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
61	2026-01-03	Long-term, automated stool monitoring using a novel smart toilet: A feasibility study 2025-Jan, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.14954 PMID:39486001	研究论文	本研究评估了一种新型智能马桶在长期自动收集粪便图像数据方面的可行性，并开发了一种基于计算机视觉的分析方法来根据布里斯托大便形态量表评估大便形态	开发了一种结合深度学习分割和数学定义手工特征的新型智能马桶系统，用于长期、非侵入性的自动化大便形态监测	研究仅涉及六名健康志愿者，样本量较小，且未在临床患者群体中进行验证	评估智能马桶系统在自动化大便形态监测中的可行性和准确性，以消除患者自我报告的负担	六名健康志愿者的粪便图像数据	计算机视觉	NA	图像采集与分析	深度学习分割模型	图像	474张大便图像，来自六名健康志愿者，平均监测期为10个月	NA	NA	准确率, 灵敏度, 特异性	NA
62	2026-01-03	SpaRG: Sparsely Reconstructed Graphs for Generalizable fMRI Analysis 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_5 PMID:39758707	研究论文	提出一种基于稀疏化和自监督的方法SpaRG，用于提高静息态功能磁共振成像（rs-fMRI）分析的泛化性，通过联合训练稀疏输入掩码、变分自编码器和下游分类器来识别高度信息化的功能连接	在训练过程中识别并保留一小部分高度信息化的功能连接，同时利用未标记数据优化稀疏掩码和变分自编码器，以提高模型在不同采集站点间的泛化能力	方法依赖于部分标记样本训练分类器，且仅针对相对粗糙的脑区划分（64个区域）进行了评估，可能未覆盖更精细的脑网络分析	提高rs-fMRI数据在精神病学障碍和个人特质分析中的泛化性和可解释性	静息态功能磁共振成像（rs-fMRI）数据，特别是来自公共ABIDE数据集的样本	机器学习	精神病学障碍	功能磁共振成像（fMRI）	变分自编码器（VAE），分类器	图像（fMRI数据）	来自18个站点的标记案例，以及两个额外分布外站点的部分未标记样本	NA	变分自编码器（VAE）	分类准确率	NA
63	2026-01-03	ShaderNN: A Lightweight and Efficient Inference Engine for Real-time Applications on Mobile GPUs 2025-Jan-01, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2024.128628 PMID:39802630	研究论文	本文提出了一种基于OpenGL的轻量级高效推理引擎ShaderNN，专为移动设备GPU设计，以优化实时应用中的深度学习推理性能	首次在神经网络推理算子中利用基于OpenGL后端的片段着色器，提出纹理输入/输出实现零拷贝集成，并采用计算着色器与片段着色器的混合实现进行层级别着色器选择	主要针对参数较小的神经网络模型部署，可能不适用于大规模复杂模型	开发适用于移动设备GPU的轻量级高效深度学习推理框架，以解决计算能力有限、功耗预算低及数据移动最小化等挑战	移动设备GPU上的深度学习推理引擎	机器学习	NA	NA	NA	图像	NA	OpenGL	NA	NA	搭载高通和联发科芯片的最新移动设备
64	2026-01-03	Zero-Shot Adaptation for Approximate Posterior Sampling of Diffusion Models in Inverse Problems 2025, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-73010-8_26 PMID:39831070	研究论文	本文提出了一种零样本近似后验采样方法（ZAPS），用于加速扩散模型在逆问题中的推理过程	提出ZAPS方法，通过零样本训练学习不规则时间步的对数似然权重，并采用可学习的对角化Hessian近似提高计算效率	未明确说明方法在更复杂逆问题或更大规模数据集上的泛化能力	解决扩散模型在逆问题中推理速度慢的问题	扩散模型在逆问题中的应用	计算机视觉	NA	扩散模型，零样本学习	扩散模型	图像	NA	NA	扩散后验采样	重建质量，推理时间	NA
