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
4021	2025-10-06	ZeroReg3D: a zero-shot registration pipeline for 3D consecutive histopathology image reconstruction 2025-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.4.044002 PMID:40765693	研究论文	提出一种用于3D连续组织病理学图像重建的零样本配准流程ZeroReg3D	结合零样本深度学习关键点匹配和非深度学习配准技术，无需大量训练数据即可有效减轻变形和切片伪影	NA	从连续2D组织切片实现精确3D重建	连续组织病理学图像	数字病理学	NA	组织病理学成像	深度学习关键点匹配	3D图像, 2D图像	NA	NA	NA	配准精度	NA
4022	2025-10-06	Forensic dental age estimation with deep learning: a modified xception model for panoramic X-Ray images 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00962-4 PMID:39937388	研究论文	本研究开发了一种基于改进Xception深度学习模型的法医牙科年龄估计方法，用于全景X射线图像的年龄分类	提出了专门针对法医应用的改进版'Forensic Xception'模型，并设计了处理不平衡数据集的新型多边形面积度量(PAM)	数据集仅来自两个放射科部门，未来需要探索更多数据集并解决伦理和法律考量	开发基于深度学习的法医年龄估计方法，区分12岁以下和12岁及以上个体	1941名5-15岁儿科患者的全景X射线图像	计算机视觉	NA	正位断层摄影(OPG)	深度学习,CNN	X射线图像	1941名儿科患者	NA	Xception,ResNet,ShuffleNet,InceptionV3,DarkNet,NasNet,DenseNet,EfficientNet,MobileNet,ResNet18,GoogleNet,SqueezeNet,AlexNet	分类准确率(CA),敏感性(SE),特异性(SP),Kappa(K),AUC,F1分数,多边形面积度量(PAM)	NA
4023	2025-10-06	Sex estimation with convolutional neural networks using the patella magnetic resonance image slices 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00943-7 PMID:39969760	研究论文	本研究开发了一种基于髌骨磁共振图像切片进行性别估计的深度学习模型	首次使用多种CNN架构对髌骨MRI切片进行性别估计，无需传统形态测量方法	样本量相对有限（696名患者），仅使用单一医疗机构数据	开发自动化的性别估计方法以替代耗时的人工形态测量分析	696名患者（293名男性，403名女性）的髌骨磁共振图像	计算机视觉	NA	磁共振成像	CNN	医学图像	696名患者的6710张髌骨MRI矢状面切片	NA	EfficientNetB3,MobileNetV2,VGG16,ResNet50,DenseNet121	准确率	NA
4024	2025-10-06	Efficient quality control of platelet-rich plasma preparation using computer vision and deep learning 2025-Jun, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.6.065003 PMID:40765813	研究论文	本研究开发了一种基于计算机视觉和深度学习的自动化富血小板血浆制备质量控制系统	首次将ResNet18卷积神经网络与二元分类器结合用于PRP质量控制的自动化检测	模型在未见测试集上的准确率为82.5%，仍有提升空间	提高富血小板血浆制备质量控制的效率和准确性	富血小板血浆样本	计算机视觉	再生医学	计算机视觉，深度学习	CNN	图像	来自患者的PRP样本数据	NA	ResNet18	准确率	NA
4025	2025-10-06	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	本研究利用深度学习模型预测非编码变异在脑和心脏不同细胞类型中的调控效应，并开发FLARE模型优先考虑具有极端调控效应的突变	整合单细胞ATAC-seq图谱与群体遗传学和深度学习变异效应预测，开发了上下文特异性功能基因组约束模型FLARE	研究主要关注脑和心脏组织，可能不适用于其他组织类型；模型预测需要实验验证	理解常见和罕见非编码变异在细胞和发育背景下的调控效应，优先考虑人类疾病中的因果变异	人类非编码变异，脑和心脏组织的132种细胞背景	计算生物学	神经发育障碍，自闭症	单细胞ATAC-seq，全基因组测序，GWAS	深度学习	基因组测序数据，表观基因组数据	15百万个变异，近20亿个上下文特异性预测	NA	NA	突变优先排序性能	NA
