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
1161	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）
1162	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
1163	2025-12-19	Multi-task deep learning meets hyperspectral imaging: A unified modeling framework for WEEE plastic identification and flame retardant quantification 2025-Dec-13, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140828 PMID:41406523	研究论文	本研究提出了一种结合多任务深度学习与高光谱成像的统一框架，用于同时识别WEEE塑料类型、阻燃剂种类并量化其负载量	提出了一种集成多任务卷积神经网络、共享与任务特定学习、跨任务融合与注意力机制的统一框架，以同时处理塑料基材分类、阻燃剂类型识别和负载量回归任务，克服了传统单任务方法在处理高维光谱数据时的局限性	研究仅使用了实验室制备的样品，可能未完全覆盖实际回收场景中塑料的复杂性和多样性	开发一种高效、准确的WEEE塑料识别与阻燃剂量化方法，以支持智能回收与分选	三种常见WEEE塑料（ABS、HIPS、PP）与四种代表性阻燃剂（APP、ATH、DecaBDE、DecaBD）的实验室制备样品	计算机视觉	NA	高光谱成像	CNN	图像（高光谱图像）	实验室制备的塑料样品，包含三种塑料基材与四种阻燃剂在不同负载梯度（1-30%）下的组合	NA	多任务卷积神经网络	分类准确率, R分数（回归）	NA
1164	2025-12-19	Automated skin cancer detection using MedFusionNet with attention-based fusion of ConvNeXt and vision transformer 2025-Dec-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31816-2 PMID:41387901	研究论文	本研究提出了一种名为MedFusionNet的新型深度卷积神经网络，通过自适应注意力机制融合ConvNeXt和Vision Transformer架构，用于皮肤癌的自动多分类检测	提出了一种结合ConvNeXt和Vision Transformer架构的自适应注意力融合方法，用于高级特征融合，以提升皮肤癌分类性能	未声称提供完全因果可解释性，且研究基于存在类别不平衡问题的公开数据集	开发一种高效的深度学习模型，用于皮肤癌的早期和准确诊断，以辅助临床治疗	皮肤癌样本，特别是黑色素瘤等皮肤病变	计算机视觉	皮肤癌	皮肤镜检查	CNN, Transformer	图像	两个公开皮肤镜检查基准数据集：ISIC-2019和HAM10000	NA	ConvNeXt, Vision Transformer (ViT), MedFusionNet	准确率, 精确率, 召回率, AUC	NA
1165	2025-12-19	Physics-guided deep learning surrogate model with graph attention for long-term radionuclide transport prediction in deep geological repositories 2025-Dec-09, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140767 PMID:41406534	研究论文	本文提出了一种基于图注意力机制的物理引导深度学习代理模型，用于预测深地质处置库中长期放射性核素迁移	开发了结合图注意力网络与物理方程（衰变-扩散-吸附）的深度学习代理模型，实现了快速且物理可靠的长期迁移预测	模型在材料属性改变或释放时间提前等场景下的泛化能力仍需进一步验证，且依赖于模拟数据训练	为深地质处置库的安全评估提供快速、准确的长期放射性核素迁移预测工具	深地质处置库中U-238和Th-230的迁移过程	机器学习	NA	物理模拟（PFLOTRAN），深度学习代理模型	图注意力网络（GAT），深度学习	模拟数据（放射性核素迁移时间序列）	10个监测节点，模拟5000年迁移过程	PyTorch（推断，因涉及GAT和深度学习训练）	图注意力网络（GAT）	R², NSE, 95%预测区间	单节点工作站
1166	2025-12-19	CMMDL: Cross-modal multi-domain learning method for image fusion 2025-Dec-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108450 PMID:41406644	研究论文	提出了一种用于图像融合的跨模态多域学习方法，以同时利用空间域和频域信息	提出了空间-频域级联注意力机制、双域并行学习策略以及异构域特征融合块，首次在图像融合中结合了空间域和频域学习	未在摘要中明确说明	解决多模态图像融合问题，提升融合图像的质量	多模态图像	计算机视觉	NA	NA	深度学习	图像	在多个数据集上进行了广泛实验	NA	Restormer, 双分支可逆神经网络	NA	NA
