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
3261	2025-11-19	An efficient dark spot detection method for offshore oil spill in SAR images based on edge-enhanced attention fusion 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118748 PMID:40997542	研究论文	提出一种基于边缘增强注意力融合的SAR图像海上溢油黑斑高效检测方法	设计了残差瓶颈注意力模块(RBAM)、增强通道融合模块(ECFM)和深度监督细化模块(DSRM)，在提升边缘检测精度的同时显著降低计算成本	NA	提升SAR图像中海上溢油黑斑的边缘检测精度并减少检测时间	合成孔径雷达(SAR)图像中的溢油黑斑	计算机视觉	NA	合成孔径雷达(SAR)成像	CNN	图像	PALSAR和Sentinel-1数据集	NA	EAF-Net, RBAM, ECFM, DSRM	检测精度, 检测时间	轻量化结构设计以降低计算成本
3262	2025-11-19	RiSIM: River surface image monitoring software for quantifying floating macroplastic transport 2026-Jan-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124678 PMID:41027072	研究论文	开发用于量化河流中漂浮大塑料传输的河面图像监测软件RiSIM	结合模板匹配算法与深度学习模型，实现塑料检测、分类和追踪的综合监测系统	NA	量化河流中漂浮大塑料的传输速率	河流环境中漂浮的塑料垃圾	计算机视觉	NA	图像监测	深度学习模型	图像	非洪水和洪水条件下的现场观测数据	NA	NA	相关系数r	NA
3263	2025-11-19	Smart detection of biofouling: A deep learning framework for water infrastructure surveillance 2026-Jan-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124665 PMID:41043362	研究论文	提出基于深度学习的MusselDet框架，用于检测和实例分割淡水生物污损物种黄金贻贝的关键生命周期阶段	提出端到端检测和实例分割框架MusselDet，集成CA-CBAM、LDGCN和MLST三个创新模块，在稀疏数据环境下提升特征判别能力	基于自定义数据集评估，未在更广泛环境中验证框架泛化能力	开发智能检测方法用于水基础设施生物污损监测	黄金贻贝（Limnoperna fortunei）的生命周期阶段	计算机视觉	NA	深度学习	Transformer, 图卷积网络	图像	自定义黄金贻贝数据集（GMD）	PyTorch	Co-DETR, CA-CBAM, LDGCN, MLST	平均精度（mAP₅₀）, 召回率, 推理速度（FPS）	NA
3264	2025-11-19	AdverIN: Monotonic adversarial intensity attack for domain generalization in medical image segmentation 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103848 PMID:41177076	研究论文	提出一种用于医学图像分割领域泛化的对抗性强度攻击方法AdverIN	利用对抗训练策略合成强度变化谱以增强数据多样性，同时保持图像关键上下文信息	NA	提升医学图像分割模型在未见域数据上的泛化能力	2D视网膜视盘/视杯分割和3D前列腺MRI分割	计算机视觉	前列腺癌	对抗训练	NA	医学图像	NA	NA	NA	NA	NA
3265	2025-11-19	3D masked autoencoder with spatiotemporal transformer for modeling of 4D fMRI data 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103861 PMID:41197226	研究论文	提出一种结合3D掩码自编码器和时空Transformer的新架构，用于从4D fMRI数据中提取时空特征并映射功能脑网络	首次将3D掩码自编码器与时空Transformer结合，通过自监督学习实现fMRI数据的时空特征提取和功能脑网络映射	未明确说明模型计算复杂度及对计算资源的具体需求	开发能够有效处理4D fMRI数据时空特征的新方法，用于功能脑网络建模和脑部疾病识别	人脑功能磁共振成像数据	医学影像分析	注意力缺陷多动障碍	功能磁共振成像	自编码器,Transformer	4D fMRI图像序列	HCP任务fMRI数据集和ADHD-200静息态fMRI数据集	NA	3D掩码自编码器,视觉Transformer,时空Transformer	功能脑网络映射性能,分类准确率	NA
