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
2301	2026-01-03	Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images 2025, Simplifying medical ultrasound : 5th international workshop, ASMUS 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, proceedings. ASMUS (Workshop) (5th : 2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-73647-6_13 PMID:40463734	研究论文	本文评估了基于人机交互的3D交互式分割模型在胎盘分割任务中的性能，并与现有公开模型进行对比	首次将人机交互模型应用于3D超声图像的胎盘分割任务，并评估其效率和效果	未提及模型在更大规模或多样化数据集上的泛化能力	开发一种高效且准确的交互式胎盘分割方法，以替代耗时的手动标注	3D超声图像中的胎盘	医学影像	妊娠相关疾病	3D超声成像	深度学习交互式分割模型	3D图像	NA	NA	Segment Anything Model (SAM) 启发模型	Dice分数, 归一化表面Dice, 平均对称表面距离, 95百分位Hausdorff距离	NA
2302	2026-01-03	Prediction of urban heat island intensity based on multiple linear regression and deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339782 PMID:41460956	研究论文	本研究构建了CNN-LSTM-Attention模型预测遥感光谱指数，并结合CA-Markov模型预测土地利用变化，以预测和分析城市热岛强度及其未来分布	结合了深度学习模型（CNN-LSTM-Attention）与CA-Markov模型来预测土地利用变化和城市热岛强度，并利用多元线性回归分析了多种光谱指数与热岛强度的关系	未明确说明模型在不同城市或气候条件下的泛化能力，也未详细讨论预测结果的不确定性	预测和分析城市热岛强度及其未来分布，为城市规划和环境政策制定提供依据	城市热岛效应、土地利用变化、遥感光谱指数	机器学习和环境科学交叉领域	NA	遥感光谱分析、土地利用变化预测	CNN, LSTM, Attention机制, CA-Markov模型, 多元线性回归	遥感数据、光谱指数数据、土地利用数据	NA	NA	CNN-LSTM-Attention, CA-Markov	R², RMSE	NA
2303	2026-01-03	Real-world evaluation of deep learning decoders for motor imagery EEG-based BCIs 2025, Frontiers in systems neuroscience IF:3.1Q2 DOI:10.3389/fnsys.2025.1718390 PMID:41472918	研究论文	本研究评估了10种深度学习解码器在基于运动想象脑电图的脑机接口中的实时应用性能	首次在软实时协议下系统评估多种深度学习解码器在短时间窗口（2秒）内的表现，并揭示了离线与在线设置间的性能排名变化	注意力机制和Transformer架构在跨被试和会话中表现不稳定，可能受限于样本量和个体差异	评估深度学习解码器在实时脑机接口中的适用性，为在线优先的脑电图解码器设计提供指导	运动想象脑电图信号	机器学习	NA	脑电图	CNN, TCN, Transformer	脑电图信号	NA	NA	FBLight ConvNet, EEG-TCNet, 卷积神经网络, 时间卷积网络, Transformer	准确率, 灵敏度, 精确率, 误中率, 误报率, 信息传输率, 工作量	NA
2304	2026-01-03	Automated weed monitoring and control: enhancing detection accuracy using a YOLOv7-AlexNet fusion network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1664650 PMID:41473147	研究论文	本研究提出了一种结合YOLOv7和AlexNet的混合深度学习系统，用于农业场景中的杂草自动监测、检测和物种分类	提出了一种新颖的YOLOv7-AlexNet混合网络，利用YOLOv7进行快速杂草检测，并利用AlexNet提高杂草物种分类的特异性，从而在密集环境中实现更精细的识别	数据集需要扩展以涵盖更多杂草物种和环境条件，且模型尚未在田间计算机上部署验证其实际应用效果	提高农业杂草监测的检测精度和分类能力，实现高效、鲁棒的实时杂草检测与分类	农业场景中的杂草	计算机视觉	NA	深度学习	CNN	图像	未明确说明	未明确说明	YOLOv7, AlexNet	精确率, 召回率, F1分数, mAP@0.50, mAP@0.5:0.95	未明确说明
2305	2026-01-03	An intelligent MRI data fusion framework for optimized diagnosis of spinal tumors 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606570 PMID:41473174	研究论文	提出了一种名为TSJNet的新型多模态图像融合框架，用于优化脊柱肿瘤的诊断	提出了一种新颖的目标与语义联合驱动网络（TSJNet），通过融合模块与检测、分割子网络的集成，以及具有双分支设计的局部显著特征提取（LSFE）模块，增强了细粒度的跨模态特征交互	NA	开发一种多模态图像融合框架，以支持下游视觉任务，特别是优化脊柱肿瘤的诊断	多模态医学图像（MRI）	计算机视觉	脊柱肿瘤	多模态图像融合	深度学习	图像	在四个公共数据集（MSRS, M3FD, RoadScene, LLVIP）上进行了评估	NA	TSJNet	mAP@0.5, mIoU	NA
