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
1281	2025-12-05	Deep-learning-driven spectral image analysis for intelligent monitoring of multiple pesticides and antibiotics 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128942 PMID:41052491	研究论文	本研究提出了一种基于深度学习的谱图像分析方法，用于智能监测农业水体中的多种农药和抗生素	采用微调的ResNet-50深度学习模型，通过建立光谱特征与参考浓度之间的映射，实现了对未知污染物浓度的有效预测，为农药和抗生素的快速识别提供了新视角	在3.8-10 μg/L浓度范围内，自然水样的异常预测频率有所增加，尽管整体准确率仍相对较高	开发一种快速、同时检测多种农药和抗生素的智能监测方法，以应对环境污染物带来的健康风险	农业水体中的农药（草甘膦、苯达松）和抗生素（苄青霉素钾、盐酸四环素）	计算机视觉	NA	光谱分析	CNN	光谱图像	6100个样本，包含草甘膦、苯达松、苄青霉素钾和盐酸四环素，浓度范围为3.8-550 μg/L	NA	ResNet-50	决定系数, 可靠预测率, 检测限	NA
1282	2025-12-05	Swin-EffuseNet: A dual-stream attention-based model combining Swin transformer V2 and EfficientNet-BO for bone fracture classification 2026-Feb, Journal of orthopaedics IF:1.5Q3 DOI:10.1016/j.jor.2025.10.016 PMID:41340716	研究论文	提出了一种名为Swin-EffuseNet的双流深度学习模型，用于X射线图像中的骨折分类	通过注意力机制融合Swin Transformer V2和EfficientNet-B0，结合全局语义特征与细粒度局部纹理，提升骨折分类性能	未明确提及模型在更广泛数据集或临床环境中的泛化能力限制	开发一个准确、高效且可解释的智能骨折分类模型，以支持诊断工作流程	X射线图像中的骨折分类，包括无骨折、发丝状骨折、简单骨折和复杂骨折四类	计算机视觉	骨折	深度学习	Transformer, CNN	图像	4370张X射线图像，来自两个公开数据集	NA	Swin Transformer V2, EfficientNet-B0	准确率, 精确率, 召回率, F1分数, ROC-AUC, 对数损失	NA
1283	2025-12-05	REST: Holistic Learning for End-to-End Semantic Segmentation of Whole-Scene Remote Sensing Imagery 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3609767 PMID:40938720	研究论文	本文提出了一种名为REST的端到端框架，用于实现全场景遥感影像的整体语义分割	首次提出了一种真正端到端的框架，通过新颖的空间并行交互机制（SPIM）克服GPU内存限制，实现全场景遥感影像的整体分割，无需依赖裁剪或融合等次优策略	NA	解决全场景遥感影像（WRI）的整体语义分割问题，克服GPU内存限制	全场景遥感影像（WRI），包括多光谱、高光谱影像，以及卫星和无人机平台获取的数据	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	GPU
1284	2025-12-05	Robust Brain Extraction Tool for Nonenhanced CT and CT Angiography: CTA-BET 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240847 PMID:41147859	研究论文	开发并评估了一种基于深度学习的脑提取模型CTA-BET，用于CT血管造影和非增强CT图像的精确脑部分割	提出了一种专门针对CTA和NCCT图像的鲁棒脑提取工具，在两种模态上均优于现有基准工具	研究为回顾性研究，训练数据来自多机构但样本量有限（CTA训练100例），未在更广泛的外部数据集上进行前瞻性验证	开发一种适用于CT血管造影和非增强CT图像的准确脑提取工具，以增强临床和研究中的自动化成像分析	CT血管造影图像和非增强CT图像中的脑组织	数字病理学	NA	CT血管造影，非增强CT	CNN	3D医学图像	训练集：100例CTA患者（多机构）；验证集：50例外部CTA患者；NCCT验证：132例患者（CQ500公开数据集）	NA	NA	Dice分数，Hausdorff距离，分数归一化直方图	NA
1285	2025-12-05	Adnexal Lesion Discrimination Using Deep Learning Analysis of Dynamic Contrast-enhanced US Images 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240786 PMID:41190943	研究论文	本研究开发了一种基于动态对比增强超声图像的多模态深度学习模型（OCNet），用于分类附件病变	开发了首个结合动态对比增强超声图像的多模态深度学习模型（OCNet），用于附件病变分类，其性能超越了现有的O-RADS US和ADNEX模型，并能提升初级放射科医生的诊断能力	研究为回顾性设计，样本量相对有限（395例），且仅在中国14家医院进行，可能存在选择偏倚	开发并验证一种深度学习模型，以提高附件病变（尤其是良恶性鉴别）的诊断准确性	经病理证实的附件病变患者，包括良性和恶性病变	数字病理	卵巢癌	动态对比增强超声	深度学习模型	图像	395名女性患者（252例良性，143例恶性），分为训练集（275例）、内部测试集（57例）和外部测试集（63例）	NA	OCNet	AUC, 特异性	NA
