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
11861	2025-11-09	Monitoring mining-induced subsidence from satellite imagery using transformer-based deep learning trained on gridded subsidence measurements 2025-Nov, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127536 PMID:41072382	研究论文	本研究利用基于Transformer的深度学习模型从卫星图像中监测采矿引起的地面沉降	首次将Vision Transformer模型应用于采矿引起的地面沉降监测，解决了传统CNN模型精度不足和训练数据缺乏的问题	模型在不同地区的泛化性能存在差异（准确率77.2%-84.8%），需要更多样化的训练数据	开发一种能够准确监测采矿引起地面沉降的AI方法，为环境保护部门提供早期检测工具	中国十大产煤省份中受采矿影响的地区	计算机视觉	NA	卫星遥感	Vision Transformer	卫星图像, 网格化沉降测量数据	191,630个网格沉降测量数据用于训练，10个地区各250个独立样本用于测试	NA	ViT-Base	准确率	NA
11862	2025-11-09	Implications of waterfowl impoundments as a response to sea-level driven saltwater intrusion 2025-Nov, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127567 PMID:41100935	研究论文	利用深度学习模型检测切萨皮克湾地区水禽蓄水池的分布及其对海平面上升背景下盐沼迁移的影响	首次使用高分辨率地形水深数据和卷积神经网络自动检测私人水禽蓄水池，并分析其与海平面上升导致的盐沼迁移路径的空间关系	缺乏私有蓄水池的公开记录数据，且小型土质围堤和茂密植被增加了卫星影像检测难度	评估水禽蓄水池在海平面上升导致的盐碱化背景下的分布特征及其生态影响	切萨皮克湾地区的水禽蓄水池	计算机视觉	NA	高分辨率地形水深测量	CNN	地形水深数据	检测到1684个蓄水池，总面积6.6平方公里（1627英亩）	NA	卷积神经网络	NA	NA
11863	2025-11-09	Modelling cultural ecosystem services of river landscapes in the Iberian Peninsula with deep learning and social media images 2025-Nov, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127667 PMID:41109087	研究论文	本研究开发了一种结合深度学习图像识别和机器学习建模的AI框架，用于评估伊比利亚半岛河流景观的文化生态系统服务	首次将深度学习图像分类与可解释的机器学习模型相结合，实现区域尺度河流景观文化生态系统服务的自动化评估和空间热点识别	依赖社交媒体图像数据，可能无法完全代表所有人群的景观偏好，且仅针对伊比利亚半岛区域	开发可转移、可复制的AI框架来评估河流景观的文化生态系统服务，支持保护规划	伊比利亚半岛的河流景观及其提供的文化生态系统服务	计算机视觉, 机器学习	NA	深度学习图像识别, 机器学习建模	CNN, XGBoost	图像	6911张Flickr图片	PyTorch/TensorFlow (基于ResNet实现推断)	ResNet-152	NA	NA
11864	2025-11-09	AI Applications in Depression Detection and Diagnosis: Bibliometric and Visual Analysis of Trends and Future Directions 2025-Oct-22, JMIR mental health IF:4.8Q1 DOI:10.2196/79293 PMID:41022381	文献计量分析	通过文献计量和可视化分析方法，系统梳理2015-2024年人工智能在抑郁症检测与诊断领域的研究趋势和发展方向	首次对AI在抑郁症诊断领域的全球研究趋势进行系统性文献计量分析，揭示从传统机器学习向深度学习、多模态融合的关键转变	仅基于Web of Science数据库文献，可能存在收录偏差；分析时间范围截止2024年，无法反映最新发展	分析人工智能在抑郁症检测与诊断领域的全球研究趋势、知识结构和前沿方向	2015-2024年间发表的2304篇相关学术文献	自然语言处理, 机器学习	抑郁症	文献计量分析, 共引分析	机器学习, 深度学习	文献元数据, 引文数据	2304篇学术论文	CiteSpace	NA	NA	NA
11865	2025-11-09	Evaluating microplastics and antibiotics induced genotoxicity in marine mussels through deep learning-based processing images of comet assay 2025-Oct-15, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119295 PMID:41138450	研究论文	开发基于深度学习的彗星试验图像分析方法，用于评估微塑料和抗生素对海洋贻贝的基因毒性	首次将YOLOv8深度学习模型应用于彗星试验图像分析，实现高通量自动化DNA损伤评估	训练数据集规模有限（1453张训练图像），仅针对特定污染物组合进行研究	建立自动化高通量彗星试验分析方法，评估新兴污染物基因毒性	海洋贻贝鳃组织暴露于聚乙烯微塑料和磺胺甲恶唑的DNA损伤	计算机视觉	NA	彗星试验	YOLOv8	图像	1453张训练图像，364张验证图像，6749个人工标注彗星目标	NA	YOLOv8	准确率	NA
