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
521	2025-12-17	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-Dec, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本文提出了一种用于县级COVID-19预测的深度学习模型，通过融合多源数据和注意力机制来捕捉复杂的时空动态	结合了Transformer神经网络与多源数据融合，并开发了多层级、多尺度的注意力机制进行自适应时频分析	研究为回顾性评估，需要在实时、动态的数据条件下进行前瞻性验证以评估模型的实际效用	开发一种用于县级传染病预测的深度学习模型，提高预测精度	COVID-19病例和死亡数据	机器学习	COVID-19	多源数据融合	Transformer	时间序列数据, 社交媒体文本数据	三个Omicron变异株波次的数据（2021年12月至2023年2月）	NA	Transformer	县级一致性准确率	NA
522	2025-12-17	FPGA-Accelerated CNN Reconstruction for Low-Power Sparse-Array Ultrasound Imaging 2025-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3630483 PMID:41201932	研究论文	本文提出了一种基于FPGA加速的轻量级U-Net卷积神经网络，用于稀疏阵列超声成像中的缺失通道重建，旨在降低功耗并保持图像质量	通过FPGA加速的深度学习重建缺失超声通道，有效将成像孔径加倍同时减半模拟前端需求，并采用混合量化感知训练优化网络部署	未明确说明在更广泛临床环境或不同器官中的泛化能力，且仅针对32通道配置进行了验证	开发低功耗、实时的稀疏阵列超声成像系统，用于预防性医疗和早期疾病诊断	针对深层组织（如膀胱）的超声成像数据	计算机视觉	泌尿系统疾病	超声成像, 深度学习	CNN	射频数据, 图像	未明确说明样本数量	未明确说明	轻量级U-Net (L-UNET)	均方误差 (MSE), 峰值信噪比 (PSNR), 结构相似性指数 (SSIM)	FPGA, 深度学习处理单元 (DPU)
523	2025-12-17	Chick embryo development assessment and fertility detection using pixel-wise hyperspectral image analysis and deep learning 2025-Dec, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106064 PMID:41205430	研究论文	本研究利用线扫描高光谱成像系统和深度学习技术，对白壳鸡蛋的受精情况和胚胎发育阶段进行无损、实时评估	结合像素级高光谱图像分析和深度学习模型，实现了对鸡蛋受精状态和胚胎发育阶段的精准空间可视化分类	研究仅针对白壳鸡蛋，且仅监测了孵化前四天，未覆盖整个孵化周期	提高家禽孵化效率，通过无损技术早期检测鸡蛋受精情况和胚胎发育阶段	白壳鸡蛋（包括受精蛋和未受精蛋）	计算机视觉	NA	线扫描高光谱成像	ANN, DNN, CNN, 随机森林	高光谱图像	未明确具体数量，但涉及受精和未受精鸡蛋在孵化前四天的数据	NA	NA	F1分数	NA
524	2025-12-17	[Artificial intelligence in fracture diagnostics : Potentials and challenges in the clinical practice] 2025-Dec, Unfallchirurgie (Heidelberg, Germany) DOI:10.1007/s00113-025-01653-z PMID:41222657	综述	本文探讨了人工智能在骨折诊断中的潜力与挑战，特别是在临床实践中的应用	作为“第二读者”，AI系统能提高诊断准确性、减少诊断时间并改善患者安全，尤其在细微骨折或医生经验有限的情况下	包括训练数据异质性、复杂骨折诊断性能有限以及监管要求	评估人工智能在骨折诊断中的支持作用及其在临床实践中的整合	骨折诊断系统，特别是基于深度学习的算法	计算机视觉	骨折	深度学习算法	卷积神经网络	图像	大型验证研究中的大量样本	NA	卷积神经网络	灵敏度, 特异性	NA
