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
1621	2026-01-23	Squeeze-and-Excitation Enhanced Convolutional Neural Networks for Multi-class Pneumonia Classification on Chest Radiographs 2025-Dec, Cureus DOI:10.7759/cureus.99649 PMID:41555979	研究论文	本研究比较了两种结合挤压-激励注意力机制的卷积神经网络架构，用于胸部X光片的多类别肺炎自动分类	将挤压-激励注意力机制集成到ResNet50V2和InceptionV3架构中，用于增强胸部X光片中肺炎亚型的分类性能	研究结果需要在更大、更多样化的临床数据集上进行进一步验证	开发自动分类胸部X光片为正常、细菌性肺炎、病毒性肺炎和COVID-19的深度学习模型	胸部X光片	计算机视觉	肺炎	胸部X光成像	CNN	图像	9,208张后前位胸部X光片	NA	ResNet50V2, InceptionV3	准确率, 精确率, 召回率, F1分数, AUC	NA
1622	2026-01-23	Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110495 PMID:40784463	研究论文	开发了一种高度加速的MRI技术，用于同时量化脑组织血流和T1值	结合双翻转角相位对比星形堆栈序列与深度学习算法，实现16倍加速的同时血流和T1量化	研究仅涉及定量体模和六名健康志愿者，样本量有限，未在患者群体中验证	开发快速、全面的脑血管疾病评估技术	脑组织血流和T1量化	医学影像分析	脑血管疾病	双翻转角相位对比星形堆栈MRI序列	深度学习	MRI图像	定量体模和六名健康志愿者	NA	混合特征哈希编码隐式神经表示与显式稀疏先验知识结合模型	相关系数R2, 组内相关系数ICC	NA
1623	2026-01-23	International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm 2025-Nov, JACC. Advances DOI:10.1016/j.jacadv.2025.102067 PMID:40965401	研究论文	本研究通过多中心回顾性病例对照研究，验证了一种基于计算机视觉的深度学习算法EchoNet-LVH在国际范围内识别心脏淀粉样变性的性能	开发并国际验证了EchoNet-LVH这一计算机视觉深度学习算法，用于基于超声心动图视频检测心脏淀粉样变性，相比传统测量方法（如整体纵向应变）具有更高的特异性	研究为回顾性病例对照设计，可能受到选择偏倚的影响；算法性能在预设优化特异性的阈值下敏感性相对较低（0.644）	评估计算机视觉深度学习算法在国际多中心环境中识别心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照个体的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频（超声心动图胸骨旁长轴和心尖四腔切面视图）	574名心脏淀粉样变性患者和979名对照个体	NA	EchoNet-LVH	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
1624	2026-01-23	Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study 2025-Oct, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.013734 PMID:41025252	研究论文	本研究开发并验证了一种基于心电图（ECG）的深度学习模型，用于预测心房颤动（AF）风险，并在多个国际队列中评估其性能	首次在多国社区队列中验证了单输入ECG深度学习模型预测AF及心血管事件的能力，并与临床风险评分（CHARGE-AF）进行了比较和联合分析	研究基于回顾性队列数据，可能存在选择偏倚；模型在外部验证中的泛化能力需进一步在更多样化人群中确认	开发并验证基于ECG的深度学习模型以预测心房颤动风险，并评估其与心血管结局的关联	来自Framingham心脏研究、英国生物银行和ELSA-Brasil队列的社区参与者	机器学习	心血管疾病	深度学习	深度神经网络	心电图（ECG）	FHS: 10,097人；英国生物银行: 49,280人；ELSA-Brasil: 12,284人	NA	深度神经网络	受试者工作特征曲线下面积（AUC）	NA
1625	2026-01-23	A Novel Fusion Framework Combining Graph Embedding Class-Based Convolutional Recurrent Attention Network with Brown Bear Optimization Algorithm for EEG-Based Parkinson's Disease Recognition 2025-Mar-15, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02329-4 PMID:40088329	研究论文	本文提出了一种结合图嵌入类卷积循环注意力网络与棕熊优化算法的新型融合框架，用于基于EEG信号的帕金森病识别	提出GECCR2ANet+BBOA融合框架，首次将图嵌入类卷积循环注意力网络与棕熊优化算法结合，显著提升EEG信号中时空依赖关系的捕捉能力	未提及模型在更大规模或更复杂EEG数据集上的泛化能力验证	提高基于EEG信号的帕金森病识别准确率，促进早期诊断	帕金森病患者与健康对照的EEG信号数据	机器学习	帕金森病	EEG信号处理	CNN, 注意力网络, 优化算法	EEG信号	UNM数据集和UC San Diego数据集（具体样本数未明确）	未明确指定	改进的VGG19, 图三重注意力网络, 图嵌入类卷积循环注意力网络	准确率, 灵敏度, F1分数, 错误率, 计算时间	未明确指定
1626	2026-01-22	Integrated modeling approach for assessing sustainable concrete incorporating waste glass powder: a finite element and deep learning perspective 2025-Dec, Environmental science and pollution research international DOI:10.1007/s11356-025-36767-9 PMID:40694313	研究论文	本研究提出了一种结合有限元方法和深度学习的模型，用于评估掺入废玻璃粉作为水泥部分替代品的混凝土的结构与力学性能	首次将有限元模拟与深度学习（特别是卷积神经网络）相结合，以评估废玻璃粉替代水泥对混凝土性能的影响，并优化配合比设计	研究主要关注压缩强度，可能未全面评估其他力学性能如抗拉强度或耐久性；模型基于特定实验条件，普适性有待进一步验证	评估废玻璃粉作为水泥部分替代品在混凝土中的可行性，并优化其配合比设计以实现可持续建筑	掺有废玻璃粉的混凝土材料	机器学习	NA	有限元方法，深度学习	CNN	模拟数据，实验数据	未明确说明具体样本数量，但涉及不同废玻璃粉掺量比例的混凝土样本	未明确说明，可能为TensorFlow或PyTorch	卷积神经网络（CNN）	准确率	NA
1627	2026-01-22	DRCNN-Lesion Proxy: a hybrid CNN with lesion-inspired feature simulation for diabetic retinopathy severity classification 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21337-3 PMID:41168219	研究论文	提出了一种名为DRCNN-Lesion Proxy的混合CNN架构，通过模拟病灶特征来提升糖尿病视网膜病变严重程度分类的准确性	提出了一种无需显式病灶边界框标注的病灶代理模块，通过模拟病灶特征来增强模型对早期病变的识别能力	未明确说明模型在临床部署中的计算效率或实时性能	开发一种准确、可扩展的糖尿病视网膜病变自动筛查解决方案	糖尿病视网膜病变的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	未明确说明具体样本数量，但使用了六个公开数据集	未明确说明	ResNet34	准确率, F1分数, AUC	未明确说明
1628	2026-01-22	XComposition: multimodal deep learning model to measure body composition using chest radiographs and clinical data 2025-Sep, Radiology advances DOI:10.1093/radadv/umaf035 PMID:41164313	研究论文	本文提出了一种名为XComposition的多模态深度学习模型，利用胸部X光片和临床数据来估计身体组成指标	开发了一个结合胸部X光片和易于获取的临床变量的多任务、多模态深度学习模型，用于从胸部X光片中估计身体组成，这在以前的研究中较少见	研究为回顾性队列，样本量相对有限（1118名患者），且模型对骨骼肌体积的预测性能较低（Pearson相关系数为0.58）	探索使用深度学习从胸部X光片和临床变量中估计身体组成指标，以促进大规模研究	患者（包括女性和男性）的胸部X光片和临床数据（年龄、出生性别、身高、体重）	数字病理学	心血管疾病	深度学习	多任务、多模态深度学习模型	图像（胸部X光片）、文本（临床数据）	1118名患者（582名女性，538名男性），来自美国30个卫生系统，影像采集时间为2010年至2024年	NA	NA	Pearson相关系数, 平均绝对误差	NA
1629	2026-01-22	Computational characterization of lymphocyte topology on whole slide images of glomerular diseases 2025-Apr-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.12.25325548 PMID:40321276	研究论文	本研究利用深度学习与图模型，对肾小球疾病全玻片图像中的淋巴细胞拓扑结构进行量化表征，并评估其与疾病进展的临床关联	开发了一种新颖的基于图的生境聚类算法，以识别密集与稀疏的淋巴细胞生境，并提取高维病理组学特征来捕获传统视觉评估无法捕捉的炎症模式复杂性	研究样本仅包含FSGS和MCD两种肾小球疾病，且依赖于单张H&E染色全玻片图像	通过计算量化淋巴细胞炎症的拓扑结构，并测试其临床相关性，以增强对MCD/FSGS疾病进展的预测能力	肾小球疾病患者的肾组织全玻片图像	数字病理学	肾小球疾病	全玻片图像分析	深度学习模型	图像	333名NEPTUNE/CureGN参与者（155例FSGS，178例MCD），每人一张H&E染色全玻片图像	NA	NA	一致性指数	NA
1630	2026-01-22	SVMVGGNet-16: A Novel Machine and Deep Learning Based Approaches for Lung Cancer Detection Using Combined SVM and VGGNet-16 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056348824241224100809 PMID:39773067	研究论文	本文提出了一种结合SVM和VGGNet-16的混合模型SVMVGGNet-16，用于肺癌检测，并在LIDC-IDRI数据集上验证了其性能	创新性地将VGGNet-16与SVM结合，形成混合模型SVMVGGNet-16，利用CNN进行特征提取和SVM进行分类，以提高肺癌检测的准确性和可靠性	未来工作包括模型优化、数据集扩展、临床试验以及系统集成到临床实践中，以确保实际可用性	通过集成机器学习和深度学习方法来增强肺癌检测，实现早期和准确诊断	肺癌类型，包括腺癌、大细胞癌、正常组织和鳞状细胞癌	计算机视觉	肺癌	图像预处理（中值滤波和直方图均衡化）、分割（阈值和边缘检测）、特征提取（几何特征）	CNN, SVM	图像	使用LIDC-IDRI数据集，具体样本数量未在摘要中明确说明	NA	VGGNet-16	准确率, AUC, 召回率, 精确率, F1分数	NA
1631	2026-01-22	Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056365191250602124819 PMID:40511649	综述	本文全面综述了利用机器学习和深度学习模型，特别是基于MRI医学影像数据，提升脑肿瘤分类准确性和效率的方法、挑战及未来展望	系统比较了从经典机器学习算法到先进深度学习模型及混合架构在脑肿瘤分类中的应用，并提出了融合多模态成像、可解释AI框架和隐私保护技术等未来方向	面临标注数据集稀缺、计算复杂度高、模型可解释性不足以及临床整合障碍等挑战	提升脑肿瘤分类的准确性和效率，以支持治疗决策和改善患者预后	脑肿瘤，包括胶质瘤、脑膜瘤和转移性脑病变	医学影像	脑肿瘤	磁共振成像	SVM, Decision Trees, CNN, RNN, 混合架构	图像	NA	NA	NA	准确率, 灵敏度, 特异性, AUC-ROC	NA
1632	2026-01-22	Evaluation of Deep Learning Methods for Pulmonary Disease Classification 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056388107250710120917 PMID:40692157	研究论文	本研究评估了深度学习模型在肺病分类中的应用，通过结合多种音频特征和CNN-RNN-LSTM架构，提出了一种多特征深度学习模型，实现了92%的最高准确率	提出了一种结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，并整合CNN、RNN和LSTM架构，显著提升了肺病分类的准确率	数据集中慢性阻塞性肺疾病样本过多，而上下呼吸道感染样本较少，导致模型在测试音频样本上的泛化能力受限	提高肺病检测的准确性，通过深度学习技术改进诊断方法	肺病分类，具体包括慢性阻塞性肺疾病、下呼吸道感染和上呼吸道感染	机器学习	肺病	听诊录音分析，包括频谱图、色度图和MFCC特征提取	CNN, RNN, LSTM	音频	未明确指定样本数量，但提及数据集有限且不平衡	未明确指定，可能为TensorFlow或PyTorch	CNN, RNN, LSTM	准确率	未明确指定
1633	2026-01-22	Oral-Anatomical Knowledge-Informed Semi-Supervised Learning for 3D Dental CBCT Segmentation and Lesion Detection 2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society IF:5.9Q1 DOI:10.1109/tase.2025.3530936 PMID:40918035	研究论文	本文提出了一种新颖的口腔解剖知识引导的半监督学习模型（OAK-SSL），用于3D牙科CBCT图像分割和病变检测	OAK-SSL能够将定性的口腔解剖知识（如病变可能位置）整合到深度学习设计中，包括知识量化表示、知识引导的双任务学习架构和知识引导的半监督损失函数	NA	开发自动化3D牙科CBCT图像分割和病变检测方法，以提升牙科医疗质量和效率	包含小病变的3D牙科CBCT图像	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	深度学习	3D图像	NA	NA	OAK-SSL	NA	NA
1634	2026-01-21	The Intelligent Evolution of Radar Signal Deinterleaving: A Systematic Review from Foundational Algorithms to Cognitive AI Frontiers 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010248 PMID:41516682	综述	本文系统回顾了雷达信号分选领域从基础算法到认知人工智能前沿的智能演进历程	提供了一个统一数学框架，全面连接了算法演进与现代电磁环境的挑战，并深入探讨了深度学习、自监督学习、元学习、多站融合及大语言模型集成等新兴前沿	NA	系统分析雷达信号分选技术的发展，并指导未来端到端智能自主分选系统的研究	雷达信号分选算法与技术	机器学习	NA	NA	RNN, Transformer, CNN, GNN	信号数据	NA	NA	RNN, Transformer, CNN, GNN	NA	NA
1635	2026-01-21	Functional architecture of cardiac TF regulatory landscapes in control of mammalian heart development 2025-Dec-22, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.19.695499 PMID:41509364	研究论文	本研究通过功能基因组学方法，揭示了控制哺乳动物心脏发育的转录因子调控景观的功能架构	整合单核多组学分析、深度学习、位点特异性转基因和染色质构象建模，首次系统绘制了心脏增强子库和调控特征图谱，并发现了上游调控区间在转录控制中的关键作用	研究主要基于小鼠胚胎模型，人类心脏发育的调控景观可能存在物种特异性差异	解析先天性心脏病相关的基因调控网络，阐明心脏发育过程中转录因子剂量控制的增强子架构	小鼠胚胎心脏、心脏转录因子（如Mef2c、Tbx5）、心脏增强子模块	基因组学	先天性心脏病	单核多组学分析、基因组编辑、位点特异性转基因、染色质构象捕获	深度学习模型	基因组序列、单细胞多组学数据、染色质构象数据	小鼠胚胎心脏样本（具体数量未明确说明）	NA	NA	NA	NA
1636	2026-01-21	A Multi-phase CT Dataset for Automated Differential Diagnosis of Liver Tumors 2025-Dec-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06343-4 PMID:41392114	研究论文	本文介绍了一个用于肝脏肿瘤自动鉴别诊断的多期相CT数据集MCT-LTDiag	提出了一个包含517个病例、涵盖五个肿瘤亚型的标准化多期相CT数据集，并展示了多期相整合能显著提升诊断性能	NA	开发一个用于肝脏肿瘤自动鉴别诊断的基准数据集	肝脏肿瘤患者的多期相CT扫描图像	数字病理学	肝癌	多期相对比增强CT扫描	机器学习,深度学习	图像	517个病例	NA	NA	NA	NA
1637	2026-01-21	Renji endoscopic submucosal dissection video data set for Esophagus 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06252-6 PMID:41372209	研究论文	本研究介绍了首个公开的食管内镜黏膜下剥离术视频数据集，包含25个手术视频和141,909个阶段标注	这是首个公开的、包含全面阶段标注的食管ESD视频数据集	数据集规模相对较小（仅25个手术视频），可能限制模型的泛化能力	为人工智能辅助内镜手术提供高质量的标注数据集，支持手术阶段识别研究	食管内镜黏膜下剥离术（ESD）视频	计算机视觉	食管疾病	内镜黏膜下剥离术（ESD）	深度学习	视频	25个手术视频，包含141,909个阶段标注	NA	NA	NA	NA
1638	2026-01-21	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出了一种互惠多网络噪声标签学习方法，旨在通过神经影像数据提高双相情感障碍和精神分裂症的跨诊断分类准确性	提出了一种新的互惠多网络噪声标签学习方法，通过最大化深度神经网络在识别和利用干净与噪声标签样本时的一致性，有效处理临床诊断中可能存在的偏差或错误	未明确说明方法在更广泛精神疾病或不同神经影像数据上的泛化能力	提高精神疾病的诊断准确性，特别是针对双相情感障碍和精神分裂症的跨诊断分类	双相情感障碍和精神分裂症患者	机器学习	精神疾病	神经影像数据（功能连接性）	深度神经网络	图像数据（神经影像）	未明确指定患者样本数量，但使用了公共CIFAR-10和PathMNIST数据集进行验证	未明确指定	未明确指定	分类准确率	NA
1639	2026-01-21	Depthwise-Dilated Convolutional Adapters for Medical Object Tracking and Segmentation Using the Segment Anything Model 2 2025-Dec, Machine learning: science and technology DOI:10.1088/2632-2153/ae13d1 PMID:41551748	研究论文	提出了一种用于医学视频对象跟踪与分割的高效适配框架DD-SAM2，通过深度可分离扩张卷积适配器增强SAM2的多尺度特征提取能力	首次系统性地探索了基于适配器的微调策略，将Segment Anything Model 2应用于医学视频分割与跟踪，并充分利用其流式记忆机制	需要在有限训练数据的医学视频上进行微调，可能对数据稀缺场景的泛化能力存在限制	开发一种高效适配框架，提升SAM2在动态医学影像场景中的对象跟踪与分割性能	医学视频中的肿瘤分割和左心室跟踪	计算机视觉	肿瘤，心血管疾病	深度学习，视频分割	适配器微调框架	医学视频	TrackRad2025和EchoNet-Dynamic数据集	PyTorch	Segment Anything Model 2, Depthwise-Dilated Adapter	Dice系数	NA
1640	2026-01-21	Deep learning reconstruction for fast cardiovascular magnetic resonance imaging protocol: A comparative study with conventional cardiovascular magnetic resonance 2025-Nov-28, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102017 PMID:41318031	研究论文	本研究比较了压缩感知人工智能算法与传统灵敏度编码重建在加速心血管磁共振成像、提升图像质量和保持诊断准确性方面的表现	前瞻性验证了深度学习重建算法在多种临床序列（Cine、T2 STIR、LGE）中加速CMR采集、提升图像质量并保持诊断准确性的潜力	研究样本量相对有限（105名参与者），且未明确说明深度学习模型的具体架构细节	评估压缩感知人工智能算法在加速心血管磁共振成像采集、提升图像质量和保持诊断准确性方面的功能	105名计划进行临床心血管磁共振检查的参与者	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	105名参与者	NA	NA	信噪比, 对比噪声比, 边缘锐度, 心室功能参数, T2信号强度比, 晚期钆增强百分比, 主观图像质量评分（5点李克特量表）	NA