11866	2025-11-09	Deep learning approach for tooth numbering and restoration detection on pediatric periapical radiographs in mixed dentition 2025-Oct-11, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06542-8 PMID:41074996	研究论文	使用YOLOv8深度学习模型在混合牙列期儿童根尖片中实现牙齿编号和修复体检测	首次将YOLOv8模型应用于混合牙列期儿童根尖片的牙齿编号和修复体自动检测	NA	评估深度学习模型在混合牙列期根尖片中牙齿编号和修复体检测的效率	6-12岁混合牙列期儿童的根尖片	计算机视觉	牙科疾病	深度学习	YOLOv8	医学影像	1,504张用于牙齿编号的根尖片，1,599张用于修复体检测的根尖片	Python	YOLOv8	准确率, 精确率, F1分数, 召回率, IoU, 混淆矩阵	NA
11867	2025-11-09	Advancing deep learning-based segmentation for multiple lung cancer lesions in real-world multicenter CT scans 2025-Aug-18, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00617-7 PMID:40826204	研究论文	提出一种基于深度学习的自动化多实例肺癌症病灶分割方法，在真实世界多中心CT扫描中实现准确分割	开发了包含胸腔边界框提取、多实例病灶分割和新型多尺度级联分类器的三步流程，专门针对多病灶分割问题	研究基于回顾性数据，需要在前瞻性研究中进一步验证	开发能够准确分割肺癌症多病灶的自动化方法	肺癌症患者的CT扫描图像	计算机视觉	肺癌症	CT扫描	深度学习	医学图像	1,081例CT扫描，包含5,322个标注病灶（训练集868例，测试集213例），外部验证集188例	NA	多尺度级联分类器	Dice相似系数, 病灶检测灵敏度	NA
11868	2025-11-09	Integrating computational pathology and multi-transcriptomics to characterize lung adenocarcinoma heterogeneity and prognostic modeling 2025-Aug-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002639 PMID:40474806	研究论文	本研究通过整合计算病理学和单细胞多组学分析，构建了一个多维框架来表征肺腺癌异质性并开发预后模型	首次将计算病理学特征与单细胞多组学数据系统整合，识别出与拷贝数变异相关的影像学特征和关键分子调控因子	主要基于回顾性生物信息学分析，缺乏前瞻性队列和实验研究验证，临床实用性需进一步确认	探索肺腺癌病理组织学特征与基因组不稳定性之间的关系，并开发预后预测模型	TCGA-LUAD数据集中的全切片图像和单细胞多组学数据	计算病理学	肺腺癌	单细胞多组学分析, 拷贝数变异分析, 基因共表达网络分析	CNN, 机器学习	全切片图像, 基因表达数据	TCGA-LUAD数据集	CellProfiler, inferCNV, hdWGCNA, CellChat, Monocle2	ResNet-50	生存预测准确性	NA
11869	2025-11-09	Cross-level Cross-Scale Inference and Imputation of Single-cell Spatial Proteomics 2025-Jul-28, Research square DOI:10.21203/rs.3.rs-7108570/v1 PMID:40766228	研究论文	提出scProSpatial深度学习框架，从单细胞RNA测序数据推断和填补高保真单细胞空间蛋白质组学数据	开发首个统一的多模态多尺度深度学习框架，能够在缺乏共享转录组特征的情况下准确预测蛋白质空间丰度，将蛋白质覆盖度提升50倍	未明确说明模型在更广泛生物系统中的泛化能力限制	解决跨生物层级和尺度的分子驱动因子识别及其相互作用分析的挑战	单细胞空间蛋白质组学数据	计算生物学	转移性乳腺癌	scRNA-seq, 空间蛋白质组学	深度学习	单细胞RNA测序数据, 空间蛋白质组数据	NA	NA	NA	蛋白质空间丰度预测准确度, 分布外泛化能力	NA
11870	2025-11-09	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-Jun-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.20.25329926 PMID:40585085	研究论文	本研究开发了一种基于深度学习的NTCP模型，用于预测头颈癌放疗后晚期吞咽困难	首次将3D剂量分布、器官分割和CT扫描数据结合到深度学习模型中，相比传统NTCP模型能更全面捕捉吞咽困难的复杂性	研究样本量相对有限（1484例），且为多中心回顾性研究	提高头颈癌患者放疗后晚期吞咽困难的预测准确性	头颈癌放疗患者	数字病理学	头颈癌	放射治疗，CT扫描	CNN	3D剂量分布，器官分割，CT图像，患者临床数据	1484例头颈癌患者（多中心队列）	NA	Residual Network (ResNet)	AUC，校准曲线	NA