2306	2026-01-03	Can artificial intelligence uncover the bioactive peptides' benefits for human health and knowledge? A narrative review 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1698147 PMID:41473198	综述	本文是一篇叙述性综述，探讨了人工智能（尤其是机器学习和深度学习）在发现、表征和应用源自食物的生物活性肽和氨基酸方面的革命性作用	综述了AI如何通过预测建模、分子动力学模拟和自然语言处理等方法，加速生物活性肽的发现，优化提取过程，并实现个性化营养策略，揭示了AI在功能性食品开发和精准营养领域的变革潜力	存在数据质量、模型可解释性、跨学科合作不足等挑战，缺乏标准化数据库，且在个性化营养指导方面存在伦理审批和隐私法律协议的需求	探讨人工智能在食品科学中，特别是对生物活性肽和氨基酸的发现、表征及应用方面的作用，以促进功能性食品开发和精准营养	源自植物和动物性食物的生物活性肽和氨基酸	自然语言处理, 机器学习	非传染性疾病	预测建模, 分子动力学模拟, 自然语言处理, 组学技术（如营养基因组学、蛋白质组学）	机器学习, 深度学习	文本, 分子数据	NA	NA	NA	NA	NA
2307	2026-01-03	Toward accurate Alzheimer's detection: transfer learning with ResNet50 for MRI-based diagnosis 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1664418 PMID:41473412	研究论文	本研究提出了一种基于预训练ResNet50卷积神经网络的自动特征提取方法，用于从脑部MRI扫描中检测阿尔茨海默病，并通过多种分类算法进行评估	采用预训练的ResNet50模型进行迁移学习，实现了自动特征提取，避免了传统方法中手动特征提取的繁琐过程，显著提高了诊断的准确性和可扩展性	研究主要基于两个公开数据集（ADNI和MIRIAD），可能未涵盖所有临床场景的多样性；模型性能在不同数据集间存在一定波动	开发一种自动化、高准确性的阿尔茨海默病检测方法，以支持临床工作流程并应对未来病例增长的需求	阿尔茨海默病患者及健康对照的脑部MRI扫描数据	计算机视觉	阿尔茨海默病	MRI成像	CNN	图像	基于ADNI和MIRIAD两个基准数据集，具体样本数量未在摘要中明确说明	未在摘要中明确说明	ResNet50	灵敏度, 特异性, 准确率	未在摘要中明确说明
2308	2026-01-03	EnsembleSkinNet: a transfer learning-based framework for efficient skin cancer detection with explainable AI integration 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1699960 PMID:41473432	研究论文	本文提出了一种基于迁移学习的集成深度学习框架EnsembleSkinNet，用于高效皮肤癌检测，并整合了可解释AI技术	通过软最大值加权谱融合多种预训练CNN架构（M-VGG16、ResNet50、Inception V3、DenseNet201），结合迁移学习、微调和贝叶斯超参数优化，提高了模型的鲁棒性和可解释性	未明确提及模型在更广泛数据集或临床环境中的泛化能力限制	开发一个鲁棒、可解释的AI框架，用于皮肤癌的早期检测和诊断	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN	图像	HAM10000数据集和ISIC 2020数据集	TensorFlow, PyTorch	Modified VGG16, ResNet50, Inception V3, DenseNet201	准确率, 精确率, 召回率, F1分数, AUC	NA
2309	2026-01-03	Topological Radiomics in Predicting Mucosal Healing and Activity Score of Crohn's Disease Using Multi-Task Deep Learning 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S555403 PMID:41473601	研究论文	本文开发了一种基于拓扑放射组学的多任务深度学习模型，用于同时预测克罗恩病的黏膜愈合状态和内镜活动评分	首次将拓扑放射组学特征与多任务深度学习结合，用于克罗恩病的非侵入性评估，并整合了特征选择和SHAP可解释性方法	样本量较小（仅81名患者），未来需要更大规模队列研究进一步验证其稳健性	开发非侵入性定量方法，以替代内镜检查，评估克罗恩病的活动性和黏膜愈合	克罗恩病患者	数字病理学	克罗恩病	多期相CT小肠造影	多任务深度学习模型	医学影像（CT图像）	81名克罗恩病患者（训练集60人，验证集21人）	NA	NA	AUC, MSE, MAE, R2, C-index	NA
2310	2026-01-03	DUI Detection From Gait Using a Multichannel 1DCNN-Attention-BiLSTM Framework 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3636473 PMID:41473808	研究论文	本文提出了一种基于智能手机加速度计数据的深度学习框架，用于被动检测酒精中毒，旨在通过步态分析提高道路安全	提出了一种新颖的多通道混合1D-CNN-注意力-双向LSTM（MC-Hybrid）模型，结合了并行1D-CNN提取短期特征、自注意力机制增强预测模式权重以及双向LSTM建模时间依赖性	未明确提及数据集的多样性或外部验证，可能面临步态变异性等挑战	被动检测酒精中毒，以替代传统侵入性方法，并实现连续监测	智能手机加速度计数据中的步态模式	机器学习	NA	步态分析	1D-CNN, LSTM, 注意力机制	传感器数据（加速度计）	未明确指定样本数量，但使用了分层分割和随机过采样处理类别不平衡	未指定，但基于深度学习框架	多通道混合1D-CNN-注意力-双向LSTM（MC-Hybrid）	准确率, F1分数	未明确指定
2311	2026-01-03	A deep learning-based early prediction framework for weight management using real-world lifelog data: GRU-ODE-Bayes model development and validation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406656 PMID:41473832	研究论文	本研究开发了一个基于GRU-ODE-Bayes的深度学习框架，利用真实世界的生活日志数据预测体重管理中的早期成功减重	提出了一种结合门控循环单元、常微分方程和贝叶斯方法的深度学习框架，以处理真实世界数据中常见的缺失和不规则采样问题，实现早期体重管理预测	研究基于特定健康追踪应用（Noom Coach）的用户数据，可能无法泛化到其他平台或人群；数据为回顾性队列，可能存在选择偏倚	开发一个能够利用真实世界生活日志数据早期预测体重管理成功率的深度学习模型	使用Noom Coach健康追踪应用的用户，其生活日志数据包括体重、运动、餐食记录等	机器学习	肥胖	深度学习	GRU-ODE-Bayes	时间序列数据（生活日志）	34,322名用户，分为训练集（24,292）、验证集（6,074）和测试集（3,375）	NA	GRU-ODE-Bayes	ROC AUC, PRC AUC	NA
2312	2026-01-03	MultiFAR: Multidimensional information fusion with attention-driven representation learning for student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333099 PMID:41134863	研究论文	提出了一种名为MultIFAR的多维信息融合模型，通过注意力机制驱动的深度学习来预测学生表现	融合了学生人口统计、评估和虚拟学习环境交互等多维信息，并采用注意力机制结合双向长短期记忆网络和卷积网络来高效学习学生表示	未明确提及具体局限性，但可能包括对数据质量和多样性的依赖	预测学生表现，特别是早期识别有风险和高表现学生	学生行为数据，包括人口统计、评估和虚拟学习环境交互信息	机器学习	NA	深度学习	BiLSTM, CNN	多维数据（人口统计、评估、交互）	使用Open University Learning Analytics数据集，具体样本数未明确	NA	BiLSTM, CNN	准确率	NA
2313	2026-01-02	Establishment of High-Precision Ultrasound Diagnosis Methods Based on the Introduction of Deep Learning 2025-Dec-31, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3645229 PMID:41475002	综述	本文综述了基于深度学习的高精度超声诊断方法的建立，包括技术原理、临床应用及挑战	提出了针对超声诊断局限性的评估框架，并系统性地整理了深度学习在解决这些局限性方面的最新方法及临床应用证据	现有综述缺乏针对临床实施的定制化评估框架，且深度学习仍面临泛化性、安全性和操作负担等挑战	建立高精度超声诊断方法，通过引入深度学习技术改善临床工作流程	超声诊断技术及其在肿瘤学和心脏病学中的应用	计算机视觉	肺癌, 心血管疾病	超声成像	深度学习	图像	NA	NA	NA	NA	NA
2314	2026-01-02	UniSplicer: a deep learning framework for accurate splice-site prediction and splice-altering mutation detection across diverse taxa 2025-Dec-31, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101686 PMID:41476368	研究论文	本文介绍了一个基于深度学习的框架UniSplicer，用于准确预测剪接位点并检测剪接改变突变，适用于多种物种	UniSplicer能够在转录组数据相对有限的情况下，为多种非模式物种开发准确的剪接位点预测模型，超越现有模型，并能可靠指示突变对剪接的影响	模型性能可能受限于可用转录组数据的质量和数量，且在极端非模型物种中的泛化能力未完全验证	开发一个通用深度学习框架，以准确预测剪接位点和检测剪接改变突变，促进非模式物种的基因组分析	多种物种的剪接位点，包括植物、真菌和后生动物，以及剪接位点附近的序列变异	自然语言处理	NA	转录组数据	深度学习	序列数据	相对有限的转录组数据	NA	NA	预测准确性	NA
2315	2026-01-02	Assessing deep learning accuracy in the measurement of radiographic parameters in pediatric hip X-rays 2025-Dec-29, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02058-5 PMID:41462147	研究论文	本研究开发并验证了一个基于深度学习的系统，用于测量儿童骨盆X光片中的放射学参数，并评估其在不同年龄组中的准确性	该研究首次提供了一个全面的深度学习解决方案，用于同时测量多个关键放射学参数，并进行了年龄特异性的可靠性分析	研究仅使用了韩国正常儿童的X光片数据，可能限制了模型在其他人群或异常情况下的泛化能力	评估深度学习在测量儿童髋关节X光片放射学参数中的准确性，并分析年龄相关骨盆发育对测量性能的影响	儿童骨盆X光片	计算机视觉	儿科髋关节疾病	X光成像	深度学习	图像	训练集1495张，评估集1300张韩国儿童前后位骨盆X光片	NA	NA	组内相关系数, 皮尔逊相关系数, 平均绝对误差, 均方根误差, 豪斯多夫距离, 弗雷歇距离	NA
2316	2026-01-02	Deep learning for Alzheimer's disease: advances in classification, segmentation, subtyping, and explainability 2025-Dec-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01482-6 PMID:41462232	综述	本文综述了深度学习在阿尔茨海默病分类、分割、亚型分析和可解释性方面的最新进展，并探讨了其临床转化的挑战与未来方向	提出了一个将深度学习在阿尔茨海默病研究中的应用分为三大支柱（端到端分类、多模态融合、自动分割）的连贯框架，并系统整合了亚型分析和可解释性方法	作为综述文章，未提出新的模型或方法，主要总结现有研究；临床转化部分仍面临数据异质性、可解释性与准确性权衡等挑战	为阿尔茨海默病的早期检测和个性化预后提供深度学习解决方案，并推动其向临床实践转化	阿尔茨海默病患者的多模态数据，包括结构/功能MRI、PET、遗传谱和认知测试	医学影像分析	阿尔茨海默病	深度学习	CNN, 聚类模型, 决策树模型	图像（MRI, PET）, 遗传数据, 认知测试数据	NA	NA	NA	准确率, 灵敏度/特异度, Dice系数, Jaccard指数	NA
2317	2025-12-31	Deep learning based on ultrasound for differential diagnosis of pancreatic serous cystic neoplasm and mucinous cystic neoplasm 2025-Dec-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15249-8 PMID:41466236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2318	2026-01-02	Advances in AI for predicting pharmacological properties of natural medicines 2025-Dec-29, Life sciences IF:5.2Q1 DOI:10.1016/j.lfs.2025.124180 PMID:41475482	综述	本文综述了人工智能在预测天然药物药理特性方面的应用，包括模型构建原理、最新进展、特征选择和评估指标等关键方面，并讨论了天然药物开发的挑战与机遇	系统总结了AI在天然药物开发中的高通量筛选、活性化合物预测及ADMET性质早期预测方面的最新进展和应用潜力	NA	介绍人工智能在预测天然药物药理特性方面的应用，并探讨其在药物开发中的挑战与机遇	天然药物及其药理特性	机器学习	NA	NA	NA	现有数据集和实验数据	NA	NA	NA	NA	NA
2319	2026-01-02	A Transformer-Based Deep Learning Approach to Predicting Air Organic Pollutant-Human Protein Interactions 2025-Dec-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c12915 PMID:41381047	研究论文	本文提出了一种基于Transformer的深度学习模型tipFormer，用于预测空气有机污染物与人类蛋白质之间的相互作用	结合双预训练语言模型编码蛋白质和有机污染物，并利用交叉注意力机制学习污染物-蛋白质结合的复杂相互作用模式	当前方法在系统识别新兴空气污染物早期结合事件方面仍有限制	预测空气有机污染物与人类蛋白质的相互作用，以促进对污染相关毒性的机制理解和风险评估	空气有机污染物和人类蛋白质	自然语言处理	NA	深度学习	Transformer	文本	NA	NA	Transformer	AUC	NA
2320	2025-12-24	Cross-cohort genetic risk prediction for Alzheimer's disease: a transfer learning approach using GWAS and deep learning models 2025-Dec-22, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00506-0 PMID:41430307	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA