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
1061	2025-12-07	Knowledge distillation-based lightweight MobileNet model for diabetic retinopathy classification 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30893-7 PMID:41350373	研究论文	提出了一种基于知识蒸馏的轻量化MobileNet模型，用于糖尿病视网膜病变分类	采用知识蒸馏技术将复杂模型的知识迁移到轻量化的MobileNet架构中，实现了在边缘设备上的高效部署	模型在资源受限设备上的性能可能仍有优化空间，且仅使用了APTOS 2019单一数据集进行验证	开发适用于资源受限设备的轻量化糖尿病视网膜病变自动筛查模型	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	APTOS 2019数据集（具体数量未明确说明）	NA	MobileNet	准确率, 精确率, 召回率	边缘设备（具体型号未说明）
1062	2025-12-07	Cloud-enabled automatic modulation classification using deep feature fusion and Moth-Flame Optimized ELM approach 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30753-4 PMID:41350379	研究论文	本文提出了一种基于云环境的自动调制分类方法，通过深度特征融合和飞蛾火焰优化的极限学习机来提高分类准确性和可靠性	结合预训练深度学习模型提取特征，并使用飞蛾火焰优化算法优化极限学习机的隐藏节点参数，同时引入可解释AI技术分析模型预测	NA	开发一种鲁棒的自动调制分类方法，以提高在云环境中的分类准确性和可靠性	无线通信信号	机器学习	NA	自动调制分类	极限学习机	信号数据	NA	NA	Inception V3, ResNet 50, VGG 16	准确率, 敏感性, 特异性	云虚拟机（vCPU-4/16GB RAM, vCPU-8/32GB RAM, vCPU-16/64GB RAM）
1063	2025-12-07	Research on metal surface defect detection method based on deep learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31235-3 PMID:41350415	研究论文	提出一种基于改进YOLOv8s的金属表面缺陷检测模型CDA-YOLOv8，用于提升铝型材表面缺陷的检测精度	提出CDA-YOLOv8模型，通过CG Block替换下采样卷积、DWR模块优化C2f结构、构建ASFP2检测层增强多尺度特征提取与小目标检测能力	未提及模型在实时性、计算资源消耗或跨材质泛化能力方面的局限性	提高金属表面缺陷检测的准确率	铝型材表面缺陷（划痕、污渍、漆泡等）	计算机视觉	NA	深度学习	YOLOv8	图像	3229张图像，包含10类缺陷	NA	YOLOv8s, CDA-YOLOv8（含CG Block, DWR模块, ASFP2检测层）	mAP@0.5	NA
1064	2025-12-07	Maximum dispatchable capacity evaluation of a VPP with hybrid wind-solar-gas-storage systems 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31270-0 PMID:41350424	研究论文	本研究提出了一种基于场景驱动的框架，用于评估包含风电、光伏、燃气和储能的虚拟电厂的最大可调度容量	提出了一种结合自适应图卷积网络、卷积神经网络和长短期记忆网络的混合深度学习模型进行风光预测，并采用场景缩减与多场景随机优化相结合的方法来评估不确定性条件下的最大可调度容量	负荷不确定性仅通过对典型冬季日负荷曲线施加随机扰动进行建模，可能未完全覆盖所有实际运行场景	评估虚拟电厂在风光气储混合系统下的最大可调度容量，以支持可靠且经济可行的容量规划	包含风电、光伏、燃气机组和储能系统的虚拟电厂	机器学习	NA	NA	AGCN, CNN, LSTM	时间序列数据（风速、太阳辐照度、负荷）	NA	NA	自适应图卷积网络、卷积神经网络、长短期记忆网络	NA	NA
1065	2025-12-07	A deep learning based radiomics model for differentiating intraparenchymal hematoma induced by cerebral venous thrombosis 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31206-8 PMID:41350423	研究论文	本研究开发并验证了一种基于非增强CT的深度学习放射组学列线图模型，用于区分脑静脉血栓形成引起的脑实质内血肿与其他病因引起的血肿	首次结合传统放射组学特征与深度学习特征，构建融合的深度学习放射组学特征，并整合临床变量（癫痫）开发列线图模型，以提高鉴别诊断性能	样本量相对有限（共275例患者），且仅来自两个医疗中心，可能存在选择偏倚；模型性能需在更大规模、多中心数据中进一步验证	开发一种快速、无创的鉴别诊断工具，用于区分脑静脉血栓形成相关的脑实质内血肿与其他病因引起的血肿	脑实质内血肿患者，包括脑静脉血栓形成组和其他病因组	数字病理学	心血管疾病	非增强CT成像	深度学习模型	医学图像（CT）	275例患者（训练集192例，外部测试集83例）	NA	NA	AUC, 决策曲线分析	NA