11871	2025-11-09	Health Misinformation Detection: Approaches, Challenges and Opportunities 2025 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580251384784 PMID:41189452	文献综述	本文对健康虚假信息检测领域的研究进展、挑战与机遇进行了系统性综述	首次系统梳理了2016-2025年间健康虚假信息检测的研究现状，分析了检测方法的优势局限，并提出了跨学科合作、以人为本设计和伦理考量等未来发展路径	仅纳入英文全文研究，存在类别不平衡和标注标准不一致等数据质量问题	通过系统综述健康虚假信息检测方法，为开发有效的临床相关检测系统提供指导	100项关于健康虚假信息检测的研究文献	自然语言处理	NA	文献系统检索	机器学习,深度学习	文本数据	100项研究	NA	集成方法,基于嵌入的表示方法	准确率,可解释性	高计算成本
11872	2025-11-09	Football sports automatic judgment model based on improved YOLOv7 and RNN 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334158 PMID:41191562	研究论文	提出基于改进YOLOv7和RNN的足球运动自动判罚模型，用于运动视频场景的识别与分析	引入聚类算法和注意力机制改进YOLOv7目标检测，采用麻雀搜索算法优化RNN参数搜索	NA	提高运动视频场景识别的准确性和公平性，推动足球运动自动化发展	足球运动视频场景	计算机视觉	NA	深度学习	YOLOv7, RNN	视频	NA	NA	改进YOLOv7, 循环神经网络	准确率, F1分数, 交并比, 召回率, AUC, R平方值	NA
11873	2025-11-09	Interpretable weakly-supervised learning through kernel density matrices: A digital pathology use case 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335826 PMID:41191610	研究论文	提出一种基于核密度矩阵的可解释弱监督学习框架WiSDoM，应用于数字病理图像分类	首次将核密度矩阵用于统一全监督和弱监督学习模式，提供可量化的解释性指标	NA	开发一种同时支持全监督和弱监督学习的可解释分类框架	数字病理图像中的组织切片	数字病理	前列腺癌	核密度矩阵，注意力机制，原型生成	深度学习	图像	NA	NA	局部-全局注意力机制，核空间采样	AUC	NA
11874	2025-11-09	Deep learning-based automated detection of supernumerary teeth in pediatric panoramic radiographs 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335845 PMID:41191613	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在儿童全景X光片中自动检测和定位多生牙	首次将YOLOv8模型应用于儿童全景X光片中多生牙的自动检测和定位	验证样本量有限，分割模型的召回率较低，存在漏检情况	评估基于卷积神经网络的深度学习模型在儿童全景X光片中自动定位和分类多生牙的诊断准确性和临床适用性	儿童患者的多生牙	计算机视觉	口腔疾病	全景X光摄影	CNN	医学影像	2000张儿童全景X光片，其中140张用于标注（71张阳性，69张阴性），20张用于独立验证	YOLOv8	YOLOv8	精确率, 召回率, F1分数, McNemar检验	NA
11875	2025-11-09	Deep-learning-based automatic liver segmentation using computed tomography images in dogs 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1681820 PMID:41195076	研究论文	开发基于3D U-Net的深度学习模型用于犬类腹部CT图像的肝脏自动分割	首次将深度学习应用于犬类肝脏CT图像分割，填补了兽医领域自动化分割的技术空白	样本量相对有限（221例），未明确说明模型在更广泛犬种和病理条件下的泛化能力	开发并验证用于犬类肝脏自动分割的深度学习模型	犬类腹部CT扫描图像	计算机视觉	肝脏疾病	计算机断层扫描（CT）	3D U-Net	医学影像（CT图像）	221例犬类腹部CT扫描（159例无肝脏肿块，62例有肝脏肿块）	NA	3D U-Net	Dice相似系数	NA
