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
281	2026-02-05	Deep learning CT image restoration using system blur and noise models 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014003 PMID:39906485	研究论文	本文提出了一种结合系统模糊和噪声模型的深度学习CT图像恢复方法	通过整合系统模糊和噪声的辅助输入，将建模与深度学习结合，而非仅依赖图像输入进行盲恢复	未明确说明模型在极端噪声或模糊条件下的泛化能力，且可能依赖于准确的系统参数估计	提高CT图像恢复的质量，通过利用系统模糊和噪声特性来增强深度学习模型性能	受模糊和噪声影响的CT图像	计算机视觉	NA	CT成像	CNN	图像	NA	NA	卷积神经网络	平均峰值信噪比, 结构相似性指数	NA
282	2026-02-02	Automatic detection of main pancreatic duct dilation and pancreatic parenchymal atrophy based on a shape feature in abdominal contrast-enhanced CT images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014504 PMID:39895855	研究论文	本研究开发了一种基于腹部增强CT图像的形状特征算法，用于自动检测主胰管扩张和胰腺实质萎缩	提出了一种结合深度学习分割与中心线估计的自动化形状特征（90th DP ratio）计算方法，用于同时检测MPDD和PPA	仅使用56例公开数据进行验证，样本量有限；未在外部数据集上进行测试	开发自动检测胰腺形态异常（主胰管扩张和胰腺实质萎缩）的算法	腹部增强CT图像中的胰腺区域	计算机视觉	胰腺疾病	腹部对比增强CT成像	CNN	医学影像（CT图像）	56例腹部增强CT图像（48例有MPDD，8例无MPDD；31例有PPA，25例无PPA）	未明确说明	未明确说明具体架构（仅提及深度学习CNN）	统计显著性检验（p值），90th DP ratio的均值比较	NA
283	2026-02-02	Epilepsy detection based on spatiotemporal feature interaction fusion of EEG signals 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1478718 PMID:41613177	研究论文	本文提出了一种结合图注意力网络和Transformer网络的自动癫痫检测方法，用于从多通道EEG信号中提取时空特征	结合GAT和Transformer网络，首次在癫痫检测中同时关注EEG通道间的空间拓扑结构和时间序列关系，弥补了现有方法对通道间关系关注不足的缺陷	未提及模型在实时检测或临床环境中的泛化能力，也未讨论计算复杂度或资源需求	开发一种自动癫痫检测方法，以更充分地提取多通道EEG信号的时空信息	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	GAT, Transformer	EEG信号	CHB-MIT和TUH数据集，采用十倍交叉验证	NA	图注意力网络, Transformer网络	准确率	NA
284	2026-02-02	Neurologists-level interpretable CT-based deep neural network for prediction of hemorrhagic transformation after ischemic stroke 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1753071 PMID:41613258	研究论文	本研究开发了一种基于CT扫描的深度学习模型，用于预测缺血性卒中后的出血转化	结合平扫CT与深度学习方法，开发出具有临床可解释性的模型，在测试中显示出优于临床医生和现有类似模型的性能	研究为回顾性分析，样本量相对有限（474例病例），且数据来自单一中心，可能影响模型的泛化能力	预测急性缺血性卒中后的出血转化，以改善临床预后	急性缺血性卒中患者	计算机视觉	心血管疾病	CT扫描	CNN	图像	474例急性缺血性卒中病例（231例HT，243例非HT），共613张CT扫描	NA	ResNet	F1分数, AUC, 灵敏度, 准确度	NA
285	2026-02-02	Enhancing online adaptive radiotherapy with uncertainty based segmentation error and out-of-distribution detection 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1637198 PMID:41613551	研究论文	本研究探讨了深度学习分割模型的不确定性估计与分割正确性之间的关系，并测试了其检测分布外数据的能力	利用蒙特卡洛dropout方法估计分割不确定性，并首次将预测熵和互信息应用于在线自适应放疗中，以区分正确与错误预测及分布内外数据	研究样本量较小（训练集151次扫描，测试集65次扫描），且仅针对前列腺癌的MR图像，未验证其他癌症类型或成像模态	研究深度学习分割模型的不确定性估计与分割正确性的关联，并探索其在检测分布外数据方面的能力	磁共振引导放疗的前列腺癌图像，包括临床靶区、膀胱和直肠的分割	医学图像分析	前列腺癌	磁共振成像（MRI），平衡稳态自由进动MRI	深度学习模型	医学图像（T2 MR扫描）	训练/验证集：26名患者的151次扫描；测试集：10名患者的65次扫描；分布外数据：10名健康志愿者的MRI扫描	NA	NA	Dice系数	NA
286	2026-02-02	Effective deep convolutional neural network with attention mechanism for Alzheimer disease classification 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698760 PMID:41613767	研究论文	本文提出了一种结合注意力机制的深度卷积神经网络，用于阿尔茨海默病的多阶段分类	通过引入注意力机制增强模型对诊断相关区域的关注，提高了分类准确性和可解释性	模型仅在OASIS数据集上进行训练和评估，缺乏外部验证和临床实际应用的广泛测试	开发一种高效的深度学习模型，用于阿尔茨海默病的早期检测和多阶段分类	阿尔茨海默病患者的大脑MRI图像	计算机视觉	阿尔茨海默病	MRI成像	CNN	图像	OASIS数据集中的受试者级别数据	NA	深度卷积神经网络（Deep-CNN）	准确率	NA
287	2026-02-02	Deep learning-enabled hybrid systems for accurate recognition of text in seal images 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1753871 PMID:41613994	研究论文	本文提出了一种混合模型，用于解决中文印章文本识别中的挑战，包括背景文字、高噪声和图像特征简化等问题	整合了针对真实印章的预处理技术、基于深度学习的位置校正模型、圆形文本展开模型和OCR文本识别，并引入了创新的图像去噪算法和合成数据集	未明确提及模型在极端噪声或复杂背景下的泛化能力限制	提高中文印章文本识别的准确性	中文印章图像	计算机视觉	NA	OCR, 图像去噪, 极坐标变换	深度学习	图像	NA	NA	NA	准确性	NA
288	2026-01-30	SpaCE: a spatial counterfactual explainable deep learning model for predicting out-of-hospital cardiac arrest survival outcome 2025-Jan-28, International journal of geographical information science : IJGIS IF:4.3Q1 DOI:10.1080/13658816.2024.2443757 PMID:40881155	研究论文	本文提出了一种名为SpaCE的空间反事实可解释深度学习模型，用于预测院外心脏骤停患者的生存结局	开发了首个结合空间显式健康结果预测器和原型引导反事实解释的统一模型，能够生成最小改变但结果相反的假设案例，以评估不同空间背景下各变量的影响	模型仅在心脏骤停案例中进行评估，其在不同疾病场景中的普适性需要进一步验证	开发能够整合健康变量和空间信息以预测健康结果的可解释深度学习模型	院外心脏骤停患者的生存结局	机器学习	心血管疾病	深度学习	深度学习模型	空间数据, 健康变量数据	NA	NA	SpaCE (Spatial Counterfactual Explainable Deep Learning model)	AUCROC	NA
289	2026-01-30	Machine and Deep Learning Methods for Predicting 3D Genome Organization 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4136-1_22 PMID:39283464	综述	本文综述了机器学习和深度学习方法在预测三维基因组组织（如增强子-启动子相互作用、染色质相互作用和拓扑关联域边界）中的应用	系统性地比较和分析了现有计算工具在预测三维基因组相互作用方面的优缺点，并指出了当前面临的障碍和未来研究方向	当前三维结构目录仍不完整且不可靠，受技术、工具和数据分辨率差异的限制	探讨利用机器学习和深度学习方法预测三维基因组组织，以补充或提高现有数据的完整性和分辨率	三维染色质相互作用，包括增强子-启动子相互作用、染色质环、拓扑关联域和A/B区室	机器学习	NA	染色质构象捕获技术、ChIP-seq、DNAse-seq	NA	基因组注释数据、DNA序列信息、其他基因组特性	NA	NA	NA	NA	NA
290	2026-01-30	Measurement-guided therapeutic-dose prediction using multi-level gated modality-fusion model for volumetric-modulated arc radiotherapy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1468232 PMID:40177241	研究论文	本研究开发了一种用于头颈癌放疗中测量引导治疗剂量预测的新型深度学习模型	提出了一种多级门控模态融合模型，显式整合CT和剂量图像的多尺度特征，充分利用不同模态间的相互促进作用，并考虑了有用的空间剂量信息	预测剂量值在皮肤或热塑性面罩压痕边界附近区域可能存在差异，剂量差异图中所有体素的预测剂量值在6 Gy以内	开发用于头颈癌放疗中测量引导治疗剂量预测的深度学习模型，以提高治疗前患者特异性质量保证的效率和准确性	接受容积旋转调强放疗的头颈癌患者	医学影像分析	头颈癌	容积旋转调强放疗	深度学习模型	CT图像, 剂量图像	310例患者（训练集186例，验证集62例，测试集62例）	NA	多级门控模态融合模型	平均绝对误差, 均方根误差, 峰值信噪比, 结构相似性, 通用质量指数	NA
