蛋白质复合物、抗原-抗体复合物、RNA、RNA多聚体、蛋白质-核酸复合物	计算生物学	NA	深度学习	AlphaFold3, AlphaFold2, AlphaFold-Multimer, RoseTTAFoldNA, RhoFold+, NuFold, trRosettaRNA	生物分子结构数据	九个不同的数据集	NA	AlphaFold系列架构	TM-score, 局部距离差异测试分数, 相互作用网络保真度分数	NA
1996	2025-12-02	Progression and prospects of machine learning techniques in nanotoxicology: riding the AI-driven wave 2025-Nov, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2025.2536659 PMID:40717503	综述	本文系统总结了机器学习在纳米毒理学中的应用、挑战及未来前景	探讨了机器学习，特别是深度学习网络，在预测纳米颗粒毒性方面的潜力，并提出了整合其他计算方法以改进毒性评估的可能性	机器学习面临训练数据有限、模型可解释性问题以及纳米材料-生物相互作用复杂性等挑战	评估机器学习技术在纳米毒理学领域的应用，以改进纳米颗粒毒性评估方法	纳米颗粒及其在生态环境中的分布与毒性	机器学习	NA	机器学习，深度学习	深度学习网络	数据集	NA	NA	NA	NA	NA
1997	2025-12-02	Advanced deep learning for automatic classification of fired bullets from standard-issue firearms 2025-Nov, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101335 PMID:41320451	研究论文	本研究探索深度学习用于自动分类标准制式枪支发射的子弹标记，以提高法医枪支检验的准确性和减少主观性	采用三种不同的图像预处理策略（全景成像、LEA分割和线条分割）并结合预训练的ResNet50网络，实现了对高度相似子弹膛线标记的高精度分类，其中LEA分割策略表现最佳	研究仅基于中国执法机构常用的六种标准制式枪支的6000枚子弹数据集，可能未涵盖所有枪支类型或变异情况	通过AI驱动的解决方案提高法医枪支检验的效率和准确性，减少主观判断不一致的问题	从六种标准制式枪支发射的6000枚子弹	计算机视觉	NA	BalScan系统全景成像	CNN	图像	6000枚子弹	TensorFlow, PyTorch, Keras	ResNet50	分类准确率	NA
1998	2025-12-02	Ark+: Supervised training a single high-performance AI foundation model from many differently labeled datasets-no label consolidation required 2025-Oct-29, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103828 PMID:41319624	研究论文	本文提出了一种名为Ark的监督学习框架，能够在不进行标签统一的情况下，利用多个异构标注的公开数据集训练单一高性能AI基础模型	提出Ark框架，首次实现了无需人工标签统一即可聚合多个异构标注数据集进行监督训练，突破了跨数据集标签异质性的长期障碍	NA	开发一种能够利用多个公开异构标注数据集训练单一高性能AI基础模型的方法	胸部X光片（CXRs）和眼底摄影图像	医学影像分析	肺部疾病（包括肺炎等）	深度学习	基础模型	图像	Ark5使用335,484张CXRs，Ark6使用704,363张CXRs	PyTorch	多种架构（具体未指定）	分类、分割、定位任务的性能评估，性别偏差分析	NA
1999	2025-12-02	Hippocampal grey matter changes across scales in Alzheimer's Disease 2025-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.15.682705 PMID:41280080	研究论文	本研究利用ADNI数据集，通过深度学习模型分析阿尔茨海默病和轻度认知障碍患者海马体的宏观结构（如厚度和脑回）与微观结构变化	采用迭代训练范式调整现有深度学习模型，以捕捉老年及海马退化个体的海马拓扑结构，并首次结合宏观与微观结构变化，揭示AD和MCI中扩散方向与平均扩散系数的空间非重叠性	研究依赖于ADNI数据集，样本可能具有选择性偏差；未探讨其他神经退行性疾病的影响；深度学习模型的泛化能力需进一步验证	探究阿尔茨海默病和轻度认知障碍中海马体宏观与微观结构的变化特征	阿尔茨海默病患者、轻度认知障碍患者及健康老年对照个体	数字病理学	阿尔茨海默病	扩散MRI，深度学习	深度学习模型	MRI图像，扩散张量数据	ADNI数据集中的AD、MCI患者及健康对照个体	NA	NA	NA	NA
2000	2025-12-02	GhostFold: Accurate protein structure prediction using structure-constrained synthetic coevolutionary signals 2025-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.682177 PMID:41279404	研究论文	提出一种名为GhostFold的方法，可从单一氨基酸序列生成结构约束的合成多序列比对，用于高精度蛋白质结构预测	无需传统同源搜索，利用蛋白质语言模型和结构字母表生成具有折叠一致性的合成序列，解决了同源序列稀少蛋白质的结构预测难题	未明确说明方法对特定结构类型（如膜蛋白）的适用性，且合成序列的进化合理性有待进一步验证	开发不依赖深度多序列比对的蛋白质结构预测方法	孤儿蛋白质、高变抗体环等难以通过传统方法预测结构的蛋白质	计算结构生物学	NA	蛋白质语言模型（ProstT5）、3Di结构字母表	深度学习模型	氨基酸序列、结构表示	NA	NA	AlphaFold2	pLDDT	计算轻量级（具体资源未说明）