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
1181	2025-12-06	Deep learning-driven ultra-stretchable kirigami metamaterials: towards surface texture modulation via buckling 2025-Dec-03, Soft matter IF:2.9Q2 DOI:10.1039/d5sm00933b PMID:41246961	研究论文	本文提出了一种基于深度学习的剪纸超材料创新设计策略，用于预测复杂非线性本构关系并实现可编程的机械响应	利用深度学习技术预测剪纸结构的复杂非线性力学行为，并提出了基于几何对称性破坏的可编程设计框架，显著扩展了剪纸的设计空间	未明确说明模型在极端应变条件下的泛化能力以及实际制造工艺对预测性能的影响	增强剪纸超材料的功能性，深入探究几何对称性破坏对屈曲行为的影响机制，并实现基于功能需求的机械性能预测与功能配置	镶嵌切割剪纸结构（tessellated cutting kirigami structures）	机器学习	NA	深度学习	NA	力学性能数据（推测为应力-应变关系等）	NA	NA	NA	准确率（94.29%）	NA
1182	2025-12-06	Deep learning and generative artificial intelligence methods in enzyme and cell engineering 2025-Dec-03, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2025.103393 PMID:41344283	综述	本文综述了人工智能方法在加速优化生物催化剂和细胞遗传网络发展方面的进展	聚焦于深度学习和生成式人工智能在酶与细胞工程领域的最新应用，包括酶发现、工程及从头设计	当前AI方法的可靠性和泛化能力仍面临挑战	探讨AI如何促进可持续生物经济转型，通过优化生物催化剂和细胞工程	酶和微生物工厂（细胞）	机器学习	NA	NA	深度学习, 生成式人工智能	NA	NA	NA	NA	NA	NA
1183	2025-12-06	Applicator reconstruction in cervical cancer brachytherapy: A systematic review of current methods, challenges, and AI-driven future directions 2025-Dec-03, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.10.004 PMID:41344965	综述	本文系统回顾了宫颈癌近距离放射治疗中施源器重建的现有方法、挑战及人工智能驱动的未来方向	重点关注AI方法在克服金属伪影、部分容积效应和操作者间变异性方面的潜力，并系统评估了从手动到AI驱动方法的精度、效率和临床影响	临床验证有限（60%的研究使用体模），数据存在异质性（切片厚度：0.6-5 mm），且对新施源器设计的泛化性不足	评估宫颈癌3D图像引导近距离放射治疗中施源器重建方法的准确性、效率和临床影响	宫颈癌近距离放射治疗中的施源器重建方法	数字病理	宫颈癌	CT成像，近距离放射治疗	深度学习模型	医学影像（CT图像）	分析了23项研究	NA	U-Net, Dilated-Supervised Deep U-Net, Attention-Gated networks	几何精度（尖端误差，豪斯多夫距离），重建时间，剂量学参数（D90 HR-CTV, D2cc OARs），Dice相似系数	NA
1184	2025-12-06	OpenLM: an open-source pixel super-resolution platform for lens-free microscopy with applications in bacterial growth monitoring and deep learning-based bacterial detection 2025-Dec-02, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc00719d PMID:41170835	研究论文	本文介绍了OpenLM，一个开源的无透镜显微镜平台，集成了像素超分辨率算法，用于细菌生长监测和基于深度学习的细菌检测	开发了一个低成本、易于复制的开源无透镜显微镜平台，结合像素超分辨率技术和多角度LED照明，显著提高了分辨率并保持了大视场，同时提供了用户友好的图形界面	NA	开发一个实用且可扩展的工具，用于细菌监测和其他生物医学应用	细菌生长和早期菌落形成	数字病理	NA	无透镜显微镜，像素超分辨率技术，多角度LED照明	YOLO	图像	NA	NA	YOLO	NA	Raspberry Pi相机和板卡
1185	2025-12-06	Deep-learning prediction of breast cancer hormone receptor status from CEM: a preliminary study 2025-Dec-02, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00653-3 PMID:41329305	研究论文	本研究探索了利用深度学习从对比增强乳腺X线摄影图像中预测乳腺癌激素受体状态的可行性	首次将ResNet-18模型应用于对比增强乳腺X线摄影图像，通过加权交叉熵损失和温度缩放校准处理类别不平衡问题	数据集规模较小且具有特定采集协议，可能影响模型的广泛泛化能力	开发一种非侵入性的深度学习方法，用于从对比增强乳腺X线摄影图像中预测乳腺癌的激素受体状态	105名浸润性乳腺癌患者的对比增强乳腺X线摄影肿瘤裁剪图像	数字病理学	乳腺癌	对比增强乳腺X线摄影	CNN	图像	105名患者（训练集68例，验证集16例，独立测试集21例）	PyTorch	ResNet-18	准确率, AUROC, 平衡准确率, 马修斯相关系数, 精确率-召回率曲线下面积	NA