1286	2025-12-05	Unsupervised Gaze Representation Learning by Switching Features 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3600680 PMID:40828694	研究论文	提出一种无监督学习框架，通过切换特征来分离注视相关和注视无关信息，以改进3D注视估计	通过编码图像对并切换部分潜在特征来提取共享信息，从而区分注视相关和注视无关信息	未明确说明框架在极端光照或遮挡条件下的鲁棒性	开发无监督学习框架以提升3D注视估计的准确性	眼睛图像和面部图像	计算机视觉	NA	无监督学习	编码器-解码器	图像	NA	NA	Cross-Encoder, Cross-Encoder++	NA	NA
1287	2025-12-05	GAN-Based Domain Adaptation for Image-Aware Layout Generation in Advertising Poster Design 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3602846 PMID:40857181	研究论文	本文提出了一种基于GAN的域适应方法，用于在广告海报设计中生成图像感知的布局	引入了内容感知图形布局数据集（CGL-Dataset），并设计了两种GAN模型（CGL-GAN和PDA-GAN），其中PDA-GAN结合了无监督域适应和像素级判别器，以生成基于输入图像视觉纹理的图像感知布局	未明确说明模型在更广泛设计风格或不同产品类型上的泛化能力	研究基于深度学习的图像感知布局生成，以提升广告海报设计的自动化水平	广告海报的图形布局	计算机视觉	NA	GAN, 无监督域适应	GAN	图像	60,548对修复后的海报标注和121,000张干净产品图像	NA	CGL-GAN, PDA-GAN	准确性, 精确度, 召回率, F1分数, AUC	NA
1288	2025-12-05	An End-to-End Depth-Based Pipeline for Selfie Image Rectification 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3604574 PMID:40889307	研究论文	提出一种基于深度学习的端到端自拍图像校正流程，通过预测面部深度、调整相机参数和修复缺失像素来减轻透视畸变	采用端到端训练框架，一次性处理全帧图像无需人脸裁剪，结合可微分渲染器优化深度估计，并引入辅助模块预测相机水平移动以减少修复区域	依赖合成数据集进行训练，在真实场景中的泛化能力未充分验证	开发自拍图像透视畸变校正技术	自拍图像中的人脸及身体区域	计算机视觉	NA	深度学习，合成数据生成	CNN	图像	使用虚幻引擎生成的大规模合成人脸数据集，包含多样化的主体、姿态、表情、配饰和光照条件	未明确说明	未明确说明	定量评估与定性比较	未明确说明
1289	2025-12-05	Rethinking Adnexal Mass Diagnosis with Dynamic Contrast-enhanced US and Deep Learning 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.250977 PMID:41335002	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1290	2025-12-05	Directed Vectors for Generation of Independent Subspaces in the Bio-inpired Networks 2025-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500790 PMID:41293813	研究论文	本文提出了一种基于生物视网膜网络的不对称网络，用于解释网络功能并生成独立子空间	通过计算模拟展示了分层不对称网络中生成方向性运动向量，这些向量能创建独立子空间，从而促进感官信息向高效特征提取、分类和学习的传输	NA	解释复杂深度神经网络的结构和功能，并探索生物启发网络在特征提取和分类中的应用	生物视网膜网络和不对称神经网络	机器学习	NA	NA	神经网络	NA	NA	NA	不对称网络	分类性能	NA
1291	2025-12-05	Deep learning-based object detection of restorative dental instruments with potential implications for workflow automation and infection control in dental supply units 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30774-z PMID:41339466	研究论文	本研究提出了一种基于深度学习的自动化检测与分类修复性牙科器械的概念验证方法	首次将YOLOv8模型应用于标准化托盘上修复性牙科器械的自动化检测与分类，并与前代YOLO模型进行性能比较	需要在更多样化的临床环境中进行进一步验证，以确保模型的泛化能力	支持牙科供应单元的工作流程自动化和感染控制	标准化托盘上的修复性牙科器械	计算机视觉	NA	深度学习	CNN	图像	1000张图像，包含14000个标注实例，涵盖14个器械类别	PyTorch	YOLOv8, YOLOv5, YOLOv6, YOLOv7	精确度, 召回率, mAP@0.5, mAP@[0.5:0.95]	NA
