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
1141	2025-12-23	Training Generalized Segmentation Networks with Real and Synthetic Cryo-ET data 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.31.635598 PMID:39975172	研究论文	本文开发了CryoTomoSim软件，通过结合真实和合成数据训练通用分割网络，用于冷冻电子断层扫描图像中的细胞特征分割	开发了开源的CryoTomoSim软件包，通过模拟分子拥挤和多样性的合成数据集训练分割网络，并采用协同训练方法构建了跨生命领域的通用分割网络NeuralSeg	仅基于合成数据训练的网络的准确性有限，需要真实细胞数据进行最准确和可泛化的训练	解决冷冻电子断层扫描图像分割中真实训练数据不足的问题，并构建通用分割网络	冷冻电子断层扫描图像中的大分子复合物和细胞特征，特别是神经元生长锥的细胞骨架分布	计算机视觉	NA	冷冻电子断层扫描	U-Net	图像	超过100张来自神经元生长锥的断层扫描图	NA	U-Net	NA	NA
1142	2025-12-23	Multi-modal remote sensory learning for multi-objects over autonomous devices 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1430222 PMID:40462839	研究论文	本文提出了一种结合马尔可夫随机场和Alex Net模型的多模态远程感知学习方法，用于自主设备上多目标对象的识别与分割	创新性地将马尔可夫随机场用于精确标注和空间上下文建模，与Alex Net模型结合进行场景识别，以应对远程感知图像中对象像素密度不均、分布不匀、视角光照变化及数量波动等挑战	未明确讨论模型在极端光照或视角条件下的鲁棒性，也未涉及计算效率或实时处理能力的详细分析	提高远程感知图像中多目标对象的识别准确性和泛化能力	远程感知图像中的多种对象，包括军事和民用领域中的各类目标	计算机视觉	NA	远程感知技术	CNN	图像	基于UC Merced Land Use和AID等基准数据集	NA	Alex Net	准确率, 精确率, 召回率, 错误率, F1分数	NA
1143	2025-12-23	Artificial intelligence in Brazilian Primary Health Care: scoping review 2025, Revista brasileira de enfermagem IF:1.2Q3 DOI:10.1590/0034-7167-2024-0363 PMID:41370529	综述	本文是关于人工智能在巴西初级卫生保健中应用的范围综述	系统性地综述了人工智能在巴西初级卫生保健中的具体应用、优势与挑战，为政策制定提供了证据	研究为范围综述，未进行定量荟萃分析；仅基于截至2025年2月的文献，可能未涵盖最新进展	提供人工智能在巴西初级卫生保健中应用的证据	巴西初级卫生保健系统及相关人工智能应用研究	机器学习	NA	NA	机器学习, 深度学习	NA	从981篇文献中筛选出27项研究	NA	NA	NA	NA
1144	2025-12-23	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	本研究通过光子计数CT和深度学习图像分割，探讨了运动对高脂饮食诱导的心脏功能障碍的缓解作用，并分析了APOE基因型和免疫状态的影响	结合光子计数CT成像、深度学习自动分割和人类化APOE靶向替换小鼠模型，首次系统评估了运动、饮食与APOE基因型及免疫状态的交互作用对心脏功能的影响	研究仅使用小鼠模型，结果外推到人类需谨慎；样本量虽较大，但未涵盖所有年龄阶段或更复杂的遗传背景	探究运动在高脂饮食环境下对心脏功能的保护作用，并阐明APOE基因型和免疫依赖机制在其中扮演的角色	人类化APOE靶向替换小鼠（APOE2、APOE3、APOE4基因型），包括雄性和雌性，具有不同的人类化NOS2介导的先天免疫反应状态	数字病理学	心血管疾病	光子计数计算机断层扫描（PCCT）、脂质体碘纳米颗粒对比增强成像	CNN	图像	251只中老年雄性和雌性小鼠	NA	3D U-Net	NA	NA
