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
761	2026-09-26	EffResViT-SE FusionNet: A Hybrid Deep Learning Framework for Accurate Classification of Coffee Leaf Diseases 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71311 PMID:41383578	研究论文	本文提出了一种名为 EffResViT-SE FusionNet 的混合深度学习框架，通过融合 EfficientNetB3、ResNet50、SE 模块和 Vision Transformer，实现对咖啡叶部病害的高精度分类	首次将 EfficientNetB3 与 ResNet50 结合 SE 模块进行自适应局部特征重校准，并与 Vision Transformer 融合以同时建模局部特征和全局上下文依赖，形成统一的混合架构	未明确讨论模型在真实田间复杂环境下的泛化能力、计算资源需求以及在移动端或边缘设备上的部署可行性，也未与其他最新病害分类方法进行全面对比	解决传统咖啡叶部病害诊断方法耗时、成本高、依赖专家的问题，实现高效、准确、可扩展的咖啡叶部病害自动分类	咖啡叶片图像，涵盖健康、潜叶虫、叶锈病、尾孢菌病和茎点霉病五类	计算机视觉	植物病害	深度学习图像分类	CNN, Transformer	图像	58,555 张咖啡叶片图像，其中健康 18,984 张、潜叶虫 16,983 张、叶锈病 8,336 张、尾孢菌病 7,681 张、茎点霉病 6,571 张，按 70%、15%、15% 划分训练、验证和测试集	NA	EfficientNetB3, ResNet50, Squeeze-and-Excitation, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
762	2026-09-26	MAGNET: Multi-view graph autoencoder with cell-gene attention for cell interaction network reconstruction from spatial transcriptomics 2025-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013810 PMID:41397026	研究论文	该文章提出了MAGNET框架，通过多视图图自编码器和细胞-基因注意力模块，从空间转录组数据中重建细胞间相互作用网络	开发了细胞-基因注意力模块，将细胞外部相互作用与内部基因调控统一表示，而非简单拼接或相加	未明确提及	从空间转录组数据中准确推断细胞间相互作用网络	空间转录组数据中的细胞及其基因表达	空间转录组学	乳腺癌	空间转录组学	图自编码器	空间转录组数据	seqFISH, MERFISH, STARMAP基准数据集及一个乳腺癌数据集	NA	多视图图自编码器，细胞-基因注意力网络	平均精度（AP）	NA
763	2026-09-26	RGB-Based Deep Learning for Freeze Damage Detection in Strawberry: Comparing Scratch and Transfer Learning Approaches on Custom Data 2025-Dec, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70124 PMID:41393171	研究论文	本文提出一种基于深度学习和计算机视觉的方法，利用RGB图像自动分类草莓植株的冻害程度	比较了从零开始训练和迁移学习（使用ImageNet预训练权重）两种方法在四种CNN架构上的表现，并针对草莓冻害分类这一特定任务进行了评估，发现从零开始训练的模型性能更优	模型在区分轻度冻害与轻微或无冻害方面表现不佳，且研究仅基于自定义数据集，可能泛化能力有限	自动化草莓植株冻害分类，提供一种比传统人工检查更准确、快速且无损的替代方法	草莓植株的RGB图像	计算机视觉	NA	RGB成像，深度学习	CNN	图像	NA	NA	DenseNet-121, Inception V3, ResNet-50, Xception	准确率, 精确率, 召回率, F1分数, 推理时间	NA
764	2026-09-26	ClusterNet: Classifying Single-Molecule Localization Microscopy Datasets with Graph-Based Deep Learning of Supracluster Structure 2025-Dec, Small science IF:11.1Q1 DOI:10.1002/smsc.202500255 PMID:41395524	研究论文	本文提出了一种基于图的深度学习流程ClusterNet，用于对单分子定位显微镜（SMLM）点云数据集进行分类，利用超簇结构并整合单个簇的特征	结合单个簇的特征与多个簇位置形成的超簇结构，使用图深度学习方法对任意视野大小的SMLM数据进行分类，并在开放数据集上达到99%准确率	未明确提及，可能受限于数据集的多样性和泛化能力	开发一种能够分类SMLM点云数据的方法，以自动识别和分组不同疾病类型或样本类型，用于下游分析	SMLM点云数据，包括DNA-PAINT数据集和结直肠癌组织数据集	数字病理学	结直肠癌	单分子定位显微镜（SMLM），DNA-PAINT	图神经网络（GNN）	点云数据	NA	PyTorch	图神经网络（GNN）	准确率（accuracy）	NA