1066	2025-12-07	Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning 2025-Dec-05, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-02083-z PMID:41350440	研究论文	本文提出了一种利用深度学习在单域蛋白质中同时支架多个功能位点的方法，并设计了针对呼吸道合胞病毒的小型单域免疫原	首次使用生成式深度学习方法在小型单域蛋白质中成功支架三个非重叠且不规则的病毒表位，实现了多表位免疫原的设计	NA	解决在单域蛋白质中同时支架多个功能位点的复杂蛋白质设计问题	呼吸道合胞病毒的三个不同且不规则的表位	机器学习	呼吸道合胞病毒感染	深度学习	深度学习模型	蛋白质序列和结构数据	NA	NA	生成式深度学习模型	交叉反应滴度, 中和反应	NA
1067	2025-12-07	Chemistry-informed deep learning model for predicting stereoselectivity and absolute configuration in asymmetric hydrogenation 2025-Dec-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00920-8 PMID:41350458	研究论文	本文提出了一种基于反应机制的深度学习模型ChemAHNet，用于预测烯烃不对称氢化反应中的立体选择性和绝对构型	开发了首个能够同时预测双前手性位点烯烃不对称氢化反应的立体选择性和绝对构型的深度学习模型，无需预定义描述符，仅需SMILES输入即可捕捉原子级空间和电子相互作用	未明确说明模型在特定催化剂或底物类型上的性能边界，也未提及计算效率或可解释性方面的潜在限制	开发能够准确预测不对称氢化反应立体选择性和绝对构型的化学信息深度学习模型	烯烃不对称氢化反应（特别是具有双前手性位点的体系）	机器学习	NA	不对称氢化反应	深度学习	分子结构（SMILES格式）	NA	NA	Chemistry-Informed Asymmetric Hydrogenation Network (ChemAHNet)	NA	NA
1068	2025-12-07	Novel mapping approach for coastal boulders using deep learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29044-9 PMID:41350551	研究论文	本文提出了一种结合无人机和Mask R-CNN的深度学习新方法，用于海岸巨石的快速精确检测与体积计算	首次将无人机与基于掩码区域的卷积神经网络（Mask R-CNN）相结合，实现海岸巨石的自动化检测和体积估算，提高了传统人工方法的效率和精度	方法仅在日本的石垣岛进行了验证，其普适性在不同地理环境和海岸类型中尚未得到充分测试	开发一种快速、精确的海岸巨石自动测绘方法，以更好地理解过去海啸和风暴潮等淹没事件的动力学	分布在海岸线上的巨石	计算机视觉	NA	无人机航拍，数字表面模型	CNN	图像	日本冲绳石垣岛上的海岸巨石	NA	Mask R-CNN	F1分数	NA
1069	2025-12-07	Cross-modal deep learning framework for 3D reconstruction and information integration of Zhejiang wood carving heritage 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30042-0 PMID:41350556	研究论文	本研究提出了一种用于浙江木雕遗产3D重建和信息整合的自适应跨模态深度学习框架	引入了表面复杂度感知的门控网络，能根据局部信息丰富度动态加权几何与视觉模态，克服了传统固定权重融合策略忽略局部表面特性的问题	NA	为文化遗产（特别是木雕）的精确3D重建与语义信息整合开发自适应跨模态深度学习框架	浙江木雕遗产	计算机视觉	NA	混合激光扫描与八相机RGB-D阵列采集	深度学习	3D点云，RGB-D图像	300个带标注的文物样本	NA	表面复杂度感知门控网络	倒角距离，F分数，平均交并比	NA
1070	2025-12-07	EfficientPoseSegNet: a weakly supervised, attention-guided framework for human pose estimation, anatomical segmentation, and concealed object detection in backscatter millimeter-wave security screening 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30346-1 PMID:41350560	研究论文	提出了一种名为EfficientPoseSegNet的混合深度学习框架，用于在毫米波背向散射安检图像中进行人体姿态估计、解剖部位分割和隐藏物体检测	提出了一种结合并行EfficientNet和DenseNet主干网络、卷积块注意力模块（CBAM）以及任务感知的随机权重平均（SWA）的混合框架，能够在弱监督条件下实现多任务学习，并利用解剖分割特征进行异常检测以识别隐藏物体	未明确说明模型在更广泛安检场景或不同成像设备下的泛化能力，也未讨论计算效率与实时部署的具体硬件要求	开发一个可扩展、隐私合规且实时的自动化系统，以提升机场安检和运输安全	毫米波背向散射安检图像中的人体姿态、解剖部位及隐藏物体	计算机视觉	NA	毫米波背向散射成像	CNN	图像	运输安全管理局乘客安检数据集（具体数量未说明）	PyTorch（推断，因提及SWA）	EfficientNet, DenseNet, Convolutional Block Attention Module (CBAM)	测试损失, 平均绝对误差（像素）, 关键点准确率（10像素阈值内）, 姿态估计准确率, 分割交并比（IoU）, 异常检测AUC	NA
