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
6121	2025-10-06	Variational inference of single cell time series 2025-May-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.610389 PMID:39257806	研究论文	提出一种名为SNOW的深度学习算法，用于解卷积单细胞时间序列数据为时间相关和时间无关的贡献	开发了能够同时处理时间和细胞身份影响的概率框架，能构建有生物学意义的潜在空间并去除批次效应	NA	解决单细胞时间序列数据分析中细胞类型注释和细胞类型依赖性动态建模的挑战	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序(scRNA-seq)	深度学习	基因表达数据	合成和真实scRNA-seq数据	NA	SNOW(SiNgle cell flOW map)	NA	NA
6122	2025-10-06	External Validation of a Novel Landmark-Based Deep Learning Automated Tibial Slope Measurement Algorithm Applied on Short Radiographs Obtained in Patients With ACL Injuries 2025-May, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251333607 PMID:40342354	研究论文	本研究通过独立数据集外部验证了一种基于标志点的深度学习算法在ACL损伤患者短X光片上自动测量胫骨后倾角的可靠性	开发了首个基于标志点的深度学习自动胫骨斜率测量算法，并在独立数据集上进行了外部验证	与金标准手动测量相比，模型在报告胫骨斜率方面仍需进一步改进	外部验证深度学习模型在胫骨后倾角测量中的可靠性，并与人工测量性能进行比较	接受前交叉韧带手术患者的膝关节侧位X光片	计算机视觉	前交叉韧带损伤	X射线成像	深度学习	X光图像	289张X光片	NA	基于标志点的深度学习架构	组内相关系数(ICC), 时间消耗	NA
6123	2025-10-06	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	研究论文	本研究评估了通过将人工生成的牙科植入物图像整合到深度学习过程中来提升全景X射线图像中牙科植入物分类性能的潜力	利用三维扫描技术创建植入物表面模型并生成人工X射线图像，通过结合真实和人工图像优化分类模型性能	仅针对10种牙科植入物类型进行研究，样本多样性有限	优化牙科植入物识别性能	牙科植入物	计算机视觉	NA	三维扫描，X射线成像	CNN	X射线图像	7,946张体内牙科植入物图像加上人工生成图像	NA	ResNet50	准确率	NA
6124	2025-10-06	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	研究论文	本研究开发了一种优化的序列模型，用于植物病害的准确分类	使用卷积神经网络自主学习和提取复杂特征，相比传统机器学习方法实现了96%的更高准确率	研究仅限于芒果和花生的叶片病害，未涵盖其他作物或更广泛的病害类型	提高植物病害检测的准确性和效率，支持大规模农业管理	芒果和花生叶片	计算机视觉	植物病害	图像处理	CNN	图像	马哈拉施特拉邦西部实地采集的叶片样本和在线数据集	NA	卷积神经网络	准确率	NA
6125	2025-10-06	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究使用深度学习和可解释人工智能分析双系统医疗使用者与阿片类药物使用障碍风险之间的关系	首次探索双系统使用与人口统计学和临床因素对阿片类药物使用障碍风险的交互作用	回顾性研究设计，数据仅限于华盛顿特区和巴尔的摩VA医疗中心	研究双系统医疗使用对阿片类药物使用障碍风险的影响及影响因素交互作用	856,299例来自VA医疗中心的患者实例	医疗健康分析	阿片类药物使用障碍	自然语言处理，ICD-9/10诊断编码	深度神经网络	临床记录文本，诊断编码	856,299例患者实例，其中146,688例(17%)确诊阿片类药物使用障碍	NA	深度神经网络	AUC 78%	NA
6126	2025-10-06	Deep Learning-Based Algorithm for Staging Secondary Caries in Bitewings 2025, Caries research IF:2.9Q1 DOI:10.1159/000542289 PMID:39471790	研究论文	开发基于深度学习的算法用于咬翼片中继发龋的检测和分期	采用创新性的病变严重程度连续评估方法，首次将Mask R-CNN与Swin Transformer结合用于继发龋分期	灵敏度值相对较低（所有病变0.737，牙本质病变0.808），样本仅来自荷兰牙科诊所网络	开发用于咬翼片中继发龋检测和分期的深度学习算法	来自383名15-88岁患者的413张咬翼片中的2,612颗修复牙齿	计算机视觉	龋齿	牙科影像分析	CNN	影像	413张咬翼片，2,612颗修复牙齿，383名患者	PyTorch	Mask R-CNN, Swin Transformer	特异性, 灵敏度, ROC曲线下面积, Pearson相关系数, Bland-Altman图	NA
6127	2025-10-06	AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3587637 PMID:40633040	研究论文	提出了一种名为AADNet的端到端深度学习模型，用于解决多说话者环境中的听觉注意解码问题	将传统的两阶段AAD方法整合为端到端的直接方法，显著提高了模型性能和对未见受试者的泛化能力	NA	开发更有效的听觉注意解码方法，用于神经导向听力设备	脑电图信号和语音信号	机器学习	NA	脑电图	深度学习神经网络	脑电图信号，语音信号	三个不同的数据集	NA	AADNet	分类准确率	NA