1145	2025-12-23	Label-free deep learning-based species classification of bacteria imaged by phase-contrast microscopy 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011181 PMID:37956197	研究论文	本文提出了一种基于无标记深度学习的细菌物种分类方法，利用相差延时显微镜对四种与人类健康相关的细菌进行活体分类，无需固定或染色	结合相差延时显微镜与深度学习，实现对活体细菌的无标记物种分类，并支持并行抗生素敏感性测试	研究仅涵盖四种细菌物种，未来需扩展至更多物种和临床相关分离株以验证临床适用性	开发一种无标记、基于深度学习的细菌物种分类技术，以改善病原体检测和公共健康保障	四种与人类健康相关的细菌物种	计算机视觉	NA	相差延时显微镜	CNN, Vision Transformer	图像	未明确指定样本数量，涉及四种细菌物种	NA	NA	类平均准确率	NA
1146	2025-12-23	AimSeg: A machine-learning-aided tool for axon, inner tongue and myelin segmentation 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010845 PMID:37976310	研究论文	本文介绍了AimSeg，一种用于轴突、内舌和髓鞘分割的生物图像分析工具，旨在自动化或辅助分析电子显微镜图像中的髓鞘结构	开发了首个能够同时分割轴突、内舌和髓鞘的机器学习辅助工具，并特别关注了传统分析中常被忽略的非致密髓鞘（内舌）的量化	工具性能依赖于在特定再髓鞘化组织上训练的机器学习分类器，可能在其他条件或组织类型上的泛化能力有限	开发一个自动化或用户辅助的工具，以高效、准确地从电子显微镜图像中分割和量化轴突、内舌及髓鞘结构，支持髓鞘形成、退化和再生的研究	中枢和周围神经系统的轴突及其包裹的髓鞘，特别是髓鞘的内舌（非致密部分）	数字病理学	NA	透射电子显微镜（TEM）成像	机器学习分类器	电子显微镜图像	NA	ilastik, Fiji	NA	NA	NA
1147	2025-12-23	Deep learning for the prediction of clinical outcomes in internet-delivered CBT for depression and anxiety 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0272685 PMID:38011176	研究论文	本研究开发了一个深度学习框架，利用大规模、高维度的客户报告心理健康症状和平台交互时间序列数据，预测互联网认知行为疗法（iCBT）的临床结果	提出了一个基于深度循环神经网络（RNN）的动态预测模型，能够仅使用过去的临床测量数据，在三个或更多评估周期后以超过87%的准确率和0.89的AUROC预测可靠改善，优于所有基准模型	未明确说明模型在处理数据缺失或噪声方面的具体限制，也未提及模型在长期随访或不同人口统计学群体中的泛化能力	开发一个先进的深度学习框架，用于预测互联网认知行为疗法（iCBT）中抑郁和焦虑的临床结果，以支持及时决策和治疗调整	来自SilverCloud Health数字平台的45,876名匿名客户，这些客户接受抑郁和焦虑的心理治疗	自然语言处理	抑郁和焦虑	互联网认知行为疗法（iCBT）	RNN	时间序列数据	45,876名客户	NA	循环神经网络	准确率, 敏感性, 特异性, AUROC	NA
1148	2025-12-23	A deep learning method for drug-target affinity prediction based on sequence interaction information mining 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.16625 PMID:38099302	研究论文	本文提出了一种基于序列交互信息挖掘的深度学习方法来预测药物-靶点亲和力	提出了一种名为KC-DTA的新方法，通过k-mers分析和笛卡尔积计算捕获靶点序列中的相互作用和进化信息，并将分子表示为图结构，结合CNN和GNN提取特征进行亲和力预测	未明确提及具体限制，可能包括对特定数据集或计算资源的依赖	预测药物-靶点亲和力，以加速计算机辅助药物发现过程	药物分子和靶点蛋白质序列	机器学习	NA	深度学习，k-mers分析，笛卡尔积计算	CNN, GNN	序列数据，图数据	NA	NA	NA	多种评估指标（具体未列明）	NA
