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	2026-09-28	Automated extracellular volume fraction measurement for diagnosis and prognostication in patients with light-chain cardiac amyloidosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317741 PMID:39841643	研究论文	本研究评估了基于人工智能自动分割的T1 mapping参数在左心室肥厚患者中检测心脏淀粉样变性的诊断性能，以及在轻链型心脏淀粉样变性患者中的预后价值	使用人工智能自动化分割技术（Myomics-Q）提取细胞外体积分数，并将其纳入修订版Mayo分期系统以提高风险分层能力	样本量相对较小，仅纳入300例患者，且为单中心回顾性研究，需要更大规模的前瞻性多中心研究验证	评估基于AI自动分割的T1 mapping参数在左心室肥厚患者中检测心脏淀粉样变性的诊断性能，以及这些参数在轻链型心脏淀粉样变性患者中的预后价值	300例因左心室肥厚鉴别诊断而接受心脏磁共振检查的连续患者，包括50例确诊心脏淀粉样变性（39例轻链型，11例转甲状腺素蛋白型）、198例肥厚型心肌病、47例高血压性心脏病和5例法布里病	数字病理学	心血管疾病	心脏磁共振成像（CMR）T1 mapping、细胞外体积分数（ECV）测量	深度学习	图像	300例患者（50例心脏淀粉样变性、198例肥厚型心肌病、47例高血压性心脏病、5例法布里病）	NA	NA	诊断准确率、调整风险比、95%置信区间、p值、综合判别指数、分类净重分类指数	NA
62	2026-09-28	Gross tumor volume confidence maps prediction for soft tissue sarcomas from multi-modality medical images using a diffusion model 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100734 PMID:40123775	研究论文	本研究开发了一种基于扩散模型的神经网络，用于从多模态医学图像中预测软组织肉瘤的GTV置信图，以建模读者变异性。	利用扩散模型预测GTV置信图，建模读者变异性，并结合多模态医学图像（FDG-PET、CT、T1加权MRI）提高准确性。	样本量较小（仅49例患者），且仅与U-Net模型比较，未与其他先进方法进行广泛比较。	开发一种高度准确的自动勾画技术，建模读者变异性，用于软组织肉瘤的放疗计划。	软组织肉瘤患者的多模态医学图像（FDG-PET、CT、T1加权MRI）。	医学图像分析	软组织肉瘤	FDG-PET, CT, MRI	扩散模型	图像	51例患者（49例用于分析），每位患者由6位经验丰富的读者多次勾画GTV。	NA	扩散模型, U-Net	Dice指数, Hausdorff距离, 召回率, 精确率, Brier分数	NA
63	2026-09-28	Using deep learning to shorten the acquisition time of brain MRI in acute ischemic stroke: Synthetic T2W images generated from b0 images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316642 PMID:39761257	研究论文	本研究使用深度学习从弥散加权成像b0图像生成T2加权图像，以评估缩短急性缺血性卒中脑MRI采集时间的可行性	首次应用Hybrid-Fusion Network（Hi-Net）和pix2pix算法从b0图像合成T2W图像，并验证其在急性缺血性卒中影像中的可行性	样本量较小，仅53例患者；合成图像在眶部和鼻旁窦区域质量不佳；放射科医生误判率较高，约57%的合成图像被误认为真实图像	评估深度学习从弥散加权成像b0图像生成T2加权图像的可行性，以缩短急性缺血性卒中脑MRI的采集时间	53例接受头部磁共振成像的患者	医学图像合成	急性缺血性卒中	MRI	生成对抗网络	图像	53例患者，954对图像（训练集763对，测试集191对）	NA	Hi-Net, pix2pix	峰值信噪比（PSNR）, 结构相似性（SSIM）, 归一化均方误差（NMSE）, 五点Likert量表评分	NA