65	2026-01-03	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	本研究开发并评估了一种基于集成深度学习的模型，用于自动化检测和分割CT扫描中的肺部肿瘤	采用基于3D U-Net的图像多分辨率集成模型，平衡了体积上下文与分辨率，实现了稳健的肿瘤检测与分割，并能泛化到外部站点	研究为回顾性研究，可能受限于数据收集的偏差；模型性能在特定子集上（如单个肿瘤）表现良好，但在更复杂情况（如多发性转移）的泛化能力未详细评估	开发自动化工具以辅助肺部肿瘤的检测和分割，减少人工勾画的劳动强度和医生间差异	CT模拟扫描图像及临床肺部肿瘤分割标注	计算机视觉	肺癌	CT扫描	深度学习	3D医学图像	训练集：1,504个CT扫描；测试集：150个CT扫描（包括内部和外部数据集）	NA	3D U-Net	灵敏度, 特异性, 假阳性率, Dice相似系数	NA
66	2026-01-03	Multi-Source Data and Knowledge Fusion via Deep Learning for Dynamical Systems: Applications to Spatiotemporal Cardiac Modeling 2025, IISE transactions on healthcare systems engineering IF:1.5Q3 DOI:10.1080/24725579.2024.2398592 PMID:40248641	研究论文	本文提出了一种基于深度学习的多源数据与知识融合框架，用于时空动态系统，特别应用于心脏电动力学建模	该框架通过捕捉基于物理的信息流实现有效数据融合，并利用图拉普拉斯算子整合3D系统的几何信息，以增强时空预测建模的鲁棒性	NA	开发一个融合多源传感数据和基础物理知识的可靠预测建模框架，用于时空动态系统	心脏电动力学系统，包括健康和疾病状态下的心脏条件	机器学习	心血管疾病	NA	深度学习	多源传感数据，时空数据	NA	NA	NA	NA	NA
67	2026-01-03	Leveraging deep learning models to increase the representation of nomadic pastoralists in health campaigns and demographic surveillance 2025, PLOS global public health DOI:10.1371/journal.pgph.0004018 PMID:40273062	研究论文	本文提出了一种基于计算机视觉的方法，利用深度学习模型自动从卫星图像中定位游牧牧民定居点，以提高健康服务和人口监测中的代表性	开发了一种结合公共道路和水基础设施数据的新型训练策略，以弥补标记定居点数据不足带来的性能差距	依赖于卫星图像数据，可能受图像分辨率和覆盖范围限制，且模型在未训练区域泛化能力未明确评估	提高游牧牧民在健康服务和人口监测中的代表性，通过自动化方法定位其定居点	埃塞俄比亚奥莫河谷和肯尼亚桑布鲁县的游牧牧民定居点	计算机视觉	NA	卫星遥感	深度学习模型	卫星图像	约1,000个历史活跃定居点的标记卫星图像数据集	NA	NA	NA	NA
68	2026-01-03	Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI 2025, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-74561-4_16 PMID:40365134	研究论文	本文提出了一种通过潜在空间正则化提升MRI脑部多标签诊断模型可解释性的方法	引入基于成对解缠的潜在空间正则化技术，使潜在空间中的表示差异与神经心理学测试分数差异对齐	样本规模相对有限（共519例），且仅针对特定认知障碍疾病进行评估	提升基于深度学习的MRI脑部多标签诊断模型的可解释性	脑部MRI图像及对应的认知障碍诊断标签	计算机视觉	认知障碍疾病	MRI成像	多标签分类器	图像	519例（156例对照、165例轻度认知障碍、166例HIV相关认知障碍、32例HIV无认知障碍）	NA	NA	平衡准确率	NA
69	2026-01-03	Time Scale Network: An Efficient Shallow Neural Network For Time Series Data in Biomedical Applications 2025-Jan, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2024.3443659 PMID:40370581	研究论文	提出了一种用于生物医学时间序列数据的高效浅层神经网络——时间尺度网络	将离散小波变换的平移和膨胀序列与传统卷积神经网络结合，以极少的参数和计算量同时学习多个时间尺度的特征	未明确说明网络对特定信号类型或噪声水平的鲁棒性	开发适用于计算或数据受限环境的实时处理和边缘设备应用的高效时间序列分类方法	生物医学时间序列数据（ECG和EEG信号）	机器学习	心血管疾病	ECG信号分析, EEG信号分析	CNN	时间序列数据	NA	NA	时间尺度网络	准确率, 准确率-参数比, 准确率-操作比	NA