11876	2025-11-09	Deep learning-based automated quantification system for abdominal aortic calcification: multicenter cohort study for algorithm development and clinical validation 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1647882 PMID:41195129	研究论文	开发基于深度学习的腹主动脉钙化自动量化系统，并通过多中心研究进行算法开发和临床验证	首次建立结合nnUnet分割和ResNet回归的自动化腹主动脉钙化评分系统，实现多中心标准化定量分析	研究样本仅来自浙江省五个医疗中心，可能存在地域局限性	建立自动化腹主动脉钙化评分系统以支持动脉粥样硬化管理的临床决策	2,941名个体的腹主动脉X射线图像	计算机视觉	心血管疾病	X射线成像	CNN	图像	2,941例（训练集1,737例，内部验证471例，外部验证733例）	PyTorch	nnUnet, ResNet	平均绝对误差, Spearman相关系数, 组内相关系数, 敏感性, 特异性	NA
11877	2025-11-09	A hybrid AI approach for predicting academic performance in RBE students 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1651100 PMID:41195199	研究论文	本研究提出一种混合人工智能方法，用于预测RBE学生的学业表现	首次在私立宗教性质的EBR机构中应用机器学习预测学业表现，并采用结合深度学习和机器学习的集成模型	研究局限于特定类型的私立教育机构，未提及其他潜在限制因素	开发预测学业表现的决策支持工具	常规基础教育学生	机器学习	NA	机器学习，深度学习	Logistic Regression, Support Vector Machine, Random Forest, GRU, BiGRU, AlexNet, 集成模型	教育数据	NA	NA	AlexNet, Gated Recurrent Unit, Bidirectional Gated Recurrent Unit	准确率，精确率，灵敏度	NA
11878	2025-11-09	Enhancing drug-target interaction prediction with graph representation learning and knowledge-based regularization 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1649337 PMID:41195325	研究论文	提出结合图表示学习和知识正则化的新框架，用于提升药物-靶点相互作用预测性能	开发了结合图神经网络与知识整合的新方法，通过定制化图消息传递机制和知识正则化策略将生物医学知识融入表示学习	未明确说明模型在更大规模数据集上的泛化能力及计算效率分析	提高药物-靶点相互作用预测的准确性和可解释性，加速药物发现和重定位	药物分子结构和蛋白质序列	机器学习	NA	图表示学习，知识整合	图神经网络	分子结构图，蛋白质序列	多个基准数据集（具体数量未明确说明）	NA	图神经网络，消息传递网络	AUC, AUPR	NA
11879	2025-11-09	Enhancing deep learning models for predicting smoking Status using clinical data in patients with chronic obstructive pulmonary disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393380 PMID:41195375	研究论文	本研究开发并评估了深度学习模型，通过整合行为和心理社会变量与临床数据来改善COPD患者持续吸烟状态的预测	将行为和心理社会变量与临床数据整合到深度学习模型中，提高了COPD患者吸烟状态预测的准确性，同时通过SHAP分析保持模型可解释性	研究样本相对有限（350名患者），缺乏大型外部数据集中常见的行为变量，需要在更多样化人群中验证模型性能	开发改进的深度学习模型来预测慢性阻塞性肺疾病患者的持续吸烟状态	350名COPD患者，其中包括51名当前吸烟者	机器学习	慢性阻塞性肺疾病	临床数据分析，行为和心理社会变量整合	深度学习，机器学习	临床数据，行为数据，心理社会数据	350名COPD患者（51名当前吸烟者）	Optuna	Residual Neural Network	macro F1 score, 95%置信区间	NA
11880	2025-11-09	Predicting protein interactions of the kinase Lck critical to T cell modulation 2024-11-07, Structure (London, England : 1993) DOI:10.1016/j.str.2024.09.010 PMID:39368461	研究论文	使用深度学习预测激酶Lck与免疫相关蛋白的关键相互作用，揭示T细胞调控新机制	首次系统预测Lck激酶的蛋白质相互作用网络，发现其与棕榈酰转移酶的特异性靶向机制、与CD45磷酸酶的构象激活机制以及与LAG3免疫检查点的抑制机制	预测结果需要实验验证，筛选范围仅限于约1000个免疫相关蛋白	揭示激酶Lck在T细胞信号转导中的蛋白质相互作用网络	激酶Lck及其相互作用的蛋白质（包括棕榈酰转移酶、CD45磷酸酶、LAG3免疫检查点等）	计算生物学	免疫相关疾病	深度学习结构预测	深度学习	蛋白质序列和结构数据	约1000个免疫相关蛋白质	AF2Complex	AlphaFold2架构	结构建模质量评估	NA