3266	2025-11-19	FairREAD: Re-fusing demographic attributes after disentanglement for fair medical image classification 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103858 PMID:41202615	研究论文	提出FairREAD框架，通过解耦和重融合人口统计属性来实现公平的医学图像分类	首次提出在解耦人口统计信息后重新融合敏感属性的方法，既减少不公平性又保留临床相关信息	需要获取患者的人口统计属性信息，可能在某些应用场景中受限	解决医学图像分类中的公平性问题，平衡模型性能与公平性	临床X射线图像数据集	医学影像分析	NA	深度学习	对抗训练, 解耦表示学习	医学图像	大规模临床X射线数据集	NA	NA	不公平性指标, 诊断准确性	NA
3267	2025-11-19	A novel gradient inversion attack framework to investigate privacy vulnerabilities during retinal image-based federated learning 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103807 PMID:41056812	研究论文	提出一种新的梯度反演攻击框架，用于评估基于视网膜图像的联邦学习模型在隐私保护方面的脆弱性	引入创新的图像到图像转换技术，利用公开数据提高重建图像质量，首次系统评估视网膜图像联邦学习的隐私风险	仅针对视网膜年龄预测任务进行评估，未涵盖其他医疗诊断任务	评估联邦学习模型对梯度反演攻击的脆弱性，揭示隐私泄露风险	视网膜图像和联邦学习模型	计算机视觉	眼科疾病	梯度反演攻击，图像到图像转换	CNN	视网膜图像	NA	NA	ResNet-18, VGG-16, DenseNet-121	识别准确率，图像相似度	NA
3268	2025-11-19	Individualized mapping of aberrant cortical thickness via stochastic cortical self-reconstruction 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103788 PMID:41056815	研究论文	开发了一种基于深度学习的随机皮层自重建方法，用于在顶点级别重建皮层厚度图并检测个体化异常	提出无需额外受试者信息即可在顶点级别重建皮层厚度图的新方法，能够检测局部皮层变化和细微厚度偏差	NA	开发个体化皮层厚度异常映射方法以推进神经学和精神病学诊断	健康个体、早产儿和痴呆症患者的皮层厚度数据	医学影像分析	神经退行性疾病、早产相关脑异常	皮层厚度映射	深度学习	皮层厚度图、医学影像数据	超过25,000名健康个体训练数据，独立测试集验证	NA	NA	重建误差、疾病鉴别能力	NA
3269	2025-11-19	Nested resolution mesh-graph CNN for automated extraction of liver surface anatomical landmarks 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103825 PMID:41072126	研究论文	提出结合网格CNN和图CNN的两阶段自动框架，用于从肝脏表面提取解剖标志点	提出嵌套分辨率网格-图CNN框架，结合低分辨率全局理解和局部拓扑融合，并引入解剖感知Dice损失函数	数据量有限，肝脏形状和外观存在变异	实现肝脏表面解剖标志点的自动提取和分割	肝脏表面解剖标志点（镰状韧带和肝嵴）	计算机视觉	肝脏疾病	深度学习	CNN, 图卷积网络	三维网格数据	两个肝脏数据集（分布内和分布外）	PyTorch	DGCNN, MeshCNN	Dice系数	NA
3270	2025-11-19	A new time-decay radiomics integrated network (TRINet) for breast cancer risk prediction 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103829 PMID:41075448	研究论文	提出一种新型时间衰减放射组学集成网络TRINet，用于乳腺癌风险预测	引入时间衰减注意力机制聚焦近期乳腺筛查图像，集成放射组学特征与注意力多示例学习框架，提出基于双侧不对称性的持续学习策略，添加时间嵌入加性风险层实现动态多年风险预测	NA	开发个性化乳腺癌筛查方案，实现动态风险预测	乳腺筛查影像数据	数字病理	乳腺癌	放射组学	深度学习	医学影像	美国EMBED数据集8528名患者，瑞典CSAW数据集8723名患者	NA	TRINet, AMIL	AUC	NA
