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
161	2025-12-13	Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02221-x PMID:38498173	研究论文	本研究结合3D深度学习提取的影像特征与剂量-体积指标，以增强局部晚期非小细胞肺癌患者症状性放射性肺炎的预测能力	首次将3D深度学习从放疗前计划CT中提取的影像特征与临床相关的剂量-体积指标（如V30Gy）相结合，构建了用于预测放射性肺炎的模型，并在两个中心的数据集上进行了验证	样本量相对有限（总计149例患者），且为回顾性研究，需要更大规模的前瞻性研究进一步验证模型的泛化能力	探索深度学习提取的影像特征在预测局部晚期非小细胞肺癌患者放射性肺炎方面的能力，并评估其与剂量-体积指标结合后的预测价值提升	局部晚期非小细胞肺癌患者	数字病理学	肺癌	3D深度学习，CT影像分析	深度学习	3D CT影像	149例患者（90例来自复旦大学附属肿瘤医院，59例来自江南大学附属医院）	未明确指定，可能为TensorFlow或PyTorch	多层感知机	AUC	NA
162	2025-12-13	URDM: Hyperspectral Unmixing Regularized by Diffusion Models 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3638151 PMID:41348789	研究论文	提出一种基于扩散模型正则化的高光谱解混方法，结合传统优化算法和深度生成模型的优势	将解混目标函数从变分角度构建，并整合到扩散采样过程中，引入去噪扩散概率模型的生成先验，使用分裂策略简化优化问题	未明确提及具体局限性，但可能包括计算复杂度或对数据分布的依赖	克服传统模型方法和深度学习方法在高光谱解混中的局限性，提高解混性能	高光谱图像中的混合像素	计算机视觉	NA	高光谱解混	扩散模型	高光谱图像	合成和真实数据集	NA	去噪扩散概率模型	效率、性能	NA
163	2025-12-13	Can artificial intelligence and face recognition using deep learning detect emotions in children with autism? 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338701 PMID:41364738	研究论文	本研究评估了深度学习模型通过人脸识别技术识别自闭症儿童面部表情的性能	提出了一种名为AutismEfficientNet的新型深度学习架构，通过整合EfficientNetV2和MobileNetV3来提高分类准确性	需要在临床环境和多样化人群中进行进一步验证	评估深度学习模型在识别自闭症儿童面部表情方面的性能	自闭症儿童的面部图像数据	计算机视觉	自闭症	人脸识别技术	CNN	图像	两个已发布数据集：Dr. Fatma M. Talaat's Emotions of Autistic Children 和 FERAC数据集	NA	AutismEfficientNet, EfficientNetV2, MobileNetV3	准确率, 灵敏度, 特异性, F1分数	NA
164	2025-12-13	Application and performance of artificial intelligence-based models in the detection, segmentation and classification of periapical lesions: a systematic review 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1717343 PMID:41367407	系统综述	本文系统综述了基于人工智能的模型在根尖周病变的检测、分割和分类中的应用与性能	首次系统性地总结和评估了AI在根尖周病变诊断多个任务（检测、分割、分类）中的应用现状与性能表现	纳入研究存在偏倚风险（32.1%的研究在参考标准方面存在显著偏倚），证据确定性仅为中等，缺乏前瞻性研究和随机临床试验验证真实临床环境中的效果	报告AI模型在根尖周病变检测、分割和分类中的应用与性能	根尖周病变（表现为根尖周放射线透射区）	数字病理	牙科疾病	NA	NA	牙科全景X光片，口内X光片（根尖片和咬翼片），锥形束CT扫描	28篇符合条件的研究	NA	NA	准确率，灵敏度，特异度	NA
165	2025-12-13	Utility of Machine Learning to Characterize Gut Microbiota Dysbiosis and Its Clinical Implications in Inflammatory Bowel Disease 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S546260 PMID:41368349	综述	本文综述了机器学习和深度学习在表征肠道菌群失调及其在炎症性肠病（IBD）中的临床意义方面的应用	通过整合异质数据集和揭示隐藏模式，ML和DL方法弥补了传统生物统计方法在处理非线性高维数据上的不足，为IBD的疾病分类、亚型区分和治疗反应预测提供了新的分析能力	综述指出未来进展依赖于标准化的微生物组检测、严格的基准测试以及多组学数据的整合，以阐明宿主-微生物相互作用	探讨机器学习和深度学习如何重塑基于微生物组的IBD研究，并总结其在临床转化中的优势、局限性和关键考虑因素	炎症性肠病（IBD）及其相关的肠道微生物组	机器学习	炎症性肠病	NA	机器学习, 深度学习	微生物组数据	NA	NA	NA	分类准确性, 预测准确性	NA
166	2025-12-13	Artificial intelligence techniques applied to anxiety disorders recognition: a systematic review 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1646724 PMID:41368658	系统综述	本文对人工智能技术在焦虑症识别领域的应用进行了系统性综述，分析了当前方法的准确性和研究范围	首次系统性地综述了人工智能技术在焦虑症识别领域的应用，比较了不同数据源和AI技术的性能，并指出AI方法相比传统检测测试具有更高的准确性	排除了仅关注抑郁症的研究和缺乏实验数据集的研究，可能遗漏了相关领域的重要进展	分析人工智能技术在焦虑症检测方法中的应用现状，为研究人员、临床医生和技术开发者提供该领域的全面概述	焦虑症检测方法	自然语言处理, 机器学习	焦虑症	机器学习, 深度学习	NA	自我报告数据, 生理数据, 社交网络数据	119项研究	NA	NA	准确性	NA
167	2025-12-13	Comprehensive and deep learning classification for analyses of the biological complexity of growth and biofilms of Cobetia marina under different temperature growths 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336575 PMID:41379879	研究论文	本研究利用Cobetia marina作为模型生物，通过深度学习分类方法分析不同温度下细菌生长和生物膜形成的生物复杂性	开发了结合分数阶导数方法和SPOCU传递函数的神经网络分类器，用于区分温度依赖的生长动力学和预测生物膜形成，相比传统分类器（如SELU和RELU）表现更优	研究主要基于实验室条件下的模型生物，可能未完全反映自然环境中微生物的复杂性，且方法在更广泛的微生物种类或环境条件下的适用性有待验证	分析微生物在不同温度条件下的生长和生物膜形成的生物复杂性，开发先进的分类方法以理解环境变化下的微生物行为	Cobetia marina细菌及其突变株，研究其在8°C至41°C温度范围内的生长动力学和生物膜形成	机器学习	NA	高通量筛选（使用96孔微孔板），pUTmini-Tn5-Km转座子突变技术	神经网络	实验数据（生长动力学和生物膜形成数据）	未明确指定具体样本数量，但使用了高通量筛选和突变株进行实验复制	NA	NA	NA	NA
168	2025-12-13	An open-source bio-logger for studying cetacean behavior and communication 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337093 PMID:41379880	研究论文	本文介绍了一种用于研究鲸类行为与通讯的开源生物记录仪	开发了一种开源、非侵入式的生物记录仪，可同步记录高质量音频与多种行为和环境传感器数据，支持无人机部署和GPS回收，专为抹香鲸通讯研究设计	当前实现主要针对抹香鲸通讯研究，电池续航时间最长16.8小时，深度耐受为560米（实验室测试）	促进多模态数据集的大规模收集以支持深度学习应用，并推动海洋动物生物学与通讯研究	海洋动物（特别是抹香鲸）	生物声学	NA	生物记录技术、水听器录音、传感器数据采集	NA	音频、GPS数据、压力、运动、方向、温度、光照等多模态传感器数据	10次部署、44小时录音、20次潜水、最深967米	NA	NA	剪切附着力、耐压性能（等效560米深度）、电池寿命（16.8小时）、音频灵敏度（-205 dB re FS/μPa）、动态范围（96 dB）	NA
169	2025-12-13	Robust coffee plant disease classification using deep learning and advanced feature engineering techniques 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3386 PMID:41383546	研究论文	本文提出了一种结合深度学习和高级特征工程的混合框架，用于咖啡叶部病害的鲁棒性图像分类	首次系统地将GoogLeNet和ResNet18与PCA/SVD降维以及ANOVA/卡方特征选择相结合，用于咖啡病害分类，解决了先前研究中特征可变性有限和泛化能力不足的关键缺陷	未明确讨论模型在更大规模或更复杂真实场景数据集上的泛化能力，也未分析不同咖啡品种或环境条件对分类性能的影响	开发一种鲁棒且高效的咖啡植物病害自动分类方法，以支持咖啡生产的可持续性	咖啡叶部病害图像	计算机视觉	植物病害	图像分类	CNN	图像	BRACOL数据集（具体数量未在摘要中说明）	未明确说明，可能为TensorFlow或PyTorch	GoogLeNet, ResNet18	准确率, 精确率, 召回率, F1分数	NA
170	2025-12-13	Real-Time Tool Detection in Laparoscopic Datasets for Surgical Training in Low-Resource Settings 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70045 PMID:41383712	研究论文	本文评估了多种深度学习模型在低成本嵌入式设备上实时检测腹腔镜训练视频中手术工具的性能	首次在腹腔镜箱式训练器数据集上系统比较了基于锚点和无锚点、卷积和Transformer架构的多种先进模型，并强调在低成本硬件上的实时性能	研究基于体外训练数据集，未考虑体内手术视频中常见的烟雾、遮挡和出血等挑战	开发适用于资源受限环境的实时手术工具检测方法，以支持计算机辅助外科技能评估	腹腔镜手术训练视频中的手术工具	计算机视觉	NA	深度学习	CNN, Transformer	视频	新策划的内部腹腔镜箱式训练器数据集	NA	YOLOv8-X, YOLOv11-N	mAP, 推理时间, FPS	NVIDIA Jetson Orin Nano 8GB
171	2025-12-13	DGA-Net: a dual-branch group aggregation network for liver tumor segmentation in medical images 2025, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2025.1712952 PMID:41383832	研究论文	提出一种用于医学图像中肝脏肿瘤分割的双分支组聚合网络DGA-Net	设计了包含傅里叶谱学习多尺度融合分支和多轴聚合哈达玛注意力分支的双分支编码器，以及组多头交叉注意力聚合解码器模块，以更好地建模像素间关系并降低计算成本	未明确说明模型在更广泛数据集上的性能或临床部署的可行性	提高医学图像中肝脏和肿瘤区域的自动分割精度	肝细胞癌患者的医学图像	数字病理学	肝癌	医学图像分析	深度学习网络	医学图像	公共数据集LiTS2017和3DIRCADb	NA	DGA-Net, 双分支编码器（FSMF分支, MAHA分支）, 解码器（GMCA模块）	Dice-per-case	NA
172	2025-12-13	A machine learning approach for classifying date fruit varieties at the Rutab stage 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1678757 PMID:41383940	研究论文	本文提出了一种基于机器学习的管道，用于从图像中分类Rutab阶段的椰枣品种	首次针对Rutab阶段椰枣品种的分类问题，构建了一个包含八种流行Rutab类型的自定义图像数据集，并评估了多种深度学习模型，其中YOLOv12取得了最高召回率	NA	解决Rutab阶段椰枣品种分类在文献中代表性不足的问题，旨在促进文化保护和提高全球对椰枣品种多样性的认识	八种流行的Rutab类型椰枣	计算机视觉	NA	图像采集	深度学习模型	图像	1,659张图像	NA	YOLOv12	召回率	NA
173	2025-12-13	Quantum AI for psychiatric diagnosis: enhancing dementia classification with quantum machine learning 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1648060 PMID:41383998	研究论文	本文提出了一种结合量子计算与经典深度学习的混合量子-经典卷积神经网络（QCNN），用于基于MRI图像的痴呆症分类，并通过知识蒸馏框架进一步提升模型性能	创新点在于将量子特征提取与经典CNN结合，并引入知识蒸馏框架，使模型在保持高效的同时实现高精度分类，超越了现有方法	未明确讨论量子硬件在实际临床环境中的部署可行性、计算资源需求或模型对多样化数据集的泛化能力限制	研究目标是开发一种高效且高精度的痴呆症早期检测与分类方法	研究对象为ADNI-1、ADNI-2和OASIS-2数据集中的MRI图像	量子机器学习	痴呆症	MRI成像、量子特征提取、知识蒸馏	混合量子-经典卷积神经网络（QCNN）、CNN	图像（MRI）	基于ADNI-1、ADNI-2和OASIS-2三个基准MRI数据集，具体样本数量未明确说明	未明确指定，但涉及量子计算与经典深度学习框架	QCNN、CNN	准确率	未明确说明，但提及量子计算机可减少训练时间
174	2025-12-13	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本研究通过单核RNA测序技术，结合深度学习模型APA-Net，揭示了肌萎缩侧索硬化症和额颞叶变性中眶额皮质的细胞类型特异性转录变化和选择性多聚腺苷酸化调控机制	开发了深度学习模型APA-Net，整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中解析细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要聚焦于C9orf72相关和散发性ALS病例，样本可能未覆盖所有ALS/FTLD亚型，且仅限于眶额皮质区域	探究ALS和FTLD的细胞类型特异性转录变化和选择性多聚腺苷酸化机制，以理解疾病病理生理学	ALS和FTLD患者的眶额皮质组织，包括C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据	未明确指定样本数量，但涉及C9orf72相关和散发性ALS病例的眶额皮质组织	NA	APA-Net	NA	NA
