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
101	2025-12-20	High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model 2025-Dec, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502472 PMID:40838383	研究论文	本文设计了一种基于2D细胞挤压机械穿孔的高通量细胞内递送微流控装置，并利用深度学习模型分析递送效果	开发了一种具有垂直通孔阵列的2D细胞挤压微流控装置，实现了高达每分钟300万细胞的并行单细胞递送，并首次结合深度学习进行自动化单细胞分辨率分析	未明确提及设备长期稳定性或大规模生产可行性，深度学习模型可能依赖特定图像数据	提高细胞内递送的吞吐量并实现自动化单细胞分析	HeLa细胞、Jurkat细胞、人间充质干细胞（hMSCs）、人牙龈成纤维细胞（hGFs）	机器学习和微流控技术交叉领域	NA	细胞挤压机械穿孔、图像细胞术	深度学习模型	图像数据	设备包含多达62,000个通孔，吞吐量达每分钟300万细胞	NA	NA	细胞直径分布、荧光强度变化	NA
102	2025-12-20	Deep-Learning-Assisted SICM for Enhanced Real-Time Imaging of Nanoscale Biological Dynamics 2025-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202501080 PMID:41078001	研究论文	本文提出了一种结合深度学习与扫描离子电导显微镜（SICM）的集成框架，通过选择性跳过扫描线来提高SICM的实时成像能力，用于纳米尺度生物动态过程的高分辨率成像	开发了一种部分卷积神经网络（Partial-CNN）模型，用于从欠采样数据中重建完整图像，在显著减少图像采集时间（30-63%）的同时保持结构完整性和图像保真度，相比传统深度学习方法在细节重建和高度图一致性方面表现更优	NA	提高扫描离子电导显微镜（SICM）的时间分辨率，以实现对纳米尺度生物动态过程的实时成像	活细胞的纳米尺度动态过程	计算机视觉	NA	扫描离子电导显微镜（SICM）	CNN	图像	NA	NA	Partial-CNN	NA	NA
103	2025-12-20	Common issues and human intervention in object detection from handcrafted features to deep learning: discussion 2025-Dec-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.569685 PMID:41411573	评论	本文讨论从传统手工特征到深度学习的物体检测方法中的常见问题及人类干预作用	揭示传统与机器学习物体检测方法在三个核心问题上均需人类监督的共同本质	未提出具体自动化解决方案，主要进行理论分析	分析物体检测方法中人类干预的必要性并促进相关研究	物体检测方法的工作流程	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
104	2025-12-20	Bidirectional deep learning for chromatic-optical predicting and inverse design of LED systems with multi-objective optimization of circadian efficacy and gamut 2025-Dec-01, Optics express IF:3.2Q2 DOI:10.1364/OE.579714 PMID:41414544	研究论文	开发了一个统一的实验-计算框架，用于建模和优化多原色LED系统的色光性能，通过深度学习实现正向预测和逆向设计	提出了一个结合实验测量和深度学习的统一框架，首次实现了LED系统在电热设定点到光谱性能的正向映射及逆向设计，并利用遗传算法进行多目标优化	未明确说明数据集是否覆盖所有可能的LED类型或环境条件，可能限制了模型的泛化能力	优化多原色LED系统的色光性能，平衡昼夜节律效应、光效和色域覆盖目标	多原色发光二极管（LED）系统	机器学习	NA	电热-光学测量	自编码器（AE）, 长短期记忆网络（LSTM）, 门控循环单元（GRU）	光谱功率分布（SPD）、光学和色度参数、电热设定点数据	21,296个测量样本	NA	自编码器（AE）, 长短期记忆网络（LSTM）, 门控循环单元（GRU）	相关系数（R）, 均方误差（MSE）, 平均相对误差	NA
105	2025-12-20	Deep learning-driven recovery of oversaturated interferometric signals for continuous 3D morphology measurement of complex surfaces in OFC-TS-DFT systems 2025-Dec-01, Optics express IF:3.2Q2 DOI:10.1364/OE.576249 PMID:41414553	研究论文	本文提出了一种结合U-Net和Transformer架构的Uformer 1D网络，用于恢复光学频率梳时间拉伸光谱干涉测量中因探测器动态范围有限而导致的信号过饱和问题	设计了一种集成U-Net和Transformer的Uformer 1D网络，并采用三阶段训练策略（大规模理想仿真预训练、带频域和总变差损失的真实配对数据微调、无标签真实信号的自监督学习）来增强泛化能力	未明确讨论模型在更复杂表面或极端过饱和条件下的性能限制	解决光学频率梳时间拉伸光谱干涉测量系统中信号过饱和问题，实现连续、实时、高动态范围的复杂表面三维形貌测量	光学频率梳时间拉伸光谱干涉测量系统中的过饱和干涉信号	计算机视觉	NA	光学频率梳时间拉伸光谱干涉测量	CNN, Transformer	信号数据	NA	NA	U-Net, Transformer, Uformer 1D	平均测量误差, 对数均方根误差	NA
