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
121	2026-02-12	Automated Deep Learning Based Cardiac Quantification in Hypertrophic Cardiomyopathy: A Comparative Study with Manual Segmentation 2025, Acta medica Lituanica DOI:10.15388/Amed.2025.32.2.8 PMID:41659139	研究论文	本研究比较了基于深度学习的全自动心脏分割软件与手动分割在肥厚型心肌病患者心脏参数量化中的性能	首次在肥厚型心肌病这一复杂病理中验证全自动深度学习心脏量化软件的性能，并与传统手动分割进行系统比较	样本量较小（25例），且未在结构更复杂的病例中进行充分验证	评估深度学习算法在肥厚型心肌病患者心脏参数自动量化中的准确性和临床实用性	肥厚型心肌病患者的CMR图像	数字病理学	心血管疾病	心脏磁共振成像	深度学习	医学影像	25例成年肥厚型心肌病患者	NA	NA	相关系数, Bland-Altman分析	3.0 Tesla MRI扫描仪（西门子Vida）
122	2026-02-12	HED-Net: a hybrid ensemble deep learning framework for breast ultrasound image classification 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1672488 PMID:41660228	研究论文	本文提出了一种名为HED-Net的混合集成深度学习框架，用于乳腺癌超声图像分类	结合了三种不同的卷积神经网络模型（EffcientNetB7、DenseNet121、ConvNeXtTiny）来提取互补特征，并利用XGBoost作为特征融合分类器，同时采用软投票集成方法，提高了分类性能	NA	开发一个用于乳腺癌超声图像分类的深度学习框架，以提高诊断准确性并减少解读时间	乳腺癌超声图像	计算机视觉	乳腺癌	超声成像	CNN	图像	使用了三个数据集：BUSI、BUS-UCLM和UDIAT数据集	NA	EffcientNetB7, DenseNet121, ConvNeXtTiny	准确率, 精确率, 召回率, F1分数, AUC	NA
123	2026-02-12	Automatic Explainable Segmentation of Abdominal Aortic Aneurysm From Computed Tomography Angiography 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3620721 PMID:41660645	研究论文	本文提出了一种基于深度学习的自动化框架，用于从CT血管造影图像中分割腹主动脉瘤，以支持AAA筛查和分析	采用动态路由器将图像区域分配给三个专门的U-Net模型，每个模型处理分割的不同方面，并结合NURBS进行手动细化以提高临床准确性	在复杂病例中需要手动使用NURBS进行校正，校正时间每帧为3至20秒，未来需整合多模态成像并优化NURBS以提高准确性和效率	开发自动化深度学习框架以支持腹主动脉瘤的筛查和临床决策	腹主动脉瘤在CT血管造影图像中的分割	计算机视觉	心血管疾病	CT血管造影	U-Net	图像	训练和验证使用9,080张图像，测试使用1,560张图像，代表22名独特患者	NA	U-Net	Dice分数, IoU分数, Hausdorff距离	NA
124	2026-02-12	Multimodal Deep Learning Approaches for Early Detection of Alzheimer's Disease: A Comprehensive Systematic Review of Image Processing Techniques 2025, Current Alzheimer research IF:1.8Q4 DOI:10.2174/0115672050401817250721190509 PMID:40785178	综述	本文全面系统地回顾了用于阿尔茨海默病早期检测的多模态深度学习及图像处理技术	聚焦于多模态深度学习在阿尔茨海默病早期诊断中的应用，并整合了可解释人工智能（XAI）的最新进展	数据集不足或准备不充分、计算成本高、与临床实践缺乏整合	调查多模态深度学习在阿尔茨海默病早期诊断中的最新技术现状	阿尔茨海默病	计算机视觉	阿尔茨海默病	结构MRI、功能MRI、淀粉样蛋白PET	CNN, 迁移学习方法, 组合模型	图像	NA	NA	NA	NA	NA
125	2026-02-09	T2W-CogLoadNet: a framework for cognitive load assessment of dance movements based on deep learning-powered human pose estimation 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1707539 PMID:41646903	研究论文	本文提出了一种基于深度学习的人体姿态估计框架T2W-CogLoadNet，用于评估舞蹈动作的认知负荷	结合了Temporal Convolutional Network (TCN)-Transformer进行时间特征提取，并利用Whale Optimization (WOA)进行超参数优化，实现了3D舞蹈姿态估计和认知负荷建模	未整合多模态输入，对不同舞蹈风格的适应性有待提升，实时监测工具尚未开发	优化舞蹈训练效果并促进康复应用，通过评估舞蹈动作的认知负荷	舞蹈姿态和认知负荷	计算机视觉	NA	深度学习，人体姿态估计	TCN, Transformer	视频	AIST++专业舞蹈数据集和Kinetics 400广义运动数据集	NA	T2W-CogLoadNet, TCN, Transformer	MAE, RMSE, MPJPE	NA
126	2026-02-09	Design and experiment of tea winnowing parameter control system based on YOLO-AE 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1721083 PMID:41647632	研究论文	本文提出了一种基于改进YOLO-AE模型的白茶风选参数控制系统，通过深度学习实时识别茶叶等级比例并优化风选参数	改进了YOLOv11模型，引入ACmix和EUCB模块，使识别精度提升2.1%，检测时间缩短40%	仅针对白茶进行实验，未验证在其他茶类或更广泛场景下的适用性	设计基于深度学习的茶叶风选参数控制系统，提高风选质量和效率	白茶茶叶	计算机视觉	NA	深度学习	CNN	图像	未明确说明样本数量，但涉及不同比例的茶叶材料测试	未明确指定，可能基于PyTorch或TensorFlow（从YOLO系列推断）	YOLOv11改进版（YOLO-AE），结合ACmix和EUCB模块	识别精度，MAP (0.5:0.95)，检测时间	未明确说明
127	2026-02-09	Deep learning software and revised 2D model to segment bone in micro-CT scans 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1677527 PMID:41648861	研究论文	本文提出了一种修订的2D骨孔分割模型BP-2D-03及配套深度学习软件，用于在微CT扫描中自动分割骨骼	开发了BONe DL软件接口，包含训练、预测和评估模块，解决了切片级数据泄漏、高内存使用和有限多GPU支持等问题	模型对于非典型扫描的预测性能可能下降，性能在不同扫描组成上存在差异	提高微CT数据集中骨骼分割的自动化程度和跨平台可重复性	微CT扫描数据集，涵盖五种哺乳动物物种	计算机视觉	NA	微CT扫描	深度学习	图像	20个微CT扫描，包含142,960个图像块	NA	U-Net, UNet++, ResNet-18	IoU	多GPU支持
128	2026-02-08	Transforming cervical cancer pathological diagnosis through artificial intelligence: progress, performance, and barriers to clinical implementation 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1716018 PMID:41640440	综述	本系统综述评估了人工智能技术在宫颈癌病理诊断中的应用现状、发展水平及关键挑战	系统性地总结了AI在宫颈癌病理诊断中的进展，特别指出深度学习模型可将诊断时间从8-15分钟缩短至1-3分钟，并达到92-98%的准确率	存在标准化问题、临床验证有限以及基础设施成本高昂等实施挑战	评估人工智能技术在宫颈癌病理诊断中的应用与挑战	涉及宫颈癌病理诊断的人工智能应用研究，包括组织病理学、免疫组织化学和分子病理学诊断	数字病理学	宫颈癌	NA	CNN	组织病理学图像	基于56项纳入研究，具体样本量未在摘要中明确	NA	卷积神经网络	诊断准确率	NA
