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
7861	2025-12-27	PlantscRNAdb 4.0: Improved marker identification and annotation under a cell type uniformity for plants 2025-Dec-24, Molecular plant IF:17.1Q1 DOI:10.1016/j.molp.2025.12.026 PMID:41449796	研究论文	介绍了植物单细胞RNA测序数据库PlantscRNAdb 4.0的更新，包括新的植物细胞类型本体、扩展的物种和数据集覆盖，以及用于标记基因识别和细胞类型注释的新计算工具	引入了新的植物细胞类型本体（POCT）和一种名为HCMarker的新型计算工具，该工具采用多指标评分系统，用于在多种植物细胞类型中稳健、准确地识别标记基因；还开发了基于深度学习的工具PCmaster_anno，以改进植物细胞类型的自动注释	未明确提及具体的研究局限性	构建和更新一个全面的植物单细胞RNA测序数据库，以标准化和精确地解释植物细胞类型及其标记基因	33种植物物种的107个scRNA-seq数据集	生物信息学	NA	单细胞RNA测序（scRNA-seq）	深度学习	单细胞RNA测序数据	来自107个scRNA-seq数据集	NA	NA	NA	NA
7862	2025-12-27	Pattern and structural detection in grayscale images through the application of quantile graphs in higher-dimensional spaces 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27825-w PMID:41436507	研究论文	本研究将分位数图框架从一维时间序列扩展到二维图像，提出了一种基于图的可扩展图像分类方法，并在计算机视觉领域应用于特征提取	将分位数图从时间序列分析扩展到图像识别，引入了一种可扩展的基于图的图像分类方法，并提供了开源实现	未明确说明计算资源需求或模型在大规模数据集上的泛化能力	开发一种计算效率高、对训练数据需求较低的图像特征提取和分类方法，以应对深度学习模型在数据有限时的挑战	灰度图像，包括手写数字数据集（MNIST）、时尚物品数据集（Fashion MNIST）以及医学影像数据集	计算机视觉	阿尔茨海默病	分位数图	NA	图像	使用了MNIST和Fashion MNIST两个基准数据集，并应用于一个医学影像数据集，具体样本数量未明确说明	NA	NA	准确性	NA
7863	2025-12-27	The mediating role of brand equity in corporate social responsibility and customer purchase intention based on text-CNN model 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28118-y PMID:41436517	研究论文	本研究结合深度学习与社会认同理论，探讨企业社会责任如何通过品牌资产影响顾客购买意愿	引入优化的Text-CNN模型进行情感分析，并结合结构方程模型，构建了多源数据融合的跨学科研究框架	研究主要基于公开的Yelp数据集和问卷调查，样本范围和行业覆盖可能存在局限性	探究企业社会责任对顾客购买意愿的影响机制，并验证品牌资产的中介作用	消费者评论数据（Yelp数据集）及问卷调查对象	自然语言处理	NA	情感分析，问卷调查	CNN	文本，问卷数据	Yelp公开数据集（涵盖餐饮、酒店、美容等行业）及问卷调查样本	NA	Text-CNN	NA	NA
7864	2025-12-27	Deep learning-based detection of murine congenital heart defects from µCT scans 2025-Dec-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09023-6 PMID:41436776	研究论文	本文提出了一种基于深度学习的自动化方法，用于从小鼠的μCT扫描中分割和筛查先天性心脏缺陷	开发了一种深度学习模型，能够自动从小鼠μCT扫描中检测先天性心脏缺陷，并展示了模型在技术及生物学差异数据上的鲁棒性和适应性，同时提供了用户友好的Napari插件	模型在包含新基因型的'发散'队列上初始性能中等（AUC: 81%），需通过微调提升性能	加速小鼠心脏异常的诊断并促进先天性心脏缺陷的机制研究	小鼠（包括对照组和突变体）的μCT扫描图像	计算机视觉	先天性心脏缺陷	μCT（微计算机断层扫描）	深度学习模型	3D图像	139个μCT扫描（训练队列），外加两个验证队列	NA	NA	AUC（曲线下面积）	NA