106	2025-12-20	Inverse design and spectral reconstruction of computational multispectral metasurfaces using deep learning and genetic algorithms 2025-Dec-01, Optics express IF:3.2Q2 DOI:10.1364/OE.576847 PMID:41414629	研究论文	本文提出了一种结合深度学习和遗传算法的端到端逆向设计框架，用于优化长波红外区域的计算型多光谱超表面设计	首次将混合深度学习与遗传算法应用于基于锑化镓的光子晶体结构逆向设计，实现了低相关性光谱的超表面快速原型设计	未充分探讨该方法在其他材料体系或更宽光谱范围的适用性，且重构光谱的均方误差仍处于10的量级	开发紧凑高效的计算型多光谱超表面系统	长波红外区域的锑化镓基光子晶体超表面	机器学习	NA	光子晶体结构设计，光谱重构	深度神经网络，遗传算法	光谱数据，几何参数	NA	NA	深度神经网络	均方误差	NA
107	2025-12-20	Towards a Planetary Health Impact Assessment Framework: Exploring Expert Knowledge and Artificial Intelligence for a RF-EMF Exposure Case-Study 2025-Dec, Bioelectromagnetics IF:1.8Q3 DOI:10.1002/bem.70038 PMID:41416407	研究论文	本文提出了一种行星健康影响评估框架，结合专家知识和人工智能，以射频电磁场暴露为案例研究	首次将行星健康概念与知识图谱结合，探索人工智能辅助构建评估框架的潜力	人工智能工具在精度和上下文敏感性方面存在局限，需要大量专家验证	开发一个结合直接和生态介导路径的行星健康影响评估框架	射频电磁场暴露对人类健康和生态系统的影响	自然语言处理	NA	自然语言处理,深度学习	深度学习	文本	12位专家参与	NA	NA	NA	NA
108	2025-12-20	REECAP: Contrastive learning of retinal aging reveals genetic loci linking morphology to eye disease 2025-Nov-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340555 PMID:41332846	研究论文	本文提出REECAP框架，通过对比学习优化视网膜基础模型，生成与年龄相关的图像表征，用于GWAS研究，以揭示眼部疾病与遗传位点的联系	利用对比学习引导的年龄信息优化视网膜基础模型，生成多变量衰老表型，增强了遗传位点发现与疾病关联的可解释性，并支持条件图像合成以可视化遗传变异对应的解剖变化	研究仅基于UK Biobank的特定人群数据，可能限制结果的普适性；未详细讨论模型在其他疾病或更广泛人群中的泛化能力	探索深度学习基础模型如何通过组织形态学与遗传架构的关联来揭示眼部疾病的遗传基础	UK Biobank参与者的视网膜眼底图像	计算机视觉	年龄相关性眼病	对比学习，基因组关联研究	基础模型，对比学习模型	图像	52,742名参与者的87,478张眼底图像	NA	RETFound	NA	NA
109	2025-12-20	Spectral anomaly detection in physiological time-series data: A systematic review 2025-Nov-27, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	综述	本文对生理时间序列数据（特别是ECG和EEG频谱）中异常检测的机器学习方法进行了系统综述	系统比较了无监督方法（如变分自编码器、生成对抗网络、扩散模型或Transformer）与经典模型在频谱异常检测中的性能，并指出无监督Transformer模型为最有效方法	仅纳入了报告AUC、准确率或F1分数高于0.95的研究，可能排除了一些有潜力但性能略低的方法	评估机器学习在生理时间序列频谱数据中自动异常检测的应用方法及效果，并为该领域提供方法推荐	ECG和EEG频谱数据	健康信息学	心血管疾病	NA	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据, 频谱数据	NA	NA	NA	AUC, 准确率, F1分数	NA
110	2025-12-20	High-performance parallel multi-scale attention network with explainable AI for intelligent diagnosis of leaf diseases in agricultural systems 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26144-4 PMID:41298723	研究论文	本文提出了一种基于深度学习的高性能并行多尺度注意力网络，结合可解释AI技术，用于农业系统中叶片疾病的智能诊断	引入了上下文图像增强维纳滤波器进行噪声抑制，使用GAN进行数据增强，开发了新颖的基于感兴趣区域的多维注意力网络，并提出了结合并行多尺度特征和坐标注意力的MSFNet-CAM模型	NA	提高叶片疾病检测的准确性和可解释性，以保障作物健康和提升农业生产力	木薯和花生的叶片疾病	计算机视觉	植物疾病	GAN, Grad-CAM	CNN, GAN	图像	NA	NA	ROI-MDAN, MSFNet-CAM	NA	NA
111	2025-12-20	Comparative analysis of multiple deep learning models with mitigation-driven approaches for enhanced Alzheimer's disease classification 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27914-w PMID:41274951	研究论文	本研究通过比较多种深度学习模型，结合缓解类别不平衡策略，旨在提升基于结构MRI的阿尔茨海默病分类性能	系统比较了十种深度学习架构，并提出了结合SMOTE、成本敏感学习和焦点损失的类别不平衡缓解策略，显著提升了模型性能	模型在痴呆类别上的敏感度相对较低（38%），且Vision Transformer和Capsule Networks在此任务上表现不佳，甚至完全失败	增强阿尔茨海默病的自动分类诊断能力	阿尔茨海默病患者、轻度认知障碍患者和健康对照者的结构MRI扫描图像	数字病理学	阿尔茨海默病	结构MRI（T1加权）	CNN, Vision Transformer, Capsule Networks	图像	1346名独特患者的14,983张2D网格图像	NA	ECAResNet269, 传统CNN, Vision Transformer, Capsule Networks	平衡准确度, 敏感度, 特异度	标准临床硬件
112	2025-12-20	Prediction model based on contrast-enhanced computed tomography images and clinical indicators for the prognosis of pancreatic necrosis in acute pancreatitis 2025-Nov-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045909 PMID:41305799	研究论文	本研究基于增强CT图像和临床指标，开发了用于预测急性坏死性胰腺炎预后的模型	结合深度学习自动分割的胰腺CT图像与临床指标，构建集成预测模型以提高预后准确性	样本量较小（133例），且为单中心前瞻性观察研究，可能限制模型的泛化能力	提高急性坏死性胰腺炎（ANP）预后预测的准确性	急性坏死性胰腺炎患者	数字病理学	胰腺炎	对比增强计算机断层扫描（CECT）	深度学习, 逻辑回归	图像, 临床指标	133例急性坏死性胰腺炎患者	NA	Attention U-Net, 3D ResNet	准确率	NA
113	2025-12-20	Clinical value of deep learning image reconstruction in chest computed tomography (CT) imaging: a systematic review 2025-Nov-21, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107184 PMID:41411962	系统综述	本文系统评估了深度学习图像重建（DLIR）在胸部CT成像中的临床诊断价值	首次系统性地比较了DLIR与传统迭代重建（IR）和滤波反投影（FBP）在胸部CT中的诊断性能，并量化了其剂量降低和重建速度优势	纳入研究存在异质性，缺乏大规模临床结局数据，需要更多研究验证其对患者预后的影响	评估DLIR在胸部CT成像中的临床诊断性能	胸部CT图像及人类参与者	医学影像	肺部疾病	深度学习图像重建（DLIR）	深度学习模型	CT图像	13项研究（来自1967条记录）	NA	NA	灵敏度, AUC, Cohen's κ	NA
114	2025-12-20	Targeting peptide-MHC complexes with designed T cell receptors and antibodies 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.19.689381 PMID:41332722	研究论文	本文介绍了一种基于结构的深度学习框架ADAPT，用于设计针对特定肽-MHC复合物的T细胞受体和抗体	开发了首个结构基础的深度学习框架ADAPT，能够设计T细胞受体和抗体以精确结合目标肽-MHC复合物，突破了传统基于患者来源TCR的限制	未明确提及样本量或实验验证的全面性，可能局限于所评估的肽-MHC面板多样性	设计能够结合特定肽-MHC复合物的T细胞受体和抗体，以应用于癌症免疫治疗和自身免疫性疾病治疗	肽-MHC复合物、T细胞受体和抗体	机器学习	癌症	低温电子显微镜、深度学习	深度学习框架	结构数据、序列数据	NA	NA	ADAPT	原子级精度	NA
115	2025-12-20	Radiologic, Pathologic, and Deep Learning Predictors of Response to Immune Checkpoint Blockade in Renal Cell Carcinoma Patients Undergoing Post-Treatment Nephrectomy 2025-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340277 PMID:41332849	研究论文	本研究通过整合放射学、病理学和深度学习模型，评估肾细胞癌患者在接受免疫检查点抑制剂治疗后行肾切除术的应答情况，并预测临床结局	首次提供了一个整合的、定量的框架来评估肾细胞癌患者接受免疫检查点抑制剂治疗后的应答，并利用深度学习模型客观验证病理学家评估的回归程度和量化免疫浸润	研究为回顾性设计，样本量相对有限（99例患者），且需要在未来进行前瞻性验证	评估肾细胞癌患者在接受免疫检查点抑制剂治疗后行肾切除术的应答情况，并预测临床结局	肾细胞癌患者，特别是局部晚期或转移性肾细胞癌患者，在接受至少一个周期含免疫检查点抑制剂的双联疗法后行肾切除术	数字病理学	肾细胞癌	免疫检查点抑制剂治疗，深度学习模型	深度学习模型	放射学图像，病理学图像	99例患者（66例接受减瘤性肾切除术，33例接受新辅助肾切除术）	NA	NA	风险比，置信区间，p值	NA
116	2025-12-20	Efficacy of MRI-based deep learning algorithm for detecting acute ischemic stroke: evaluation among diverse readers 2025-Nov-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12137-4 PMID:41249548	研究论文	本研究评估了基于MRI的深度学习算法在不同医学背景读者中检测急性缺血性脑卒中的效能	评估深度学习算法在不同医学背景读者（包括放射科住院医师、临床医生和非神经放射科医生）中的辅助诊断效果，并特别关注其对表现最差读者（临床医生）的性能提升	研究为回顾性单中心研究，样本量有限（407例），且未评估算法在更广泛读者群体或不同机构中的泛化能力	评估基于MRI的深度学习算法在辅助不同医学背景读者诊断急性缺血性脑卒中方面的有效性和一致性	急性缺血性脑卒中患者的MRI扫描图像	医学影像分析	急性缺血性脑卒中	MRI	深度学习算法	MRI图像	407例患者MRI扫描（其中95例确诊为急性缺血性脑卒中）	NA	NA	AUC, 准确率, 灵敏度, 特异性, 诊断置信度, 读者间一致性	NA
117	2025-12-20	Hybrid Fourier light field microscopy system with deep learning for 3D high-resolution reconstruction 2025-Nov-17, Optics express IF:3.2Q2 DOI:10.1364/OE.574814 PMID:41414199	研究论文	本文提出了一种结合光学系统创新和深度学习重建的3D分辨率增强方法，以解决传统光场显微镜的空间分辨率限制	开发了混合傅里叶光场显微镜系统，同时捕获高分辨率中心视图和多角度低分辨率光场图像，并构建了包含自注意力角度增强模块、混合残差特征提取模块和渐进分辨率增强融合模块的网络架构	NA	增强光场显微镜的空间分辨率，实现高质量3D重建	光场图像数据	计算机视觉	NA	光场显微镜	深度学习网络	图像	密集光场数据集、HCI 4D光场数据集及自建混合显微镜系统数据	NA	自注意力角度增强模块、混合残差特征提取模块、渐进分辨率增强融合模块	峰值信噪比, 结构相似性指数	NA
118	2025-12-20	Low-light RGBW Imaging demosaicking method based on residual interpolation prior and a dual-branch decoding network 2025-Nov-17, Optics express IF:3.2Q2 DOI:10.1364/OE.574990 PMID:41414232	研究论文	本文提出了一种基于残差插值先验和双分支解码网络的RGBW成像去马赛克方法，用于提升低光条件下的图像质量	提出了一种结合预处理插值算法和双分支解码网络的新方法，将去马赛克任务转化为更适合深度学习网络的图像恢复问题，并利用W通道的高灵敏度优化图像重建	未明确提及方法在高噪声或极端低光条件下的性能限制，也未与其他先进深度学习去马赛克方法进行广泛比较	提升低光条件下RGBW阵列成像的去马赛克性能，以改善图像细节和色彩保真度	RGBW阵列捕获的低光图像	计算机视觉	NA	RGBW成像，深度学习网络	双分支解码网络	图像	基于真实低光场景构建的数据集，具体样本数量未明确说明	NA	双分支解码网络	图像细节增强和色彩保真度，具体量化指标未明确说明	NA
119	2025-12-20	Temporal super-resolution with a latent diffusion model for optically measured sound field 2025-Nov-17, Optics express IF:3.2Q2 DOI:10.1364/OE.573227 PMID:41414259	研究论文	提出一种基于潜在扩散模型的方法，用于实现光学声场成像中的时间超分辨率	首次将潜在扩散模型应用于光学声场成像的时间超分辨率任务，通过条件约束生成中间帧，以减轻高速相机的采样需求	未明确说明模型在极端噪声或复杂声场条件下的鲁棒性，且实验可能局限于特定数据集	降低光学声场成像的采样要求、数据传输与处理需求、功耗，并提升成像的时间质量	光学测量的声场数据	计算机视觉	NA	光学声场成像	潜在扩散模型	图像	NA	NA	潜在扩散模型	NA	NA
120	2025-12-20	Direct wavefront sensing with a plenoptic sensor based on deep learning: publisher's note 2025-Nov-17, Optics express IF:3.2Q2 DOI:10.1364/OE.583993 PMID:41414296	更正	本文是对先前发表文章《Direct wavefront sensing with a plenoptic sensor based on deep learning》的出版方更正说明	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA