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
81	2025-12-19	From Industrial Waste to Multistage Applications: Ultralight Lignin-Based Aerogel with Situ Vertically Oriented Structure for Photothermal-Assisted Pb2+ Adsorption in Wastewater and Reuse as Efficient Output and Stability Triboelectric Materials 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202513337 PMID:41028951	研究论文	本研究开发了一种具有原位垂直取向结构的超轻木质素基气凝胶，用于光热辅助吸附废水中的Pb²⁺，并首次将其作为木质素基摩擦纳米发电机进行再利用	首次将废弃吸附剂转化为木质素基摩擦纳米发电机，实现了木质素基吸附剂的多级应用；结合深度学习模型算法，在11种不同物体的分类识别中达到了98.5%的整体识别准确率	NA	开发一种多功能材料，用于废水处理和能量收集/传感应用	超轻木质素基气凝胶（GSPCAA）及其铅负载后的产物（GSPCAA-Pb）	材料科学，环境工程，能源收集	NA	定向冷冻法，离子交联法，磺化处理	深度学习模型	压力分布数据，电信号输出数据	NA	NA	NA	整体识别准确率	NA
82	2025-12-19	Diagnosis of superficial ailments using infrared thermal imaging and CapsNet 2025-Dec, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104325 PMID:41223630	研究论文	本研究探索了使用红外热成像与胶囊网络（CapsNet）结合来诊断浅表疾病，如乳腺癌、压力性溃疡和鼻窦炎	首次将CapsNet应用于红外热成像的疾病分类，相比传统模型在多种浅表疾病诊断中均表现出更高的准确性	外部因素可能影响区域温度，从而引入诊断误差，且研究未详细讨论这些因素的具体影响或校正方法	通过结合计算机视觉分类算法与热成像技术，提升浅表疾病的分类和诊断准确性	乳腺癌、压力性溃疡和鼻窦炎等具有皮肤表现症状的疾病	计算机视觉	乳腺癌, 压力性溃疡, 鼻窦炎	红外热成像	CapsNet	图像	未提供具体样本数量	未指定	CapsNet	准确率	未提供
83	2025-12-19	Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications 2025-Dec-01, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106274 PMID:41338365	综述	本文是一篇关于深度学习在牙科合成成像中应用与技术的叙述性综述	聚焦于合成数据作为解决牙科成像中数据隐私、类别不平衡和数据稀缺挑战的潜在方案，并综合了技术、临床及伦理/监管多方面的讨论	牙科图像合成的研究仍然稀缺，缺乏关于使用合成图像进行数据增强影响的全面证据，关键挑战包括确保解剖保真度和最小化伪影	探讨合成数据在牙科人工智能中克服数据稀缺和类别不平衡的潜力，以开发更稳健和可泛化的AI模型	牙科成像领域，特别是完全合成图像生成的研究	计算机视觉	NA	生成对抗网络、变分自编码器、去噪扩散概率模型	GAN, VAE, DDPM	图像	NA	NA	NA	NA	NA
84	2025-12-19	Deep Learning-Based Assessment for Media Haze and Retinal Vascular Leakage of Uveitis 2025-Dec, Ocular immunology and inflammation IF:2.6Q2 DOI:10.1080/09273948.2025.2567520 PMID:41123627	研究论文	本研究应用深度学习技术，基于彩色眼底照相和荧光素眼底血管造影图像，自动化评估葡萄膜炎的玻璃体混浊和血管渗漏	首次将深度学习模型（如EfficientNetV2-L和LadderNet）应用于葡萄膜炎的玻璃体混浊分级和血管渗漏分割，并揭示了玻璃体混浊、炎症因子与血管渗漏之间的关联，为疾病活动性和治疗结果提供了新的量化指标	研究样本量相对有限（213名患者），且模型性能可能依赖于标注质量，未在外部独立数据集上进行广泛验证	开发自动化评估葡萄膜炎玻璃体混浊和血管渗漏的深度学习方法，以辅助诊断和疗效评估	葡萄膜炎患者的彩色眼底照相和荧光素眼底血管造影图像	计算机视觉	葡萄膜炎	彩色眼底照相, 荧光素眼底血管造影	CNN	图像	213名患者的756张彩色眼底照相图像和740张荧光素眼底血管造影图像	NA	EfficientNetV2-L, InceptionV3, MobileNetV3, LadderNet	Micro-AUC, Dice相似系数	NA
85	2025-12-19	A deep learning approach for time-consistent cell cycle phase prediction from microscopy data 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013800 PMID:41379930	研究论文	提出一种基于变分自编码器的方法，从SiR-DNA荧光标记中预测细胞周期阶段，无需专用标记	利用VAE结合辅助任务（预测相特异性标记平均强度和通过潜在空间正则化强制时间一致性），从通用DNA标记中高精度分类细胞周期阶段	方法依赖于SiR-DNA标记，可能不适用于其他荧光报告基因或成像条件	开发一种无需专用细胞周期标记即可从显微镜数据中预测细胞周期阶段的方法	HeLa Kyoto细胞核图像	计算机视觉	NA	显微镜成像，荧光标记（SiR-DNA）	VAE	图像	超过600,000张标记的HeLa Kyoto细胞核图像	NA	变分自编码器（VAE）	准确率	NA