64	2026-09-28	Avoiding catastrophic overfitting in fast adversarial training with adaptive similarity step size 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317023 PMID:39774503	研究论文	本文提出了一种基于自适应相似步长的快速对抗训练方法（ATSS），通过根据输入噪声与梯度方向的相似性为每个样本确定扰动步长，生成对抗样本，以避免灾难性过拟合	首次根据输入噪声与梯度方向的相似性自适应确定每个样本的扰动步长，从而生成更具多样性的对抗样本，有效避免灾难性过拟合，同时保持高干净准确率	未明确说明在更大规模数据集或更复杂模型上的泛化能力，也未与其他防御方法（如TRADES）进行对比	解决快速对抗训练中因单步攻击导致对抗样本多样性不足、易发生灾难性过拟合的问题	深度神经网络（ResNet18和VGG19）在图像分类任务上的对抗鲁棒性	计算机视觉	NA	对抗训练	CNN	图像	CIFAR-10（60000张图像）、CIFAR-100（60000张图像）和Tiny ImageNet（100000张图像）	NA	ResNet18, VGG19	鲁棒准确率, 干净准确率	NA
65	2026-09-26	Automated Technique for Brain Tumor Detection From Magnetic Resonance Imaging Based on Local Features, Ensemble Classification, and YOLOv3 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5531209 PMID:41321695	研究论文	本文提出并评估了两种自动化脑肿瘤检测方法，一种基于SVM和KNN的集成分类，另一种基于YOLOv3深度学习模型，利用MRI图像进行检测	提出两种新颖的自动化脑肿瘤检测技术，一种使用集成分类（SVM和KNN），另一种使用YOLOv3深度学习模型来检测和勾勒肿瘤位置	集成分类器准确率仅为80.50%，相对较低；数据集来源有限，主要来自开源数据集和巴基斯坦拉合尔医院；未提及模型在大规模多中心数据上的泛化能力	开发一种新颖的自动化脑肿瘤检测技术，以解决传统方法在检测效率和准确性上的不足	脑部MRI图像，包括正常大脑和脑肿瘤图像	计算机视觉	脑肿瘤	MRI	SVM, KNN, YOLOv3	图像	开源数据集及巴基斯坦拉合尔医院收集的数据，具体样本量未提及	NA	YOLOv3, SVM, KNN	准确率, 精确率, 召回率, 平均IoU	NA
66	2026-09-26	Sex and age estimation from cardiac signals captured via radar using data augmentation and deep learning: a privacy concern 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1616770 PMID:41324021	研究论文	本研究首次探讨了利用雷达采集的心脏信号推断性别和年龄等人口统计信息，通过条件Wasserstein生成对抗网络进行数据增强，并使用卷积神经网络进行分类	首次研究从雷达采集的心脏信号中推断人口统计信息；首次针对此类信号应用基于条件Wasserstein生成对抗网络的数据增强方法	数据集规模较小，仅包含30名受试者；模型准确率有待进一步提升；研究结果基于有限样本，泛化能力需进一步验证	探究雷达采集的心脏信号是否可以用于推断性别和年龄等人口统计信息，以评估潜在的隐私风险	雷达采集的心脏信号及其对应的人口统计信息（性别和年龄）	机器学习	心血管疾病	雷达信号采集、时频分析（尺度图变换）、数据增强	CNN、cWGAN	雷达信号（尺度图图像）	30名受试者	NA	卷积神经网络（CNN）、条件Wasserstein生成对抗网络（cWGAN）	准确率	NA
67	2026-09-26	COVID-19 Persian Misinformation Detection on Instagram: A Comparative Analysis of Machine Learning and Deep Learning Methods 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70036 PMID:41340910	研究论文	该研究构建了一个包含27000条波斯语Instagram评论的新型标注数据集，并对比了机器学习与深度学习方法在COVID-19波斯语虚假信息检测中的性能	构建了首个针对Instagram上COVID-19波斯语虚假信息的标注数据集，并建立了深度学习方法在该独特数据集上的首个高性能基线	仅聚焦于波斯语和COVID-19相关虚假信息，数据集来源于单一社交平台Instagram	填补非英语语言虚假信息检测研究的空白，为Instagram上波斯语COVID-19虚假信息检测建立综合性能基准	Instagram上的波斯语COVID-19相关评论	自然语言处理	COVID-19	TF-IDF嵌入, GloVe嵌入	XGBoost, LSTM, CNN, KNN, BERT	文本	27000条波斯语Instagram评论	NA	XGBoost, LSTM, CNN, KNN, BERT	准确率, 精确率, 召回率, F1-score, 混淆矩阵	NA
