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
2021	2025-12-04	Depth Perception Based on the Interaction of Binocular Disparity and Motion Parallax Cues in Three-Dimensional Space 2025-05-17, Sensors (Basel, Switzerland) DOI:10.3390/s25103171 PMID:40431963	综述	本文系统总结了基于双眼视差和运动视差线索的三维空间深度感知研究	从单一线索研究转向两种线索交互的定量研究，并总结和比较了多种深度感知模型	未提出新的实验数据或模型，主要基于现有文献的总结和分析	总结双眼视差和运动视差线索在三维空间深度感知中的研究进展	人类视觉系统的深度感知机制	计算机视觉	NA	NA	NA	NA	NA	NA	NA	NA	NA
2022	2025-12-04	An explainable deep learning platform for molecular discovery 2025-04, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-024-01084-x PMID:39653800	研究论文	介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素结构类别的识别	结合Chemprop软件包中的图神经网络，提供可解释的深度学习平台，能识别预测活性的化学亚结构，并高效搜索大型化学空间	未提及具体性能限制或数据偏差问题	开发一个可解释的深度学习平台，用于分子发现，以识别具有所需活性的结构类别	小分子化合物，包括抗生素、抗癌、抗病毒和衰老相关药物，以及无机分子	机器学习	NA	图神经网络	图神经网络	化学结构数据	NA	Chemprop	图神经网络	NA	无需专用硬件
2023	2025-12-04	Polyhedra Encoding Transformers: Enhancing Diffusion MRI Analysis Beyond Voxel and Volumetric Embedding 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047244 PMID:41322092	研究论文	本文提出了一种名为多面体编码变换器（PE-Transformer）的新方法，用于处理扩散磁共振成像（dMRI）中的球形信号，通过将二十面体多边形投影到单位球面上进行重采样，并利用变换器编码器处理嵌入信号，以提升多室模型和纤维方向分布（FOD）的估计精度	该方法首次针对dMRI的球形信号特性设计，通过二十面体投影和重采样技术，结合变换器编码器处理方向信息，克服了传统深度学习模型在像素或体积块级嵌入中的局限性，并考虑了梯度编码的独特分布	NA	增强扩散磁共振成像（dMRI）数据分析的准确性，特别是在估计多室模型和纤维方向分布（FOD）方面	扩散磁共振成像（dMRI）数据，特别是球形信号和梯度编码协议	神经影像学	NA	扩散加权磁共振成像（dMRI），球形信号重采样	变换器（Transformer）	图像（扩散磁共振成像数据）	NA	NA	变换器编码器（Transformer encoder）	准确性	NA
2024	2025-12-04	Brain-inspired learning rules for spiking neural network-based control: a tutorial 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00436-6 PMID:39781065	综述	本文回顾了受大脑启发的学习规则及其在基于脉冲神经网络的机器人控制任务中的应用	系统性地总结了脉冲神经网络在控制任务中的应用，并探讨了将全局第三因子与脉冲时序依赖可塑性结合的方法及其改进	NA	探讨脉冲神经网络在机器人控制任务中的应用，以解决深度神经网络在实时处理中的能耗和延迟问题	脉冲神经网络、生物启发学习规则、机器人控制系统	机器学习	NA	脉冲神经网络、脉冲时序依赖可塑性	脉冲神经网络	时空信息	NA	NA	NA	NA	神经形态硬件
2025	2025-12-04	High-Resolution Underwater Creature Segmentation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3633990 PMID:41284419	研究论文	本文提出了首个用于水下生物分割的高分辨率数据集UCS4K，并设计了一种名为RADAR的双分支网络来解决高分辨率水下图像分割中的效率与精度权衡问题	首次构建了大规模高分辨率水下生物分割数据集UCS4K，并提出了一种分辨率非对称的双分支对齐与精炼网络RADAR，通过CNN分支保持高分辨率空间细节，Transformer分支建模全局语义，并引入全局语义对齐和双向协作精炼模块解决分支间的语义错位问题	未明确提及，但可能包括数据集的物种覆盖范围、在极端水下环境下的泛化能力等	解决高分辨率水下生物图像分割的挑战，提升分割精度	水下生物图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	4,096张带有像素级标注的高分辨率图像	PyTorch	RADAR（基于CNN和Transformer的双分支架构）	准确率, 精度, 召回率, F1分数, AUC, Dice系数	NA
