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
1741	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
1742	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
1743	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
1744	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
1745	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
1746	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
1747	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
1748	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
1749	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
1750	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
1751	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
1752	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
1753	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
1754	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
1755	2025-12-04	AI-enhanced synergistic chemo-immunotherapy: From mechanistic insights to clinical translation 2025-Nov-29, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.105064 PMID:41325797	综述	本文全面探讨了化疗与免疫检查点抑制剂联合治疗的机制基础、临床应用及当前挑战，并重点介绍了人工智能在优化此类联合治疗中的新兴作用	强调了人工智能（包括多组学整合、影像组学和深度学习）在识别协同药物组合、预测治疗反应和患者分层方面的应用，以推动个性化癌症治疗	面临化疗诱导的免疫抑制、肿瘤异质性和数据可解释性等关键挑战	优化化疗与免疫检查点抑制剂的协同治疗策略，以提升抗肿瘤疗效并推动临床转化	化疗与免疫检查点抑制剂联合治疗的机制、临床应用及患者	机器学习	肿瘤学	多组学整合、影像组学、深度学习	深度学习	多组学数据、影像数据	NA	NA	NA	NA	NA
1756	2025-12-04	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2025-Nov-29, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	本文提出了一种基于SE(3)对称Transformer的几何深度学习模型，用于直接从富含局部多物理特征的血管模型表面预测腹主动脉瘤的局部生长	首次使用SE(3)对称Transformer模型直接在血管表面进行AAA生长预测，保留了血管表面的解剖结构和几何保真度，而无需对AAA形状进行参数化	训练数据量较小（仅24名患者），且采样间隔不规则；外部验证集规模有限（仅7名患者）	开发个性化的腹主动脉瘤生长预测方法，以改进临床监测策略	腹主动脉瘤患者	几何深度学习	腹主动脉瘤	计算机断层扫描血管造影	Transformer	3D血管模型表面	训练集：24名患者的113次CTA扫描；外部验证集：7名患者的25次CTA扫描	NA	SE(3)-symmetric transformer	中位直径误差, 准确率	NA
1757	2025-12-04	Artificial intelligence and sleep medicine II: A scoping review of applications, advancements, and future directions 2025-Nov-28, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2025.102212 PMID:41330180	综述	本文是一篇范围综述，总结了人工智能在睡眠医学中的应用、进展及未来方向	全面梳理了AI在睡眠医学中的最新应用，包括从阻塞性睡眠呼吸暂停检测到睡眠分期等多个领域，并指出了未来研究需优先考虑多中心验证和伦理治理	存在显著的真实世界验证差距，且实施挑战仍存	综述人工智能在睡眠医学领域的应用、技术进步及未来发展方向	聚焦于睡眠医学中的人工智能研究，包括原始研究、系统综述和荟萃分析	机器学习	睡眠障碍	NA	深度学习	NA	NA	NA	NA	准确率, 灵敏度, 特异性	NA
1758	2025-12-04	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2025-Nov-27, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究比较了使用BioBERT的透明可解释机器学习方法与黑盒方法在临床文本中检测自闭症谱系障碍的性能，并评估了迁移学习的效果	引入了一种透明且可解释的机器学习方法，利用BioBERT分析非结构化临床文本，通过标注行为描述并映射到诊断标准来分配最终标签，同时评估了迁移学习在两种不同真实世界数据集上的表现	训练数据的顺序对性能有影响，且黑盒模型在顺序或混合数据训练下表现较差，可能限制了其泛化能力	开发一种透明且可解释的机器学习方法，用于自动化自闭症谱系障碍的诊断，并评估其在真实世界数据集上的泛化能力	自闭症谱系障碍（ASD）的诊断	自然语言处理	自闭症谱系障碍	机器学习	BioBERT	文本	两个不同的真实世界数据集	NA	BioBERT	灵敏度, 特异性	NA
1759	2025-12-04	Deep learning-derived arterial input function for dynamic brain PET 2025-Nov-26, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121609 PMID:41314271	研究论文	本研究提出了一种深度学习衍生的动脉输入函数（DLIF），能够直接从动态PET图像序列中估计代谢物校正的动脉输入函数，无需任何血液采样	首次利用深度学习框架直接从动态PET图像序列中估计代谢物校正的动脉输入函数，无需任何侵入性血液采样，结合了复杂时间动态捕捉和典型AIF形状的先验知识	未明确说明样本量大小、模型泛化能力或在不同疾病群体中的验证情况	开发一种快速、准确且完全非侵入性的动脉输入函数测量方法，以替代传统的侵入性血液采样	动态脑部PET成像数据	医学影像分析	阿尔茨海默病, 帕金森病	动态正电子发射断层扫描（PET）成像	深度学习	动态PET图像序列	NA	NA	NA	准确性, 鲁棒性	NA
1760	2025-12-04	Bubble Detection in Gas-Solid Separation Fluidized Beds Based on Deep Learning 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c09389 PMID:41322525	研究论文	本研究提出了一种基于改进YOLOv8的气泡检测模型，用于气固流化床中的气泡动态监测，并分析了气泡特征与分选性能的关联	模型集成了多头自注意力机制增强全局特征提取，采用多尺度特征融合结构实现高效特征整合，并使用基于Involution的解耦头在提高检测精度的同时降低计算复杂度	NA	实现气固流化床中气泡的准确、实时监测，并探究气泡动态与分选效率的耦合关系	干法选煤气固流化床中的气泡	计算机视觉	NA	深度学习	CNN	图像	120个实验数据集	NA	YOLOv8, Faster R-CNN, Mask R-CNN	精确率, 召回率, mAP@0.5	NA