86	2025-12-19	Deep Learning Models for Evaluating the Anatomical Relationship Between Posterior Maxillary Teeth and Maxillary Sinus in Panoramic Radiographs 2025-Dec, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70264 PMID:41399179	研究论文	本研究评估了深度学习模型在全景X光片上预测上颌后牙与上颌窦解剖关系的效能	首次将VGG、ResNet和ResNeXt等卷积神经网络架构应用于全景X光片，以自动评估上颌后牙与上颌窦的解剖关系，为临床决策提供辅助诊断工具	ResNet和ResNeXt模型在30-50个周期后出现过拟合迹象，且假阳性主要发生在第二磨牙被错误分类为接触窦的情况	研究深度学习模型在全景X光片上预测上颌后牙与上颌窦解剖关系的准确性和可靠性	上颌后牙与上颌窦的解剖关系	计算机视觉	NA	全景X光成像	CNN	图像	300张全景图像和1760个裁剪切片	NA	VGG, ResNet, ResNeXt	准确率, 精确率, 召回率, F1分数, ROC-AUC, 混淆矩阵	NA
87	2025-12-19	Pomegranate disease detection and classification dataset for deep learning applications: A case study from Halabja city 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112298 PMID:41399438	研究论文	本研究介绍了Halabja石榴果实病害图像数据集，用于支持基于深度学习的植物病害检测应用	创建了一个包含自然户外环境图像的系统性数据集，涵盖四种特定病害类别，并提供了大量增强图像以提高模型鲁棒性	数据集仅来自伊拉克Halabja地区，可能限制了其地理普适性	开发适用于精准农业的植物病害检测和分类工具	石榴果实及其病害（ectomyelois ceratoniae, colletotrichum spp., 日灼病和健康果实）	计算机视觉	植物病害	图像采集与增强	深度学习模型	图像	2178张原始图像和28314张增强图像	NA	NA	NA	NA
88	2025-12-19	Dataset for classification of forming tool types for aircraft parts based on neural network models using CAD 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112302 PMID:41399442	研究论文	本研究提出了一种基于CAD图像的深度学习和机器学习模型数据集，用于对飞机零件的成形工具类型进行分类	利用CAD图像中的视觉信息（特别是法兰几何形状）对工具类型进行分类，无需物理原型或专用传感器，为小批量、多品种制造环境提供了一种可扩展、经济高效且易于应用的解决方案	数据集主要基于公开可用的CAD模型和CATIA生成的模型，可能无法涵盖所有实际制造场景中的工具类型变化	开发一种基于CAD图像的深度学习和机器学习模型，用于飞机零件成形工具类型的自动分类	飞机钣金零件（特别是通过流体单元液压成形生产的零件）的成形工具	计算机视觉	NA	CAD图像处理	CNN, 机器学习模型	图像	12,432张图像，涵盖三种可视化模式（正常视图、隐藏线视图和线框视图）和多个方向	NA	ResNeXt	准确率, F1分数	NA
89	2025-12-19	Detection, localisation, and quantification of neutrophils to assess disease activity and early response to therapy in ulcerative colitis: a novel AI-driven model 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103658 PMID:41399473	研究论文	开发了一种基于AI的流程，用于自动检测、定位和量化中性粒细胞，以评估溃疡性结肠炎的组织学缓解和治疗反应	整合了两个深度学习模型，实现了对全玻片图像的区域分割和中性粒细胞的检测与量化，并确定了评估疾病活动性和治疗响应的最佳中性粒细胞密度阈值	研究基于特定临床试验和队列数据，可能需要在更广泛的人群中进行验证	开发AI驱动的流程，以自动化评估溃疡性结肠炎的组织学活动性和治疗响应	溃疡性结肠炎患者的全玻片图像	数字病理学	溃疡性结肠炎	全玻片图像分析	深度学习模型	图像	303张来自多中心临床试验的溃疡性结肠炎患者全玻片图像	NA	NA	DICE Sørensen系数, 精确度, 准确率, 灵敏度, 特异性	NA