1149	2025-12-22	Identification of essential tremor and dystonic tremor using Graph Convolutional Networks with multiple connectivity patterns 2026-Jan, Parkinsonism & related disorders IF:3.1Q2 DOI:10.1016/j.parkreldis.2025.108104 PMID:41218287	研究论文	本研究利用多连接模式的图卷积网络（MCGCN）分析静息态功能磁共振成像数据，以识别原发性震颤和肌张力障碍性震颤的关键脑区	结合图卷积网络与多种连接模式，首次用于区分原发性震颤和肌张力障碍性震颤，并识别其神经病理机制中的关键脑区	样本量相对较小（共158名参与者），且仅基于静息态功能磁共振成像数据，可能未涵盖所有相关神经特征	探索原发性震颤和肌张力障碍性震颤的神经病理机制，并开发基于脑连接模式的分类方法	原发性震颤患者、肌张力障碍性震颤患者和健康对照者	机器学习	神经系统疾病	静息态功能磁共振成像	图卷积网络	功能连接矩阵	55名原发性震颤患者、51名肌张力障碍性震颤患者和52名健康对照者，共158名参与者	NA	图卷积网络	准确率	NA
1150	2025-12-22	Validation of fibroblast activation protein and α-smooth muscle actin as prognostic biomarkers in prostate cancer through AI-assisted image analysis of dual-marker IHC 2026-Jan, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70068 PMID:41410015	研究论文	本研究开发了一种基于人工智能的双标记免疫组化图像分析流程，用于验证成纤维细胞活化蛋白和α平滑肌肌动蛋白作为前列腺癌预后生物标志物的价值	开发了首个针对FAP和αSMA双标记免疫组化的AI辅助图像分析流程，实现了组织区室特异性的自动化生物标志物定量	研究基于组织微阵列样本，可能无法完全代表完整肿瘤异质性；部分预后关联仅在特定亚组（如MRI可见肿瘤）中观察到	验证FAP和αSMA作为前列腺癌预后生物标志物的临床价值，并开发标准化定量方法	前列腺癌组织样本	数字病理学	前列腺癌	双标记免疫组化	深度学习模型	高分辨率全切片数字图像	来自835名患者的4,097个组织微阵列核心	未明确说明	未明确说明	准确性	未明确说明
1151	2025-12-22	Real-time construction safety monitoring using a drone based deep hybrid attention model 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31392-5 PMID:41422095	研究论文	本文提出了一种基于无人机和深度混合注意力模型的实时建筑工地安全监控系统，用于检测个人防护装备（PPE）的使用情况	创新性地结合了离散膨胀余弦因果卷积多头自注意力（DCCMSA）和离散余弦-Krawtchouk-Tchebichef变换（DCKTKT），并利用猩猩优化算法（OOA）调整模型参数，实现了在变化环境下的稳定高性能检测	未明确说明模型在极端天气或复杂遮挡条件下的鲁棒性，以及大规模部署时的计算成本	提高建筑工地个人防护装备（PPE）检测的准确性和鲁棒性，以实现实时安全监控	建筑工地工人及其个人防护装备（如头盔、安全带、生命线）	计算机视觉	NA	无人机实时监控、图像预处理（熵滤波和τ-Kendall相关分析）	混合注意力模型（2D-3CKO-MTHSAN）	图像	来自实际建筑工地和受控实验室环境的实时视觉数据	NA	离散膨胀余弦因果卷积Krawtchouk猩猩多头Tchebichef自注意力网络（2D-3CKO-MTHSAN）、自适应因果决策变换器	检测准确率	NA
1152	2025-12-22	Research on the performance inspection of large-span cable-stayed bridges under multi-physics field information guidance 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32954-3 PMID:41422307	研究论文	本研究提出了一种集成多物理场编码的异构图神经网络，用于大跨度斜拉桥有限元模型参数的精确更新	提出IMPFE-HGNN架构，通过元路径子图和关系感知编码显式建模应变、挠度、温度、索力和加速度传感器之间的异质拓扑，以捕获传统架构无法访问的高阶多物理场语义	研究基于单一案例（大跨度斜拉桥）进行验证，其普适性有待在不同类型和规模的桥梁上进一步测试	提高大跨度桥梁结构性能评估中有限元模型参数更新的精度和可靠性	大跨度斜拉桥	机器学习	NA	NA	异构图神经网络	多物理场传感器数据（应变、挠度、温度、索力、加速度）	NA	NA	IMPFE-HGNN	参数修正率（泊松比、弹性模量）、应变预测误差减少率、挠度预测精度提升率	NA
1153	2025-12-22	Artificial intelligence-based apps for screening and diagnosing diabetic retinopathy and common ocular disorders 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.107166 PMID:40900875	综述	本文综述了人工智能（AI）在眼科疾病筛查和诊断中的应用，特别是针对糖尿病视网膜病变等常见眼病	全面总结了AI在眼科的应用现状，并探讨了AI与远程医疗结合的未来前景	实施AI算法仍面临挑战，尤其是在发展中国家	探讨AI在眼科疾病诊断和筛查中的应用及未来整合前景	糖尿病视网膜病变、糖尿病性黄斑水肿、青光眼、年龄相关性黄斑变性等眼部疾病	机器学习	糖尿病视网膜病变	NA	深度学习	NA	NA	NA	NA	NA	NA
1154	2025-12-22	Artificial intelligence for early diagnosis and risk prediction of periodontal-systemic interactions: Clinical utility and future directions 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.105516 PMID:40900876	综述	本文系统综述了人工智能在牙周-系统性疾病相互作用早期诊断和风险预测中的应用与临床价值	整合多组学数据和先进影像技术，利用AI模型显著提升牙周-系统性疾病相互作用的早期诊断准确性和风险预测能力	纳入研究的时间范围限定在2010-2024年，且样本量要求较大（≥500），可能遗漏早期或小样本的重要研究	评估人工智能在诊断和预测牙周-系统性疾病相互作用中的作用	2010年至2024年间发表的、关注牙周病与系统性疾病（如2型糖尿病、心血管疾病等）相互作用的研究	自然语言处理, 机器学习, 数字病理学	牙周病, 2型糖尿病, 心血管疾病, 阿尔茨海默病, 多囊卵巢综合征, 甲状腺功能障碍, 2019冠状病毒病并发症	多组学数据整合, 锥形束计算机断层扫描, 磁共振成像	机器学习, 深度学习, 自然语言处理	结构化临床数据, 影像数据, 临床笔记文本	≥500名参与者，部分研究样本量为1000-1500	NA	NA	诊断准确率, 特异性, 敏感性	NA
1155	2025-12-22	Author Response to "Letter to Editor: Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications" 2025-Dec-20, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.001 PMID:41421880	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1156	2025-12-22	Predicting the incidence of common intestinal infectious diseases in Changzhou, China based on environmental factors and deep learning 2025-Dec-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25998-7 PMID:41421987	研究论文	本研究基于环境因素和深度学习，构建了常州市常见肠道传染病的短期发病率预测模型	提出了一种结合季节性趋势分解（STL）、Transformer和LSTM的先进混合模型（STL-T-L），并利用贝叶斯优化进行超参数调优，以提升预测性能	研究仅针对常州市，模型在其他地区的泛化能力未经验证，且依赖历史数据和环境因素，可能受数据质量和完整性的影响	构建常州市常见肠道传染病的短期日发病率预测模型，以用于疾病监测和预警	手足口病和其他感染性腹泻的日发病率数据，以及同期的气象和空气污染物数据	机器学习	肠道传染病	深度学习	LSTM, Transformer, 混合模型	时间序列数据（发病率、气象、污染物）	2014年5月13日至2024年12月31日的日数据	NA	LSTM, Transformer, STL-T-L（季节性趋势分解-Loess、Transformer、LSTM混合模型）	RMSE, MAE, MAPE, MASE	NA
