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
281	2025-12-12	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性能，并与传统临床方法进行了比较	评估了AI/ML模型在困难气道预测中的表现，特别强调了MixMatch半监督深度学习模型的高性能，并分析了面部成像结合深度学习相较于单纯临床参数的优越性	方法学异质性、缺乏标准化评估指标、人群多样性有限，且多数研究未纳入可解释性框架或解决数据隐私和算法偏见的伦理挑战	评估和比较AI/ML模型与传统方法在预测困难气道方面的性能，并分析其方法学稳健性、临床适用性和伦理考量	困难气道的预测	机器学习	NA	人工智能、机器学习、深度学习	深度学习	图像、临床参数	NA	NA	MixMatch	AUC, 敏感性, 特异性	NA
282	2025-12-12	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	本研究提出了一种集成一维卷积神经网络的智能电子舌系统，用于快速精确地识别白酒年份	首次将一维卷积神经网络与多电极电化学传感结合，实现了白酒年份的高精度识别，准确率达到94.0%，是目前基于电子舌的年份预测最高性能	研究仅针对连续五年生产的白酒年份进行识别，未涵盖更广泛年份范围或不同品牌白酒	开发一种客观、可重复、高通量的白酒年份识别方法，以替代传统主观感官评估	连续五年生产的白酒年份样本	机器学习	NA	电化学传感，MEMS温度传感	SVM, RF, 1D-CNN	电化学信号数据	五个连续年份的白酒样本	NA	一维卷积神经网络	准确率	NA
283	2025-12-12	A Review of Pedestrian Trajectory Prediction Methods Based on Deep Learning Technology 2025-Dec-03, Sensors (Basel, Switzerland) DOI:10.3390/s25237360 PMID:41374735	综述	本文系统回顾并批判性分析了基于深度学习的行人轨迹预测方法，涵盖RNN、GAN、GCN和Transformer四大模型家族	引入了一个比较分析框架，用于在标准化标准下评估每种方法的优缺点，并提供了数据集和评估指标的全面分类法	NA	为行人轨迹预测领域提供历史视角和前瞻性分析，以指导未来研究发展	行人轨迹预测方法	计算机视觉	NA	深度学习	RNN, GAN, GCN, Transformer	轨迹数据	NA	NA	NA	NA	NA
284	2025-12-12	Development and Validation of a CNN-Based Diagnostic Pipeline for the Diagnosis of Otitis Media 2025-Dec-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238572 PMID:41375875	研究论文	本研究开发并验证了一个基于CNN的多步骤AI诊断流程，用于将鼓膜图像自动分类为四种中耳炎亚型	提出了一个包含图像质量评估、鼓膜分割、左右侧分类和疾病分类四个顺序阶段的多步骤CNN诊断流程，并整合了MambaOut、CaraNet、EfficientNet和ConvNeXt等多种先进模型	研究为回顾性设计，使用了单一来源的标注数据，未来需要在更多样化的临床环境中进行前瞻性验证	开发一个自动化的AI诊断流程，以支持中耳炎的准确诊断，特别是在非专科医生和资源匮乏的环境中	鼓膜耳镜图像	计算机视觉	中耳炎	耳镜成像	CNN	图像	2964张耳镜图像	NA	MambaOut, CaraNet, EfficientNet, ConvNeXt	准确率, F1分数	NA
285	2025-12-12	Dimeric gold nanoparticles enable multiplexed labeling in cryoelectron tomography 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2524034122 PMID:41284882	研究论文	本文介绍了功能化二聚体金纳米粒子在冷冻电子断层扫描中实现多重标记的应用	开发了具有精确尺寸范围和结构均匀性的二聚体金纳米粒子，结合深度学习分类器，实现了在冷冻电子断层扫描中对单体和二聚体金纳米粒子的可靠区分，从而支持在同一冷冻断层图中识别不同的分子靶标	NA	开发一种适用于冷冻电子断层扫描的多重标记方法，以研究生物分子在细胞内的空间组织	金纳米粒子、N-甲基-D-天冬氨酸受体（NMDAR）、脑组织中的谷氨酸能突触间隙	生物成像	NA	冷冻电子断层扫描（cryo-ET）、小角X射线散射（SAXS）、电子显微镜	深度学习分类器	断层图、图像	NA	NA	NA	NA	NA
286	2025-12-12	Light-field deep learning enables high-throughput, scattering-mitigated calcium imaging 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510337122 PMID:41289378	研究论文	本研究提出了一种基于物理的深度神经网络2PiLnet，用于从散射的单光子光场数据中重建具有双光子对比度的体积图像，以实现高通量、抗散射的钙成像	开发了2PiLnet网络，利用双光子体积图像和单光子光场数据进行训练，能够从散射模糊的单光子光场中重建出具有双光子对比度和源限制的体积图像，无需提供目标视场的双光子图像	未明确说明模型在更复杂生物组织或活体动物中的泛化能力，以及训练数据规模和多样性可能存在的限制	实现高通量、抗散射的神经回路活动监测	表达jGCaMP8f的神经元（在新皮质脑切片中）	计算成像	NA	光场显微镜，双光子成像，钙成像	深度神经网络	图像，视频	NA	NA	2PiLnet	信噪比，光学串扰	NA
