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
1181	2025-10-06	LRU-Net: lightweight and multiscale feature extraction for localization of ACL tears region in MRI images 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1611267 PMID:40735674	研究论文	提出一种轻量级残差U-Net网络LRU-Net，用于MRI图像中前交叉韧带撕裂区域的定位分割	集成先进的注意力机制增强边界敏感性，采用动态特征提取模块实现自适应多尺度特征提取，并通过密集连接解码器增强特征重用	NA	开发准确高效的ACL撕裂诊断工具	前交叉韧带撕裂区域	计算机视觉	运动损伤	MRI成像	CNN	医学图像	NA	NA	U-Net, ResNet	Dice系数, IoU	轻量级计算
1182	2025-10-06	DualPlaqueNet with dual-branch structure and attention mechanism for carotid plaque semantic segmentation and size prediction 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1629637 PMID:40735675	研究论文	提出基于深度学习的DualPlaqueNet模型，用于颈动脉超声图像中斑块的语义分割和尺寸预测	采用双分支架构结合注意力机制和联合损失函数，并在ECA模块中引入多层一维卷积结构	数据集仅包含287张来自单一医院的超声图像，样本量有限	为临床风险评估和个性化诊疗提供全面准确的辅助信息	颈动脉粥样硬化斑块	计算机视觉	心血管疾病	超声成像	CNN	图像	287张颈动脉超声图像	NA	DualPlaqueNet, ECA	MIoU, IoU, DSC, Accuracy, MSE, MAE, R²	NA
1183	2025-10-06	AI-driven skin cancer detection from smartphone images: A hybrid model using ViT, adaptive thresholding, black-hat transformation, and XGBoost 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328402 PMID:40720382	研究论文	提出一种基于智能手机图像的皮肤癌检测混合模型，结合视觉Transformer和XGBoost算法	采用自适应阈值处理和黑帽变换进行图像预处理，结合ViT特征提取和图像相关变量构建堆叠模型	NA	提高皮肤癌筛查的准确性和效率	六类皮肤病变：光化性角化病、基底细胞癌、黑色素瘤、痣、鳞状细胞癌和脂溢性角化病	计算机视觉	皮肤癌	智能手机图像采集	ViT, XGBoost	图像	NA	NA	Vision Transformer	准确率, PVV, 召回率, F1分数	NA
1184	2025-10-06	Hyperparameter tuned deep learning-driven medical image analysis for intracranial hemorrhage detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326255 PMID:40720400	研究论文	提出一种基于超参数调优深度学习驱动的医学图像分析方法，用于颅内出血检测	结合改进的EfficientNet特征提取、黑猩猩优化算法进行超参数调优，以及集成LSTM、堆叠自编码器和双向LSTM的分类模型	NA	开发自动化的颅内出血检测系统以提高诊断准确率	计算机断层扫描（CT）图像中的颅内出血区域	计算机视觉	颅内出血	计算机断层扫描（CT）	CNN, LSTM, Autoencoder, Bi-LSTM	医学图像	NA	NA	EfficientNet, LSTM, Stacked Autoencoder, Bi-LSTM	准确率	NA
1185	2025-10-06	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出基于AMFormer的交通事故责任认定框架，通过时空特征建模实现可解释的多标签责任分类	开发AMFormer（算术特征交互Transformer）框架，结合SHAP分析提供责任认定的可解释性	未明确说明数据集的具体规模和多样性限制	开发准确且可解释的交通事故责任认定方法	交通事故数据及责任认定	自然语言处理	NA	深度学习，SHAP可解释性分析	Transformer	交通事故特征数据	真实世界数据集（未明确具体数量）	NA	AMFormer（算术特征交互Transformer）	准确率，F1分数	NA