1186	2025-12-06	Imaging-based transformer model predicts early therapy response in advanced nasopharyngeal carcinoma: a dual-center study 2025-Dec-02, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02142-y PMID:41329405	研究论文	本研究开发了一种基于Transformer架构的2.5D影像融合模型，用于预测局部晚期鼻咽癌患者的早期治疗反应	首次将2.5D成像方法与Transformer架构结合，并融合临床数据，构建了用于预测局部晚期鼻咽癌早期治疗反应的深度学习模型	研究为双中心回顾性研究，样本量相对有限（n=184），且未在外部独立队列中进行验证	开发并验证一种深度学习模型，以预测局部晚期鼻咽癌患者对放化疗的早期治疗反应	局部晚期鼻咽癌（LA-NPC）患者	数字病理学	鼻咽癌	MRI成像	Transformer, CNN	图像（MRI），临床数据	184名患者（训练集89例，验证集39例，测试集56例）	NA	Transformer, SegResNet, Unet, UnetR	AUC, ROC曲线, 校准曲线, 决策曲线分析（DCA）	NA
1187	2025-12-06	Research on bamboo strip density control technology based on deep learning 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26909-x PMID:41330965	研究论文	本研究提出了一种基于深度学习的竹条密度自动检测方法，用于竹材质量控制	首次将深度学习应用于竹条密度检测，通过分析维管束分布来量化密度，并比较了多种主流深度学习模型在该任务上的性能	NA	开发一种自动化、高精度的竹条密度控制技术	竹条	计算机视觉	NA	深度学习	CNN, Transformer	图像	NA	NA	ConvNeXt	准确率	NA
1188	2025-12-06	Secure edge-guided adaptive image steganography using HED-based attention maps and CNN 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27150-2 PMID:41330978	研究论文	本文提出了一种结合HED边缘检测注意力机制和CNN的自适应图像隐写系统，用于在保持容量与失真平衡的同时安全地隐藏秘密图像	将HED生成的边缘图转化为高分辨率距离注意力图，指导自适应的LSB嵌入操作，并利用遗传算法优化注意力图阈值，实现了容量、不可感知性和安全性的良好权衡	系统在裁剪和压缩攻击下仍存在脆弱性	开发一种安全、自适应且高效的图像隐写方法，以平衡嵌入容量、图像质量和抗检测性	秘密图像和载体图像	计算机视觉	NA	图像隐写术，边缘检测，深度学习	CNN，编码器-解码器CNN	图像	使用两个数据集：USC-SIPI（秘密图像）和Boss Base（载体图像），具体样本数量未明确说明	NA	自定义编码器-解码器CNN	MSE, PSNR, MAE, SSIM, IF, PC, BPP, Xu-Net, Ye-Net, RS隐写分析, AUC, BER	NA
1189	2025-12-06	A deep learning-derived digital biomarker of dysglycemia and its association with genetic risk of type 2 diabetes 2025-Dec-02, npj metabolic health and disease DOI:10.1038/s44324-025-00089-8 PMID:41331126	研究论文	本研究利用深度学习从连续血糖监测数据中提取血糖异常特征，开发了一种数字生物标志物，并与传统血糖异常生物标志物及糖尿病多基因风险评分进行验证	首次应用深度学习从高维时间序列连续血糖监测数据中学习血糖异常特征，并衍生出数字生物标志物，该标志物在调整后仍与糖尿病显著相关，而传统指标则失去关联	未明确说明样本量大小或数据来源的具体细节，可能限制了结果的普适性	开发一种基于深度学习的数字生物标志物，以更全面地捕捉血糖异常信息，并评估其与糖尿病遗传风险的关联	连续血糖监测数据及其衍生的血糖异常特征	机器学习	2型糖尿病	连续血糖监测	深度学习模型	时间序列数据	NA	NA	NA	P值	NA
1190	2025-12-06	Prediction of recurrence after resection in hepatocellular carcinoma via whole liver deep learning on preoperative contrast-enhanced CT 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26933-x PMID:41331271	研究论文	本研究开发了一个全自动生存预测系统，通过术前增强CT扫描分析全肝区域，以预测肝细胞癌根治性切除术后的无复发生存期	提出了首个基于全肝区域（而非仅肿瘤区域）的深度学习系统，用于术前预测肝细胞癌的复发风险，并实现了从分割到预测的端到端全自动化流程	研究为回顾性设计，需要在前瞻性队列中进一步验证；外部验证集样本量相对有限	开发一种非侵入性方法，术前预测肝细胞癌患者根治性切除术后的复发风险	肝细胞癌患者	数字病理学	肝细胞癌	术前对比增强CT扫描	CNN	医学影像	827名患者（包含开发集、内部测试集和外部测试集）	NA	深度卷积神经网络	一致性指数	NA