1157	2025-12-22	Examination of new clinical dental caries in school children using real intra oral photos with artificial intelligence model YOLO-V8x 2025-Dec-20, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07486-x PMID:41422004	研究论文	本研究评估了集成YOLOv8x模型的HI Bogi应用在印度尼西亚小学生中检测龋齿的有效性	首次将YOLOv8x模型应用于真实口腔内照片进行龋齿检测，并与牙医诊断效率进行对比验证	类别特异性精度存在差异，罕见病变类别的检测率和特异性有待提高	评估人工智能模型在龋齿诊断中的效果，以替代传统耗时且依赖专业人员的诊断方法	印度尼西亚Cimahi地区小学生的口腔内照片	计算机视觉	龋齿	口腔内摄影	CNN	图像	3221张JPG照片（训练集2266张，验证集635张，测试集320张）	YOLOv8	YOLOv8x	平均精度均值(mAP), 交并比(IoU), 精确率, 召回率, 敏感性, 特异性	NA
1158	2025-12-22	Evidential deep learning for interatomic potentials 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67663-y PMID:41422077	研究论文	本文提出了一种基于证据深度学习的原子间势能模型框架，用于分子模拟中的不确定性量化	提出了一种物理启发的证据深度学习框架，在不显著增加计算开销或降低预测精度的情况下实现不确定性量化，在多种数据集上表现优于现有方法	NA	开发一种高效且准确的不确定性量化方法，以提高机器学习原子间势能在分子模拟中的可靠性	原子间势能模型、分子模拟系统	机器学习	NA	证据深度学习	深度学习	原子配置数据	NA	NA	NA	预测精度、不确定性量化效果	NA
1159	2025-12-22	Interpretable deep learning for multicenter gastric cancer T staging from CT images 2025-Dec-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02002-5 PMID:41422179	研究论文	本文开发了一种可解释的深度学习框架GTRNet，用于从CT图像中自动进行胃癌T分期，并在多中心研究中验证了其性能	提出了一种无需手动分割或标注的端到端深度学习框架GTRNet，用于胃癌T分期，并引入了可解释性热图（Grad-CAM）来定位关注区域，结合临床特征构建了诺模图以提高临床决策支持	研究为回顾性设计，可能存在选择偏倚；模型在外部验证队列中的性能虽好，但需进一步前瞻性验证	开发一种自动化、可解释的深度学习方法来提高胃癌术前T分期的准确性和一致性，以支持治疗决策	胃癌患者的CT图像	计算机视觉	胃癌	CT成像	深度学习	图像	1792名患者	未指定	GTRNet	AUC, 准确率	NA
1160	2025-12-22	Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33010-w PMID:41422297	研究论文	本研究开发了一种基于常规二维超声的AI框架，用于标准化辅助生殖技术中的卵巢储备评估，通过融合放射组学和深度学习模型来预测窦卵泡计数和抗缪勒管激素水平	首次提出结合放射组学和深度学习（基于ResNet50）的融合模型，利用常规二维超声图像标准化卵巢储备评估，克服了传统AFC评估的观察者间变异性和AMH检测的局限性	研究为回顾性设计，样本量相对有限（共395名患者），且仅来自两家附属医院，外部验证队列规模较小（n=94）	开发一个AI驱动的框架，以标准化辅助生殖技术中的卵巢储备评估，并实现个性化的卵巢刺激方案优化	395名不孕症女性患者	数字病理学	生殖系统疾病	常规二维超声成像	CNN	图像	395名患者（训练队列210人，内部测试队列91人，外部测试队列94人）	NA	ResNet50	R², AUC, 敏感性, 特异性	NA