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	2025-12-14	Optimising personalised antibiotic treatment for methicillin-resistant Staphylococcus aureus bloodstream infections in ICU patients using a deep learning-based causal inference approach 2025-Dec, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.08.012 PMID:40882869	研究论文	本研究利用基于深度学习的因果推断模型，评估了万古霉素、达托霉素和利奈唑胺对ICU中MRSA血流感染患者院内死亡率的降低效果，并识别了与各抗生素疗效相关的患者特征	首次将基于深度学习的因果推断模型应用于ICU中MRSA血流感染的抗生素个性化治疗评估，能够量化不同抗生素的死亡率降低效果并识别特定患者亚群的疗效差异	研究样本量相对较小（仅270名患者），且数据来源于回顾性数据库（MIMIC-III和MIMIC-IV），可能存在选择偏倚和未测量的混杂因素	评估万古霉素、达托霉素和利奈唑胺对ICU中MRSA血流感染患者院内死亡率的降低效果，并实现个性化抗生素治疗推荐	ICU中患有MRSA血流感染的患者	机器学习	MRSA血流感染	基于深度学习的因果推断	深度学习模型	临床数据	270名ICU患者	NA	NA	死亡率降低百分比, 平均处理效应, P值	NA
82	2025-10-31	Developing a novel deep learning-based model for automatic right ventricular parameters assessment on ctpa in pulmonary embolism 2025-Dec, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02404-8 PMID:41162742	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
83	2025-12-14	Diagnostic Accuracy of Artificial Intelligence Models for Predicting Postoperative Complications Following Free Flap Reconstruction: A Systematic Review and Meta-Analysis 2025-Dec, Microsurgery IF:1.5Q3 DOI:10.1002/micr.70143 PMID:41231400	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在预测游离皮瓣重建术后并发症方面的诊断准确性	首次对AI模型在游离皮瓣重建术后并发症预测中的诊断性能进行系统评估，并比较了不同输入模态在模型训练中的效果	纳入研究数量有限（12项），且研究间存在异质性，可能影响结果的普适性	系统评估AI模型在预测皮瓣手术后并发症的诊断性能，并比较不同输入模态的训练效果	接受游离皮瓣重建手术的患者	数字病理学	NA	人工智能模型	深度学习模型	图像数据	18,520名患者，32,148个输入数据点	NA	NA	敏感性, 特异性, 似然比, SROC曲线下面积	NA
84	2025-12-14	Evaluation of Deep Learning-Based OCTA Denoising in Retinal Vessel Assessment 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.10 PMID:41342626	研究论文	本研究评估了N2V2去噪算法在光学相干断层扫描血管成像（OCTA）视网膜血管量化中的性能	首次系统评估了N2V2去噪算法在OCTA视网膜血管评估中的主观图像质量、客观指标、诊断可解释性和定量可重复性	研究样本仅来自糖尿病患者，未包括其他视网膜疾病患者；去噪后部分血管密度指标有所下降	评估深度学习去噪算法在OCTA图像处理中对视网膜血管量化性能的影响	糖尿病患者的OCTA视网膜扫描图像	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习去噪算法	图像	145只眼（来自糖尿病患者，平均年龄63.97±9.25岁，40.26%女性）	NA	N2V2	对比噪声比,峰值信噪比,边缘保持指数,结构相似性指数测量,血管密度,中心凹无血管区面积/周长/圆形度,周边无灌注区面积	NA
85	2025-12-14	Automated Retinal Vascular Analysis Reveals Response to Acetazolamide in Idiopathic Intracranial Hypertension 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.9 PMID:41342622	研究论文	本研究利用深度学习自动分析视网膜血管，评估其对特发性颅内高压治疗的反应	首次应用深度学习自动化流程量化视网膜血管参数，并验证其作为特发性颅内高压治疗反应的非侵入性生物标志物	研究为回顾性分析，样本量相对有限（n=165），且仅针对特发性颅内高压患者	评估自动视网膜血管分析能否识别特发性颅内高压继发视乳头水肿的治疗反应	特发性颅内高压伴轻度视力丧失患者	数字病理学	特发性颅内高压	彩色眼底摄影，光学相干断层扫描	深度学习	图像	165名患者	NA	AutoMorph	R2, P值	NA