7865	2025-12-27	HiSTaR: identifying spatial domains with hierarchical spatial transcriptomics variational autoencoder 2025-Dec-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07404-3 PMID:41437257	研究论文	本文提出了一种名为HiSTaR的分层空间转录组学变分自编码器，用于从空间转录组学数据中捕获多级潜在特征，以识别空间域并校正批次效应	HiSTaR通过多个分层块捕获多级潜在特征，在空间域识别方面表现优于现有方法，并支持轨迹分析和差异基因表达分析，无需外部工具即可整合多个组织切片以处理批次效应	未在摘要中明确提及	开发一种计算工具，以改进空间转录组学数据中的空间域识别和组织异质性理解	空间转录组学数据中的spots（点）	机器学习	NA	空间转录组学	变分自编码器	空间转录组学数据	多个数据集（来自不同平台）	NA	HiSTaR	NA	NA
7866	2025-12-27	Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02014 PMID:41368857	研究论文	本研究利用指纹特征，通过机器学习模型预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力，并比较了传统机器学习与贝叶斯神经网络的表现	在低数据量场景下，首次应用贝叶斯神经网络进行SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂效力预测，并证明其优于传统机器学习模型	研究基于有限的数据集进行，可能无法完全代表所有抑制剂类型，且模型在更大数据集上的泛化能力未经验证	开发并比较机器学习模型，以预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力	SARS-CoV-2和MERS-CoV的主要蛋白酶抑制剂	机器学习	COVID-19, MERS	指纹特征提取	随机森林, 梯度提升, 贝叶斯神经网络	化学指纹数据	未公开的SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂数据集	NA	NA	NA	NA
7867	2025-12-27	Artificial Intelligence in Anaesthesiology: Current Applications, Challenges, and Future Directions 2025-12-22, Turkish journal of anaesthesiology and reanimation IF:0.6Q3 DOI:10.4274/TJAR.2025.252320 PMID:41395980	综述	本文综述了人工智能在麻醉学领域的当前应用、面临的挑战以及未来发展方向	全面总结了人工智能在围手术期护理各阶段（包括术前、术中、术后及重症监护）的最新应用进展，并系统性地指出了该领域在方法学、伦理和实践方面的挑战	本文是一篇综述性文章，未提出新的原创性AI模型或进行实证研究，主要基于现有文献进行归纳总结	总结人工智能在麻醉学中的当前应用，分析其整合过程中面临的方法学、伦理和实践挑战，并探讨未来在围手术期护理中安全有效应用的发展方向	人工智能技术在麻醉学领域的各类应用场景、相关算法模型及其临床实践	机器学习	NA	机器学习、深度学习、大语言模型	NA	多模态数据（包括生理信号、医学影像、文本数据等）	NA	NA	NA	NA	NA
7868	2025-12-27	Skull-stripping induces shortcut learning in MRI-based Alzheimer's disease classification 2025-Dec-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02158-4 PMID:41428317	研究论文	本研究探讨了在基于结构MRI的阿尔茨海默病分类中，颅骨剥离预处理如何诱导捷径学习现象	首次系统评估了颅骨剥离在MRI图像分类中引入的偏差，揭示了深度学习模型依赖预处理产生的轮廓特征而非灰白质纹理的捷径学习现象	研究仅基于ADNI数据库的990个样本，可能无法推广到其他数据集或疾病类型	评估T1加权MRI图像中纹理、体积信息及预处理（特别是颅骨剥离）对阿尔茨海默病分类的贡献	阿尔茨海默病患者和认知正常对照的T1加权MRI图像	医学影像分析	阿尔茨海默病	T1加权MRI成像	3D CNN	3D MRI图像	990个匹配的T1加权MRI图像（来自ADNI数据库）	NA	3D卷积神经网络	准确率, 敏感性, 特异性	NA
7869	2025-12-27	[ResLSTM-TemporalSE: an automated classification model for multi-lead ECG signals] 2025-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.12.18 PMID:41429624	研究论文	提出了一种名为ResLSTM-TemporalSE的高效深度学习模型，用于提升12导联心电图信号的自动分类准确率	设计了一种结合多层残差长短期记忆网络和时序注意力机制的新网络架构，通过残差连接和增强的通道特征表示来有效提取心电信号的时空特征	未明确提及模型在更广泛或多样化临床数据集上的泛化能力限制，以及计算复杂度分析	提高12导联心电图信号的自动分类准确性	12导联心电图信号	机器学习	心血管疾病	NA	LSTM, 注意力机制	信号数据	公共CPSC2018数据集和来自南方医科大学第七附属医院的私有临床数据集	NA	ResLSTM-TemporalSE	准确率, 精确率, 召回率, F1分数	NA
7870	2025-12-27	Deep learning for hepatocellular carcinoma segmentation in MRI: A systematic review of models, performance, and challenges 2025-Dec-19, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047061 PMID:41430967	系统综述	本文系统综述了深度学习模型在磁共振成像中用于肝细胞癌分割的研究，重点关注模型架构、性能指标和实施挑战	系统性地评估了基于深度学习的肝细胞癌MRI分割模型，特别关注了U-Net变体、Transformer和混合模型的性能及适应性，并指出了多中心数据集和标准化协议的重要性	纳入研究数量有限（仅13项），存在患者选择偏倚风险（8项研究为高风险），且数据集规模小、病变异质性和MRI协议变异性限制了结果的普适性	评估深度学习模型在磁共振成像中自动分割肝细胞癌的性能、架构及面临的挑战	使用深度学习进行肝细胞癌MRI分割的同行评议研究	计算机视觉	肝细胞癌	磁共振成像	CNN, Transformer	图像	19至602名患者	NA	U-Net, nnU-Net, UNet++, Transformer, 混合模型	Dice相似系数	NA
7871	2025-12-27	Artificial intelligence in multidisciplinary tumor boards enhancing decision making and clinical outcomes in oncology 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114082 PMID:41438031	综述	本文综述了人工智能（AI）如何支持多学科肿瘤委员会（MDT）的决策过程，以提升肿瘤学中的临床决策和患者结局	综合分析了包括机器学习、自然语言处理、深度学习和大型语言模型在内的多种AI技术如何增强MDT的信息整合、指南一致性和文档清晰度	存在数据偏见、泛化能力不均、隐私与治理问题以及前瞻性验证有限等关键限制	探讨AI在肿瘤学多学科团队决策中的支持作用，以优化临床决策和个性化治疗	多学科肿瘤委员会（MDT）在肿瘤学中的决策过程	自然语言处理, 机器学习	肿瘤学（多种癌症）	机器学习, 自然语言处理, 深度学习, 大型语言模型	NA	影像学, 病理学, 基因组学, 患者因素数据	NA	NA	NA	AI建议与MDT决策的一致性（70%至90%）, 诊断性能	NA
7872	2025-12-27	Explainable-enhanced AI for diagnosing coronary microvascular dysfunction with multimodal imaging 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114101 PMID:41438088	研究论文	本研究开发了一种临床适用的、可解释性增强的AI模型CMVD_MDAS，通过整合深度学习和多模态机器学习来改善冠状动脉微血管功能障碍（CMVD）的诊断	结合了深度学习与多模态机器学习，并利用基于SHAP的特征排序增强模型的可解释性，显著提升了CMVD诊断的准确性和效率	NA	提高冠状动脉微血管功能障碍（CMVD）的诊断准确性和效率	心肌段（592个用于训练和内部验证，352个用于外部验证）	数字病理学	心血管疾病	多模态成像	CNN	图像	592个心肌段（训练和内部验证），352个临床患者心肌段（外部验证）	NA	卷积神经网络	AUC	NA
7873	2025-12-27	Automated Particle Size Analysis of Supported Nanoparticle TEM Images Using a Pre-Trained SAM Model 2025-Dec-16, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15241886 PMID:41441496	研究论文	本研究提出了一种基于预训练SAM模型的自动化方法，用于分析负载型纳米颗粒的TEM图像，实现颗粒分割与尺寸测量	首次将预训练的Segment Anything Model (SAM)用于负载型纳米颗粒的零样本分割，并结合定制图像处理流程实现高精度粒径分析	方法在极低信噪比或极端复杂背景下的性能未充分验证，且仅以Ru/TiO等材料作为代表系统进行测试	开发自动化图像分析方法以克服负载型纳米颗粒TEM分析中的技术挑战	负载型纳米颗粒（以Ru/TiO及相关材料为代表）的TEM图像	计算机视觉	NA	透射电子显微镜 (TEM)	深度学习模型	图像	未明确说明具体图像数量，以Ru/TiO及相关材料作为代表系统	未明确说明	Segment Anything Model (SAM)	尺寸估计误差 (3%-5%)，单图像处理时间 (<1分钟)	NA
7874	2025-12-27	Application of Generative Adversarial Networks to Improve COVID-19 Classification on Ultrasound Images 2025-Dec-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120451 PMID:41440591	研究论文	本研究提出了一种利用生成对抗网络（GAN）生成合成肺部超声图像以解决COVID-19分类中数据稀缺问题的方法	通过使用Wasserstein GAN（WGAN）和Pix2Pix生成合成肺部超声图像，有效缓解了公共医学数据库有限的问题，并显著提升了分类模型的性能	未详细说明合成数据与原始数据分布的接近程度的具体量化指标，且可能依赖于特定工具进行验证	改善COVID-19在超声图像上的分类准确性，以支持早期诊断和治疗	肺部超声图像	计算机视觉	COVID-19	超声成像	GAN, CNN	图像	NA	TensorFlow, PyTorch	WGAN, Pix2Pix	准确率	NA
7875	2025-12-27	Sensory Representation of Neural Networks Using Sound and Color for Medical Imaging Segmentation 2025-Dec-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120449 PMID:41440589	研究论文	本文提出了一种结合深度学习分割与多模态视听输出的脑成像数据感官表示新框架	将MRI预测结果转化为彩色编码图和立体声/MIDI声音化表示，引入“听觉生物标志物”概念用于病理识别	数据集规模有限、缺乏临床验证、基于启发式的声音化方法	增强复杂神经成像数据的可解释性，支持临床决策、认知研究和创意应用	脑结构磁共振成像数据	医学影像	NA	结构磁共振成像	U-Net	图像	NA	NA	U-Net	NA	NA
7876	2025-12-27	Pilot Evaluation of a Deep Learning Model for Nasogastric Tube Verification on Chest Radiographs: A Single-Center Retrospective Study 2025-Dec-15, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11120140 PMID:41441392	研究论文	本研究对一种用于胸部X光片中鼻胃管位置验证的深度学习模型进行了初步的单中心回顾性评估	在真实临床环境中评估了深度学习模型在鼻胃管位置验证任务上的性能，并特别关注了其对位置不当管道的检测能力	研究为单中心回顾性研究，样本量小（仅135例），位置不当的病例数极少（n=6），导致对模型在该类病例上性能的评估存在较大不确定性	评估深度学习模型在辅助验证胸部X光片中鼻胃管位置方面的性能与可靠性	来自江原国立大学医院的135张胸部X光片	计算机视觉	NA	深度学习	深度学习模型	图像（胸部X光片）	135张胸部X光片	NA	NA	灵敏度, 特异度, 阳性预测值, 阴性预测值, 平衡准确率, F1分数, ROC曲线下面积, 精确率-召回率曲线下面积	NA
7877	2025-12-27	AI-Driven Clinical Decision Support System for Automated Ventriculomegaly Classification from Fetal Brain MRI 2025-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120444 PMID:41440584	研究论文	本文开发了一个基于AI的临床决策支持系统，用于从胎儿脑部MRI中自动进行脑室扩大分类	提出了一种结合自适应切片选择、自动分割与宽度估计、以及利用大语言模型进行可解释性推理的端到端自动化流程	NA	开发一个自动化流程，用于胎儿脑室扩大的分割、宽度估计和严重程度分类，以辅助临床决策	胎儿脑部MRI图像	数字病理学	胎儿脑室扩大	MRI	深度学习分类器	图像	NA	NA	NA	Dice系数, 准确率, F1分数	NA
7878	2025-12-27	Research on Augmentation of Wood Microscopic Image Dataset Based on Generative Adversarial Networks 2025-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120445 PMID:41440585	研究论文	本研究探讨了基于生成对抗网络（GAN）的木材显微图像数据集增强方法，以解决样本数据不足的问题	首次将多种GAN模型（BGAN、DCGAN、WGAN-GP、LSGAN、StyleGAN2）应用于木材显微图像数据增强，并通过细胞结构保真度、图像清晰度、多样性及KID、IS、SSIM等指标综合评估生成图像质量	部分GAN模型（如DCGAN、LSGAN、StyleGAN2）在训练中出现模式崩溃，导致生成图像清晰度和多样性较低	提高木材显微图像数据集的规模和质量，以增强深度学习模型的训练性能和泛化能力	木材显微图像，包括早材、晚材和木射线等细胞结构	计算机视觉	NA	显微成像，基础图像处理技术	GAN	图像	NA	NA	BGAN, DCGAN, WGAN-GP, LSGAN, StyleGAN2	KID, IS, SSIM	NA
7879	2025-12-27	Pixel-Wise Sky-Obstacle Segmentation in Fisheye Imagery Using Deep Learning and Gradient Boosting 2025-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120446 PMID:41440586	研究论文	本文提出了一种结合深度学习与梯度提升的鱼眼图像像素级天空-障碍物分割框架，用于太阳辐照度预测和环境监测	提出低成本分割框架，结合合成数据生成、镜头感知增强和混合深度学习流程，无需专用硬件，并利用梯度提升决策树优化边界精度	未明确讨论模型在极端天气或复杂光照条件下的性能，且合成数据可能无法完全覆盖所有真实场景的多样性	开发一种准确、低成本且可广泛部署的半球形天空分割方法，用于太阳和环境成像应用	鱼眼图像中的天空与障碍物像素级分割	计算机视觉	NA	合成数据生成、镜头感知增强	CNN, GBDT	图像	使用智能手机和低成本附加镜头在多地点捕获的真实鱼眼图像，以及外部全景基线数据集	NA	NA	IoU, F1分数, 边界精度	NA
7880	2025-12-27	WaveletHSI: Direct HSI Classification from Compressed Wavelet Coefficients via Sub-Band Feature Extraction and Fusion 2025-Dec-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120441 PMID:41440581	研究论文	本文提出了一种直接从压缩的小波系数进行高光谱图像分类的新框架，通过子带特征提取与融合，避免了数据解压缩的开销	针对高光谱图像压缩中使用的离散小波变换，设计了多分支特征提取器与子带交叉注意力机制，实现了在压缩域内的有效特征融合	未明确说明方法在极端压缩比下的性能表现，也未讨论计算资源消耗的详细对比	解决高光谱图像分类中数据解压缩带来的计算瓶颈，实现压缩域内的直接分类	高光谱图像	计算机视觉	NA	离散小波变换	深度学习模型	图像	三个基准数据集	NA	多分支特征提取器，子带交叉注意力机制	分类准确率	NA