1167	2025-12-19	Ultrasound placental image texture analysis using artificial intelligence and deep learning models to predict hypertension in pregnancy 2025-Dec, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70306 PMID:40542591	研究论文	本研究利用人工智能和深度学习模型对超声胎盘图像进行纹理分析，以预测妊娠期高血压疾病	首次将Vision Transformer与TabNet分类器结合用于超声胎盘图像分析，以预测妊娠期高血压疾病，并展示了较高的准确性	研究为前瞻性观察性研究，可能存在选择偏倚，且未详细讨论模型在其他人群中的泛化能力	预测妊娠期高血压疾病	孕妇的超声胎盘图像	计算机视觉	妊娠期高血压疾病	超声成像	CNN, Vision Transformer	图像	1008名孕妇（其中600名正常结局，143名患有妊娠期高血压疾病，265名有其他不良结局）	NA	EfficientNet B0, Vision Transformer	准确率, Cohen kappa分数, AUC, 灵敏度, 特异性	NA
1168	2025-12-19	Hot Topics: Exploring Artificial Intelligence and Inflammatory Memory in the Management of Psoriatic Diseases 2025-Dec-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0241 PMID:40763946	综述	本文总结了GRAPPA 2024年会中关于人工智能在银屑病疾病管理中的应用以及炎症记忆机制在疾病复发中的作用的热点话题讨论	探讨了人工智能技术与炎症记忆生物学机制在银屑病疾病管理中的交叉融合，强调了技术应用与基础生物学理解的结合	文章基于会议讨论内容，未报告具体实验数据或模型验证结果，属于观点性综述	探索人工智能在银屑病疾病管理中的应用潜力，并阐明炎症记忆在银屑病和银屑病关节炎复发中的机制	银屑病疾病（包括银屑病和银屑病关节炎）	数字病理学	银屑病	NA	卷积神经网络	NA	NA	NA	NA	NA	NA
1169	2025-12-19	AI-driven and Traditional Radiomic Model for Predicting Muscle Invasion in Bladder Cancer via Multi-parametric Imaging: A Systematic Review and Meta-analysis 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.035 PMID:40914722	系统综述与荟萃分析	本研究通过荟萃分析方法，系统评估了人工智能驱动和传统影像组学模型在检测肌层浸润性膀胱癌中的诊断性能，并探讨了其与膀胱影像报告和数据系统的潜在协同价值	首次通过系统综述和荟萃分析，全面比较了AI驱动与传统影像组学模型在膀胱癌肌层浸润诊断中的效能，并系统分析了异质性来源	纳入研究存在显著的异质性，且多为回顾性研究，需要多国、多中心的前瞻性队列研究来验证外部有效性	评估AI驱动和传统影像组学模型在诊断肌层浸润性膀胱癌中的性能，并分析其临床转化前景	肌层浸润性膀胱癌患者	医学影像分析	膀胱癌	影像组学，多参数成像	深度学习，机器学习	医学影像	43项研究，共9624名患者	NA	NA	AUC, 敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比	NA
1170	2025-12-19	Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment 2025-Dec, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03206-y PMID:40993310	综述	本文综述了人工智能在癌症组织学评估中的转型作用，从辅助诊断工具发展为临床决策的核心组成部分	AI不仅复制并增强了病理学家的决策，还通过组织形态学表型聚类和空间转录组学等创新技术，优化了癌症分层和个性化治疗	AI预测的验证仍面临挑战，特别是在预后应用方面，且资源有限环境下的可及性有待解决	探讨AI在癌症诊断和个性化治疗中如何变革组织学评估	癌症患者的组织学图像、基因组数据和临床信息	数字病理学	癌症	全切片成像（WSI）、空间转录组学	深度学习	图像、文本、临床数据	NA	NA	NA	NA	NA
1171	2025-12-19	Diagnosis of superficial ailments using infrared thermal imaging and CapsNet 2025-Dec, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104325 PMID:41223630	研究论文	本研究探索了使用红外热成像与胶囊网络（CapsNet）结合来诊断浅表疾病，如乳腺癌、压力性溃疡和鼻窦炎	首次将CapsNet应用于红外热成像的疾病分类，相比传统模型在多种浅表疾病诊断中均表现出更高的准确性	外部因素可能影响区域温度，从而引入诊断误差，且研究未详细讨论这些因素的具体影响或校正方法	通过结合计算机视觉分类算法与热成像技术，提升浅表疾病的分类和诊断准确性	乳腺癌、压力性溃疡和鼻窦炎等具有皮肤表现症状的疾病	计算机视觉	乳腺癌, 压力性溃疡, 鼻窦炎	红外热成像	CapsNet	图像	未提供具体样本数量	未指定	CapsNet	准确率	未提供
