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
241	2026-02-03	An open bone marrow megakaryocyte dataset for automated morphologic studies 2025-Dec-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06450-2 PMID:41402328	研究论文	本文介绍了首个公开的骨髓巨核细胞亚型分类数据集MK-11，用于自动形态学评估的开发与评估	首次提供了高质量、开放许可的骨髓巨核细胞图像数据集，解决了该领域数据稀缺问题，并建立了基于深度学习的分类基准	数据集规模相对有限（7,204张图像），可能影响模型泛化能力；且仅基于Wright-Giemsa染色图像，未涵盖其他染色技术	开发用于骨髓巨核细胞亚型自动分类的深度学习模型，以辅助血液疾病的诊断与研究	骨髓中的巨核细胞亚型，涉及11种临床相关亚型	数字病理学	骨髓增生异常综合征（MDS）及其他血小板相关疾病	Wright-Giemsa染色	CNN, Transformer	图像	7,204张单细胞图像	NA	卷积神经网络, Transformer	NA	NA
242	2026-02-02	Mitigating the Vanishing Gradient Problem Using a Pseudo-Normalizing Method 2025-Dec-31, Entropy (Basel, Switzerland) DOI:10.3390/e28010057 PMID:41593963	研究论文	本文提出一种伪归一化方法，通过放大梯度来缓解深度神经网络中的梯度消失问题，并在图像分类任务中验证其有效性	引入伪归一化技术，通过定期除以均方根来放大梯度，避免梯度消失同时防止梯度爆炸，且发现网络主要利用图像轮廓信息进行分类	方法仅在双曲正切激活函数的图像分类网络中验证，未涉及其他激活函数或任务类型	解决深度神经网络训练中的梯度消失问题，提升训练稳定性和性能	深度神经网络及其训练过程	机器学习	NA	伪归一化方法	深度神经网络	图像	NA	NA	NA	NA	NA
243	2026-02-02	Enhancing crayfish sex identification with Kolmogorov-Arnold networks and stacked autoencoders 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34095-z PMID:41469793	研究论文	本研究利用传统机器学习和深度学习模型，对具有不平衡类别分布的表格和图像数据集进行小龙虾性别二分类，提出了一种基于堆叠自编码器的新架构，并验证了Kolmogorov-Arnold网络在分类任务中的有效性	提出了一种基于堆叠自编码器的新架构，用于增强特征提取，并首次将Kolmogorov-Arnold网络应用于小龙虾性别分类任务，展示了其在所有指标上的最佳性能	研究中使用的数据集存在类别不平衡问题，且部分模型在性能提升后出现下降，未详细讨论模型的可解释性或泛化能力到其他物种	提高小龙虾性别分类的准确性，以支持淡水生态系统的人口结构分析	小龙虾	机器学习	NA	图像组合、特征提取	Kolmogorov-Arnold网络, 自编码器, 支持向量机, 多层感知器, 朴素贝叶斯	表格数据, 图像数据	NA	NA	堆叠自编码器	准确率	NA
244	2026-02-02	Advancing Medical Decision-Making with AI: A Comprehensive Exploration of the Evolution from Convolutional Neural Networks to Capsule Networks 2025-Dec-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010017 PMID:41590902	综述	本文是一篇关于卷积神经网络（CNN）和胶囊网络（CapsNet）在医学图像分析中应用的文献综述，旨在通过比较两者来辅助医疗决策支持	对CNN和CapsNet在医学图像分析中的应用进行了结构化比较，并提出了未来可解释、高效混合深度学习系统的研究方向	作为一篇综述文章，其局限性在于主要基于2018年至2025年发表的文献进行分析，可能未涵盖最新进展	分析比较CNN和CapsNet在医学图像分析中的性能，以支持医疗决策	医学图像分析领域的深度学习架构	计算机视觉	NA	NA	CNN, CapsNet	图像	基于基准数据集BraTS、INbreast、ISIC和COVIDx	NA	卷积神经网络, 胶囊网络	NA	NA
245	2026-02-02	A painting art rendering system by deep learning framework and machine translation 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34058-4 PMID:41461861	研究论文	本研究提出了一种基于深度学习和机器翻译的绘画艺术渲染系统，旨在解决民族大学绘画教学中的技术传承、跨语言障碍和个性化不足等问题	提出了一个集“技术传承-风格渲染-文化解读-个性化指导”于一体的协作教学框架，并引入了改进的生成对抗网络和视觉上下文Transformer模块，实现了八种民族绘画风格的自动渲染和跨民族语言绘画术语的语义映射	未明确说明系统在更广泛绘画风格或语言中的泛化能力，以及计算资源需求的具体细节	开发一个集成系统，以促进民族绘画技术的数字保存和跨文化交流，提升绘画教学效果	民族绘画艺术作品和跨民族语言的绘画术语	计算机视觉, 自然语言处理	NA	深度学习, 机器翻译	GAN, Transformer	图像, 文本	包含12,000件艺术作品和5,000条术语条目的多模态数据集	NA	改进的生成对抗网络, 视觉上下文Transformer	F1分数, 语义匹配率	NA
246	2026-02-02	An enhanced deep learning framework for intrusion classification enterprise network using multi-branch CNN-attention architecture 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34166-1 PMID:41461889	研究论文	本文提出了一种面向部署的企业网络入侵检测框架，结合了多分支CNN注意力架构与微调决策树分类器	提出了一种结合多分支CNN通道注意力机制与微调决策树分类器的部署导向型入侵检测框架，在保证高精度的同时提供可解释的规则，并展示了跨数据集的泛化能力	NA	开发一个高精度、可解释且适合实际部署的企业网络入侵检测系统	企业网络流量数据	机器学习	NA	NA	CNN, 决策树	网络流量数据	CIC-IDS2017数据集包含超过200万个带标签的网络流（80+个特征），NSL-KDD数据集包含125,000个连接记录（41个特征）	NA	多分支CNN注意力架构	准确率, ROC-AUC, 宏F1分数	NA
247	2026-02-02	Interpretable multimodal deep learning improves postoperative risk stratification in intrahepatic cholangiocarcinoma in multicentre cohorts 2025-Dec-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02282-x PMID:41466129	研究论文	开发了一种基于Transformer的可解释多模态深度学习框架，用于肝内胆管癌患者的术后风险分层	首次将临床变量、影像组学特征和全切片病理图像通过预训练编码器与Transformer网络融合，并利用空间转录组学和蛋白质组学进行生物学验证，揭示了模型注意力机制与肿瘤侵袭性的关联	未明确说明模型在更广泛人群或不同医疗中心间的泛化能力，以及计算资源需求的具体细节	提高肝内胆管癌患者术后风险分层的准确性	肝内胆管癌患者	数字病理学	肝内胆管癌	空间转录组学, 空间蛋白质组学	Transformer	临床变量, 影像组学特征, 全切片病理图像	三个独立验证队列（具体样本数未提供）	NA	Transformer	AUC	NA
248	2026-02-02	Adaptive Normalization Enhances the Generalization of Deep Learning Model in Chest X-Ray Classification 2025-Dec-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010014 PMID:41590899	研究论文	本研究通过对比分析不同归一化方法，提出了一种自适应预处理流程，旨在提升深度学习模型在胸部X光分类中的泛化能力	提出了一种结合百分位ROI裁剪和直方图标准化的自适应预处理流程，并通过系统性基准测试验证其在多数据集和模型架构下的有效性	在采集异质性强的MIMIC-CXR数据集上性能提升有限	提升深度学习模型在胸部X光分类中的跨数据集鲁棒性和可靠性	胸部X光图像	计算机视觉	NA	NA	CNN	图像	四个公共胸部X光数据集	NA	三种卷积神经网络架构	准确率, F1分数	NA
249	2026-02-02	Automated deep learning pipeline for callosal angle quantification 2025-Dec-27, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-025-00750-w PMID:41456015	研究论文	本文开发了一个全自动深度学习框架，用于从原始T1 MPRAGE扫描中量化胼胝体角，以辅助常压性脑积水的诊断	提出了一个结合BrainSignsNET进行关键解剖标志点检测和基于UNet的分割网络的全自动、鲁棒性框架，可直接从原始MRI扫描中测量胼胝体角，性能优于报告的人工观察者间变异性	未明确提及，但可能包括对特定MRI序列（T1 MPRAGE）的依赖以及需要进一步的外部验证	开发一个全自动、可靠的深度学习框架，用于量化胼胝体角，以改善常压性脑积水的早期检测和诊断	常压性脑积水患者的MRI扫描图像	数字病理学	常压性脑积水	T1 MPRAGE MRI扫描	深度学习	3D MRI图像	训练和内部验证使用BLSA和BIOCARD数据集；外部验证使用来自约翰霍普金斯湾景医院和PENS试验的376个临床MRI扫描	NA	BrainSignsNET, UNet with EfficientNetB0 encoder	相关系数, 平均绝对误差	NA
250	2026-02-02	A Hybrid Vision Transformer-BiRNN Architecture for Direct k-Space to Image Reconstruction in Accelerated MRI 2025-Dec-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010011 PMID:41590896	研究论文	提出了一种结合Vision Transformer和双向循环神经网络的混合双域深度学习架构，用于加速MRI中的k空间到图像的直接重建	首次将ViT自编码器与BiRNN结合，协同处理图像域和k空间域信息，直接利用k空间数据的序列特性来抑制混叠伪影	研究仅在神经MRI的回顾性欠采样数据上进行评估，未涉及其他解剖部位或前瞻性数据	解决加速MRI中因k空间欠采样导致的病态逆问题，实现高质量图像重建	加速磁共振成像（MRI）中的图像重建	计算机视觉	NA	磁共振成像（MRI）	Vision Transformer, BiRNN	图像, k空间数据	NA	NA	Vision Transformer autoencoder, BiRNN, UNet	NA	NA
251	2026-02-02	Accurate Segmentation of Vegetation in UAV Desert Imagery Using HSV-GLCM Features and SVM Classification 2025-Dec-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010009 PMID:41590895	研究论文	本文提出了一种结合HSV颜色空间和GLCM纹理特征，并采用SVM分类器的机器学习方法，用于无人机沙漠图像中植被的准确分割	结合HSV颜色空间与GLCM纹理特征，并采用SVM分类器，在具有挑战性的沙漠环境中实现了鲁棒的植被分割，显著优于传统光谱指数方法和现代深度学习基线	处理速度为每张图像25秒，训练时间28分钟，在强调处理速度的应用中可能受限	实现无人机沙漠图像中植被的准确分割，以支持精准农业应用	阿联酋沙漠农田的120张高分辨率无人机图像	计算机视觉	NA	无人机成像	SVM	图像	120张高分辨率无人机图像	NA	NA	准确率, 精确率, 召回率, F1分数, 交并比	NA
252	2026-02-02	Empirical Mode Decomposition-Based Deep Learning Model Development for Medical Imaging: Feasibility Study for Gastrointestinal Endoscopic Image Classification 2025-Dec-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010004 PMID:41590889	研究论文	本研究提出了一种基于二维经验模态分解的深度学习框架，用于提升医学图像分类性能，并在胃肠道内窥镜图像分类任务中验证其有效性	将二维经验模态分解技术集成到深度学习流程中，通过分解图像为内在模态函数来增强图像特征，从而显著提高模型性能	仅使用公开的Kvasir数据集进行验证，未在其他医学图像领域或更大规模数据集上测试，且未详细讨论计算复杂度增加的问题	开发一种基于二维经验模态分解的深度学习模型，以提升多类图像分类任务的性能，并探索其在医疗影像中早期疾病检测的潜力	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	二维经验模态分解	CNN, Transformer	图像	Kvasir数据集，包含8类胃肠道图像，每类1000张，共8000张图像	NA	ResNet152, VGG19bn, MobileNetV3L, SwinTransformerV2S	准确率, F1分数, AUC	NA
253	2026-02-02	Development of a Multispectral Image Database in Visible-Near-Infrared for Demosaicking and Machine Learning Applications 2025-Dec-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010002 PMID:41590887	研究论文	本研究开发了一个可见光-近红外多光谱图像数据库，用于去马赛克技术和机器学习应用	利用基于滤光片阵列技术的高端多光谱相机，创建了一个包含高分辨率多光谱图像、标注图像和掩码的免费可访问数据库	数据库依赖于特定平台（PImRob）的相机技术，且多光谱相机技术相对较新，可用性有限	为多光谱图像的去马赛克技术、分割算法和深度学习研究提供数据支持	不同植物和杂草的多光谱图像	计算机视觉	NA	多光谱成像，滤光片阵列技术	NA	多光谱图像	NA	NA	NA	NA	NA
254	2026-02-02	Deep learning-enabled accurate assessment of gait impairments in Parkinson's disease using smartphone videos 2025-Dec-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02150-8 PMID:41390840	研究论文	本文提出了一种基于深度学习的框架，利用智能手机录制的视频评估帕金森病患者的步态障碍	该框架能够以高精度预测帕金森病严重程度，并有效区分药物对步态障碍的综合疗效，特别是能够检测到超出统一帕金森病评定量表分辨率的药物诱导的细粒度步态变化	未在摘要中明确说明	评估帕金森病患者的步态障碍，并分析药物疗效	帕金森病患者的步态	计算机视觉	帕金森病	智能手机视频录制	深度学习	视频	NA	NA	NA	AUC, F1分数, 精确度	NA
255	2026-02-02	Artificial Intelligence in Medicine: Moving From "Prediction" to "Patient-Centric Decision Intelligence" 2025-Dec, Cureus DOI:10.7759/cureus.100323 PMID:41613711	评论	本文讨论了人工智能在医疗领域从预测模型向以患者为中心的决策智能的转变	提出了从预测性AI向决策智能医疗系统（DIHS）的过渡，强调整合多模态患者数据以支持个性化临床决策	未提及具体实施案例或实证研究结果	推动人工智能在医疗中从预测功能转向支持个性化、可操作的临床决策	临床AI系统、多模态患者数据、决策智能医疗系统	机器学习	NA	多模态深度学习	深度学习平台	结构化数据、图像、自由文本临床记录、语音生物标志物、可穿戴传感器输出、社会健康决定因素、环境暴露、医生推理	NA	NA	NA	NA	NA
256	2026-01-30	A deep learning based automated maxillary sinus segmentation and bone grafts analysis in CBCT images 2025-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02275-w PMID:41469515	研究论文	本研究开发并验证了一种基于深度学习的全自动系统SA-ai，用于在CBCT图像中分割上颌窦并分析骨移植体积	提出了一种结合2D U-Net和3D V-Net的全自动深度学习系统，用于量化上颌窦骨增量，实现了超过20倍的工作流程效率提升	研究仅基于85名患者的配对CBCT数据集，样本量相对有限，且未明确提及外部验证或泛化能力评估	优化种植体治疗，通过自动化系统精确评估上颌窦骨增量	上颌窦骨移植后的骨增益	数字病理学	NA	CBCT成像	深度学习	CBCT图像	85名患者的配对CBCT数据集	NA	2D U-Net, 3D V-Net	Dice系数, RMSE, ICC	NA
257	2026-01-30	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	本文提出了一种名为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	开发了首个自动化深度学习框架PAN-VIQ，通过3D包裹角度量化肿瘤与血管的相互作用，克服了传统2D主观评估的局限性	未在更广泛的外部数据集上进行验证，且可能依赖于特定CT扫描协议	量化胰腺导管腺癌的血管侵犯，以支持手术规划	胰腺导管腺癌患者	数字病理学	胰腺癌	增强CT扫描	深度学习	3D图像	训练和内部验证2130例，前瞻性测试202例	未指定	PAN-VIQ	准确率, 召回率	NA
258	2026-01-30	RadioGuide-DCN: A Radiomics-Guided Decorrelated Network for Medical Image Classification 2025-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010046 PMID:41595978	研究论文	本文提出了一种名为RadioGuide-DCN的创新放射组学引导的去相关网络，用于医学图像分类	将放射组学特征作为先验信息整合到深度神经网络中，并采用特征去相关损失机制结合反注意力特征融合模块，有效减少特征冗余并增强模型捕捉局部细节和全局模式的能力	未明确提及具体局限性	解决现有深度学习方法因数据集大小限制导致的过拟合问题，以及传统手工特征方法缺乏特异性和无法充分捕捉复杂病理信息的问题	医学图像，包括B超、CT、MRI等多种模态	计算机视觉	肿瘤	放射组学	深度神经网络	图像	NA	NA	Kolmogorov-Arnold Network (KAN)	准确率, AUC	NA
259	2026-01-30	IESS-FusionNet: Physiologically Inspired EEG-EMG Fusion with Linear Recurrent Attention for Infantile Epileptic Spasms Syndrome Detection 2025-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010057 PMID:41595989	研究论文	本文提出了一种名为IESS-FusionNet的双流端到端框架，用于从同步脑电图和表面肌电图信号中准确、实时地检测婴儿痉挛综合征	提出了一种新颖的跨时间混合模块，基于RWKV架构的线性循环注意力机制，实现了高效、时间衰减、双向的跨模态融合，该融合明确尊重了痉挛期间皮质-肌肉耦合的因果和生理特性	模型在内部临床数据集上进行评估，其泛化能力有待在更大规模、多中心的外部数据集中进一步验证	开发一种用于婴儿痉挛综合征自动检测的准确且计算高效的解决方案	患有确诊婴儿痉挛综合征的婴儿的同步脑电图和表面肌电图记录	机器学习	婴儿痉挛综合征	同步脑电图和表面肌电图记录	深度学习, 双流框架	时间序列信号	内部临床数据集，具体数量未明确说明	NA	IESS-FusionNet, Unimodal Encoder, 双向Mamba, RWKV架构	准确率, 特异性, 敏感性	NA
260	2026-01-30	A Deep Learning Model That Combines ResNet and Transformer Architectures for Real-Time Blood Glucose Measurement Using PPG Signals 2025-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010049 PMID:41595981	研究论文	本研究开发了一种结合ResNet和Transformer架构的深度学习模型，用于通过PPG信号实时测量血糖	结合ResNet CNN和Transformer块构建模型，并在预处理中通过数据质量分级选择干扰较少的信号进行训练，以提高模型的泛化能力	需要在更广泛的人群中进行进一步验证	改进基于PPG的非侵入式血糖估计，减少个性化和非个性化测量之间的性能差距	PPG信号	机器学习	糖尿病	PPG信号监测	CNN, Transformer	生理信号数据	来自10,000名受试者的700,000个数据点，其中60,000个未见数据用于非个性化案例测试	NA	ResNet, Transformer	平均绝对相对差异（MARD）, Clarke误差网格（CEG）	NA