287	2025-12-12	Connectome of a human foveal retina 2025-Dec-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.05.647403 PMID:40799563	研究论文	本研究利用基于深度学习的细胞和突触连接分割技术，分析了人类中央凹视网膜的完整连接组，揭示了其独特的神经通路和结构特征	首次通过深度学习分割技术获得人类中央凹视网膜的完整连接组，发现了非人类灵长类动物中不存在的突触通路，并提出了基于电突触的锥体光感受器生物物理模型	研究仅基于单个视网膜样本，可能无法完全代表人类中央凹视网膜的多样性；深度学习分割方法可能存在误差，且分类结果仅为临时性	获取人类中枢神经系统结构的完整连接组，以理解人类视觉系统的独特特征	人类中央凹视网膜的细胞和突触连接	计算机视觉	NA	基于深度学习的细胞和突触连接分割技术	深度学习	图像	单个人类中央凹视网膜样本	NA	NA	NA	NA
288	2025-12-12	A Comprehensive Review Comparing Artificial Intelligence and Clinical Diagnostic Approaches for Dry Eye Disease 2025-Dec-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233071 PMID:41374451	综述	本文系统综述了人工智能在眼科，特别是干眼病诊断中的应用，并比较了AI模型与临床诊断方法的性能	首次系统性地比较了基于不同成像模态的AI诊断模型与临床医生使用的诊断测试，并针对数据多样性、临床实用性和可重复性方面的差距提出了具体建议	纳入研究较少进行外部验证，且未充分解决专家间诊断差异性问题	评估和比较人工智能模型与临床诊断方法在干眼病诊断中的性能，并识别当前研究的局限性	干眼病	计算机视觉	干眼病	videokeratography, smartphone-based imaging, tear film interferometry, anterior segment optical coherence tomography, infrared meibography, in vivo confocal microscopy, slit-lamp photography	深度学习模型	图像	基于30篇原始同行评议文章	NA	U-Net, ResNet, DenseNet, GANs, Transformer	准确率	NA
289	2025-12-12	An Improved Lightweight Model for Protected Wildlife Detection in Camera Trap Images 2025-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s25237331 PMID:41374705	研究论文	本文提出了一种改进的轻量级模型YOLO11-APS，用于相机陷阱图像中的受保护野生动物检测	在YOLO11n基础上集成了自注意力与卷积模块、部分卷积模块和SlimNeck范式，增强了复杂条件下的特征提取能力，同时降低了计算成本	未明确说明模型在极端环境条件或极低分辨率图像上的性能限制	开发一种高精度、低计算成本的轻量级模型，用于受保护野生动物的自动化监测	相机陷阱图像中的受保护野生动物	计算机视觉	NA	NA	CNN	图像	NA	NA	YOLO11-APS, YOLO11n	精确率, 召回率, mAP@0.5, mAP@0.5:0.95	NA
290	2025-12-12	Few-Shot and Zero-Shot Learning for MRI Brain Tumor Classification Using CLIP and Vision Transformers 2025-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s25237341 PMID:41374716	研究论文	本研究比较了少样本学习和零样本学习在MRI脑肿瘤分类中的性能，使用深度学习和视觉语言模型	将度量学习的少样本学习方法（如原型网络）与视觉语言模型（如CLIP）结合，在有限标注数据下显著提升MRI脑肿瘤分类性能	研究仅基于随机采样的五样本四类别任务进行评估，可能未涵盖所有临床场景或肿瘤类型	在标注数据有限的情况下，开发数据高效的MRI脑肿瘤分类方法	MRI脑肿瘤图像	计算机视觉	脑肿瘤	MRI	CNN, Vision Transformer	图像	1000个随机采样的五样本四类别任务	NA	ResNet-18, ResNet-50, Vision Transformer, CLIP	准确率, F1分数	NA
291	2025-12-12	Cross-Temporal Egg Variety and Storage Period Classifications via Multi-Task Deep Learning with Near-Infrared Hyperspectral Imaging 2025-Dec-02, Foods (Basel, Switzerland) DOI:10.3390/foods14234140 PMID:41376076	研究论文	本研究提出了一种多任务深度学习框架，利用近红外高光谱成像技术，对鸡蛋品种和储存时间进行跨时间分类	提出了结合CNN、SE通道注意力和Transformer编码器的多任务跨时间挤压-激励网络（MT-CTSE-Net），通过任务间特征共享来缓解长期储存引起的光谱漂移，提升了跨时间分类的泛化能力	研究仅评估了三种商业鸡蛋品种，模型在其他品种或更广泛储存条件下的普适性有待验证	开发一种非破坏性、跨时间的检测方法，用于鸡蛋品种识别和储存期分类，以支持农产品供应链的质量评估与监测	鸡蛋	计算机视觉	NA	近红外高光谱成像	CNN, Transformer	光谱数据	三种商业鸡蛋品种（恩施富硒蛋、木兰湖杂粮蛋、正大叶黄素蛋）的近红外光谱数据	NA	MT-CTSE-Net（整合了CNN、Squeeze-and-Excitation模块和Transformer编码器）	准确率, F1分数	NA
292	2025-12-12	Deep Learning Detection of Retinitis Pigmentosa Inheritance Forms through Synthetic Data Expansion of a Rare Disease Dataset 2025-Dec-02, Research square DOI:10.21203/rs.3.rs-8002154/v1 PMID:41377980	研究论文	本研究提出了一种基于Vision Transformer的深度学习模型，通过合成数据扩展策略，利用彩色眼底照片自动区分视网膜色素变性的常染色体与X连锁遗传模式	首次将Vision Transformer模型应用于视网膜色素变性遗传模式的分类，并创新性地采用变分自编码器进行数据扩展以解决罕见病数据稀缺问题	研究聚焦于视网膜色素变性，可能无法直接推广到其他遗传性视网膜疾病；数据量虽经扩展但仍相对有限	开发一种自动化方法，通过眼底图像准确分类遗传性视网膜疾病的遗传模式，以辅助诊断和遗传咨询	视网膜色素变性患者的彩色眼底照片	计算机视觉	视网膜色素变性	彩色眼底摄影	Vision Transformer	图像	NA	NA	Vision Transformer	AUC	NA
293	2025-12-12	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本研究提出了一种基于改进去噪扩散概率模型（iDDPM）的方法，用于估计动态脑PET图像中动力学参数的后验分布，以量化噪声带来的不确定性	首次将改进的去噪扩散概率模型（iDDPM）应用于动态PET动力学参数的后验分布估计，相比传统MCMC方法计算效率大幅提升（超过230倍），且精度优于现有的CVAE-DD和WGAN-GP方法	研究仅在[18F]MK6240示踪剂研究中进行了验证，未在其他示踪剂或更广泛的疾病类型中测试	开发一种高效、准确的深度学习方法，用于量化动态PET图像中噪声引起的动力学参数估计不确定性	动态脑PET图像中的超磷酸化tau蛋白（p-tau）聚集物动力学参数	医学影像分析	阿尔茨海默病	正电子发射断层扫描（PET），示踪动力学建模	生成对抗网络（GAN），变分自编码器（VAE），扩散模型	动态PET图像	NA	NA	改进去噪扩散概率模型（iDDPM），条件变分自编码器-双解码器（CVAE-DD），带梯度惩罚的Wasserstein GAN（WGAN-GP）	平均误差，标准差误差	NA
294	2025-12-12	A Benchmark Framework for the Right Atrium Cavity Segmentation From LGE-MRIs 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3590694 PMID:40694459	研究论文	本文提出了一个用于从LGE-MRI中分割右心房腔的基准框架，采用两阶段策略和新型3D深度学习网络RASnet	提出了一个基准框架，结合两阶段策略和新型3D深度学习网络RASnet，通过多路径输入、多尺度特征融合模块、Vision Transformers、上下文交互机制和深度监督来解决类别不平衡和解剖变异性的挑战	NA	为右心房腔分割建立一个基准框架，以支持心脏成像应用的准确高效分析	右心房腔	计算机视觉	心血管疾病	LGE-MRI	CNN, Transformer	图像	354个LGE-MRI	NA	RASnet	Dice系数	NA
295	2025-12-12	Transfer Learning and Permutation-Invariance Improving Predicting Genome-Wide, Cell-Specific and Directional Interventions Effects of Complex Systems 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509456 PMID:40971773	研究论文	本研究提出了一种基于迁移学习和置换不变性的深度学习模型SETComp，用于预测复杂系统（如天然产物）在细胞系中的干预效果	利用迁移学习将大量单一化合物干预数据预训练的模型，通过少量复杂系统干预数据微调，显著提升了预测精度，并首次将置换不变性应用于此类预测任务	模型在未见过的复杂系统预测中仍有提升空间，且主要基于细胞系数据，未涉及体内实验验证	开发一个能够预测复杂系统在细胞特异性、全基因组范围内干预效果的深度学习模型	细胞系中的复杂系统干预数据，包括天然产物等	机器学习	NA	深度学习	深度学习模型	基因组干预数据	大量单一化合物干预数据和少量复杂系统干预数据	NA	基于置换不变性的深度模型	准确率	NA
296	2025-12-12	Thermal Runaway Temperature Prediction of Lithium-Ion Battery Under Extreme High-Temperature Shock Using Experimental and Virtual Data 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511359 PMID:40990043	研究论文	本文提出了一种结合实验和虚拟数据的框架，用于预测锂离子电池在极端高温冲击下的热失控温度	通过结合高温冲击波诱导的热失控实验数据与3D共轭传热耦合模型生成的虚拟数据，构建数据驱动预测模型，以弥补传统绝热量热法无法模拟真实火灾场景的不足	研究主要针对NCM523和LFP两种电池类型，且虚拟数据的生成依赖于建立的仿真模型，其普适性可能受模型假设限制	预测锂离子电池在极端高温冲击条件下的热失控温度，以提升电池热安全性评估	锂离子电池（具体为LiNiCoMnO (NCM523) 和 LiFePO (LFP) 电池）	机器学习	NA	高温冲击波诱导热失控测试、3D共轭传热与热失控耦合建模	深度学习模型	温度数据、虚拟仿真数据	NA	NA	NA	平均绝对百分比误差 (MAPE)	NA
297	2025-12-12	An Interpretable SERS-AI Platform for Rapid and Quantitative Diagnosis of Polymicrobial UTIs: Powered by Positively Charged Plasmonic Nanoparticles and Attention-Based Deep Learning 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202513502 PMID:40990453	研究论文	提出一种基于表面增强拉曼散射和人工智能的无标记、可解释平台，用于快速识别和定量诊断多微生物尿路感染	开发了带正电荷的等离子体纳米颗粒基底以静电捕获细菌，并引入卷积块注意力模块增强CNN模型，实现了高精度分类、细菌比例预测及光谱特征的生物学可解释性	未明确说明模型在更大规模或更复杂临床样本中的泛化能力限制，也未详细讨论平台的操作复杂性或成本	开发一个快速、定量且可解释的诊断平台，用于多微生物尿路感染的识别和细菌比例预测	多微生物尿路感染中的混合尿路病原体	机器学习	尿路感染	表面增强拉曼散射	CNN	光谱数据	临床尿液样本验证，具体数量未明确	未明确指定，可能为TensorFlow或PyTorch	卷积神经网络结合卷积块注意力模块	准确率, AUC, 相关系数R	未明确指定
298	2025-12-12	Rethinking the AI Paradigm for Solubility Prediction of Drug‑Like Compounds with Dual-Perspective Modeling and Experimental Validation 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511667 PMID:40995668	研究论文	本研究通过构建最大的药物及类药分子水溶性数据集，开发了基于双视角建模的药物溶解度预测模型，并进行了实验验证	采用双视角建模方法，结合多种回归和分类算法进行对比建模，并首次实验测定了十种潜在药物分子的溶解度，验证了模型的高可靠性	由于数据限制，即使先进的深度学习模型在当前情况下也不如多个统计机器学习算法的堆叠准确	开发可靠的药物溶解度预测模型，以指导新药发现	药物及类药分子的水溶性	机器学习	NA	NA	回归算法, 分类算法	化学数据	最大的药物及类药分子水溶性数据集	NA	NA	NA	NA
299	2025-12-12	From images to understanding: Advances in deep learning for cellular dynamics analysis 2025-Dec, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2025.102585 PMID:41037869	综述	本文综述了深度学习在从2D显微图像分析细胞动力学方面的最新进展，涵盖分割、追踪和轨迹提取等关键步骤	强调了深度学习如何补充传统算法，并讨论了确保分析科学可靠和可访问性的新兴趋势	NA	为计算专家和生物学家提供桥梁，指导他们在这个快速发展的领域中选择适合特定研究问题的方法	细胞动力学分析	数字病理学	NA	2D显微成像	深度学习模型	图像	NA	NA	NA	NA	NA
300	2025-12-12	Membrane and vesicle structure detection in cryo-electron tomography based on deep learning 2025-Dec, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108258 PMID:41176036	研究论文	本文提出了一种结合多种深度学习架构的卷积神经网络，用于在冷冻电子断层扫描图像中自动检测膜和囊泡结构	提出了一种混合架构，结合了U-Net、DeepLab、SegNet、Gated-SCNN、LSTM、RNN和GAN的特征，以有效学习识别不同类型的膜并模拟熟练人工标注者的行为	未明确提及具体限制，如数据集规模、模型泛化能力或计算资源需求	开发自动算法以处理冷冻电子断层扫描数据中的语义分割任务，减少人工标注的主观性和时间消耗	生物样本中的细胞膜和囊泡结构	计算机视觉	NA	冷冻电子断层扫描	CNN, LSTM, RNN, GAN	图像	NA	NA	U-Net, DeepLab, SegNet, Gated-SCNN	NA	NA