1172	2025-12-19	Deep Learning-Based Assessment for Media Haze and Retinal Vascular Leakage of Uveitis 2025-Dec, Ocular immunology and inflammation IF:2.6Q2 DOI:10.1080/09273948.2025.2567520 PMID:41123627	研究论文	本研究应用深度学习技术，基于彩色眼底照相和荧光素眼底血管造影图像，自动化评估葡萄膜炎的玻璃体混浊和血管渗漏	首次将深度学习模型（如EfficientNetV2-L和LadderNet）应用于葡萄膜炎的玻璃体混浊分级和血管渗漏分割，并揭示了玻璃体混浊、炎症因子与血管渗漏之间的关联，为疾病活动性和治疗结果提供了新的量化指标	研究样本量相对有限（213名患者），且模型性能可能依赖于标注质量，未在外部独立数据集上进行广泛验证	开发自动化评估葡萄膜炎玻璃体混浊和血管渗漏的深度学习方法，以辅助诊断和疗效评估	葡萄膜炎患者的彩色眼底照相和荧光素眼底血管造影图像	计算机视觉	葡萄膜炎	彩色眼底照相, 荧光素眼底血管造影	CNN	图像	213名患者的756张彩色眼底照相图像和740张荧光素眼底血管造影图像	NA	EfficientNetV2-L, InceptionV3, MobileNetV3, LadderNet	Micro-AUC, Dice相似系数	NA
1173	2025-12-19	Pomegranate disease detection and classification dataset for deep learning applications: A case study from Halabja city 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112298 PMID:41399438	研究论文	本研究介绍了Halabja石榴果实病害图像数据集，用于支持基于深度学习的植物病害检测应用	创建了一个包含自然户外环境图像的系统性数据集，涵盖四种特定病害类别，并提供了大量增强图像以提高模型鲁棒性	数据集仅来自伊拉克Halabja地区，可能限制了其地理普适性	开发适用于精准农业的植物病害检测和分类工具	石榴果实及其病害（ectomyelois ceratoniae, colletotrichum spp., 日灼病和健康果实）	计算机视觉	植物病害	图像采集与增强	深度学习模型	图像	2178张原始图像和28314张增强图像	NA	NA	NA	NA
1174	2025-12-19	Dataset for classification of forming tool types for aircraft parts based on neural network models using CAD 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112302 PMID:41399442	研究论文	本研究提出了一种基于CAD图像的深度学习和机器学习模型数据集，用于对飞机零件的成形工具类型进行分类	利用CAD图像中的视觉信息（特别是法兰几何形状）对工具类型进行分类，无需物理原型或专用传感器，为小批量、多品种制造环境提供了一种可扩展、经济高效且易于应用的解决方案	数据集主要基于公开可用的CAD模型和CATIA生成的模型，可能无法涵盖所有实际制造场景中的工具类型变化	开发一种基于CAD图像的深度学习和机器学习模型，用于飞机零件成形工具类型的自动分类	飞机钣金零件（特别是通过流体单元液压成形生产的零件）的成形工具	计算机视觉	NA	CAD图像处理	CNN, 机器学习模型	图像	12,432张图像，涵盖三种可视化模式（正常视图、隐藏线视图和线框视图）和多个方向	NA	ResNeXt	准确率, F1分数	NA
1175	2025-12-19	Detection, localisation, and quantification of neutrophils to assess disease activity and early response to therapy in ulcerative colitis: a novel AI-driven model 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103658 PMID:41399473	研究论文	开发了一种基于AI的流程，用于自动检测、定位和量化中性粒细胞，以评估溃疡性结肠炎的组织学缓解和治疗反应	整合了两个深度学习模型，实现了对全玻片图像的区域分割和中性粒细胞的检测与量化，并确定了评估疾病活动性和治疗响应的最佳中性粒细胞密度阈值	研究基于特定临床试验和队列数据，可能需要在更广泛的人群中进行验证	开发AI驱动的流程，以自动化评估溃疡性结肠炎的组织学活动性和治疗响应	溃疡性结肠炎患者的全玻片图像	数字病理学	溃疡性结肠炎	全玻片图像分析	深度学习模型	图像	303张来自多中心临床试验的溃疡性结肠炎患者全玻片图像	NA	NA	DICE Sørensen系数, 精确度, 准确率, 灵敏度, 特异性	NA
1176	2025-12-18	Comparison of deep learning reconstruction algorithms to improve image quality of dual-energy carotid CT angiography under dual-low scan 2025-Dec-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03803-x PMID:41405722	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1177	2025-12-18	Pixel Tampering: Does Face Redaction Harm Medical AI Performance? 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01776-0 PMID:41402615	研究论文	本研究评估了面部脱敏工具对深度学习模型在医学影像中性能的影响，并通过Kaggle竞赛验证了其有效性	开发了一个开源的面部脱敏工具，旨在增强数据共享安全性同时保持深度学习性能，并通过大规模竞赛验证了其在年龄预测任务中的效果	研究仅基于头部CT影像和年龄预测任务，可能无法推广到其他医学影像类型或临床任务	评估面部脱敏处理是否会影响深度学习模型在医学影像分析中的性能	头部CT影像及其对应的年龄预测任务	医学影像分析	NA	深度学习	深度学习模型	医学影像（头部CT）	训练集2377例，测试集148例，来自多个机构	NA	NA	平均绝对误差（MAE）	NA
1178	2025-12-18	Advanced Multi-architecture Deep Learning Framework for BIRADS-Based Mammographic Image Retrieval: Comprehensive Performance Analysis with Super-Ensemble Optimization 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01770-6 PMID:41402617	研究论文	本文开发了一个用于基于内容的乳腺X线图像检索的综合评估框架，通过比较不同CNN架构在高级训练策略下的性能，旨在提升BIRADS分类的精确匹配能力	提出了一个系统性的评估框架，首次在BIRADS五分类检索任务中综合比较了多种CNN架构（DenseNet121、ResNet50、VGG16）在高级微调、度量学习和超级集成优化策略下的性能，并采用严格的病人分层划分和统计验证方法	研究样本量相对有限（1003名患者），且仅针对乳腺X线图像，未扩展到其他医学影像模态	提升基于内容的乳腺X线图像检索在BIRADS五分类任务中的准确性和临床实用性	乳腺X线图像及其对应的BIRADS分类	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	1003名患者（每人两张图像），共602个测试查询	未明确指定，但可能涉及TensorFlow或PyTorch	DenseNet121, ResNet50, VGG16	precision@10, 准确率, 统计显著性检验（t检验, Cohen's d）	未明确指定，但提及了计算成本降低
1179	2025-12-18	A Timeseries-based Multimodal Deep Learning Approach for Lung Nodule Growth Prediction 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01788-w PMID:41402619	研究论文	本研究提出了一种基于时间序列的多模态深度学习框架，用于预测肺结节的生长，通过整合CT图像序列、人口统计学和结节特异性特征来提高预测准确性	采用时间序列CT图像数据与多模态特征（人口统计学和结节特异性特征）相结合的多模态深度学习框架，显著提升了肺结节生长预测的准确性	数据来源于单一医疗机构（台湾远东纪念医院），可能限制了模型的泛化能力	开发一个多模态深度学习模型，以准确预测肺结节的生长，辅助临床决策	肺结节患者，包括其CT图像序列、人口统计学信息和结节特异性特征	计算机视觉	肺癌	CT成像	深度学习模型	图像, 结构化数据	来自台湾远东纪念医院的数据集，具体样本数量未明确说明	NA	多模态深度学习框架	准确率, 精确率, 灵敏度, F1分数, AUC	NA
1180	2025-12-18	Editorial for "Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model" 2025-Dec-16, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70208 PMID:41403056	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA