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
2381	2026-05-25	LeafDet: A lightweight and interpretable deep learning framework for tomato leaf disease detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349501 PMID:42172206	研究论文	本文提出了一种基于YOLOv8的轻量级可解释番茄叶病检测框架LeafDet，并构建了平衡数据集PlantTom	提出了包含CBM、C2f、SPPF、ECA注意力模块以及BiFPN、GSConv、VoVGSCSP和Shuffle Attention的创新轻量级模型结构，通过ECA和Shuffle Attention等高效注意力机制提升精度与速度，并利用Eigen-CAM提供决策过程可视化解释	未明确提及局限性，但可能受限于特定作物（番茄）和特定数据集PlantTom的规模与多样性	开发一种可部署且可解释的深度学习框架，用于智能农业中植物叶病的精确检测	番茄叶病对象检测	计算机视觉, 深度学习	番茄叶病	对象检测	YOLOv8	图像	PlantTom数据集包含7836张图像，8个不同类别的番茄叶病	PyTorch	YOLOv8改进版（包含CBM、C2f、SPPF、ECA注意力、BiFPN、GSConv、VoVGSCSP、Shuffle Attention）	mAP@0.5, 推理时间	NA
2382	2026-05-25	A hybrid BiLSTM and rule-based system for integrated diabetes prediction and personalized guidance 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347672 PMID:42172283	研究论文	提出一个融合双向长短期记忆网络和基于规则的系统的混合框架，用于糖尿病预测和个性化指导	结合高精度BiLSTM预测模型与基于规则的个性化建议引擎，实现诊断后自我管理的闭环支持	未提及模型在实际临床环境中的部署挑战或用户隐私保护措施	开发一个集成预测与个性化指导的临床相关工具，弥合诊断与主动自我管理之间的差距	糖尿病患者及高危人群	机器学习	糖尿病	NA	BiLSTM	表格数据	PIMA和2型糖尿病融合数据集，具体样本数未提及	NA	BiLSTM	准确率、精确率、召回率	NA
2383	2026-05-25	SMART deep learning tools to accelerate the characterization of natural product structures from their NMR data 2026, Methods in enzymology DOI:10.1016/bs.mie.2025.08.022 PMID:42177060	研究论文	介绍两种人工智能工具SMART 2.1和DeepSAT，利用H-C HSQC NMR谱辅助加速天然产物结构解析	开发了两种互补的AI工具，通过分析H-C HSQC NMR谱来识别结构相关分子，显著加速天然产物的结构鉴定过程	NA	开发加速天然产物结构表征的深度学习工具	天然产物的NMR数据及结构相关分子识别	机器学习	NA	NMR	深度学习模型	光谱数据	NA	NA	SMART 2.1, DeepSAT	NA	NA
2384	2026-05-25	Reconstruction of structured illumination microscopy for live imaging in low light with lightweight neural networks 2025-12, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70009 PMID:40844333	研究论文	提出一种轻量级多卷积UNet网络，用于低光照条件下活细胞成像的结构光照明显微镜超分辨率重建	通过多卷积技术与多尺度注意力机制的结合，在减少模型参数量的同时保持高效超分辨率重建性能	文中未提及该模型在更复杂生物样本或极端低光条件下的适用性限制	实现低光照条件下活细胞成像的高质量超分辨率重建，同时提升重建速度和模型精度	不同细胞类型在不同光照强度和测试集下的结构光照明显微镜图像	数字病理学	不适用	结构光照明显微镜	CNN	图像	不同细胞类型、光照强度和测试集	PyTorch	多卷积UNet（MCU-Net）	MS-SSIM, NRMSE	不适用
2385	2026-05-25	AI-based approach for heart failure readmission prediction using SCG, ECG, and GSR signals 2025-11-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae178c PMID:41135577	研究论文	基于AI方法使用SCG、ECG和GSR信号预测心力衰竭患者再入院	首次利用地震心动图信号结合机器学习模型进行心力衰竭再入院预测，并探索了时间-频率分布方法将SCG信号转换为图像用于深度学习模型	样本量较小（仅101名患者），深度学习模型准确率低于传统机器学习算法	探索一种非侵入性方法通过预测心力衰竭患者再入院来帮助管理患者	心力衰竭患者（包括研究期间再入院者）	机器学习	心血管疾病	SCG（地震心动图）、ECG（心电图）、GSR（皮肤电反应）信号采集	K近邻、深度学习模型	信号数据	101名心力衰竭患者	NA	K近邻、深度学习模型	准确率（89.4%）、灵敏度（87.8%）、特异度（90.1%）、精确度（78.2%）、F1分数（82.7%）	NA
2386	2026-05-25	Artificial intelligence-driven oocyte scores are associated with early morphokinetics and embryo outcomes after intracytoplasmic sperm injection 2025-Oct-24, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2025.105360 PMID:42176529	研究论文	利用深度学习系统MAGENTA评估卵母细胞评分，并分析其与ICSI后早期形态动力学和胚胎结局的关系	首次将基于深度学习的卵母细胞评分系统MAGENTA与ICSI后的早期形态动力学事件及胚胎结局关联分析	NA	探究MAGENTA卵母细胞评分与ICSI后胚胎发育及妊娠结局的关联	来自1340个取卵周期的2785张成熟卵母细胞图像	机器学习	不孕症	深度学习、时序成像	深度学习	图像	2785张成熟卵母细胞图像（来自1340个取卵周期）	NA	MAGENTA	准确性、率（如退化率、正常受精率）	NA
2387	2026-05-25	An overview of reliable and representative DVC measurements for musculoskeletal tissues 2025-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70008 PMID:40636996	综述	本文综述了数字体相关技术在肌肉骨骼组织中的最新进展，涵盖从器官到组织层面的力学测量、技术挑战及未来方向	聚焦组织界面处理、边界效应及不确定性量化等关键挑战，并首次系统讨论DVC与深度学习结合预测位移和应变场的应用	未采用系统综述方法，对体内应用和临床转化案例的深度分析有限	总结DVC在肌肉骨骼组织力学特性表征中的发展现状与未来机遇	矿化组织、软组织的多尺度力学行为以及植入物-组织界面	数字病理学	肌肉骨骼疾病	数字体相关（DVC）	深度学习模型	三维应变场数据	NA	NA	NA	测量精度与可靠性	NA
2388	2026-05-25	A systematic review of contactless respiratory rate measurement using RGB cameras 2025-09-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adfc24 PMID:40816317	综述论文	系统综述了使用RGB摄像机进行无接触呼吸率测量的最新进展	对比RGB摄像机与其他传感器模态（热成像、红外）的优缺点，并系统分析公开数据集在光照、肤色和运动方面的多样性	RGB摄像机方法在低光照、高运动或复杂非受控环境下性能显著下降，且缺乏真实世界数据集	探索RGB摄像机估计呼吸率的方法，评估公开数据集和信号预处理方法，指出未来研究方向	呼吸率测量方法及相关公开数据集	计算机视觉	NA	RGB摄像机	深度学习、混合模型	图像视频数据	分析了多个公开数据集，但未提供具体样本数量	NA	NA	误差（错误率）	NA
2389	2026-05-25	DeepEM Playground: Bringing deep learning to electron microscopy labs 2025-09, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70005 PMID:40579897	研究论文	介绍DeepEM Playground平台，将深度学习引入电子显微镜实验室	开发了交互式、用户友好的平台，无需编码经验即可训练和调整深度学习模型，弥合了前沿深度学习研究与电子显微镜实验室实际应用之间的鸿沟	NA	降低深度学习在电子显微镜领域的应用门槛，使研究人员能够更自信、有效地将AI驱动分析集成到工作流程中	电子显微镜研究人员	计算机视觉、数字病理学	NA	电子显微镜	深度学习	图像	NA	NA	NA	NA	NA
2390	2026-05-25	Enhanced reconstruction of atomic force microscopy cell images to super-resolution 2025-08, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13423 PMID:40341533	研究论文	提出一种基于深度学习的跨模块超分辨率重建方法，用于后处理原子力显微镜细胞图像，提升图像质量	设计了增强空间融合结构和优化反投影机制，结合对抗网络检测弱信号和复杂纹理；创新性提出基于交叉的频率分割模块，利用图像频率特性分离并增强细胞结构特征	NA	提升原子力显微镜细胞图像的超分辨率重建效果，增强细胞结构细节分析能力	原子力显微镜捕获的各类细胞图像	计算机视觉	NA	原子力显微镜	生成对抗网络	图像	NA	NA	增强空间融合结构、优化反投影机制、交叉频率分割模块	峰值信噪比、结构相似性指数、学习感知图像块相似度、Fréchet初始距离、自然图像质量评估器	NA
2391	2026-05-25	Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography 2025-08, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13419 PMID:40357880	研究论文	开发一种基于深度学习的边缘视图增强相位恢复方法，用于改善相位对比显微计算机断层扫描中的图像质量	通过策略性地整合去噪边缘增强对比图像和相位恢复图像的互补空间特征，使用成对图像训练深度卷积神经网络，克服了传统相位恢复算法过度平滑和噪声敏感的问题	NA	开发一种深度学习方法以增强相位对比显微CT图像，提高低密度材料的可视化和分割准确性	低密度水凝胶构建体，包括体外和体内样本	计算机视觉，数字病理学	NA	相位对比显微计算机断层扫描，传播成像，相位恢复算法	深度卷积神经网络	图像	使用成对去噪边缘增强对比和相位恢复图像进行训练，具体样本数量未明确说明	NA	卷积神经网络	信噪比，对比度噪声比，分割效率	NA
2392	2026-05-25	ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals 2025-07-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adebdd PMID:40609595	研究论文	提出了ModelS4Apnea，一种结合结构化状态空间模型（S4）与卷积神经网络的心电图睡眠呼吸暂停检测深度学习框架，在Apnea-ECG数据集上实现了高精度与计算效率	首次将结构化状态空间模型（S4）应用于心电图频谱图的睡眠呼吸暂停检测，在保持高分类性能的同时显著减少可训练参数，训练时间和内存消耗低于长短期记忆网络模型	未提及多模态数据整合、真实环境部署及进一步优化，未来工作需探索方向	利用结构化状态空间模型实现高效准确的睡眠呼吸暂停自动检测，适用于可穿戴设备、家庭监测和临床场景	心电图频谱图中的睡眠呼吸暂停事件	机器学习	睡眠呼吸暂停	心电图频谱图	结构化状态空间模型（S4）、卷积神经网络	图像（心电图频谱图）	Apnea-ECG数据集（未明确具体数量）	NA	S4、卷积神经网络	准确率、F1分数、敏感性、特异性	内存占用低、推理速度快（未指定具体GPU型号）
2393	2026-05-25	Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle 2025-Jun-01, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E25-01-0009 PMID:40327364	研究论文	通过微流控培养、深度学习视频帧插值算法FIEST和细胞周期阶段特异性分割，连续定量成像并分析真核微生物整个生命周期中的细胞分裂与生长	首次结合微流控培养、深度学习视频帧插值算法（FIEST）和细胞周期阶段特异性分割，实现对整个真核微生物生命周期的连续定量成像与分析，克服了传统方法中对细胞状态进行分离研究的限制	未明确提及具体局限性，但可能受限于实验条件（如单一环境条件）和算法对特定病原体的泛化能力	连续定量研究真核微生物的完整生命周期，揭示细胞分裂、生长及细胞周期调控因子随生命阶段的变化规律	真核微生物（如酵母）的整个生命周期，包括休眠、交配、减数分裂和细胞分裂等状态	计算机视觉	NA	微流控培养、深度学习视频帧插值	深度学习模型（视频帧插值）	图像	最多三代有性繁殖的酵母细胞群体	Python（FIEST包）	FIEST（视频帧插值算法）	NA	NA
2394	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2025-Jun, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00656-8 PMID:40473955	研究论文	利用深度学习从心脏磁共振图像估计左心室质量，发现心脏肥大的上位性遗传调控网络	开发了低信号有符号迭代随机森林方法，揭示了传统全基因组关联研究中被忽略的上位性变异位点，并结合功能性基因组与微流控单细胞形态学分析验证因果关系	样本主要来自英国生物样本库，可能存在人群偏倚；上位性检测的统计效力受样本量限制	阐明心脏肥大中非加性遗传相互作用的复杂遗传结构	来自英国生物样本库的29,661例心脏磁共振图像及313个人类心脏转录组数据	计算机视觉, 机器学习	心血管疾病	深度学习, RNA-seq, RNA沉默, 微流控单细胞形态学分析	随机森林, 深度学习	图像, 转录组, 单细胞形态学数据	29,661例心脏磁共振图像, 313个人类心脏样本	PyTorch, Scikit-learn	低信号有符号迭代随机森林	NA	NA
2395	2026-05-25	Ensemble network using oblique coronal MRI for Alzheimer's disease diagnosis 2025-04-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121151 PMID:40147601	研究论文	提出利用斜冠状磁共振成像结合集成学习进行阿尔茨海默病诊断的方法	首次提出使用斜冠状MRI切片结合集成学习策略进行AD诊断，并实现了基于患者级别的分类而非图像级别分类	未提及具体局限性	开发一种利用斜冠状MRI辅助诊断阿尔茨海默病的方法	阿尔茨海默病、轻度认知障碍、正常衰老患者	计算机视觉	阿尔茨海默病	斜冠状MRI	集成学习方法	MRI图像	基于ADNI数据集，具体样本量未提及	NA	NA	准确率	NA
2396	2026-05-25	Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning 2025-04, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13385 PMID:39846854	研究论文	基于显微相衬图像优化和深度学习的活性污泥微生物自动视觉检测方法	提出了基于融合方差的相衬图像质量优化算法，设计了轻量化的YOLOv8n-SimAM模型并引入SimAM注意力模块，以及提出新的IW-IoU损失函数，显著提升了检测精度和速度	NA	实现活性污泥中微生物的快速准确检测，以评估污水处理系统的稳定性和效率	活性污泥中的八种微生物	计算机视觉	NA	显微相衬成像	YOLOv8n-SimAM	图像	包含八种微生物的数据集	PyTorch	YOLOv8n, SimAM	检测精度, 帧率, 模型大小	NA
2397	2026-05-25	Automated Euler number of the alveolar capillary network based on deep learning segmentation with verification by stereological methods 2025-04, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13390 PMID:39887731	研究论文	测试深度学习在肺泡毛细血管网络分割、三维重建及自动定量分析中的应用，并与体视学估计方法比较验证	首次将深度学习应用于连续块面扫描电镜数据中肺泡毛细血管网络的自动分割和自动化定量分析，减少了人工交互需求	分析数据量有限，并非为获取代表性支气管肺发育不良所致的肺泡毛细血管网络改变数据，而是为了展示全自动分割与评估工作流的下一步发展方向	开发高效的肺泡毛细血管网络定量比较分析方法，实现全自动分割和评估工作流	肺泡毛细血管网络	计算机视觉	支气管肺发育不良	连续块面扫描电子显微镜	2D深度学习模型	图像	有限数量的SBF-SEM图像数据	NA	2D深度学习分割架构	分割质量评估、结果可靠性、与体视学估计比较	NA
2398	2026-05-25	A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals 2025-04-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121077 PMID:39954872	研究论文	提出一种基于深度反事实推理的可定量解释模型用于阿尔茨海默病预测	通过反事实推理生成标记的结构性MRI，并将其转化为灰质密度图以测量区域体积变化，同时设计了轻量线性分类器以提升ROI的定量解释效果	NA	提高深度学习模型在阿尔茨海默病预测中的可解释性，提供定量的医学或神经科学验证	结构性MRI图像中的灰质密度及脑区域变化	医学影像分析	阿尔茨海默病	MRI成像	轻量线性分类器	图像（结构性MRI）	NA	NA	NA	预测性能（具体指标未提及）	NA
2399	2026-05-25	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	research paper	利用眼底自身荧光图像通过深度学习模型预测地理萎缩病变的未来生长区域	首次使用两个时间点的眼底自身荧光图像通过U-Net模型预测地理萎缩的1年生长区域，创新点在于多类型模型比较和时间序列信息的利用	观察性研究，样本量相对有限（597名患者），且模型性能在验证集上较低（Dice得分0.68），可能存在过拟合风险	开发深度学习模型预测地理萎缩病变在黄斑区的1年生长区域	地理萎缩患者的眼底自身荧光图像	computer vision	老年性黄斑变性相关地理萎缩	眼底自身荧光成像	U-Net	图像	597名患者的眼部数据集（训练集310、验证集78、测试集209）	NA	U-Net	Dice得分, 决定系数(R2), 平方皮尔逊相关系数(r2)	NA
2400	2026-05-25	Dynamic cycles between brain states during creative storytelling 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121053 PMID:39863001	研究论文	通过功能磁共振成像研究，发现创造性故事讲述中两种关键大脑状态之间的动态循环，并利用深度学习方法揭示了自发思维与深思思维交替驱动不同脑状态之间的停留与转换	首次利用深度学习方法揭示创造性思维中自发思维与深思思维的交替交互作用，而非平行或顺序操作，为认知机制提供新的实验证据	样本量较小仅41名大学生，可能限制结果的泛化性；创造性任务的具体性可能无法完全代表所有类型的创造性思维	探索创造性思维中不同心理状态之间的动态转变及其认知神经机制	41名大学生在创造性故事讲述任务中的大脑功能磁共振成像数据	机器学习，数字病理学	NA	功能磁共振成像	深度学习模型	fMRI图像	41名大学生	NA	NA	相关分析性能指标	NA