2026	2025-12-04	Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/8074581 PMID:41321694	研究论文	本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性	提出了一种混合CNN-ML方法，相比传统仅使用CNN的方法，在寄生虫分类任务中实现了更高的准确率	数据集规模较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力	构建一个预测模型，用于从显微镜图像中分类土壤传播性蠕虫病和血吸虫病	显微镜图像中的寄生虫卵，包括钩虫、血吸虫病、阴性样本等五类	计算机视觉	寄生虫病	显微镜成像	CNN, ViT, SVM, XGBoost, KNN, RF, DT	图像	1490张图像	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT	准确率	NA
2027	2025-12-04	Automated Technique for Brain Tumor Detection From Magnetic Resonance Imaging Based on Local Features, Ensemble Classification, and YOLOv3 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5531209 PMID:41321695	研究论文	本文探索了一种基于局部特征、集成分类和YOLOv3的自动化方法，用于从脑部MRI扫描中检测脑肿瘤	提出了两种新颖技术：一种使用SVM和KNN的集成分类方法，另一种采用YOLOv3深度学习模型进行肿瘤检测和定位	未明确说明研究的具体局限性，如数据集规模、模型泛化能力或临床验证的不足	开发一种新颖的自动化脑肿瘤检测技术，以解决传统方法识别缓慢和人为错误的问题	脑部MRI扫描图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI	集成分类器, YOLOv3	图像	开源数据集和从巴基斯坦拉合尔医院收集的数据，具体样本数量未明确	NA	YOLOv3	准确率, 精确率, 召回率, 平均交并比	NA
2028	2025-12-04	Differences in abundance and functional intensity of characteristic microorganisms of tea plant rhizosphere soils contribute to the differentiation of tea quality in different rocky zones 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1704146 PMID:41321831	研究论文	本研究通过分析武夷岩茶不同岩区（正岩、半岩、洲茶）茶树根际土壤和叶片样本，揭示了根际微生物群落差异对茶叶品质形成的影响机制	首次结合机器学习深度学习识别出关键特征微生物属（如Aspergillus和Penicillium），并揭示其丰度与茶叶品质指标、土壤理化性质及功能强度的显著正相关关系	研究主要基于相关性分析，未通过实验验证微生物功能对茶叶品质的直接因果作用，且样本范围限于武夷岩茶特定岩区	探究不同岩区茶树根际微生物群落差异如何影响武夷岩茶“岩韵”品质的形成	武夷岩茶茶树根际土壤微生物群落及茶叶品质指标（儿茶素、茶氨酸、咖啡因含量）	微生物生态学	NA	土壤理化分析、微生物群落分析、功能预测分析	机器学习深度学习	土壤样本、叶片样本、微生物群落数据	来自正岩、半岩、洲茶三个岩区的茶树根际土壤和叶片样本	NA	NA	NA	NA
2029	2025-12-04	An integrative structural biology approach to identify the binding mode of a nanobody towards the pea ascorbate peroxidase 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.024 PMID:41321999	研究论文	本研究通过整合交联质谱、氢氘交换质谱与建模技术，预测了纳米抗体与豌豆抗坏血酸过氧化物酶的结合模式	提出了一种结合实验数据与建模的混合方法，以较低实验成本获得准确的生物分子结合模式预测，并设计了验证性突变体	深度学习模型对新靶标及难建模生物分子类别（如纳米抗体）的无约束预测仍不够可靠	优化生物传感器等诊断设备，需理解捕获与靶标生物分子相互作用的分子细节	纳米抗体与豌豆抗坏血酸过氧化物酶（植物氧化应激生物标志物）的复合物	结构生物学	NA	交联质谱、氢氘交换质谱、建模	深度学习模型	质谱数据、结构模型	NA	NA	NA	NA	NA
2030	2025-12-04	AI driven network pharmacology: Multi-scale mechanisms of traditional Chinese medicine from molecular to patient analysis 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.016 PMID:41322006	综述	本文系统回顾了人工智能驱动的网络药理学方法在揭示中药从分子到患者的多尺度作用机制方面的最新进展	将人工智能（特别是机器学习、深度学习和图神经网络）与网络药理学结合，以系统、准确地分析中药从分子相互作用到患者疗效的跨尺度机制	传统网络药理学方法存在噪声大、维度高、难以捕捉动态和时间序列、跨尺度整合不足等局限性，限制了其在精确机制分析和临床转化中的应用	探索人工智能驱动的网络药理学方法，以克服传统方法的局限，揭示中药“多成分-多靶点-多通路”的整体作用机制	传统中药（TCM）	网络药理学	NA	网络药理学，整合化学信息、组学数据和临床疗效证据	机器学习（ML），深度学习（DL），图神经网络（GNN）	化学信息，组学数据，临床疗效证据	NA	NA	NA	NA	NA
2031	2025-12-04	Using deep learning to detect upper limb compensation in individuals post-stroke using consumer-grade webcams-A feasibility study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1645369 PMID:41322226	研究论文	本研究探讨了使用消费级网络摄像头结合人体姿态估计和深度学习算法，自动检测中风患者在执行饮水任务时的代偿性运动的可行性	首次将消费级网络摄像头与MediaPipe人体姿态估计及深度学习模型结合，用于中风患者上肢代偿运动的自动检测，为家庭康复评估提供了新方法	模型泛化能力受限，主要受限于人体姿态估计的测量不确定性、代偿策略数据不足以及准确标签的缺乏	开发一种基于消费级摄像头的自动检测系统，用于评估中风患者的上肢代偿运动，以支持家庭康复	20名轻度至中度上肢功能障碍的中风患者	计算机视觉	中风	人体姿态估计，光学运动捕捉系统	CNN, LSTM	视频	20名参与者，多次重复饮水任务	MediaPipe	卷积神经网络，长短期记忆网络	准确率	NA
2032	2025-12-04	Review of deep learning models with Spiking Neural Networks for modeling and analysis of multimodal neuroimaging data 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1623497 PMID:41322350	综述	本文综述了利用脉冲神经网络（SNNs）建模和分析多模态神经影像数据的最新进展	系统回顾了SNNs在处理复杂时空脑数据方面的优势，特别是在多模态融合任务中超越传统深度学习方法的表现	面临多模态数据融合、计算需求高以及大规模数据集有限的挑战	评估SNNs在神经影像分析中的应用趋势、研究主题和地理贡献	21篇选定的出版物	机器学习和数字病理学	神经系统疾病	多模态神经影像分析	SNNs	多模态神经影像数据	NA	NA	NA	分类、特征提取和预测任务的性能评估	NA
2033	2025-12-04	LesionSCynth: A simple parametric lesion synthesis method to improve spinal cord lesion segmentation in low-data scenarios 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1029 PMID:41322363	研究论文	本研究提出了一种名为LesionSCynth的参数化框架，用于在脊髓MRI中合成高信号病变，以改善低数据场景下的多发性硬化病变分割	基于对真实病变强度分布的分析，提出了一种简单参数化的病变合成方法，在低数据情况下显著提升了分割性能，并优于现有领先的病变合成方法	NA	减少脊髓MRI中多发性硬化病变分割的标注负担，并提高在低数据情况下的分割性能	脊髓MRI中的多发性硬化病变	数字病理学	多发性硬化	MRI	NA	图像	17个真实采集样本	NA	NA	FROC	NA
2034	2025-12-04	The role of artificial intelligence in enhancing breast cancer screening and diagnosis: A review of current advances 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30984 PMID:41322389	综述	本文综述了人工智能在乳腺癌筛查和诊断中的当前进展及其多方面的应用	强调了人工智能在乳腺癌管理中，特别是在影像筛查、基因组学、免疫学分析和药物发现方面的创新应用潜力	指出仍需进一步研究以克服临床环境中的挑战和监管障碍	探讨人工智能如何增强乳腺癌的筛查、诊断和治疗个性化	乳腺癌	机器学习	乳腺癌	NA	NA	NA	NA	NA	NA	NA	NA
2035	2025-12-04	Hierarchical classification of anterior cruciate ligament using deep learning for athletes healthcare 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.31060 PMID:41322394	研究论文	本研究提出了一种基于深度学习的层次化模型，用于自动检测和分类前交叉韧带损伤	结合注意力机制和层次化特征提取，提高了ACL分割和分类的准确性	未明确提及模型在多样化数据集或临床环境中的泛化能力	开发自动评估前交叉韧带损伤的方法，以支持运动员医疗保健和快速诊断	膝关节MRI图像中的前交叉韧带区域	计算机视觉	前交叉韧带损伤	MRI成像	CNN	图像	NA	NA	编码器-解码器架构, 层次化卷积神经网络	准确率	NA