3271	2025-11-19	DaphTrack: A deep learning-based multidimensional behavior analysis system for neonatal Daphnia magna 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118771 PMID:41075546	研究论文	开发基于深度学习的多维行为分析系统DaphTrack，用于自动检测、计数和分析新生大型溞的行为	结合YOLO11n目标检测框架和优化的ByteTrack++跟踪算法，建立全面的行为参数矩阵来量化运动特征	NA	提高新生大型溞识别和行为分析的准确性与效率，阐明污染物毒理机制	新生大型溞（Daphnia magna）	计算机视觉	NA	行为分析	深度学习	视频	NA	YOLO11n, ByteTrack++	YOLO11n, ByteTrack++	识别准确率, IDF1	NA
3272	2025-11-19	Unsupervised multimodal surface registration with geometric deep learning 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103821 PMID:41101194	研究论文	提出GeoMorph几何深度学习框架用于皮质表面图像配准	采用几何深度学习进行无监督多模态表面配准，通过图卷积提取特征并利用深度条件随机场确保生物合理的平滑形变	NA	开发皮质表面图像配准方法以改善脑结构对齐	皮质表面	机器学习	NA	几何深度学习	图卷积网络, 循环神经网络	表面图像	NA	PyTorch	GeoMorph	对齐精度, 形变平滑度	NA
3273	2025-11-19	Deep learning-based optimal adaptive regulation pathway of algal blooms in urban rivers under long-term uncertainties 2026-Jan-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124677 PMID:41101274	研究论文	本研究开发了一种基于深度学习的自适应调控框架，用于优化城市河流藻华控制策略以应对长期气候不确定性	结合动态自适应政策路径框架、深度学习代理模型和优化算法，首次系统量化了气候不确定性对城市藻华调控的影响	研究基于苏州案例，结果在其他地区的适用性需要进一步验证	开发应对气候不确定性的城市河流藻华自适应调控策略	城市河流藻华动态和调控措施	环境科学与机器学习交叉领域	NA	动态自适应政策路径框架，深度学习代理模型	AdaBoost, Bagging, NSGA-II	气候情景数据，调控情景数据，藻华动态数据	8个气候变化情景和19个调控情景	NA	集成学习框架（AdaBoost+Bagging）	R²，模拟时间	NA
3274	2025-11-18	Bio-inspired auto-adaptive framework for optimized movement of passive knee prosthesis 2026-Jan, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107187 PMID:40987055	研究论文	提出一种仿生自适应框架，通过深度学习优化被动膝关节假体的运动控制	开发了能够智能适应并模拟自然步态的仿生框架，通过传感器和阻尼控制机制驱动被动膝关节	NA	为截肢者创建能够补偿失去的活动能力并模拟自然行走的智能假体框架	被动膝关节假体使用者	机器学习	截肢康复	传感器技术，阻尼控制机制	深度学习	步态相位事件数据	NA	NA	NA	分类准确率，膝关节屈曲角度，跌倒预防率	NA
3275	2025-11-18	Hybrid Fusion Model for Effective Distinguishing Benign and Malignant Parotid Gland Tumors in Gray-Scale Ultrasonography 2026-Jan, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.014 PMID:41015751	研究论文	开发了一种结合影像组学和迁移学习的混合融合模型DLRN，用于辅助超声医师区分腮腺良恶性肿瘤	首次将影像组学特征与深度迁移学习通过决策融合相结合，并进一步整合临床特征构建混合融合模型	回顾性研究，样本量相对有限（328例患者），仅来自两个中心	开发辅助诊断模型以提高腮腺肿瘤良恶性鉴别的准确性	经病理证实的腮腺肿瘤患者	医学影像分析	腮腺肿瘤	灰度超声成像	混合融合模型,机器学习分类器,迁移学习网络	超声图像	328例患者来自两个医疗中心	NA	8种机器学习分类器,7种迁移学习网络	AUC,校准曲线,决策曲线分析,Hosmer-Lemeshow检验	NA
3276	2025-11-18	Enhancing Newborn Health Assessment: Ultrasound-based Body Composition Prediction Using Deep Learning Techniques 2026-Jan, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.016 PMID:41102035	研究论文	本研究开发了一种基于改进U-Net架构的深度学习模型，通过超声图像预测新生儿体成分（脂肪质量和去脂体重）	首次将改进的U-Net架构应用于新生儿超声图像体成分预测，并采用Grad-CAM技术识别关键图像区域	研究样本量较小（仅65名早产儿），需要更大规模验证	探索深度学习在超声图像中预测新生儿体成分的可行性，改善新生儿健康评估	65名早产儿的721张肱二头肌、股四头肌和腹部超声图像	医学影像分析	新生儿健康	超声成像，空气置换体积描记法	深度学习	超声图像	65名早产儿，共721张超声图像	NA	改进的U-Net	平均绝对误差(MAE), 均方误差(MSE), 均方根误差(RMSE), 平均绝对百分比误差(MAPE), Bland-Altman图	NA
3277	2025-11-16	Advancing biomedical waste classification through a hybrid ensemble of deep Learning, reinforcement Learning, and differential evolution algorithms 2026-Jan-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.115210 PMID:41151359	研究论文	提出一种结合深度学习、强化学习和差分进化算法的混合集成模型，用于生物医学废物分类	首次将深度学习、强化学习和差分进化算法通过双异质集成方式结合，并开发了专用的生物分类机器Biosorter	仅在小型医疗中心进行实际部署验证，需要更大规模的应用测试	开发高效的生物医学废物分类系统，改善医疗废物管理	制药和生物医学废物，特别是感染性废物的分类	计算机视觉	NA	图像增强、集成图像分割、决策融合	CNN, 强化学习, 差分进化算法	图像	专有数据集和基准数据集	NA	U-Net, Mask R-CNN, DeepLab Version 3 Plus, Inception Version 3, Residual Network 50, Mobile Network Version 2, Densely Connected Convolutional Network 121	准确率, 处理吞吐量, 系统可用性量表(SUS)评分	NA
3278	2025-11-15	Benchmarking AI-driven acoustic monitoring for floating marine debris: Challenges in deep learning-based debris extraction 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118655 PMID:40929868	研究论文	评估主流深度学习模型在声纳图像中自动提取漂浮海洋垃圾的性能	首次系统评估深度学习模型在声纳图像中提取低对比度漂浮垃圾的性能，并引入包含1000张声纳图像的“严苛漂浮垃圾”数据集	数据稀缺性以及声学成像固有的物理特性（包括距离相关分辨率和视角敏感性）限制了模型性能	开发更强大的AI驱动系统用于自主监测漂浮海洋垃圾	声纳图像中的漂浮海洋垃圾（塑料袋、瓶子、金属罐和混合垃圾）	计算机视觉	NA	声纳成像技术	深度学习分割模型	声纳图像	1000张声纳图像，包含4类垃圾（塑料袋、瓶子、金属罐、混合垃圾），每张图像含2-4个手动标注实例	NA	NA	IoU（交并比）	NA
3279	2025-11-15	Remote sensing and image analysis of macro-plastic litter: A review 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118630 PMID:40929867	综述	本文综述了遥感技术和人工智能图像分析在宏观塑料垃圾检测领域的最新进展	系统整合了多种遥感平台（网络摄像头、无人机、气球、飞机和卫星）与AI图像分析技术在塑料垃圾监测中的联合应用，提出了量化指标标准化的重要观点	研究中存在量化指标不一致、环境干扰、分辨率限制和协议不统一等挑战，影响跨研究比较和数据协调	评估遥感技术和AI图像分析在海洋塑料污染监测中的应用效果和发展潜力	沿海、河流和其他水生环境中的宏观塑料垃圾	计算机视觉	NA	遥感技术、图像分析	深度学习模型	遥感图像	NA	NA	NA	垃圾覆盖面积、体积、重量、单位面积物品数量	NA
3280	2025-11-15	Predicting sediment contamination in Tunisia's coastal lagoons using an OP-LSTM deep learning model: A case study from the Bizerte basin, southwest Mediterranean region 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118606 PMID:40857895	研究论文	本研究应用优化的长短期记忆深度学习模型预测突尼斯比塞大潟湖沉积物污染风险	首次将优化的LSTM模型应用于沿海潟湖沉积物污染预测，相比标准LSTM模型具有更高的预测精度	研究仅针对突尼斯比塞大盆地，结果可能不适用于其他地理环境	预测沿海潟湖沉积物污染风险，支持海岸带环境管理	突尼斯比塞大潟湖的沉积物样本	环境科学，深度学习	NA	X射线衍射，原子吸收光谱，地球化学分析	LSTM	地球化学数据，矿物学数据	未明确样本数量，但包含空间变化的沉积物采样	NA	OP-LSTM（优化的长短期记忆网络）	RMSE，MSE，训练损失，R分数	NA