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
81	2026-09-25	The pipelines of deep learning-based plant image processing 2025, Quantitative plant biology DOI:10.1017/qpb.2025.10018 PMID:40735612	综述	本文综述了基于深度学习的植物图像处理流程，涵盖数据采集与预处理、特征提取技术以及在植物物种识别、病害检测、细胞信号分析和生长监测等方面的应用	系统总结了植物图像处理中从数据采集、预处理到特征提取的完整深度学习流程，并强调了高分辨率成像和无人机摄影等新技术在植物科学中的应用	作为综述文章，未涉及具体实验验证，且未对现有方法的性能进行定量比较分析	总结和梳理深度学习在植物图像处理中的最新计算工具和方法论，探讨新兴趋势、挑战和未来方向	植物图像及其相关的深度学习处理流程	计算机视觉	NA	高分辨率成像, 无人机摄影, 图像裁剪, 图像缩放	NA	图像	NA	NA	NA	NA	NA
82	2026-09-25	A state-of-the-art review of diffusion model applications for microscopic image and micro-alike image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551894 PMID:40740945	综述	本文综述了扩散模型在显微图像和类显微图像分析中的应用，重点介绍了DDPM、DDIM和SDEs三种模型在图像生成、分割、去噪、分类、重建和超分辨率等方面的应用	系统总结了扩散模型在显微图像分析中的最新应用，特别强调了其在图像生成和分割方面的优势，并指出了未来研究方向	仅纳入了31篇论文，可能未全面覆盖所有相关研究；未对扩散模型与其他生成模型进行定量比较	综述扩散模型在显微图像和类显微图像分析中的应用现状、优势、局限性和未来方向	显微图像和类显微图像	计算机视觉	NA	扩散模型	DDPM, DDIM, SDEs	图像	31篇论文（其中13篇关于图像生成，9篇关于分割，其余关于其他应用）	NA	DDPM, DDIM, SDEs	NA	NA
83	2026-09-25	Lightweight deep learning system for automated bone age assessment in Chinese children: enhancing clinical efficiency and diagnostic accuracy 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1604133 PMID:40756505	研究论文	本文提出了一种基于中国05骨龄标准的轻量级两阶段深度学习框架，用于自动化骨龄评估	提出了一种新颖的轻量级两阶段深度学习框架，结合YOLOv8进行骨骺定位和修改的EfficientNetB3进行骨骺等级分类，并引入RAdam优化器和中心损失与加权交叉熵的复合损失函数以缓解类别不平衡	成功实施依赖于解决技术、伦理和采用方面的挑战，需要开发者、临床医生和监管机构的协作	解决传统骨龄评估方法主观性强、耗时且依赖临床医生专业知识的局限性，提高临床效率和诊断准确性	中国儿童的骨龄评估	计算机视觉	生长障碍	深度学习	YOLOv8, EfficientNetB3	手部X射线图像	NA	NA	YOLOv8, EfficientNetB3	mAP, 准确率	NA
84	2026-09-25	An interpretable XAI deep EEG model for schizophrenia diagnosis using feature selection and attention mechanisms 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1630291 PMID:40766336	研究论文	本文提出了一种基于脑电图传感器数据的可解释XAI深度学习模型，利用特征选择和注意力机制进行精神分裂症诊断	结合F检验特征选择、SMOTE类平衡处理以及注意力权重与SHAP、LIME可解释性工具，构建可解释的BiLSTM-Attention模型用于精神分裂症诊断	模型准确率仅为0.68%，性能较低，可能受限于数据集规模和特征质量	提出一种新颖的自动化精神分裂症诊断技术，旨在提高可解释性和预测性能	精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图（EEG）	DNN, BiLSTM-GRU, BiLSTM-Attention	信号（脑电图）	NA	NA	DNN, BiLSTM-GRU, BiLSTM-Attention	准确率	NA
