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
461	2025-12-15	A robust deep learning framework for cerebral microbleeds recognition in GRE and SWI MRI 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103873 PMID:40886589	研究论文	本研究开发了一个基于深度学习的鲁棒框架，用于在GRE和SWI MRI中自动识别脑微出血	结合了3D CNN和基于YOLO的方法来处理复杂场景中的假阳性案例，并在多个公共和私有数据集上验证了其鲁棒性能	未明确提及模型在更广泛或更具挑战性的临床环境中的泛化能力限制	提高脑微出血检测的准确性，减少假阳性，并确保在临床和正常病例中的鲁棒性	脑微出血	计算机视觉	脑血管疾病	GRE MRI, SWI MRI	CNN, YOLO	图像	来自ADNI、AIBL、OATS和MAS四个数据集的MRI扫描	NA	3D CNN, YOLO	平衡准确率, AUC, 精确率, 灵敏度, F1分数	NA
462	2025-12-15	Hybrid quantum neural network models for fruit quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332528 PMID:41370242	研究论文	本研究探索了用于水果质量评估的混合量子神经网络，重点关注纠缠门选择的影响	提出了两种基于不同纠缠门（CNOT与CZ）的混合量子神经网络架构，并从门分解和硬件感知噪声角度提供了理论依据，表明CZ架构可能更稳定	研究为基础性计算研究，量子电路在经典硬件上执行，未在真实量子硬件上验证	研究量子机器学习算法中门级设计选择的作用，以指导未来算法开发	水果质量评估	机器学习	NA	量子神经网络	混合量子神经网络	图像	使用了MNIST、FruitQ数据集和自定义的苹果数据集	NA	NNQEv1, NNQEv2	测试准确率	经典硬件
463	2025-12-15	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	本研究利用深度学习方法分析海洋细菌Cobetia marina在不同温度下的生长动力学和生物膜形成的生物复杂性	开发了结合半自动双分类器和三分类器、新型分数阶导数生长分类方法以及SPOCU（Scaled Polynomial Constant Unit）激活函数的神经网络，用于分析温度依赖的微生物行为	研究仅针对单一模式生物Cobetia marina，结果可能无法直接推广到其他微生物物种	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	海洋细菌Cobetia marina及其通过pUTmini-Tn5-Km转座子生成的突变菌株	机器学习	NA	高通量筛选（96孔微孔板）、转座子突变	神经网络	微生物生长和生物膜形成数据	在8°C至41°C温度范围内进行实验，使用96孔微孔板确保足够的实验重复	NA	包含SPOCU激活函数的神经网络	与SELU和RELU激活函数的性能比较	NA
464	2025-12-15	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信的开源生物记录仪	开发了一种开源、非侵入式的多模态生物记录仪，可同步记录高质量音频与多种行为和环境传感器数据，支持无人机部署与GPS回收	当前实现主要针对抹香鲸通信研究，电池续航时间最长为16.8小时	促进多模态数据集的规模化收集以支持深度学习应用，并推动海洋动物生物学与通信研究	海洋动物（特别是抹香鲸）	生物声学	NA	生物记录技术，多传感器同步采集	NA	音频，传感器数据（压力、运动、方向、温度、光照），GPS数据	10次部署，44小时录音，20次潜水，最深967米	NA	NA	剪切粘附力，耐压深度（560米），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
465	2025-12-15	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，用于咖啡植物病害的鲁棒性图像分类	系统性地整合了GoogLeNet和ResNet18进行互补特征提取，并结合PCA/SVD降维与ANOVA/卡方检验特征选择，以提升模型泛化能力和计算效率	未明确提及模型在更广泛或不同环境数据集上的泛化性能测试，以及计算资源的具体配置细节	开发一种鲁棒的咖啡植物病害分类方法，以支持咖啡生产的可持续性	咖啡植物叶片病害图像	计算机视觉	植物病害	图像分类	CNN	图像	BRACOL数据集（具体样本数量未在摘要中明确给出）	未明确指定，可能为TensorFlow或PyTorch	GoogLeNet, ResNet18	准确率, 精确率, 召回率, F1分数	NA
466	2025-12-15	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	本文测试了多种基于锚点和无锚点、卷积和Transformer架构的传统计算机视觉深度学习模型，用于低资源环境下腹腔镜手术训练中的实时工具检测	首次在腹腔镜训练数据集上系统比较了多种最先进的深度学习模型，特别关注在低成本嵌入式设备上的实时性能，并强调了在资源受限环境中应用的可能性	研究基于新构建的内部腹腔镜训练数据集，可能缺乏外部验证；且模型主要针对训练环境（无烟雾、遮挡等挑战），未直接测试在真实手术环境中的表现	开发适用于低资源环境下外科手术训练的实时工具检测方法，以支持计算机辅助手术技能评估	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	新构建的内部腹腔镜训练数据集（具体数量未明确说明）	NA	YOLOv8-X, YOLOv11-N	mAP, F1-score, 推理时间, FPS	NVIDIA Jetson Orin Nano 8GB（低成本嵌入式硬件）
