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
101	2026-02-19	Deep learning and firearm wound classification: a pilot study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1646656 PMID:41705162	研究论文	本研究探索了深度学习技术在枪弹伤分类中的应用，通过使用Lobe AI软件进行训练和测试，评估了其在法医病理学中的潜力	首次在法医病理学中应用深度学习进行枪弹伤模式识别，并引入了“完好皮肤”作为对照类别	研究数据有限，尤其是在算法训练阶段，且需要开发专门针对法医特征识别的预训练软件	进一步探索深度学习技术在枪弹伤分类中的应用，以评估其在法医实践中的适用性	枪弹伤图像，包括入口/出口伤口、基于射击距离的伤口以及基于武器弹药类型的伤口	计算机视觉	NA	深度学习	深度学习模型	图像	从法医图集和卡塔尼亚法医案例中提取的教育图像及照片，具体数量未明确	Lobe AI	NA	准确率, 精确率, 召回率, F1分数, 特异性	NA
102	2026-02-19	The role of artificial intelligence in diagnosing pediatric dental disorders-a narrative review 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1685359 PMID:41705231	综述	本文综述了人工智能在儿童牙科疾病诊断中的应用现状与潜力	系统性地探讨了AI在儿童牙科诊断中的多种技术应用，并对比了其与传统方法的性能	存在数据隐私、缺乏标准化数据集及伦理考量等限制	评估人工智能在儿童牙科疾病诊断中的角色与效果	儿童牙科疾病，包括龋齿、错颌畸形、发育异常和牙周病	数字病理	儿童牙科疾病	NA	CNN	图像	NA	NA	NA	NA	NA
103	2026-02-18	Multi-convolutional neural networks for cotton disease detection using synergistic deep learning paradigm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324293 PMID:40424461	研究论文	本文提出了一种基于多卷积神经网络和协同深度学习范式的棉花病害检测方法，旨在准确分类六种病害和健康类别	提出了一种结合MobileNet和VGG16特征提取的定制化StyleGAN进行合成数据生成，并采用基于StackNet的集成分类器，以解决类别不平衡和实时检测挑战	现有数据集大多在受控条件下获取，可能无法完全反映真实田间环境中的病害变异，且实时检测需求未在研究中充分验证	开发一种自动化方法，用于同时准确检测棉花作物中的多种病害，以提高产量并减少资源浪费	棉花作物及其六种病害（细菌性疫病、卷叶病毒、镰刀菌枯萎病、链格孢菌病、尾孢菌病、灰霉病）以及健康类别	计算机视觉	植物病害	深度学习	CNN, LSTM, SVM, Random Forest	图像	公开可用数据集，具体样本数量未明确说明	TensorFlow, PyTorch, Scikit-learn	MobileNet, VGG16, StyleGAN, StackNet	准确率	NA
104	2026-02-17	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	本文综述了从情境兴趣和状态好奇心到个人兴趣的发展路径及其核心机制	整合教育心理学、认知神经科学和动机科学的视角，提出了两条个人兴趣发展的路径，并强调奖励处理作为核心机制	NA	探讨短暂动机状态如何发展为稳定的个人兴趣	情境兴趣、状态好奇心、个人兴趣	教育心理学	NA	NA	NA	NA	NA	NA	NA	NA	NA
