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
641	2025-11-11	Prediction of pathological risk subtypes of thymic anterior mediastinal cysts and thymic epithelial tumors based on CT radiomics and deep learning methods: a retrospective study 2025-Nov-07, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03169-z PMID:41204379	研究论文	基于CT影像组学和深度学习方法开发预测胸腺前纵隔囊肿和胸腺上皮肿瘤病理风险亚型的非侵入性模型	首次将影像组学特征与深度学习特征融合构建深度学习影像组学模型，用于胸腺肿瘤病理风险分类预测	回顾性研究且样本量有限（144例患者），需进一步前瞻性验证	术前无创预测胸腺前纵隔囊肿和胸腺上皮肿瘤的病理风险分类，支持个性化治疗规划	144例经病理证实的胸腺前纵隔囊肿或胸腺上皮肿瘤患者	医学影像分析	胸腺肿瘤	CT影像分析	深度学习, 影像组学	CT图像	144例患者（训练集101例，测试集43例）	Pyradiomics, PyTorch	ResNet50	AUC	NA
642	2025-11-11	Hyperspectral image analysis for classification of multiple infections in wheat 2025-Nov-07, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01461-x PMID:41204393	研究论文	本研究利用高光谱成像和深度学习技术对小麦多重感染病害进行分类识别	首次将高光谱成像技术应用于小麦多重并发感染的分类识别，揭示了病原体共存时的光谱特征变化	Septoria和黄锈病+Septoria样本数量有限，需要在田间条件下使用更大更平衡的数据集进一步验证	开发基于高光谱成像的小麦多重感染病害分类方法	小麦叶片上的黄锈病、白粉病和Septoria三种病原体的单一和双重感染	计算机视觉	植物病害	高光谱成像	CNN	高光谱图像	1447张小麦叶片高光谱图像	NA	Inception, EfficientNet	准确率	NA
643	2025-11-11	ProteinFormer: protein subcellular localization based on bioimages and modified pre-trained transformer 2025-Nov-07, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-12194-5 PMID:41204400	研究论文	提出基于生物图像和改进预训练Transformer的蛋白质亚细胞定位新方法	首次将生物图像与改进的预训练Transformer架构结合，解决传统方法无法捕捉蛋白质空间动态的问题	在数据稀缺场景下性能仍有提升空间	开发高效准确的蛋白质亚细胞定位方法	蛋白质亚细胞定位	计算机视觉	NA	生物图像分析	Transformer, CNN	生物图像	Cyto_2017和IHC_2021数据集	PyTorch	ResNet, Transformer	F1-score, Accuracy	NA
644	2025-11-11	Scale-adjusted distance transform and its applications to segmentation of multimodal images 2025-Nov-07, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.11.003 PMID:41207402	研究论文	提出一种尺度调整距离变换方法用于多模态图像分割	提出与传统距离变换概念不同的尺度调整距离变换，具有尺度不变性且在连续欧几里得空间中为度量函数	未与深度学习方法进行直接性能比较	开发尺度不变的距离变换方法用于多模态图像分割	2D显微图像中的粘连细胞核和3D肺CT图像中的动静脉分离	计算机视觉	NA	距离变换，梯度流路径追踪	模糊方法	2D显微图像，3D CT图像	NA	NA	NA	分割准确性	NA
645	2025-11-11	Deep learning approach for DCE-MRI parameter estimation: Evaluating signal intensity and concentration-time curve-based convolution-neural-networks 2025-Nov-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110559 PMID:41207450	研究论文	提出基于浓度-时间曲线的卷积神经网络方法用于DCE-MRI参数估计，提高计算效率并增强对采集协议变化的鲁棒性	首次采用浓度曲线而非信号强度的深度学习方法，能够适应不同DCE-MRI采集协议变化	研究样本量相对有限，仅针对脑胶质瘤患者进行验证	开发快速、鲁棒的DCE-MRI参数估计方法以改进组织灌注和渗透性评估	脑胶质瘤患者（2-4级）的DCE-MRI数据	医学影像分析	脑肿瘤	DCE-MRI, 广义示踪动力学分析	CNN	医学影像, 浓度-时间曲线	72名胶质瘤患者用于训练，18名测试患者，外加15名外部验证患者（跨扫描仪9名，跨机构6名）	NA	卷积神经网络	平均绝对误差, AUC, 相关系数	NA
