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
8441	2025-12-22	Dynamic maize true leaf area index retrieval with KGCNN and TL and integrated 3D radiative transfer modeling for crop phenotyping 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100004 PMID:41415943	研究论文	本研究提出了一种结合三维辐射传输模型和知识引导深度学习的新方法，用于动态反演玉米真实叶面积指数，以提升作物表型分析的准确性	开发了结合三维冠层结构物理的知识引导卷积神经网络架构，并利用迁移学习技术进行跨时间适应，显著提高了叶面积指数反演的精度和稳定性	方法依赖于合成数据集进行预训练，可能受限于模拟数据与真实田间条件之间的差异，且跨年验证仅覆盖两年数据，长期普适性有待进一步验证	通过集成三维辐射传输建模和深度学习，提高玉米真实叶面积指数的动态反演精度，以支持作物生长状态评估和产量预测	玉米作物	计算机视觉	NA	三维辐射传输建模, 遥感散射模型	CNN, LSTM, RNN	合成数据集, 田间测量数据	2021年田间测量数据用于微调, 2022-2023年数据集用于跨年验证	NA	知识引导卷积神经网络, PROSAIL, 随机森林	R, RMSE	NA
8442	2025-12-22	A deep learning-based micro-CT image analysis pipeline for nondestructive quantification of the maize kernel internal structure 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100022 PMID:41415948	研究论文	本文提出了一种基于深度学习的微CT图像分析流程，用于无损量化玉米籽粒的内部结构	提出了名为CSFTU-Net的改进U-Net架构，集成了CBAM和SE注意力机制，并使用focal-Tversky损失函数及边界平滑项，显著提高了玻璃质与粉质胚乳的分割能力	未明确说明模型在不同玉米品种或成像条件下的泛化能力，也未讨论计算效率或处理大规模数据的可行性	开发一种无损、自动化的方法来量化玉米籽粒的内部结构，以支持玉米育种和加工研究	玉米籽粒的微CT图像	计算机视觉	NA	微CT扫描	CNN	图像	未明确说明	未明确说明	U-Net, CSFTU-Net	分割准确性	未明确说明
8443	2025-12-22	CVRP: A rice image dataset with high-quality annotations for image segmentation and plant phenomics research 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100025 PMID:41415951	研究论文	本文介绍了一个名为CVRP的高质量水稻图像数据集，用于图像分割和植物表型组学研究	创建了一个包含多品种、多视角、高标注质量的水稻图像公开数据集，并设计了半自动标注流程	未明确说明数据集的样本数量及标注的具体耗时	为作物图像分析和植物表型组学研究提供高质量标注数据集，促进精准农业和育种模型发展	水稻植株图像，包括231个地方品种和50个现代栽培品种	计算机视觉	NA	深度学习模型辅助的半自动标注	语义分割模型	图像	来自281个水稻品种（231个地方品种 + 50个现代栽培品种）的图像	未明确说明	未明确指定具体架构，但评估了四种SOTA语义分割模型	未明确说明	未明确说明
8444	2025-12-22	Segmenting vegetation from UAV images via spectral reconstruction in complex field environments 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100021 PMID:41415944	研究论文	提出一种基于光谱重建的弱监督方法，用于复杂田间环境下的植被分割	通过光谱重建技术降低数据采集成本，并结合植被指数理论增强植被信息，实现无需人工标注的弱监督分割	未明确说明方法在极端光照或天气条件下的鲁棒性，且数据集规模相对有限	开发一种低成本、高效的田间植被分割方法，以应对复杂环境挑战	无人机采集的田间植被遥感图像	计算机视觉	NA	光谱重建，植被指数	CNN, 注意力机制	图像	2358对无人机RGB-多光谱图像样本	未明确指定，但开源代码暗示可能基于PyTorch或TensorFlow	SRCNet, SRANet	平均交并比	NA
