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
781	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
782	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
783	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
784	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
785	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
786	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
787	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
788	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
789	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
790	2025-12-13	Artificial intelligence techniques applied to anxiety disorders recognition: a systematic review 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1646724 PMID:41368658	系统综述	本文对人工智能技术在焦虑症识别领域的应用进行了系统性综述，分析了当前方法的准确性和研究范围	首次系统性地综述了人工智能技术在焦虑症识别领域的应用，比较了不同数据源和AI技术的性能，并指出AI方法相比传统检测测试具有更高的准确性	排除了仅关注抑郁症的研究和缺乏实验数据集的研究，可能遗漏了相关领域的重要进展	分析人工智能技术在焦虑症检测方法中的应用现状，为研究人员、临床医生和技术开发者提供该领域的全面概述	焦虑症检测方法	自然语言处理, 机器学习	焦虑症	机器学习, 深度学习	NA	自我报告数据, 生理数据, 社交网络数据	119项研究	NA	NA	准确性	NA
791	2025-12-12	Building extraction from remote sensing imagery using SegFormer with post-processing optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338104 PMID:41359638	研究论文	本研究提出了一种基于SegFormer模型并结合后处理优化的高效、准确的遥感影像建筑物提取方法	采用先进的基于Transformer的SegFormer模型进行语义分割，并引入噪声过滤、边界清理和建筑物规则化等后处理技术来优化提取结果	NA	实现从遥感影像中高效、准确地提取建筑物	遥感影像中的建筑物	计算机视觉	NA	NA	Transformer	图像	使用公开的WHU建筑物数据集，涵盖城市、乡村和山区场景	NA	SegFormer, MiT-B5	交并比	NA
792	2025-12-12	Forecasting China's shipping indices based on modal decomposition and optimized deep learning integrated model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336906 PMID:41359688	研究论文	本研究提出了一种创新的混合预测模型VMD-CPSO-BiLSTM，用于提高中国航运指数的预测精度	提出了一种结合变分模态分解、混沌粒子群优化和双向长短期记忆网络的三阶段混合模型，有效处理时间序列的非线性、非平稳性和多尺度特征	未明确说明模型在其他国家航运市场或不同时间尺度下的泛化能力	提高中国航运市场时间序列预测的准确性和稳定性	中国航运指数	机器学习	NA	变分模态分解，混沌粒子群优化	BiLSTM	时间序列数据	未明确说明具体样本数量，但使用了关键的中国航运指数数据进行实证验证	NA	双向长短期记忆网络	预测准确性，模型稳定性	NA
793	2025-12-12	Deep learning approach for objective differentiation of kidney deficiency syndrome in reproductive age females: a tongue-face fusion model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1701545 PMID:41377689	研究论文	本文提出了一种基于深度学习的舌面融合模型，用于客观区分育龄女性肾虚综合征	首次采用并行DenseNet结构结合深度监督网络策略，融合舌象和面部图像的深度特征，实现肾虚综合征的客观诊断	样本量相对有限（总计506例），且外部验证集规模较小（130例），可能影响模型的泛化能力	探索通过机器学习技术实现育龄女性肾虚综合征的客观证候区分方法	育龄女性的舌象和面部图像数据	计算机视觉	肾虚综合征	图像采集	CNN	图像	376对舌面和面部图像（训练集），130例患者（外部验证集）	NA	DenseNet	准确率, 精确率, 召回率, F1分数, ROC, AUC	NA
794	2025-12-12	A Systematic Review of Species Classification Using Deep Learning Algorithms and Gender Identification of Tribolium castaneum Using Convolutional Neural Networks 2025, Zoological studies IF:1.5Q2 DOI:10.6620/ZS.2025.64-24 PMID:41377859	研究论文	本文系统综述了深度学习算法在物种分类中的应用，并利用卷积神经网络对赤拟谷盗进行性别识别	首次应用CNN智能技术基于显微图像识别赤拟谷盗的性别差异，实现自动化特征提取和分类，减少人工干预	数据集仅包含116张显微图像，样本量较小；F1分数为0.67，表明模型在精确率和召回率平衡方面有改进空间	开发基于深度学习的动物识别与分类方法，特别关注赤拟谷盗的性别自动识别	赤拟谷盗（Tribolium castaneum）的蛹期昆虫	计算机视觉	NA	显微成像	CNN	图像	116张赤拟谷盗蛹的背侧和腹侧显微图像	NA	NA	准确率, F1分数	NA