646	2025-11-11	Metabolomic biomarkers enhance prediction of feeding intolerance in ICU septic patients 2025-Nov-07, Clinics and research in hepatology and gastroenterology IF:2.6Q2 DOI:10.1016/j.clinre.2025.102731 PMID:41207616	研究论文	本研究通过代谢组学结合临床数据开发深度学习模型，显著提高了ICU脓毒症患者肠内喂养不耐受的预测能力	首次将代谢组学生物标志物与临床风险因素整合，构建了性能更优的肠内喂养不耐受预测模型	样本量较小（60例患者），需要外部验证才能临床应用	提高ICU脓毒症患者肠内喂养不耐受的预测准确性	脓毒症患者（60例，其中30例喂养不耐受，30例喂养耐受）和20例健康对照	机器学习	脓毒症	液相色谱-质谱联用（LC/MS）代谢组学分析	深度学习算法	血清代谢组学数据和临床数据	60例脓毒症患者（30例ENFI，30例耐受）和20例健康对照	NA	NA	AUC, 准确率, 精确率, F1分数, 净重分类改善指数, 综合判别改善指数	NA
647	2025-11-11	MSAI-Path: Predicting Microsatellite Instability from Routine Histology Slides Without Re-inventing the Wheel 2025-Nov-07, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100932 PMID:41207630	研究论文	提出一种可解释的混合方法，通过自动量化组织学特征来预测结直肠癌中的微卫星不稳定性	结合计算方法和病理学家专业知识，创建可解释且可验证的MSI预测方法，无需依赖黑盒深度学习模型	需要依赖预定义的贝塞斯达指南组织学特征，可能无法捕捉所有相关模式	开发可解释的微卫星不稳定性预测方法	结直肠癌患者的全切片图像	数字病理学	结直肠癌	苏木精-伊红染色全切片图像分析	逻辑回归,随机森林	图像	来自2,267名患者的3,256个全切片图像，涵盖五个中心的七个队列	NA	NA	AUC,敏感性	NA
648	2025-11-11	Prediction of the risk of diabetic foot from corneal nerve images using deep learning algorithms 2025-Nov-06, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2025.112991 PMID:41205876	研究论文	开发基于角膜神经图像的深度学习算法预测糖尿病足风险	首次将角膜神经图像与HbA1c或血清肌酐结合开发混合深度学习算法用于糖尿病足风险预测	使用定量角膜神经参数未能提升模型性能	预测糖尿病足风险类别	糖尿病患者的角膜神经图像	数字病理	糖尿病足	角膜神经成像	深度学习算法	图像	471名参与者的942只眼睛共23,550张图像	NA	NA	AUC	NA
649	2025-11-11	Approaches to Scaffold Hopping for Identifying New Bioactive Compounds and the Contribution of Artificial Intelligence 2025-Nov-05, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673383467250929220205 PMID:41208066	综述	本文综述了人工智能在骨架跃迁策略中识别新生物活性化合物的应用与贡献	将传统骨架跃迁策略与基于深度学习的人工智能模型相结合，提高了新药发现的成功率	面临输入数据质量、结果可解释性、监管问题、技术投资和多学科团队建设等挑战	提高药物开发效率，降低研发成本和时间消耗	生物活性化合物和新治疗剂	药物发现	NA	计算机辅助药物设计，深度学习	深度学习模型	化学结构数据，药效团模型	来自Web of Science、PubMed和Google Scholar数据库的文献数据	NA	NA	NA	NA
650	2025-11-11	A High-resolution dataset for AI-driven segmentation and analysis of drug-treated breast tumor spheroids 2025-Nov-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109141 PMID:41207172	研究论文	本研究提供了一个用于AI驱动分割和分析药物处理乳腺肿瘤球体的高分辨率公开数据集	创建了首个包含药物处理乳腺肿瘤球体的高分辨率公开数据集，并系统评估了多种深度学习分割模型在该数据集上的性能	数据集仅包含一种乳腺癌细胞系(MDA-MB-231)和成纤维细胞的异型球体，可能无法完全代表所有乳腺癌亚型	促进AI驱动的药物处理3D肿瘤球体分割和分析，改进临床前药物筛选评估	MDA-MB-231乳腺癌细胞和人成纤维细胞组成的异型球体	数字病理学	乳腺癌	显微成像, 微流控芯片培养	CNN	图像	95张高分辨率图像，分割为2980个图像块(512×512像素)	NA	U-Net, FCN, Mask R-CNN, YOLOv12-Seg, DeepLab	Jaccard指数, 准确率	NA
651	2025-11-11	A priority control list for LCMs in freshwater food chain by deep learning 2025-Nov-03, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140362 PMID:41207232	研究论文	本研究通过深度学习方法构建了淡水食物链中液晶单体的优先控制清单	首次针对商业液晶单体在淡水食物链中的持久性、生物累积性和毒性效应建立优先控制清单	研究仅针对1431种商业液晶单体，未涵盖所有可能的LCMs	评估液晶单体在淡水食物链中的环境风险并建立优先控制清单	1431种商业液晶单体在淡水食物链（水蚤-斑马鱼-卷羽鹈鹕）中的PBT效应	环境科学	NA	分子对接，机器学习，深度学习	ResNet	分子对接数据，PBT效应矩阵	1431种液晶单体×3营养级×3种PBT效应，共12879个数据点	NA	ResNet	准确率	NA
652	2025-11-11	Food defect detection technologies based on deep learning and prospects in detection of unsound wheat kernels 2025-Nov-02, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146910 PMID:41207261	综述	本文综述了基于深度学习的食品缺陷检测技术在不完善小麦籽粒检测中的研究现状与发展前景	系统总结了基于深度学习的小麦缺陷检测技术，重点关注图像采集系统、特征提取、模型优化、多模态融合和轻量化部署等关键技术进展	主要关注技术综述，缺乏具体实验验证和性能对比分析	推动智能小麦质量检测技术的发展，支持智慧农业的广泛应用	不完善小麦籽粒	计算机视觉	NA	机器视觉，深度学习	深度学习模型	图像	NA	NA	NA	NA	NA
653	2025-11-11	Advanced artificial intelligence combined with SERS platforms for diagnosis and therapeutic effects of cancer in clinical applications 2025-Oct-31, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127053 PMID:41207163	综述	本文综述了人工智能与表面增强拉曼光谱技术结合在癌症诊断和治疗效果监测中的临床应用	将人工智能算法与传统SERS技术结合，实现光谱数据的自动化处理和精准分类，提升癌症诊断效率	面临数据标准化、模型可解释性和监管审批等转化挑战	探讨AI-SERS技术在临床肿瘤学中的应用前景	多种癌症类型包括乳腺癌、肺癌、前列腺癌、皮肤癌、口腔癌、胃肠癌、结直肠癌、胰腺癌和卵巢癌	机器学习	癌症	表面增强拉曼光谱(SERS)	传统机器学习,深度学习	光谱数据	NA	NA	NA	NA	NA
654	2025-11-11	An integrated deep learning model accelerates luciferase based high throughput drug screening 2025-Oct-09, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2025.107315 PMID:41067316	研究论文	开发集成深度学习模型加速基于荧光素酶的高通量药物筛选	首次将深度学习模型整合到荧光素酶高通量筛选流程中，实现化合物筛选准确率和效率的显著提升	研究仅基于五种特定信号通路系统，模型在其他信号通路系统的泛化能力有待验证	通过人工智能技术加速药物开发流程，降低研发成本	18,840种化合物及其在五种荧光素酶检测系统中的HTS数据	机器学习	炎症性疾病,肿瘤,代谢综合征	荧光素酶检测,HTS	深度学习	化合物结构数据,分子特征数据,HTS数值	18,840种化合物，约100,000个HTS数据点	NA	集成深度学习模型	筛选准确率,筛选效率	NA