85	2026-09-25	Federated knee injury diagnosis using few shot learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1589358 PMID:40771942	研究论文	本文提出了一种结合小样本学习和联邦学习的方法，用于基于MRI的膝关节损伤诊断	将小样本学习与联邦学习相结合，采用3DResNet50为主干网络，并使用基于原型网络的情节间歇训练策略，在保护隐私的同时解决了标注数据有限的问题	冠状面视图的性能较低，且由于复杂的架构导致计算需求高	开发一种在标注数据有限且需保护隐私的条件下，利用MRI扫描准确诊断膝关节损伤的方法	膝关节损伤，包括前交叉韧带撕裂和半月板撕裂	医学图像分析	膝关节损伤	MRI	小样本学习，联邦学习	图像	MRNet数据集（具体样本量未提及）	NA	3DResNet50，原型网络	准确率	NA
86	2026-09-25	EPI-DynFusion: enhancer-promoter interaction prediction model based on sequence features and dynamic fusion mechanisms 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1614222 PMID:40772277	研究论文	本文提出了一种基于序列特征和动态融合机制的深度学习模型EPI-DynFusion，用于预测增强子-启动子相互作用	采用动态特征融合机制替代传统的直接平均或拼接策略，结合Transformer、BiGRU和CBAM注意力模块，自适应学习特征间的深层依赖关系	仅基于DNA序列信息进行预测，未整合表观遗传学或三维基因组构象等其他类型的生物学数据	开发高效的计算模型以准确预测增强子-启动子相互作用，克服传统实验方法成本高和可扩展性差的限制	DNA序列及增强子-启动子相互作用	机器学习	NA	DNA序列编码，预训练DNA嵌入	CNN，Transformer，BiGRU，CBAM	DNA序列文本数据	六个基准细胞系	NA	CNN，Transformer，BiGRU，CBAM	AUROC，AUPR	NA
87	2026-09-25	Human-Centered Design and Iterative Refinement of Tools and Methods to Implement a Surveillance and Risk Prediction System for Clinical Deterioration in Ambulatory Cancer Care 2025-Jan, ACI open DOI:10.1055/a-2437-9977 PMID:42523207	研究论文	本文通过以人为中心的设计和迭代改进，开发了一个用于门诊癌症护理中临床恶化的监测和风险预测系统，并评估其可行性和可用性	使用系统工程和迭代以人为中心的设计方法，开发了一个包含被动监测（可穿戴传感器）、主动监测（患者事件和症状报告及电子健康记录数据提取）、预测模型和风险沟通的综合系统	需要未来研究在不同临床情境下全面实施和评估系统的采纳和有效性	确定设计、开发和实施用于检测门诊癌症患者临床恶化的监测和风险预测系统的可行性	门诊癌症患者	机器学习	癌症	NA	深度学习神经网络	文本, 传感器数据, 电子健康记录数据	71名招募患者中的50名入组	NA	NA	F-measure, AUC-ROC, 系统可用性量表得分	NA
88	2026-09-25	Quantitative mapping of cerebrovascular reactivity amplitude and delay with breath-hold BOLD fMRI when end-tidal CO 2 quality is low 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00536 PMID:40800989	研究论文	该研究探索在屏气任务中PCO2数据质量低时，如何利用RVT及其深度学习预测的PCO2来获得标准单位的CVR幅度图和延迟图	提出使用深度学习从RVT预测PCO2时间序列，并证明其能更准确地生成标准单位的CVR幅度和延迟图，甚至优于重新缩放的RVT	研究依赖于存在高质量PCO2数据子集来缩放RVT或训练预测模型，且未在大量不同病理人群中验证	在屏气fMRI中PCO2质量低的情况下，实现标准单位的CVR幅度和延迟定量映射	接受屏气fMRI扫描的人类受试者，包括健康参与者和一例烟雾病病人	医学影像分析	烟雾病	屏气BOLD fMRI，呼气末CO2监测，呼吸带测量	深度学习	fMRI图像，生理时间序列	NA	NA	NA	绝对一致性，准确性，灵敏度	NA
89	2026-09-24	A flow pattern recognition method for gas-liquid two-phase flow based on dilated convolutional channel attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325784 PMID:40554565	研究论文	本文提出了一种基于膨胀卷积通道注意力机制的流型识别方法，通过增强DenseNet和迁移学习实现气液两相流流型图像的高精度识别	引入多分支结构增强深度特征提取能力，在Dense Block中加入ECA注意力机制，在Transition Layer中加入膨胀卷积，实现多尺度特征提取和精细通道信息处理，并使用迁移学习解决数据集规模有限的问题	未明确说明模型的计算复杂度或推理时间，可能限制了实时应用，且实验数据集规模有限	解决现有基于深度学习的流型识别方法中关键特征提取不足导致识别率低的问题	气液两相流流型图像，包括环状流、泡状流、搅混流、分散流和段塞流	计算机视觉	NA	迁移学习	CNN	图像	包含环形流、泡状流、搅混流、分散流和段塞流的气液两相流图像数据集，以及氮冷凝两相流数据集，但未提供具体样本数量	NA	DenseNet121	识别准确率	NA
90	2026-09-24	An integrated IKOA-CNN-BiGRU-Attention framework with SHAP explainability for high-precision debris flow hazard prediction in the Nujiang river basin, China 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326587 PMID:40554568	研究论文	本文提出了一种IKOA-CNN-BiGRU-Attention可解释深度学习框架，用于中国怒江流域云南段的高精度泥石流灾害预测	结合改进的开普勒优化算法自动优化超参数，融合CNN、BiGRU和注意力机制，并利用SHAP增强模型可解释性，揭示了泥石流启动的双阈值物理机制	摘要中未明确提及研究的局限性	实现泥石流灾害的高精度预测，并提供可解释的预测框架以支持自适应预警和风险缓解	中国怒江流域云南段的159条泥石流易发沟谷	机器学习	NA	NA	CNN, BiGRU, Attention	NA	159条泥石流易发沟谷	NA	CNN, BiGRU, Attention	均方根误差, 平均绝对误差, 平均绝对百分比误差	NA
91	2026-09-24	Improved swin transformer-based thorax disease classification with optimal feature selection using chest X-ray 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327099 PMID:40561187	研究论文	本文提出了一种基于改进Swin Transformer的胸部X射线胸廓疾病分类模型，结合增强自编码器和混沌鲸鱼优化算法进行特征提取与选择	提出了EnAE+ChWO+IMSTrans组合模型，其中增强自编码器（EnAE）结合堆叠自编码器与注意力模块增强特征表示，混沌鲸鱼优化算法（ChWO）进行最优特征选择，改进Swin Transformer（IMSTrans）高效处理高维医学图像数据	未提及	利用胸部X射线图像实现胸廓疾病（包括肺炎、结核病、肺癌等）的准确分类诊断	胸部X射线图像数据集及肺部疾病数据集	计算机视觉	肺癌	胸部X射线成像	Transformer	图像	NA	NA	Swin Transformer, 自编码器	准确率, 精确率, 召回率, F分数, 马修斯相关系数, 平均绝对误差	NA
92	2026-09-24	Decomposition-reconstruction-optimization framework for hog price forecasting: Integrating STL, PCA, and BWO-optimized BiLSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324646 PMID:40577402	研究论文	本文构建了一个多阶段混合预测模型，利用生猪价格时间序列数据及其影响因素，通过STL分解、PCA降维和BWO优化的BiLSTM来提高预测精度	提出了“分解-重构-优化”框架，结合STL分解、PCA降维和BWO优化的BiLSTM，显著降低了生猪价格预测误差	未明确说明	提高生猪价格预测精度	生猪价格时间序列数据及其影响因素	机器学习	NA	时间序列分析、STL分解、Spearman相关分析、PCA降维、Beluga Whale Optimization	BiLSTM	时间序列数据	NA	NA	BiLSTM	RMSE, MAE, MAPE, R2	NA