1292	2025-12-05	Automatic rib fracture detection on postmortem CT data using deep learning 2025-Dec-04, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03669-x PMID:41339543	研究论文	本文评估了深度学习模型nnDetection在死后CT扫描数据上自动检测肋骨骨折的性能，并分析了临床与死后CT成像之间的领域偏移因素	首次将深度学习模型应用于死后CT扫描数据进行肋骨骨折检测，并系统性地识别了临床与死后CT数据之间的领域偏移主要因素	样本量相对较小（仅50例死后CT扫描），且未探索更先进的技术来克服领域偏移因素	评估深度学习模型在死后CT数据上自动检测肋骨骨折的性能，并识别临床与死后CT成像之间的领域偏移因素	死后CT扫描数据和临床CT扫描数据中的肋骨骨折	计算机视觉	肋骨骨折	CT扫描	深度学习模型	CT图像	50例死后CT扫描（24%女性；平均年龄61岁，范围19-96岁）和660例临床CT扫描（36%女性；平均年龄55岁，范围21-94岁）	nnDetection	nnDetection	平均灵敏度, 平均精确度（在0.1交并比下）	NA
1293	2025-12-05	Improving prediction region accuracy in marine animal movement with temporal fusion transformer 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29520-2 PMID:41339653	研究论文	本研究利用时序融合变换器（TFT）神经网络，基于434头南象海豹的卫星追踪数据，预测其7天内的移动位置并填补数据缺失，以提升海洋动物移动预测的准确性	首次将时序融合变换器（TFT）应用于海洋动物移动预测，相比传统状态空间模型，将定位误差降低15%，并显著缩小预测区域范围（预测任务缩小5倍，插补任务缩小30-40%）	模型在训练数据未覆盖的新地理区域应用时，性能下降约30%，表明将学习到的模式迁移到陌生环境存在挑战	提升海洋动物移动预测的准确性，以支持保护工作和生态系统管理	南象海豹的卫星追踪数据	机器学习	NA	卫星追踪	TFT（时序融合变换器）	时序数据	434头南象海豹的追踪数据	NA	Temporal Fusion Transformer	定位误差，预测区域效率	NA
1294	2025-12-05	Evaluation of the effectiveness of panoramic radiography in maxillary 3rd molars on an artificial intelligence model developed with findings obtained with cone beam computed tomography 2025-Dec-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07438-5 PMID:41340110	研究论文	本研究评估了基于CBCT数据训练的深度学习模型在分析全景X光片上上颌第三磨牙与上颌窦底位置关系的有效性	利用CBCT数据训练的深度学习模型分析全景X光片，以客观评估上颌第三磨牙与上颌窦底的位置关系，减少对CBCT成像的依赖	研究仅使用了1,054张全景X光图像，样本量相对有限；且模型在三分类问题上的准确率（约68-69%）低于二分类问题（约89-91%）	评估深度学习模型在全景X光片上识别上颌第三磨牙与上颌窦底位置关系的性能，并比较不同深度学习架构的分类效果	上颌第三磨牙与上颌窦底的位置关系	计算机视觉	口腔疾病	锥形束计算机断层扫描（CBCT），全景X光摄影（PR）	CNN	图像	1,054张全景X光图像	NA	VGG16, VGG19, ResNet50, ResNet101, GoogleNet	准确率, 混淆矩阵	NA
1295	2025-12-05	Comprehensive review on learning models of leukemia detection based on morphological information 2025-Dec-04, Leukemia & lymphoma IF:2.2Q3 DOI:10.1080/10428194.2025.2583449 PMID:41340531	综述	本文系统回顾了基于形态学信息的白血病检测中的人工智能方法，包括图像采集、预处理、分割和分类技术	对白血病检测中的人工智能方法进行了全面系统的回顾，涵盖了从传统图像处理到深度学习框架的多种技术，并指出了现有问题和未来方向	作为综述文章，未提出新的实验模型或算法，主要基于现有文献进行分析和总结	回顾和总结基于人工智能的白血病检测方法，以促进该领域的进一步发展	白血病检测中的人工智能方法，包括图像采集、预处理、分割和分类模型	数字病理学	白血病	外周血涂片显微镜检查、流式细胞术、骨髓活检成像、高级成像技术	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