1071	2025-12-07	Enhancing marine magnetic anomaly interpretation with anisotropic diffusion and deep transfer learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30926-1 PMID:41350564	研究论文	本文提出了一种结合各向异性扩散和深度迁移学习的方法，以增强海洋磁异常的解释，减少主观性并提高效率	创新点在于首次将各向异性扩散与深度迁移学习结合应用于海洋磁异常解释，以解决数据稀疏性和标记数据有限的问题	局限性包括非线性预测部分可能源于数据覆盖不足或复杂构造，且方法依赖于有限标记数据	研究目标是利用深度学习最小化海洋磁异常解释的主观性并加速处理过程	研究对象为海洋线性磁异常，具体包括东太平洋隆起、雷克雅内斯、沙茨基海隆和阿索尔高原区域的磁异常数据	计算机视觉	NA	各向异性扩散，深度迁移学习	CNN	图像（磁异常地图）	NA	NA	标准卷积神经网络	准确率	NA
1072	2025-12-07	A lightweight dual-stream architecture for flow enhanced anomaly detection (FEAD) 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30911-8 PMID:41350601	研究论文	提出一种用于视频异常检测的轻量级双流架构FEAD，通过光流引导的特征融合机制增强对运动异常的敏感性	提出了一种新颖的光流引导特征融合机制，利用预提取的光流信息作为动态先验，有效引导原始图像流在特征提取过程中关注关键运动区域	未明确说明模型在极端光照条件或密集人群场景下的性能表现	开发一种适用于资源受限环境的实时视频异常检测方法	视频流中的异常行为或物体	计算机视觉	NA	光流提取，视频帧预测	双流架构	视频	三个基准数据集（Ped2, Avenue, ShanghaiTech）	NA	双流架构	AUC	NA
1073	2025-12-07	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	研究论文	本研究提出了一个名为PRISM-CRC的新型深度学习框架，通过整合组织病理学、放射学和临床数据来改善结直肠癌的诊断和预后预测	开发了一种新颖的多模态深度学习框架，首次将组织病理学、放射学和临床数据深度融合用于结直肠癌的生存预测和微卫星不稳定性状态识别，其性能显著优于单一数据类型的模型	在外部数据集上性能有所下降（由于“域偏移”），且在形态学模糊病例中存在分类错误，需要前瞻性试验验证其临床效用	改善结直肠癌的诊断和预后预测，提供更精细的风险分层以指导个性化治疗	结直肠癌患者	数字病理学	结直肠癌	深度学习	深度学习多模态融合模型	组织病理学图像, 放射学图像, 临床数据	未明确说明	未明确说明	PRISM-CRC	一致性指数, AUC	未明确说明
1074	2025-12-07	From gaze to proficiency: deep learning-driven prediction of novice performance in laparoscopic training using AOI-dependent metrics 2025-Dec-05, Surgical endoscopy DOI:10.1007/s00464-025-12369-x PMID:41350780	研究论文	本研究通过结合计算机视觉-深度学习算法与眼动追踪数据，自动检测兴趣区域并提取相关指标，用于区分和预测腹腔镜训练中新手的技能水平	整合计算机视觉-深度学习与眼动追踪数据，自动提取兴趣区域依赖指标和运动指标，以在动态训练环境中实现新手技能水平的分类和预测	研究主要关注新手，可能未涵盖专家级表现；模拟器环境（成人及儿科解剖）可能无法完全代表真实手术场景	开发基于眼动追踪和运动指标的客观评估方法，以个性化腹腔镜训练并实时反馈	医学生和住院医师在成人和儿科箱式训练器上执行peg转移任务	计算机视觉	NA	眼动追踪, 运动分析	随机森林, 支持向量机, 人工神经网络, 决策树	眼动追踪数据, 视频数据	医学生和住院医师（具体数量未在摘要中提供）	NA	NA	准确率, Gini重要性	NA
1075	2025-12-07	Rayleigh-wave dispersion data selection and model fine-tuning based on uncertainty estimation 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30603-3 PMID:41350801	研究论文	本文提出了一种基于不确定性估计的瑞利波频散数据选择与模型微调策略，以提高瑞利波反演模型的泛化能力和预测精度	通过并行训练的多个预训练模型预测不一致性识别高不确定性样本，并利用自动微分驱动的反演方法生成高置信度伪标签进行模型微调，无需钻孔信息	方法在复杂地质环境中的有效性虽经验证，但未明确说明对极端地质条件的适用性及计算成本的具体量化	提高瑞利波反演模型的泛化能力、减少对训练数据的依赖并加速收敛	瑞利波频散数据及地下横波速度结构	机器学习	NA	瑞利波反演	深度学习模型	地震波数据	NA	NA	NA	预测精度、鲁棒性	NA