4026	2025-10-06	Chaotic gradient based optimization with fuzzy temporal optimized CNN for heart failure prediction 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88277-w PMID:39890898	研究论文	提出一种结合混沌梯度优化器和模糊时序优化CNN的心力衰竭预测模型	提出混沌梯度优化器(CGBO)改进特征选择，并设计模糊时序优化CNN(FTOCNN)分类器提高检测精度	仅使用UCI心脏数据集和电子健康记录进行评估，未在其他数据集上验证	开发准确且高效的心力衰竭早期预测系统	心力衰竭患者数据	机器学习	心血管疾病	电子健康记录分析	CNN	结构化医疗数据	UCI心脏数据集和电子健康记录	NA	模糊时序优化卷积神经网络(FTOCNN)	准确率, 统计指标, 分类指标, Wilcoxon秩和检验	NA
4027	2025-10-06	Universal conditional networks (UniCoN) for multi-age embryonic cartilage segmentation with Sparsely annotated data 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87797-9 PMID:39890924	研究论文	提出通用条件网络(UniCoN)用于多年龄胚胎软骨分割，解决稀疏标注数据下的分割挑战	提出两种新机制：基于离散年龄类别和连续图像裁剪位置的条件模块，能有效利用年龄和空间信息增强模型性能	NA	开发能够处理不同胚胎年龄组数据的鲁棒软骨分割方法	胚胎小鼠的3D微CT图像中的发育软骨	计算机视觉	骨软骨发育不良	3D微CT成像	CNN,Transformer,混合模型	3D图像	NA	NA	通用条件网络(UniCoN)	Dice系数	NA
4028	2025-10-06	A deep learning based model for diabetic retinopathy grading 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87171-9 PMID:39885230	研究论文	开发了一种基于深度学习的糖尿病视网膜病变自动分级模型RSG-Net	提出RSG-Net模型，能够同时进行四分类和二分类的糖尿病视网膜病变分级，在Messidor-1数据集上取得了优于现有方法的性能	仅使用Messidor-1单一数据集，未提及外部验证结果	开发自动化的糖尿病视网膜病变早期检测和准确分级系统	糖尿病视网膜病变患者眼底图像	计算机视觉	糖尿病视网膜病变	眼底图像分析	CNN	图像	Messidor-1数据集	NA	RSG-Net	准确率, 特异性, 敏感性	NA
4029	2025-10-06	Hierarchical image classification using transfer learning to improve deep learning model performance for amazon parrots 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88103-3 PMID:39885290	研究论文	本研究通过迁移学习和分层分类方法提升亚马逊鹦鹉物种识别的深度学习模型性能	基于诊断性形态特征构建分层分类结构，结合迁移学习提升对形态相似物种的分类精度	野生动物数据有限，特别是稀有或濒危物种的数据不足	改进野生动物物种分类的深度学习模型性能，用于种群监测和全球贸易监管	亚马逊鹦鹉物种	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	mAP（平均精度均值）	NA
4030	2025-10-06	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55267-x PMID:39747824	研究论文	提出一种基于深度学习的像差补偿方法，可在不降低成像速度或增加剂量的情况下提升荧光显微镜图像质量	通过引入合成像差训练神经网络进行像差补偿，无需额外光学元件即可达到与自适应光学相当的效果	未明确说明方法对极端像差情况的适用性及泛化能力限制	开发荧光显微镜图像质量提升技术	小鼠组织血管、秀丽隐杆线虫胚胎	计算机视觉	NA	荧光显微镜，共聚焦显微镜，光片显微镜，多光子显微镜，超分辨率显微镜	神经网络	显微镜图像	多种显微镜数据集	NA	NA	图像对比度，分辨率，分割质量	NA
