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
1601	2025-12-04	Dispersion based recurrent neural network model for methane monitoring in Albertan tailings ponds 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127748 PMID:41187672	研究论文	本研究开发了一种基于扩散的循环神经网络模型，用于监测阿尔伯塔省尾矿池的甲烷排放	提出了一种结合扩散模型的循环神经网络方法，能够同时预测甲烷排放量和浓度，并利用反向扩散建模识别活跃尾矿池	NA	评估阿尔伯塔油砂尾矿池的甲烷排放潜力并进行未来预测	阿尔伯塔油砂尾矿池的甲烷排放	机器学习	NA	扩散建模	循环神经网络	NA	NA	NA	Dispersion based Recurrent Neural Network	NA	NA
1602	2025-12-04	A cross-city transferable convolutional neural network framework for assessing street-scale flood risks in urban networks 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127977 PMID:41242263	研究论文	本研究提出了一种基于卷积神经网络的AI驱动框架，用于评估城市街道尺度的洪水风险，通过整合水文气象、地形和城市形态数据	该框架展示了强大的空间可转移性，能够跨城市（从深圳到香港）应用，并强调了深度学习在城市洪水风险评估中的创新潜力	NA	评估城市街道尺度的洪水风险，为不同城市区域制定定制化的洪水缓解策略	城市洪水风险，特别是针对深圳和香港的街道网络	计算机视觉	NA	卷积神经网络	CNN	水文气象、地形和城市形态数据	NA	NA	卷积神经网络	NA	NA
1603	2025-12-04	Integration of Dose Surface Maps and Genetic Data Identifies the Lower Posterior Rectum as a Key Region for Toxicity after Prostate Cancer Radiotherapy 2025-Dec-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-2102 PMID:41081635	研究论文	本研究结合直肠剂量表面图和遗传数据，识别了前列腺癌放疗后直肠毒性的关键区域	首次将直肠剂量表面图与遗传数据结合，通过体素级Cox比例风险模型识别了基因型驱动的毒性模式，特别是发现下后直肠区域为关键风险区域	研究样本仅来自REQUITE研究的1,293名患者，可能无法完全代表所有人群；且仅分析了三个候选SNP，未涵盖全基因组范围	识别直肠区域中影响剂量-毒性关系的遗传变异，以优化前列腺癌放疗的个性化治疗	前列腺癌患者	数字病理学	前列腺癌	深度学习直肠轮廓分割，剂量表面图生成，体素级Cox比例风险模型	深度学习模型	医学图像（直肠剂量表面图），遗传数据（SNP）	1,293名前列腺癌患者	NA	NA	P值，风险比	NA
1604	2025-12-04	Analysis of the impact of irradiance and temperature on photovoltaic production: A statistical and machine learning approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103716 PMID:41323109	研究论文	本研究结合统计分析和深度学习技术，探讨了太阳辐照度和环境温度对光伏发电量的影响	采用基于自编码器的模型捕捉复杂的非线性关系，并引入了新的交互项以增强对联合环境变化的敏感性	NA	评估环境因素对光伏发电量的影响，并优化光伏系统在多变气候条件下的性能	光伏发电系统及其产量	机器学习	NA	统计分析和深度学习	自编码器	环境参数数据（如辐照度、温度）和光伏发电量数据	NA	NA	自编码器	准确度，泛化能力	NA
1605	2025-12-04	Associations Between Deep Learning-Derived Fat, Muscle, and Bone Measures From Abdominal Computed Tomography Scans and Fall Risk in Persons Aged 20 Years or Older 2025-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100299 PMID:41323361	研究论文	本研究探讨了通过深度学习从腹部CT扫描中提取的脂肪、肌肉和骨骼测量指标与20岁及以上成年人跌倒风险之间的关联	首次利用深度学习算法从腹部CT扫描中自动量化身体成分指标，并评估其与跌倒风险的关联，特别是在中年人群中识别出肌肉密度降低与跌倒风险增加之间的显著联系	研究基于回顾性数据，可能受选择偏差影响；仅使用腹部CT扫描，未考虑全身其他部位的身体成分；跌倒事件通过医疗编码识别，可能存在漏报或误报	确定腹部CT扫描中的身体成分测量指标是否与成年人的跌倒风险相关	20至89岁的成年人，通过罗切斯特流行病学项目识别，接受过腹部CT扫描	医学影像分析	老年疾病	腹部计算机断层扫描	深度学习算法	医学影像	3972名年龄在20至89岁之间的个体	NA	NA	调整后的风险比，95%置信区间，P值	NA
1606	2025-12-04	WMC-Leafset: A dataset of wax gourd and Mangalore cucumber plants for leaf miner and pest infestation diseased object detection 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112231 PMID:41323749	研究论文	本文介绍了一个用于检测冬瓜和芒格洛尔黄瓜叶片上潜叶虫和害虫侵染的新数据集WMC-Leafset	填补了公开数据集中缺乏芒格洛尔黄瓜和冬瓜品种的空白，提供了包含复杂田间背景、重叠叶片、多角度和多距离拍摄的图像，支持对象级别的多病害检测	未提及模型的具体性能评估或与其他数据集的直接比较	促进可持续农业实践，通过早期病害检测提高作物产量和粮食安全	受潜叶虫和害虫侵染的冬瓜和芒格洛尔黄瓜植株叶片，以及健康叶片	计算机视觉	植物病害	图像采集	对象检测模型	图像	3200张图像	NA	NA	NA	NA
1607	2025-12-04	A comprehensive dataset of agarwood tree (Aquilaria Malaccensis) leaf images for disease analysis in Brunei Darussalam 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112227 PMID:41323752	研究论文	本文介绍了一个用于沉香树病害分析的叶片图像数据集，旨在支持基于人工智能的植物病害自动识别	首次为具有重要商业和生态价值的沉香树构建了一个大规模、高分辨率、包含多种病害和虫害类别的叶片图像数据集	数据集仅来源于文莱的三个种植园，可能无法完全代表其他地理区域的病害情况	开发用于沉香树病害和虫害自动识别的AI模型，以支持可持续农业和精准植物健康管理	沉香树（Aquilaria Malaccensis）的叶片	计算机视觉, 数字病理学	植物病害	图像采集	深度学习模型	图像	5472张叶片图像，分为14个类别（8种病害、5种虫害、1类健康叶片）	NA	NA	NA	NA
1608	2025-12-04	YSED: Yemeni speech emotion dataset 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112233 PMID:41323760	研究论文	本文介绍了首个也门阿拉伯语语音情感数据集YSED，用于支持基于深度学习的也门方言语音情感识别研究	创建了首个专门针对也门阿拉伯语方言的语音情感数据集，填补了该方言在语音情感识别研究中的数据空白	数据集规模相对较小（1432条有效录音），情感类别仅限于五种基本情绪，参与者年龄范围有限（15-45岁）	为也门阿拉伯语方言的语音情感识别研究提供高质量的数据资源	也门阿拉伯语方言的语音情感数据	自然语言处理	NA	模拟诱导录音方法	NA	音频	71名也门志愿者（37男34女），年龄15-45岁，最终包含1432条有效语音录音	NA	NA	Fleiss' Kappa系数	NA
1609	2025-12-04	Development and validation of a multi-modal MRI-based deep learning framework for differentiation of intraspinal tumors (ISMF-Net) 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103636 PMID:41324009	研究论文	本研究开发并验证了一个基于多模态MRI和临床数据的深度学习框架ISMF-Net，用于区分不同类型的椎管内肿瘤	提出了一个集成多序列MRI特征和临床数据的深度学习框架ISMF-Net，用于椎管内肿瘤的鉴别诊断，并通过观察者研究验证了模型辅助对放射科医生诊断性能的提升	研究为回顾性设计，且转移瘤（MET）的诊断性能相对较低	开发并验证一个基于MRI的深度学习模型，以辅助椎管内肿瘤的鉴别诊断	被诊断为椎管内肿瘤（ISTs）的患者，包括神经鞘瘤（SCN）、脑膜瘤（MNG）、星形细胞瘤（AST）、室管膜瘤（EPN）和转移瘤（MET）	数字病理学	椎管内肿瘤	脊柱MRI，包括矢状位T1加权（T1W）、T2加权（T2W）、T2脂肪抑制（T2FS）和轴位T2W序列	深度学习模型	多模态MRI图像和临床数据	来自中国三家医院的1004名患者（内部数据集723名，外部测试集281名）	NA	ISMF-Net	微平均准确率（micro-ACC），F1分数，准确率，敏感性，特异性	NA
1610	2025-12-04	A non-invasive MRI-based multimodal fusion deep learning model (MF-DLM) for predicting overall survival in bladder cancer: a multicentre retrospective study 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103640 PMID:41324013	研究论文	本研究开发并验证了一种基于MRI的多模态融合深度学习模型，用于预测膀胱癌患者的总生存期	提出了一种利用交叉注意力机制融合三维深度学习特征、三维影像组学特征、形态学MRI特征和临床特征的多模态融合深度学习模型，用于非侵入性地预测膀胱癌预后	研究为回顾性多中心设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	开发并验证一个非侵入性模型，用于准确预测膀胱癌患者的总生存期，以指导个性化治疗	膀胱癌患者	数字病理学	膀胱癌	磁共振成像	深度学习模型	图像, 临床数据	来自中国8家机构的1131名膀胱癌患者（训练集697人，内部验证集174人，外部测试集260人）	NA	改进的3D ResNet50	C-index	NA
1611	2025-12-04	Geometric Deep Learning for the Rubik's Cube Group 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3599009 PMID:40839500	研究论文	本文提出了一种基于几何深度学习的新型神经网络架构，用于解决魔方问题，该架构通过利用魔方领域的对称性来提升性能	首次在魔方问题中引入几何深度学习原则，设计了一个显式利用对称性的神经网络架构，并基于严格的群论分析进行验证	未明确说明模型在更复杂或更大规模组合问题上的泛化能力，以及计算资源的具体需求	开发一种能够有效利用对称性来提升魔方问题求解效率和泛化能力的神经网络模型	魔方（Rubik's Cube）及其状态空间	机器学习	NA	几何深度学习，群论分析	神经网络	组合状态数据	NA	NA	对称不变模型	泛化能力，问题解决效率	NA
1612	2025-12-04	IRPruneDeXt: Efficient Infrared Small Target Detection via Musical Wavelet-Regularized Channel Pruning 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3594958 PMID:40844941	研究论文	本文提出了一种基于小波结构正则化和多维音乐尺度软通道剪枝的高效红外小目标检测模型IRPruneDeXt	首次将网络剪枝概念引入红外小目标检测领域，并创新性地提出小波结构正则化多维音乐尺度软通道剪枝方法，通过小波域权重表示和音乐尺度反馈效应实现高效剪枝	未明确说明模型在极端低信噪比环境下的鲁棒性，且剪枝过程可能对特定目标形态敏感	提升红外小目标检测模型的效率与精度，解决现有深度学习模型参数冗余和计算成本高的问题	红外图像中的微弱小目标	计算机视觉	NA	红外成像	深度学习	红外图像	多个广泛使用的基准数据集（未指定具体数量）	NA	U-net	IoU, nIoU, 参数量, FLOPs	NA
1613	2025-12-04	Extrapolation Convolution for Data Prediction on a 2-D Grid: Bridging Spatial and Frequency Domains With Applications in Image Outpainting and Compressed Sensing 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3598745 PMID:40844942	研究论文	本文提出了一种外推卷积框架，用于解决图像修复和压缩感知任务中传统卷积神经网络在外推能力上的局限性	提出了外推卷积框架，将缺失数据预测建模为深度学习架构内的线性预测问题，并应用于图像外绘和傅里叶域压缩感知MRI重建	未明确说明模型的计算复杂度和训练时间，也未讨论在更广泛数据集或不同模态图像上的泛化能力	提升卷积神经网络在图像外推任务中的性能，特别是在图像外绘和压缩感知MRI重建中的应用	二维网格数据，具体为图像数据和MRI频率域信号	计算机视觉	NA	深度学习，压缩感知MRI	CNN，编码器-解码器网络	图像，频率域信号	NA	NA	EC-DecNet, FDRN	峰值信噪比, 结构相似性指数, 核初始距离/弗雷歇初始距离	NA
1614	2025-12-04	ReCL: A Plug-and-Play Module for Enhancing Generalized Category Discovery Using Transport-Based Method to Uncover the Relationship in Samples 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3598594 PMID:40853786	研究论文	本文提出了一种基于关系的对比学习模块（ReCL），用于增强广义类别发现（GCD）任务，通过运输分配方法挖掘未标记样本间的关系	提出了一种基于运输的分配方法，为每个未标记数据点寻找合适的样本，并通过原型融合方法创建正锚点，以改进对比学习中未标记样本的特征学习	未在极端数据不平衡或噪声标签场景下进行验证，且模块的计算复杂度可能较高	解决广义类别发现（GCD）问题，即在部分标记数据中同时分类已标记和未标记类别的样本	深度学习模型在开放集环境下的性能提升，特别是针对未标记样本的关系挖掘	机器学习	NA	对比学习，运输分配方法，原型融合	深度学习模型	图像数据（基于实验领域推断）	NA	PyTorch, TensorFlow	NA	准确率，F1分数，AUC	GPU（具体型号未指定），可能使用云平台进行实验
1615	2025-12-04	A Bioinspired Deep Learning Framework for Saliency-Based Image Quality Assessment 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3598716 PMID:40857193	研究论文	本文提出了一种受生物启发的深度学习框架BioSIQNet，用于基于显著性的无参考图像质量评估	通过将显著性分为高低两个焦点注意力水平，并基于多任务学习框架构建网络，模拟大脑视觉皮层的分层处理机制，首次在深度学习中探索了显著性在无参考图像质量评估中的最优利用	NA	提升无参考图像质量评估模型在处理复杂多样自然图像时的性能	数字图像	计算机视觉	NA	NA	深度神经网络	图像	NA	NA	BioSIQNet	NA	NA
1616	2025-12-04	Automated detection of chewing movements in videofluoroscopic swallowing studies using deep learning for landmark detection and motion analysis 2025-Dec-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111361 PMID:41330067	研究论文	本研究提出首个全自动分析视频荧光吞咽研究中咀嚼相关下颌运动的流程	首个针对VFSS中咀嚼运动的自动化分析流程，整合了关键点检测、视频分割和分类三个模块	未明确提及	开发自动化工具以评估咀嚼功能，并探索其与吞咽安全性的关系	健康参与者和吞咽困难患者	数字病理学	老年疾病	视频荧光吞咽研究	深度学习	视频	来自多项临床研究的数据集，包含健康参与者和吞咽困难患者	NA	NA	NA	NA
1617	2025-12-04	Linking fish activity and turbidity through visual and sensor data fusion and deep learning 2025-Dec-01, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.119070 PMID:41330340	研究论文	本研究提出了一种融合高分辨率水下成像、高科技水质传感与深度学习模型的新方法，用于检测鱼类、估算浊度并分析其相互作用	首次将水下视觉数据与水质传感器数据进行同步融合，并开发了基于CNN的图像浊度估算模型，同时利用无需训练的YOLOWorld模型进行鱼类检测，揭示了鱼类数量与浊度之间的非线性关系	收集的图像中有相当一部分由于相机与传感器同步问题而缺乏有效的浊度值	通过视觉与传感器数据融合及深度学习，监测水下环境并分析鱼类活动与浊度的关联	澳大利亚麦凯港水域的鱼类活动与水质浊度	计算机视觉	NA	水下成像、水质传感	CNN, YOLOWorld	图像、传感器数据	在麦凯港部署IP水下相机和两个先进水质传感器收集的同步数据	NA	自定义CNN, YOLOWorld-v1 Large	准确率, 均方根误差, 相关系数R	NA
1618	2025-12-04	The role of artificial intelligence in enhancing triage decisions in healthcare settings: A systematic review 2025-Dec, Applied nursing research : ANR IF:2.7Q1 DOI:10.1016/j.apnr.2025.152024 PMID:41330654	系统综述	本文通过系统综述探讨了人工智能在增强医疗环境中分诊决策过程中的作用	系统性地回顾了2020年至2025年间关于AI在分诊中应用的最新研究，并综合评估了其有效性、挑战和伦理考量	纳入的研究时间范围有限（2020-2025），且仅包含22项研究，可能无法全面反映AI在分诊中的所有应用和长期效果	探索人工智能在增强医疗环境中分诊决策过程中的作用	医疗环境中的分诊决策过程	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, 自然语言处理	NA	211项研究被筛选，其中22项符合纳入标准	NA	NA	诊断准确性, 分诊效率, 决策支持	NA
1619	2025-12-04	Predicting postrestorative facial appearance in edentulous patients using deep learning: A prospective cohort study 2025-Dec-01, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.10.053 PMID:41330832	研究论文	本研究开发了名为FacePointNet的双向深度学习模型，用于预测无牙颌患者在接受牙齿修复后的面部外观变化	提出了一个基于点集神经网络的双向深度学习模型，通过复合损失函数学习几何变换，首次在无牙颌患者中实现术后面部外观的定量预测	样本量较小（仅16名患者），未整合生物力学数据，动态建模能力有待提升	开发一种深度学习模型，以预测无牙颌患者牙齿修复后的面部外观变化，改善修复前治疗规划	无牙颌患者	计算机视觉	NA	3D面部扫描	点集神经网络	3D图像	16名无牙颌患者	NA	FacePointNet	Chamfer距离, 欧几里得距离, 视觉相似度评分	NA
1620	2025-12-04	A deep learning radiomics model for predicting non-sentinel lymph node metastases in early-stage breast cancer patients 2025-Nov-30, Future oncology (London, England) DOI:10.1080/14796694.2025.2595688 PMID:41319290	研究论文	本研究开发并验证了一种深度学习放射组学模型，用于预测早期乳腺癌患者中非前哨淋巴结转移	结合临床因素、腋窝超声发现和放射组学特征构建CAR模型，显著提升了非前哨淋巴结转移的预测性能	研究为回顾性和前瞻性混合设计，可能存在选择偏倚；样本量虽大但未提及外部验证	预测早期乳腺癌患者的非前哨淋巴结转移	早期乳腺癌患者（具有1-2个阳性前哨淋巴结转移）	数字病理学	乳腺癌	超声成像	深度学习模型	超声图像	1647名患者	NA	NA	AUC, 决策曲线分析, 校准曲线分析	NA