2036	2025-12-04	A hybrid deep learning framework for SEM-based air pollutant analysis: Mamba integration and GAN-augmented training 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1664317 PMID:41322471	研究论文	本文提出了一种用于基于扫描电镜图像的空气污染物成分分类的混合深度学习框架	将Mamba（一种具有线性计算复杂度的状态空间模型）集成到图像分类流程中，以建模长程依赖关系，并引入基于CGAN的数据增强策略来合成逼真的SEM样颗粒图像以扩充训练集	NA	准确分析空气污染物成分，以应对空气污染对公共健康和生态稳定构成的威胁	空气污染物成分	计算机视觉	NA	扫描电镜（SEM）成像	CNN, Mamba, GAN	显微图像或光谱图像	NA	NA	Mamba, CGAN	检测准确率, 推理速度	NA
2037	2025-12-04	Synthetic CT generation from CBCT using deep learning for adaptive radiotherapy in prostate cancer 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1680803 PMID:41322652	研究论文	本研究评估了基于深度学习的模型从前列腺癌患者的CBCT图像生成合成CT的准确性，并探讨了其在治疗计划和自适应放疗决策中的临床应用潜力	使用U-Net和ResU-Net等简单架构的深度学习模型，从CBCT图像生成合成CT，以支持前列腺癌自适应放疗的精确剂量计算和工作流程	研究样本量较小（仅10名患者），且为回顾性研究，可能限制了结果的普遍性	评估深度学习模型生成合成CT的准确性，并研究其在前列腺癌自适应放疗中的临床应用	前列腺癌患者的CBCT和CT图像	数字病理学	前列腺癌	锥形束计算机断层扫描	CNN	图像	10名前列腺癌患者，每人提供50组CBCT-CT配对数据（包括1个计划CT和5个不同治疗日的CBCT扫描）	PyTorch	U-Net, ResU-Net	SSIM, PSNR, MAE, HU差异分布	NA
2038	2025-12-04	Assessment of functional decline in stroke patients using 3D deep learning and dynamic functional connectivity based on resting-state fMRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1666991 PMID:41323228	研究论文	本研究开发了一种基于静息态功能磁共振成像和动态功能连接特征的3D深度学习框架，用于自动评估脑卒中患者上肢运动障碍的严重程度	首次结合动态功能连接特征与3D卷积神经网络，实现了对脑卒中患者上肢运动障碍严重程度的高精度自动分类	样本量相对较小（仅69名患者），且分类仅基于二分组（轻度至中度与重度），未涵盖更细粒度的障碍分级	开发自动化方法评估脑卒中患者上肢运动障碍的严重程度	69名脑卒中患者	医学影像分析	脑卒中	静息态功能磁共振成像	3D-CNN	功能磁共振成像数据	69名脑卒中患者（29名轻度至中度障碍，40名重度障碍）	NA	3D卷积神经网络	平衡准确率, 特异性, 敏感性	NA
2039	2025-12-04	AI-assisted MRI segmentation analysis of brain region volume alterations in Parkinson's disease 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1666556 PMID:41323344	研究论文	本研究利用深度学习自动分割技术分析帕金森病患者脑区体积变化与病程的关联	采用深度学习自动全脑区域分割技术，系统探究了帕金森病患者多个脑区体积与病程的横断面关联	样本量较小（83例），且为回顾性研究设计，可能影响结果的普遍性	探究帕金森病患者脑区体积变化与疾病进展的关联	帕金森病患者	数字病理学	帕金森病	磁共振成像（MRI）	深度学习	图像	83例帕金森病患者	NA	NA	NA	NA
2040	2025-12-04	AI-based prediction of pathological risk factors in lung adenocarcinoma from CT imaging: bridging innovation and clinical practice 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1687360 PMID:41323376	综述	本文综述了基于人工智能（AI）特别是深度学习（DL）在肺腺癌CT影像中预测病理风险因素的最新进展、应用与局限	总结了AI在预测肺腺癌特定高风险病理亚型（如气腔播散、高危亚型、隐匿淋巴结、脏层胸膜侵犯）方面的创新应用，并强调提升模型可解释性与临床适用性的方向	当前研究面临数据集多样性与规模有限、模型可解释性不足以及临床适用性有待增强等挑战	回顾AI在肺腺癌病理风险因素预测领域的研究进展，旨在为未来研究提供参考并推动AI在该领域的开发与应用	肺腺癌（LUAD）及其相关的病理风险因素，如气腔播散、高危病理亚型、隐匿淋巴结和脏层胸膜侵犯	数字病理学	肺癌	深度学习（DL）	NA	CT影像	NA	NA	NA	NA	NA