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
1801	2026-09-18	Applications of artificial intelligence in diagnosis and treatment planning of orthodontics: a narrative review 2025-Oct-28, The Saudi dental journal DOI:10.1007/s44445-025-00077-0 PMID:41148504	综述	本文综述了人工智能在口腔正畸诊断与治疗规划中的应用，涵盖标志点识别、错颌分类、治疗规划、生长预测和风险评估等多个方面	系统梳理了2010年至2025年间AI在口腔正畸各领域的应用，涵盖深度学习模型在二维和三维解剖结构分割、隐形矫治器治疗、面部不对称评估、埋伏尖牙定位及唇腭裂识别等方面的最新进展	需要更多临床试验来验证和优化这些模型的准确性和可靠性；AI工具应作为辅助工具而非临床判断的替代品；排除了信件、病例报告、系统综述和动物研究	探讨人工智能在口腔正畸各个方面的相关性和应用	口腔正畸领域的AI应用相关文献	口腔正畸，医学图像分析	错颌畸形，面部不对称，埋伏尖牙，唇腭裂	深度学习	深度学习模型（具体架构未指定）	图像（二维和三维解剖结构）	NA	NA	NA	准确率	NA
1802	2026-09-18	Deep learning assisted LDPC decoding for 5G IoT networks in fading environments 2025-Oct-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21382-y PMID:41145583	研究论文	该论文提出了一种结合迭代偏移最小和算法与卷积神经网络的混合架构，用于提升5G物联网网络中LDPC码在衰落信道下的解码性能。	创新性地将迭代偏移最小和算法与卷积神经网络结合，利用深度学习进行噪声估计和缓解，以应对有色噪声在衰落信道中对LDPC解码的影响。	摘要中未明确提及研究的局限性。	旨在解决5G物联网网络中，LDPC码在有色噪声和衰落信道下解码性能下降的问题。	5G物联网网络中的LDPC解码，特别是在瑞利、莱斯和Nakagami-m衰落信道下的性能。	机器学习	NA	深度学习辅助的LDPC解码	CNN	模拟数据	NA	NA	CNN	误码率	NA
1803	2026-09-18	Prediction of waste generation forecast and emission potential on the Erode City solid waste dump yards based on machine learning approach 2025-Oct-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19288-w PMID:41131036	研究论文	本文提出了一种数据驱动的框架，利用监督机器学习算法预测印度埃罗德市的城市固体废物产生量和排放动态	整合了支持向量机、随机森林和朴素贝叶斯分类器，应用特征选择和邻近度排序技术识别高影响变量，并结合邻近矩阵分析和区域特征聚类增强可解释性和鲁棒性	依赖历史数据，未纳入实时传感器数据，未使用时序分解和混合深度学习架构	预测城市固体废物产生量和排放潜力，支持排放量化和战略决策	印度埃罗德市的城市固体废物	机器学习	NA	监督机器学习	支持向量机, 随机森林, 朴素贝叶斯	结构化数据（ socio-economic variables, 区域废物类型, 历史废物量）	五年数据集（2019-2024）	NA	支持向量机, 随机森林, 朴素贝叶斯	准确率, 均方误差, 计算延迟	NA
1804	2026-09-18	Learning to remove occlusions in light field images using multiscale receptive fields and feature pyramid networks 2025-Oct-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20786-0 PMID:41125707	研究论文	提出了一种名为LF-PyrNet的端到端深度学习模型，通过多尺度感受野学习和特征金字塔网络来去除光场图像中的遮挡	结合了ResASPP、改进的RFB、级联RDB和FPN，扩展了感受野并增强了遮挡区域的重建	未明确提及	有效去除光场图像中的遮挡，恢复被遮挡区域	光场图像中的遮挡区域	计算机视觉	不适用	深度学习	CNN	图像	未明确提及	未明确提及	ResASPP, RFB, RDB, FPN	未明确提及	未明确提及
