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
601	2026-01-03	Leveraging deep learning models to increase the representation of nomadic pastoralists in health campaigns and demographic surveillance 2025, PLOS global public health DOI:10.1371/journal.pgph.0004018 PMID:40273062	研究论文	本文提出了一种基于计算机视觉的方法，利用深度学习模型自动从卫星图像中定位游牧牧民定居点，以提高健康服务和人口监测中的代表性	开发了一种结合公共道路和水基础设施数据的新型训练策略，以弥补标记定居点数据不足带来的性能差距	依赖于卫星图像数据，可能受图像分辨率和覆盖范围限制，且模型在未训练区域泛化能力未明确评估	提高游牧牧民在健康服务和人口监测中的代表性，通过自动化方法定位其定居点	埃塞俄比亚奥莫河谷和肯尼亚桑布鲁县的游牧牧民定居点	计算机视觉	NA	卫星遥感	深度学习模型	卫星图像	约1,000个历史活跃定居点的标记卫星图像数据集	NA	NA	NA	NA
602	2026-01-03	Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI 2025, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-74561-4_16 PMID:40365134	研究论文	本文提出了一种通过潜在空间正则化提升MRI脑部多标签诊断模型可解释性的方法	引入基于成对解缠的潜在空间正则化技术，使潜在空间中的表示差异与神经心理学测试分数差异对齐	样本规模相对有限（共519例），且仅针对特定认知障碍疾病进行评估	提升基于深度学习的MRI脑部多标签诊断模型的可解释性	脑部MRI图像及对应的认知障碍诊断标签	计算机视觉	认知障碍疾病	MRI成像	多标签分类器	图像	519例（156例对照、165例轻度认知障碍、166例HIV相关认知障碍、32例HIV无认知障碍）	NA	NA	平衡准确率	NA
603	2026-01-03	Time Scale Network: An Efficient Shallow Neural Network For Time Series Data in Biomedical Applications 2025-Jan, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2024.3443659 PMID:40370581	研究论文	提出了一种用于生物医学时间序列数据的高效浅层神经网络——时间尺度网络	将离散小波变换的平移和膨胀序列与传统卷积神经网络结合，以极少的参数和计算量同时学习多个时间尺度的特征	未明确说明网络对特定信号类型或噪声水平的鲁棒性	开发适用于计算或数据受限环境的实时处理和边缘设备应用的高效时间序列分类方法	生物医学时间序列数据（ECG和EEG信号）	机器学习	心血管疾病	ECG信号分析, EEG信号分析	CNN	时间序列数据	NA	NA	时间尺度网络	准确率, 准确率-参数比, 准确率-操作比	NA
604	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
605	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
606	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
607	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
608	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
609	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
610	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
611	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
612	2026-01-03	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	本文回顾并整合了教育心理学、认知神经科学和动机科学的视角，提出了从情境兴趣和状态好奇心发展到个人兴趣的两条发展路径及其核心机制	提出了一个整合性框架，首次将情境兴趣和状态好奇心作为两条独立但最终汇聚到个人兴趣的发展路径，并明确了奖励处理作为核心机制的作用	作为一篇理论综述，缺乏直接的实证数据支持；提出的发展路径和机制仍需未来研究进一步验证	探讨短暂动机状态（情境兴趣和状态好奇心）如何发展为稳定的个人兴趣	个人兴趣的发展过程及其心理机制	教育心理学	NA	NA	NA	NA	NA	NA	NA	NA	NA
613	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
614	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
615	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
616	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
617	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
618	2026-01-02	Fast electromagnetic field simulation using a current-density- based physics-informed neural network 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33166-5 PMID:41476089	研究论文	本研究提出了一种基于电流密度的物理信息神经网络模型，用于高效模拟电磁场并解决电流密度相关问题	通过结合物理数学先验知识与深度学习，构建了基于电流密度的PINN模型，克服了传统泊松方程求解器的效率低下和适应性不足的缺点	NA	解决电磁场模拟和电流密度相关问题的计算效率与适应性挑战	电磁场模拟中的泊松方程求解，具体应用于激光-靶相互作用产生的电磁脉冲模拟和场-电路耦合积分中的电场计算	机器学习	NA	物理信息神经网络	PINN	NA	NA	NA	NA	相对误差	NA
619	2026-01-02	SARCDNet-an enhanced deep learning network for change detection from bi-temporal SAR images 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31488-y PMID:41476094	研究论文	本文提出了一种名为SARCDNet的增强型深度学习网络，用于从双时相SAR图像中进行变化检测	设计了自适应融合块，结合了在频域提取特征的自适应全局滤波操作和通道注意力机制，以增强提取特征的相关性，并有效减轻斑点噪声影响	NA	开发一种用于双时相SAR图像变化检测的深度学习网络，以提高在洪水检测、环境监测等应用中的预测精度	双时相合成孔径雷达（SAR）图像	计算机视觉	NA	合成孔径雷达（SAR）成像	深度学习网络	图像	使用了公共数据集，包括黄河、农田和巢湖数据集	NA	SARCDNet	F1分数, PCC, κ, MCC	NA
620	2026-01-02	A clinically validated 3D deep learning approach for quantifying vascular invasion in pancreatic cancer 2025-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02260-3 PMID:41476122	研究论文	本文介绍了一种名为PAN-VIQ的自动化深度学习框架，用于从增强CT扫描中量化胰腺癌的血管侵犯情况	开发了一种自动化3D深度学习框架，能够量化肿瘤与血管的3D包绕角度，并同时评估多个关键血管的侵犯情况，超越了传统依赖放射科医生主观2D判读的方法	未明确说明模型在更广泛人群或不同扫描设备上的泛化能力，以及对于罕见解剖变异的处理能力	开发一种自动化工具，用于标准化胰腺导管腺癌（PDAC）术前血管侵犯评估，减少观察者间差异	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	对比增强CT扫描	深度学习	3D医学图像（CT扫描）	训练与内部验证：2130例；前瞻性测试：202例患者	NA	NA	准确率，召回率	NA