1191	2025-12-06	Residual motion artifact removal enables dynamic μMRI of a behaving Pachnoda marginata 2025-Dec, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107954 PMID:40945107	研究论文	本研究开发了一种结合回顾性门控μMRI重建与深度学习残差运动补偿技术的方法，以显著减少行为昆虫成像中的运动伪影	提出了一种完全回顾性门控策略，利用原位计算机视觉系统获取的运动信息，并结合U-Net深度学习网络处理残差运动伪影，实现了非侵入性动态μMRI成像	方法依赖于模拟的运动损坏与无运动图像对进行训练，可能在实际应用中存在泛化限制	开发一种减少行为昆虫μMRI成像中运动伪影的技术，以促进非侵入性动态成像研究	行为中的Pachnoda marginata昆虫	计算机视觉	NA	μMRI（微观磁共振成像）	CNN	图像	NA	NA	U-Net	NA	NA
1192	2025-12-06	Recent advances in glycated hemoglobin test methods: From lab to point of care testing devices 2025-Dec, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.148742 PMID:41237883	综述	本文综述了2018年至2025年7月期间糖化血红蛋白检测方法的最新进展，涵盖从实验室标准方法到即时检测设备的发展历程、技术原理及未来趋势	系统性地整合了糖化血红蛋白检测的多种新兴技术，包括各类生物传感器、芯片技术以及人工智能预测方法，并对公开可用的即时检测设备进行了比较评估	排除了信件、百科全书、会议材料、摘要和会议记录等来源，可能遗漏部分最新或非正式发表的研究成果	探讨糖化血红蛋白检测技术的发展现状、标准化进程以及未来技术融合方向	糖化血红蛋白检测技术、即时检测设备、生物传感器、人工智能预测模型	NA	糖尿病	电化学传感器、光学传感器、电化学发光传感器、质量传感器、比色法、荧光检测、芯片技术、微流控/芯片实验室系统	深度学习, 机器学习	NA	NA	NA	NA	NA	NA
1193	2025-12-03	Development, performance evaluation and prediction of optimal operational conditions for a double-row sugarcane harvester using deep learning 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30739-2 PMID:41326634	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1194	2025-12-06	Use of artificial intelligence for detection of MB2 canals in maxillary first molars on CBCT: a systematic review and meta-analysis 2025-Dec-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07254-x PMID:41327142	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能在CBCT图像中检测上颌第一磨牙第二近颊根管（MB2）的诊断准确性	首次对人工智能在CBCT中检测MB2根管的诊断性能进行系统综述和定量荟萃分析，并比较了深度学习与传统机器学习模型的性能差异	纳入研究数量有限（仅4项），样本量较小，存在显著的异质性，限制了结果的普遍适用性	评估人工智能在CBCT图像中识别上颌第一磨牙MB2根管的诊断准确性	上颌第一磨牙的CBCT图像	医学影像分析	牙髓病	锥形束计算机断层扫描	深度学习, 传统机器学习	医学影像	未在摘要中明确报告总样本量，共纳入4项研究	NA	NA	灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值	NA
1195	2025-12-06	Enhancing prediction accuracy for muscle invasion in bladder cancer using a dual-energy CT-based interpretable model incorporating habitat radiomics and deep learning 2025-Dec-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15107-7 PMID:41327160	研究论文	本研究通过整合双能CT的定量参数、栖息地放射组学特征和2.5D深度学习特征，开发了一个可解释的模型，用于提高膀胱癌肌层浸润状态的术前预测准确性	结合栖息地分析和2.5D深度学习，利用双能CT图像构建可解释的集成模型，以增强膀胱癌肌层浸润的术前评估	研究为回顾性设计，样本量相对有限（200例患者），且仅基于单一机构的双能CT尿路造影数据	提高膀胱癌肌层浸润状态的术前预测准确性，以支持个性化治疗计划的制定	膀胱癌患者	数字病理学	膀胱癌	双能CT成像，碘基物质分解成像，K-means聚类	深度学习，放射组学	双能CT图像	200例膀胱癌患者（训练队列140例，测试队列60例）	NA	ResNet 101	AUC，校准曲线	NA