1805	2026-09-18	A benchmark dataset and baseline methods for rock microstructure interpretation in SEM images 2025-Oct-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05947-0 PMID:41125635	研究论文	本文开发了一个标准化的岩石SEM图像数据集，并比较了传统分割方法与先进深度学习模型在岩石微观结构分割上的性能	构建了包含泥岩、砂岩和页岩的标准化SEM数据集，并应用了放大标准化、中值滤波和对比度受限自适应直方图均衡化等预处理步骤来提高数据集质量和多样性，同时公开了数据集和基准实现	未明确说明数据集的规模、标注质量、模型泛化能力以及计算资源消耗等方面的限制	解决岩石SEM图像分割中缺乏标注数据的问题，并提供基准数据集和方法来推动自动化岩石SEM图像分析的发展	泥岩、砂岩和页岩的SEM图像	计算机视觉	NA	扫描电子显微镜（SEM）	CNN	图像	NA	NA	NA	NA	NA
1806	2026-09-18	Insights Into History and Trends of Teaching and Learning in Stomatology Education: Bibliometric Analysis 2025-10-20, JMIR medical education IF:3.2Q1 DOI:10.2196/66322 PMID:41115185	研究论文	本文通过文献计量分析评估了口腔医学教育教学领域过去二十年的研究现状、当前焦点和新兴趋势	首次对口腔医学教育教学领域进行全面的文献计量分析，揭示了深度学习、机器学习、在线学习、虚拟现实和卷积神经网络等新兴研究热点	仅基于Web of Science核心合集的文献，可能遗漏其他数据库的出版物，且文献计量分析主要反映数量趋势而非研究质量	评估口腔医学教育教学领域过去二十年（2003-2023）的研究现状、当前焦点和新兴趋势	口腔医学教育教学领域的5528篇学术出版物	机器学习	NA	文献计量分析	NA	文本	5528篇出版物（来自Web of Science核心合集，2003-2023年）	R-Bibliometrix, CiteSpace	NA	发文量, 引用量	NA
1807	2026-09-18	Deep learning based retinal hard exudates quantification of optical coherence tomography 2025-Oct-17, International journal of retina and vitreous IF:1.9Q2 DOI:10.1186/s40942-025-00715-z PMID:41107968	研究论文	开发了一个基于深度学习的模型，用于从光学相干断层扫描（OCT）扫描中分割视网膜硬性渗出（HE）	提出了一种改进的U-Net架构，用于从OCT扫描中分割视网膜硬性渗出，并生成2D投影图像以更好地可视化HE细节	样本量相对较小（15名患者），且仅与眼底照片的手动测量进行了中等相关性的验证	开发一个深度学习模型，用于从OCT扫描中准确分割视网膜硬性渗出，并提供体积数据以增强可视化和量化	糖尿病视网膜病变或分支视网膜静脉阻塞患者的OCT扫描	医学图像分析	糖尿病视网膜病变, 分支视网膜静脉阻塞	光学相干断层扫描（OCT）	CNN	图像	1,811张OCT扫描（来自15名患者）	NA	U-Net	Dice系数, 准确率, 相关系数（R）	NA
1808	2026-09-18	Artificial Intelligence-Aided Tooth Detection and Segmentation on Pediatric Panoramic Radiographs in Mixed Dentition Using a Transfer Learning Approach 2025-Oct-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15202615 PMID:41153287	研究论文	本研究开发了一种基于YOLOv11的深度学习模型，利用迁移学习策略在儿童混合牙列全景X光片上自动检测和分割牙齿	提出了一种新颖的混合预标注策略，利用从650张公开可用的成人X光片迁移学习，并结合专家手动精修，用于儿童混合牙列的牙齿检测和分割	摘要中未明确提及研究局限性	开发一种深度学习模型，用于儿童混合牙列期间全景X光片上牙齿的自动检测和分割，以实现萌出障碍的早期检测	250张来自6-13岁患者的儿童全景X光片	计算机视觉	NA	全景X光片成像	YOLOv11	图像	250张儿童全景X光片（6-13岁患者），以及650张公开可用的成人X光片用于迁移学习	PyTorch	YOLOv11	mAP, F1-score, 精确率, 召回率	NA
1809	2026-09-18	Robust real-time strawberry maturity detection using UAV-mounted deep learning for precision agriculture 2025-Oct-13, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07246-7 PMID:41083932	研究论文	该研究开发了一种搭载于四旋翼无人机上的YOLOv9-GLEAN模型，用于温室环境中成熟草莓的实时检测与计数，并设计了混合轨迹跟踪控制器以实现半自主导航。	提出了YOLOv9-GLEAN算法用于小目标成熟草莓检测，并开发了PID+LQR混合轨迹跟踪控制器，实现了无人机在温室环境中的半自主导航与全自主草莓检测。	未明确说明	解决温室环境中实时植物监测的挑战，开发用于草莓植物监测的自主四旋翼无人机系统，实现精准农业中的自动化成熟草莓检测。	温室环境中的草莓植物及成熟草莓果实	计算机视觉	NA	无人机航拍、深度学习目标检测	YOLO	图像	NA	NA	YOLOv9-GLEAN	精确率, 召回率, F1分数	NA