6128	2025-10-06	Finger drawing on smartphone screens enables early Parkinson's disease detection through hybrid 1D-CNN and BiGRU deep learning architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327733 PMID:40658696	研究论文	开发混合深度学习模型通过智能手机屏幕手指绘图检测早期帕金森病	提出结合一维卷积神经网络和双向门控循环单元的混合架构，仅需消费者级智能手机和徒手交互即可实现帕金森病检测，区别于依赖临床评分量表、神经影像或基于触控笔的现有方法	样本量相对较小（58名参与者），仅针对早期特发性帕金森病患者	通过分析智能手机屏幕上手指绘图的运动数据实现早期帕金森病检测	28名早期特发性帕金森病患者和30名年龄匹配的健康对照者	机器学习	帕金森病	智能手机运动数据采集	1D-CNN, BiGRU	运动数据（手指触摸坐标、瞬时移动速度、时间戳）	58名参与者（28名患者，30名对照）	NA	混合1D-CNN和双向GRU架构	准确率, 灵敏度, 特异性, 置信区间	NA
6129	2025-10-06	Sustainable deep vision systems for date fruit quality assessment using attention-enhanced deep learning models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1521508 PMID:40661755	研究论文	提出一种结合DenseNet121和SE注意力机制的新方法，用于椰枣果实图像分类和质量评估	在传统DenseNet模型中集成SE注意力模块，增强关键图像特征表示能力	NA	开发可持续的深度视觉系统，实现水果质量自动评估	椰枣果实图像	计算机视觉	NA	图像分类	CNN	图像	NA	NA	DenseNet121, SE Attention, YOLOv8n	准确率, 精确率, 召回率, F1分数	NA
6130	2025-10-06	Assessment of prostate cancer aggressiveness through the combined analysis of prostate MRI and 2.5D deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1539537 PMID:40661774	研究论文	本研究开发了一种基于前列腺MRI和2.5D深度学习模型的联合分析方法，用于评估前列腺癌的侵袭性	结合放射组学特征和深度学习特征构建联合模型，并采用2.5D深度学习架构分析多层面MRI图像	单中心研究，样本量相对有限（335例患者），需要外部验证	评估基于前列腺MRI的2.5D深度学习模型在前列腺癌侵袭性评估中的有效性	335例经病理证实的前列腺癌患者	医学影像分析	前列腺癌	双参数MRI（T2加权成像、扩散加权成像、表观扩散系数扫描）	2.5D深度学习, LightGBM	医学影像	335例前列腺癌患者（266例侵袭性，69例非侵袭性）	LightGBM, pyradiomics, ITK-SNAP	Inception_v3	AUC, 敏感性, 特异性	NA
6131	2025-10-06	Deep Learning Detection of Hand Motion During Microvascular Anastomosis Simulations Performed by Expert Cerebrovascular Neurosurgeons 2024-12, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.069 PMID:39305985	研究论文	使用深度学习技术定量评估专家脑血管神经外科医生在模拟微血管吻合术中的手部运动特征	首次将深度学习手部追踪技术应用于神经外科专家微血管吻合术的运动分析，无需物理传感器即可实现精确运动评估	研究样本量较小（仅5位专家），且仅在模拟环境中进行验证	通过深度学习分析外科医生的手部运动特征，探索手术动作评估的新方法	5位经验丰富的脑血管神经外科医生	计算机视觉	脑血管疾病	深度学习手部追踪技术	深度学习检测系统	视频数据	5位专家神经外科医生	NA	NA	运动经济性（像素距离），运动流畅性（缝合间隔时间）	NA
6132	2025-10-06	Automated deep learning segmentation of neuritic plaques and neurofibrillary tangles in Alzheimer disease brain sections using a proprietary software 2024-09-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae048 PMID:38812098	研究论文	开发基于深度学习的自动化工作流程，用于阿尔茨海默病脑切片中神经炎斑块和神经纤维缠结的注释与分割	采用AI驱动的迭代程序显著提升注释质量超过50%，并创建了包含5013个NPs和5143个NFTs的专家验证注释数据库	仅使用15张全切片图像，样本量有限，且来自不同生物库的组织质量、染色强度和扫描格式存在差异	开发自动化深度学习工作流程以改进阿尔茨海默病神经病理学诊断	阿尔茨海默病患者脑切片中的神经炎斑块和神经纤维缠结	数字病理学	阿尔茨海默病	AT8免疫染色	CNN	图像	15张来自4个生物库的额叶皮层全切片图像	Visiopharm	U-Net	Dice相似系数	NA
6133	2025-10-06	Deep Learning Enhanced Label-Free Action Potential Detection Using Plasmonic-Based Electrochemical Impedance Microscopy 2024-07-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01179 PMID:38953225	研究论文	本研究利用深度学习技术提升基于等离子体电化学阻抗显微镜的无标记动作电位检测性能	首次将长短期记忆循环神经网络应用于P-EIM信号处理，实现单周期刺激动作电位检测	研究未提及模型在其他神经元类型或实验条件下的泛化能力	提高等离子体电化学阻抗显微镜检测神经元电信号的可用性	神经元细胞的动作电位信号	机器学习	NA	等离子体电化学阻抗显微镜	LSTM	电信号	NA	NA	LSTM	AUC	NA
6134	2025-10-06	The new paradigm in machine learning - foundation models, large language models and beyond: a primer for physicians 2024-05, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16393 PMID:38715436	综述	本文为医生提供关于基础模型和大语言模型的入门指南，介绍其类型、医学应用及潜在风险	系统阐述基础模型从传统任务特定模型向多任务多模态的范式转变，特别聚焦医学领域的大语言模型应用前景	指出基础模型和大语言模型若缺乏适当监管可能造成危害的风险	为医生群体普及基础模型和大语言模型的基本概念及其在医学领域的应用潜力	基础机器学习模型和大语言模型	机器学习	NA	深度学习	基础模型, 大语言模型	文本, 音频, 图像, 视频	NA	NA	NA	NA	NA
6135	2025-10-06	DLSIA: Deep Learning for Scientific Image Analysis 2024-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576724001390 PMID:38596727	研究论文	介绍DLSIA这一用于科学图像分析的深度学习Python库	提出稀疏混合尺度网络(SMSNets)和可调U-Net等新型可定制CNN架构	NA	为科学图像分析提供可访问的深度学习工具	科学图像数据	计算机视觉	NA	深度学习	CNN	图像	NA	Python	U-Net, MSDNet, SMSNet, Autoencoder	NA	NA
6136	2025-10-06	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	研究论文	提出一种基于张量的分类框架SSTC，通过部分Tucker分解学习共享子空间，用于高光谱图像分类	采用部分Tucker分解保留高光谱数据的多维结构，学习跨样本共享的空间和光谱子空间	未明确说明样本量的具体限制和计算资源需求	开发高效的高光谱图像分类方法，应用于食品质量评估	李子皮下瘀伤检测和芒果成熟度分类	计算机视觉	NA	高光谱成像	张量分解	高光谱图像	NA	NA	部分Tucker分解	分类准确率	NA
6137	2025-10-06	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱与增强深度神经网络，提出了一种高灵敏度、高准确度的溴氰菊酯定量分析方法	通过引入门控循环单元和注意力机制增强传统CNN模型结构，构建CNN-GRU-Attention混合神经网络，在多维特征注意力聚焦和时间依赖性建模方面实现突破	NA	开发高灵敏度、高准确度的溴氰菊酯农药残留定量检测方法	水中的溴氰菊酯农药残留	机器学习	NA	表面增强拉曼光谱	CNN,GRU,Attention机制	光谱数据	NA	NA	CNN-GRU-Attention混合神经网络	相关系数R,均方根误差RMSE	NA
6138	2025-10-06	Learning discrete structures for cancer radiomics 2025-Sep, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0260927 PMID:40655195	研究论文	提出一种通过学习离散图像图结构来改进癌症影像组学特征提取的新方法	开发了能够同时学习任务特定图像关系和优化特征的Image-Graph神经网络，解决了传统方法忽略图像间潜在关系的问题	未明确说明方法在更广泛数据集上的泛化能力以及计算复杂度分析	改进癌症影像组学中的特征提取方法，通过利用图像间潜在关系提升诊断性能	来自五家不同医院的四个真实癌症影像数据集	医学影像分析	癌症	影像组学	图神经网络	医学影像	四个来自五家医院的真实数据集	NA	Image-Graph based neural Network	AUC	NA
6139	2025-10-06	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	提出一种基于深度学习的跨模块超分辨率方法，用于增强原子力显微镜细胞图像的重建质量	开发了增强的空间融合结构和优化的反向投影机制，并设计了基于交叉的频率分割模块，专门针对AFM细胞图像的弱信号和复杂纹理特征	NA	提升原子力显微镜细胞图像的分辨率和质量，以支持细胞生物学研究	各种细胞的原子力显微镜图像	计算机视觉	NA	原子力显微镜	GAN	图像	NA	NA	对抗性超分辨率网络	PSNR, SSIM, LPIPS, FID, NIQE	NA
6140	2025-10-06	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-Aug, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	研究论文	本研究首次探索使用深度学习模型在组织病理学图像上对B细胞和T细胞淋巴瘤进行分类	首次在组织病理学图像上部署深度学习模型进行B细胞和T细胞淋巴瘤分类的可行性研究，并集成了卷积块注意力模块(CBAMs)	样本量相对有限(1510个切片)，仅针对B细胞和T细胞淋巴瘤两大分类	开发基于深度学习的淋巴瘤分类方法以改善诊断工作流程	B细胞和T细胞淋巴瘤的组织病理学图像	数字病理学	淋巴瘤	H&E染色	CNN	图像	1510个H&E染色切片(750个B细胞淋巴瘤，760个T细胞淋巴瘤)	NA	Xception, NASNetL, ResNet50, EfficientNet	准确率, 精确率, 召回率	NA