1196	2025-12-06	Aortic dissection mortality in the United States, 1968-2023: Trends, disparities, and deep learning forecasts 2025-Dec, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2025.200547 PMID:41333716	研究论文	本研究分析了美国1968年至2023年主动脉夹层死亡率趋势、差异，并使用深度学习模型预测至2033年的死亡率	首次结合长期历史数据分析主动脉夹层死亡率趋势，并应用Bi-GRU深度学习模型进行未来十年死亡率预测	研究基于死亡证明数据，可能存在编码错误或漏报；预测模型未考虑未来医疗政策或技术突破的影响	评估美国主动脉夹层死亡率的历史趋势、人口差异，并预测未来死亡率变化	美国1968-2023年主动脉夹层相关死亡病例	机器学习	心血管疾病	死亡数据分析，深度学习预测	Bi-GRU	结构化死亡记录数据	175,930例主动脉夹层相关死亡病例	NA	Bi-GRU	年度百分比变化，平均年度百分比变化	NA
1197	2025-12-06	An end-to-end deep learning method for reconstructing SMS-PI accelerated musculoskeletal MRI 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70178 PMID:41345328	研究论文	本文提出了一种端到端深度学习框架，用于重建SMS-PI加速的肌肉骨骼MRI图像，实现高达8倍及以上的加速，同时保持临床诊断所需的图像质量	将同时多层成像与并行成像结合到深度学习重建框架中，通过嵌入完整的SMS前向模型统一切片分离和k空间到图像重建，并引入超分辨率模块提升图像清晰度	研究仅基于20名受试者进行临床评估，样本规模相对较小；且初步结果虽显示12倍加速潜力，但需进一步验证	开发一种深度学习重建框架，以提升肌肉骨骼MRI的加速能力和图像质量	肌肉骨骼MRI图像数据	计算机视觉	NA	Turbo Spin Echo MRI, Simultaneous Multislice imaging, Parallel Imaging	深度学习网络	MRI图像	超过200,000个切片，来自1.5T至3T扫描，涵盖多样采集设置	NA	端到端深度学习框架，结合近端梯度算法与Nesterov动量	PSNR, SSIM	NA
1198	2025-12-06	Physics-constrained deep learning for reservoir thermal structure prediction: Enhanced interpretability and extrapolation capability 2025-Nov-30, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125086 PMID:41344133	研究论文	本研究提出了一种物理约束深度学习框架，用于预测水库垂直热结构，以提高预测精度、物理可解释性和外推能力	结合机制驱动过程模型增强训练数据，将温度剖面转化为物理可解释参数，并通过弱物理约束改进外推能力	NA	实现水库垂直热结构的快速预测，以支持生态保护导向的灵活水库优化策略	向家坝水库的垂直温度剖面	机器学习	NA	深度学习	LSTM	时间序列数据	NA	NA	LSTM	RMSE, R², KLD, KSS	NA
1199	2025-12-06	D-EDL: Differential evidential deep learning for robust medical out-of-distribution detection 2025-Nov-30, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103888 PMID:41344199	研究论文	提出一种名为差分证据深度学习（D-EDL）的新方法，用于在计算机辅助诊断中稳健地检测医学图像中的分布外样本	通过引入排除模块（ROM）替代KL散度进行差分限制，减少对模糊分布内样本的过度惩罚，并提出测试时原始证据推理（RI）和平衡检测分数（BDS）以提高鲁棒性和临床适用性	未明确说明方法在更广泛医学数据集或实际临床环境中的泛化能力限制	提高医学图像中分布外（OOD）样本检测的鲁棒性和临床适用性	医学图像中的分布外样本	计算机视觉	皮肤病（ISIC2019）、骨髓细胞形态学、眼部疾病（EDDFS）	深度学习	证据深度学习（EDL）的改进模型	图像	ISIC2019数据集、骨髓细胞形态学数据集、EDDFS数据集（具体样本数未提供）	未明确说明	未明确说明	鲁棒性、临床适用性、平衡检测分数（BDS）	未明确说明
1200	2025-12-06	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2025-Nov-29, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	本文提出了一种量子增强的神经网络架构（QENNA），用于通过磁共振成像（MRI）进行早期阿尔茨海默病的检测	将量子卷积层与经典深度学习相结合，并采用量子数据增强策略（如量子生成对抗网络和量子随机游走）来生成高保真合成MRI扫描，以解决训练数据不足的问题	未明确提及研究的局限性	提高早期阿尔茨海默病诊断的准确性	阿尔茨海默病（AD）	数字病理学	阿尔茨海默病	磁共振成像（MRI）	量子增强神经网络，CNN	图像（MRI扫描）	两个公共MRI数据集	NA	QENNA（量子增强神经网络架构）	准确率，AUC（曲线下面积）	NA