93	2026-09-24	Three-dimensional distensibility of the aorta derived from four-dimensional cardiovascular magnetic resonance in young and middle-aged adults with Marfan syndrome 2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101975 PMID:41173273	研究论文	该研究利用四维心血管磁共振（4D CMR）衍生的主动脉三维扩张性和位移指标，比较了马凡综合征（MFS）患者（未手术和主动脉根部手术后）与健康志愿者的差异	首次在未手术和主动脉根部手术后的马凡综合征患者中，应用基于深度学习的4D CMR主动脉三维扩张性及位移进行定量评估，并揭示了其与年龄和主动脉根部直径的独立负相关关系	样本量相对有限，为横断面研究，缺乏纵向随访数据来验证这些影像生物标志物对主动脉事件的预测价值	比较马凡综合征患者与健康志愿者之间由心血管磁共振衍生的主动脉三维扩张性和位移的差异，并探索其与临床及解剖参数的关联	47名健康志愿者、51名未手术马凡综合征患者和33名主动脉根部手术后的马凡综合征患者	数字病理学/医学影像分析	马凡综合征/主动脉疾病	4D CMR（四维心血管磁共振）、3T CMR、3D cine bSSFP序列、深度学习分割、非刚性配准	CNN（卷积神经网络）	3D CMR图像	131名参与者（47名健康志愿者、51名未手术MFS患者、33名RR MFS患者）	NA	NA	NA	NA
94	2026-09-24	Clinical feasibility of two cardiac deep learning cine magnetic resonance imaging sequences: Single-breath-hold and free-breathing motion-corrected approaches 2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101983 PMID:41177305	研究论文	评估深度学习加速的心脏电影磁共振序列（单次屏气和自由呼吸运动校正）的临床可行性，与传统分段电影序列比较。	评估了两种深度学习加速的心脏电影序列，显著缩短采集时间，同时保持图像质量和心脏功能定量结果。	左心室应变参数低于传统序列，边缘锐度和血池与心肌信号比也较低，样本量有限，单中心研究。	评估深度学习加速的心脏电影序列的临床可行性，包括缩短采集时间、图像质量和功能评估。	接受3T心脏磁共振检查的患者，共86例，平均年龄52.98±14.34岁，79%为男性。	医学影像，深度学习	心血管疾病	心脏磁共振电影成像，深度学习加速	深度学习	图像	86例患者	NA	NA	图像质量评分，血池与心肌信号比，边缘锐度，三维容积网格轮廓质量，双心室功能参数，左心室应变参数，采集时间	NA
95	2026-09-24	Accelerating cardiac diffusion tensor imaging with deep learning-based tensor de-noising and breath hold reduction. A step towards improved efficiency and clinical feasibility 2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101971 PMID:41213455	研究论文	该研究开发了一种基于深度学习的去噪框架，用于加速心脏扩散张量成像，通过张量空间去噪和减少屏气次数，在保持图像质量的同时将扫描时间缩短至多4倍	（1）从基于图像的去噪转向张量空间去噪，更好地保留结构信息；（2）针对张量处理优化的Vision Transformer模型集成，采用对抗训练；（3）通过动态重复选择最大化训练数据利用率的数据增强策略	未明确提及	开发一种心脏扩散张量成像去噪方法，在减少重复次数的同时保持图像质量，以提高扫描效率和临床可行性	心脏扩散张量成像数据	医学图像处理	心血管疾病	心脏扩散张量成像	Vision Transformer	图像	未明确提及	NA	Vision Transformer	分数各向异性误差	NA
96	2026-09-24	Fully automated on-scanner aortic four-dimensional flow magnetic resonance imaging processing and hemodynamic analysis 2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101985 PMID:41232676	研究论文	本研究将深度学习模型集成到MRI扫描仪的重建流程中，实现了全自动的主动脉四维血流MRI处理和血流动力学分析	首次将四维血流处理任务直接集成到MRI扫描仪的重建流程中，使用容器化应用和TensorFlow深度学习模型在扫描仪上实时执行	研究样本量较小（20例受试者），仅在1.5T MRI系统上验证	实现全自动的扫描仪上主动脉四维血流MRI处理和血流动力学分析	20名受试者（10名主动脉疾病患者，10名健康对照）	医学图像处理	主动脉疾病	四维血流心血管磁共振	深度学习	图像	20例受试者（10例主动脉疾病患者，10例健康对照）	TensorFlow	NA	Dice分数、Bland-Altman分析、偏差、一致性界限、平均相对差异	MRI扫描仪自身计算资源，1.5T MRI系统
97	2026-09-24	Improved accuracy for myocardial blood flow mapping with deep learning-enabled CMR arterial spin labeling (DeepMASL): Validation by microsphere in vivo 2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101989 PMID:41242615	研究论文	本研究提出了一种基于深度学习的CMR动脉自旋标记方法（DeepMASL），用于心肌血流量映射，并在犬模型中验证了其准确性	开发了一种基于物理的深度学习网络，使用合成ASL信号进行训练，显著提高了心肌血流量测量的准确性	研究仅在犬模型中进行，需要进一步验证其在人类临床中的应用	提高心肌血流量测量的准确性	18只犬（9只健康，9只冠状动脉狭窄），以及心肌组织	计算机视觉, 医学影像分析	心血管疾病	CMR动脉自旋标记	深度学习网络	图像	18只犬	NA	NA	误差, 相关系数, Bland-Altman分析	NA
98	2026-09-24	Towards a cardiovascular magnetic resonance foundation model for multi-task cardiac image analysis 2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101967 PMID:41046013	研究论文	本研究开发了一个心血管磁共振（CMR）专用的视觉基础模型，通过在3600万张CMR图像上进行自监督预训练，并在九个不同的心脏图像分析任务上进行微调，包括分类、分割、 landmark定位和病理检测。	开发了首个专门针对心血管磁共振的视觉基础模型，采用自监督学习方式在超大规模CMR数据集（3600万图像，27524名受试者）上预训练，并系统评估了其在多种下游任务中的性能、泛化能力和少样本学习能力，与在自然图像上预训练的基础模型进行了全面比较。	在疾病检测任务上未超越现有最先进方法；预训练与微调之间的领域偏移影响模型性能；部分任务改进幅度有限。	开发心血管磁共振专用视觉基础模型，探索自监督预训练策略在心脏图像多任务分析中的有效性，为CMR工作流程提供统一的自动化分析框架。	心血管磁共振图像，来自UK Biobank和两个临床中心，共27524名受试者的3600万张图像	计算机视觉, 数字病理	心血管疾病	自监督学习预训练, 迁移学习, 微调	ViT	图像	3600万张CMR图像，来自27524名受试者（UK Biobank和两个临床中心）	NA	ViT-S/8	准确率, 分割指标, landmark定位误差, 病理检测性能, 标准差, 泛化性能, 少样本学习性能	NA
99	2026-09-24	rbpTransformer: A novel deep learning model for prediction of piRNA and mRNA bindings 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324462 PMID:40561121	研究论文	本文提出了一种名为rbpTransformer的新型深度学习模型，用于预测piRNA与mRNA之间的结合，并评估了多种设计选择对模型性能的影响	提出了一种新的深度学习模型rbpTransformer，并系统评估了k-mer大小、核心模块数量、优化算法选择以及是否使用自注意力等设计选择对预测性能的影响	未明确提及	预测piRNA和mRNA序列是否结合，以辅助疾病研究、治疗、药物发现以及基因、转座子的沉默与调控和基因组稳定性	piRNA和mRNA序列	机器学习	NA	深度学习	Transformer	序列数据	NA	NA	Transformer	AUC	NA
100	2026-09-24	Multi-site validation of an interpretable model to analyze breast masses 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320091 PMID:40569906	研究论文	对可解释的深度学习乳腺肿块恶性预测模型IAIA-BL在两个患者群体上进行外部验证	首次对基于深度学习的固有可解释性病变分类模型进行外部验证	外部数据集上的肿块边缘分类性能低于内部数据集，且恶性分类性能的下降与边缘分类性能下降相关	验证固有可解释深度学习模型在乳腺肿块恶性预测中的泛化能力	乳腺肿块患者（来自iCAD和Emory大学）	数字病理学	乳腺癌	NA	CNN	图像（乳腺X线摄影）	265名女性（iCAD：207名女性，425张乳腺X线摄影；Emory大学：58名女性，104张乳腺X线摄影）	NA	IAIA-BL（具体架构未说明）	AUC	NA