175	2025-12-13	Radiomics for differentiation of somatic BAP1 mutation on CT scans of patients with pleural mesothelioma 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064501 PMID:39669009	研究论文	本研究探讨了基于CT扫描的放射组学特征在区分胸膜间皮瘤患者体细胞BAP1基因突变状态中的潜力	首次利用放射组学方法结合机器学习模型，自动从CT图像中提取纹理特征来识别胸膜间皮瘤相关的体细胞BAP1突变，为无创基因状态评估提供了新思路	研究样本量相对较小（149例），模型性能有限（AUC 0.69），且尚未应用于胚系突变检测，需要进一步验证和扩展	探索放射组学在CT扫描中识别胸膜间皮瘤患者体细胞BAP1基因突变的可行性，并为未来胚系突变研究奠定基础	149例已知体细胞BAP1突变状态的胸膜间皮瘤患者	数字病理学	胸膜间皮瘤	CT扫描，放射组学特征提取	机器学习模型（包括决策树等）	医学图像（CT扫描）	149例患者	Scikit-learn	决策树	ROC AUC	NA
176	2025-12-13	Personalized phenotype encoding and prediction of pathological head development from cross-sectional images 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783545 PMID:41367399	研究论文	本文提出了一种新颖的深度学习架构，用于仅使用横截面数据对规范和病理性头部发育进行个性化预测	首次创建了与年龄和性别无关的患者表型表示，并能够在无需纵向数据训练的情况下实现病理性发育的个性化预测	NA	预测解剖发育，以辅助儿科外科治疗的选择和规划	儿科患者的头部发育，包括规范发育和病理性发育	计算机视觉	颅骨病理	深度学习	深度学习架构	图像	NA	NA	表型编码器, 生长预测器	头部表面生长预测误差, 体积误差	NA
177	2025-12-13	Tiny Lungs, Big Challenges: Pediatric and Premature Lung Segmentation using Deep Learning 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783643 PMID:41383822	研究论文	本文提出了一种基于深度学习的两步法，用于儿科和早产儿X光图像中的肺部分割，以应对小尺寸肺部、解剖结构变异和放射伪影的挑战	采用两步策略（先检测肺部再分割心后区域），并利用加权损失在儿科和早产儿数据上微调UNETR模型，提高了分割精度	未提及模型在更广泛数据集或临床环境中的泛化能力，以及计算资源的具体细节	开发一种自动化方法，用于儿科和早产儿X光图像的肺部分割，以支持临床诊断和疾病严重程度分级	儿科和早产儿的胸部X光图像	计算机视觉	肺部疾病	X光成像	深度学习	图像	儿科407张图像，早产儿193张图像，预训练数据约31,000张扫描	NA	UNETR	Dice系数, Hausdorff距离	NA
178	2025-12-13	STDAN: Deformable Attention Network for Space-Time Video Super-Resolution 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243029 PMID:37027773	研究论文	提出一种用于时空视频超分辨率的可变形注意力网络（STDAN），通过长短期特征插值和时空可变形特征聚合模块提升视频重建质量	设计了长短期特征插值模块（LSTFI）利用双向RNN结构从更多相邻帧挖掘信息，并提出时空可变形特征聚合模块（STDFA）自适应捕获动态视频中的时空上下文	未明确说明模型在极端运动场景或计算资源受限环境下的性能表现	提升低分辨率低帧率视频的时空分辨率	视频序列	计算机视觉	NA	深度学习	RNN, 注意力网络	视频	多个数据集（未指定具体数量）	PyTorch（根据GitHub仓库推断）	STDAN（包含LSTFI和STDFA模块）	未明确说明，但提及超越现有方法	NA
179	2025-12-13	Deep Learning Sequence Models for Transcriptional Regulation 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-021623-024727 PMID:38594933	研究论文	本文综述了基于深度学习的序列模型在转录调控中的应用，包括预测非编码变异的功能后果	利用深度学习模型预测人类基因组中任何非编码变异的功能后果，包括罕见或未观察到的变异，并应用可解释性方法识别关键序列模式	未明确提及具体模型或实验的局限性	解码基因表达的调控代码并解释基因组变异对转录的影响	人类基因组DNA序列，包括非编码变异	自然语言处理	NA	深度学习序列模型	深度学习序列模型	DNA序列数据	NA	NA	NA	NA	NA
180	2025-12-13	Integrating Large-Scale Protein Structure Prediction into Human Genetics Research 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-120622-020615 PMID:38621234	综述	本文综述了深度学习模型在蛋白质结构和变异预测方面的最新进展，并探讨了其在人类遗传学和健康研究中的应用	强调将最先进的蛋白质信息学技术（如AlphaFold2）整合到人类遗传学研究中，以优先考虑未注释的错义变异	未具体讨论数据可用性、模型泛化能力或特定技术实施的局限性	促进蛋白质结构预测技术在人类遗传学研究中的更好整合，以注释变异对蛋白质功能的影响	人类蛋白质及其错义变异	自然语言处理	NA	深度学习，序列基结构预测	深度学习模型	蛋白质序列数据	数百万人类错义蛋白变异	NA	AlphaFold2	NA	NA