105	2026-02-17	RESIGN: Alzheimer's Disease Detection Using Hybrid Deep Learning based Res-Inception Seg Network 2025, Current Alzheimer research IF:1.8Q4 DOI:10.2174/0115672050373821250612053943 PMID:40539353	研究论文	本文提出了一种名为RESIGN的混合深度学习模型，结合Res-InceptionSeg网络，用于基于MRI图像的阿尔茨海默病检测	提出了一种新颖的RESIGN模型，结合了ResNet-LSTM进行时空特征提取、Inception V3进行分类以及SegNet进行异常脑区分割，实现了高精度的阿尔茨海默病检测	存在数据集偏差和由于统一成像条件导致的有限泛化性等潜在限制	通过深度学习模型提高阿尔茨海默病的早期检测准确性	MRI图像中的白质、灰质和脑脊液特征，用于区分正常、轻度认知障碍和阿尔茨海默病类别	数字病理学	阿尔茨海默病	MRI成像	CNN, LSTM	图像	未明确说明具体样本数量，但使用了ADNI数据集	未明确说明	ResNet-LSTM, Inception V3, SegNet	准确率, 特异性, 精确率, 召回率, F1分数	未明确说明
106	2026-02-16	High-Resolution Estimation of Daily PM2.5 Levels in the Contiguous US Using Bi-LSTM with Attention 2025-Jan, Remote sensing IF:4.2Q2 DOI:10.3390/rs17010126 PMID:41674857	研究论文	本文开发了一种基于Bi-LSTM与注意力机制的深度学习模型，用于提高美国本土每日PM2.5浓度的高分辨率估计精度	通过结合注意力机制的Bi-LSTM网络，整合多源数据（包括现场测量、遥感数据和野火烟雾密度观测），显著提升了高浓度日子的PM2.5估计精度	模型主要针对美国本土，缺乏开源代码可能限制了在其他地区和时间段的直接应用，尽管本文已发布开源框架以改善可重复性	提高地表PM2.5浓度的估计精度，特别是针对高浓度日子，以支持公共卫生监测和队列研究	美国本土的每日PM2.5浓度数据	机器学习	NA	深度学习，多源数据整合（现场测量、遥感、野火烟雾观测）	Bi-LSTM	时间序列数据，包括测量数据、遥感数据和观测数据	2005年至2021年美国本土的PM2.5估计数据集	TensorFlow, PyTorch	Bi-LSTM with Attention	RMSE	NA
107	2026-02-16	Performance and generalizability impacts of incorporating location encoders into deep learning for dynamic PM2.5 estimation 2025, GIScience & remote sensing IF:6.0Q1 DOI:10.1080/15481603.2025.2594797 PMID:41684775	研究论文	本研究评估了在动态PM2.5浓度估算的深度学习模型中整合地理位置编码器对模型性能和地理泛化能力的影响	首次在复杂、时间动态的估算场景中集成并系统评估了地理位置编码器，并比较了原始坐标与预训练编码器在区域内外泛化能力上的差异	某些区域存在由高次基函数和稀疏上游样本引起的伪影模式，且不同位置编码器（如SatCLIP与GeoCLIP）的性能表现存在差异	评估地理位置信息在提升深度学习模型性能及地理泛化能力方面的作用，并指导空气污染估算模型开发	美国本土的地表日PM2.5浓度	机器学习	NA	遥感数据、地面监测数据	深度学习	地理空间数据、时间序列数据	NA	NA	基于现有最先进的PM估算模型（未指定具体架构）	聚合性能指标、定性分析、消融实验结果	NA
108	2026-02-15	A Computational Framework for Intraoperative Pupil Analysis in Cataract Surgery 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100597 PMID:39435136	研究论文	本研究开发并验证了一个用于白内障手术中瞳孔形态变化自动评估的计算框架	提出了一个结合张量小波特征提取、深度学习解剖结构分割和遮挡检测/补偿的三阶段计算框架，显著提升了瞳孔分割的准确性	研究为回顾性视频分析，样本量相对有限（240个手术视频），且未涉及所有类型的手术器械或复杂病例	开发一个可靠的计算框架，用于自动化评估白内障手术期间瞳孔的形态变化	白内障手术视频中的瞳孔、角膜缘和睑裂	计算机视觉	白内障	手术视频分析	CNN	视频	240个完整手术视频（190个未使用瞳孔扩张装置，50个使用瞳孔扩张装置），包含5700帧图像	TensorFlow, PyTorch	Feature Pyramid Network, Visual Geometry Group 16	Dice系数, 准确率, AUC	NA
109	2026-02-15	RETRACTED: N-Beats architecture for explainable forecasting of multi-dimensional poultry data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320979 PMID:40273069	研究论文	本研究提出了一种基于N-BEATS架构的新颖应用，用于多维度家禽数据预测，并通过集成可解释人工智能框架增强了可解释性	首次将N-BEATS架构应用于家禽数据预测，并集成了可解释人工智能框架以提高预测的透明度和可解释性	未提及具体的数据集规模或外部验证，可能限制了结果的泛化能力	优化家禽生产中的预测分析，以提升收入、资源利用效率和生产力	家禽疾病诊断相关的多维度数据，包括关键环境参数	机器学习	家禽疾病	时间序列建模	N-BEATS	多变量时间序列数据	NA	NA	N-BEATS	MAE, RMSE, MSLE, R-squared, RMSLE	NA
110	2026-02-15	Robotic transesophageal echocardiography: system design and deep learning-based kinematic modeling 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1705142 PMID:41675306	研究论文	本文介绍了一种机器人经食管超声心动图系统，通过改进机械设计和基于深度学习的运动学建模，复制了手动TEE程序中的所有基本自由度	采用基于LSTM单元的循环神经网络构建数据驱动的运动学模型，克服了连续体机械臂分析方法的根本限制，有效捕捉了死区、滞后和转向机制间的耦合效应	NA	开发一种能够适应仰卧位和左侧卧位患者位置、覆盖临床TEE全流程的机器人系统	经食管超声心动图探头及其机器人操控系统	机器人学	心血管疾病	经食管超声心动图	LSTM	姿态-命令同步数据对	42,000个在三种胃镜管配置（0°、45°、90°弯曲）下收集的数据对	NA	循环神经网络	RMSE, 平均方向误差	NA
111	2026-02-15	Predicting the growth of asymptomatic small abdominal aortic aneurysms (AAA) based on deep learning 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1704428 PMID:41676330	研究论文	本研究开发了一个端到端的深度学习框架，用于预测无症状小腹主动脉瘤的快速扩张	提出了一个结合ResNet50、YOLOv11和MedMamba的端到端深度学习框架，用于直接从CTA图像预测AAA生长，并通过多模态特征融合和可解释性分析增强了模型的临床适用性	样本量相对较小（仅81名患者），且研究为单中心回顾性设计，可能限制模型的泛化能力	预测无症状小腹主动脉瘤的快速扩张，以进行风险分层和个性化监测	81名无症状小腹主动脉瘤患者的CTA图像和临床数据	数字病理学	心血管疾病	计算机断层扫描血管造影	CNN, 目标检测模型, 基于注意力机制的模型	图像	81名患者（30名快速生长，51名稳定）	NA	ResNet50, YOLOv11, MedMamba	准确率, F1分数, 精确率-召回率	NA
112	2026-02-14	A computational validation for the health concept maturity levels questionnaire 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1555014 PMID:41669151	研究论文	本研究开发了健康概念成熟度水平网格和问卷，并利用机器学习和深度学习模型验证其计算语义效度	引入计算语义效度作为传统心理测量验证的新颖补充方法，通过机器学习技术展示专家话语与问卷结构的语义对齐	“程序性”和“需求”因素之间存在重叠，表明健康概念成熟度水平模型需要改进	评估健康概念成熟度水平，验证健康概念成熟度水平问卷的计算语义效度	健康概念成熟度水平专家干预的言语行为，以及健康概念成熟度水平问卷项目	自然语言处理	NA	言语行为标注，机器学习和深度学习建模	CatBoost算法，神经网络	文本	NA	CatBoost	神经网络	敏感性	NA