467	2025-12-15	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	本文提出了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）	提出了一种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架构，并设计了组多头交叉注意力聚合模块，以更好地建模像素间关系并降低计算成本	未在摘要中明确说明	提高医学图像中肝脏和肿瘤区域分割的准确性，以支持肝癌的诊断和治疗规划	肝细胞癌（HCC）患者的医学图像	数字病理学	肝癌	深度学习	CNN, 注意力机制	医学图像	使用了公开数据集LiTS2017和3DIRCADb，具体样本数量未在摘要中说明	NA	DGA-Net, 包含FSMF分支, MAHA分支和GMCA模块	Dice-per-case	NA
468	2025-12-15	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阶段的枣品种	首次将深度学习模型应用于Rutab阶段枣品种的分类，并开发了移动应用以促进文化保护和全球多样性认知	Rutab品种的分类在文献中代表性不足，且数据集仅包含八种流行类型	解决Rutab枣品种分类在文献中代表性不足的问题，通过图像识别技术进行分类	Rutab阶段的枣品种，包括八种流行类型	计算机视觉	NA	图像采集与深度学习	YOLOv12	图像	1,659张图像，涵盖八种Rutab类型	NA	YOLOv12	召回率	NA
469	2025-12-15	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，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	提出了一种混合量子-经典卷积神经网络，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学习更具判别性的特征	未明确讨论模型在更广泛或更具噪声的真实临床数据上的泛化能力，以及量子电路在实际硬件部署中的可行性	开发一种高效、高精度的痴呆症早期检测与分类方法	阿尔茨海默病等痴呆症患者的MRI脑部图像	量子机器学习, 医学影像分析	痴呆症, 阿尔茨海默病	MRI成像, 量子机器学习	混合量子-经典卷积神经网络, 知识蒸馏	MRI图像	ADNI-1、ADNI-2和OASIS-2三个基准MRI数据集	未明确指定，可能涉及PyTorch或TensorFlow等	QCNN, 经典CNN	准确率	未明确指定，但提及量子计算机可减少训练时间
470	2025-12-15	Predicting language outcome after stroke using machine learning: in search of the big data benefit 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103858 PMID:40773787	研究论文	本研究使用机器学习方法预测中风后语言恢复结果，探讨样本量对逻辑回归和深度学习模型性能的影响	通过对比逻辑回归与深度学习模型在预测中风后语言结果中的表现，发现简单模型在现有数据规模下与复杂模型性能相当，并揭示了神经影像数据可大幅降维而不损失准确性	当前数据集规模可能限制了模型性能的进一步提升，需要更大规模数据以捕捉更复杂的模式	评估机器学习模型在预测中风后语言恢复结果中的有效性，并探索样本量对模型性能的影响	758名英语中风患者	机器学习	中风	神经影像分析	逻辑回归, CNN	神经影像数据, 表格数据	758名患者	NA	ResNet-18	准确率	NA
471	2025-12-15	A fault diagnosis method for rotating machinery components based on enhanced YOLO v8 and integrated attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338387 PMID:41385552	研究论文	本文提出了一种基于增强YOLO v8和集成注意力机制的旋转机械部件故障诊断方法	通过引入Omni-dimensional Dynamic Convolution改进C2F模块，并融合CBAM注意力机制，以增强小目标故障特征提取并抑制不必要特征	NA	提高旋转机械部件故障诊断的准确性和可靠性	旋转机械部件，如轴承	计算机视觉	NA	连续小波变换	CNN	图像	NA	NA	YOLO v8	准确率	NA
472	2025-12-15	Precise energy modeling and green retrofitting optimization of existing buildings based on BIM and deep learning approaches 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337469 PMID:41385581	研究论文	本研究提出了一种结合Transformer、图神经网络和生成对抗网络的新方法，利用BIM数据进行建筑能效预测与绿色改造优化	首次将Transformer模型与图神经网络集成，用于建筑能效预测，并结合GAN生成多样化的绿色改造方案，增强了模型的时空学习能力和优化路径	未明确说明模型在非BIM数据环境或不同气候区域建筑中的泛化能力，也未详细讨论计算复杂性和实施成本	提高现有建筑的能效预测精度和绿色改造优化效果，以支持智能城市的可持续发展和节能减排目标	现有建筑及其BIM数据，包括空间结构、能耗模式和建筑组件关系	机器学习	NA	BIM数据建模，深度学习	Transformer, GNN, GAN	BIM数据（包含空间结构和能耗模式）	NA	NA	Transformer, GNN, GAN	节能效果（提升近4%），优于传统能效优化模型	NA
473	2025-12-14	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	本文提出了一种基于扩散模型正则化的新型高光谱解混方法，结合传统优化算法和深度生成模型的优势	将变分视角下的解混目标函数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，并通过分裂策略简化优化	未明确提及方法在计算效率或大规模数据集上的具体限制	克服传统模型驱动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	高光谱成像	扩散模型	图像	合成和真实数据集，具体数量未说明	NA	DDPM	未明确指定，但提及效率和性能优越性	NA
474	2025-12-14	A cross-domain framework for emotion and stress detection using WESAD, SCIENTISST-MOVE, and DREAMER datasets 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1659002 PMID:41376700	研究论文	本文提出了一种基于双深度学习框架的情绪和压力检测方法，利用WESAD、SCIENTISST-MOVE和DREAMER数据集进行跨域分析	结合了1D-CNN和时序Conformer架构，采用迁移学习和可解释AI技术，实现了跨数据集的情绪与压力检测	Grad-CAM提供的解释信息不明确，未能清晰指示信号中影响预测的具体部分	开发准确、鲁棒且可解释的情绪识别系统，用于心理健康监测和日常活动检测	生理和行为数据，包括生物信号（如ECG）和运动信号	机器学习	情绪和压力相关障碍	深度学习，特征工程，可解释AI	CNN, Transformer	生理信号数据，运动信号数据	WESAD、SCIENTISST-MOVE和DREAMER三个数据集的样本	未明确指定	1D-CNN, 时序Conformer	准确率, 精确率, 召回率, R2分数	NA
475	2025-12-14	Scoping review of image-based overall survival prediction in glioma using machine learning 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/209963 PMID:41376800	综述	本文通过范围综述系统评估了基于影像的胶质瘤总体生存预测模型，重点关注肿瘤特征、影像模态、预处理技术和机器学习方法	系统性地总结了胶质瘤影像生存预测的最新进展，强调了多模态MRI、深度学习与混合模型的潜力，并指出数据质量与特征选择比单纯增加样本量更重要	纳入研究存在图像质量有限、模型可解释性不足以及混合模型性能不一致等问题	评估胶质瘤患者基于影像的总体生存预测模型的现状与挑战	胶质瘤患者的影像数据与生存预测模型	数字病理	胶质瘤	多模态磁共振成像（MRI），包括T1加权增强MRI	深度学习模型，传统机器学习方法，混合模型	影像数据	约450例（平均数据集大小）	NA	NA	NA	NA
476	2025-12-14	Towards standardizing mitral transcatheter edge-to-edge repair with deep-learning algorithm: a comprehensive multi-model strategy 2025, Frontiers in network physiology DOI:10.3389/fnetp.2025.1701758 PMID:41376828	研究论文	本文开发了三种深度学习算法，用于标准化二尖瓣经导管缘对缘修复术的资格评估，结合超声心动图数据支持二尖瓣反流的全流程评估	提出了一种综合多模型策略，结合质量控制、动态4D瓣膜量化和小叶级解剖解释，首次将AI应用于M-TEER资格评估的全流程标准化	研究样本主要来自单一机构（蒙特利尔心脏研究所），可能限制模型的泛化能力；2D小叶级分割的平均Dice分数仅为0.534，表明某些解剖结构的性能有待提升	开发AI算法以标准化二尖瓣经导管缘对缘修复术的资格评估流程，辅助非专家中心完成从诊断到手术的整个决策过程	接受二尖瓣经导管缘对缘修复术患者的经胸超声心动图和经食管超声心动图数据	数字病理学	心血管疾病	经胸超声心动图, 经食管超声心动图	深度学习算法	超声心动图图像	TTE样本530例, TEE样本2,222例, 4D分割样本221例, 2D分割样本992例	NA	NA	准确率, 相关系数, p值, Dice系数	NA
477	2025-12-14	Artificial intelligence in hemovigilance: A narrative review on advancing blood safety and monitoring systems 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406306 PMID:41376849	综述	本文是一篇叙述性综述，探讨了人工智能在血液安全监测（输血警戒）中的应用潜力，包括数据整合、不良事件检测、个性化风险管理和血液供应链优化	系统性地回顾了人工智能（包括机器学习、深度学习、自然语言处理和预测分析）在输血警戒领域的应用，并提出了未来发展方向，如联邦学习、可解释人工智能和标准化	面临数据隐私、算法偏见、监管缺失以及对数据质量的依赖等挑战	探讨人工智能技术如何增强输血警戒系统，以提升患者安全和操作效率	输血警戒系统及其相关的数据、不良事件和血液供应链	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 预测分析	NA	非结构化临床数据	NA	NA	NA	NA	NA
478	2025-12-14	Interpretable Artificial Intelligence Decodes the Chemical Structural Essence of Twisted Intramolecular Charge Transfer and Planar Intramolecular Charge Transfer Fluorophores 2025, Research (Washington, D.C.) DOI:10.34133/research.1021 PMID:41377019	研究论文	本研究利用可解释机器学习方法，深入解析了扭曲分子内电荷转移和平面分子内电荷转移荧光团的化学结构本质	首次构建了真实世界的TICT和PICT数据集，并基于可解释机器学习建立了AI指导的结构规则，相比社区建议规则在准确性上提升了20%以上	NA	解码TICT和PICT荧光团的化学结构本质，以指导荧光探针的设计	D-π-A型荧光材料，特别是TICT和PICT荧光团	机器学习	NA	可解释机器学习，深度学习	深度学习	化学结构数据	NA	NA	NA	AUC	NA
479	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
480	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