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
661	2025-12-11	MDA-TransUNet: A Deep Learning-Based Automatic Segmentation Method for Cervical Cancer Brachytherapy 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251397035 PMID:41348514	研究论文	本研究提出了一种名为MDA-TransUNet的深度学习模型，用于宫颈癌近距离放射治疗中高风险临床靶区和危及器官的快速自动分割	提出了一种结合CNN和Transformer的混合网络模型MDA-TransUNet，用于多中心宫颈癌CT图像的分割，并在分割准确性和剂量学评估上表现出优越性能	研究样本量相对有限（共122例），且未详细讨论模型在不同临床场景下的泛化能力或潜在偏差	开发一种快速、精确的自动分割方法，以优化宫颈癌近距离放射治疗的治疗规划流程	宫颈癌患者的CT图像，重点关注高风险临床靶区（HR-CTV）和危及器官（膀胱、结肠、直肠、小肠）	数字病理学	宫颈癌	CT成像	CNN, Transformer	图像	122例宫颈癌近距离放射治疗患者的CT图像（来自三个临床中心），其中80例用于训练，22例用于测试，20例用于外部验证	NA	MDA-TransUNet	Dice相似系数, Hausdorff距离, 平均表面距离	NA
662	2025-12-11	Deformable registration and generative modelling of aortic anatomies by auto-decoders and neural ODEs 2025, npj biological physics and mechanics DOI:10.1038/s44341-025-00029-z PMID:41355932	研究论文	提出了一种名为AD-SVFD的深度学习框架，用于主动脉解剖结构的可变形配准与生成建模	采用自解码器架构与神经常微分方程，实现了血管几何形状的配准与生成在一个统一框架内完成，并通过在推理时微调低维嵌入来降低计算开销	目前仅在健康主动脉解剖结构上进行了数值实验，未涉及病变血管或更复杂的病理形态	开发一个高效、可扩展且能泛化到不同形状队列的血管几何形状处理与生成框架	主动脉解剖几何形状	计算机视觉	心血管疾病	点云表示，常微分方程建模	自解码器，神经ODE	点云	NA	NA	自解码器	Chamfer距离	NA
663	2025-12-11	Bornean orangutan nest identification using computer vision and deep learning models to improve conservation strategies 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20333 PMID:41356436	研究论文	本研究利用计算机视觉和深度学习模型，通过无人机图像识别婆罗洲猩猩巢穴，以改进保护策略	首次将深度学习模型应用于婆罗洲猩猩巢穴的自动识别，通过比较四种模型性能并利用梯度加权类激活映射解释结果	研究仅使用二元分类数据集，未实现巢穴的自动检测，且样本量相对有限	提高婆罗洲猩猩种群监测的效率和准确性，支持保护策略优化	婆罗洲猩猩的巢穴	计算机视觉	NA	无人机图像采集	CNN	图像	1,624张图像（来自马来西亚婆罗洲沙巴的无人机影像）	TensorFlow, Keras	InceptionV3, MobileNetV2, VGG19, Xception	准确率, 精确率, 召回率, F1分数	NA
664	2025-12-11	The paradigm shift in neural stem cells basic research driven by artificial intelligence related technologies 2025, Frontiers in cellular neuroscience IF:4.2Q2 DOI:10.3389/fncel.2025.1696943 PMID:41356496	综述	本文综述了人工智能技术在神经干细胞基础研究中的应用现状与未来潜力	讨论了生成对抗网络、图神经网络和自监督学习等尚未在神经干细胞研究中应用的关键AI技术及其潜在应用	数据质量、模型鲁棒性和可解释性方面仍存在挑战	探讨人工智能技术如何推动神经干细胞基础研究的范式转变	神经干细胞	机器学习	NA	NA	GAN, GNN, 自监督学习	多模态数据	NA	NA	NA	NA	NA
665	2025-12-11	XAI-BT-EdgeNet: explainable edge-aware deep learning with squeeze-and-excitation for brain tumor detection and prediction 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1676524 PMID:41356670	研究论文	本研究提出了一种名为XAI-BT-EdgeNet的可解释、边缘感知深度学习框架，结合挤压与激励模块，用于基于MRI扫描的脑肿瘤检测与预测	开发了双分支CNN架构，融合了InceptionV3的高级语义特征与边缘特征块的底层边缘表示，并集成SE模块自适应重新校准特征重要性，同时应用了四种XAI技术（LIME、Grad-CAM、Grad-CAM++、Vanilla Saliency）以提供可解释的视觉预测依据	NA	提高脑肿瘤检测的准确性和早期诊断能力，并增强临床对AI系统的信任	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI扫描	CNN	图像	4,589张标记的MRI图像（脑肿瘤2,513张，健康2,076张）	NA	InceptionV3, 双分支CNN	准确率, 损失值	NA
666	2025-12-11	tUbeNet: a generalizable deep learning tool for 3D vessel segmentation 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf087 PMID:41357142	研究论文	本文提出了一种名为tUbeNet的深度学习模型，结合人机协同训练方法，用于三维血管分割，该工具具有跨组织、模态、尺度和病理的泛化能力	开发了一个通用的深度学习工具，通过预训练的“基础”模型和微调策略，能够以极少量手动标注数据（如仅需新数据集0.3%的体积）适应新应用，实现了高精度三维血管分割	未明确提及模型在极端病理条件或罕见血管结构下的性能限制，以及计算资源需求的具体细节	开发一个可泛化的深度学习工具，用于三维血管分割，以支持血管成像的定量分析	三维血管网络，涵盖多种组织、成像模态、尺度和病理条件	计算机视觉	NA	光学成像、计算机断层扫描、光声成像	CNN	图像	NA	NA	3D卷积神经网络	Dice系数	NA
667	2025-12-11	Artificial intelligence in musculoskeletal radiology: practical aspects and latest perspectives 2025-Jan, BJR open DOI:10.1093/bjro/tzaf029 PMID:41357265	综述	本文综述了人工智能在肌肉骨骼放射学中的实际应用、最新进展及未来挑战	系统总结了AI在MSK影像全工作流程的应用，并探讨了大型语言模型在报告简化与临床沟通中的新兴作用	未涉及具体临床验证数据，主要基于现有文献的整合分析	探讨人工智能在肌肉骨骼放射学领域的应用现状与发展方向	肌肉骨骼影像工作流程及相关人工智能技术	数字病理学	肌肉骨骼疾病	深度学习，大型语言模型	深度学习模型	医学影像	NA	NA	NA	诊断一致性，测量量化准确性	NA
668	2025-12-11	Unifying proteomic technologies with ProteinProjector 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf266 PMID:41357305	研究论文	本文开发了一个名为ProteinProjector的自监督深度学习框架，用于整合多种蛋白质组学数据模态，以统一映射蛋白质的亚细胞定位	提出了一种灵活的自监督深度学习框架，能够整合任意数量的蛋白质组学数据模态，生成统一的蛋白质位置图谱，显著提高了图谱覆盖范围和准确性	NA	整合多种蛋白质组学技术，以更全面地理解蛋白质的亚细胞组织	HEK293人胚胎肾细胞中的蛋白质	机器学习	NA	蛋白质亲和纯化、邻近连接、尺寸排阻色谱质谱（AP-MS, PL-MS, SEC-MS）以及蛋白质荧光成像	自监督深度学习	质谱数据、图像数据	NA	NA	NA	已知复合物的恢复率、正交功能和物理关联的恢复率	NA
669	2025-12-11	Classifying abnormalities in chest radiographs from Vietnam using deep learning for early detection of cardiopulmonary diseases 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1703927 PMID:41357464	研究论文	本研究旨在开发一个基于越南胸部X光片数据的AI模型，用于早期检测心肺疾病的异常分类	首次使用越南胸部X光片数据进行AI模型开发，针对越南高负担的感染性和非传染性疾病进行早期检测	未提及模型在其他地区或人群中的泛化能力，以及数据集的潜在偏差	开发一个AI模型，用于分类越南胸部X光片中的正常和异常图像，以早期检测心肺疾病	越南两个机构的胸部X光片数据，包括正常和异常病例	计算机视觉	心肺疾病	胸部X光成像	Vision Transformer, EfficientNetV2, Light Gradient Boosting Machine	图像	17,471例（12,827例正常，4,644例异常）	未明确指定，可能涉及PyTorch或TensorFlow	Vision Transformer, EfficientNetV2	F1分数, 灵敏度, 特异性, 准确率, AUC	未提及
670	2025-12-11	Integration of intratumoral/peritumoral radiomics and deep learning for predicting overall survival in non-small cell lung cancer patients: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1669200 PMID:41357593	研究论文	本研究开发了一个结合瘤内/瘤周影像组学特征和3D深度学习特征的多中心模型，用于预测非小细胞肺癌患者的总生存期	提出了一种结合瘤内/瘤周影像组学特征和3D深度学习特征的集成模型，并引入了3D-SE-ResNet网络来提取深度学习特征，通过多维特征整合提高了生存预测的准确性	研究为回顾性设计，样本量相对有限（303例），且仅基于CT影像数据，未考虑其他临床或分子生物学因素	改善接受放疗的非小细胞肺癌患者的总生存期预测，为个性化放疗策略提供新工具	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	深度学习	图像	303例来自三个中心的非小细胞肺癌患者	NA	3D-SE-ResNet	C-index, AUC	NA