90	2025-12-19	A novel expert-annotated single-cell dataset for thyroid cancer diagnosis with deep learning benchmarks 2025-Dec, PLOS digital health DOI:10.1371/journal.pdig.0001120 PMID:41401160	研究论文	本文介绍了一个用于甲状腺癌诊断的新型专家标注单细胞图像数据集，并建立了基于深度学习的多标签分类基准	提出了一个专家标注的单细胞图像数据集，并开发了结合ConvNeXt、Vision Transformers和ResNet的深度学习基准流程，采用条件CutMix、加权采样和SPA损失与LPR等技术处理类别不平衡	未明确说明数据集的泛化能力或外部验证结果	推进甲状腺癌的自动化细胞学分析研究，为可解释和可靠的AI诊断提供基准	从高分辨率组织病理学切片中提取的3,419个单细胞图像	数字病理学	甲状腺癌	单细胞图像分析	CNN, Transformer	图像	3,419个单细胞图像	PyTorch	ConvNeXt, Vision Transformers (ViT), ResNet	准确率, 精确率, 召回率, F1分数, AUC	NA
91	2025-12-19	Deep learning predicts potential reassortments of avian H5N1 with human influenza viruses 2025-Dec, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf396 PMID:41409712	研究论文	本文开发了一个名为HAIRANGE的注意力深度学习模型，用于预测禽流感H5N1病毒与人类流感病毒之间可能发生的人类适应性重配	提出了一种非预训练的生物学相关嵌入器Codon2Vec，在基因组上下文嵌入方面表现出色，并成功预测了禽流感H5N1与人类H3N2病毒之间的适应性重配	NA	预测禽流感H5N1病毒与人类流感病毒之间可能发生的人类适应性重配，以评估大流行风险	禽流感H5N1病毒和人类流感病毒（如H3N2）的RNA聚合酶相关基因	自然语言处理	流感	基因组序列分析	注意力深度学习模型	基因组序列数据	NA	NA	HAIRANGE	聚合酶活性验证	NA
92	2025-12-19	Deep Learning-Based Quality Control and Diagnosis of Bronchial Images 2025-Nov-27, Respiration; international review of thoracic diseases DOI:10.1159/000548342 PMID:41308068	综述	本文系统分析了深度学习技术在医学内窥镜领域的应用潜力，特别是人工智能在支气管镜图像质量控制与诊断分析中的应用前景	探讨了人工智能在支气管镜图像分析中的创新潜力，旨在通过深度学习技术解决传统方法的局限性	当前研究存在模型泛化能力不足的问题，需要多中心临床验证来优化模型鲁棒性	研究人工智能在支气管镜图像质量控制与诊断分析中的应用，以提升医疗质量与诊断效率	支气管镜图像	计算机视觉	肺癌	NA	深度学习	图像	NA	NA	NA	NA	NA
93	2025-12-19	Transformer and graph variational autoencoder to identify microenvironments: A deep learning protocol for spatial transcriptomics 2025-Nov-27, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104206 PMID:41313684	研究论文	本文介绍了一种名为TG-ME的计算框架，它结合Transformer和图变分自编码器，用于通过空间转录组学和形态学图像识别微环境	首次将Transformer与图变分自编码器集成，以分析空间转录组学和形态学图像中的微环境	NA	开发一个深度学习协议，用于识别健康、肿瘤和感染组织中的空间微环境	空间转录组学和形态学图像数据	数字病理学	肿瘤	空间转录组学	Transformer, 图变分自编码器	图像, 转录组数据	NA	NA	Transformer, 图变分自编码器	NA	NA
94	2025-12-19	Protocol to annotate and automate single-cell instance segmentation on stimulated Raman histology using deep learning 2025-Nov-27, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104221 PMID:41317327	研究论文	本文提出了一种基于深度学习的协议，用于在刺激拉曼组织学图像上自动进行单细胞实例分割	开发了ELUCIDATE网络工具和DetectSRH Python库，实现了无标记SRH图像的单细胞空间分析自动化	NA	实现神经外科术中获取的SRH图像的自动细胞分割	SRH图像中的细胞	数字病理学	NA	刺激拉曼组织学	深度学习模型	图像	NA	Python	NA	NA	NA
95	2025-12-19	SU3327: A multi-target compound targeting bacterial menaquinone and DNA 2025-Nov-25, International journal of antimicrobial agents IF:4.9Q1 DOI:10.1016/j.ijantimicag.2025.107679 PMID:41308844	研究论文	本研究阐明了SU3327（Halicin）通过靶向细菌呼吸链中的甲基萘醌和诱导DNA损伤的双重作用机制	首次揭示SU3327通过靶向甲基萘醌抑制细菌能量代谢，同时通过硝基还原酶生物活化诱导DNA损伤的双重作用机制	研究主要基于大肠杆菌ATCC 25922模型，其他细菌物种中的机制验证尚不充分	阐明SU3327的抗菌作用机制并探索其作为多靶点治疗剂的潜力	SU3327（Halicin）化合物及其对细菌的作用机制	NA	细菌感染	微生物学分析、生物化学/生物物理学分析、质谱分析、电化学分析、转录组学分析	NA	实验数据	NA	NA	NA	NA	NA
96	2025-12-19	Simulation and empirical evaluation of biologically-informed neural network performance 2025-Nov-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.13.687845 PMID:41292768	研究论文	本文通过开发两个模拟框架，评估了影响生物信息神经网络性能的因素，并实证测试了整合胚系和体细胞数据对预测前列腺癌转移状态的影响	开发了模拟框架来系统评估数据集特征对BiNN性能的影响，为生物信息神经网络的性能评估提供了原则性框架	P-NET在稀疏的胚系数据上表现不佳，且整合胚系数据未能改善预测性能	评估生物信息神经网络在不同数据集特征下的性能，并探索其在预测前列腺癌转移状态中的应用	前列腺癌患者	机器学习	前列腺癌	体细胞突变和拷贝数变异分析	BiNN	基因组数据	未明确指定	NA	P-NET	预测准确性, 基因优先级排序	NA
97	2025-12-19	Sequential Human Assembly and Disassembly Motions in Human-Robot Coexisting Environments 2025-Nov-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06042-0 PMID:41219251	研究论文	本文提出了一种专注于人机共存环境中顺序性人体装配与拆卸动作的新型数据集	数据集针对人机共存环境设计，包含多视角采集的同步RGB视频与2D/3D人体骨骼数据，并特别关注了局部遮挡、相似重复动作及行为差异等实际挑战	未明确说明数据采集场景的具体复杂度限制或参与者行为模式的覆盖全面性	为人机交互、自主机器人运动规划等领域提供任务导向的行为研究数据支持	人机共存环境中的人类顺序性装配与拆卸动作	计算机视觉	NA	多视角相机采集、2D/3D人体骨骼估计	深度学习模型	RGB视频、2D/3D人体骨骼数据	33名具有不同身体特征和行为偏好的参与者，超过10,000个样本	NA	NA	NA	NA
98	2025-12-19	Machine Learning Analysis of Cilia-Driven Particle Transport Distinguishes Primary Ciliary Dyskinesia Cilia from Normal Cilia 2025-Nov-04, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.02.686130 PMID:41279745	研究论文	本研究利用机器学习和深度学习技术，通过分析纤毛驱动的粒子运输轨迹来区分原发性纤毛运动障碍（PCD）与正常纤毛	首次结合特征机器学习和图像深度学习，客观量化纤毛定向粒子运输，以检测PCD相关纤毛功能障碍	样本量相对较小（仅14名PCD患者和10名健康供体），且未涉及其他纤毛疾病类型的广泛比较	开发一种客观、准确的诊断工具，用于识别原发性纤毛运动障碍（PCD）	来自PCD患者、健康供体和囊性纤维化患者的气道上皮细胞及其纤毛驱动的荧光微球运输轨迹	计算机视觉, 机器学习	原发性纤毛运动障碍	高速视频显微镜, 荧光微球追踪	CNN	视频, 轨迹数据	14名PCD患者, 10名健康供体, 2名囊性纤维化患者, 共计602个视频	Python, Jython, 自定义Python包CiliaTracks	卷积神经网络	准确率	NA
99	2025-12-19	Commercial Products Using Generative Artificial Intelligence Include Ambient Scribes, Automated Documentation and Scheduling, Revenue Cycle Management, Patient Engagement and Education, and Prior Authorization Platforms 2025-Nov, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.05.021 PMID:40419172	综述	本文综述了生成式人工智能在医疗保健领域的商业应用现状，重点介绍了大型语言模型如何优化临床工作流程	系统梳理了生成式AI在医疗领域的五大商业应用方向，并首次量化统计了环境记录类产品的平台数量（约90个）	缺乏监管监督、存在固有偏见、与电子健康记录的互操作性不一致、以及临床医生对LLM输出结果缺乏信任导致接受度低	探讨生成式人工智能在临床实践中的商业应用现状、挑战与未来发展方向	医疗保健领域的商业生成式AI产品平台	自然语言处理	NA	自然语言处理，深度学习	大型语言模型	文本	NA	NA	NA	NA	NA
100	2025-12-19	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	本研究开发了一种基于深度学习的MRI引导近红外光谱断层成像快速重建方法，用于乳腺癌诊断	利用深度学习网络从合成数据训练，显著提高了NIRST图像重建的速度和准确性，实现了仅需1.4秒的快速重建	研究基于合成数据训练，可能在实际临床数据中存在泛化性限制；样本量相对较小（38例）	提高乳腺癌诊断的特异性和敏感性，通过结合MRI和NIRST技术优化图像重建效率	乳腺异常患者的临床成像数据	医学影像分析	乳腺癌	MRI引导近红外光谱断层成像（NIRST）	深度学习网络	MRI图像和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