1186	2025-10-06	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	开发深度学习模型用于超声图像中肝脏肿瘤的自动实时检测和诊断	在大型数据集上比较多种深度学习模型对肝脏肿瘤的诊断性能，并实现基于超声的实时病变检测和分类	回顾性研究设计，数据集时间跨度较长（2002-2020年）	开发自动诊断和检测肝脏病变的深度学习模型，以肝细胞癌为主要恶性肿瘤	肝脏肿瘤患者，包括恶性和良性病变	计算机视觉	肝癌	超声成像	CNN, Transformer	超声图像	1576名患者，4599张图像，6001个病变	NA	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	AUC, mAP	NA
1187	2025-10-06	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	开发并验证一种能够在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度的深度学习模型	在DeepLabv3-ResNet101架构中集成通道和空间注意力模块、dropout强化的空洞空间金字塔池化以及加权交叉熵损失函数，专门针对真实世界儿童烧伤图像的多类分割和严重程度识别	仅使用单中心回顾性数据，图像分辨率统一调整为256×256像素可能损失部分细节信息	开发适用于真实世界成像条件的儿童烧伤自动分割和深度分级系统	儿童烧伤患者的智能手机或相机拍摄照片	计算机视觉	烧伤	深度学习图像分析	CNN	图像	4785张照片，包含14,355个烧伤区域标注	PyTorch	DeepLabv3, ResNet101	Dice系数, 交并比, 准确率, 精确率, 召回率, F1分数, AUC	NVIDIA GTX 1060 GPU
1188	2025-10-06	Cohort protocol: risk assessment of maternal inflammation and early brain development in infants and young children based on multi-source data modeling 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1530285 PMID:40726941	研究方案	基于多源数据建模评估母体炎症对婴幼儿早期大脑发育风险的研究方案	首次在'基因-影像-环境-行为'多因素复杂交互作用下，利用深度学习构建婴幼儿大脑发育早期风险评估模型	样本量相对有限（360对母子），随访时间仅至3岁	评估母体炎症对婴幼儿早期大脑发育的风险，理解早期发育机制并预防大脑发育障碍	360对孕妇及其后代组成的厦门儿童大脑发育队列	数字病理学	儿科疾病	全外显子组测序，神经影像学，行为评估，生物标志物分析	深度学习	问卷数据，医学记录，神经影像数据，行为评估数据，基因测序数据，生物标志物数据	360对孕妇及其后代	NA	NA	NA	NA
1189	2025-10-06	Enhancing action recognition in educational settings using AI-driven information systems for public health monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1592228 PMID:40726947	研究论文	提出一种融合自适应知识嵌入网络和动态个性化学习策略的AI驱动信息系统，用于教育场景中的行为识别和公共卫生监测	首次将自适应知识嵌入网络(AKEN)与动态个性化学习策略(DPLS)相结合，通过强化学习和可解释AI技术实现教育环境中复杂行为模式的实时识别与干预	未明确说明实验规模和数据采集的具体环境限制	提升教育环境中行为识别的准确性，增强公共卫生监测能力	学生行为模式（久坐行为、社交互动、卫生依从性等）	计算机视觉, 自然语言处理	公共卫生	深度学习, 强化学习, 可解释AI	深度学习模型	行为数据, 环境数据	NA	NA	自适应知识嵌入网络(AKEN)	识别准确率	NA
1190	2025-10-06	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	本研究开发了一种主动学习方法，用于训练能够区分神经视网膜发育中增强子和沉默子的深度学习模型	将主动学习与合成生物学相结合，通过不确定性采样生成多轮训练数据，解决了传统模型无法解释相同转录因子在不同环境中具有相反功能的问题	模型主要针对CRX结合位点进行研究，可能不适用于其他转录因子或调控元件	开发能够准确区分增强子和沉默子的深度学习模型	光感受器转录因子CRX的结合位点	机器学习	NA	大规模并行报告基因检测	深度学习	基因组序列	几乎所有基因组中结合的CRX位点	NA	NA	NA	NA
1191	2025-10-06	Data augmentation of time-series data in human movement biomechanics: A scoping review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327038 PMID:40591732	综述	对生物力学时间序列数据增强技术进行范围综述，分析当前方法并评估其有效性	首次系统综述生物力学领域时间序列数据增强技术的应用现状与挑战	仅纳入21篇相关文献，缺乏对数据增强方法的统一评估标准	评估生物力学时间序列数据增强技术的现状、效果和应用建议	2013-2024年间发表的生物力学时间序列数据增强研究	生物力学	NA	数据增强技术	NA	时间序列数据	21篇相关出版物	NA	NA	NA	NA
1192	2025-10-06	Closed-Loop Transcranial Ultrasound Stimulation Based on Deep Learning Effectively Suppresses Epileptic Seizures in Mice 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3589089 PMID:40658582	研究论文	本研究开发了一种基于深度学习的闭环经颅超声刺激系统，用于实时检测并抑制小鼠癫痫发作	首次将深度学习与经颅超声刺激结合构建闭环系统，实现癫痫信号的实时识别与动态干预	研究仅使用青霉素诱导的癫痫小鼠模型，未验证其他癫痫模型的有效性	开发能动态响应癫痫发作的闭环神经调控系统	青霉素诱导的癫痫小鼠海马区	机器学习	癫痫	经颅超声刺激	深度学习网络	神经信号	未明确说明具体样本数量的小鼠实验	NA	NA	癫痫信号识别准确率、发作放电率、功率强度、相位-幅度耦合、样本熵	NA
1193	2025-10-06	Detecting early gastrointestinal polyps in histology and endoscopy images using deep learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1571075 PMID:40703309	研究论文	提出一种基于深度学习的三阶段方法用于早期胃肠道息肉检测	开发了结合编码器-解码器网络、预训练模型和SVM分类器的三阶段深度学习框架	InceptionV3模型性能略低于其他模型，未说明具体原因	早期胃肠道癌变检测	胃肠道息肉	计算机视觉	胃肠道癌	深度学习	CNN, SVM	图像	5个数据集（CRC-VAL-HE-7K、CRC-VAL-HE-100K、Kvasir_v2、北京肿瘤医院数据集、弱标注数据集）	NA	编码器-解码器网络, VGG16, VGG19, ResNet50, InceptionV3	准确率	NA
1194	2025-10-06	Integrating pathomics and deep learning for subtyping uveal melanoma: identifying high-risk immune infiltration profiles 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1585097 PMID:40703526	研究论文	本研究结合病理组学和深度学习技术对葡萄膜黑色素瘤进行亚型分型，识别高风险免疫浸润特征	首次将无监督学习技术与深度学习模型相结合，识别出葡萄膜黑色素瘤的高免疫浸润亚型，并基于死亡率风险改进患者分层方法	样本量相对有限（训练集70例，验证集68例），需要更大规模的多中心研究验证	利用无监督学习技术识别葡萄膜黑色素瘤的高免疫浸润亚型，基于死亡率风险改进患者分层	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	H&E染色全玻片图像分析，基因组数据分析	深度学习，无监督学习	病理图像，基因组数据，临床数据	训练集70例（来自GDC数据库），验证集68例（来自华西医院）	CellProfiler	Inception-V3	生存预测准确性，患者分类准确性	NA
1195	2025-10-06	Supervised contrastive loss helps uncover more robust features for photoacoustic prostate cancer identification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592815 PMID:40703547	研究论文	本研究将监督对比学习引入光声光谱分析，用于前列腺癌识别	提出SCL-adjust模型，在光声光谱特征提取中应用监督对比损失函数，显著提升特征鲁棒性和模型迁移性能	个体异质性仍然是影响判别性能的重要因素	从复杂生物组织中提取更可靠特征，提升前列腺癌的判别准确率	前列腺癌的光声光谱数据	医学影像分析	前列腺癌	光声光谱分析	CNN, 监督对比学习	光谱数据	NA	NA	CNN-based模型, SC模型, SCL-adjust模型	准确率	NA
1196	2025-10-06	Using deep learning to screen OCTA images for hypertension to reduce the risk of serious complications 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1581785 PMID:40703652	研究论文	使用深度学习分析OCTA图像筛查高血压以降低严重并发症风险	首次结合Xception卷积神经网络和多Swin Transformer架构分析高血压患者的眼底微血管变化	样本量有限（422张OCTA图像），模型准确率有待进一步提升	通过深度学习分析OCTA图像筛查高血压及其并发症风险	高血压患者和健康受试者的眼底血管	计算机视觉	心血管疾病	光学相干断层扫描血管成像（OCTA）	CNN, Transformer	图像	422张OCTA图像（来自136名高血压患者和85名健康受试者）	NA	Xception, Swin Transformer	准确率, 灵敏度	NA
1197	2025-10-06	Construction of crown profile prediction model of Pinus yunnanensis based on CNN-LSTM-attention method 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1567131 PMID:40703862	研究论文	基于CNN-LSTM-Attention混合深度学习方法和新型树冠竞争指数构建云南松树冠轮廓预测模型	首次将CNN-LSTM-Attention混合深度学习模型与新型树冠轮廓竞争指数(CPCI)相结合，有效捕捉树冠空间异质性和垂直结构	研究仅基于云南大理苍山5个年龄分层固定样地的629棵树数据，样本来源地域有限	提高云南松树冠轮廓预测精度，更好地理解森林结构和竞争关系	云南松(Pinus yunnanensis)树冠轮廓	计算机视觉	NA	深度学习建模	CNN, LSTM, Attention机制	树冠轮廓数据	629棵树，来自5个年龄分层固定样地	NA	CNN-LSTM, CNN-LSTM-Attention, Vanilla LSTM	MSE, RMSE, MAE, R²	NA
1198	2025-10-06	Design and development of an efficient RLNet prediction model for deepfake video detection 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1569147 PMID:40704217	研究论文	提出一种结合ResNet和LSTM的RLNet深度学习框架，用于高精度检测深度伪造视频	同时利用空间和时间特征进行深度伪造检测，结合ResNet捕捉帧级空间异常和LSTM分析视频序列的时间不一致性	未明确说明数据集的具体规模和多样性限制	开发高效的深度伪造视频检测方法以增强数字内容的安全性和真实性	真实视频和深度伪造视频	计算机视觉	NA	深度学习	CNN, LSTM	视频	包含真实视频和深度伪造视频的多样化数据集（具体数量未说明）	NA	ResNet, LSTM	准确率	NA
1199	2025-10-06	Application of deep learning for diagnosis of shoulder diseases in older adults: a narrative review 2025-Jan, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.e6 PMID:40704206	综述	探讨深度学习在老年人肩部疾病诊断中的应用现状与潜力	系统综述深度学习在肩部疾病自动化诊断中的创新应用，包括图像分割、运动分析和骨质疏松量化	需要大规模前瞻性验证研究来确保通用性和临床工作流程整合	评估深度学习技术在老年人肩部疾病诊断与管理中的应用价值	老年人肩部疾病患者	计算机视觉	老年疾病	MRI, CT, X射线	CNN	医学影像	NA	NA	卷积神经网络	准确率	NA
1200	2025-10-06	Analysis of Research Hotspots and Development Trends in the Diagnosis of Lung Diseases Using Low-Dose CT Based on Bibliometrics 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056402094250530075121 PMID:40491372	研究论文	基于文献计量学分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	首次系统梳理低剂量CT在肺部疾病诊断领域的研究演进轨迹，揭示从技术改进到健康风险评估再到AI辅助诊断的研究路径转变	仅基于Web of Science英文文献，可能遗漏其他语言的重要研究成果	探索低剂量CT在肺部疾病诊断领域的研究热点和发展趋势	2005年至2024年6月期间发表的关于低剂量CT和肺部疾病的文献	医学影像分析	肺癌	文献计量分析，CiteSpace软件分析	NA	文献数据	Web of Science核心合集中2005-2024年6月的相关文献	CiteSpace	NA	中心性指标，关键词频率	NA