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
6601	2026-01-14	Telemedicine to Improve Medical Care of Fishermen in Pelagic Fisheries 2025-Dec-25, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14010058 PMID:41516989	综述	本文综述了远程医疗在远洋渔业中改善渔民医疗保健的应用、进展与未来方向	系统总结了人工智能驱动的远程医疗在海上恶劣环境中的应用，并强调了5G医疗物联网网络和预测性AI工具的未来发展方向	面临连接限制、数据隐私问题以及培训需求等挑战	探讨远程医疗如何克服地理隔离和环境限制，以改善远洋渔民的医疗保健服务	在远洋渔业中工作的渔民	数字病理学	NA	远程医疗、卫星通信系统、可穿戴设备、远程指导超声、数字摄影、云端监测系统	机器学习、深度学习	生理监测数据、图像、视频	NA	NA	NA	NA	NA
6602	2026-01-14	Deep Learning-Based Prediction of Fish Freshness and Purchasability Using Multi-Angle Image Data 2025-Dec-25, Foods (Basel, Switzerland) DOI:10.3390/foods15010068 PMID:41517133	研究论文	本研究利用深度学习模型，基于多角度图像数据预测海鲈鱼的新鲜度和可购买性	首次结合多角度成像（每个鱼8个不同视角，含背景与无背景）与22个质量参数（10个分类感官参数和12个数值颜色参数），并系统比较了七种主流迁移学习算法在鱼类新鲜度预测任务中的性能	研究仅使用了10条鱼的样本，样本量较小；仅针对海鲈鱼单一物种进行研究，结论的普适性有待验证	开发基于深度学习的图像分析方法，用于评估和预测鱼类的新鲜度	海鲈鱼	计算机视觉	NA	多角度成像	CNN	图像	10条鱼，每日监测直至腐败后三天，共采集多角度图像数据	TensorFlow, Keras	EfficientNetB0, ResNet50, DenseNet121, VGG16, InceptionV3, MobileNet, VGG19	准确率, 精确率, 召回率, F1分数, 响应时间, 平均绝对误差, 基于容差的误差指标	NA
6603	2026-01-14	Predictive design of tissue-specific mammalian enhancers that function in vivo in the mouse embryo 2025-Dec-24, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.22.695948 PMID:41497587	研究论文	本文提出了一种基于深度学习设计在小鼠胚胎中具有组织特异性功能的增强子的通用策略	首次在哺乳动物活体组织中成功设计出功能可靠的合成增强子，建立了可编程控制哺乳动物基因表达的通用框架	未明确说明设计的增强子在不同发育阶段或遗传背景下的稳定性，也未讨论潜在的脱靶效应	开发能够在哺乳动物活体组织中可靠工作的组织特异性增强子设计方法	小鼠胚胎的心脏、四肢和中枢神经系统组织	机器学习	NA	染色质可及性分析	CNN	基因组序列数据	使用全基因组染色质可及性数据及已验证的人类和小鼠增强子进行训练	NA	紧凑型卷积神经网络	组织特异性活性验证	NA
6604	2026-01-14	Diagnostic Accuracy of an Offline CNN Framework Utilizing Multi-View Chest X-Rays for Screening 14 Co-Occurring Communicable and Non-Communicable Diseases 2025-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010066 PMID:41515561	研究论文	本研究评估了一种基于离线CNN框架、利用多视角胸部X光片筛查14种共存的传染性与非传染性疾病的诊断准确性	开发并验证了一个结合公共与本地数据集进行预训练和微调的离线CNN框架，专门用于多视角（正位/侧位）胸部X光片分析，并在资源有限环境中测试了其与PACS集成及离线部署的可行性	研究仅基于单一尼泊尔三级医院的本地数据集，可能限制了模型在其他地区或医疗环境中的泛化能力；且仅评估了成人胸部X光片	评估深度学习CNN模型在多种临床环境下利用多视角胸部X光片检测胸廓异常的诊断准确性，并探索其在资源有限地区的部署可行性	成人胸部X光片（正位/侧位），包括急诊、ICU和门诊环境中的图像	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	训练集包含公共数据集（Vin Big, NIH）及尼泊尔三级医院的本地数据集；测试集包含522张图像	NA	NA	AUC, 敏感性, 特异性, 平均精度均值(mAP), 报告时间	NA
6605	2026-01-14	Radiomic-Based Machine Learning Classifiers for HPV Status Prediction in Oropharyngeal Cancer: A Systematic Review and Meta-Analysis 2025-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010068 PMID:41515563	系统综述	本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在预测口咽鳞状细胞癌患者HPV状态方面的准确性、可靠性及临床适用性	首次对基于影像组学的机器学习模型预测口咽鳞状细胞癌HPV状态进行了系统综述和荟萃分析，综合评估了不同成像模态和模型架构的性能	大多数研究存在高偏倚风险，主要源于依赖单一的p16检测进行HPV状态确认、样本量不足或类别不平衡处理不当，且方法学异质性较大	评估基于影像组学的机器学习模型预测口咽鳞状细胞癌患者HPV状态的准确性、方法学框架及临床适用性	口咽鳞状细胞癌患者	医学影像分析	口咽癌	CT, MRI, CE-CT, F-FDG PET	逻辑回归, 随机森林, XGBoost, CNN	医学影像	24项研究，共8627名患者	NA	NA	AUROC, 敏感性, 特异性	NA
6606	2026-01-14	From Pixels to Predictions: Integrating Machine Learning and Digital Image Correlation for Damage Identification in Engineering Materials 2025-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma19010077 PMID:41515743	综述	本文综述了将机器学习与数字图像相关技术相结合，用于工程材料损伤识别的方法	将机器学习与数字图像相关技术耦合，显著提高了损伤识别的准确性、速度和可靠性，实现了自动化、高分辨率且近实时的损伤评估	在复杂载荷条件下，传统方法存在精度限制且需要大量人工操作，本文作为综述未提出具体的新模型，主要总结现有方法	评估工程材料中的损伤，以提高结构可靠性和安全性	复合材料、金属及其他工程材料	机器学习	NA	数字图像相关技术	机器学习模型, 深度学习架构	图像	NA	NA	NA	准确性, 速度, 可靠性	NA
6607	2026-01-14	Lightweight Deep Learning Model for Classification of Normal and Abnormal Vasculature in Organoid Images 2025-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s26010112 PMID:41516547	研究论文	本研究提出了一种轻量级深度学习模型，用于自动分类血管类器官图像中的正常与异常血管结构	基于EfficientNet架构，通过将激活函数SiLU替换为ReLU并移除Squeeze-and-Excitation模块来降低计算复杂度，在保持高精度的同时实现实时推理	未明确说明数据集的详细规模与多样性，且仅针对血管类器官图像进行评估	开发自动化工具以替代人工评估血管类器官中血管结构的正常性，提高评估效率和可重复性	血管类器官图像	数字病理学	NA	共培养实验	CNN	图像	NA	NA	EfficientNet	准确率, 推理速度(FPS)	CPU
6608	2026-01-14	A Unified GNN-CV Framework for Intelligent Aerial Situational Awareness 2025-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s26010119 PMID:41516554	研究论文	本文提出了一种统一的GNN-CV框架，用于解决空中态势感知中大规模动态实体和复杂时空关系带来的挑战	提出了一个统一的GNN-CV框架，将成熟的计算机视觉架构与图神经网络结合，用于处理类雷达地图表示，并创新性地引入了稀疏实体属性变换图神经网络、大规模雷达地图重建、集成特征提取、专门的两阶段预训练和可适应的下游任务网络等方法	未明确说明框架在其他更广泛或更复杂的空中态势感知任务中的泛化能力，以及在实际部署中可能遇到的计算资源或实时性约束	提升操作级空中态势感知的智能化水平，通过统一框架处理多种感知任务	空中动态实体（如无人机集群）及其时空关系	计算机视觉	NA	图神经网络，计算机视觉	GNN, CNN	类雷达地图表示（图像数据）	NA	NA	SET-GNNs, 未指定具体CV架构（但提及利用图像分类、目标检测、图像生成等成熟CV技术）	准确率	NA
6609	2026-01-14	IRIS-QResNet: A Quantum-Inspired Deep Model for Efficient Iris Biometric Identification and Authentication 2025-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s26010121 PMID:41516556	研究论文	本研究提出了一种名为IRIS-QResNet的量子启发的深度模型，用于提升虹膜生物特征识别与认证的效率和准确性	在ResNet-18架构中引入了量子卷积层，该层模拟量子纠缠和叠加效应，并结合正弦特征编码，以增强特征提取能力和识别精度	未使用数据增强技术，且仅在特定虹膜数据集上进行了验证	解决训练数据有限时虹膜识别中高维细微模式易被忽略的问题，提升特征提取和识别准确性	虹膜图像	计算机视觉	NA	深度学习，量子启发计算	CNN	图像	使用了CASIA-Thousands、IITD、MMU和UBIris四个虹膜数据集	NA	ResNet-18（定制化，含量子卷积层）	准确率，损失值	NA
6610	2026-01-14	Real-Time Callus Instance Segmentation in Plant Tissue Culture Using Successive Generations of YOLO Architectures 2025-Dec-23, Plants (Basel, Switzerland) DOI:10.3390/plants15010047 PMID:41514991	研究论文	本研究使用连续多代YOLO架构，在植物组织培养中实现了愈伤组织的实时实例分割	首次构建了用于实例分割的扁豆愈伤组织数据集，并系统比较了基于锚点和无锚点设计的YOLO模型在植物组织图像分析中的性能	数据集规模相对较小（122张图像），仅包含三种基因型，可能限制模型的泛化能力	开发一种实时监测植物组织培养中愈伤组织形成的方法，以替代主观、劳动密集型的人工评估	扁豆（Lentil）叶片外植体在添加不同浓度BA和NAA的MS培养基上诱导产生的愈伤组织	计算机视觉	NA	植物组织培养，图像采集	YOLO	图像	122张高分辨率图像，包含1185个标注实例	NA	YOLOv5, YOLOv7, YOLOv8, YOLOv11	mAP, Dice系数, 精确率, 召回率, IoU, 参数量, FLOPs, 推理速度	NA
6611	2026-01-14	Early Detection of Cystoid Macular Edema in Retinitis Pigmentosa Using Longitudinal Deep Learning Analysis of OCT Scans 2025-Dec-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010046 PMID:41515541	研究论文	本研究提出了一种基于深度学习的框架，利用纵向光学相干断层扫描（OCT）成像，用于早期检测视网膜色素变性（RP）患者的黄斑囊样水肿（CME）	首次利用纵向OCT数据进行AI驱动的CME预测，能够捕捉细微的疾病进展	现有研究大多缺乏能够捕捉疾病进展的纵向数据	早期检测视网膜色素变性（RP）患者的黄斑囊样水肿（CME）	视网膜色素变性（RP）患者	计算机视觉	视网膜色素变性	光学相干断层扫描（OCT）成像	CNN	图像	2280张纵向OCT图像	NA	ResNet-34	准确率, 特异性, F1分数	NA
6612	2026-01-14	Specific Dynamic Parameters: A Novel Multi-View Stereo Vision Measurement System for Vector Nozzle 2025-Dec-23, Sensors (Basel, Switzerland) DOI:10.3390/s26010093 PMID:41516528	研究论文	本文设计了一种用于测量矢量喷管运动参数的多视角视觉测量系统，并提出了一种基于深度学习三维重建、点云分割和拟合测量的技术方案	提出了一种结合深度学习多视角立体视觉、点变换器点云分割和RANSAC空间圆拟合的“三维重建-点云分割-拟合测量”集成技术方案，用于矢量喷管运动参数的高精度测量	研究基于模拟的双轴承旋转喷管进行，未在真实航空发动机矢量喷管上进行验证；系统性能评估主要依赖实验室环境	开发一种高精度、高稳定性的矢量喷管运动参数视觉测量系统，以支持推力矢量控制和飞行性能提升	航空发动机矢量喷管（通过双轴承旋转喷管模拟其运动）	计算机视觉	NA	多视角立体视觉，点云处理	深度学习，点变换器	图像，三维点云	NA	NA	点变换器	GRR%，NDC	NA
6613	2026-01-14	Timepoint-Specific Benchmarking of Deep Learning Models for Glioblastoma Follow-Up MRI 2025-Dec-22, Cancers IF:4.5Q1 DOI:10.3390/cancers18010036 PMID:41514549	研究论文	本文首次针对胶质母细胞瘤随访MRI，进行了时间点特异性的深度学习模型基准测试，以区分真实肿瘤进展与治疗相关假性进展	首次在胶质母细胞瘤随访MRI中引入时间点特异性、横断面的深度学习模型基准测试，并分析了不同放疗后扫描时间点对模型性能的影响	整体绝对区分能力仍较有限，反映了TP与PsP区分的固有难度，以及数据集规模和类别不平衡问题	区分胶质母细胞瘤的真实肿瘤进展与治疗相关假性进展	胶质母细胞瘤患者的随访MRI图像	数字病理学	胶质母细胞瘤	随访MRI	CNN, LSTM, Transformer, 选择性状态空间模型	图像	Burdenko GBM Progression队列，n = 180	NA	Mamba+CNN混合模型, Transformer变体, 轻量级CNN	准确率, F1分数, AUC	NA
6614	2026-01-14	AI-Driven Enzyme Engineering: Emerging Models and Next-Generation Biotechnological Applications 2025-Dec-22, Molecules (Basel, Switzerland) DOI:10.3390/molecules31010045 PMID:41515342	综述	本文综述了人工智能驱动的酶工程领域的新兴模型及其在下一代生物技术中的应用	提出了一个关于新兴AI方法的统一综合框架，这些方法共同定义了下一代酶工程，实现了可持续、高效且功能多样化的生物催化剂的创建	NA	综述人工智能在酶工程领域的应用，并展望下一代生物技术	酶工程	机器学习	NA	NA	机器学习, 深度学习, 生成模型, 强化学习	序列数据, 结构数据	NA	NA	AlphaFold2, RoseTTAFold, ProGen, ESM-2, ProteinGAN, 变分自编码器	NA	NA
6615	2026-01-14	Automated Food Weight and Content Estimation Using Computer Vision and AI Algorithms: Phase 2 2025-Dec-22, Sensors (Basel, Switzerland) DOI:10.3390/s26010076 PMID:41516511	研究论文	本研究利用计算机视觉和人工智能算法，在自助餐厅环境中自动估计食物的重量和成分	结合YOLO架构进行内容识别，并融合RGB与深度相机进行体积测量，再通过特定食物密度模型估计重量，实现了高精度的自动化食物量化	研究仅针对米饭和鸡肉进行了验证，可能未涵盖所有食物类型；在复杂餐饮场景中的泛化能力有待进一步测试	开发一种自动化系统，用于量化餐饮服务中的食物成分和份量大小	自助餐厅托盘中的食物，如米饭和鸡肉	计算机视觉	NA	计算机视觉，深度学习	YOLO	图像	NA	NA	YOLO	平均精度均值(mAP), 精确率-召回率曲线	NA
6616	2026-01-14	Artificial Intelligence-Driven Food Safety: Decoding Gut Microbiota-Mediated Health Effects of Non-Microbial Contaminants 2025-Dec-22, Foods (Basel, Switzerland) DOI:10.3390/foods15010022 PMID:41517088	综述	本文综述了人工智能在解码非微生物污染物通过肠道微生物群介导的健康效应中的应用	整合多组学和暴露数据，利用AI技术（如机器学习和深度学习）解析“污染物-微生物群-宿主”轴中的复杂非线性关系，推动食品安全风险评估和精准营养策略	数据异质性、小样本偏差、模型可解释性不足以及缺乏标准化数据集和人体相关实验验证	利用人工智能解析非微生物污染物通过肠道微生物群对宿主健康的影响，以改进食品安全风险评估	非微生物污染物（如重金属、农药残留、抗生素、微纳米塑料、持久性有机污染物）与肠道微生物群及宿主健康的相互作用	机器学习	NA	多组学数据整合、暴露数据	机器学习, 深度学习	多组学数据、暴露数据	NA	NA	NA	NA	NA