1296	2025-12-05	Feasibility study on automated cytokinesis-block micronucleus assay analysis in cytogenetic biodosimetry using YOLOv5 object detection 2025-Dec-04, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2025.2588409 PMID:41342911	研究论文	本研究探讨了使用YOLOv5对象检测技术自动化分析细胞遗传学生物剂量学中的胞质分裂阻滞微核试验的可行性	首次将基于深度学习的对象检测（YOLOv5）应用于细胞遗传学生物剂量学中的微核分析，以实现快速、可靠的自动化检测	研究仍处于初步阶段，训练图像数量较少，可能通过数据增强进一步改进模型	应用深度学习对象检测技术分析微核，以加速细胞遗传学生物剂量学中的剂量估计，支持辐射应急医学中的快速分诊	健康志愿者的外周血样本，经0、2和3 Gy照射处理	计算机视觉	辐射损伤	细胞培养、全玻片成像	CNN	图像	来自健康志愿者的外周血样本，具体数量未明确说明	YOLOv5	YOLOv5	分类性能、剂量-响应曲线比较	NA
1297	2025-12-05	Artificial inteligence reading of cystometric traces provides good correlation with human diagnosis 2025-Dec-04, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06097-z PMID:41342912	研究论文	本研究评估了人工智能在膀胱测压图解读中与人类专家诊断的相关性，旨在自动化尿动力学研究	结合基于图像的CNN-VGG16深度学习和基于小波的机器学习方法，并集成异常检测处理伪影，提高了诊断准确性	研究为单中心回顾性观察性设计，样本量有限，且未提供基于图像方法的定量指标	评估人工智能在膀胱测压图中检测逼尿肌过度活动的诊断准确性，并处理伪影	2023年接受膀胱测压的成人患者的测压图	机器学习	下尿路功能障碍	膀胱测压	CNN, 机器学习	图像, 信号	517个膀胱测压图（200个用于训练，317个用于测试）	NA	VGG16	准确率, 特异性, 敏感性	NA
1298	2025-12-05	Deep learning-based framework for comprehensive quantification of thigh and calf muscles and adipose tissues from MRI 2025-Dec-04, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01308-5 PMID:41342972	研究论文	本研究提出了一种基于深度学习的框架，用于从MRI中自动量化大腿和小腿的肌肉及脂肪组织	开发了一个3D Attention-Res-V-Net级联模型，首次实现了对下肢13块大腿肌肉和9块小腿肌肉的细粒度量化，并公开了高质量专家标注数据集	样本量较小（仅25名参与者），且部分肌肉内脂肪组织（IntraMAT）的误差范围较大（最高达58.8%）	开发自动化工具以量化下肢肌肉和脂肪组织，用于神经肌肉、肌肉骨骼和代谢性疾病的病理变化表征	亚洲印度糖尿病前期研究中的25名参与者（平均年龄40.5岁，64%男性）的大腿和小腿MRI数据	数字病理学	代谢性疾病	轴向两点Dixon磁共振成像	CNN	MRI图像	25名参与者	NA	Attention-Res-V-Net	Dice相似系数, 相对误差	NA
1299	2025-12-05	Glioblastoma survival prediction through MRI and clinical data integration with transfer learning 2025-Dec-04, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03548-1 PMID:41343123	研究论文	本研究通过整合多模态MRI数据和临床变量，利用深度学习模型进行胶质母细胞瘤患者的生存预测	采用预训练的U-Net模型进行自动分割和特征提取，结合编码器潜在空间的高维特征与临床变量，并通过PCA降维提升计算效率，相比传统影像组学方法能捕获更复杂的成像模式	未在摘要中明确说明研究的局限性	准确预测胶质母细胞瘤患者的总生存期，以推进个性化治疗和改善临床试验设计	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI	U-Net, 随机森林, XGBoost, 多层感知机	图像, 临床数据	BraTS2020数据集和IRCCS Besta专有数据集	NA	U-Net	F1分数, AUC, 准确率	NA
1300	2025-12-05	Graph-based deep reinforcement learning for haplotype assembly with Ralphi 2025-Dec-03, Genome research IF:6.2Q1 DOI:10.1101/gr.280569.125 PMID:41238397	研究论文	本文介绍了一种基于图结构深度强化学习的新型单倍型组装框架Ralphi，用于从读段比对数据中准确重建二倍体基因组的两个单倍型	首次将深度强化学习与图表示学习相结合用于单倍型组装问题，通过片段图拓扑结构设置强化学习奖励目标	训练数据主要基于1000基因组计划的基因组数据，可能对其他种群或特殊基因组的泛化能力有限	开发更准确、更长的单倍型组装方法，以理解不同变异组合对表型的影响	二倍体基因组的单倍型组装	机器学习	NA	读段比对，深度强化学习	深度强化学习	基因组测序读段比对数据，片段图	基于1000基因组计划基因组构建的多样化片段图拓扑数据集	NA	NA	错误率，单倍型区块长度	NA