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
1681	2025-12-19	A Comprehensive Hyperspectral Image Dataset for Forest Fire Detection and Classification 2025-Dec-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06404-8 PMID:41407751	研究论文	本文介绍了一个名为OHID-FF的大规模高光谱卫星图像数据集，专为森林火灾检测和分类任务设计	相比现有火灾数据集，OHID-FF提供了更丰富的数据量和更高的成像质量，为高光谱图像分类设定了新基准	NA	森林火灾检测和分类	高光谱卫星图像	计算机视觉	NA	高光谱成像	深度神经网络	高光谱图像	1,197幅高光谱图像，覆盖22个不同场景	NA	NA	NA	NA
1682	2025-12-19	MFU-Net: a multi-scale fusion U-Net for seismic phase picking 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32145-0 PMID:41408109	研究论文	本文提出了一种多尺度融合U-Net架构（MFU-Net），用于提高地震波相位拾取的准确性	在U-Net的跳跃连接中设计了多尺度特征融合模块，并在瓶颈层引入了多头注意力机制，以增强关键特征区域的识别能力	NA	提高地震波相位拾取的准确性	地震波形数据中的P波和S波到达时间	机器学习	NA	NA	CNN	波形数据	NA	NA	U-Net	P波拾取准确率, S波拾取准确率	NA
1683	2025-12-19	Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28243-8 PMID:41408128	研究论文	提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度	将Vision Transformer与预训练的卷积神经网络结合进行迁移学习，并引入LIME和GRAD-CAM方法确保模型可解释性，同时实现了模型大小的大幅压缩	未明确说明模型在更广泛临床环境中的验证情况，以及跨不同MRI扫描仪和协议的泛化能力	开发准确、可解释且资源高效的阿尔茨海默病诊断工具	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	Vision Transformer, CNN, ANN	图像	OASIS数据集和Kaggle独立数据集	未明确说明	ViT-DenseNet201	准确率, Dice相似系数	未明确说明
1684	2025-12-19	Progressive curriculum learning with Scale-Enhanced U-Net for continuous airway segmentation 2025-Dec-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02066-5 PMID:41408195	研究论文	提出一种渐进式课程学习框架和尺度增强U-Net，用于提升胸部CT图像中气道的连续分割精度	提出渐进式课程学习三阶段框架（粗学习、通用联合损失、自适应拓扑响应损失），结合尺度增强U-Net和裁剪采样策略，直接解决大小气道类别不平衡问题	未明确说明计算资源需求，且内部数据集未公开	提升气道分割的连续性和准确性，以支持术前规划和实时支气管镜导航	胸部CT图像中的气道结构	数字病理	肺部疾病	CT成像	CNN	图像	ATM'22挑战数据集和内部数据集（具体数量未说明）	NA	U-Net, Scale-Enhanced U-Net (SE-UNet)	树长检测率(TD), 分支检测率(BD)	NA
1685	2025-12-19	A novel statistical feature selection framework for biomarker discovery and cancer classification via multiomics integration 2025-Dec-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02713-z PMID:41408184	研究论文	本文提出了一种名为sDCFE的新型统计特征选择框架，用于通过多组学整合进行生物标志物发现和癌症分类	开发了sDCFE特征选择方法，通过扩展Fisher类方差分析，结合中位数绝对偏差正则化项和聚类分离组件，增强了鲁棒性和可解释性	NA	早期癌症诊断、生物标志物发现和跨癌症类型及分期的可靠分类	泛癌分类和肺鳞状细胞癌分期	机器学习	肺癌	RNA-seq, 甲基化测序	XGBoost, CNN	组学数据	NA	NA	NA	准确率, MCC, AUC	NA
1686	2025-12-19	Screening for lung fibrosis using serum surfactant protein-D, KL-6, and a deep learning algorithm on chest radiographs: a prospective observational study 2025-Dec-17, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-025-04062-5 PMID:41408239	研究论文	本研究通过前瞻性观察，评估了血清生物标志物SP-D、KL-6及深度学习算法BMAX在胸部X光片上筛查肺纤维化的能力	首次在健康体检环境中，结合血清生物标志物与深度学习算法，系统评估了肺纤维化的早期筛查策略	样本量较小，仅81人接受了CT扫描，且CT评估仅由两位专家进行，可能存在主观偏差	评估血清生物标志物SP-D、KL-6及深度学习算法BMAX在健康体检中筛查肺纤维化的有效性和可行性	接受常规健康检查的个体	数字病理学	肺纤维化	血清生物标志物检测（SP-D、KL-6）、胸部X光摄影、胸部CT扫描	深度学习算法	图像（胸部X光片）、血清生物标志物数据	2,751名参与者，其中228人被推荐进行CT扫描，81人实际接受扫描	NA	BMAX	灵敏度、特异性	NA
1687	2025-12-19	DeepPNCC: reconstructing pseudo-spatial cell-cell interaction landscapes from single-cell data to decipher breast cancer pathogenesis 2025-Dec-17, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07578-w PMID:41408299	研究论文	本文提出了一种名为DeepPNCC的深度学习框架，用于从单细胞RNA测序数据中重建伪空间细胞-细胞相互作用网络，以解析乳腺癌的发病机制	DeepPNCC是一种新颖的深度学习框架，它利用未解离细胞聚集体中保留的潜在空间线索，通过变分图自编码器结合对抗正则化，无需依赖配体-受体对等先验知识，即可从scRNA-seq数据中推断全局、空间感知的相互作用景观	该方法依赖于未解离细胞聚集体中的潜在空间线索，可能不适用于完全解离的单细胞数据，且未明确讨论其在其他疾病或组织类型中的泛化能力	开发一种能够从scRNA-seq数据中提取空间相关细胞间相互作用信息的方法，以阐明疾病（如癌症）发生和发展的机制	单细胞RNA测序数据，特别是小鼠大脑和乳腺癌数据集中的细胞	机器学习	乳腺癌	单细胞RNA测序	变分图自编码器	单细胞RNA测序数据	涉及小鼠大脑和乳腺癌数据集，具体样本数量未明确说明	Python	变分图自编码器	与空间转录组学对齐的相互作用恢复性能，具体指标未明确说明	NA
1688	2025-12-19	Deep learning and TOPSIS-based multi-criteria decision-making framework for urban road defect detection and sustainable maintenance planning 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31682-y PMID:41408389	研究论文	本研究提出了一种结合改进YOLOv8模型与TOPSIS多准则决策的框架，用于城市道路缺陷检测与可持续维护规划	在YOLOv8模型中增加了用于严重程度分类的辅助头，并结合TOPSIS进行多准则决策，实现了检测、严重程度评估和数据驱动维护优先级排序的同步执行	未明确说明模型在不同气候条件或道路类型下的泛化能力，也未讨论框架在实时部署中的计算效率限制	开发一个能够同时进行道路缺陷检测、严重程度评估和维护优先级排序的智能城市管理框架，以提升交通安全性、降低维护成本并促进城市可持续性	城市道路表面缺陷	计算机视觉	NA	深度学习，多准则决策	CNN	图像	NA	PyTorch	YOLOv8	NA	NA
1689	2025-12-19	Deep Learning-Assisted G4 Nanowire-Enhanced Carbon Dot Biosensor for Exosomal LncRNA Artificial Intelligence Diagnosis 2025-Dec-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06416 PMID:41408423	研究论文	开发了一种基于G4纳米线增强的铜/铈共掺杂碳点的双模式光电化学/比率荧光生物传感器，结合深度学习，用于外泌体lncRNA检测和肺癌的智能诊断	提出了一种结合G4纳米线增强的碳点双模式生物传感器与深度学习进行外泌体lncRNA检测和癌症智能诊断的创新方法	未明确说明样本来源的多样性、生物传感器的临床验证范围以及深度学习模型的泛化能力	开发高灵敏度、准确的外泌体lncRNA检测方法，并实现肺癌的早期智能诊断	外泌体长链非编码RNA	生物传感器, 深度学习	肺癌	光电化学/比率荧光双模式生物传感, 深度学习	深度学习模型	生物传感器产生的光电化学和荧光数据	NA	NA	NA	诊断准确率	NA
1690	2025-12-19	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	本文提出了一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准新方法，旨在解决传统DTI配准方法计算慢、精度低的问题	设计了并行双分支卷积神经网络架构，同时处理FA图像和主特征向量两种输入模式，并在解码层集成通道空间注意力机制以动态突出关键解剖特征和方向一致性	未明确说明方法在复杂病理脑结构或大规模多中心数据上的泛化能力，也未与其他最先进的深度学习方法进行系统比较	提高扩散张量磁共振图像的配准精度和计算速度，以促进其在临床应用中的可行性	扩散张量磁共振成像数据	医学图像处理	NA	扩散张量磁共振成像	卷积神经网络	4D张量数据（3D空间中的3×3张量）	NA	NA	并行双通道VoxelMorph	配准精度，计算速度	NA
1691	2025-12-19	ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3607819 PMID:41406278	研究论文	提出一个结合图检索增强生成与大型语言模型微调的框架，用于生成更全面、可解释的中医方剂	提出ZhiFangDanTai框架，首次将图检索增强生成与LLM微调结合用于中医方剂任务，并提供了理论证明表明该方法能降低泛化误差和幻觉率	现有中医指令数据集缺乏足够细节（如君臣佐使、功效、禁忌、舌脉诊断等），限制了模型输出的深度	提升中医方剂生成模型的全面性和可解释性	中医方剂	自然语言处理	NA	图检索增强生成，大型语言模型微调	LLM	文本	NA	NA	NA	NA	NA
1692	2025-12-19	Deep learning models for image classification of lymphoma: a pilot study in canine 2025-Dec-16, The Journal of veterinary medical science IF:1.1Q3 DOI:10.1292/jvms.24-0518 PMID:41407379	研究论文	本研究旨在基于细针穿刺图像，利用深度学习模型区分犬淋巴瘤与其他疾病，特别是反应性淋巴样增生	首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习策略	样本量有限（仅14例淋巴瘤和7例RLH病例），且ViT模型性能未达预期	开发深度学习模型以区分犬淋巴瘤和反应性淋巴样增生	犬淋巴瘤和反应性淋巴样增生的细针穿刺图像	计算机视觉	淋巴瘤	细针穿刺成像	CNN, Transformer	图像	2,290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例	NA	Vision Transformer, Inception-v3	准确率, 召回率, AUC, 精确率	NA
1693	2025-12-19	Deep learning analysis of urine-derived stem cell mitochondrial morphology as a non-invasive Alzheimer's disease biomarker 2025-Dec-16, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics IF:5.6Q1 DOI:10.1016/j.neurot.2025.e00813 PMID:41407593	研究论文	本研究开发了一个基于深度学习的AI框架，利用活体尿液来源干细胞（USC）的线粒体荧光成像，分析认知障碍个体（AD和MCI）与认知正常（CN）受试者之间的差异，以探索阿尔茨海默病的非侵入性生物标志物	首次将尿液来源干细胞的线粒体形态分析与深度学习相结合，用于阿尔茨海默病的非侵入性生物标志物检测	需要更大规模的独立队列进行进一步验证	开发一种便捷、非侵入性的阿尔茨海默病生物标志物检测方法	认知障碍个体（阿尔茨海默病和轻度认知障碍）与认知正常受试者的尿液来源干细胞	计算机视觉	阿尔茨海默病	线粒体荧光成像	CNN	图像	NA	NA	ResNet-18	NA	NA
1694	2025-12-19	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-Dec-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	本研究开发了一种基于深度学习的海马体自动分割预测模型，结合影像组学特征提取，构建了多种机器学习诊断模型用于轻度认知障碍（MCI）的识别	提出了一种新的基于卷积神经网络（CNN）的深度学习网络用于3D T1WI图像中海马体的自动分割，并结合影像组学特征与XGBoost算法构建高效诊断模型	样本量相对较小（150名受试者），且未提及外部验证集，可能影响模型的泛化能力	开发自动海马体分割模型并识别早期轻度认知障碍的磁共振成像生物标志物	轻度认知障碍（MCI）患者与正常对照者	医学影像分析	轻度认知障碍	磁共振成像（3D T1WI）	CNN, 机器学习分类器（LR, SVM, RF, XGBoost）	3D医学影像	150名受试者（训练集与验证集按7:3随机划分）	未明确提及，但涉及深度学习与机器学习框架	基于CNN的新型深度学习网络（具体架构未指定）	AUC, 95%置信区间	NA
1695	2025-12-19	Resolution generalization of deep learning-based dipole inversion networks for QSM 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121598 PMID:41274367	研究论文	本研究提出了一种新颖的流程，使预训练的偶极子反演网络能够从不同分辨率的输入局部场图中重建定量磁化率图（QSM），以解决现有网络在测试数据分辨率与训练数据分辨率不同时性能下降的问题	开发了一种无需修改网络架构或参数的通用流程，通过多位置重采样和偶极子补偿，提升了预训练偶极子反演网络对不同分辨率输入数据的泛化能力	研究未明确讨论流程在极端分辨率差异或复杂临床数据中的鲁棒性，且可能引入额外的计算开销	提高深度学习偶极子反演网络在定量磁化率图重建中的分辨率泛化性	预训练的偶极子反演网络（如QSMnet）及不同分辨率的局部场图数据	医学影像分析	NA	定量磁化率图（QSM）重建	深度学习网络	图像（局部场图）	NA	NA	QSMnet	NRMSE, SSIM, PSNR, HFEN	NA
1696	2025-12-19	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	本文提出了一种名为ODDRnet的端到端无监督深度学习框架，用于扩散磁共振图像的非线性配准，直接对齐高维纤维方向分布函数	ODDRnet首次利用纤维方向分布函数（fODF）的方向信息进行扩散MRI配准，相比仅依赖标量信息的方法，能更精确地对齐白质结构，特别是在复杂纤维交叉区域	未明确提及具体局限性，但可能包括对高质量fODF估计的依赖、计算资源需求或特定数据集上的泛化挑战	开发一种深度学习框架，以实现扩散MRI数据的非线性配准，并利用方向信息提高白质结构对齐的解剖学精度	扩散MRI数据，特别是从原始信号导出的纤维方向分布函数（fODF）	医学图像处理	NA	扩散MRI（dMRI），纤维方向分布函数（fODF）分析	深度学习网络	扩散磁共振图像（dMRI）	多个公共和私有数据集（具体数量未明确提及）	NA	ODDRnet（具体架构未详细说明）	束状结构Dice系数，束状结构距离（以毫米为单位）	NA
1697	2025-12-19	Radon single-pixel flying target classification via texture-fused lightweight differentiable operators 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27721-3 PMID:41398006	研究论文	本文提出了一种针对Radon单像素成像的纹理融合轻量级可微分算子模型，用于低采样率下的飞行目标分类	将传统纹理算子和线滤波算子集成到可微分模块中，专门针对Radon单像素成像特性进行优化设计	未明确说明模型在极端低采样率或复杂背景下的性能限制	解决低采样率Radon单像素成像中因成像质量下降导致的内容识别难题	飞行目标（鸟类和无人机）	计算机视觉	NA	Radon单像素成像	深度学习模型	图像	未明确说明具体数量，使用自建的Radon SPI飞行目标分类数据集	未明确说明	基于SOTA轻量级分类模型的改进架构	Top-1准确率	GPU硬件（具体型号未说明）
1698	2025-12-19	NeuroFusionNet: a hybrid EEG feature fusion framework for accurate and explainable Alzheimer's Disease detection 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28070-x PMID:41398345	研究论文	本文提出了一种名为NeuroFusionNet的混合深度学习框架，用于基于EEG的阿尔茨海默病及相关痴呆的准确、可解释和高效分类	提出了一种混合特征融合框架，结合了手工特征和从定制1D-CNN提取的潜在时间嵌入，并采用了特征选择、降维和类别平衡技术以增强判别学习	尽管准确率高且计算效率好，但研究未明确讨论模型在更广泛或多样化临床环境中的泛化能力	开发一个准确、可解释且高效的EEG分类框架，用于阿尔茨海默病及相关痴呆的早期检测	阿尔茨海默病及相关痴呆患者的EEG数据	机器学习	阿尔茨海默病	EEG信号处理	CNN, DNN	EEG信号	三个公共EEG数据集：OpenNeuro ds004504（闭眼）、ds006036（睁眼）和独立的OSF数据集	未明确指定，但提及了SHAP和Grad-CAM用于可解释性	定制的一维卷积神经网络（1D-CNN）和五层深度神经网络	准确率, 宏F1分数	标准临床CPU（无需GPU支持），模型轻量（0.94M参数，4.1 MB占用），推理时间6.5 ms每样本
1699	2025-12-19	Imaging pathways in spondyloarthritis: integrating radiography, ultrasonography, magnetic resonance imaging, low-dose computed tomography, and artificial intelligence methods : Radiology and AI in SpA 2025-Dec-15, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-06051-7 PMID:41396276	综述	本文综述了脊柱关节炎的影像学诊断路径，整合了X线、超声、磁共振成像、低剂量CT和人工智能方法，并提出了当代诊断算法	提出了一个整合多模态影像学和人工智能的当代诊断算法，并系统讨论了AI在脊柱关节炎诊断和管理中的新兴应用	AI应用存在部署成本高和医疗法律考量等限制	优化脊柱关节炎的影像学诊断路径，并探讨人工智能在其中的应用	脊柱关节炎患者	数字病理学	脊柱关节炎	X线摄影、超声、磁共振成像、低剂量计算机断层扫描	深度学习	图像	NA	NA	NA	精度	NA
1700	2025-12-19	The role and challenge of knee cartilage MRI in early diagnosis of knee osteoarthritis: a literature review 2025-Dec-15, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2025.12.001 PMID:41407057	综述	本文探讨了膝关节软骨MRI在早期诊断膝骨关节炎中的作用、优势、局限性和改进策略	综述了在深度学习、高分辨率3D技术和超分辨率重建技术指导下，如何更准确、快速地评估软骨，加速临床转化	NA	全面理解膝关节软骨MRI在早期诊断膝骨关节炎中的临床意义	膝骨关节炎及其相关的关节软骨	数字病理学	骨关节炎	MRI，成分MRI，定量和半定量方法	NA	MRI图像	NA	NA	NA	NA	NA