8445	2025-12-22	The blessing of Depth Anything: An almost unsupervised approach to crop segmentation with depth-informed pseudo labeling 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100005 PMID:41415954	研究论文	本文提出了一种几乎无监督的作物分割方法DepthCropSeg，利用深度信息生成伪标签训练分割模型	首次利用Depth Anything V2视觉基础模型生成高质量伪作物掩码，实现接近全监督性能的几乎无监督作物分割	依赖深度图生成伪掩码的质量，且需要人工筛选可靠图像	开发无需人工像素级标注的作物分割方法	作物图像	计算机视觉	NA	深度图生成与处理	语义分割模型	图像	17199张图像来自六个公共植物分割源，筛选后1378张图像用于训练	NA	NA	NA	NA
8446	2025-12-22	A review of light-field imaging in biomedical sciences 2025, Med-X DOI:10.1007/s44258-025-00070-6 PMID:41409575	综述	本文综述了光场成像在生物医学科学中的应用，包括其理论基础、核心实现及在显微、介观和内窥镜中的进展	光场成像作为一种新兴范式，通过单次快照捕获空间和角度信息，实现高速体积采集，特别适用于捕捉快速生物动态	存在成像速度、空间分辨率和景深之间的基本权衡，尽管压缩感知、深度学习和元光学等进展正在解决这些限制	概述光场成像的理论基础，并调查其在生物医学成像技术中的核心实现和潜力	光场成像技术在显微、介观和内窥镜等生物医学成像领域的应用	生物医学光学	NA	光场成像	NA	体积信息（空间和角度光组件）	NA	NA	NA	NA	NA
8447	2025-12-22	DeepKinome: quantitative prediction of kinase binding affinity by a compound using deep learning based regression model 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1698891 PMID:41415030	研究论文	本文介绍了DeepKinome，一个基于20层卷积神经网络的深度学习回归模型，用于预测小分子化合物与激酶之间的定量结合亲和力	开发了DeepKinome模型，通过深度学习回归方法预测激酶结合亲和力，并利用可解释人工智能分析揭示了影响预测的关键氨基酸序列，这些序列与已知激酶磷酸化位点一致	模型训练数据仅来自L1000数据库的234种激酶和163种化合物，数据规模和多样性可能有限	预测小分子化合物与激酶之间的定量结合亲和力，以促进激酶抑制和化合物结合的理解	激酶和小分子化合物	机器学习	NA	深度学习回归	CNN	定量结合亲和力数据	234种激酶和163种化合物	NA	20层卷积神经网络	RMSE, R2, Pearson's correlation coefficient, acceptance interval ratio	NA
8448	2025-12-22	Comprehensive evaluation and clinical implications of kernel extreme learning machine long short term memory transformer framework 2025, American journal of translational research IF:1.7Q4 DOI:10.62347/ELRA9110 PMID:41415105	研究论文	本文提出了一种结合KELM、LSTM和Transformer的混合深度学习模型，用于提高阿尔茨海默病的诊断和预测准确性	首次将KELM、LSTM和Transformer三种架构集成到一个联合模型中，以捕捉非线性关联、时间动态和全局特征依赖	研究主要基于ADNI数据库，外部验证队列规模有限，可能影响模型的广泛适用性	开发并验证一个混合深度学习模型，以增强阿尔茨海默病的诊断和预测准确性	阿尔茨海默病患者，包括从轻度认知障碍到阿尔茨海默病的转化预测	机器学习	阿尔茨海默病	深度学习	KELM, LSTM, Transformer	临床数据	训练和验证集2,149名受试者（来自ADNI数据库），外部测试集1,012名受试者	NA	KELM-LSTM-Transformer	准确率, 召回率, AUC	NA
8449	2025-12-22	An ensemble heterogeneous transformer model for an effective diagnosis of multiple plant diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1693095 PMID:41415655	研究论文	本文提出了一种集成异构Transformer模型，用于有效诊断多种植物病害	结合了U-Net和Swin Transformer V2进行分割，以及CoAtNet及其变体进行分类，并采用基于Levy Flight Honey Badger Algorithm的元启发式融合策略动态加权分类器输出，提高了模型的鲁棒性和可解释性	未提及模型在真实田间环境下的泛化能力或计算资源需求	准确识别植物中的多种病害，以支持可持续农业	植物叶片图像	计算机视觉	植物病害	图像分割与分类	Transformer, CNN	图像	54,305张图像，涵盖38个类别	NA	U-Net, Swin Transformer V2, CoAtNet	准确率, 精确率, 召回率, 特异性, F1分数	NA
8450	2025-12-22	Anatomically refined entorhinal cortex segmentation improves MRI-based early diagnosis of Alzheimer's disease 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1682106 PMID:41415891	研究论文	本研究开发了一种结合专家解剖学修正与深度学习的精细化内嗅皮层分割框架，用于提升基于MRI的阿尔茨海默病早期诊断	通过手动修正FreeSurfer生成的内嗅皮层标签，去除前嗅周皮层延伸等解剖学不一致区域，并利用修正后的标签训练nnU-Net模型，实现了更精确、可扩展的内嗅皮层分割	NA	提升基于磁共振成像的阿尔茨海默病早期诊断的敏感性和特异性	阿尔茨海默病神经影像学倡议1期（ADNI1）的磁共振成像数据	数字病理学	阿尔茨海默病	磁共振成像	nnU-Net	图像	NA	nnU-Net	nnU-Net	组间区分度, 诊断阶段区分能力	NA
8451	2025-12-22	Multimodality model investigating the impact of brain atlases, connectivity measures, and dimensionality reduction techniques on Attention Deficit Hyperactivity Disorder diagnosis using resting state functional connectivity 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064502 PMID:39713730	研究论文	本文提出了一种多模态模型，用于研究不同脑图谱、连接性测量和降维技术对注意力缺陷多动障碍诊断的影响	首次全面评估多种脑图谱、连接性测量和降维技术对ADHD诊断的影响，并整合表型数据构建高效多模态分类模型	未明确说明模型在外部验证集上的泛化能力，且样本量可能有限	研究不同脑图谱、连接性测量和降维技术对ADHD诊断的影响，并构建高效的多模态分类模型	注意力缺陷多动障碍患者	机器学习	注意力缺陷多动障碍	静息态功能连接分析	传统机器学习分类器	功能连接数据，表型数据	ADHD-200数据集	NA	NA	准确率，AUC，F1分数	NA
8452	2025-12-22	Traditional Machine Learning, Deep Learning, and BERT (Large Language Model) Approaches for Predicting Hospitalizations From Nurse Triage Notes: Comparative Evaluation of Resource Management 2024-Aug-27, JMIR AI DOI:10.2196/52190 PMID:39190905	研究论文	本研究比较了传统机器学习、深度学习和基于BERT的大语言模型在预测护士分诊笔记中住院需求方面的性能，以评估资源管理策略	首次系统比较了不同计算资源需求模型（从简单逻辑回归到复杂BERT模型）在护士分诊笔记预测任务中的表现，为资源受限环境提供实用指导	研究仅基于单一医疗系统数据，外部泛化能力需进一步验证；未考虑其他可能影响住院预测的临床因素	评估不同计算复杂度模型在预测急诊患者住院需求方面的性能差异，为医疗系统资源管理提供决策依据	急诊科护士分诊笔记	自然语言处理	NA	自然语言处理	逻辑回归, BERT	文本	1,391,988名患者（来自2017-2022年Mount Sinai医疗系统急诊科）	NA	Bio-Clinical-BERT	受试者工作特征曲线下面积	NA
8453	2025-12-21	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	本研究评估了疑似卒中患者脑部MRI中运动伪影的患病率、相关因素及其对AI和放射科医生诊断准确性的影响	首次在疑似卒中患者队列中系统评估运动伪影对AI和放射科医生诊断准确性的影响，并识别了年龄和运动症状作为独立相关因素	回顾性单中心研究，可能存在选择偏倚；运动伪影仅由两名放射科住院医师评估，可能存在主观性	评估卒中MRI中运动伪影的患病率、相关因素及其对诊断准确性的影响	疑似卒中患者的脑部MRI扫描	医学影像分析	卒中	脑部MRI	深度学习工具	医学影像	775名患者（平均年龄68岁±16，420名女性）	NA	NA	诊断准确性	NA
8454	2025-12-21	Advances in IPMN imaging: deep learning-enhanced HASTE improves lesion assessment 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11857-x PMID:40691513	研究论文	本研究评估了深度学习加速的HASTE MRI序列在IPMN成像中的优势，包括图像质量、病灶检测和扫描时间	首次将深度学习加速的HASTE序列应用于IPMN成像评估，显著提升图像质量并减少扫描时间	样本量较小（59例患者），且为单中心回顾性研究	评估新型MRI技术对胰腺导管内乳头状黏液性肿瘤的成像效果	接受腹部MRI检查的IPMN患者	数字病理学	胰腺癌	MRI, 深度学习加速的HASTE序列	深度学习模型	医学影像	59例患者	NA	NA	图像质量评分, 病灶检测大小, 观察者间一致性	3-Tesla MRI扫描仪
8455	2025-12-21	Enhancing Captive Welfare Management with Deep Learning: Video-Based Detection of Gibbon Behaviors Using YOWOvG 2026 Jan-Mar, Journal of applied animal welfare science : JAAWS IF:1.4Q2 DOI:10.1080/10888705.2025.2542844 PMID:40760848	研究论文	本研究开发了一种名为YOWOvG的深度学习模型，用于基于视频自动检测圈养东部白眉长臂猿的行为，以提升动物福利管理	首次构建了该物种的人工标注时空行为数据集，并提出了一种集成SE注意力机制和GELAN的改进深度学习模型YOWOvG，用于增强特征提取和视频行为识别	行为类别有限，未包含刻板行为，且未整合音频线索	通过自动化、非侵入式的视频监测来提升救援中心对圈养野生动物的福利评估能力	圈养的东部白眉长臂猿	计算机视觉	NA	视频分析	深度学习	视频	69,919个标注帧，涵盖四种行为	NA	YOWOvG, SE attention mechanism, GELAN	Frame-mAP	NA
8456	2025-12-21	Multimodal deep learning model for predicting prognosis following radiotherapy-based combination therapy in unresectable hepatocellular carcinoma 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218122 PMID:41213465	研究论文	本研究开发了一种名为TRIM-uHCC的多模态深度学习模型，用于预测不可切除肝细胞癌患者在接受基于放疗的联合疗法后的预后	提出了首个基于Transformer的多模态风险分层集成模型（TRIM-uHCC），用于对不可切除肝细胞癌患者进行个体化预后分层，其预测性能显著优于现有指南分期系统和其他深度学习模型	研究为多中心回顾性研究，可能存在选择偏倚；模型需要在更大规模的前瞻性队列中进行外部验证	开发一个精准的预后预测模型，以指导不可切除肝细胞癌患者基于放疗的联合治疗决策	不可切除肝细胞癌患者	数字病理学	肝细胞癌	多模态深度学习	Transformer, CNN	多模态数据	875名来自6个机构的不可切除肝细胞癌患者（ES队列383名，ETS队列492名）	NA	Transformer, Swin-Transformer, ViT, ResNet50, ResNeXt50	C-index, 时间依赖性AUC	NA
8457	2025-12-21	eCAPRI: a novel tool combining clinical and imaging data for post-TAVI mortality prediction 2025-Dec-20, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12184-x PMID:41420708	研究论文	本研究开发了一种结合临床数据和术前CT影像生物标志物的新型工具eCAPRI，用于预测经导管主动脉瓣植入术（TAVI）后患者的1年全因死亡率	在原有CAPRI评分的基础上，实现了胸主动脉钙化（TAC）体积的自动测量，并引入了从术前CT扫描中自动提取的额外影像生物标志物	研究样本量有限，训练集和评估集分别基于765例和192例CT扫描，且自动化分割模型的Dice评分仍有提升空间	开发并验证一种改进的评分工具，以更准确地预测TAVI术后患者的1年死亡率	接受经导管主动脉瓣植入术（TAVI）的钙化性主动脉瓣狭窄（CAS）患者	数字病理学	心血管疾病	术前CT扫描	深度学习模型	CT影像	训练集：66例患者用于TAC分割模型训练，765例术前CT扫描用于eCAPRI评分训练；评估集：1111例CT扫描用于TAC分割评估，192例CT扫描用于评分性能比较	NA	NA	AUC, Dice系数, 校准曲线	NA
8458	2025-12-21	Beyond diagnosis: deep-learning-based analysis of hospitalization using abdominal radiographs in the emergency department 2025-Dec-20, Abdominal radiology (New York) DOI:10.1007/s00261-025-05347-3 PMID:41420745	研究论文	本研究开发了基于腹部X光片的深度学习模型，用于预测急诊科腹痛患者的住院风险	首次将深度学习应用于腹部X光片分析，结合图像和临床特征预测住院需求，相比放射科医生显著提高了敏感性和F1分数	模型在外部验证中性能下降（AUROC从0.70降至0.60），特异性较低（0.43），且需要进一步改进才能临床实施	提高腹部X光片在急诊科的临床效用，通过预测住院需求来辅助筛查	2021年8月至12月期间接受腹部X光检查的急诊科成年腹痛患者	数字病理学	NA	腹部X光摄影	随机森林分类器	图像, 临床数据	内部验证1,585名患者，外部验证112名患者	NA	DenseNet201	AUROC, 敏感性, 特异性, F1分数	NA
8459	2025-12-21	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2025-Dec-20, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究开发并评估了基于深度学习的模型，用于从标准化口外照片中估计牙齿的CIELAB颜色坐标，以体内分光光度测量为参考标准，为修复牙科中的临床比色选择提供实用和验证支持	首次利用多种CNN架构结合预处理照片和解剖位置信息，从口外照片中高精度估计牙齿CIELAB颜色坐标，并与临床分光光度计测量结果进行对比验证	研究样本量相对有限（102名参与者），且前牙的估计精度高于后牙，可能受图像质量和光照条件影响	开发并评估基于人工智能的模型，以支持修复牙科中临床比色选择的准确性和一致性	从102名参与者获取的1031张标记和裁剪的牙齿图像，以及对应的体内CIELAB颜色坐标	计算机视觉	NA	分光光度测量（VITA Easyshade V），标准化口外摄影	CNN	图像	102名参与者的1031张牙齿图像	NA	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R2）, 基于ΔE ≤ 2临床阈值的估计准确率	NA
8460	2025-12-21	A teacherless lightweight classification framework for benign and malignant pulmonary nodules based on GAS 2025-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae268a PMID:41329998	研究论文	本文提出了一种基于GAS（Ghost-Attention Separation）网络的轻量级分类框架，用于区分肺结节的良恶性	提出了一种结合注意力机制、残差学习和改进的DWSGhost模块的GAS网络，并采用无教师知识蒸馏策略构建轻量级模型，参数量仅119,245个，占用空间仅0.45 MB	NA	开发一种轻量级、高效的计算框架，用于肺结节的良恶性分类	肺结节（良性 vs 恶性）	计算机视觉	肺癌	深度学习	CNN	图像	三个数据集：LIDC-IDRI、LungX Challenge、郑州市第九人民医院数据集	PyTorch	GAS（Ghost-Attention Separation）网络	NA	NA