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
1081	2025-12-07	Deep learning approach for crop-weed segmentation in peanut cultivation using PSPEdgeWeedNet 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24174-6 PMID:41339372	研究论文	本文提出了一种名为PSPEdgeWeedNet的新型边缘感知深度学习架构，用于花生种植中作物与杂草的精确语义分割	PSPEdgeWeedNet引入了专门的边缘检测分支，以增强边界定位并改善相邻植被类别之间的划分，与传统的PSPNet及其边界感知变体相比具有创新性	未明确提及研究的局限性	提高花生种植中作物与杂草的精确语义分割，以增强自动化杂草检测系统的鲁棒性和准确性	花生种植田中的作物和杂草	计算机视觉	NA	多光谱成像	CNN	图像	未明确提及样本数量，但使用了精心策划的花生田数据集	未明确提及	PSPEdgeWeedNet, PSPNet, SegNet, UNet, DeepLabv3, Swin-Unet, ViT	IoU, 精确率, 召回率, F1分数	未明确提及
1082	2025-12-07	Multi-stage deep learning framework for robust recognition of overlapping and faded handwritten text in bank cheques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28764-2 PMID:41339665	研究论文	本文提出了一种多阶段深度学习框架，用于准确识别银行支票上重叠和褪色的手写文本	采用混合方法结合伪字母与基于高度的分割来识别重叠文本，并使用基于Sigmoid增长余弦互映射池化的卷积神经网络进行真伪分类，实现了高准确率	未明确说明框架在极端褪色或复杂重叠情况下的泛化能力，且可能依赖于特定预处理步骤	开发一个鲁棒的自动识别系统，以解决银行支票上手写文本的重叠和褪色问题	银行支票上的手写文本，包括日期、签名、姓名和金额等关键字段	计算机视觉	NA	边缘检测、轮廓构建、纹理修复	CNN	图像	NA	NA	Nanonet, Sigmoidal Growing Cosine Intermap Pooling-based CNN	分类准确率	NA
1083	2025-12-07	Multi-branch low-light image iterative enhancement network 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26962-6 PMID:41339675	研究论文	本文提出了一种多分支低光照图像迭代增强网络（MBLLIE-Net），用于解决低光照条件下图像亮度不足、分辨率低和细节丢失的问题	采用多分支架构处理不同深度和尺度的特征，引入空间循环单元（SRU）捕获长距离空间关系，并提出自适应感受野通道注意力（ARFCA）模块动态调整感受野以增强特征选择	未明确提及模型在极端低光照或噪声极高场景下的性能限制	提升低光照图像的质量，包括亮度、细节和色彩保真度的恢复	低光照条件下捕获的图像	计算机视觉	NA	深度学习	CNN	图像	未明确提及具体样本数量	未明确提及具体框架	多分支编码器-解码器架构	定量指标和人类感知评估	未明确提及具体计算资源
1084	2025-12-07	ECG-based deep learning for chronic kidney disease detection and cardiovascular risk prediction 2025-Dec-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03278-z PMID:41339870	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型，用于慢性肾脏病（CKD）的检测和心血管风险预测	首次利用深度学习模型从心电图中识别慢性肾脏病风险，即使在实验室异常出现前也能预测CKD及其并发症，相比仅依赖eGFR分类，能更有效地预测不良心血管结局	研究为回顾性设计，可能存在选择偏倚；外部验证仅来自一家社区医院，需更多样化人群验证；模型性能虽好，但临床实际应用效果需进一步前瞻性研究确认	开发并验证基于心电图的深度学习模型，用于早期慢性肾脏病检测和心血管风险分层	门诊患者的心电图数据和估计肾小球滤过率（eGFR）数据	机器学习	慢性肾脏病	心电图（ECG）分析	深度学习模型（DLM）	心电图（ECG）信号	开发集：49,632名患者的72,618份ECG；内部验证：16,955名非重叠患者；外部验证：10,476名社区医院患者	NA	NA	AUC	NA
1085	2025-12-07	Lightweight malicious URL detection using deep learning and large language models 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26653-2 PMID:41330959	研究论文	本文提出了一种基于深度学习和大型语言模型的轻量级恶意URL检测框架	利用大型语言模型自动生成高质量的URL嵌入，无需手工特征工程，并结合定制化的深度学习模型进行分类，提高了检测准确性和适应性	未提及模型在新型或未知攻击模式下的泛化能力，以及在实际部署中可能面临的计算资源限制	开发一个自动化、高效的恶意URL检测系统以应对网络安全威胁	恶意URL，包括篡改、恶意软件、钓鱼和良性四种类别	自然语言处理	NA	深度学习，大型语言模型	LSTM, GRU	文本	NA	NA	BERT, LSTM, GRU	准确率	NA
1086	2025-12-07	Deep learning method based on image recognition for intra-puparial age and postmortem interval estimation in the forensically important Sarcophaga peregrina (Diptera: Sarcophagidae) 2025-Dec-02, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112761 PMID:41349266	研究论文	本文提出了一种基于图像识别的深度学习方法，用于自动分类法医重要蝇种Sarcophaga peregrina的蛹内发育年龄，以提高死后间隔（PMI）估计的准确性	首次结合ResNet50和Vision Transformer（ViT）模型，构建了一个端到端的深度学习框架，用于法医昆虫学中蛹内年龄的自动分类，减少了传统形态学观察的主观性和对专家经验的依赖	研究仅针对单一物种（Sarcophaga peregrina）在特定温度（25°C）下进行，可能限制了方法的普适性；未提及模型在其他环境条件或物种上的验证	开发一种客观、自动化的方法，以准确估计法医昆虫学中蝇蛹的蛹内发育年龄，从而改进死后间隔（PMI）的推断	法医重要蝇种Sarcophaga peregrina（双翅目：麻蝇科）的蛹	计算机视觉	NA	图像采集	CNN, Transformer	图像	从第1天到第11天不同发育阶段的蛹样本，具体数量未明确说明	NA	ResNet50, Vision Transformer (ViT)	精确度, 召回率, F1分数	NA
1087	2025-12-07	Accelerating promoter identification and design by deep learning 2025-Dec, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.05.008 PMID:40473557	综述	本文综述了深度学习技术在启动子识别、强度预测和从头设计中的应用	利用生成模型进行启动子的从头设计，并探讨了数据库质量、特征提取和模型架构对预测准确性的影响	NA	加速启动子的识别和设计，以促进重组蛋白表达和天然产物生物合成的代谢途径调控	启动子DNA序列	自然语言处理	NA	深度学习	生成模型	DNA序列数据	NA	NA	NA	预测准确性	NA
1088	2025-12-07	Deep Learning Algorithm for the Diagnosis and Prediction of Hydroxychloroquine Retinopathy: An International, Multi-institutional Study 2025-Dec, Ophthalmology. Retina DOI:10.1016/j.oret.2025.06.003 PMID:40513830	研究论文	本研究提出了一种名为HCQuery的深度学习算法，用于从SD-OCT图像中检测羟氯喹视网膜病变的存在并预测其未来发生	开发了一种能够提前预测羟氯喹视网膜病变的深度学习算法，平均可在临床诊断前2.74年识别病变	研究基于回顾性数据，且样本来自非连续收集的患者，可能影响泛化性	开发并验证一种深度学习算法，用于羟氯喹视网膜病变的诊断和预测	服用羟氯喹的患者及其SD-OCT图像	计算机视觉	视网膜病变	光谱域光学相干断层扫描	CNN	图像	409名患者（171例阳性，238例阴性），8251张SD-OCT B扫描图像（1988个体积）	NA	EfficientNet-b4	灵敏度, 特异性, 准确率, 阴性预测值, 阳性预测值, AUC, 精确率-召回率曲线下面积	NA
1089	2025-12-07	Single-View Echocardiographic Analysis for Left Ventricular Outflow Tract Obstruction Prediction in Hypertrophic Cardiomyopathy: A Deep Learning Approach 2025-Dec, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.08.008 PMID:40825382	研究论文	本研究开发并验证了一种深度学习模型，仅使用经胸超声心动图的胸骨旁长轴视图来预测肥厚型心肌病患者的严重左心室流出道梗阻	该研究首次提出仅基于单一视图（胸骨旁长轴视图）的深度学习模型来预测左心室流出道梗阻，无需传统方法所需的多视图、多普勒或激发测试，特别适用于资源有限的环境	研究未明确提及模型在更广泛人群或不同设备间的泛化能力，且依赖于特定视图的视频数据，可能受限于视图获取质量	开发一种仅使用胸骨旁长轴视图的深度学习模型，以准确预测肥厚型心肌病患者的严重左心室流出道梗阻，作为传统多普勒评估的补充工具	肥厚型心肌病患者	数字病理学	心血管疾病	经胸超声心动图	深度学习模型	视频	开发数据集 n=1,007，内部测试数据集 n=87，外部验证数据集 n=1,334，治疗响应数据集 n=156	NA	NA	AUC, 特异性, 阴性预测值	NA
1090	2025-12-07	Integration of nested cross-validation, automated hyperparameter optimization, high-performance computing to reduce and quantify the variance of test performance estimation of deep learning models 2025-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109063 PMID:40946520	研究论文	本研究提出NACHOS框架，通过集成嵌套交叉验证、自动化超参数优化和高性能计算，以减少和量化深度学习模型在医学影像中测试性能估计的方差	提出NACHOS和DACHOS框架，首次将嵌套交叉验证、自动化超参数优化与高性能计算并行化结合，用于量化并减少深度学习模型性能估计的方差，并提升部署性能	未明确说明具体模型性能提升的量化幅度或在不同医学影像任务中的泛化能力限制	开发一个可扩展、可重复且可信赖的深度学习模型评估与部署框架，以减少医学影像中模型性能估计的方差	胸部X光库和光学相干断层扫描（OCT）数据集	医学影像	NA	光学相干断层扫描（OCT）	深度学习模型	图像	NA	NA	NA	NA	高性能计算（HPC）框架
1091	2025-12-07	Deep learning approach for classifying grazing behavior in yearling horses using triaxial accelerometer data: A pilot study 2025-Dec, Journal of equine veterinary science IF:1.3Q2 DOI:10.1016/j.jevs.2025.105706 PMID:41043567	研究论文	本研究开发并验证了一种基于深度学习的方法，利用颌部安装的三轴加速度计数据对一岁马的放牧行为进行分类	首次将CNN与LSTM结合的深度学习模型应用于马匹放牧行为的自动分类，实现了高精度（测试准确率98.0%）和非侵入式监测	研究样本量较小（仅4匹马），属于初步研究，需要在更大规模和不同品种马匹中进一步验证	开发一种自动分类马匹放牧与非放牧行为的方法，以改进牧场管理和动物福利评估	一岁纯种马	机器学习	NA	三轴加速度计数据采集	CNN, LSTM, CNN+LSTM	加速度计时间序列数据	4匹一岁纯种马，共230,286个数据点	NA	一维CNN, LSTM, 组合CNN+LSTM	准确率, F1分数, 精确率, 召回率, AUC	NA
1092	2025-12-07	Neural representation of trustworthiness encoding and inference in crowds 2025-Dec-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121575 PMID:41213443	研究论文	本研究利用脑电图解码和基于深度学习的可解释性方法，探讨了人群可信度感知的神经动力学机制	首次结合EEG解码和深度学习可解释性方法研究人群情境下的可信度感知神经机制，揭示了整体编码加速社会印象形成的过程，并发现人群与个体可信度共享高级神经表征	未明确说明样本的具体人口学特征，实验环境可能未完全模拟真实社交场景，深度学习模型的可解释性方法仍有局限	探究人群可信度感知的认知与神经机制	人群与个体的面部可信度感知	机器学习	NA	脑电图（EEG），深度学习	深度学习模型	脑电图信号，行为数据	未明确说明	未明确说明	未明确说明	解码准确率	未明确说明
1093	2025-12-07	Colorectal disease diagnosis with deep triple-stream fusion and attention refinement 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102669 PMID:41240487	研究论文	本文提出了一种名为TripleFusionNet的新型端到端深度学习框架，用于从组织病理学和内窥镜图像中增强结直肠疾病的分类诊断	提出了一种独特的三流架构，结合了EfficientNetB3、ResNet50和DenseNet121的优势，并集成了多尺度注意力模块、Squeeze-Excite细化块和渐进门控融合机制，以动态学习上下文感知权重进行最优特征集成	未明确说明模型在更广泛、更多样化数据集上的泛化能力，也未详细讨论在真实临床环境中的部署挑战	开发一种稳健的早期结直肠癌诊断方法，提升计算机辅助诊断工作流的性能	结直肠疾病	计算机视觉	结直肠癌	深度学习	CNN	图像	两个结直肠基准数据集：CRCCD_V1（14类）和LC25000（二分类）	未明确指定，可能为TensorFlow或PyTorch	EfficientNetB3, ResNet50, DenseNet121	准确率, 宏F1分数, 精确率, 召回率, ROC-AUC	未明确指定
1094	2025-12-07	AveragedLIME for general explanations in EEG domain 2025-Dec-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121588 PMID:41240887	研究论文	本文提出了一种名为averagedLIME的方法，通过平均LIME生成的局部解释来实现CNN决策的全局解释，特别适用于具有相对稳定空间分布的系统，如基于事件相关电位（ERP）的系统	开发了averagedLIME方法，通过平均局部解释来揭示CNN在EEG数据中的一般模式，相比SHAP和Grad-CAM等现有技术，能产生更一致和可泛化的激活模式	方法主要适用于具有相对稳定空间分布的系统，可能不适用于空间分布变化较大的场景	旨在提高基于深度学习的神经信息学和诊断应用系统的透明度，通过全局解释CNN决策	脑电图（EEG）数据，特别是事件相关电位（ERP）系统	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	CNN	EEG数据	NA	NA	CNN	一致性，可泛化性	NA
1095	2025-12-07	Anatomy-informed deep learning and radiomics for neurofibroma segmentation in whole-body MRI 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102667 PMID:41241992	研究论文	本研究提出了一种结合解剖学信息深度学习和影像组学的流程，用于在全身磁共振成像中分割神经纤维瘤	提出了一种三阶段流程，整合了基于解剖学的高风险区域细化、3D各向异性解剖信息感知U-Net集成以及基于影像组学的假阳性过滤，以提高分割的准确性和特异性	在低肿瘤负荷情况下的分割性能显著下降；专家间的标注一致性有限，反映了任务本身的复杂性	开发一个用于神经纤维瘤病1型患者全身MRI中神经纤维瘤自动分割的流程，以量化肿瘤负荷并辅助临床决策	神经纤维瘤病1型患者的全身磁共振成像	数字病理	神经纤维瘤病	全身磁共振成像	深度学习	医学影像	来自74名NF1患者的109次全身MRI扫描	NA	3D anisotropic anatomy-informed U-Net, 2D nnU-Net, 3D full-resolution nnU-Net	Dice Similarity Coefficient, Volume Overlap Error, Absolute Relative Volume Difference, F1 score	NA
1096	2025-12-07	PET/CT-based deep learning model predicts distant metastasis after SBRT for early-stage NSCLC: A multicenter study 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102663 PMID:41260004	研究论文	本研究开发并验证了一个基于18F-FDG PET/CT图像的深度学习融合模型，用于预测早期非小细胞肺癌患者接受立体定向放射治疗后发生远处转移的风险	利用变分自编码器从CT、PET及融合图像中提取深度学习特征，构建融合模型，其预测性能优于单独的CT或PET模型，并在多中心数据集中得到验证	研究样本量相对有限（共566例患者），且外部测试集样本较少（n=80），可能影响模型的泛化能力	开发一个基于深度学习的预测模型，以评估早期非小细胞肺癌患者接受立体定向放射治疗后发生远处转移的风险	早期非小细胞肺癌患者	数字病理学	肺癌	18F-FDG PET/CT成像	变分自编码器, 全连接网络	图像	566例患者（来自5家医院），分为训练集（347例）、内部测试集（139例）和外部测试集（80例）	NA	变分自编码器, 全连接网络	C-index, 风险比	NA
1097	2025-12-07	Deep learning-based dual-energy subtraction synthesis from single-energy kV x-ray fluoroscopy for markerless tumor tracking 2025-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03432-9 PMID:40864422	研究论文	本研究提出了一种基于深度学习的双能量减影合成方法，用于从单能量X射线透视图像中合成双能量减影图像，以增强无标记肿瘤跟踪的准确性	通过深度学习模型从单能量X射线透视图像合成双能量减影图像，避免了依赖特殊硬件的双能量成像限制，提高了肿瘤跟踪的准确性	研究使用了数字体模模拟数据集进行训练，可能未完全覆盖临床实际中的复杂情况，且样本量有限（仅十名肺癌患者）	开发一种无需特殊硬件的双能量减影合成方法，以改善移动肺肿瘤在放射治疗中的无标记跟踪精度	移动肺肿瘤在X射线透视图像中的跟踪，涉及数字体模和临床肺癌患者的透视图像	计算机视觉	肺癌	X射线透视成像	CNN	图像	数字体模模拟数据集和十名肺癌患者的临床单能量X射线透视图像	NA	Residual U-Net	平均跟踪误差（毫米），跟踪成功率（百分比）	NA
1098	2025-12-07	Ground-based imagery dataset for early weed classification in tomato crops 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112249 PMID:41342005	研究论文	本文介绍了一个用于番茄作物早期杂草分类的地面图像数据集	提供了一个公开可用的、高分辨率RGB图像数据集，专门针对番茄作物早期发育阶段的杂草物种识别，支持深度学习模型的训练与评估	数据集仅来自西班牙一个特定农业区域（Santa Amalia, Badajoz）的番茄田，可能无法代表其他地区或作物的杂草分布	推动精准农业的发展，通过早期杂草识别实现定点管理，减少除草剂使用，促进可持续作物生产	番茄作物田中的早期发育阶段杂草	计算机视觉	NA	RGB图像采集	CNN, Vision Transformer	图像	1217张JPG图像，包含21,208个标注实例（2021年：938张图像，9060个实例；2022年：278张图像，11,931个实例）	NA	NA	NA	NA
1099	2025-12-07	SDNET 2025- Annotated dataset of steel bolted connection evaluation 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112254 PMID:41342008	研究论文	本文介绍了一个用于钢结构中螺栓连接缺陷检测的公开数据集SDNET 2025，包含松动、缺失和固定螺栓的标注图像	提供了一个公开可用的螺栓缺陷检测数据集，结合了现场视觉检查和实验室模拟数据，以支持深度学习模型在自主螺栓连接评估中的应用	数据集规模相对有限（826张图像），且可能未覆盖所有实际环境中的复杂缺陷类型	开发一个用于自动化评估钢结构中螺栓连接缺陷的数据集，以促进AI在结构健康监测中的应用	钢结构的螺栓连接，包括桥梁和高杆等	计算机视觉	NA	视觉成像，无人机系统（UAS）	NA	图像	826张标注图像（包括324张松动螺栓、200张缺失螺栓和302张固定螺栓图像）	NA	NA	NA	NA
1100	2025-12-07	Harnessing Statistical and Machine Learning Approaches to Analyze Oxidized LDL in Clinical Research 2025-Dec, Cell biochemistry and biophysics IF:1.8Q4 DOI:10.1007/s12013-025-01837-9 PMID:40884728	综述	本文综述了在临床研究中用于评估氧化低密度脂蛋白水平的统计和机器学习方法，并讨论了其优势、局限性和临床相关性	整合并比较了传统统计方法与新兴机器学习及人工智能方法在OxLDL研究中的应用，强调了标准化分析流程对于可重复性、可解释性和临床转化的重要性	未提供具体的实验数据或新模型验证，主要基于现有文献进行综述分析	探讨如何利用统计和机器学习方法分析氧化低密度脂蛋白，以促进其在临床研究中的标准化和应用	氧化低密度脂蛋白及其在动脉粥样硬化、2型糖尿病、代谢综合征、阿尔茨海默病和慢性肾病等慢性疾病中的作用	机器学习	心血管疾病	NA	深度学习	临床数据、生化数据、影像数据	NA	NA	NA	NA	NA