4031	2025-10-06	Exploring transition states of protein conformational changes via out-of-distribution detection in the hyperspherical latent space 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55228-4 PMID:39753544	研究论文	提出一种基于深度学习的框架TS-DAR，通过超球面潜在空间中的分布外检测来识别蛋白质构象变化中的过渡态	将过渡态结构视为分布外数据，利用正则化超球面嵌入同时检测多个自由能最小值之间的所有过渡态	方法在更复杂的蛋白质系统中的应用仍需进一步验证	开发一种能够从分子动力学模拟中准确识别蛋白质构象变化过渡态的方法	蛋白质构象变化过程，包括2D势能、丙氨酸二肽和DNA马达蛋白的易位过程	机器学习	NA	分子动力学模拟	神经网络	分子构象数据	三个测试系统：2D势能、丙氨酸二肽、DNA马达蛋白	NA	TS-DAR	与先前方法的比较性能	NA
4032	2025-10-06	Multi-scale feature pyramid network with bidirectional attention for efficient mural image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328507 PMID:40758742	研究论文	提出一种基于DenseNet201-FPN的深度学习模型，结合双向注意力机制和动态蒸馏策略，用于壁画图像分类	在DenseNet201中嵌入轻量级特征金字塔网络融合多尺度特征，采用双向LSTM驱动的注意力模块优化通道和空间权重，提出动态温度蒸馏策略提升稀有类别性能	基于自建数据集（2000张图像），样本规模有限，未在更大规模数据集上验证	解决壁画图像识别中的跨文化、多时期风格泛化挑战，实现文化遗产数字保护	壁画图像	计算机视觉	NA	深度学习	CNN, LSTM	图像	2000张壁画图像，26个子类别	PyTorch（推测）	DenseNet201, FPN, ResNeXt101	准确率, F1-score	Jetson TX2边缘设备
4033	2025-10-06	Utilization of Artificial Intelligence Algorithms for the Diagnosis of Breast, Lung, and Prostate Cancer 2025, Ceskoslovenska patologie PMID:40763009	综述	本文全面探讨人工智能算法在乳腺癌、肺癌和前列腺癌诊断中的应用现状与潜力	系统整合了数字病理学发展历程与AI技术应用，特别聚焦罗氏uPath系统和IBEX医学分析平台等具体工具的创新实践	未涉及具体临床验证数据，主要面临伦理法律、数据保护和错误责任等实施挑战	为数字病理学中AI技术的潜在应用提供全面概述，阐明其在现代肿瘤诊断中的角色	乳腺癌、肺癌和前列腺癌的病理诊断过程	数字病理学,计算机视觉	乳腺癌,肺癌,前列腺癌	组织病理图像分析,肿瘤细胞分类,生物标志物评估	机器学习,深度学习	组织病理图像	NA	NA	NA	诊断准确性,实验室流程效率	NA
4034	2025-10-06	Leveraging deep learning for the detection of socially desirable tendencies in personnel selection: A proof-of-concept 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329205 PMID:40763162	研究论文	提出一种基于深度学习的检测方法，用于识别人员在选拔过程中表现出的社会称许性反应倾向	首次将深度学习应用于社会称许性反应的检测，通过视频中的非语言视觉线索来预测个体的回答倾向	样本量较小（91名参与者），属于概念验证研究，需要更大规模验证	开发有效检测社会称许性反应的方法，为人员选拔提供技术支持	求职模拟中的参与者及其视频表现	计算机视觉	NA	视频分析，非语言视觉线索提取	迁移学习，深度学习	视频，图像序列	91名参与者，5,460个增强数据点	NA	Entrans（定制迁移学习模型）	MSE, RMSE, ρ, AUC	NA
4035	2025-10-06	Comparison of Artificial Intelligence Models Using CT Radiomics for Predicting Post-Vertebral Augmentation Residual Back Pain in Osteoporotic Vertebral Compression Fractures 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.114419 PMID:40765571	研究论文	本研究通过系统比较五种整合CT影像组学特征与临床参数的人工智能模型，预测骨质疏松性椎体压缩骨折患者椎体增强术后残留背痛的风险	首次探索CT影像组学与人工智能模型结合预测椎体增强术后残留背痛，并通过消融实验验证临床参数和影像组学特征的互补价值	单中心前瞻性研究，样本来源相对单一	寻找最优AI模型实现椎体增强术后残留背痛的术前风险分层，改善手术决策	接受椎体增强术治疗的骨质疏松性椎体压缩骨折患者	医学影像分析	骨质疏松性椎体压缩骨折	CT影像组学	TabNet, 深度学习	CT图像, 临床数据	856例患者（其中102例出现残留背痛）	NA	TabNet	AUROC, Recall	NA
