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
8181	2025-12-22	Storage tank detection in remote sensing images based on circular bounding boxes and large selective kernel 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27919-5 PMID:41413105	研究论文	本文提出了一种基于圆形边界框和大选择性核的遥感图像储罐检测新方法，旨在提高检测精度并支持甲烷排放监测	引入了圆形边界框以匹配储罐的典型圆形形状，稳定了小目标的IoU计算；并集成了大选择性核（LSK）模块，动态调整感受野以有效利用上下文信息	未明确提及，但可能包括对非典型形状储罐的适应性、在极端成像条件下的泛化能力，以及计算效率的潜在影响	提高遥感图像中储罐检测的准确性，以支持石油和天然气行业的甲烷排放监测和环境可持续性工作	遥感图像中的储罐（storage tanks）	计算机视觉	NA	遥感成像	CNN	图像	总计3568张图像，包含46075个储罐目标，数据集包括DIOR、NWPUU_RESISC45、NWPU VHR-10、TGRS-HRRSD以及一个自建数据集	PyTorch（基于YOLO-v10框架推断）	YOLO-v10（集成圆形边界框和LSK模块）	精确率（precision）、召回率（recall）、平均精度均值（mAP@0.5）	NA
8182	2025-12-22	A multi-scale adaptive framework for high-precision rail track damage detection via StarNet and bidirectional feature pyramid network 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27827-8 PMID:41413097	研究论文	本研究提出了一种改进的轨道损伤检测框架SNBF-YOLO，通过集成StarNet和BiFPN模块，以解决小目标、复杂背景和多尺度损伤的检测难题	提出了SNBF-YOLO框架，集成了StarNet模块以自适应扩大感受野增强特征表示，并利用BiFPN优化双向多尺度特征融合	研究受限于数据集的规模和多样性，可能影响其在更复杂条件（如雨、雪或严重腐蚀）下的泛化能力	开发一种高精度、鲁棒的铁路轨道损伤实时检测方法，以提高运输安全性	铁路轨道损伤，包括细微裂纹和缺失紧固件	计算机视觉	NA	NA	YOLO	图像	NA	NA	YOLOv10n, StarNet, BiFPN	精确率, 召回率, mAP	NA
8183	2025-12-22	A multi-task deep learning pipeline integrating vessel segmentation and radiomics for multiclass retinal disease classification 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105209 PMID:40914189	研究论文	本研究开发了一个结合血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病	创新点在于整合了基于Transformer的血管分割模型与影像组学特征，实现了多任务学习，提高了视网膜疾病分类的准确性和可解释性	研究依赖于多中心数据，但未详细讨论数据异质性对模型性能的具体影响，且外部验证集规模相对有限	开发一个鲁棒的多任务深度学习框架，用于自动化分类糖尿病视网膜病变、高血压视网膜病变、视乳头水肿和正常眼底	来自八个医疗中心的2165名患者的眼底图像	计算机视觉	视网膜疾病	眼底成像	深度学习模型	图像	2165名患者（训练和验证集）和769名患者（外部测试集）	PyTorch, Scikit-learn	U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet	准确率, AUC, 召回率, ROC分析, Dice相似系数	NA
8184	2025-12-22	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Dec, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发了一种深度学习模型，用于预测帕金森病患者丘脑底核中病理性β爆发的发生	首次利用深度神经网络从基底节活动中发现可可靠预测β爆发起始的特征，特别是揭示了β振幅下降（可能指示振荡群体相位重置）是预测β爆发发生的关键生物标志物	研究基于两个独立数据集，但样本量未明确说明；预测时间窗口为爆发前100毫秒，临床应用需进一步验证	探索帕金森病中丘脑底核病理性β爆发的预测机制，为开发智能、主动的脑深部电刺激疗法提供依据	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	脑深部电刺激记录、传感式DBS设备记录	深度神经网络	神经电生理信号	NA	NA	NA	NA	NA
8185	2025-12-22	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习模型（UNet和pix2pix）在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	首次在面部紫外诱导荧光图像分割中，对传统的分割网络（UNet）和生成对抗网络（pix2pix）进行了比较研究，并探讨了单类别与双类别分割设置的性能差异	数据集多样性有限，未来需扩大样本量并采用临床级成像系统进行验证	评估和比较两种深度学习模型在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	IoU, Dice系数	NA
8186	2025-12-22	MAGNET: Multi-view graph autoencoder with cell-gene attention for cell interaction network reconstruction from spatial transcriptomics 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013810 PMID:41397026	研究论文	本文提出了一种名为MAGNET的多视图图自编码器框架，通过细胞-基因注意力模块整合细胞外部相互作用与内部基因调控，用于从空间转录组学数据重建细胞间相互作用网络	开发了细胞-基因注意力模块，将细胞的外部环境与内部基因活动在统一表示中连接起来，克服了现有方法将两者分开处理的限制	未明确说明模型在处理更大规模或更复杂组织样本时的计算效率及可扩展性	从空间转录组学数据中准确推断细胞间相互作用网络	空间转录组学数据中的细胞及其相互作用	计算生物学	乳腺癌	空间转录组学	图自编码器	空间转录组学数据	基准数据集（seqFISH、MERFISH、STARMAP）及一个乳腺癌数据集	未明确指定	多视图图自编码器	平均精度	NA
8187	2025-12-22	Deep-Learning-Assisted SICM for Enhanced Real-Time Imaging of Nanoscale Biological Dynamics 2025-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202501080 PMID:41078001	研究论文	本文提出了一种结合深度学习与扫描离子电导显微镜（SICM）的集成框架，通过选择性跳过扫描线来提高SICM的实时成像速度	开发了部分卷积神经网络（Partial-CNN）模型，用于从欠采样数据中重建完整图像，显著提高了SICM的时间分辨率（减少30-63%的采集时间）	未明确提及该方法在极端动态条件或不同细胞类型中的泛化能力限制	提高扫描离子电导显微镜（SICM）的实时成像能力，以捕捉纳米尺度的生物动态过程	活细胞的纳米尺度动态成像	计算机视觉	NA	扫描离子电导显微镜（SICM）	CNN	图像	NA	NA	Partial-CNN	多种定量指标（具体未列出，但涉及图像质量评估）	NA
8188	2025-12-22	Towards a Planetary Health Impact Assessment Framework: Exploring Expert Knowledge and Artificial Intelligence for a RF-EMF Exposure Case-Study 2025-Dec, Bioelectromagnetics IF:1.8Q3 DOI:10.1002/bem.70038 PMID:41416407	研究论文	本文提出了一种行星健康影响评估框架，结合专家知识和人工智能技术，以射频电磁场暴露为案例研究，探索构建知识图谱的方法	首次将行星健康视角引入射频电磁场影响评估，结合专家构建的知识图谱与基于自然语言处理和深度学习的AI工具，探索间接生态介导的健康影响路径	AI工具生成的图谱精度和上下文敏感性有限，需要大量专家验证，目前无法替代专家判断	开发一个行星健康影响评估框架，整合直接和生态介导的健康影响路径	射频电磁场暴露对生物体的直接健康影响及通过生态后果对人类健康的间接影响	自然语言处理	NA	自然语言处理, 深度学习	NA	文本	12位专家参与构建知识图谱	NA	NA	NA	NA
8189	2025-12-22	REECAP: Contrastive learning of retinal aging reveals genetic loci linking morphology to eye disease 2025-Nov-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340555 PMID:41332846	研究论文	本文提出REECAP框架，通过对比学习优化视网膜基础模型，生成与年龄相关的图像表征，用于GWAS研究，以揭示眼病遗传位点	利用对比学习引导视网膜基础模型沿年龄轴对齐图像表征，生成多变量衰老表型用于GWAS，发现了传统疾病标签GWAS未检测到的遗传位点，并通过条件图像合成将遗传变异与解剖变化关联	研究仅基于UK Biobank的特定人群数据，可能缺乏多样性；未详细讨论模型在其他数据集或眼病中的泛化能力	探索深度学习基础模型在连接组织形态与疾病遗传结构方面的潜力，以发现和解释眼病相关遗传位点	UK Biobank参与者的视网膜眼底图像	计算机视觉	眼病	对比学习, 基因组关联研究	基础模型	图像	87,478张眼底图像来自52,742名UK Biobank参与者	NA	RETFound	NA	NA
8190	2025-12-22	Comparative analysis of multiple deep learning models with mitigation-driven approaches for enhanced Alzheimer's disease classification 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27914-w PMID:41274951	研究论文	本研究通过比较多种深度学习模型，并采用缓解类别不平衡的策略，旨在提升基于结构MRI的阿尔茨海默病分类性能	提出了2D冠状面切片网格化方法，在保留96%诊断信息的同时显著降低计算需求；系统比较了十种深度学习架构，并验证了传统CNN在医学神经影像分类中的持续有效性；结合SMOTE、代价敏感学习和焦点损失等策略有效缓解了类别不平衡问题	模型在痴呆类别上的灵敏度较低（38%）；Vision Transformer和胶囊网络在该任务上表现不佳甚至完全失败；总体平衡准确率仍有提升空间	开发并评估用于阿尔茨海默病自动分类的深度学习模型，平衡诊断准确性与计算效率	阿尔茨海默病患者、轻度认知障碍患者和健康对照者的T1加权MRI扫描	数字病理学	阿尔茨海默病	结构MRI（sMRI），2D冠状面切片网格化方法	CNN, Vision Transformer, Capsule Network	图像	1346名独特患者的14,983张2D网格图像	NA	ECAResNet269, 以及其他九种深度学习架构（包括传统CNN、Vision Transformer、胶囊网络）	平衡准确率, 灵敏度, 特异性	标准临床硬件
8191	2025-12-22	Targeting peptide-MHC complexes with designed T cell receptors and antibodies 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.19.689381 PMID:41332722	研究论文	本文介绍了一种基于结构的深度学习框架ADAPT，用于设计靶向特定肽-MHC复合物的T细胞受体和抗体	开发了首个基于结构的深度学习框架ADAPT，用于从头设计靶向pMHC的TCR和抗体，并通过冷冻电镜结构验证了设计界面的原子级精度	未明确说明设计框架在更广泛pMHC靶点上的通用性验证规模，以及体内疗效数据尚未提供	开发计算设计方法以生成靶向特定肽-MHC复合物的新型T细胞受体和抗体	肽-MHC复合物、T细胞受体、抗体	计算生物学	肿瘤、自身免疫性疾病	深度学习、结构生物学、冷冻电镜	深度学习框架	蛋白质结构数据、序列数据	针对多种pMHC组合进行了设计评估（具体数量未明确）	NA	ADAPT（基于结构的深度学习框架）	结构验证精度（原子级界面准确性）	NA
8192	2025-12-22	Radiologic, Pathologic, and Deep Learning Predictors of Response to Immune Checkpoint Blockade in Renal Cell Carcinoma Patients Undergoing Post-Treatment Nephrectomy 2025-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340277 PMID:41332849	研究论文	本研究首次提出了一个整合放射学、病理学和深度学习的定量框架，用于评估肾细胞癌患者在接受免疫检查点抑制剂治疗后进行肾切除术后的反应	首次整合放射学、病理学和深度学习模型，系统评估肾细胞癌患者免疫检查点抑制剂治疗后的反应，并区分免疫介导的病理回归变化与凝固性坏死	回顾性研究设计，样本量相对有限（99例患者），需要在更大规模的前瞻性研究中验证	评估肾细胞癌患者接受免疫检查点抑制剂治疗后进行肾切除术的反应，以指导术后适应性治疗策略	局部晚期或转移性肾细胞癌患者，在接受至少一个周期含免疫检查点抑制剂的双联疗法后进行肾切除术	数字病理学	肾细胞癌	深度学习方法	深度学习模型	放射学影像、病理学图像	99例患者（66例减瘤性肾切除术，33例新辅助肾切除术）	NA	NA	风险比, 置信区间, p值	NA
8193	2025-12-22	Deep Learning Enables Fast and Accurate Quantification of MRI-Guided Near-Infrared Spectral Tomography for Breast Cancer Diagnosis 2025-Nov, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3574727 PMID:40440147	研究论文	本文开发了一种基于深度学习的MRI引导近红外光谱断层扫描图像重建方法，用于乳腺癌诊断	提出了一种深度学习驱动的MR引导3D NIRST图像重建系统，显著提高了重建速度和诊断准确性	研究基于合成数据训练的网络，并在38例临床检查中验证，样本量相对有限	提高乳腺癌诊断的特异性和敏感性	乳腺异常患者的临床成像数据	医学影像分析	乳腺癌	MRI引导的近红外光谱断层扫描	深度学习模型	合成数据及临床MRI与NIRST数据	38例临床成像检查	NA	NA	敏感性, 特异性, 诊断准确率, ROC曲线下面积	NA
8194	2025-12-22	Next-generation antiviral peptides: AI-driven design, translational delivery platforms, and future therapeutic directions 2025-Nov, Virus research IF:2.5Q3 DOI:10.1016/j.virusres.2025.199642 PMID:41106780	综述	本文综述了抗病毒肽作为下一代治疗药物的研究进展，重点关注AI驱动的设计、新型递送策略及临床转化应用	整合了AI驱动的抗病毒肽从头设计、新型递送平台（如纳米颗粒、水凝胶）以及未来方向（如CRISPR/mRNA递送）的全面视角	NA	提供抗病毒肽研究的综合视角，强调AI驱动发现、递送策略和转化应用	抗病毒肽	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, GANs, 大语言模型, 强化学习	NA	NA	NA	NA	NA	NA
8195	2025-12-22	AI in Prostate MRI: A Task-Based Review 2025-Nov, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0062 PMID:41415644	综述	本文基于任务对前列腺MRI中的人工智能应用进行了全面回顾	以任务为导向系统梳理了AI在前列腺MRI中的临床应用，涵盖了从分割到监测的多个关键环节	目前仅有少数AI工具商业化可用，且综述未深入讨论具体算法的技术细节	概述AI在前列腺MRI中的临床应用现状与潜力	前列腺MRI图像及相关AI算法	数字病理学	前列腺癌	MRI	深度学习	图像	NA	NA	NA	NA	NA
8196	2025-12-22	Field phenotyping for soybean density tolerance using time-series prediction and dynamic modeling 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100083 PMID:41416187	研究论文	本研究提出了一种结合时空深度学习与动态建模的创新方法，利用无人机高通量表型技术量化冠层参数的动态变化，以揭示大豆耐密植性状的关键调控机制	首次将时空深度学习与动态性状建模相结合，显著提高了叶面积指数估计的时间连续性和稳定性，相比传统单时间点预测方法，能更精确地量化不同生长阶段的冠层发育速率	研究基于中国东北特定黑土区域的两年田间试验，其结论在其他土壤类型或气候区域的普适性有待验证	开发一种高精度、可解释的表型分析框架，用于有效筛选耐密植的大豆品种，以实现高产稳产	208个大豆品种在高低两种种植密度（50万株/公顷和30万株/公顷）下的冠层动态性状	计算机视觉，机器学习	NA	无人机高通量表型技术，多光谱无人机影像	时空残差网络（ST-ResNet），长短期记忆网络（LSTM），随机森林（RF）	多光谱图像，地面真实数据	208个大豆品种，在2022-2023年进行两年田间试验，每个生长季采集15-18次无人机影像	NA	ST-ResNet, LSTM, RF	决定系数（R²），均方根误差（RMSE），相关系数（r）	NA
8197	2025-12-22	FSEA: Incorporating domain-specific prior knowledge for few-shot weed detection 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100086 PMID:41416189	研究论文	本研究提出了一种结合领域先验知识的少样本杂草检测框架FSEA，旨在解决田间条件下难以收集大规模平衡训练数据的问题	提出了少样本增强注意力网络，通过通道注意力特征融合模块、特征增强模块和针对植物遮挡优化的损失函数，将植物检测的领域特定先验知识融入少样本学习	研究仅针对特定作物和杂草物种进行验证，可能未涵盖所有田间环境下的多样性	开发一种能够快速适应新杂草物种的少样本学习框架，以提升精准杂草控制的实用性	常见作物和杂草物种（如甜菜、甘蔗、稗草等）以及较少见的杂草物种（如马齿苋、亚洲铜叶草等）	计算机视觉	NA	深度学习	Faster R-CNN	图像	每个物种仅使用30个样本进行训练，共涉及10个物种	PyTorch	Faster R-CNN	mAP	NA
8198	2025-12-22	Volumetric Deep Learning-Based Precision Phenotyping of Gene-Edited Tomato for Vertical Farming 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100095 PMID:41416190	研究论文	本研究利用CRISPR-Cas9系统开发了适用于垂直农业的番茄新品种，并提出了一种基于体积深度学习的表型分析方法，通过叶绿素荧光成像数据自动识别基因编辑突变体	首次将三维深度学习框架应用于叶绿素荧光成像数据的自动特征提取，结合时间特性分析，实现了对垂直农业定制番茄植株的高精度分类，超越了传统机器学习方法	未明确说明模型在其他作物或性状上的泛化能力验证情况，且样本规模可能有限	开发适用于垂直农业系统的番茄基因编辑品种，并建立高效的非破坏性表型分析技术	通过CRISPR-Cas9编辑SP基因的番茄植株	计算机视觉	NA	CRISPR-Cas9基因编辑，叶绿素荧光成像	深度学习，CNN	三维叶绿素荧光成像数据	未明确说明具体样本数量，涉及三倍决定性突变体和SP基因编辑植物	未明确说明	未明确指定具体架构，但提及了1D-CNN作为对比方法	分类准确率	NA
8199	2025-12-22	Analysis of Wheat Spike Morphological Traits by 2D Imaging 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100096 PMID:41416197	研究论文	本研究开发了一个名为Speakerphone的深度学习流程，用于通过2D成像精确获取小麦穗部表型性状，并分析其与产量的关系	开发了深度学习流程Speakerphone，实现了高精度的小麦穗部分割（mIoU达0.948），并首次系统提取了45个穗部表型，揭示了穗形态与千粒重及产量的相关性	研究仅基于中国河北赵县的221个小麦品种，样本地理来源相对有限，且依赖于2D成像，可能无法完全捕捉三维形态特征	开发高精度小麦穗部表型获取方法，并分析穗形态性状与产量性状（如千粒重和穗产量）的相关性	小麦穗部形态	计算机视觉	NA	2D成像	深度学习	图像	来自中国河北赵县不同地区的221个小麦品种	NA	NA	平均交并比（mIoU）, 皮尔逊相关系数	NA
8200	2025-12-22	RsegNet: An Advanced Methodology for Individual Rubber Tree Segmentation and Structural Parameter Extraction from UAV LiDAR Point Clouds 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100090 PMID:41416207	研究论文	本文提出了一种名为RsegNet的优化方法，用于从无人机LiDAR点云中分割单个橡胶树并提取其结构参数	提出了优化的双通道聚类方法（RsegNet），设计了CosineU-Net网络通过计算空间和位置特征的余弦相似度来解决枝叶重叠问题，并集成了多类关联和背景分类以处理背景干扰	NA	改进橡胶树点云分割和结构参数提取，以支持精准农业和精细化种植园管理	橡胶树	计算机视觉	NA	无人机LiDAR点云	深度学习网络	点云数据	自建数据集及FOR-instance森林数据集的五个区域	NA	CosineU-Net, RsegNet	F-score	NA