129	2026-02-08	Multimodal MRI radiomics-clinical fusion model predicts intravenous glucocorticoid response in thyroid eye disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1726947 PMID:41641033	研究论文	本研究开发了一种多模态MRI影像组学-临床融合模型，用于预测甲状腺眼病患者对静脉糖皮质激素治疗的反应	首次将多模态MRI影像组学特征与深度迁移学习特征融合，并结合临床预测因子构建综合模型，以预测甲状腺眼病的治疗反应	研究为回顾性、多中心设计，样本量相对较小（108名患者），且仅使用了两种MRI序列（T1WI和T2WI-FS）	预测甲状腺眼病患者对静脉糖皮质激素治疗的反应，以实现个性化治疗规划	甲状腺眼病患者	数字病理学	甲状腺眼病	MRI（T1加权成像和脂肪抑制T2加权成像）	融合模型（影像组学与深度学习）	医学影像（MRI）	108名甲状腺眼病患者（78名应答者，30名无应答者）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
130	2026-02-08	CervSpineNet: a hybrid deep learning-based approach for the segmentation of cervical spinous processes 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1733689 PMID:41635798	研究论文	本文提出了一种名为CervSpineNet的混合深度学习框架，用于自动分割颈椎棘突，并基于专家标注的500张颈椎X光片数据集进行验证	结合基于Transformer的编码器捕获全局解剖上下文与轻量级卷积解码器细化局部边界，并采用复合损失函数联合优化区域重叠、类别平衡、结构保真度和边界准确性	未提及模型在外部数据集或不同设备采集图像上的泛化性能	开发自动化工具以可靠分割颈椎棘突，支持解剖标志定位、手术规划和脊柱畸形纵向评估	颈椎棘突	计算机视觉	脊柱畸形	X射线成像	混合深度学习框架	图像	500张颈椎脊柱X光片	未明确提及	Transformer编码器与卷积解码器混合架构	Dice系数, IoU, SSIM, HD95距离, MAE	标准临床硬件
131	2026-02-07	Ultrasound elastic modulus reconstruction using a deep learning model trained with simulated data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.017001 PMID:39916991	研究论文	本文开发并验证了一种基于深度学习的超声弹性成像逆问题求解方法，用于从超声测量的位移场中重建弹性模量的空间分布	提出了一种基于U-Net的深度学习神经网络，通过数据驱动模型解决超声弹性成像中的逆问题，利用模拟数据进行训练，避免了传统方法对大量真实测量数据的依赖	模拟数据的多样性和代表性对模型泛化能力至关重要，可能在实际应用中受到模拟与真实数据差异的限制	解决超声弹性成像中传统逆问题技术计算量大、对噪声敏感或依赖完整位移场数据的局限性	超声弹性成像中的位移场数据及对应的弹性模量分布	医学影像分析	NA	超声弹性成像	深度学习	模拟位移场数据、体模实验数据、临床数据	未明确具体样本数量，但包括模拟数据、体模实验和临床数据	未明确指定，但基于U-Net架构	U-Net	均方误差, 平均绝对百分比误差, 模量比, 对比噪声比	NA
132	2026-02-07	Vision transformer distillation for enhanced gastrointestinal abnormality recognition in wireless capsule endoscopy images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014505 PMID:39916992	研究论文	本文提出了一种基于知识蒸馏的深度学习框架，利用CNN教师模型指导ViT学生模型，以增强无线胶囊内窥镜图像中胃肠道异常的识别能力	首次将知识蒸馏技术应用于CNN与ViT的结合，用于WCE图像分析，通过注意力机制和深度可分离卷积提升特征提取效率	研究仅基于公开数据集（Kvasir和KID），未在更大规模或更多样化的临床数据上进行验证	开发计算机视觉辅助系统，以自动化识别WCE图像中的胃肠道异常，减轻医生手动检查负担	无线胶囊内窥镜图像中的正常与异常区域，以及出血与非出血病例	计算机视觉	胃肠道疾病	无线胶囊内窥镜成像	CNN, ViT	图像	基于Kvasir和KID两个公共数据集的图像（具体数量未明确说明）	未明确指定，可能为PyTorch或TensorFlow	Vision Transformer, 结合注意力机制和深度可分离卷积的CNN	准确率	未明确说明
133	2026-02-06	RETRACTED: Enhanced E-commerce decision-making through sentiment analysis using machine learning-based approaches and IoT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326744 PMID:40587469	研究论文	本研究通过结合物联网（IoT）和机器学习技术，利用情感分析提升电子商务决策能力，旨在优化客户购物体验并改进企业运营策略	创新性地将IoT数据收集与多种机器学习算法（包括深度学习模型如GRU和LSTM）结合，用于电子商务决策支持，并发现AdaBoosting在多项性能指标上超越其他方法	未详细说明数据的具体来源、规模或隐私处理措施，且未讨论模型在不同电子商务场景中的泛化能力	提升电子商务决策水平，通过情感分析改善客户购物体验和企业销售策略	电子商务中的客户行为数据、偏好数据及产品需求数据	自然语言处理	NA	情感分析、机器学习算法	logistic regression, Naïve Bayes, SVM, Random Forest, AdaBoosting, GRU, LSTM	文本数据（来自IoT设备收集的客户行为和偏好数据）	NA	NA	GRU, LSTM	F1分数, 准确率, 精确率, 召回率	NA
134	2026-02-06	Can machine learning help accelerate article screening for systematic reviews? Yes, when article separability in embedding space is high 2025-Jan, Research synthesis methods IF:5.0Q1 DOI:10.1017/rsm.2024.16 PMID:41626902	研究论文	本文全面测试了机器学习模型在加速教育领域系统综述文献筛选中的应用，并提出了基于嵌入空间聚类可分性的启发式方法来预测模型性能	发现嵌入空间中相关与不相关文献聚类的可分性（整体R²=0.81）能强预测机器学习筛选效果，提出了一种通用启发式方法	研究仅基于教育领域的系统综述数据集，未验证其他学科领域的普适性	评估机器学习模型加速系统综述文献筛选的可行性并探索性能预测指标	教育领域系统综述的文献数据集	自然语言处理	NA	机器学习模型测试、大语言模型提示工程	经典机器学习模型、深度学习模型、GPT-3.5、GPT-4	文本	多个实际系统综述数据集（具体数量未说明）	NA	NA	召回率、工作量节省百分比	NA
135	2026-02-05	Estimating Uncertainty of Geographic Atrophy Segmentations with Bayesian Deep Learning 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100587 PMID:39380882	研究论文	本研究应用贝叶斯深度学习方法量化地理萎缩（GA）分割的不确定性，并与传统深度学习模型进行比较	首次将蒙特卡洛dropout和集成两种近似贝叶斯深度学习技术应用于GA分割的不确定性量化，同时提高了模型性能	研究为回顾性分析，样本量相对有限（126只眼），且仅基于单一队列（SWAGGER）的SS-OCT图像	通过量化GA分割的不确定性，提高模型的可信度并辅助临床决策	年龄相关性黄斑变性（AMD）患者的地理萎缩（GA）病变	数字病理学	年龄相关性黄斑变性	扫频源光学相干断层扫描（SS-OCT）	深度学习分割模型	医学图像（OCT图像）	126只眼（来自87名参与者）	NA	NA	Dice系数	NA
136	2026-02-05	Deep learning CT image restoration using system blur and noise models 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014003 PMID:39906485	研究论文	本文提出了一种结合系统模糊和噪声模型的深度学习CT图像恢复方法	通过整合系统模糊和噪声的辅助输入，将建模与深度学习结合，而非仅依赖图像输入进行盲恢复	未明确说明模型在极端噪声或模糊条件下的泛化能力，且可能依赖于准确的系统参数估计	提高CT图像恢复的质量，通过利用系统模糊和噪声特性来增强深度学习模型性能	受模糊和噪声影响的CT图像	计算机视觉	NA	CT成像	CNN	图像	NA	NA	卷积神经网络	平均峰值信噪比, 结构相似性指数	NA
137	2026-02-02	Automatic detection of main pancreatic duct dilation and pancreatic parenchymal atrophy based on a shape feature in abdominal contrast-enhanced CT images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014504 PMID:39895855	研究论文	本研究开发了一种基于腹部增强CT图像的形状特征算法，用于自动检测主胰管扩张和胰腺实质萎缩	提出了一种结合深度学习分割与中心线估计的自动化形状特征（90th DP ratio）计算方法，用于同时检测MPDD和PPA	仅使用56例公开数据进行验证，样本量有限；未在外部数据集上进行测试	开发自动检测胰腺形态异常（主胰管扩张和胰腺实质萎缩）的算法	腹部增强CT图像中的胰腺区域	计算机视觉	胰腺疾病	腹部对比增强CT成像	CNN	医学影像（CT图像）	56例腹部增强CT图像（48例有MPDD，8例无MPDD；31例有PPA，25例无PPA）	未明确说明	未明确说明具体架构（仅提及深度学习CNN）	统计显著性检验（p值），90th DP ratio的均值比较	NA
138	2026-02-02	Infectious disease prediction model based on optimized deep learning algorithm 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1703506 PMID:41613087	研究论文	提出一种结合遗传算法、双向长短期记忆网络和自回归积分滑动平均模型的混合模型（GA-BiLSTM-ARIMA），用于预测传染病时间序列数据	提出了一种新型混合模型GA-BiLSTM-ARIMA，通过遗传算法系统性地优化模型参数，整合了BiLSTM处理序列数据的能力和ARIMA捕捉时间趋势的优势	研究仅使用日本COVID-19病例数据进行验证，未在其他地区或传染病数据集上进行测试，模型泛化能力有待进一步验证	提高传染病疫情发展的预测准确性，为制定防控策略提供支持	COVID-19疫情时间序列数据	机器学习	传染病	时间序列分析	混合模型（BiLSTM, ARIMA, GA）	时间序列数据	日本COVID-19病例数据（具体样本数量未明确说明）	NA	BiLSTM, ARIMA	RMSE, MAE, MAPE, R²	NA
139	2026-02-02	Epilepsy detection based on spatiotemporal feature interaction fusion of EEG signals 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1478718 PMID:41613177	研究论文	本文提出了一种结合图注意力网络和Transformer网络的自动癫痫检测方法，用于从多通道EEG信号中提取时空特征	结合GAT和Transformer网络，首次在癫痫检测中同时关注EEG通道间的空间拓扑结构和时间序列关系，弥补了现有方法对通道间关系关注不足的缺陷	未提及模型在实时检测或临床环境中的泛化能力，也未讨论计算复杂度或资源需求	开发一种自动癫痫检测方法，以更充分地提取多通道EEG信号的时空信息	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	GAT, Transformer	EEG信号	CHB-MIT和TUH数据集，采用十倍交叉验证	NA	图注意力网络, Transformer网络	准确率	NA
140	2026-02-02	Neurologists-level interpretable CT-based deep neural network for prediction of hemorrhagic transformation after ischemic stroke 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1753071 PMID:41613258	研究论文	本研究开发了一种基于CT扫描的深度学习模型，用于预测缺血性卒中后的出血转化	结合平扫CT与深度学习方法，开发出具有临床可解释性的模型，在测试中显示出优于临床医生和现有类似模型的性能	研究为回顾性分析，样本量相对有限（474例病例），且数据来自单一中心，可能影响模型的泛化能力	预测急性缺血性卒中后的出血转化，以改善临床预后	急性缺血性卒中患者	计算机视觉	心血管疾病	CT扫描	CNN	图像	474例急性缺血性卒中病例（231例HT，243例非HT），共613张CT扫描	NA	ResNet	F1分数, AUC, 灵敏度, 准确度	NA