4036	2025-10-06	Predicting Chemotherapy-Induced Peripheral Neuropathy Using Transformer-Based Multimodal Deep Learning 2025, Research (Washington, D.C.) DOI:10.34133/research.0795 PMID:40765998	研究论文	本研究开发了一种基于Transformer的多模态深度学习模型，用于预测化疗引起的周围神经病变	首次将Transformer架构应用于多模态数据融合来预测CIPN，整合了临床、基因组、生物信号、可穿戴设备和影像学信息	需要多中心验证、实时电子健康记录集成，以及针对高风险患者的神经保护策略开发	开发并评估基于深度学习的化疗引起的周围神经病变预测模型	2020-2025年间接受化疗的癌症患者	机器学习	癌症	多模态数据整合	Transformer, LSTM, CNN, XGBoost	临床数据、基因组数据、生物信号、可穿戴设备数据、影像学信息	回顾性和前瞻性队列研究，来自多中心电子健康记录和公共数据库	NA	Transformer	AUC-ROC, 准确率, 敏感性, 特异性, F1分数	NA
4037	2025-10-06	An interpretable XAI deep EEG model for schizophrenia diagnosis using feature selection and attention mechanisms 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1630291 PMID:40766336	研究论文	提出一种基于脑电图数据的可解释深度学习模型用于精神分裂症诊断	结合注意力机制与SHAP、LIME可解释性工具，增强模型决策过程的透明度	模型准确率仅为0.68%，性能有待提升	开发自动化的精神分裂症诊断方法	精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图	DNN, BiLSTM-GRU, BiLSTM with Attention	脑电图传感器数据	NA	NA	深度神经网络, 双向长短期记忆网络-门控循环单元, 带注意力机制的双向长短期记忆网络	准确率	NA
4038	2025-10-06	Computer-vision based automatic rider helmet violation detection and vehicle identification in Indian smart city scenarios using NVIDIA TAO toolkit and YOLOv8 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1582257 PMID:40766945	研究论文	提出基于计算机视觉的两阶段深度学习方案，用于自动检测骑手头盔违规行为并识别车辆号牌	结合NVIDIA TAO工具包的预训练目标检测模型与YOLOv8架构，实现实时头盔违规检测和号牌识别	缺乏公开可用的交通数据集，需使用自定义数据集进行训练和验证	通过实时强制执行交通法规来减少骑手头盔违规行为	印度智能城市场景中的两轮车骑手	计算机视觉	NA	深度学习	CNN, YOLO	图像	自定义摩托车骑手图像数据集（包含复杂场景）	NVIDIA TAO, YOLOv8	ResNet18, YOLOv8	准确率	NVIDIA TAO工具包
4039	2025-10-06	Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET 2024-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001904 PMID:39350612	研究论文	本研究开发了一种基于深度学习的二分类模型，用于通过18F florapronol PET图像对β-淀粉样蛋白斑块沉积进行分类	首次将卷积神经网络应用于18F florapronol PET图像的淀粉样蛋白斑块二分类，展示了深度学习在阿尔茨海默病诊断中的潜力	研究为回顾性研究，样本量相对有限（175例患者），且仅使用单一医疗中心的数据	开发辅助工具以提高阿尔茨海默病临床诊断的准确性	疑似轻度认知障碍或痴呆的患者	医学影像分析	阿尔茨海默病	18F florapronol PET/CT成像	CNN	PET图像	175例患者（77名男性，98名女性），其中阳性62例，阴性113例	NA	NA	准确率, AUC	NA
4040	2025-10-06	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	研究论文	提出基于深度学习的像差补偿方法，提升荧光显微镜在厚样本成像中的对比度和分辨率	通过引入合成像差训练神经网络进行像差补偿，无需降低采集速度、增加剂量或添加额外光学元件	NA	改善厚样本荧光显微镜成像质量	小鼠组织血管、胚胎细胞膜和细胞核	计算机视觉	NA	荧光显微镜技术	神经网络	显微镜图像	NA	NA	NA	图像对比度、分辨率、分割质量	NA