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
6801	2026-01-11	Development of a cold-heat syndrome classification model for children with allergic rhinitis based on multimodal data 2025-Dec-31, Translational pediatrics IF:1.5Q2 DOI:10.21037/tp-2025-397 PMID:41502884	研究论文	本研究开发了一种基于多模态数据的深度学习模型，用于辅助区分儿童过敏性鼻炎的中医寒热证型	首次将舌象图像特征与临床信息特征通过Transformer模型融合，构建了用于儿童过敏性鼻炎中医证型分类的多模态深度学习模型	样本量相对有限，且模型性能在测试集上有所下降，需要更大规模的外部验证	辅助临床医生准确区分儿童过敏性鼻炎患者的中医寒热证型，以提高辨证的客观性和准确性	391名儿童过敏性鼻炎患者	数字病理	过敏性鼻炎	数字舌象分析	深度学习	图像, 临床数据	391名儿童患者（寒证92例，热证299例），随机分为训练集176例和测试集215例	NA	SE-DenseNet, Transformer	AUC, 准确率, 精确率, 召回率, F1分数	NA
6802	2026-01-11	Deep learning-based optimization for accurate multimodal medical image registration 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30493-5 PMID:41461830	研究论文	本文提出了一种基于深度学习的多模态医学图像配准优化方法，旨在提高配准的准确性和效率	采用多模态U-Net模型，结合刚性、仿射和弹性变换，优化特征提取方法，实现高效的图像配准	该技术尚处于早期阶段，在保守环境中可能面临挑战，研究结果有限，需要进一步研究以支持其泛化能力	优化多模态医学图像配准，以提升诊断和治疗规划的效果	ADNI、COPDGene和OAI数据集中的医学图像	计算机视觉	NA	NA	CNN	图像	NA	NA	U-Net	效率, 准确性	NA
6803	2026-01-11	Automated DFU detection through GA-selected CNN ensemble with Grad-CAM interpretability 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30532-1 PMID:41390857	研究论文	本文提出了一种通过遗传算法选择CNN集成模型并利用Grad-CAM增强可解释性的自动化糖尿病足溃疡检测方法	结合遗传算法优化CNN集成模型，并引入Grad-CAM提升模型决策的可解释性	未提及具体的数据集规模或外部验证结果，可能限制模型的泛化能力评估	优化糖尿病足溃疡检测模型的准确性和可解释性	糖尿病足溃疡的医学图像	计算机视觉	糖尿病足溃疡	医学图像分析	CNN	图像	NA	NA	自定义CNN	准确率, 精确率, 召回率, F1分数	NA
6804	2026-01-11	Early diagnosis of alzheimer's disease using PET imaging and deep learning with comparative data augmentation techniques 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28866-x PMID:41372282	研究论文	本研究比较了六种数据增强方法在基于PET成像和深度学习的阿尔茨海默病早期诊断中的性能	比较了六种数据增强方法在阿尔茨海默病诊断中的效果，并尝试了步进卷积架构	NA	通过PET成像和深度学习技术实现阿尔茨海默病的早期诊断	阿尔茨海默病患者、轻度认知障碍患者和正常对照组的PET图像数据	医学影像分析	阿尔茨海默病	PET成像	深度学习	图像	NA	NA	步进卷积架构	NA	NA
6805	2026-01-11	Machine Learning Approaches for Optimizing Drug Combinations in Neurodegenerative Diseases: A Brief Review 2025-Dec-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c07349 PMID:41502663	综述	本文简要综述了机器学习在优化神经退行性疾病药物组合中的应用	强调了机器学习在药物发现、虚拟筛选、药物再利用和组合优化中的创新作用，并突出了多模态整合的潜力	作为一篇综述，未提出新的实验或模型，主要总结现有进展	总结神经退行性疾病的主要特征，并探讨机器学习在该领域药物研发中的应用	神经退行性疾病，包括阿尔茨海默病、帕金森病、亨廷顿病、多系统萎缩和肌萎缩侧索硬化症	机器学习	神经退行性疾病	NA	支持向量机, 卷积神经网络, 循环神经网络, Transformer	图像, 时序生物医学数据, 多模态数据	NA	NA	NA	NA	NA
6806	2026-01-11	EfficientPoseSegNet: a weakly supervised, attention-guided framework for human pose estimation, anatomical segmentation, and concealed object detection in backscatter millimeter-wave security screening 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30346-1 PMID:41350560	研究论文	本文提出了一种名为EfficientPoseSegNet的混合深度学习框架，用于在背向散射毫米波安检图像中进行人体姿态估计、解剖分割和隐蔽物体检测	该框架结合了并行EfficientNet和DenseNet骨干网络、卷积块注意力模块（CBAM）、基于空间热图的姿态估计方法、任务感知的随机权重平均（SWA）以及利用解剖分割特征的异常检测模块，实现了在弱监督下的高效多任务处理	未明确提及具体限制，但可能包括对低分辨率图像质量的依赖、标注数据的稀缺性以及隐私法规的约束	提升机场安检和运输安全，通过自动化系统实现隐蔽物体检测、人体关键点定位和解剖分割	背向散射毫米波安检图像	计算机视觉	NA	深度学习	CNN	图像	基于运输安全管理局乘客筛查数据集，具体样本数量未明确	未明确指定，可能为TensorFlow或PyTorch	EfficientNet, DenseNet, Convolutional Block Attention Module (CBAM)	测试损失, 平均绝对误差, 关键点准确率, 姿态估计准确率, 分割交并比（IoU）, 异常检测AUC	未明确指定
6807	2026-01-11	Clickbait detection in news headlines using RoBERTa-Large language model and deep embeddings 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30229-5 PMID:41331035	研究论文	本研究提出了一种基于RoBERTa-Large语言模型和深度嵌入的方法，用于自动检测新闻标题中的点击诱饵内容	首次将RoBERTa-Large这种基于Transformer的架构应用于点击诱饵检测，并整合自注意力机制来捕捉文本中的复杂上下文依赖和语义关系	未明确说明数据集的规模和具体来源，且未讨论模型在不同语言或文化背景下的泛化能力	开发一个自动检测新闻标题中点击诱饵内容的系统	新闻标题文本数据	自然语言处理	NA	自然语言处理技术	Transformer, 机器学习模型, 深度学习模型	文本	NA	NA	RoBERTa-Large	分类准确率	NA
6808	2026-01-11	An MRI radiomics approach using invasion-based weak supervision for identifying and evaluating aggressive PitNETs 2025-Dec-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02189-7 PMID:41331080	研究论文	本研究开发了一种基于MRI影像组学的深度学习模型，用于术前无创识别和评估垂体神经内分泌肿瘤的侵袭性	提出了一种结合自动分割、特征提取与选择及深度学习影像组学评分的集成模型，并首次将基于侵袭性的弱监督学习应用于PitNETs的侵袭性评估	研究样本来自三个医疗中心共1089例，虽为多中心数据，但可能仍存在选择偏倚；模型性能需在更广泛的人群中进行外部验证	开发一种可靠的非侵入性术前工具，用于识别和评估垂体神经内分泌肿瘤的侵袭性，以指导治疗决策和预后评估	垂体神经内分泌肿瘤患者	数字病理学	垂体神经内分泌肿瘤	MRI影像组学	深度学习	医学影像	1089例患者（来自三个医疗中心）	nnUnet	nnUnet, Swin Transformer	与Knosp和Hardy-Wilson侵袭分类的相关性，复发预测性能，与病理标志物（Ki-67, p53, 巨噬细胞）及生物学通路（MAPK, TGF-β）的关联性	NA
6809	2026-01-11	Clinical feasibility of two cardiac deep learning cine magnetic resonance imaging sequences: Single-breath-hold and free-breathing motion-corrected approaches 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101983 PMID:41177305	研究论文	本研究评估了两种基于深度学习的加速心脏电影磁共振成像序列（单次屏气和自由呼吸运动校正）的临床可行性，旨在缩短采集时间并保持图像质量和功能评估	首次在3T CMR中前瞻性比较了单次屏气DL序列和自由呼吸运动校正DL序列，与传统分段电影序列相比，显著缩短了总采集时间（分别减少73%和62%）	DL加速序列的边缘锐度和血池-心肌信号比低于传统分段电影序列，左心室应变参数也较低，样本量相对较小（86例患者）	评估深度学习加速的心脏电影磁共振成像序列的临床可行性，以解决传统方法检查时间长和需要重复屏气的问题	接受3T心脏磁共振检查的患者	数字病理	心血管疾病	心脏磁共振成像（CMR），深度学习加速序列	深度学习模型	磁共振图像	86例患者（52.98±14.34岁，79%男性）	NA	NA	图像质量评分、血池-心肌信号比、边缘锐度、三维体积网格轮廓质量、双心室功能参数、左心室应变参数	NA
6810	2026-01-11	Accelerating cardiac diffusion tensor imaging with deep learning-based tensor de-noising and breath hold reduction. A step towards improved efficiency and clinical feasibility 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101971 PMID:41213455	研究论文	本研究开发了一种基于深度学习的去噪框架，用于加速心脏扩散张量成像，通过减少呼吸暂停次数来缩短扫描时间	提出从图像空间到张量空间的去噪范式转变，采用基于Vision Transformer的集成模型进行张量处理，并引入动态重复选择的数据增强策略	未明确提及样本量的具体限制或外部验证的广泛性	开发一种心脏扩散张量成像去噪方法，以减少扫描重复次数并保持图像质量	心脏扩散张量成像数据	医学影像分析	心血管疾病	心脏扩散张量成像	Vision Transformer	张量数据	NA	NA	Vision Transformer	分数各向异性误差	NA
6811	2026-01-11	Improved accuracy for myocardial blood flow mapping with deep learning-enabled CMR arterial spin labeling (DeepMASL): Validation by microsphere in vivo 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101989 PMID:41242615	研究论文	本研究提出了一种基于深度学习的改进型心肌动脉自旋标记方法（DeepMASL），用于更准确地量化心肌血流量，并在犬类冠状动脉疾病模型中通过微球测量法进行了验证	开发了一种结合物理模型的深度学习网络（DeepMASL），显著提高了高血流量状态下心肌血流量测量的准确性，误差从传统方法的33-49%降低到10%以内	研究仅在犬类动物模型中进行验证，尚未在人体临床试验中得到应用	提高心肌动脉自旋标记技术测量心肌血流量的准确性，以用于无对比剂心肌灌注缺损的临床诊断	18只杂种犬（9只健康，9只冠状动脉狭窄模型）	医学影像分析	心血管疾病	动脉自旋标记，微球测量法	深度学习网络	心脏ASL信号图像	18只犬，分为健康组（n=9）和冠状动脉狭窄组（n=9，含50%、70%、90%三种狭窄程度各3只）	NA	基于物理模型的深度学习网络	相关系数（r），Bland-Altman分析，95%置信区间，误差百分比	NA
6812	2026-01-11	Public feedback analysis on multi-stage emergency management policies using BERTopic-SKEP integrated model 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30319-4 PMID:41326561	研究论文	本研究提出了一种结合BERTopic主题建模和SKEP情感分析的深度学习框架，用于分析北京“23.7”暴雨期间公众对多阶段应急管理政策的反馈	1. 提出了BERTopic-SKEP融合模型，克服了传统LDA在短文本处理中的局限性；2. 揭示了应急管理不同阶段公众关注度和情感极性的显著差异；3. 整合了叙事政策框架（NPF）来解释主题建模结果，将公众反馈结构化地解读为政策叙事	研究仅基于社交媒体数据，可能无法代表所有公众群体；模型在特定灾害事件中验证，泛化能力有待进一步检验	分析公众对多阶段应急管理政策的反馈，以提升灾害治理效能	北京“23.7”暴雨期间与应急管理政策相关的社交媒体帖子	自然语言处理	NA	主题建模，情感分析	BERTopic, SKEP	文本	50,015条社交媒体帖子	NA	BERTopic, SKEP	NA	NA
6813	2026-01-11	Artificial Intelligence-based fine-tuning model for fall activity recognition in disabled persons within an IoT environment 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30340-7 PMID:41326571	研究论文	本文提出了一种基于时间卷积网络的物联网环境下残疾人跌倒活动识别系统（TCN-FARSDP），用于监控和检测残疾人的跌倒事件	结合了NASNetMobile、DenseNet121和MobileNetV3Large三种特征提取模型进行特征融合，并采用时间卷积网络（TCN）分类器进行跌倒活动检测，通过Adamax优化器进行微调以提升模型收敛性和稳定性	未提及数据集的具体规模、多样性或潜在偏差，也未讨论模型在真实物联网环境中的部署挑战或计算资源需求	开发一种高精度的跌倒活动识别系统，以提升残疾人的远程健康监控和安全性	残疾人的跌倒活动	计算机视觉	老年疾病	深度学习（DL）、机器学习（ML）	时间卷积网络（TCN）	图像	NA	TensorFlow, PyTorch	NASNetMobile, DenseNet121, MobileNetV3Large, TCN	准确率	NA
6814	2026-01-11	Computer Vision in Lower Limb Orthopaedics: A Scoping Review of Imaging-Based Artificial Intelligence Applications 2025-Dec, Cureus DOI:10.7759/cureus.98648 PMID:41503307	综述	本文通过范围综述，系统梳理了计算机视觉和基于图像的AI在下肢骨科成像中的应用，包括关键任务、成像模态和算法趋势	首次系统性地绘制了下肢骨科成像中计算机视觉应用的全景图，并识别出从诊断分类向定量测量和术中集成的发展趋势	证据基础受限于主要为单中心回顾性研究设计，缺乏外部验证，且未发现前瞻性临床试验	综述计算机视觉在下肢骨科成像中的应用现状、任务、模态和算法趋势	涉及髋、膝、踝或足部成像的研究	计算机视觉	骨科疾病	NA	深度学习	图像	20项符合纳入标准的研究	NA	U-Net, YOLO, ResNet	诊断准确率, Dice系数	NA
6815	2026-01-11	Computer Vision in Upper Limb Orthopaedics: A Scoping Review of Imaging-Based Algorithms for Fracture Detection and Radiographic Measurement 2025-Dec, Cureus DOI:10.7759/cureus.99729 PMID:41503339	综述	本文对计算机视觉在上肢骨科影像中的应用进行了范围综述，重点描述了用于骨折检测和影像学测量的算法	系统性地梳理和总结了计算机视觉在上肢骨科领域（特别是腕部和肩部）的应用现状、临床问题、成像模态和方法学，并指出了当前研究的局限性和未来方向	大多数研究为回顾性、单中心研究，缺乏外部验证，数据集规模较小，且报告标准不一致	描绘和表征计算机视觉在上肢骨科中的当前应用状况	上肢骨科影像（如X光片、CT、MRI、超声）	计算机视觉	骨科疾病（上肢骨折等）	医学影像分析	CNN, 检测网络, 分割架构	图像	NA	NA	YOLO, U-Net	NA	NA
6816	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107666 PMID:41512316	研究论文	本研究开发了一种可解释的皮层图卷积网络（GCN），用于从T1 MRI数据中捕捉皮层萎缩模式，以早期识别阿尔茨海默病风险	提出了一种基于图卷积网络的模型，能够处理皮层表面的细微和异质性神经退行性模式，这是传统深度学习方法难以原生捕获的	模型在预测稳定轻度认知障碍与进展性轻度认知障碍时的平均平衡准确率较低（0.644），且需要进一步在独立数据集（如NACC/ADRC）上验证泛化能力	早期识别阿尔茨海默病风险，预测未来痴呆发作	阿尔茨海默病神经影像学倡议（ADNI）数据集中的1645名受试者，包括认知正常、阿尔茨海默病和轻度认知障碍个体	数字病理学	阿尔茨海默病	T1 MRI，FreeSurfer处理	图卷积网络（GCN）	图像（皮层表面网格数据）	1645名受试者（902名男性，743名女性），包括523名稳定认知正常、339名稳定阿尔茨海默病和783名轻度认知障碍个体	NA	图卷积网络（GCN）	平衡准确率	NA
6817	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107676 PMID:41512848	研究论文	本研究通过融合多模态神经影像数据（T1-MRI和淀粉样蛋白-PET），利用深度学习模型提升阿尔茨海默病预测和追踪进展的准确性	结合多模态神经影像数据（T1-MRI和淀粉样蛋白-PET）训练深度学习模型，以捕捉大脑中的淀粉样蛋白（A）和萎缩（N）模式，从而提高痴呆风险评分（DRS）和早期AD阶段未来痴呆进展的预测能力	在预测未来MCI进展方面性能有所降低，表明需要通过进一步微调、更先进的多模态融合策略以及最佳模态（如FDG-PET和tau-PET）来改进	提高阿尔茨海默病（AD）的预测准确性，并追踪其早期阶段的进展	阿尔茨海默病（AD）患者、认知正常（CN）受试者以及轻度认知障碍（MCI）患者	医学影像分析	阿尔茨海默病	T1-MRI, 淀粉样蛋白-PET	CNN	神经影像数据（T1-MRI和淀粉样蛋白-PET）	来自ADNI 1、2和GO数据集的受试者（具体数量未在摘要中提供）	NA	ResNet50	平衡准确率, AUC	NA
6818	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107784 PMID:41513255	研究论文	本研究通过微调预训练的脑龄预测模型，利用3D脑部MRI数据来预测阿尔茨海默病的临床评估分数ADAS13	提出了一种基于预训练脑龄预测模型的微调方法，用于预测临床评估分数，该方法在数据有限的情况下表现出良好的泛化能力，且性能优于先前方法	研究主要依赖于ADNI数据集，模型在其他独立队列中的泛化能力有待进一步验证	开发一种能够有效预测阿尔茨海默病临床评估分数的深度学习模型，以辅助疾病严重程度评估和预后	阿尔茨海默病患者	数字病理学	阿尔茨海默病	3D脑部MRI	深度学习模型	3D图像	11,041个MRI扫描（来自ADNI数据集），分为训练集5,536个、验证集2,815个、测试集2,690个	NA	集成模型（n=5）	平均绝对误差, R2分数	NA
6819	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107749 PMID:41513459	研究论文	本文开发了一种基于迁移学习的DenseNet121架构，用于阿尔茨海默病的分类诊断，特别针对非洲人群进行优化	采用迁移学习策略，结合西方人群数据集预训练和非洲本地数据集微调，以捕捉人群特异性特征，显著提升了在非洲人群中的诊断性能	研究样本量相对较小（仅140名受试者），且仅基于单一医疗中心的数据，可能限制模型的泛化能力	开发并验证一个针对非洲人群的阿尔茨海默病诊断模型，以解决现有研究在西方人群主导下的适用性限制	阿尔茨海默病患者与非痴呆对照受试者，特别关注非洲人群的神经影像数据	数字病理学	阿尔茨海默病	神经影像分析（包括颅骨剥离、空间归一化、灰质分割等预处理技术）	CNN	图像	140名受试者（63例痴呆，77例非痴呆），来自尼日利亚伊巴丹大学学院医院的本地数据集，并利用OASIS数据集进行预训练	NA	DenseNet121	准确率, AUC, 灵敏度, 特异度, 精确率, F1分数	NA
6820	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_106312 PMID:41517832	研究论文	本研究提出了一种基于高阶注意力机制的深度学习模型，用于通过MRI图像对四种痴呆症类型进行精确分类	引入了基于淀粉样蛋白/ tau病理预测模型学习的高阶注意力机制，以提取更具预测力的特征并捕捉特征间相互关系	样本量相对较小（99个MRI图像），且主要依赖于特定医院的数据，可能影响模型的泛化能力	开发一种基于MRI的深度学习模型，以提高痴呆症亚型的准确鉴别诊断	阿尔茨海默病（AD）、帕金森病（PD）、路易体痴呆（DLB）和皮质下血管性痴呆（SVaD）患者	数字病理学	老年疾病	磁共振成像（MRI）	深度学习模型, SVM	图像, 临床信息	99个T1加权MRI图像（24名AD患者，25名PD患者，25名DLB患者，25名SVaD患者），以及来自5个数据集的12091名患者数据用于低阶注意力分类器训练	NA	注意力机制, SVM	AUC	NA