291	2026-01-30	Thoracic Aortic Three-Dimensional Geometry 2025 Jan-Dec, Pulse (Basel, Switzerland) DOI:10.1159/000543613 PMID:40330437	研究论文	本研究开发了一种基于深度学习的全自动方法，用于量化胸主动脉的三维几何参数，并在大规模人群中进行应用	首次在大规模人群（如UK Biobank和Penn Medicine Biobank）中全面表征胸主动脉的三维几何结构，并提取多种主动脉几何表型	未在摘要中明确提及具体限制，可能包括数据集的代表性或方法在特定病理条件下的适用性	量化胸主动脉的三维结构参数，以研究主动脉结构与心血管健康的关系	来自UK Biobank的54,241名参与者和Penn Medicine Biobank的8,456名参与者的影像扫描数据	数字病理学	心血管疾病	深度学习分割和形态学图像处理	深度学习架构	影像扫描	总计62,697名参与者（UK Biobank: 54,241, Penn Medicine Biobank: 8,456）	NA	NA	NA	NA
292	2026-01-30	FSFT6mA: a feature-synthesis fine-tuning framework for DNA 6mA site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1750223 PMID:41589300	研究论文	本研究提出了一种名为FSFT6mA的特征合成微调框架，用于提升DNA 6mA位点预测的准确性	首次将生成对抗网络（GAN）用于合成DNA序列的中间层特征，并通过这些合成特征微调预训练的卷积神经网络模型，从而显著提升预测性能	NA	开发一种深度学习框架，以更准确地预测DNA N6-甲基腺嘌呤（6mA）位点	DNA N6-甲基腺嘌呤（6mA）位点	机器学习	NA	DNA序列分析	CNN, GAN	DNA序列数据	NA	NA	深度卷积神经网络, 生成对抗网络	MCC, AUC	NA
293	2026-01-30	Recent trends in machine learning and deep learning-based prediction of G-protein coupled receptor-ligand binding affinities 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1712577 PMID:41601476	综述	本文回顾了基于机器学习和深度学习的G蛋白偶联受体-配体结合亲和力预测模型的最新趋势	整合了基于序列的一维、基于图的二维和基于结构的三维框架，并探讨了注意力机制、自监督学习及混合方法在提高预测成功率和可解释性方面的应用	未具体讨论模型在特定GPCR亚型或药物类别中的泛化能力及计算资源需求	提高药物发现过程中GPCR-配体结合亲和力预测的准确性和效率	G蛋白偶联受体及其配体	机器学习	NA	NA	卷积神经网络, 图神经网络	序列数据, 图数据, 结构数据	NA	NA	NA	NA	NA
294	2026-01-30	The top 100 cited articles on artificial intelligence in Alzheimer's disease and mild cognitive impairment: a bibliometric analysis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1605231 PMID:41601600	文献计量分析	对阿尔茨海默病和轻度认知障碍领域人工智能应用被引次数最高的100篇文章进行文献计量分析	首次系统梳理了AD和MCI领域人工智能应用的高被引文献，揭示了研究趋势、关键作者、机构及常用方法	分析基于被引次数，可能忽略近期重要但引用尚少的研究；数据来源仅限于Web of Science数据库	通过文献计量分析揭示人工智能在阿尔茨海默病和轻度认知障碍领域的研究现状、热点及趋势	Web of Science数据库中人工智能应用于AD和MCI的100篇高被引学术文章	机器学习	阿尔茨海默病	文献计量分析	SVM, CNN	MRI数据	100篇文章（85篇临床研究，13篇综述，2篇基础研究）	NA	NA	NA	NA
295	2026-01-30	Hybrid deep learning and feature optimization approach for early detection of multiple sclerosis 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1685580 PMID:41601605	研究论文	本研究提出了一种结合深度学习特征提取、元启发式特征选择和机器学习分类器的混合框架，用于从MRI图像中准确分类多发性硬化症	提出了一种混合框架，将预训练的VGG16 CNN用于特征提取，结合鲸鱼优化算法进行特征选择，并集成人工神经网络分类器，实现了高达98%的分类准确率	未提及外部验证数据集、模型泛化能力评估或临床部署的可行性分析	开发一种可靠、高效且自动化的多发性硬化症早期检测系统，以减少诊断延迟和资源负担	多发性硬化症患者的MRI图像	计算机视觉	多发性硬化症	MRI成像	CNN, ANN, SVM	图像	NA	NA	VGG16	准确率	NA
296	2026-01-30	PneuNet: a lightweight convolutional neural network with multiscale feature fusion for automated pneumonia detection from chest X-rays 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1713587 PMID:41601813	研究论文	本文提出了一种名为PneuNet的轻量级卷积神经网络，通过多尺度特征融合实现胸部X光片中肺炎的自动检测	设计了四项创新：深度可分离卷积提高计算效率，SE模块强调信息通道，ASPP模块捕获多尺度上下文，以及可学习的池化层（1×1卷积+sigmoid）替代固定全局平均池化，使模型能动态聚焦于肺炎相关区域	模型性能仍有提升空间，可通过数据增强、超参数调优、架构搜索和迁移学习进一步优化，且增加数据量有助于提升泛化能力	开发自动化肺炎筛查工具，辅助医疗诊断	胸部X光片	计算机视觉	肺炎	深度学习	CNN	图像	Kaggle胸部X光肺炎数据集，共5856张图像（训练集4646张，验证集586张，测试集624张）	NA	PneuNet（包含深度可分离卷积、SE模块、ASPP模块和可学习池化层）	准确率	NA
297	2026-01-29	SLID: a slit-lamp image dataset for deep learning-based anterior eye anatomical segmentation and multi-lesion detection 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1716501 PMID:41602210	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
298	2026-01-30	Artificial intelligence assessment of valvular disease and ventricular function by a single echocardiography view 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1684933 PMID:41602208	研究论文	本研究开发了一种仅使用单一切面二维心尖四腔心超声视图的深度学习模型，用于准确检测显著瓣膜疾病和心室功能障碍	首次证明仅使用单一超声切面（心尖四腔心视图）即可通过深度学习模型同时评估多种心脏结构和功能异常，包括瓣膜反流和心室功能障碍，且该模型在手持式超声设备采集的图像上也能保持良好性能	研究为单中心回顾性训练和前瞻性验证，需要多中心外部验证以评估泛化能力；模型仅评估了四种特定心脏异常，未涵盖所有可能的病理状态	评估深度学习模型在简化超声成像协议下，通过单一视图实现快速、准确的心脏功能筛查的可行性	心脏瓣膜疾病（二尖瓣反流、三尖瓣反流）和心室功能障碍（右心室功能障碍、左心室射血分数降低）	数字病理学	心血管疾病	超声心动图	深度学习模型	图像	回顾性分析120,127例超声心动图研究用于训练和验证；前瞻性队列包含209名患者	NA	NA	曲线下面积	NA
299	2026-01-30	Physics-constrained GAN boosts OAM correction in ocean turbulence 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1702056 PMID:41602298	研究论文	本研究提出了一种物理约束生成对抗网络，用于改善海洋湍流中轨道角动量的波前校正	将空间和频谱双重物理约束集成到深度学习框架中，以优化图像重建、模态纯度和频谱保真度	NA	提高海洋湍流环境下轨道角动量的波前校正性能	海洋湍流中退化的轨道角动量图像	计算机视觉	NA	NA	GAN	图像	NA	NA	NA	SSIM, 模态纯度, KL散度	NA
300	2026-01-30	Enhanced multi-class object detector for bone fracture diagnosis with prescription recommendation 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1692894 PMID:41602301	研究论文	本文提出了一种增强的多类目标检测器，用于长骨骨折诊断并附带处方推荐	引入了自适应锚点过程以提升区域提议网络和目标检测模型的性能，并整合了处方推荐功能，这在现有文献中较为缺乏	模型仅使用X射线图像作为输入，未涵盖多种模态的影像数据，且主要针对长骨骨折	开发一种计算效率高的深度学习模型，用于骨骨折诊断并提供治疗建议	长骨骨折的X射线图像	计算机视觉	骨骨折	X射线成像	目标检测模型	图像	NA	PyTorch, TensorFlow	Faster R-CNN, ResNet-50, ResNet-101, ResNext-50, ResNext-101	平均精度, F1分数, 精确率, 召回率	NA