70	2026-01-03	Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images 2025, Simplifying medical ultrasound : 5th international workshop, ASMUS 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, proceedings. ASMUS (Workshop) (5th : 2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-73647-6_13 PMID:40463734	研究论文	本文评估了基于人机交互的3D交互式分割模型在胎盘分割任务中的性能，并与现有公开模型进行对比	首次将人机交互模型应用于3D超声图像的胎盘分割任务，并评估其效率和效果	未提及模型在更大规模或多样化数据集上的泛化能力	开发一种高效且准确的交互式胎盘分割方法，以替代耗时的手动标注	3D超声图像中的胎盘	医学影像	妊娠相关疾病	3D超声成像	深度学习交互式分割模型	3D图像	NA	NA	Segment Anything Model (SAM) 启发模型	Dice分数, 归一化表面Dice, 平均对称表面距离, 95百分位Hausdorff距离	NA
71	2026-01-03	Prediction of urban heat island intensity based on multiple linear regression and deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339782 PMID:41460956	研究论文	本研究构建了CNN-LSTM-Attention模型预测遥感光谱指数，并结合CA-Markov模型预测土地利用变化，以预测和分析城市热岛强度及其未来分布	结合了深度学习模型（CNN-LSTM-Attention）与CA-Markov模型来预测土地利用变化和城市热岛强度，并利用多元线性回归分析了多种光谱指数与热岛强度的关系	未明确说明模型在不同城市或气候条件下的泛化能力，也未详细讨论预测结果的不确定性	预测和分析城市热岛强度及其未来分布，为城市规划和环境政策制定提供依据	城市热岛效应、土地利用变化、遥感光谱指数	机器学习和环境科学交叉领域	NA	遥感光谱分析、土地利用变化预测	CNN, LSTM, Attention机制, CA-Markov模型, 多元线性回归	遥感数据、光谱指数数据、土地利用数据	NA	NA	CNN-LSTM-Attention, CA-Markov	R², RMSE	NA
72	2026-01-03	Real-world evaluation of deep learning decoders for motor imagery EEG-based BCIs 2025, Frontiers in systems neuroscience IF:3.1Q2 DOI:10.3389/fnsys.2025.1718390 PMID:41472918	研究论文	本研究评估了10种深度学习解码器在基于运动想象脑电图的脑机接口中的实时应用性能	首次在软实时协议下系统评估多种深度学习解码器在短时间窗口（2秒）内的表现，并揭示了离线与在线设置间的性能排名变化	注意力机制和Transformer架构在跨被试和会话中表现不稳定，可能受限于样本量和个体差异	评估深度学习解码器在实时脑机接口中的适用性，为在线优先的脑电图解码器设计提供指导	运动想象脑电图信号	机器学习	NA	脑电图	CNN, TCN, Transformer	脑电图信号	NA	NA	FBLight ConvNet, EEG-TCNet, 卷积神经网络, 时间卷积网络, Transformer	准确率, 灵敏度, 精确率, 误中率, 误报率, 信息传输率, 工作量	NA
73	2026-01-03	Automated weed monitoring and control: enhancing detection accuracy using a YOLOv7-AlexNet fusion network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1664650 PMID:41473147	研究论文	本研究提出了一种结合YOLOv7和AlexNet的混合深度学习系统，用于农业场景中的杂草自动监测、检测和物种分类	提出了一种新颖的YOLOv7-AlexNet混合网络，利用YOLOv7进行快速杂草检测，并利用AlexNet提高杂草物种分类的特异性，从而在密集环境中实现更精细的识别	数据集需要扩展以涵盖更多杂草物种和环境条件，且模型尚未在田间计算机上部署验证其实际应用效果	提高农业杂草监测的检测精度和分类能力，实现高效、鲁棒的实时杂草检测与分类	农业场景中的杂草	计算机视觉	NA	深度学习	CNN	图像	未明确说明	未明确说明	YOLOv7, AlexNet	精确率, 召回率, F1分数, mAP@0.50, mAP@0.5:0.95	未明确说明
74	2026-01-03	An intelligent MRI data fusion framework for optimized diagnosis of spinal tumors 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606570 PMID:41473174	研究论文	提出了一种名为TSJNet的新型多模态图像融合框架，用于优化脊柱肿瘤的诊断	提出了一种新颖的目标与语义联合驱动网络（TSJNet），通过融合模块与检测、分割子网络的集成，以及具有双分支设计的局部显著特征提取（LSFE）模块，增强了细粒度的跨模态特征交互	NA	开发一种多模态图像融合框架，以支持下游视觉任务，特别是优化脊柱肿瘤的诊断	多模态医学图像（MRI）	计算机视觉	脊柱肿瘤	多模态图像融合	深度学习	图像	在四个公共数据集（MSRS, M3FD, RoadScene, LLVIP）上进行了评估	NA	TSJNet	mAP@0.5, mIoU	NA
75	2026-01-03	Can artificial intelligence uncover the bioactive peptides' benefits for human health and knowledge? A narrative review 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1698147 PMID:41473198	综述	本文是一篇叙述性综述，探讨了人工智能（尤其是机器学习和深度学习）在发现、表征和应用源自食物的生物活性肽和氨基酸方面的革命性作用	综述了AI如何通过预测建模、分子动力学模拟和自然语言处理等方法，加速生物活性肽的发现，优化提取过程，并实现个性化营养策略，揭示了AI在功能性食品开发和精准营养领域的变革潜力	存在数据质量、模型可解释性、跨学科合作不足等挑战，缺乏标准化数据库，且在个性化营养指导方面存在伦理审批和隐私法律协议的需求	探讨人工智能在食品科学中，特别是对生物活性肽和氨基酸的发现、表征及应用方面的作用，以促进功能性食品开发和精准营养	源自植物和动物性食物的生物活性肽和氨基酸	自然语言处理, 机器学习	非传染性疾病	预测建模, 分子动力学模拟, 自然语言处理, 组学技术（如营养基因组学、蛋白质组学）	机器学习, 深度学习	文本, 分子数据	NA	NA	NA	NA	NA
76	2026-01-03	Prediction of 131I uptake in lung metastases of differentiated thyroid cancer using deep learning 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1697233 PMID:41473240	研究论文	本研究开发了一个深度卷积神经网络模型，用于预测分化型甲状腺癌肺转移灶的131I摄取能力	首次利用深度学习方法基于胸部CT图像预测分化型甲状腺癌肺转移灶的131I摄取能力，为放射性碘治疗前的患者筛选提供了新工具	研究为回顾性、多中心设计，可能存在选择偏倚；样本量相对有限，且模型性能仍有提升空间	开发一个深度学习模型，用于预测分化型甲状腺癌肺转移灶的131I摄取能力，以指导放射性碘治疗	分化型甲状腺癌（DTC）患者的肺转移灶	数字病理学	甲状腺癌	胸部CT成像，131I全身扫描	CNN	图像	主要数据集：261名患者（140名131I摄取阳性，121名阴性）；内部验证集：59名患者；外部验证集1：43名患者；外部验证集2：41名患者	NA	ResNeSt50, Inception V3, ResNet50	AUC	NA
77	2026-01-03	Toward accurate Alzheimer's detection: transfer learning with ResNet50 for MRI-based diagnosis 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1664418 PMID:41473412	研究论文	本研究提出了一种基于预训练ResNet50卷积神经网络的自动特征提取方法，用于从脑部MRI扫描中检测阿尔茨海默病，并通过多种分类算法进行评估	采用预训练的ResNet50模型进行迁移学习，实现了自动特征提取，避免了传统方法中手动特征提取的繁琐过程，显著提高了诊断的准确性和可扩展性	研究主要基于两个公开数据集（ADNI和MIRIAD），可能未涵盖所有临床场景的多样性；模型性能在不同数据集间存在一定波动	开发一种自动化、高准确性的阿尔茨海默病检测方法，以支持临床工作流程并应对未来病例增长的需求	阿尔茨海默病患者及健康对照的脑部MRI扫描数据	计算机视觉	阿尔茨海默病	MRI成像	CNN	图像	基于ADNI和MIRIAD两个基准数据集，具体样本数量未在摘要中明确说明	未在摘要中明确说明	ResNet50	灵敏度, 特异性, 准确率	未在摘要中明确说明
78	2026-01-03	EnsembleSkinNet: a transfer learning-based framework for efficient skin cancer detection with explainable AI integration 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1699960 PMID:41473432	研究论文	本文提出了一种基于迁移学习的集成深度学习框架EnsembleSkinNet，用于高效皮肤癌检测，并整合了可解释AI技术	通过软最大值加权谱融合多种预训练CNN架构（M-VGG16、ResNet50、Inception V3、DenseNet201），结合迁移学习、微调和贝叶斯超参数优化，提高了模型的鲁棒性和可解释性	未明确提及模型在更广泛数据集或临床环境中的泛化能力限制	开发一个鲁棒、可解释的AI框架，用于皮肤癌的早期检测和诊断	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN	图像	HAM10000数据集和ISIC 2020数据集	TensorFlow, PyTorch	Modified VGG16, ResNet50, Inception V3, DenseNet201	准确率, 精确率, 召回率, F1分数, AUC	NA
79	2026-01-03	From situational interest and state curiosity to personal interest: developmental pathways and underlying mechanisms 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1700208 PMID:41473513	综述	本文回顾并整合了教育心理学、认知神经科学和动机科学的视角，提出了从情境兴趣和状态好奇心发展到个人兴趣的两条发展路径及其核心机制	提出了一个整合性框架，首次将情境兴趣和状态好奇心作为两条独立但最终汇聚到个人兴趣的发展路径，并明确了奖励处理作为核心机制的作用	作为一篇理论综述，缺乏直接的实证数据支持；提出的发展路径和机制仍需未来研究进一步验证	探讨短暂动机状态（情境兴趣和状态好奇心）如何发展为稳定的个人兴趣	个人兴趣的发展过程及其心理机制	教育心理学	NA	NA	NA	NA	NA	NA	NA	NA	NA
80	2026-01-03	Topological Radiomics in Predicting Mucosal Healing and Activity Score of Crohn's Disease Using Multi-Task Deep Learning 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S555403 PMID:41473601	研究论文	本文开发了一种基于拓扑放射组学的多任务深度学习模型，用于同时预测克罗恩病的黏膜愈合状态和内镜活动评分	首次将拓扑放射组学特征与多任务深度学习结合，用于克罗恩病的非侵入性评估，并整合了特征选择和SHAP可解释性方法	样本量较小（仅81名患者），未来需要更大规模队列研究进一步验证其稳健性	开发非侵入性定量方法，以替代内镜检查，评估克罗恩病的活动性和黏膜愈合	克罗恩病患者	数字病理学	克罗恩病	多期相CT小肠造影	多任务深度学习模型	医学影像（CT图像）	81名克罗恩病患者（训练集60人，验证集21人）	NA	NA	AUC, MSE, MAE, R2, C-index	NA