795	2025-12-12	Plug-and-play high-frequency feature enhancement for plant image super-resolution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1723354 PMID:41378185	研究论文	本文提出了一种可插拔的高频特征增强模块，用于提升植物图像超分辨率重建中精细结构细节的恢复能力	提出了一种可无缝集成到现有超分辨率架构中的高频特征增强模块，通过选择性放大高频信息来改善如叶脉、病变边界等细微细节的重建	未明确讨论模块在不同类型植物图像或极端噪声条件下的泛化性能极限	旨在通过增强植物图像超分辨率重建的精细细节，支持更准确的表型分析、疾病监测和精准农业	植物图像，包括大规模种植园图像、水生植物图像和作物病害图像	计算机视觉	NA	深度学习超分辨率	CNN	图像	三个植物数据集：油棕数据集、AqUAVPlant数据集（基于无人机的水生植物）和Plant Pathology 2020数据集（作物病害）	NA	NA	PSNR, SSIM	NA
796	2025-12-12	Multimodal deep learning model for enhanced early detection of aortic stenosis integrating ECG and chest x-ray with cooperative learning 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698680 PMID:41378244	研究论文	本研究开发了一种整合心电图和胸部X光的多模态深度学习模型，通过协同学习框架提升主动脉瓣狭窄的早期检测能力	首次将1D ResNet50-Transformer架构与EfficientNet架构结合，通过协同学习损失函数实现心电图和胸部X光模型的相互预测优化	研究为回顾性分析，可能存在选择偏倚；模型性能仍需在前瞻性临床环境中进一步验证	开发多模态人工智能模型以提升主动脉瓣狭窄的早期检测效果	接受心电图、胸部X光和超声心动图检查的7,483名患者（共23,886条记录）	数字病理学	心血管疾病	心电图, 胸部X光, 超声心动图	深度学习	心电图信号, 医学影像	7,483名患者（608例主动脉瓣狭窄病例），共23,886条记录	NA	1D ResNet50-Transformer, EfficientNet	AUROC	NA
797	2025-12-12	Deep learning-based survival analysis of bladder cancer patients in the Putuo District, Shanghai, China 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619309 PMID:41378299	研究论文	本研究开发了一种基于TabNet的深度学习生存预测模型，用于预测上海普陀区膀胱癌患者的生存情况，并与逻辑回归模型进行了性能比较	首次将TabNet深度学习框架应用于膀胱癌患者的生存分析，并利用SHAP方法解释特征重要性，为社区管理提供新工具	研究样本仅来自上海普陀区，可能限制模型的泛化能力；样本量相对较小（620例）	开发并验证一种深度学习生存预测模型，以改善膀胱癌患者的社区管理和随访策略	上海普陀区的膀胱癌患者	机器学习	膀胱癌	生存分析	TabNet, 逻辑回归	结构化临床数据	620例膀胱癌患者（训练集434例，验证集186例）	TabNet	TabNet	ROC曲线, 决策曲线分析, 校准曲线	NA
798	2025-12-12	Multi-model deep learning for dementia detection: addressing data and model limitations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1638022 PMID:41378346	研究论文	本研究评估了多种深度学习架构在基于结构MRI的痴呆症检测中的性能，以解决现有模型在预处理和特征提取方面的限制	通过比较八种预训练CNN、Vision Transformer、多模态注意力模型和胶囊网络，全面评估了多种先进架构在痴呆症分类中的表现，并揭示了类别不平衡对模型性能的影响	所有模型均表现出性能下降和对特定类别的偏见，ViT和CapsNet模型在阿尔茨海默病检测中达到100%灵敏度但精度较低，表明存在类别不平衡效应	评估多种深度学习架构在痴呆症诊断中的性能，以解决现有模型在数据预处理和特征提取方面的限制	痴呆症、轻度认知障碍（MCI）和健康对照者的结构MRI图像	医学影像分析	痴呆症	结构MRI（sMRI）	CNN, Vision Transformer, 注意力模型, 胶囊网络	图像	每类10,000张训练图像、3,000张验证图像和850张测试图像，总计来自ADNI数据集的平衡数据集	NA	3D-CNN, Vision Transformer (ViT), 多模态注意力模型, CapsNet	准确率, 特异性, 灵敏度	NA
799	2025-05-27	Advancements in Structure-based Drug Design Using Geometric Deep Learning 2025, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673388739250516071228 PMID:40417758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
800	2025-12-11	MDA-TransUNet: A Deep Learning-Based Automatic Segmentation Method for Cervical Cancer Brachytherapy 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251397035 PMID:41348514	研究论文	本研究提出了一种名为MDA-TransUNet的深度学习模型，用于宫颈癌近距离放射治疗中高风险临床靶区和危及器官的快速自动分割	提出了一种结合CNN和Transformer的混合网络模型MDA-TransUNet，用于多中心宫颈癌CT图像的分割，并在分割准确性和剂量学评估上表现出优越性能	研究样本量相对有限（共122例），且未详细讨论模型在不同临床场景下的泛化能力或潜在偏差	开发一种快速、精确的自动分割方法，以优化宫颈癌近距离放射治疗的治疗规划流程	宫颈癌患者的CT图像，重点关注高风险临床靶区（HR-CTV）和危及器官（膀胱、结肠、直肠、小肠）	数字病理学	宫颈癌	CT成像	CNN, Transformer	图像	122例宫颈癌近距离放射治疗患者的CT图像（来自三个临床中心），其中80例用于训练，22例用于测试，20例用于外部验证	NA	MDA-TransUNet	Dice相似系数, Hausdorff距离, 平均表面距离	NA