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	2025-12-20	Leveraging artificial intelligence for diagnosis of children autism through facial expressions 2025-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96014-6 PMID:40200029	研究论文	本研究通过评估深度学习模型，利用儿童面部表情的RGB图像数据，诊断儿童自闭症谱系障碍（ASD）	提出了一种混合深度学习模型，将ResNet152与Vision Transformers（ViT）结合，以提升自闭症诊断的分类性能	未来研究需要纳入多种数据类型，扩展数据集变异性，并优化混合架构系统以提高诊断预测能力	评估深度学习模型在儿童自闭症谱系障碍（ASD）早期诊断中的应用，以提高诊断准确性和标准化	自闭症谱系障碍（ASD）确诊儿童的RGB面部图像数据	计算机视觉	自闭症谱系障碍	深度学习，迁移学习，微调方法	CNN, Transformer	图像	NA	NA	DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, Vision Transformers (ViT)	准确率	NA
162	2025-12-20	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	综述	本文回顾了过去十年中机器学习技术在圆锥角膜诊断中的应用，重点关注学术研究与临床实践之间的差距	提出了促进机器学习模型融入临床实践的路线图模型，并针对机器学习和眼科医生提供了可操作的建议	缺乏早期圆锥角膜检测和严重程度分期的客观诊断标准共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨如何将其有效整合到临床实践中	圆锥角膜的诊断研究，包括不同疾病阶段（如非圆锥角膜、亚临床圆锥角膜、临床圆锥角膜）	机器学习	圆锥角膜	NA	随机森林, 卷积神经网络, 前馈和反馈神经网络, 支持向量机	数值角膜参数	NA	NA	NA	NA	NA
163	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
164	2025-12-20	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	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基于视网膜成像的眼组学方法（包括深度学习、机器学习和逻辑回归模型）在诊断主要精神障碍方面的性能	首次对利用视网膜成像预测精神健康障碍的眼组学方法进行系统综述和荟萃分析，综合评估了多种机器学习模型在该领域的诊断性能	纳入研究存在高偏倚风险（尤其在患者选择和指标测试设计方面）、缺乏外部验证、样本量小导致过拟合风险、未发现精神障碍特异性的视网膜生物标志物	评估眼组学方法通过视网膜成像诊断主要精神障碍的准确性和临床适用性	主要精神障碍患者（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症、自闭症谱系障碍）的视网膜影像数据	数字病理学	精神障碍	视网膜成像技术（彩色眼底照相、光学相干断层扫描、OCT血管成像）	深度学习, 机器学习, 逻辑回归	图像	11项研究中的13个诊断模型（具体样本量未在摘要中说明）	NA	NA	敏感性, 特异性, 受试者工作特征曲线下面积	NA
165	2025-12-20	Dynamic maize true leaf area index retrieval with KGCNN and TL and integrated 3D radiative transfer modeling for crop phenotyping 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100004 PMID:41415943	研究论文	本研究提出了一种结合三维辐射传输模型与知识引导深度学习的新方法，用于动态、准确地反演玉米真实叶面积指数	开发了结合三维冠层结构物理的知识引导卷积神经网络架构，并利用迁移学习技术进行跨时间适应性增强，同时引入了有效的三维场景建模策略	NA	提高作物真实叶面积指数的反演精度和稳定性，以评估作物生长状态和预测产量	玉米作物	计算机视觉	NA	三维辐射传输建模，大规模遥感散射模型	CNN, LSTM, RNN	合成数据集，实地测量数据	使用2021年实地测量数据进行微调，并使用2022-2023年数据集进行跨年验证	NA	知识引导卷积神经网络，PROSAIL	R, RMSE	NA
166	2025-12-20	A deep learning-based micro-CT image analysis pipeline for nondestructive quantification of the maize kernel internal structure 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100022 PMID:41415948	研究论文	提出一种基于深度学习的微CT图像分析流程，用于无损量化玉米籽粒内部结构	通过改进U-Net架构，集成CBAM和SE注意力机制，并采用focal-Tversky损失函数及边界平滑项，显著提升了玻璃质和淀粉质胚乳的分割精度	未明确提及样本量限制或外部验证数据，可能影响泛化能力	开发一种无损量化玉米籽粒内部结构的图像分析流程，以支持玉米育种和加工	玉米籽粒的微CT图像	计算机视觉	NA	微CT扫描	深度学习	图像	未明确指定	未明确指定	CSFTU-Net（改进的U-Net）	分割精度	未明确指定
167	2025-12-20	CVRP: A rice image dataset with high-quality annotations for image segmentation and plant phenomics research 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100025 PMID:41415951	研究论文	本文介绍了一个名为CVRP的多品种、多视角水稻图像数据集，用于图像分割和植物表型研究	提供了一个包含281个品种（231个地方品种和50个现代品种）的高质量水稻图像数据集，采用半自动标注和人工校正，支持多种表型分析任务	未明确说明数据集的样本数量或图像数量，且标注过程可能仍存在一定的人工误差	开发一个高质量的水稻图像数据集，以促进基于机器学习的作物图像分析和植物表型研究	水稻植物图像，包括田间自然环境和室内特写的穗部图像	计算机视觉	NA	深度学习模型用于半自动图像标注	语义分割模型	图像	来自281个水稻品种（231个地方品种和50个现代品种）的图像	NA	NA	NA	NA
168	2025-12-20	Segmenting vegetation from UAV images via spectral reconstruction in complex field environments 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100021 PMID:41415944	研究论文	本文提出了一种基于光谱重建的弱监督方法，用于在复杂田间环境中分割植被遥感图像	通过光谱重建技术降低数据采集成本，并结合植被指数理论增强植被信息，采用弱监督方法无需人工标注	未明确说明方法在极端环境条件下的鲁棒性，且数据集规模相对有限	开发一种高效、低成本的田间植被分割方法，以应对复杂环境挑战	无人机采集的田间植被遥感图像	计算机视觉	NA	光谱重建，植被指数	CNN, 注意力机制	图像	2358对无人机RGB-多光谱图像样本	未指定	SRCNet, SRANet	MIoU	NA
169	2025-12-20	The blessing of Depth Anything: An almost unsupervised approach to crop segmentation with depth-informed pseudo labeling 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100005 PMID:41415954	研究论文	本文提出了一种几乎无监督的作物分割方法DepthCropSeg，利用深度信息生成伪标签来训练分割模型	首次利用Depth Anything V2视觉基础模型生成高质量伪作物掩码，实现几乎无监督且性能接近全监督的作物分割	伪掩码生成依赖于深度图的质量，且经过人工筛选后仅保留1378张可靠图像，可能限制模型泛化能力	开发无需手动像素级标注的作物分割方法，以降低人工成本和时间消耗	作物图像，包括来自六个公共植物分割源的17199张图像及自收集数据集	计算机视觉	NA	深度图生成、伪标签生成、两阶段自训练	语义分割模型	图像	17199张图像用于伪掩码生成，其中1378张经筛选后用于训练；在10个公共测试集和自收集数据集上进行评估	NA	NA	NA	NA
170	2025-12-20	Capsule network-based deep learning for early and accurate diabetic retinopathy detection 2025-Feb-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03391-4 PMID:39966199	研究论文	本研究提出了一种基于UNet++和胶囊网络的混合深度学习模型，用于青光眼的早期和准确检测	结合UNet++进行语义分割以精确勾勒视盘和视杯，并利用胶囊网络捕获层次结构，相比传统卷积神经网络对青光眼变化更敏感	未明确说明样本量或数据集的详细局限性，仅提及AI在眼科医疗中的革命性应用	实现青光眼的早期和准确检测，以预防失明	视网膜图像，特别是视盘和视杯的形态特征	计算机视觉	青光眼	深度学习，图像预处理（直方图均衡化和对比度受限自适应直方图均衡化）	CNN, CapsNet	图像	NA	NA	UNet++, CapsNet	准确度	NA
171	2025-12-20	Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Feb-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03439-z PMID:39966317	研究论文	本文提出了一种基于KiU-Net的深度学习模型，用于在糖尿病视网膜病变患者的OCT图像中自动分割高反射病灶	结合Kite-Net分支和三层U-Net分支，并设计交叉注意力块来整合细节和语义信息，显著减少了模型参数并提升了分割性能	未明确提及模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际挑战	开发一种能够精确识别和分割糖尿病视网膜病变患者OCT图像中高反射病灶的自动分割算法	糖尿病视网膜病变患者的OCT图像中的高反射病灶	数字病理学	糖尿病视网膜病变	光学相干断层扫描	深度学习	图像	NA	NA	KiU-Net, Kite-Net, U-Net	灵敏度, Dice相似系数, 精确率, 召回率	NA
172	2025-12-20	A guidance to intelligent metamaterials and metamaterials intelligence 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56122-3 PMID:39880838	综述	本文从统一视角回顾了超材料与人工智能双向交互领域的最新进展，包括智能超材料和超材料智能两个新兴方向	提出了超材料与人工智能双向交互的统一框架，系统梳理了智能超材料的设计优化与自主工作模式，以及超材料在物理空间直接执行计算与推理任务的新范式	面临数据管理、知识迁移及面向实际应用的问题，尚未实现对整个电磁空间的自由管理	探讨超材料与人工智能的交叉融合，推动智能超材料设计和超材料驱动的物理计算发展	智能超材料与超材料智能系统	机器学习	NA	深度学习	NA	电磁仿真数据	NA	NA	NA	NA	NA
173	2025-12-20	Shifted windowing vision transformer-based skin cancer classification via transfer learning 2025 Jan-Dec, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2025.100724 PMID:40915182	研究论文	本文提出了一种基于视觉Transformer的迁移学习方法，用于皮肤癌分类，以解决传统卷积神经网络在全局关系建模上的局限性	采用视觉Transformer结合注意力机制，通过迁移学习优化模型参数，提升了皮肤癌分类的跨域适应性和鲁棒性	训练数据有限且不平衡，模型在实际临床应用中跨域适应性和鲁棒性仍有待验证	开发一种基于深度学习的皮肤癌分类方法，以辅助早期诊断和临床决策	皮肤癌图像数据	计算机视觉	皮肤癌	NA	Vision Transformer	图像	NA	NA	Vision Transformer	NA	NA
174	2025-12-20	RETRACTED: Optimization of house price evaluation model based on multi-source geographic big data and deep neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335722 PMID:41191568	研究论文	本文提出了一种基于多源地理大数据和深度神经网络的房价评估模型（HPEM），通过集成注意力机制与空间特征提取，并利用蝙蝠优化算法提升模型的可解释性和准确性	引入蝙蝠优化的注意力机制与空间网络，动态调整高影响力特征，有效解决了特征重要性不稳定、计算效率低和泛化能力差的问题，相比现有方法减少了30%的训练时间	未提及模型在更广泛房地产市场或不同经济周期下的泛化能力，也未讨论数据隐私或处理多源地理数据时可能存在的偏差	优化房价评估模型，提高预测的准确性、计算效率和可解释性，以支持房地产市场决策	房价数据，特别是多源地理大数据	机器学习	NA	多源地理大数据分析，深度学习	深度神经网络，注意力机制	多源地理大数据	NA	NA	混合深度学习网络，集成注意力机制与空间特征提取	特征稳定性，平均绝对误差（MAE），训练时间	NA
175	2025-12-20	An improved neighbourhood-based contrast limited adaptive histogram equalization method for contrast enhancement on retinal images 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.12.02 PMID:41280624	研究论文	提出了一种基于邻域的改进对比度受限自适应直方图均衡化方法，用于增强视网膜图像的对比度，以辅助视网膜疾病的准确识别和精细结构的可见性提升	提出了一种新颖的NICLAHE算法，通过动态选择裁剪限制和瓦片大小（基于图像像素值），而非使用固定值，改进了传统的CLAHE算法	NA	寻找有效的视网膜图像对比度增强方法，以促进视网膜特征的有效分割	视网膜图像	计算机视觉	视网膜疾病	图像预处理	CNN	图像	Drive和HRF两个视网膜图像数据库	NA	ResNet	RMSE, PSNR, RMSC, 整体对比度, 敏感性, 特异性, 精确度, 准确度	NA
176	2025-12-20	Vehicle driving area detection and sensor data preprocessing based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337722 PMID:41401178	研究论文	本文提出了一种基于改进双边分割网络的车辆驾驶区域识别算法及检测模型，以提高智能车辆驾驶区域检测的实时性和准确性	采用改进的双边分割网络结合数据降维技术，提升了车辆驾驶区域检测的实时性能和识别精度	NA	提高智能车辆驾驶区域检测的实时性和准确性	车辆驾驶区域	计算机视觉	NA	深度学习	CNN	图像	NA	NA	双边分割网络	平均每秒处理帧数, 平均识别时间, 平均精度, 准确率	NA
177	2025-12-20	Classification of current density vector map using transformer hybrid residual network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338189 PMID:41401222	研究论文	本文提出了一种基于深度学习的方法，用于对从磁心图重建的电流密度矢量图进行分类	提出了一种Transformer混合残差网络，结合了迁移学习和自注意力机制，以增强特征提取能力，并针对数据稀缺问题采用了数据增强策略	磁心图数据有限且应用不广泛，可能导致模型泛化能力受限	开发一种计算机辅助方法，帮助医生使用电流密度矢量图分析心脏病例	从磁心图重建的电流密度矢量图	计算机视觉	心血管疾病	磁心图	Transformer, CNN	图像	NA	NA	Transformer hybrid residual network	准确率	NA
178	2025-12-20	Balancing Model Complexity and Clinical Deployability in Deep Learning for Sociodemographic Information Extraction 2025 Jan-Dec, Journal of primary care & community health DOI:10.1177/21501319251404193 PMID:41403044	研究论文	本研究系统评估了六种卷积神经网络架构（包括集成传统分类器的混合模型）在从电子病历文本中提取多种社会人口学特征方面的性能，旨在平衡模型复杂性与临床部署可行性	首次系统比较了不同复杂度的CNN架构（包括混合模型）在社会人口学信息提取任务中的表现，揭示了在数据不平衡和文档模式多样条件下，简单模型（如单层CNN）反而优于深层或混合模型的现象	研究仅基于4375名患者的数据，且来自96家初级保健诊所，可能无法完全代表更广泛或专科医疗环境下的文档模式	评估模型复杂性和词汇多样性如何影响从电子病历文本中自动提取社会人口学特征的分类性能，为临床决策支持提供实用框架	从电子病历文本中提取多种社会人口学特征（如婚姻状况等）	自然语言处理	NA	自然语言处理	CNN	文本	来自96家初级保健诊所的4375名患者的电子病历文本数据	NA	单层CNN, 深层CNN, 混合模型（CNN集成传统分类器）	F1分数, 精确率, 召回率, 精确率-召回率曲线下面积, 马修斯相关系数	NA
179	2025-12-20	Deep learning-based multimodal risk stratification for atherosclerosis management 2025, Archives of medical science : AMS IF:3.0Q1 DOI:10.5114/aoms/208224 PMID:41403595	研究论文	本研究构建了一个基于深度学习的多模态模型，用于动脉粥样硬化的风险分层，显著提升了临床评估的准确性和效率	结合U-Net进行病灶分割、ResNet进行分类，并引入注意力机制以增强高风险斑块的检测，实现了多模态数据（超声、CTA和临床变量）的融合	未明确提及模型在更广泛人群或不同设备数据上的泛化能力限制，以及潜在的数据偏差问题	开发一个深度学习模型，以准确进行动脉粥样硬化的风险分层，优化临床管理	动脉粥样硬化患者的多模态数据，包括超声、CTA影像和临床变量	计算机视觉	心血管疾病	超声、CTA成像	CNN	图像, 临床数据	未明确提及具体样本数量，但使用了5折交叉验证和多中心验证	未明确提及，但可能基于PyTorch或TensorFlow	U-Net, ResNet	Dice系数, 准确率, AUC	未明确提及
180	2025-12-20	MSF-CPMP: A novel multi-source feature fusion model for prediction of cyclic peptide membrane permeability 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.041 PMID:41404123	研究论文	本研究提出了一种名为MSF-CPMP的新型多源特征融合模型，用于预测环肽的膜渗透性	首次融合了从SMILES序列、基于图的分子结构和环肽的物理化学性质中提取的三种特征，以更全面地捕捉环肽的特征多样性	未在摘要中明确说明	提高环肽膜渗透性预测的准确性	环肽	计算生物学	NA	多源特征融合	深度学习模型	分子序列、分子结构图、物理化学性质	未在摘要中明确说明	未在摘要中明确说明	MSF-CPMP	准确率, AUROC	未在摘要中明确说明