1076	2025-12-07	Development of a YOLOv8-based deep learning model for detecting and segmenting dental restorations and dental applications in panoramic radiographs of mixed dentition 2025-Dec-05, British dental journal IF:2.0Q2 DOI:10.1038/s41415-025-9009-4 PMID:41350931	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在混合牙列期儿童的全景X光片中检测和分割六种类型的牙齿修复体与应用	首次将YOLOv8模型应用于混合牙列期儿童全景X光片中多种牙齿修复体的自动检测与分割任务	牙套的检测性能较低（F1分数仅0.46），模型在特定修复体类型上的泛化能力有待提升	开发用于牙齿修复体自动检测与分割的深度学习模型，辅助儿科牙科诊断	混合牙列期儿童的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2033张全景X光片	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
1077	2025-12-07	Data-efficient and accurate rapeseed leaf area estimation by self-supervised vision transformer for germplasms early evaluation 2025-Dec-05, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01478-2 PMID:41351115	研究论文	本研究提出了一种数据高效且准确的油菜叶片面积估计方法，利用自监督视觉变换器进行早期种质资源评估	采用自监督学习预训练Vision Transformer，结合新颖的Canopy-Mix数据增强技术和混合损失函数，有效解决了叶片遮挡和数据标注成本高的问题	NA	开发一种数据高效的深度学习框架，用于油菜叶片面积的准确和高通量表型分析，以加速油菜育种周期	油菜叶片	计算机视觉	NA	智能手机拍摄的RGB图像	Vision Transformer (ViT)	图像	NA	PyTorch	Vision Transformer	决定系数(R²), 相关系数(r)	NA
1078	2025-12-07	Accuracy of deep learning-based AI models for early caries lesion detection: the influence of annotation quality and reference choice 2025-Dec-04, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06672-z PMID:41339765	研究论文	本研究评估了不同标注方法和评估参考标准对基于深度学习的AI模型在早期龋齿病变检测中准确性的影响	首次系统比较了单牙医标注、聚合策略（多数投票、共识会议、STAPLE）和基于micro-CT的标注方法对AI模型性能的影响，并揭示了评估参考标准选择对模型表现评估的显著偏差	研究仅基于ACTA-DIRECT数据集，可能无法推广到其他数据集或临床环境；未考虑不同牙医标注者之间的个体差异对模型训练的具体影响	评估AI模型训练中不同标注方法及评估参考标准选择对早期龋齿病变检测准确性的影响	早期龋齿病变	数字病理学	龋齿	micro-CT	深度学习模型	图像	ACTA-DIRECT数据集	NA	NA	诊断准确性	NA
1079	2025-12-07	The engagement behaviors and treatment barriers for depressed patients in an online health community: a pre-/post-treatment comparison 2025-Dec-04, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106051 PMID:41349269	研究论文	本研究通过分析在线健康社区中抑郁症患者的发帖行为，比较了治疗前与治疗后用户在参与度及治疗障碍方面的差异	结合关键词过滤与深度学习分类方法，首次在中文抑郁症在线社区中识别并比较了治疗前与治疗后用户群体的行为模式及治疗障碍	数据仅来源于单一在线社区，且时间跨度有限，可能无法完全代表所有抑郁症患者群体	探究抑郁症患者在在线健康社区中的参与行为差异及治疗障碍，以优化心理健康支持策略	中国某抑郁症主题在线健康社区中的用户，包括治疗前用户（4,891人）与治疗后用户（25,743人）	自然语言处理	抑郁症	深度学习分类	NA	文本	1,585,429条帖子，涉及30,634名用户（25,743名治疗后用户，4,891名治疗前用户）	NA	NA	NA	NA
1080	2025-12-07	The Nuclear Nephrology Artificial Intelligence Ecosystem 2025-Dec-04, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.11.002 PMID:41350144	综述	本文综述了人工智能在核医学肾脏学领域的应用历史、当前工具及新兴机遇	探讨了从专家系统到生成式AI（如LLMs、扩散模型、GANs）的演变，并展望了多模态模型在核医学肾脏学中的潜力	AI工具在广泛临床应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题	探索人工智能在核医学肾脏学生态系统中的应用与机遇	核医学肾脏学技术，包括非成像技术、动态肾闪烁显像、SPECT、PET肾图及治疗诊断学	数字病理学	NA	动态肾闪烁显像、SPECT、PET肾图	专家系统、统计机器学习、FFNN、CNN、DL、LLMs、扩散模型、GANs、VLMs	图像	NA	NA	NA	NA	NA