113	2026-02-14	Residual-SwishNet: a deep learning-based approach for reliable lung cancer classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1729021 PMID:41669256	研究论文	提出一种名为Residual-SwishNet的深度学习模型，用于提高肺癌分类的准确性和泛化能力	在ResNet50框架中，将传统的ReLU激活函数替换为Swish，并在分类模块前集成三个额外的密集层，以增强特征表示	未提及模型在更大或更多样化数据集上的泛化能力，以及计算资源需求的具体分析	开发一种准确且可靠的肺癌分类方法，以改善早期诊断和患者预后	肺癌分类任务，基于公开的医学影像数据集	计算机视觉	肺癌	深度学习	CNN	图像	两个公开数据集：LUNA16和IQ-OTH/NCCD	PyTorch	ResNet50	准确率, 精确率, 召回率, F1分数	NA
114	2026-02-14	A deep learning architecture for leaf water potential prediction in Populus euramericana 'I-214' from hyperspectral reflectance 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1709473 PMID:41669633	研究论文	本文提出了一种深度学习框架CIDL，用于从高光谱反射数据中预测杨树叶片水势，以解决传统测量方法的破坏性和耗时问题	集成条件生成对抗网络（CGAN）平衡数据分布，结合Inception-ResNet与ACmix的特征提取器捕获局部和全局光谱特征，并引入分布感知回归网络（DARN）显式建模目标变量分布，提升预测可靠性	研究基于杨树特定品种的脱水实验数据，样本量相对较小（229个实测样本），可能限制模型在其他树种或环境条件下的泛化能力	开发一种非破坏性、高精度的叶片水势预测方法，以支持森林干旱胁迫监测和智能林业管理	欧洲黑杨'I-214'品种的年轻树木叶片	计算机视觉	NA	高光谱反射测量	CGAN, CNN	高光谱图像	229个实测叶片水势与高光谱反射配对样本，另通过CGAN生成500个合成样本用于增强	NA	Inception-ResNet, ACmix	R², RMSE	NA
115	2026-02-13	Improved attention-based PCNN with GhostNet for epilepsy seizure detection using EEG and fMRI modalities: extractive pattern and histogram feature set 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1679218 PMID:41613820	研究论文	本文提出了一种增强的混合并行卷积-GhostNet框架（HPG-ESD），用于利用多模态EEG和fMRI数据进行癫痫发作检测	提出了一种结合改进注意力机制的并行卷积网络（IAPCNet）和GhostNet的软投票混合并行卷积-GhostNet（S-HPCGN）模型，以捕获互补的时空模式	未明确提及研究的局限性	提高癫痫发作检测的准确性和可解释性	儿科头皮EEG记录和静息态fMRI扫描	机器学习	癫痫	EEG信号处理，fMRI扫描	CNN, GhostNet	EEG信号，fMRI图像	24名受试者的EEG数据（CHB-MIT数据集）和52名参与者的fMRI数据（UNAM TLE数据集）	NA	IAPCNet, GhostNet	准确率, 精确率, 灵敏度	NA
116	2026-02-12	Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1720244 PMID:41602444	研究论文	本文提出了一种基于变分自编码器的深度学习架构，用于从体表电位测量中非侵入性地重建心房内电信号图	采用双分支变分自编码器架构，通过共享潜在表征同时优化体表电位自重建和心内电信号预测，相比传统反问题方法（如Tikhonov正则化）在波形形态和频谱内容上更忠实	研究基于计算模型生成的合成数据集（680对体表电位-心内电信号对），尚未在真实临床数据上进行验证；对罕见心律失常类别的性能可能有限	开发非侵入性方法，从体表电位测量中估计心内电信号，以减少对侵入性标测的依赖，实现更安全、个性化的房性心律失常表征	心房心律失常，包括窦性心律、心房颤动、异位活动和纤维化基质	机器学习	心血管疾病	计算模型模拟，体表电位测量	VAE	电生理信号数据	680对体表电位-心内电信号数据对，由双心房计算模型生成，模拟多种心律	NA	变分自编码器	相关性，峰值检测精度，频谱相干性，空间电压和相位标测	NA
117	2026-02-12	Deep learning approaches for EEG-based healthcare applications: a comprehensive review 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1689073 PMID:41657359	综述	本文全面综述了深度学习在基于脑电图（EEG）的医疗健康应用中的最新进展、关键挑战及未来方向	系统性地总结了深度学习（包括CNN、RNN、LSTM、Transformer及混合架构）与EEG在医疗应用中的融合，并批判性地分析了该领域面临的核心挑战与新兴趋势	作为一篇综述文章，本文未提出新的模型或实验，主要基于现有文献进行归纳与分析	旨在为基于EEG的医疗健康应用提供深度学习方法的全面概览，并推动该领域的未来研究	基于EEG信号的医疗健康应用，包括神经系统疾病诊断、脑功能恢复、心理健康状况评估及脑机接口（BCI）	机器学习	神经系统疾病	脑电图（EEG）	CNN, RNN, LSTM, Transformer	EEG信号	NA	NA	NA	NA	NA
118	2026-02-12	Evaluating deep learning-based image segmentation for radiotherapy planning in pelvic and abdominal cancers 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1632370 PMID:41657567	研究论文	本文提出了一种用于盆腔和腹部癌症放疗计划的注意力增强域自适应分割框架	引入了上下文感知注意力机制和微调适应模块，以提高在异质数据上的分割准确性并保持计算效率	模型可能难以在多中心数据集上泛化，且高计算需求和缺乏可解释性可能阻碍临床整合	评估基于深度学习的图像分割在盆腔和腹部癌症放疗计划中的应用	盆腔和腹部恶性肿瘤的肿瘤及周围风险器官	计算机视觉	盆腔和腹部癌症	图像分割	深度学习	图像	NA	NA	U-Net	NA	NA
119	2026-02-12	CerevianNet: parameter efficient multi-class brain tumor classification using custom lightweight CNN 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1664673 PMID:41657565	研究论文	本研究提出了一种名为CerevianNet的轻量级自定义CNN模型，用于多类别脑肿瘤分类，旨在实现高精度且计算效率高的诊断	开发了一种新型轻量级自定义CNN模型，在保持高分类精度的同时显著减少了参数数量和计算复杂度，适用于小型设备部署	模型在数据量小或不平衡的数据集上表现不佳，且存在因标记数据有限而导致的过拟合风险，以及需要大量超参数调优以泛化到不同数据集	开发一个可扩展的多类别脑肿瘤分类框架，优化用于小型设备，以支持快速、准确且可扩展的计算机辅助诊断	脑肿瘤的医学图像数据	计算机视觉	脑肿瘤	深度学习	CNN	图像	使用了五个不同的数据集进行训练和测试，具体样本数量未明确说明	NA	自定义轻量级CNN, EfficientNetb3, ResNet-101, ResNet-50, Xception, AlexNet, DenseNet121, Swin Transformer	准确率	NA
120	2026-02-12	PalmNeXt: a ConvNeXt-based deep learning model for pest detection in date palm leaves 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1738129 PMID:41658551	研究论文	本文提出了一种基于ConvNeXt的深度学习模型PalmNeXt，用于椰枣叶害虫检测	引入了定制的预处理流程以增强特征质量，并基于ConvNeXt-Tiny构建轻量级框架，在小型多变数据集上实现高性能	未明确提及模型在更广泛作物或环境条件下的泛化能力，数据集规模相对有限	开发高效、轻量的自动化害虫检测方法，以支持精准农业中的及时作物监测	椰枣叶的RGB图像，包含害虫侵染和健康状态	计算机视觉	植物病虫害	图像预处理与深度学习	CNN	图像	3000张椰枣叶样本图像，涵盖四个类别（Bug, Dubas, Healthy, Honey）	未明确指定，可能为PyTorch或TensorFlow	ConvNeXt-Tiny	准确率, 精确率, 召回率, F1分数	未明确指定