68	2026-09-26	Detection of leptomeningeal angiomas in brain MRI of Sturge-Weber syndrome using multi-scale multi-scan Mamba 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1699700 PMID:41341263	研究论文	本文提出了一种基于Mamba的多尺度多扫描编码器-解码器架构，用于在Sturge-Weber综合征的脑部MRI中自动检测软脑膜血管瘤	提出了多尺度多扫描策略，将3-D体积转换为1-D序列，在降低计算复杂度的同时捕捉长程依赖关系；采用基于Mamba的编码器-解码器架构	样本量较小（仅40例SWS患者），需要在更大规模的多中心数据集上进一步验证	研究Sturge-Weber综合征患者MRI中软脑膜血管瘤的自动检测方法	40例Sturge-Weber综合征患者的T1增强MRI图像	计算机视觉	Sturge-Weber综合征	MRI	Mamba	图像	40例Sturge-Weber综合征患者的T1增强MRI图像，以及公共脑肿瘤分割数据集	NA	Mamba编码器-解码器架构	Dice系数	NA
69	2026-09-26	YOLO-PLNet: a lightweight real-time detection model for peanut leaf diseases based on edge deployment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1707501 PMID:41341300	研究论文	该文章提出了一种面向边缘部署的轻量级实时花生叶病害检测模型YOLO-PLNet，并在Jetson Orin NX平台上验证了其性能	基于YOLO11n进行轻量化改进，引入轻量级注意力增强卷积模块、CBAM注意力机制和渐近特征金字塔网络，在降低参数量的同时提升了检测精度和边缘部署适应性	仅在Jetson Orin NX平台上进行了验证，未在其他边缘设备上测试；数据集规模未明确说明；INT8精度下检测精度略有下降	解决现有轻量级深度学习方法在模型大小、实时检测精度和边缘设备部署之间难以平衡的问题，实现花生叶病害的早期准确检测	花生叶片病害	计算机视觉	植物病害	深度学习目标检测	CNN	图像	NA	NA	YOLO11n, Lightweight Attention-Enhanced Convolution, CBAM, Asymptotic Feature Pyramid Network	mAP@0.5, mAP@0.5:0.95, 参数量, 计算复杂度, 模型大小, 延迟, FPS, GPU使用率, 功耗	Jetson Orin NX平台, CSI相机, FP16和INT8精度
70	2026-09-26	Advances in deep reinforcement learning enable better predictions of human behavior in time-continuous tasks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338034 PMID:41343519	研究论文	本文通过记录人类参与者在三个街机游戏中的运动反应，并使用深度Q网络（DQN）的刺激特征预测人类行为，比较了不同DQN模型的预测准确性	使用最新深度强化学习模型（Ape-X和SEED）预测人类在时间连续任务中的行为，并分析时间分辨率对预测准确性的影响	样本量较小（N=23），且仅涉及三个街机游戏，可能限制结果的普遍性	探讨深度强化学习的进步是否能改善对复杂、时间连续环境中人类行为的建模	人类参与者的运动反应数据	机器学习	NA	深度强化学习	DQN	图像	23名人类参与者	NA	Ape-X, SEED, 基线DQN, LSTM	预测准确性	NA
71	2026-09-26	CottonNet-MHA: a multi-head attention-based deep learning framework for cotton disease detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1664242 PMID:41358337	研究论文	本文提出了一种基于多头注意力机制的深度学习框架CottonNet-MHA，用于棉花叶片病害检测，并与五种预训练迁移学习模型进行了对比，同时利用Grad-CAM增强模型可解释性，并开发了Web应用。	提出了新颖的CottonNet-MHA框架，采用多头注意力机制增强特征学习并突出病害区域；结合Grad-CAM可视化提高模型可信度和可解释性；开发了基于Web的应用以实现实际部署。	摘要中未明确提及研究的局限性。	构建基于深度学习的方法来检测棉花作物病害，实现早期发现和准确识别，以确保作物健康生长和更高产量。	棉花叶片病害	计算机视觉	植物病害	深度学习	多头注意力机制	图像	NA	NA	CottonNet-MHA, VGG16, VGG19, InceptionV3, Xception, MobileNet	准确率, 效率	NA
72	2026-09-26	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基于肠道微生物组的炎症性肠病研究中如何重塑疾病分类、亚型区分和治疗反应预测，并总结了其优势、局限及临床转化的关键考虑。	从整合视角系统阐述机器学习和深度学习如何将复杂的微生物组数据转化为炎症性肠病临床可操作的见解，强调标准化微生物组检测、严格基准测试和多组学数据整合对未来进展的重要性。	未涉及具体数据或实验验证，属于综述性总结，缺乏原创性实验证据	提供一个整合视角，总结机器学习和深度学习在微生物组驱动的炎症性肠病研究中的优势、局限及临床转化的关键考虑	炎症性肠病相关的肠道微生物组数据及机器学习/深度学习分析方法	机器学习	炎症性肠病	NA	NA	NA	NA	NA	NA	NA	NA
73	2026-09-26	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	本文是一篇范围综述，系统评估了基于影像的胶质瘤总生存期预测模型，涵盖肿瘤特征、影像模态、预处理技术和机器学习方法	系统性地梳理了基于影像的胶质瘤总生存期预测模型的研究现状，从肿瘤特征、影像模态、预处理技术和机器学习方法多个维度进行全面分析，并揭示了数据质量和特征选择比单纯增加样本量更为关键这一重要发现	混合模型性能不一致，受限于图像质量不足和模型可解释性问题；深度学习模型需要大规模且平衡的数据集	系统评估基于影像的胶质瘤总生存期预测模型的最新技术水平，为优化治疗决策提供参考	胶质瘤患者	数字病理学	脑癌	多模态磁共振成像（MRI）、图像分割、特征提取	CNN	图像	纳入70篇文章，数据集平均约450例	NA	NA	NA	NA
74	2026-09-26	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框和无锚框、卷积和Transformer的传统计算机视觉深度学习模型，在新构建的腹腔镜箱式训练器数据集上，于低成本嵌入式设备上实现实时手术工具检测，以支持资源受限环境下的外科培训	构建了新的内部腹腔镜箱式训练器数据集，并在低成本嵌入式设备（NVIDIA Jetson Orin Nano 8GB）上系统评估了多种传统计算机视觉模型（包括锚框/无锚框、卷积/Transformer架构）在体外训练场景中的实时工具检测性能	研究仅基于内部数据集，样本来源单一；模型在体外训练场景中评估，未验证其在体内手术环境中的泛化能力；未涉及下游手术技能评估的具体实现	在低资源环境下，利用计算机辅助手术技能评估替代培训过程，通过实时工具检测从手术视频中获取手术技能评估的洞察	腹腔镜箱式训练器数据集中的手术工具	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	YOLOv8-X, YOLOv11-N	mAP, FPS, 推理时间	NVIDIA Jetson Orin Nano 8GB
75	2026-09-26	Early Dengue Prediction in Bangladesh: A Comparative Study With Feature Analysis, Explainable Artificial Intelligence, and Model Optimization 2025, Journal of tropical medicine IF:2.1Q2 DOI:10.1155/jotm/1709439 PMID:41399677	研究论文	本研究对13种机器学习和深度学习模型进行了比较分析，用于基于症状的早期登革热预测，重点针对孟加拉国人群，并使用SHAP进行可解释性分析。	针对孟加拉国人群，基于症状的登革热预测，对13种模型进行全面比较，并采用SHAP进行可解释性分析，突出了定制调优ANN的优越性。	数据集仅包含500条患者记录，样本量有限，可能影响模型的泛化能力。	开发并比较基于非临床、症状的机器学习模型，用于孟加拉国的早期登革热预测。	登革热患者症状数据。	机器学习	登革热	NA	ANN, 随机森林, 额外树, Bagging, 逻辑回归, SGDClassifier, 基于实例的分类器	表格数据（症状特征）	500条患者记录，22个症状特征	NA	人工神经网络, 随机森林, 额外树, Bagging, 逻辑回归, SGDClassifier, 基于实例的分类器	准确率	NA
76	2026-09-26	PRISM: Past-Regularized Iterative Self-Distillation With Momentum for Polyp Segmentation 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70050 PMID:41409574	研究论文	提出一种基于动量的自蒸馏方法PRISM，用于结肠息肉分割，在不增加推理成本的情况下提升分割性能	使用指数移动平均（EMA）构建时间平滑的教师模型，提供稳定自适应的监督信号，无需存储或重用过去的预测，且不增加额外推理成本	未明确说明	提高息肉分割的准确性和泛化能力，同时降低对大量标注数据和计算资源的依赖	结肠息肉	计算机视觉, 医学图像分割	结直肠癌	深度学习, 自蒸馏, 指数移动平均	CNN	图像	来自五个不同医疗中心的结肠镜数据集，并在一个未见过的独立数据集上验证	PyTorch	未明确说明	Dice系数, IoU	未明确说明