6617	2026-01-14	Development and Validation of a CT Radiomics-Deep Learning Model for Predicting Surgical Difficulty in Pancreatic and Periampullary Tumors 2025-Dec-21, Cancers IF:4.5Q1 DOI:10.3390/cancers18010029 PMID:41514543	研究论文	本研究开发并验证了一种结合手工特征和深度学习特征的CT影像组学模型，用于预测胰腺及壶腹周围肿瘤腹腔镜胰十二指肠切除术的手术难度	首次提出将手工提取的影像组学特征与深度学习衍生的影像组学特征相结合，构建混合预测模型，用于评估胰腺手术难度	研究为单中心回顾性研究，样本量相对较小（150例），需要多中心前瞻性研究进一步验证	预测腹腔镜胰十二指肠切除术的手术难度，为术前评估提供决策支持	胰腺及壶腹周围肿瘤患者	数字病理学	胰腺癌	CT影像（门静脉期）	支持向量机	医学影像	150例患者（训练集105例，测试集45例）	NA	混合模型（手工影像组学特征+深度学习影像组学特征）	AUC, 校准曲线, 决策曲线分析	NA
6618	2026-01-14	Using Artificial Intelligence as a Risk Prediction Model in Patients with Equivocal Multiparametric Prostate MRI Findings 2025-Dec-21, Cancers IF:4.5Q1 DOI:10.3390/cancers18010028 PMID:41514540	综述	本文综述了人工智能在PI-RADS 3前列腺MRI不确定病灶风险分层中的应用现状与证据	总结了包括PI-CAI全球基准研究在内的多中心证据，表明先进AI系统在跨扫描仪和人群的csPCa检测中可匹配或超越专家放射科医生	前瞻性验证仍然有限，临床转化需多中心前瞻性验证、标准化成像协议及工作流整合	评估人工智能作为风险预测模型在前列腺多参数MRI不确定（PI-RADS 3）病灶患者中的应用潜力	PI-RADS 3前列腺MRI病灶患者	数字病理学	前列腺癌	多参数MRI（T2加权和扩散加权成像）	机器学习, 深度学习	医学影像	包括PI-CAI研究（>10,000例MRI检查）在内的多项单中心及多中心研究	NA	卷积神经网络, 大规模表征学习框架	ROC曲线下面积	NA
6619	2026-01-14	Scaphoid Fracture Detection and Localization Using Denoising Diffusion Models 2025-Dec-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010026 PMID:41515521	研究论文	本研究提出了一种基于去噪扩散模型的舟骨骨折检测与定位框架，通过自监督学习策略增强训练数据，并利用扩散模型进行高质量图像重建以识别骨折区域	采用扩散模型进行舟骨骨折检测与定位，通过嵌入伪骨折区域实现数据增强，避免了复杂耗时的医学图像手动标注，形成自监督学习策略	未明确提及模型在临床环境中的泛化能力测试或对不同类型舟骨骨折（如隐匿性骨折）的具体表现分析	开发一个可靠的基于深度学习的辅助诊断系统，用于舟骨骨折的检测与定位	舟骨X射线图像	计算机视觉	舟骨骨折	X射线成像	扩散模型, U-Net	图像	未明确提及具体样本数量，但使用了真实舟骨图像进行评估	未明确提及	U-Net	AUROC, 准确率, 召回率, 精确率, 像素AUROC, 像素区域重叠率	未明确提及
6620	2026-01-14	Novelty Detection in Underwater Acoustic Environments for Maritime Surveillance Using an Out-of-Distribution Detector for Neural Networks 2025-Dec-20, Sensors (Basel, Switzerland) DOI:10.3390/s26010037 PMID:41516470	研究论文	本研究提出了一种用于水下声学环境的新颖性检测框架，通过集成ODIN与MC Dropout来增强模型对未知信号的检测能力和预测不确定性估计	将ODIN与MC Dropout相结合，利用软最大值概率校准和随机前向传播来缓解模型过度自信问题，并通过高斯混合模型和KL散度量化测试样本与已知类行为的偏差	实验仅在DeepShip数据集上进行验证，未在其他水下声学数据集或真实海洋环境中测试	提高水下声学传感系统在海洋监视和自主导航中对未知信号的检测鲁棒性和可靠性	水下声学环境中的已知和未知信号	机器学习	NA	NA	神经网络	声学信号	DeepShip数据集	NA	NA	ROC曲线下面积, 假阳性率, 真阳性率	NA