655	2025-10-05	Correction: Javeed et al. A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT). Sensors 2021, 21, 4884 2025-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s25185739 PMID:41013172	correction	对先前发表的关于物联网安全通信的混合深度学习驱动SDN机制论文进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
656	2025-11-11	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	回顾基于图像的细胞表型分析的计算方法发展历程，总结当前流程与局限，并展望未来研究方向	系统梳理深度学习技术对图像特征提取、可扩展性和多模态数据整合的根本性重塑，强调单细胞分析和批次效应校正等来自单细胞转录组学的方法学进步	未深入讨论广泛的生物学应用，主要聚焦技术演进层面	为研究人员提供基于图像的细胞表型分析领域进展和新挑战的路线图	显微镜图像数据驱动的细胞表型分析	计算机视觉	NA	显微镜成像技术	深度学习	显微镜图像	NA	NA	NA	NA	NA
657	2025-11-11	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本研究通过结合复数值表示和Kuramoto同步动力学来增强深度神经网络的多物体编码能力	首次将神经科学中的同步机制与复数值表示相结合，利用Kuramoto动力学促进相位对齐以改善物体绑定问题	仅在手写数字和多物体图像任务上验证，未在更复杂的真实场景中测试	研究基于同步的机制是否能增强人工模型在视觉分类任务中的物体编码能力	多物体图像、重叠手写数字、噪声输入和分布外变换	计算机视觉	NA	NA	前馈神经网络,循环神经网络	图像	NA	NA	前馈模型,带反馈连接的循环模型	NA	NA
658	2025-11-11	BMR-YOLO: A deep learning approach for fall detection in complex environments 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335992 PMID:41202040	研究论文	提出一种基于YOLOv8n架构优化的BMR-YOLO深度学习框架，用于复杂环境下的跌倒检测	在YOLOv8n基础上引入四项改进：BiFormer视觉变换器与双层路由注意力、C2f_rvb模块替换、MultiSEAM注意力机制检测头、方向感知SIoU回归指标	NA	提升复杂环境下（特别是遮挡和光照不良条件）跌倒检测的准确性和鲁棒性	跌倒检测	计算机视觉	老年疾病	深度学习	YOLO, CNN, Transformer	图像	超过10,000张标注图像（BMR-fall数据集）并使用UR跌倒检测数据集进行交叉验证	PyTorch	YOLOv8n, BiFormer, C2f_rvb, MultiSEAM	mAP@0.5	6.5 GFLOPs计算成本
659	2025-11-10	Adaptive dual-window enhancement and multi-scale texture prior fusion for robust kidney CT classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335585 PMID:41202049	研究论文	提出结合自适应双窗增强和多尺度纹理先验融合的肾脏CT分类框架	提出自适应双窗增强模块动态调整窗宽窗位生成互补视图，并结合多尺度纹理先验实现细粒度结构建模	NA	提升肾脏CT图像的自动分类性能	肾脏CT图像	计算机视觉	肾脏疾病	CT成像	深度学习	医学图像	NA	NA	ConvNeXtV2	准确率,F1分数,AUC	NA
660	2025-11-11	Novel dual convolution adaptive focus neural network for book genre classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331011 PMID:41202081	研究论文	提出一种新型双卷积自适应聚焦神经网络CPPDE-YOLO，用于提升书籍封面分类的准确性	整合PConv和PWConv算子、动态采样技术和高效多尺度注意力机制，优化YOLOv8框架	NA	通过改进算法显著提升图像分类准确率，提高现代图书检索系统的管理效率	书籍封面图像	计算机视觉	NA	NA	CNN, YOLO	图像	NA	YOLOv8	CPPDE-YOLO, DualConv, 跨阶段部分网络融合残差块	Top_1 Accuracy, Top_5 Accuracy	NA