1810	2026-09-18	Segmenting beyond the imaging data: creation of anatomically valid edentulous mandibular geometries for surgical planning using artificial intelligence 2025-10-11, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06471-6 PMID:41074944	研究论文	本研究利用两阶段卷积神经网络从CT数据中分割下颌骨，并生成解剖学有效的无牙下颌骨几何模型，用于手术规划	创新点在于精确适配牙槽嵴几何形态，能够从有牙CT扫描中生成高精度的无牙下颌骨模型，适用于患者特异性虚拟手术规划	未明确提及	研究使用深度学习分割技术从有牙CT扫描生成解剖学有效的无牙下颌骨的可行性，确保重建规划的几何精度	下颌骨（包括有牙、部分无牙和无牙下颌骨）	计算机视觉	口腔颌面疾病	CT	CNN	图像	246例CT数据	NA	NA	Dice相似系数，平均表面距离	NA
1811	2026-09-18	Sustainable deep learning-based breast lesion segmentation: impact of breast region segmentation on performance 2025-10-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01947-z PMID:41074219	研究论文	本研究探讨了乳腺区域分割对基于深度学习的乳腺病灶分割性能的影响，使用UNet++模型和Stavanger数据集。	研究了乳腺区域分割对病灶分割性能的影响，并提出了使用最优体积的方法，显著提高了分割精度和计算效率。	数据集较小（59例DCE-MRI扫描），可能影响模型的泛化能力。	研究乳腺区域分割对基于深度学习的乳腺病灶分割性能的影响。	乳腺DCE-MRI图像中的病灶。	数字病理学	乳腺癌	动态对比增强磁共振成像	CNN	图像	59例DCE-MRI扫描	NA	UNet++	分割精度	NA
1812	2026-09-18	Differentiating post-stroke patients from healthy individuals via vision-based skeleton-optical fusion 2025-Oct-09, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01726-5 PMID:41068869	研究论文	该研究通过视觉骨架与光流融合的多模态方法，区分脑卒中后患者与健康人的步态	结合骨架点光流信息与下肢关节角度变化，并融合ResNet-50提取的深度空间特征，提高了模型可解释性	样本量较小（共140人），仅在一个开放数据集和一个自采临床数据集上测试，未提及外部验证或多中心验证	利用计算机视觉和深度学习技术，基于步态视频实现脑卒中后患者与健康人的自动分类	70名脑卒中后患者和70名健康个体的步态视频	计算机视觉	脑卒中	人体姿态估计（HPE）、光流计算、ResNet-50特征提取、LSTM分类	LSTM	视频	70名脑卒中后患者和70名健康个体，共140个样本	NA	ResNet-50, LSTM	准确率	NA
1813	2026-09-18	A bimodal image dataset for seed classification from the visible and near-infrared spectrum 2025-Oct-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05979-6 PMID:41062509	研究论文	本文介绍了一个精心构建的双模态种子图像数据集，包含10种植物的配对RGB和高光谱图像，并对多种深度学习模型进行了基准测试	提供了目前最大的双模态种子数据集之一，包含配对RGB和高光谱图像，填补了农业领域光谱信息数据集的空白	摘要中未明确提及局限性	为种子分类提供双模态图像数据集，促进光谱、空间和形态特征的研究	10种植物的种子	计算机视觉	NA	高光谱成像、RGB成像	卷积神经网络	图像	10种植物的配对RGB和高光谱图像	NA	NA	NA	NA
1814	2026-09-18	Simulating Sinogram-Domain Motion and Correcting Image-Domain Artifacts Using Deep Learning in HR-pQCT Bone Imaging 2025-Oct-03, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3617225 PMID:41180080	研究论文	该论文优化了基于正弦图的运动模拟方法，生成配对数据集，并提出了ESWGAN-GP深度学习模型来校正HR-pQCT骨成像中的运动伪影	首次提出针对HR-pQCT骨成像的运动校正深度学习方法，优化了基于正弦图的运动模拟以生成配对训练数据，并设计了边缘增强自注意力Wasserstein生成对抗网络（ESWGAN-GP）	所提出的运动模拟是真实世界运动的简化表示，可能无法完全捕捉体内运动伪影的复杂性	解决HR-pQCT骨成像中刚性运动伪影（如皮质骨条纹和骨小梁涂抹）对骨微结构评估的阻碍，开发运动校正方法	HR-pQCT骨成像中的运动伪影，包括模拟数据集和真实世界数据集	医学图像处理	骨质疏松症	高分辨率外周定量计算机断层扫描（HR-pQCT）	GAN	图像	NA	NA	ESWGAN-GP, VGG	信噪比（SNR）, 结构相似性指数（SSIM）, 视觉信息保真度（VIF）	NA
1815	2026-09-18	Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study 2025-10, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.23595 PMID:40387008	研究论文	该研究利用鼻窦CT图像和临床参数构建了一个集成深度学习模型，用于术前无创识别嗜酸性慢性鼻窦炎（eCRS），并通过蛋白质组学分析探索其预测的生物学基础	首次将多种深度学习模型（3D-ResNet、3D-Xception、HR-Net）提取的CT影像特征与临床参数相结合，通过支持向量机进行集成分类，实现eCRS的无创术前预测，并结合蛋白质组学分析揭示模型预测的生物学基础	样本量相对有限（1098例），蛋白质组学分析仅纳入34例患者，外部验证仅来自两家医院，模型的泛化能力仍需更大规模多中心数据验证	开发和验证一个集成深度学习模型，利用CT图像和临床参数实现嗜酸性慢性鼻窦炎的术前无创预测，并探索其预测的生物学基础	来自两家医院的1098例具有鼻窦CT图像的患者，以及其中34例接受蛋白质组学分析的患者	计算机视觉	嗜酸性慢性鼻窦炎	CT影像、蛋白质组学分析	CNN、SVM	图像、文本	1098例患者的鼻窦CT图像，34例患者的蛋白质组学数据	NA	3D-ResNet, 3D-Xception, HR-Net, SVM	AUC, 灵敏度, 特异度, 准确率	NA
1816	2026-09-18	Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study 2025-Oct, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.013734 PMID:41025252	研究论文	本文开发并验证了一个基于心电图（ECG）的深度神经网络模型（ECG-AF），用于预测心房颤动（AF）风险，并在三个跨国队列中与临床CHARGE-AF风险评分进行比较，同时评估其与心血管结局的关联	1. 使用多国队列数据（FHS、UK Biobank、ELSA-Brasil）进行外部验证，增强了模型的泛化性 2. 仅使用ECG作为单一输入，无需额外临床变量 3. 证明ECG-AF模型与CHARGE-AF评分性能相当，且两者结合可进一步提升预测能力 4. 发现ECG-AF评分与心衰、心梗、卒中和全因死亡风险增加相关	摘要中未明确提及研究局限性	改进并验证基于ECG的深度神经网络模型预测心房颤动风险，比较其与临床CHARGE-AF风险评分的性能，并评估其与其他心血管结局的关联	来自Framingham心脏研究（FHS）、UK Biobank和ELSA-Brasil三个队列的参与者，均为无心房颤动病史的社区人群	机器学习	心血管疾病	心电图（ECG）	深度神经网络	心电图信号	FHS 10097人（平均年龄53±12岁，54.9%女性），UK Biobank 49280人（平均年龄64±8岁，47.9%女性），ELSA-Brasil 12284人（平均年龄53±8岁，54.7%女性）	NA	深度神经网络	AUC（ROC曲线下面积）	NA
1817	2026-09-18	Magnetization transfer MRI (MT-MRI) detects white matter damage beyond the primary site of compression in degenerative cervical myelopathy using a novel semi-automated analysis 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111083 PMID:40953562	研究论文	该研究开发了一种基于脊髓工具箱 (SCT) 的半自动分析流程，结合深度学习卷积神经网络分割脊髓，用于从退行性颈髓病 (DCM) 患者的磁化传递 MRI (MT-MRI) 中自动提取磁化传递率 (MTR)，并评估其对压缩部位以外白质损伤的检测能力	1) 构建了可重复、计算稳健的半自动分析流程，整合了深度学习 CNN 脊髓分割、全局曲线优化椎体标记和 PAM50 模板配准；2) 实现了区域和纤维束特异性 MTR 的自动化提取；3) 发现 MTR 在未压缩区域 (C2-C3) 的诊断性能优于传统横截面积 (CSA)；4) 将微结构损伤与临床结局 (灵巧性、握力、平衡) 相关联	样本量较小 (30 例 DCM 患者和 15 例健康对照)；仅在 3T 场强下使用 Generic Spine Protocol 采集数据；未进行多中心外部验证；半自动流程仍可能受操作者影响	解决传统 MRI 无法检测退行性颈髓病压缩部位以外微结构损伤的问题，并克服当前 MTR 应用标准化不足、依赖操作者以及相对 CSA 附加价值不明确的局限	退行性颈髓病 (DCM) 患者和年龄匹配的健康对照 (HC)	数字病理学, 医学影像分析	退行性颈髓病	磁化传递 MRI (MT-MRI), T2加权 MRI, 磁化传递率 (MTR) 定量分析	CNN	图像 (3T T2w-MRI 和 MT-MRI)	30 例 DCM 患者和 15 例年龄匹配健康对照，共 45 例受试者	Spinal Cord Toolbox (SCT)	卷积神经网络 (CNN)	ROC 曲线下面积 (AUC), p 值, 相关系数	NA
1818	2026-09-18	All-at-once RNA folding with 3D motif prediction framed by evolutionary information 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02833-w PMID:41044256	研究论文	本文提出了CaCoFold-R3D，一种概率文法模型，能够利用RNA序列或比对中的进化信息，同时预测RNA的三维模体（模块）和二级结构	提出了R3D文法，利用螺旋共变信息约束非共变RNA三维模体的定位；实现了对超过50种已知RNA模体的近乎穷尽预测；模体可出现在任何非螺旋环区域（包括三路、四路及更高阶连接处）；所有结构模体和经典螺旋通过单一联合概率文法一次性预测完成	文中未明确说明该方法的局限性	开发一种能够同时预测RNA三维模体和二级结构的方法，为深度学习全原子结构预测提供强输入，并指导RNA作为治疗性小分子药物靶点的设计	RNA序列或比对，以及其中包含的三维结构模体和二级结构	计算生物学	NA	概率文法建模，进化共变分析	概率文法模型	RNA序列，序列比对	超过50种已知RNA模体	NA	CaCoFold-R3D，R3D文法	NA	NA
1819	2026-09-18	Birefringence microscopy enables rapid, label-free quantification of myelin debris following induced cortical injury 2025-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.4.045006 PMID:41181030	研究论文	本文旨在建立双折射显微镜（BRM）作为一种高通量、无标记的成像技术，用于死后脑组织中髓鞘病理的大规模定量评估，并结合深度学习自动检测髓鞘损伤	首次将双折射显微镜（BRM）与深度学习目标检测网络结合，用于无标记、高通量地定量评估皮质损伤后胼胝体中的髓鞘碎片，并在不同恢复时间点（6周和12周）的猕猴模型中进行验证	研究仅使用猕猴模型，样本量有限，且未在其他疾病模型或人类组织中验证；深度学习模型的泛化能力需进一步评估	建立BRM作为高通量、无标记的成像技术，用于大规模定量评估死后脑组织中的髓鞘病理，并开发深度学习自动检测方法	猕猴皮质损伤模型中的胼胝体髓鞘	数字病理学	神经退行性疾病	双折射显微镜（BRM）、荧光髓鞘染色、免疫组化	CNN	图像	猕猴模型，分为6周恢复组、12周恢复组和年龄匹配对照组	NA	NA	P值	NA
1820	2026-09-18	SAAM-VetNet: an attention-based multi-task framework for animal disease detection and severity grading 2025-Oct, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003728 PMID:41181424	研究论文	本文提出了一种基于注意力机制的多任务深度学习框架SAAM-VetNet，用于从医学图像中同时检测动物疾病并对其严重程度进行分级	将卷积块注意力模块与多分支多任务学习策略相结合，实现疾病检测与严重程度分级的联合优化，提升了特征定位能力和模型可解释性	仅在两个公开数据集上进行了评估，样本规模有限，泛化能力有待在更多动物物种和疾病类型上验证	开发一种能够同时进行动物疾病检测和严重程度分级的自动化诊断工具，辅助兽医临床诊断和临床前模型选择	动物疾病医学图像，包括动物疾病分类数据集和乳腺炎检测数据集中的图像样本	计算机视觉	动物疾病	深度学习图像分析	CNN	图像	两个公开数据集：Animal Disease Classification数据集和Mastitis Disease Detection数据集	NA	SAAM-VetNet, ResNet18, MobileNetV2, EfficientNet-B0, DenseNet121, Vision Transformer	准确率, F1分数	NA