525	2025-12-17	Forecasting visceral leishmaniasis in Sudan using hybrid wavelet based deep learning models on climate driven multivariate time series 2025-Dec, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107911 PMID:41265507	研究论文	本研究提出了一种基于小波变换和深度学习的新型混合模型，用于预测苏丹内脏利什曼病的月发病率	结合小波变换与深度学习模型（Wavelet-GPR、Wavelet-StemGNN、Wavelet-TCN-BiLSTM）分解多尺度模式并学习线性和非线性关系，以捕捉疾病传播的复杂动态	模型需要针对不同地区重新校准，且未来需要纳入更多环境和社会经济数据层以提高预测能力	预测苏丹Gedaref州内脏利什曼病的月发病率，以改进疾病监测和早期预警系统	苏丹Gedaref州的内脏利什曼病发病率数据	机器学习	内脏利什曼病	时间序列分析，小波变换	混合模型（小波变换结合深度学习）	多元时间序列数据（气候数据）	2000-2022年的月发病率数据（2000-2018年训练，2019-2022年测试）	Python	Wavelet-GPR, Wavelet-StemGNN, Wavelet-TCN-BiLSTM, VAR	RMSE, MAE, R, MAPE	NA
526	2025-12-17	MultiverseAD: Enhancing spatial-temporal synchronous attention networks with causal knowledge for multivariate time series anomaly detection 2025-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107903 PMID:40773781	研究论文	本文提出了一种名为MultiverseAD的时空同步注意力网络，结合因果知识以增强多元时间序列异常检测性能	通过动态时空同步注意力网络与静态时空因果图的结合，同步处理时空特征，并利用因果知识增强学习过程	NA	提高多元时间序列异常检测的准确性和鲁棒性	多元时间序列数据	机器学习	NA	NA	注意力网络	时间序列数据	八个公共数据集	NA	动态时空同步注意力网络, 静态时空因果图	NA	NA
527	2025-12-17	Predicting the prognosis of symptomatic intracranial atherosclerotic stenosis (sICAS) patients using deep learning models: a multicenter study based on high-resolution magnetic resonance vessel wall imaging 2025-Dec, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107092 PMID:41086706	研究论文	本研究基于高分辨率磁共振血管壁成像，开发深度学习模型以预测症状性颅内动脉粥样硬化性狭窄患者的卒中复发风险	首次将3D深度学习模型应用于高分辨率血管壁成像数据，以预测症状性颅内动脉粥样硬化性狭窄患者的卒中复发风险，并在多中心数据上验证了其优于2D模型和放射组学方法	研究为回顾性设计，样本量相对有限，且仅基于两个医疗中心的数据	开发并验证基于高分辨率血管壁成像的深度学习模型，以改善症状性颅内动脉粥样硬化性狭窄患者的卒中复发预测，识别高危患者并指导临床干预	症状性颅内动脉粥样硬化性狭窄患者	数字病理学	心血管疾病	高分辨率磁共振血管壁成像	CNN, Transformer	图像	363名患者（训练队列254名，外部验证队列109名）	NA	ResNet50, DenseNet169, Vision Transformer	AUC, 校准曲线, 决策曲线分析	NA
528	2025-12-17	[Artificial intelligence for the diagnosis of acute coronary syndromes] 2025-Dec, Giornale italiano di cardiologia (2006) DOI:10.1714/4599.46056 PMID:41287609	综述	本文综述了人工智能在急性冠状动脉综合征诊断中的应用，特别是通过深度学习分析心电图以提升诊断准确性和效率	利用深度学习算法自动分析心电图，包括纸质心电图的照片处理，在ST段抬高型心肌梗死中达到比经验丰富的心脏科医生更高的敏感性和特异性，并扩展应用至预测完全血管闭塞和识别责任冠状动脉	在非ST段抬高型心肌梗死中，临床异质性降低了诊断精度，AI的准确性有限	探索人工智能在急性心肌梗死诊断和管理中的作用，旨在实现更早、更准确的诊断并改善患者预后	急性冠状动脉综合征患者，特别是ST段抬高型和非ST段抬高型心肌梗死病例	机器学习	心血管疾病	深度学习	深度学习算法	心电图数字追踪和纸质心电图照片	NA	NA	NA	敏感性, 特异性, 准确性	NA
529	2025-12-17	Toward an Unbiased Deep Learning Classifier of Pediatric Middle Ear Disease 2025-Dec, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70031 PMID:40955059	研究论文	本研究旨在开发一种基于深度学习的算法，利用廉价消费级耳镜捕获的儿童鼓膜图像，准确预测儿科患者中耳积液的存在和性质	首次使用廉价消费级数字耳镜捕获的多样化、年龄代表性图像训练深度学习模型，以高精度分类儿童中耳疾病，推动该技术在临床实践中的实际应用	研究样本量相对较小（219名儿童，737张图像），且图像采集于麻醉状态下的儿童，可能限制了模型在非麻醉或不同临床环境下的泛化能力	开发人工智能算法以准确预测儿科患者中耳积液的存在和性质，改善抗生素管理并支持远程医疗应用	6个月至10岁儿童的中耳鼓膜图像，采集自美国四家儿科医院接受鼓膜切开术和置管术的患者	数字病理学	中耳疾病	数字耳镜成像	深度学习分类器	图像	219名儿童（42.14%为黑人、西班牙裔、亚裔和其他种族），共737张图像	NA	NA	加权准确率	NA
530	2025-12-17	CellSAM: a foundation model for cell segmentation 2025-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02879-w PMID:41360960	研究论文	本文提出了一种名为CellSAM的通用细胞分割基础模型，该模型通过结合目标检测器和提示工程方法，能够在多种细胞成像数据上实现跨域泛化	基于Segment Anything Model（SAM）开发了针对细胞分割的提示工程方法，并训练了自动检测细胞的CellFinder检测器，实现了单一模型在多种成像模态和细胞类型上的通用分割能力	未明确说明模型在极端成像条件或高度重叠细胞场景下的性能限制，也未详细讨论计算效率方面的局限性	开发一个能够泛化到多种细胞成像数据的通用细胞分割模型	哺乳动物细胞、酵母和细菌的显微图像	数字病理学	NA	细胞成像	基础模型	图像	NA	NA	Segment Anything Model（SAM）	零样本性能、少样本学习性能	NA
531	2025-12-17	Development of multi-sensing technologies for high-throughput morphological, physiological, and biochemical phenotyping of drought-stressed watermelon plants 2025-Dec, Plant physiology and biochemistry : PPB IF:6.1Q1 DOI:10.1016/j.plaphy.2025.110577 PMID:41046739	研究论文	本研究开发了一种结合RGB、短波红外高光谱、多光谱荧光成像和热成像的全自动多模态高通量植物表型系统，用于分析干旱胁迫下西瓜植物的形态、生理和生化特征	整合了多种成像模态（RGB、SWIR高光谱、多光谱荧光、热成像）于一个全自动平台，实现了对干旱胁迫下植物表型的早期、全面分析，并应用先进机器学习和深度学习模型提升特征提取与分类能力	未明确提及系统在非实验室环境或大规模田间应用中的验证情况，以及成本效益分析	开发高通量植物表型技术，用于早期检测干旱胁迫并评估植物健康，以支持作物抗旱性和精准农业	干旱胁迫下的西瓜植物（Citrullus lanatus）	机器视觉	NA	RGB成像、短波红外高光谱成像、多光谱荧光成像、热成像	机器学习、深度学习	图像（RGB、高光谱、多光谱荧光、热成像）	未明确提及具体样本数量	NA	NA	预测准确性	NA
532	2025-12-17	Utilizing deep learning algorithms for the early identification and categorization of skin cancer 2025-Dec, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2025.100576 PMID:41386841	研究论文	本研究利用深度学习算法对皮肤癌进行早期识别和分类	结合EfficientNet-B0、VGG16和Inception-V3三种模型进行皮肤癌早期检测，并计划将模型集成到移动平台以提高可访问性	研究仅使用PH2和ISIC数据集，样本规模有限，且模型尚未在实际移动平台部署验证	通过图像处理和深度学习技术实现皮肤癌的早期识别与分类	皮肤癌图像数据，特别是黑色素瘤	计算机视觉	皮肤癌	图像处理	CNN	图像	PH2和ISIC数据集，具体样本数未明确	NA	EfficientNet-B0, VGG16, Inception-V3	准确率	NA
533	2025-12-17	DeepBovC2H2-ZF: deep learning-guided prediction and molecular dynamics validation of C2H2 zinc finger transcription factors in Bovidae 2025-Dec, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2025.100620 PMID:41386884	研究论文	本研究开发了一个名为DeepBovC2H2-ZF的深度学习框架，用于预测牛科动物中的C2H2锌指转录因子，并通过分子动力学模拟验证了其预测结果	开发了首个专门针对牛科动物C2H2锌指转录因子预测的深度学习框架，结合了分子动力学模拟进行功能验证	模型仅基于蛋白质序列信息，可能未考虑其他调控因素；在牛科动物以外的物种中泛化能力未经验证	开发一个计算工具，用于全基因组范围内识别牛科动物中的C2H2锌指转录因子	牛科动物中的C2H2锌指转录因子	生物信息学	NA	蛋白质序列分析, 分子对接, 分子动力学模拟	深度学习	蛋白质序列	经过整理的已验证C2H2-ZF和非C2H2-ZF转录因子数据集	NA	NA	准确率, 灵敏度, 特异性	NA
534	2025-12-17	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-Nov-28, Journal of visualized experiments : JoVE DOI:10.3791/69252 PMID:41396972	研究论文	本研究提出了一种基于深度学习的自动化方法，用于改进小鼠爪部微CT图像中关节空间的检测和骨骼分割准确性	结合结构增强、张量投票和输出膨胀技术，并采用3D U-Net架构与ResNet-18骨干网络的深度学习模型，首次实现了对健康及关节炎小鼠爪部关节空间的自动化分割	在疾病严重程度增加和年龄增长的小鼠样本中，分割准确性会下降，表明模型对病变和新型数据集的适应性有限	开发自动化图像分析技术，以克服手动分割的挑战，提高复杂骨骼解剖结构的定量描述准确性	野生型和TNF-Tg转基因小鼠的后爪和前爪微CT图像，涵盖不同年龄和性别的炎症性侵蚀性关节炎模型	计算机视觉	关节炎	微CT成像	CNN	图像	野生型和TNF-Tg转基因小鼠的后爪和前爪微CT数据集，具体数量未明确说明	未明确说明	3D U-Net, ResNet-18	准确性	NA
535	2025-12-17	Development, advancement, and clinical integration of artificial intelligence technology in gastric cancer 2025-Nov-28, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003922 PMID:41400327	综述	本文综述了人工智能技术在胃癌诊断与治疗中的发展、进展与临床整合应用	重点关注了当前主流的AI方法，包括特征工程和深度学习，以及快速发展的预训练基础模型和多模态大模型，探讨了这些技术如何重新定义AI在跨任务迁移、复杂推理和人机交互方面的极限	NA	探讨人工智能技术如何克服胃癌个性化医疗面临的挑战，支持临床决策	胃癌	数字病理学	胃癌	NA	NA	医学影像，数字病理，多组学数据，结构化临床信息	NA	NA	NA	NA	NA
536	2025-12-17	Early diagnosis of transient ischemic attack facilitated by SERS-based artificial intelligence sensors 2025-Nov-27, Mikrochimica acta DOI:10.1007/s00604-025-07699-5 PMID:41307575	研究论文	本研究开发了一种基于荷叶/铜/二氧化硅/银多层膜的表面增强拉曼散射检测平台，结合人工智能算法，用于早期诊断短暂性脑缺血发作	结合SERS多层膜传感器与多种深度学习模型，实现了对TIA血清炎症标志物的高特异性检测，其中LightGBM模型准确率达99.64%	未提及样本量的具体限制或外部验证的广泛性	通过SERS与人工智能技术提高短暂性脑缺血发作的早期诊断准确率	短暂性脑缺血发作患者与健康对照者的血清样本	机器学习	心血管疾病	表面增强拉曼散射	LightGBM, ANN, 1D-CNN, BiLSTM, Transformer, AlexNet	血清SERS光谱	TIA患者与健康对照者的血清样本（具体数量未明确）	NA	LightGBM, ANN, 1D-CNN, BiLSTM, Transformer, AlexNet4	准确率	NA