765	2026-09-26	Single-Cell and Spatial Multiomics: Applications for Diseases 2025-Dec, MedComm IF:10.7Q1 DOI:10.1002/mco2.70553 PMID:41403916	综述	本文综述了单细胞和空间多组学方法及其在疾病研究中的应用，并探讨了深度学习在数据分析中的作用	整合单细胞和空间多组学以更全面地研究疾病机制，并强调深度学习在该领域的应用	领域相对较新，尚未成熟	探讨单细胞和空间多组学在理解疾病机制、诊断和治疗中的应用	人类疾病，包括头颈部鳞状细胞癌、神经退行性疾病和衰老	机器学习	肺癌	单细胞和空间多组学	深度学习	多组学数据	NA	NA	NA	NA	NA
766	2026-09-26	Automated Guava Disease Detection Using Transfer Learning With ResNet-101 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71348 PMID:41438181	研究论文	本文利用ResNet-101进行迁移学习，实现番石榴病害的自动检测，并通过数据增强和Grad-CAM可视化提升模型性能与可解释性	将ResNet-101迁移学习应用于番石榴病害检测，并通过数据增强平衡数据集，同时使用Grad-CAM可视化增强模型的可解释性、公平性和透明度	未明确提及	开发基于深度学习和迁移学习的自动番石榴病害检测方法，以提高检测准确性和效率，支持大规模农业	番石榴（包括健康、炭疽病和果蝇感染三类）	计算机视觉	植物病害	深度学习，迁移学习，数据增强	CNN	图像	原始3784张图像，经过数据增强后生成4632张图像，分为健康、炭疽病、果蝇三类，每类数量均衡	NA	ResNet-101	准确率，误分类率，特异性，召回率，精确率，阴性预测值，假阳性率，假阴性率，F1分数	NA
767	2026-09-26	Detection of phase-binning and interpolation artifacts in 4-dimensional computed tomography imaging using deep learning and rule-based approaches 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70191 PMID:41389065	研究论文	本研究开发3D深度学习模型和基于规则的方法来检测4DCT成像中的相位分箱和插值伪影	引入生成器将合成伪影插入无伪影呼吸相位以生成训练数据，并使用修改的nnUNet和SwinUNETR模型进行体素级伪影检测，同时提出基于规则的插值切片检测方法及局部伪影校正方法	SwinUNETR配置在合成伪影上性能略低，且性能评估缺乏真实伪影掩膜，需通过统计比较检测到的合成与真实病例的伪影特性	开发自动检测4DCT图像中相位分箱和插值伪影的方法，以改善肺癌放疗计划中的图像分析和剂量累积	4DCT图像中的相位分箱伪影和插值伪影	医学图像分析	肺癌	4DCT成像	3D深度学习模型、基于规则的方法	图像	9个临床4DCT数据集用于生成合成数据，1989个真实伪影病例用于测试	NA	nnUNet, SwinUNETR	准确率, 灵敏度, 特异性, Dice分数	NA
768	2026-09-26	Automatic Segmentation of Intraluminal Thrombus in Abdominal Aortic Aneurysms Based on CT Images: A Comprehensive Review of Deep Learning-Based Methods 2025-Nov-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238497 PMID:41375800	综述	本文综述了深度学习技术在腹主动脉瘤CT血管造影图像中腔内血栓分割的应用	系统总结了基于深度学习的腹主动脉瘤腔内血栓分割方法，比较了2D和3D网络的性能，并指出了术前和术后分割的应用差异	缺乏标准化数据集，限制了模型开发和外部验证	综述深度学习技术在腹主动脉瘤成像分析中的应用，特别关注腔内血栓的分割	腹主动脉瘤患者	医学图像分割	腹主动脉瘤	CT血管造影	2D网络, 3D网络	CT图像	22篇研究	NA	2D多视图融合模型, 3D U-Net	Dice相似系数	NA
769	2026-09-26	A Review of Deep Learning Approaches Based on Segment Anything Model for Medical Image Segmentation 2025-Nov-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121312 PMID:41463609	综述	本文综述了基于分割一切模型（SAM）的深度学习医学图像分割方法，涵盖多模态融合、体积扩展和不确定性感知三个主要方向	系统性地从多模态融合框架、体积扩展架构和不确定性感知架构三个维度对SAM在医学图像分割中的适应性改进进行了分类总结，并对比分析了SAM衍生模型的性能与标注效率提升	作为综述文章，未提供原始实验验证；对现有方法的泛化能力、跨中心验证和临床落地挑战的讨论可能不够深入	综述SAM在医学图像分割领域的适应性改进方法，梳理多模态融合、体积扩展和不确定性感知三大研究方向，并展望未来发展趋势	基于SAM的医学图像分割模型及其衍生架构，包括SAM3D、ProtoSAM-3D、VISTA3D、SAM-U和E-Bayes SAM等	数字病理学	NA	NA	SAM, Transformer	图像	NA	NA	SAM, SAM3D, ProtoSAM-3D, VISTA3D, SAM-U, E-Bayes SAM	Dice系数	NA
770	2026-09-26	Computed tomography-based nnU-Net for region-specific brain structural changes across the alzheimer's continuum and frontotemporal dementia subtypes 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26604-x PMID:41315482	研究论文	该文章开发了一个基于nnU-Net的深度学习框架，利用CT进行脑部分割，以评估脑脊液体积变化，作为脑组织损失的间接标志物，并评估其在阿尔茨海默病阶段和额颞叶痴呆亚型中的效用	使用CT而非MRI进行脑部分割，并应用nnU-Net深度学习框架评估脑脊液体积变化，作为脑萎缩的间接标志物，支持阿尔茨海默病和额颞叶痴呆的早期检测和鉴别诊断	未明确提及	开发和评估基于CT的深度学习框架，用于量化脑结构变化，以诊断和监测神经退行性疾病	2357名参与者，包括认知正常、轻度认知障碍、阿尔茨海默型痴呆和额颞叶痴呆亚型患者	数字病理学	阿尔茨海默病, 额颞叶痴呆	CT, MRI	nnU-Net	图像	2357名参与者，包括CU (n=595), MCI (n=954), DAT (n=663), FTD (n=145), bvFTD (n=66), nfvPPA (n=29), svPPA (n=50)	NA	nnU-Net	Dice相似系数, 相关性分析, Bland-Altman分析	NA
771	2026-09-26	Predicting suicide death among veterans after psychiatric hospitalization using transformer based models with social determinants and NLP 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27435-6 PMID:41315506	研究论文	本研究利用基于Transformer的深度学习模型（TransformEHR）结合社会与行为健康决定因素（SBDH），预测精神病院出院后退伍军人的自杀死亡风险	首次将ICD编码和NLP提取的社会与行为健康决定因素（SBDH）整合到基于Transformer的电子健康记录基础模型（TransformEHR）中，用于预测退伍军人精神病出院后的自杀死亡，并验证了SBDH在提升预测性能、校准度和公平性方面的作用	摘要中未明确提及研究局限性	确定添加社会与行为健康决定因素（SBDH）作为预测因子是否能改善精神病院出院后退伍军人自杀死亡的预测	197,581名美国退伍军人，来自129家VHA精神病医院，共414,043次出院记录（2017年1月1日至2019年7月1日期间）	机器学习	自杀死亡	自然语言处理（NLP），电子健康记录（EHR）分析	Transformer	文本（非结构化临床笔记）、结构化数据（管理数据、ICD编码）	197,581名退伍军人，414,043次出院记录	NA	TransformEHR（基于Transformer的电子健康记录基础模型），传统机器学习集成模型	敏感度、阳性预测值（PPV）、受试者工作特征曲线下面积（AUROC）、校准度、公平性	NA
772	2026-09-26	Tailoring Energy Absorption of Curved-Beam Lattices Through a Data-Driven Approach 2025-Nov-28, Materials (Basel, Switzerland) DOI:10.3390/ma18235377 PMID:41374219	研究论文	本文提出了一种新型曲梁厚度梯度点阵结构，并利用深度学习与遗传算法进行逆向设计以优化其能量吸收性能	提出了一种新型曲梁厚度梯度点阵结构，结合深度学习与遗传算法进行逆向设计优化，并采用SHAP和PDP等可解释性方法分析几何参数对能量吸收性能的影响机制	未明确提及	通过数据驱动方法优化曲梁点阵结构的能量吸收性能，并建立清晰的设计原理	曲梁厚度梯度点阵结构	机器学习	NA	NA	深度学习	NA	NA	NA	NA	总能量吸收、比能量吸收	NA
773	2026-09-26	Radiologist-Validated Automatic Lumbar T1-Weighted Spinal MRI Segmentation Tool via an Attention U-Net Algorithm 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233046 PMID:41374427	研究论文	本文利用注意力U-Net算法开发了一种自动腰椎T1加权脊柱MRI分割工具，并经放射科医生验证	针对T1加权脊柱MRI分割工具稀缺的现状，采用注意力U-Net架构，比较了BCE和MSE损失函数，并通过放射科医生评估验证了临床相关性	未提及具体样本量，Cohen's Kappa系数仅为0.31，表明医生间一致性一般	创建自动腰椎T1加权脊柱MRI分割工具，帮助骨科医生和放射科医生自动化分割过程	腰椎脊柱T1加权MRI图像	医学图像分割	椎间盘突出、椎体损伤	深度学习、磁共振成像	注意力U-Net	图像	NA	NA	注意力U-Net、U-Net++	SSIM、DICE系数、Likert量表、Cohen's Kappa系数	NA
774	2026-09-26	Applications of Artificial Intelligence as a Prognostic Tool in the Management of Acute Aortic Syndrome and Aneurysm: A Comprehensive Review 2025-Nov-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238420 PMID:41375721	综述	本文全面综述了人工智能在急性主动脉综合征和胸主动脉瘤管理中的应用，涵盖死亡率预测、主动脉结构力学建模、并发症预测等方面	系统性地整合了AI在主动脉疾病管理中的多方面应用，特别强调了从死亡率预测扩展到生物力学建模和虚拟模拟的新范式，并提出了数字孪生等未来发展方向	许多研究受限于小样本量、单中心设计和缺乏外部验证，限制了模型的泛化能力	综述AI作为预后工具在急性主动脉综合征和动脉瘤管理中的应用现状与未来发展	急性主动脉综合征和胸主动脉瘤患者	机器学习	心血管疾病	NA	机器学习, 深度学习, 集成算法	临床数据, 影像数据, 生物标志物数据, 放射组学数据	NA	NA	NA	区分度, 可解释性, 准确率	NA
775	2026-09-26	Dose-Guided Hybrid AI Model with Deep and Handcrafted Radiomics for Explainable Radiation Dermatitis Prediction in Breast Cancer VMAT 2025-Nov-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17233767 PMID:41374969	研究论文	该研究开发了一种混合人工智能模型，整合深度学习放射组学、手工放射组学、临床特征和剂量体积直方图参数，用于预测乳腺癌VMAT治疗后的放射性皮炎	首次将剂量引导的混合AI模型与深度和手工放射组学结合，并通过SHAP和Grad-CAM实现可解释性，用于放射性皮炎预测	回顾性研究设计，样本量相对较小（148例），单中心数据，需要外部验证	提高乳腺癌VMAT治疗后放射性皮炎的预测准确性，支持个性化预防策略	接受VMAT治疗的乳腺癌患者	数字病理学, 机器学习	乳腺癌	PyRadiomics特征提取, VGG16深度学习特征提取, DVH分析	CNN, 逻辑回归, 随机森林, 梯度提升决策树, 堆叠集成	图像, 文本（临床数据）, 数值（DVH参数）	148例乳腺癌患者（从156例中筛选）	PyRadiomics, Scikit-learn	VGG16, 逻辑回归, 随机森林, 梯度提升决策树, 堆叠集成	AUC, 召回率, F1分数	NA
776	2026-09-26	Artificial Intelligence Driven Innovation: Advancing Mesenchymal Stem Cell Therapies and Intelligent Biomaterials for Regenerative Medicine 2025-Nov-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121302 PMID:41463599	综述	本文综述了人工智能在推动间充质干细胞疗法和智能生物材料用于再生医学方面的创新作用	系统性地整合了人工智能在间充质干细胞生物学预测和生物材料数据驱动设计两个核心领域的应用，强调了从试错到数据驱动范式的转变，并指出了转化瓶颈	现有研究证据碎片化，模型预测在独立队列中的可重复性不足，以及从计算预测到体内验证存在显著的转化鸿沟	探讨人工智能如何推动间充质干细胞疗法和智能生物材料在再生医学中的发展	间充质干细胞、智能生物材料、再生医学	机器学习	NA	多组学分析、成像数据分析、深度学习、机器学习、生成式人工智能	深度学习模型、机器学习模型、生成式人工智能	多组学数据、成像数据、材料参数、生物特性数据	NA	NA	NA	NA	NA
777	2026-09-26	ConvNeXt-Driven Detection of Alzheimer's Disease: A Benchmark Study on Expert-Annotated AlzaSet MRI Dataset Across Anatomical Planes 2025-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232997 PMID:41374378	研究论文	本文提出了一种基于ConvNeXt深度学习模型的结构MRI阿尔茨海默病分类方法，并引入了一个专家标注的AlzaSet数据集，在轴状位、冠状位和矢状位三个解剖平面上进行了基准测试	提出了AlzaSet——一个由神经放射学家标注的临床T1加权MRI数据集，包含79名受试者（63名AD，16名正常对照）共12,947张切片，覆盖三个解剖平面；首次系统地将ConvNeXt应用于AD诊断，并在不同解剖平面上进行了全面基准测试	数据集样本量较小（仅79名受试者），且存在类别不平衡问题（AD与NC比例约为4:1），可能影响模型的泛化能力和统计效力	开发准确、低成本的阿尔茨海默病诊断工具，实现早期识别，并评估ConvNeXt模型在不同解剖平面上对AD分类的性能	阿尔茨海默病患者和认知正常对照者的结构性MRI扫描图像	计算机视觉	阿尔茨海默病	结构性MRI	CNN	图像	79名受试者（63名AD患者和16名认知正常对照），共12,947张MRI切片	NA	ConvNeXt-Tiny, ConvNeXt-Small, ConvNeXt-Base, VGG16, VGG19, InceptionV3, DenseNet121	准确率, AUC	NA
778	2026-09-26	Deep Learning for CT Synthesis in Radiotherapy 2025-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121297 PMID:41463594	综述	本文综述了基于深度学习的合成CT生成在放疗中的研究进展，涵盖多模态影像（CBCT、MRI、诊断CT）及临床应用（CBCT在线自适应放疗、MRI引导放疗、无模拟工作流）	系统性总结了不同影像模态下DL-based sCT合成的研究，并讨论了代表性DL模型架构（CNN、GAN）及新兴训练策略，同时指出临床转化的挑战和未来方向	未进行定量性能比较或元分析，未提供具体实验数据，仅基于文献综述	综述深度学习在放疗中合成CT生成的研究现状、临床应用及未来方向	放疗中的合成CT生成研究，涉及CBCT、MRI、诊断CT等多种影像模态	数字病理学, 计算机视觉	癌症	深度学习, 合成CT生成	CNN, GAN	图像	NA	NA	卷积神经网络, 生成对抗网络	NA	NA
779	2026-09-26	FDTransformer: A firn density prediction framework combining a self-attention transformer network with firn densification physics 2025-Nov-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113869 PMID:41323272	研究论文	提出FDTransformer深度学习框架，结合自注意力Transformer网络与粒雪密实化物理模型，以提升粒雪密度估计精度	将Transformer网络与粒雪密实化物理相结合，利用自注意力机制学习物理参数到观测粒雪密度的非线性映射，实现物理到密度的序列转换	仅在格陵兰三个站点（Dye-2、KAN_U、Summit）进行验证，样本空间覆盖有限，物理约束参数仍依赖物理模型估计	提高粒雪密度估计精度，以支撑冰川质量平衡评估	格陵兰三个站点的粒雪密度观测数据与粒雪密实化物理模型	机器学习	NA	粒雪密实化物理模型	Transformer	数值/表格数据	格陵兰三个站点（Dye-2、KAN_U、Summit）的粒雪测量数据	NA	Transformer	平均绝对误差	NA
780	2026-09-26	Plug-and-play computational method for advancing natural and biomedical image representation 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101412 PMID:41328168	研究论文	本文介绍了一种基于超复数代数的非数据驱动即插即用框架，用于自然和生物医学图像处理	提出了一种无需训练数据的即插即用框架，基于超复数代数，适用于多种图像处理任务	未明确提及	推进自然和生物医学图像表示	自然和生物医学图像	计算机视觉	NA	超复数代数	NA	图像	NA	NA	NA	NA	NA