86	2025-12-14	Using Deep Learning to Automate Orangutan Nest Detections on Aerial Images Collected With Drones 2025-Dec, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70100 PMID:41355327	研究论文	本研究探索了一种使用深度学习自动检测无人机航拍图像中猩猩巢穴的方法，以提高猩猩监测效率	首次将YOLO v10模型应用于无人机航拍图像中猩猩巢穴的自动检测，通过迁移学习方法实现了高精度的巢穴识别	模型在固定翼无人机数据上的召回率较低，可能影响种群趋势分析的准确性，且训练数据集需进一步扩展以适应不同相机系统和环境条件	开发一种自动化方法，利用深度学习从无人机航拍图像中检测猩猩巢穴，以替代传统地面线样带监测方法	猩猩巢穴	计算机视觉	NA	无人机航拍	CNN	图像	868张图像，包含1568个标注的猩猩巢穴，采集自马来西亚沙巴和印度尼西亚苏门答腊	NA	YOLO v10	平均精度均值, 精确率, 召回率	NA
87	2025-12-14	CellSAM: a foundation model for cell segmentation 2025-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02879-w PMID:41360960	研究论文	本文提出了一种名为CellSAM的通用细胞分割基础模型，该模型通过结合目标检测器和提示工程，能够在多种细胞成像数据上实现跨域泛化	在Segment Anything Model (SAM)基础上开发了针对细胞分割的提示工程方法，并训练了自动检测细胞的CellFinder检测器，实现了单一模型在多种成像模态和生物体上的通用分割能力	未明确说明模型在极端成像条件或高度密集细胞场景下的性能限制，也未讨论计算效率与实时处理能力	开发一个能够泛化到多种细胞成像数据的通用细胞分割模型	哺乳动物细胞、酵母和细菌的显微图像	数字病理学	NA	细胞成像技术	基础模型	图像	未明确说明具体样本数量，但涵盖多种成像模态采集的数据	未明确说明	Segment Anything Model (SAM)	人类水平性能、零样本性能、少样本学习性能	未明确说明
88	2025-12-14	Brain-Pupil Coupling Revealed Through Deep Learning of Intracranial Recordings 2025-Dec-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70438 PMID:41368939	研究论文	本研究通过颅内记录和瞳孔测量技术，结合深度学习模型，揭示了大脑神经活动与瞳孔动态在注意力转换任务中的耦合关系	首次将深度学习模型应用于颅内神经活动数据以预测瞳孔动态变化，并利用显著性梯度映射技术识别出与瞳孔动态预测性能相关的任务相关脑网络	样本量较小（仅13名参与者），且研究人群局限于儿童和青少年癫痫患者，可能限制结果的普适性	探究大脑神经活动与瞳孔动态之间的耦合机制及其在认知加工过程中的作用	13名9-18岁的癫痫儿童和青少年	计算神经科学	癫痫	颅内记录、瞳孔测量技术	深度学习模型	颅内神经活动记录、瞳孔直径数据	13名参与者（其中7名用于深度学习模型验证）	NA	NA	模型预测性能	NA
89	2025-12-14	Shape-Encoded Hydrogel Sensor Particles Enable Multiplex Odorant Detection Through Deep-learning Classification 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202507903 PMID:41124061	研究论文	本研究提出了一种基于形状编码的水凝胶传感器颗粒策略，通过深度学习分类实现多重气味检测	利用水凝胶颗粒形状编码气味传感器细胞类型，结合卷积神经网络进行形状识别，实现位置无关、可扩展的多重气味检测	研究仅关注单一气味物质，未涉及复杂气味混合物检测	开发便携式、基于细胞的生物混合传感器，用于多重气味检测	水凝胶传感器颗粒及其表达不同气味受体的传感器细胞	计算机视觉	NA	延时荧光成像	CNN	图像	NA	NA	卷积神经网络	准确率	NA
90	2025-12-14	QTcNet: a deep learning model for direct heart rate corrected QT interval estimation 2025-Dec-01, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euaf274 PMID:41140122	研究论文	本文开发了一个名为QTcNet的深度学习模型，用于直接从心电图中估计心率校正的QT间期，以提高自动化测量的准确性	QTcNet采用基于回归的卷积神经网络架构，通过大规模算法标记的心电图数据进行训练，显著减少了跨队列的测量误差，并首次公开了完整模型和在线实现	模型在特定队列上的微调虽然能改善该队列的性能，但会降低在其他队列中的外部有效性	提高自动化QTc测量的准确性，减少与专家读数之间的差异	心电图数据	机器学习	心血管疾病	心电图分析	CNN	图像	训练集：120,300个算法标记的心电图（内部医院队列60,150个，MIMIC-IV数据集60,150个）；验证集：PTB数据库100个心电图；测试集：QTcMS 210个，ECGRDVQ 5,219个；微调集：PTB数据库449个	NA	卷积神经网络	平均绝对误差, 均方根误差, 大误差（>50 ms）异常值比例	NA
91	2025-12-14	Enhancing CBCT-based CT synthesis using planning MRI in adaptive proton therapy for head cancer: A deep learning approach 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70367 PMID:41373115	研究论文	本研究提出了一种结合CBCT和MRI的深度学习方法来合成CT图像，以提高头颈癌自适应质子治疗中的剂量计算精度	首次将MRI数据整合到CBCT-based CT合成中，以改善软组织细节恢复和剂量计算准确性	数据集规模有限，需要未来收集更大样本进行验证	提高自适应质子治疗中CBCT-based CT合成的图像质量和剂量计算精度	头颈癌患者	医学影像处理	头颈癌	CBCT, MRI	cGAN, CycleGAN	图像	NA	NA	ResUnet, SwinUnet	平均HU误差, 剂量差异, 剂量分布	NA
92	2025-12-14	Browser-Based Multi-Cancer Classification Framework Using Depthwise Separable Convolutions for Precision Diagnostics 2025-Dec-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233066 PMID:41374447	研究论文	本研究提出了一种基于浏览器的多癌症分类框架，利用深度可分离卷积进行高效特征提取，实现了无需外部服务器或专用GPU的实时客户端推理	首个完全可部署于浏览器、保护隐私的多癌症诊断深度学习框架，通过TensorFlow.js实现客户端推理，消除了对高性能硬件和集中式服务器的依赖	未明确说明模型在不同硬件和网络条件下的实际部署性能差异，也未讨论模型在未见癌症类型或罕见亚型上的泛化能力	开发一种轻量级、隐私保护且易于全球部署的AI工具，用于多癌症的早期准确检测	涵盖26种癌症类型的组织病理学和细胞学图像	数字病理学	多癌症	深度学习	CNN	图像	超过130,000张组织病理学和细胞学图像	TensorFlow.js	Xception, VGG16, ResNet50, EfficientNet-B0, Vision Transformer	Top-1准确率, Top-5准确率	浏览器环境，无需专用GPU或外部服务器
93	2025-12-14	DELTA-SoyStage: A Lightweight Detection Architecture for Full-Cycle Soybean Growth Stage Monitoring 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237303 PMID:41374678	研究论文	本文提出了一种名为DELTA-SoyStage的轻量级目标检测架构，用于全周期大豆生长阶段的监测与分类	提出了一种新颖的DELTA（去噪增强轻量级任务对齐）检测头，结合EfficientNet主干网络和轻量级ChannelMapper颈部，实现了高精度且计算成本低的生长阶段识别	数据集在受控温室条件下采集，可能无法完全代表复杂的田间环境；研究仅针对大豆一种作物	优化农业干预措施，通过准确识别大豆生长阶段以避免因时机不当导致的产量损失	大豆植株	计算机视觉	NA	RGB图像采集	CNN	图像	17,204张标注的RGB图像，涵盖从出苗（VE）到完全成熟（R8）的九个生长阶段	NA	EfficientNet, ChannelMapper, DELTA	平均精度（AP）, GFLOPs, 参数量	适合部署在资源受限的边缘设备上
94	2025-12-14	Advanced Signal Processing Methods for Partial Discharge Analysis: A Review 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237318 PMID:41374693	综述	本文全面回顾了用于局部放电分析的高级信号处理方法	系统比较了不同方法的演变和互补作用，并指出了当前研究中缺乏标准化、可解释和可嵌入的AI解决方案的空白	当前研究在实时、细粒度局部放电分类方面，仍缺乏标准化、可解释和可嵌入的人工智能解决方案	回顾和比较用于局部放电分析的高级信号处理方法	局部放电信号	信号处理	NA	时频技术、小波变换、希尔伯特-黄变换、人工智能方法	NA	信号数据	NA	NA	NA	NA	NA
95	2025-12-14	Research on the Prediction of Driver Fatigue Degree Based on EEG Signals 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237316 PMID:41374691	研究论文	本研究提出了一种基于EEG信号和多步时序数据的深度学习模型，用于预测驾驶员疲劳程度指标PERCLOS，并探讨了不同EEG特征对预测性能的影响	提出了一种结合CNN、Transformer编码器、LSTM和残差连接的CTL-ResFNet混合深度学习框架，用于驾驶员疲劳程度预测，并比较了不同EEG特征在不同实验范式下的适用性差异	NA	预测驾驶员疲劳程度以提升交通安全	驾驶员疲劳程度指标PERCLOS	机器学习	NA	脑电图信号分析	CNN, Transformer, LSTM	EEG信号	NA	NA	CTL-ResFNet	RMSE, MAE	NA
96	2025-12-14	Deep CNN-based Fully Automated Segmentation of Pelvic Multi-Organ on CT Images for Prostate Cancer Radiotherapy 2025-Dec, Journal of biomedical physics & engineering DOI:10.31661/jbpe.v0i0.2307-1649 PMID:41377126	研究论文	本研究评估了基于CT的深度学习自动分割算法在男性盆腔多器官分割中的可行性，用于前列腺癌放疗	应用3D nnU-net这一自适应的集成方法进行快速、可重复的多器官自动轮廓勾画，并比较了基于手动与自动轮廓的放疗计划剂量分布差异	单中心回顾性研究，样本量相对较小（118例患者），且淋巴结和精囊的分割性能（DSC较低）有待提升	评估深度学习自动分割算法在前列腺癌放疗中多器官勾画的可行性	前列腺癌患者	数字病理学	前列腺癌	CT成像	CNN	图像	118例前列腺癌患者（95例训练，23例测试）	NA	3D nnU-net	Dice相似系数, 平均豪斯多夫距离, 剂量-体积直方图参数	NA
97	2025-12-14	Iranian Scientometrics; Dataset on universities, professors and articles 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112285 PMID:41377189	研究论文	本研究介绍了一个关于伊朗大学学术出版物和教授指标的全面数据集，通过Python工具从Google Scholar系统收集并经过专家验证	提供了一个针对伊朗学术界的综合数据集，结合了多步骤数据精炼过程，包括机构隶属关系、高引用阈值和作者-文章验证，以支持深入的学术网络分析	数据收集受限于Google Scholar的服务条款，需限制请求频率以避免违规，且可能因网络爬取过程而存在数据不完整或无效链接的风险	构建一个用于学术影响力和网络分析的数据集，支持科学计量学、机构基准测试和政策评估	伊朗大学的学术出版物、教授指标和机构详情	自然语言处理	NA	网络爬取，数据精炼过程	NA	文本	超过150万条文章记录，经过精炼后聚焦于2020-2022年间政府大学和高引用教授的数据	Selenium, BeautifulSoup	NA	NA	NA
98	2025-12-14	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影像分析中的应用，特别关注了腔内血栓的自动分割方法	系统性地回顾和比较了基于深度学习的腔内血栓分割方法，指出了2D多视图融合模型和3D U-Net的性能优势，并明确了术前与术后图像分割的不同应用场景与挑战	缺乏标准化的数据集限制了模型的开发和外部验证	回顾深度学习在腹主动脉瘤影像分析，特别是腔内血栓分割中的应用	腹主动脉瘤患者的计算机断层扫描血管造影图像	数字病理学	心血管疾病	计算机断层扫描血管造影	深度学习网络	图像	22项符合条件的研究（从664篇文献中筛选）	NA	U-Net	Dice相似系数	NA
99	2025-12-14	Development and validation of a multimodal radiomics-serum biomarker model for diagnosing solid pulmonary nodules via machine learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1214 PMID:41376905	研究论文	本研究开发了一种结合CT影像组学特征和血清生物标志物的多模态机器学习模型，用于诊断实性肺结节	首次将传统影像组学分析方法与三维深度学习技术相结合，并整合血清生物标志物，构建了多模态诊断模型	回顾性研究设计，可能存在选择偏倚；样本量相对有限	开发一种高精度的多模态诊断模型，以区分良恶性实性肺结节	实性肺结节患者	数字病理	肺癌	CT扫描，血清生物标志物检测	深度学习，机器学习	图像，生物标志物数据	638个肺结节（来自633名患者）	NA	三维深度学习模型	AUC，准确率，阳性预测值，阴性预测值，决策曲线分析，校准曲线	NA
100	2025-12-14	A computed tomography-based deep learning radiomics for predicting the response to neoadjuvant chemotherapy combined with immunotherapy in patients with locally advanced esophageal cancer: a multicenter cohort study 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1208 PMID:41376959	研究论文	本研究开发了一种基于CT的深度学习放射组学列线图，用于预测局部晚期食管癌患者对新辅助化疗联合免疫治疗的反应	结合放射组学特征和深度学习特征构建集成模型，并首次用于预测局部晚期食管鳞状细胞癌患者对新辅助化疗联合免疫治疗的主要病理缓解	样本量较小（共60例患者），且为回顾性多中心研究，可能存在选择偏倚	预测局部晚期食管鳞状细胞癌患者对新辅助化疗联合免疫治疗的反应，以指导个性化治疗	局部晚期食管鳞状细胞癌患者	数字病理学	食管癌	计算机断层扫描（CT）	深度学习, 机器学习	CT图像	60例患者（训练集42例，测试集18例）	PyTorch, Scikit-learn	ResNet101	AUC	NA