77	2026-09-26	Anatomically refined entorhinal cortex segmentation improves MRI-based early diagnosis of Alzheimer's disease 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1682106 PMID:41415891	研究论文	该研究开发了一种结合专家解剖校正与深度学习的精细内嗅皮层分割框架，以提高基于MRI的阿尔茨海默病早期诊断灵敏度	提出了一种精细的内嗅皮层分割框架，将专家引导的解剖校正与深度学习相结合，通过去除前嗅周皮层延伸和其他解剖不一致区域来改进FreeSurfer衍生的内嗅皮层标签，并训练nnU-Net模型实现解剖精确且可扩展的内嗅皮层勾画	摘要中未明确说明研究的局限性	开发一种解剖精细的内嗅皮层分割方法，以改善基于MRI的阿尔茨海默病早期诊断生物标志物的灵敏度	阿尔茨海默病神经影像学倡议1（ADNI1）的MRI数据，包括认知正常、轻度认知障碍和阿尔茨海默病受试者	数字病理学、计算机视觉	阿尔茨海默病	磁共振成像（MRI）、深度学习分割	CNN	图像	NA	NA	nnU-Net	NA	NA
78	2026-09-26	Drug response in the era of precision medicine: A methodological review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.067 PMID:41446807	综述	本文系统综述了药物反应预测的方法学，提出了基于数据-反应关系的统一分类框架，并讨论了评估策略、趋势与挑战	提出了基于数据-反应关系的统一分类框架，包括单一数据类型与反应向量、单一数据类型与反应矩阵、多数据类型与反应，从而能够跨疾病和数据类型比较统计与机器学习模型	作为综述，未开展原始实验验证；可能未覆盖所有最新方法；分类框架的普适性需进一步检验	系统概述药物反应预测的现有方法学，聚焦输入数据结构、反应变量定义和所用数据类型，并讨论评估策略与未来方向	药物反应预测的相关研究与方法	机器学习	NA	NA	统计模型, 机器学习, 深度学习	分子数据, 药理数据, 医学影像数据	NA	NA	NA	NA	NA
79	2026-09-26	AI-driven advances in plant biotechnology: sharpening the edge of plant tissue culture and genome editing 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718810 PMID:41451278	综述	本文综述了人工智能在植物组织培养和基因组编辑中的应用进展，重点探讨了机器学习、人工神经网络和深度学习在优化培养方案、预测CRISPR/Cas9编辑结果及蛋白质结构等方面的作用	系统整合了多种ML/DL/ANN模型在CRISPR/Cas编辑中的应用研究，全面展示了AI如何变革植物组织培养和基因组编辑领域，并强调了AI提高生物技术实践效率和精确度的潜力	AI驱动的CRISPR建模在植物中的应用尚未被充分探索，相关研究仍然有限	探讨AI在植物组织培养和基因组编辑领域的应用现状，综述代表性ML/DL/ANN模型，并为未来研究指明方向	植物组织培养方案、CRISPR/Cas9基因组编辑、蛋白质结构预测、基因编辑工具定向进化	机器学习	NA	CRISPR/Cas9基因组编辑	CNN, ANN, 深度学习	NA	NA	NA	NA	NA	NA
80	2026-09-25	Recent advances in deep learning for lymphoma segmentation: Clinical applications and challenges 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251362508 PMID:40735544	综述	本文综述了基于深度学习的淋巴瘤分割研究进展，比较了传统方法，并深入分析了数据集特征、模型骨干网络、网络结构调整和模型性能，探讨了临床转化潜力与挑战	系统性地对基于深度学习的淋巴瘤分割研究进行了比较分析，深入总结了数据集特征、模型骨干网络、网络结构调整和性能，并聚焦于临床实际应用中的转化潜力与挑战	未涉及原始实验验证，缺乏对具体模型的定量对比和统一基准评估	综述深度学习在淋巴瘤分割中的研究进展及其临床应用与挑战	淋巴瘤分割研究文献，涉及PET/CT、CT和MRI影像	数字病理学, 计算机视觉	淋巴瘤	PET/CT, CT, MRI	NA	图像	NA	NA	NA	NA	NA