671	2025-12-11	Automated predictive framework using AI and deep learning approaches for early detection and classification of liver cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1650800 PMID:41357578	研究论文	本研究提出了一种名为LiverCompactNet的深度学习框架，用于肝病的早期检测和分类	开发了LiverCompactNet这一先进的深度学习框架，实现了对肝脏图像的高精度分类，并在早期检测肝病方面表现出色	未直接对原始成像数据或CNN训练输入应用PCA，可能限制了特征提取的全面性	旨在通过AI和深度学习技术实现肝病的早期检测和分类，以提升医疗图像分析和临床决策	肝脏图像，包括良性、恶性和正常三类	计算机视觉	肝癌	深度学习，主成分分析（PCA）	CNN	图像	5000张肝脏图像（1500张良性，1500张恶性，2000张正常），分为训练集（3500）、验证集（750）和测试集（750）	NA	LiverCompactNet	准确率，敏感性，特异性，精确率，AUC-ROC分数	NA
672	2025-12-11	Transfer Learning Strategies for Cardiovascular Disease Detection in ECG Imagery 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251397812 PMID:41358268	研究论文	本研究提出了一种名为HeProbAtt BiGRU Net的新型AI驱动模型，用于从心电图图像中自动分类和预测冠状动脉钙化评分，旨在提高心血管疾病检测的准确性和效率	提出了一种结合注意力机制和概率权重的改进型BiGRU网络架构（HeProbAtt BiGRU Net），用于同时执行分类和回归任务，增强了学习效率和决策精度	研究基于单一中心的数据集，未来需要在更大规模、多中心数据集上进行验证，并缺乏临床可解释性特征的整合	开发一种深度学习模型，用于自动分类和预测冠状动脉钙化评分，以改进当前自动评分系统，减少误差和偏差，并辅助临床决策	来自大不里士医科大学的14,127个非对比计算机断层扫描切片数据集，用于心血管疾病检测	计算机视觉	心血管疾病	非对比计算机断层扫描	CNN, BiGRU	图像	14,127个NCCT切片	NA	DenseNet201, InceptionV3, HeProbAtt BiGRU Net	准确率, 精确率, 召回率, F1分数, ROC-AUC, 平均绝对误差, 均方根误差	NA
673	2025-12-11	CottonNet-MHA: a multi-head attention-based deep learning framework for cotton disease detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1664242 PMID:41358337	研究论文	本文提出了一种基于多头注意力机制的深度学习框架CottonNet-MHA，用于棉花病害检测	开发了结合多头注意力机制的深度学习框架，以增强特征学习并突出病害区域，提高了检测准确性和可解释性	未明确说明模型在多样化环境条件下的泛化能力或数据集的规模限制	构建深度学习模型以自动检测棉花作物中的病害，确保健康作物生长和提高产量	棉花叶片中的病理症状	计算机视觉	棉花病害	NA	深度学习模型，多头注意力机制	图像	NA	TensorFlow, PyTorch, Keras	VGG16, VGG19, InceptionV3, Xception, MobileNet	准确率，效率	NA
674	2025-12-11	Integrating meteorological and breeding data to predict maize yields using machine learning algorithms 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1722068 PMID:41358345	研究论文	本研究开发了一种机器学习模型，通过整合气象数据和育种值来预测玉米杂交种产量	将气象数据与基于BLUP方法估计的育种值相结合，利用机器学习算法进行玉米产量预测，提供了一种成本效益高且高效的预测框架	模型性能仍有提升空间（R²为0.64），且可能受限于数据集规模和计算资源需求	预测玉米杂交种产量，以支持全球粮食安全和精准农业决策	玉米杂交种	机器学习	NA	BLUP（最佳线性无偏预测）方法	Random Forest, XGBoost, Support Vector Regression, Gaussian Process Regression	气象数据、育种数据	NA	Scikit-learn（推断，因使用常见ML算法）	Random Forest, XGBoost, SVR, GPR	R², RMSE, MAE, RRMSE, MAPE	NA
675	2025-12-11	Correction: Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1744006 PMID:41368236	correction	本文是对一篇关于深度学习算法在非对比脑部CT报告分类中诊断精度的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
676	2025-12-10	Attention-guided deep learning-machine learning and statistical feature fusion for interpretable mental workload classification from EEG 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10392-1 PMID:41362309	研究论文	本文提出了一种新颖的混合深度学习与XGBoost堆叠集成框架，用于从脑电图信号中进行可靠且可解释的心理负荷分类	提出了一种结合CNN-BiLSTM-Attention深度学习分支与XGBoost机器学习分支的双分支混合堆叠集成框架，并利用逻辑回归进行预测融合，以同时提升分类性能和模型可解释性	未明确提及模型的计算复杂度、实时性评估或在更广泛数据集上的泛化能力限制	开发一种可靠且可解释的心理负荷分类方法，用于实时认知监测	脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM, XGBoost	时间序列信号	STEW和EEGMAT两个公开数据集	NA	CNN-BiLSTM-Attention	分类准确率	NA
677	2025-12-10	Tremor estimation and filtering in robotic-assisted surgery 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10387-y PMID:41362307	研究论文	本文提出了一种基于深度学习的预测方法，用于估计和过滤机器人辅助手术中的手部震颤信号	提出了一种结合双向LSTM和时序卷积网络以提取震颤信号长短期特征的集成方法，并引入遗传算法优化时间步长和末端数据补偿策略	方法仅在虚拟手术环境中通过缝合实验进行评估，缺乏真实临床场景的验证	通过测量和建模震颤信号来抑制手术机器人操作中的手部震颤，提高手术精度	外科医生在手术过程中产生的自发手部震颤信号	机器学习	NA	传感器信号测量与建模	LSTM, TCN	时序信号数据	NA	NA	双向LSTM网络, 时序卷积网络	震颤信号估计误差	NA
678	2025-12-10	Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70072 PMID:40931540	研究论文	本文提出了一种基于少样本学习的深度学习重建方法，用于高度加速的3D时间飞行磁共振血管成像，旨在解决高分辨率全头血管造影采集耗时的问题	采用少样本学习框架，结合预训练的3D变分网络，仅需两个实验采集的数据集进行微调，即可实现八倍加速下的高质量重建	方法仅在健康志愿者和小样本上进行评估，未在病理患者数据中验证其泛化能力	开发一种能够利用极少量原始数据实现高质量3D TOF-MRA重建的深度学习方法	3D时间飞行磁共振血管成像数据	医学影像重建	NA	磁共振成像，时间飞行血管成像	深度学习，变分网络	k空间数据，图像数据	5名健康志愿者的回顾性欠采样数据，2名额外受试者的前瞻性欠采样数据	NA	3D变分网络	重建质量，伪影减少，血管细节保留	NA
679	2025-12-10	Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning-Assisted General Movement Assessment 2026-Jan, Acta paediatrica (Oslo, Norway : 1992) DOI:10.1111/apa.70319 PMID:41025287	综述	本文综述了如何利用新生儿重症监护室中的床边摄像头，结合深度学习技术，辅助临床医生对扭动期婴儿进行无创、可扩展的全身运动评估	提出将新生儿监护室中已广泛用于亲子连接的床边RGB摄像头，与深度学习技术结合，为自动化全身运动评估提供了一种新颖、可扩展的非接触式解决方案	本文为文献综述，未进行具体的模型开发或临床验证，其提出的技术路径的有效性和实用性有待后续实证研究确认	探索利用床边摄像头视频数据结合深度学习技术，实现计算机辅助的全身运动评估，以改进早期神经发育筛查	新生儿（扭动期婴儿）的全身运动视频数据	计算机视觉	新生儿神经发育障碍	视频采集（RGB摄像头）	深度学习模型（具体模型未指定）	视频	NA	NA	NA	NA	NA
680	2025-12-10	Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow 2026-Jan, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70023 PMID:41028901	综述	本文全面回顾了妇科细胞学筛查中商业AI软件的现状、性能及其与临床工作流的整合	系统性地评估了商业AI解决方案在妇科细胞学（尤其是宫颈癌筛查）中的应用潜力、临床影响及整合挑战，为AI在该领域的实际部署提供了全面视角	本文为综述性文章，未涉及原始实验数据或新模型开发，主要基于现有商业产品和文献进行分析	探讨人工智能（AI）在妇科细胞学筛查中的应用现状、临床价值及实践整合路径	商业可用的AI软件及其在妇科细胞学（以宫颈涂片筛查为主）筛查中的应用	数字病理学	宫颈癌	NA	机器学习，深度学习	细胞学图像（如巴氏涂片）	NA	NA	NA	准确性，一致性，效率	NA