537	2025-12-17	Deep Learning-Assisted Automated Diagnosis of Osteoporosis Based on Computed Tomography Scans: Systematic Review and Meta-Analysis 2025-Nov-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77155 PMID:41284986	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了基于CT扫描的深度学习模型在骨质疏松症诊断中的性能	首次对基于CT扫描的深度学习模型在骨质疏松症诊断中的性能进行系统综述与荟萃分析，并识别了影响模型性能的关键因素，如DenseNet变体、多切片输入、3D架构和CT作为参考标准	纳入研究间存在显著的异质性，外部验证有限，且缺乏完整的端到端流程，这限制了所提模型的普适性	调查基于CT扫描的深度学习模型在诊断骨质疏松症方面的诊断性能	接受CT扫描的成年参与者	计算机视觉	骨质疏松症	计算机断层扫描（CT）	深度学习模型	CT图像	24项研究，包含来自29,808名参与者的CT图像	NA	DenseNet, 3D架构	灵敏度, 特异性, 曲线下面积	NA
538	2025-12-17	Quantitative profiling of whole-brain connectomes at single-axon resolution using deep learning and high-resolution light sheet microscopy 2025-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.14.688340 PMID:41292859	研究论文	本文介绍了一种名为MAPL3的端到端流程，结合自监督学习和创新深度架构，用于在单轴突分辨率下定量分析全脑连接组	MAPL3整合了自监督学习与创新深度架构，能够捕获局部和全局的脑范围轴突投射，支持个体和群体水平的定量层析分析，并在跨实验泛化能力上优于现有方法	NA	开发一种技术来揭示单个轴突如何形成全脑连接组，以理解大脑功能和行为	全脑连接组，特别是单个轴突和脑范围轴突投射	计算机视觉	NA	高分辨率光片显微镜	深度学习	图像	NA	NA	NA	NA	NA
539	2025-12-17	Computational redesign of a thermostable T7 RNA polymerase 2025-Nov-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.12.688101 PMID:41292992	研究论文	本研究通过结构计算设计开发了一种高度稳定的T7 RNA聚合酶变体	结合PROSS识别的新突变与先前稳定变体的突变，通过数据驱动启发式过滤，设计出功能稳定性显著提升的T7 RNA聚合酶	未提及	提高T7 RNA聚合酶的热稳定性以扩展其生物技术应用	T7 RNA聚合酶及其计算设计的变体	机器学习	NA	结构计算设计，PROSS，圆二色光谱	NA	蛋白质结构数据	18个测试的蛋白质设计	NA	NA	功能稳定性温度，表观熔解温度，活性保留百分比	NA
540	2025-12-17	Development of a deep learning model for guiding treatment decisions of acute variceal bleeding in patients with cirrhosis 2025-Nov-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i41.111361 PMID:41257275	研究论文	本研究开发了一种基于深度学习的AI-AVB模型，用于预测肝硬化患者急性静脉曲张出血的治疗效果，并指导治疗决策	开发了一种新的AI模型，相比传统风险分层方法，在预测六周治疗失败和一年死亡率方面表现出更优的性能，并能有效识别可能从预防性TIPS中受益的高风险患者	研究基于回顾性多中心队列，可能存在选择偏倚；模型在外部验证中的性能略有下降，需要进一步前瞻性验证	开发人工智能模型以指导肝硬化患者急性静脉曲张出血的治疗决策，并识别适合预防性经颈静脉肝内门体分流术的患者	肝硬化合并急性静脉曲张出血的患者	数字病理学	肝硬化	深度学习	深度学习模型	临床基线数据	3090名患者（1227名接受内镜静脉曲张结扎加药物治疗，1863名接受预防性TIPS）	NA	NA	AUC	NA