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
7681	2025-12-31	Application of error level analysis in image spam classification using deep learning model 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291037 PMID:38096218	研究论文	本文提出了一种利用误差水平分析（ELA）作为预处理步骤来提升卷积神经网络（CNN）在图像垃圾邮件分类中性能的方法	将误差水平分析（ELA）技术作为预处理步骤引入图像垃圾邮件分类，以增强CNN模型对挑战性数据集的鲁棒性和分类准确率	未明确说明模型对新型对抗攻击的泛化能力，且可能依赖于特定数据集	提升图像垃圾邮件分类的准确性和鲁棒性，特别是在对抗性设计的数据集上	图像垃圾邮件（包含文本信息的图像文件）	计算机视觉	NA	误差水平分析（ELA）	CNN	图像	NA	NA	NA	准确率	NA
7682	2025-12-31	RVCNet: A hybrid deep neural network framework for the diagnosis of lung diseases 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293125 PMID:38153925	研究论文	本文提出了一种名为RVCNet的混合深度神经网络框架，用于从多类别X射线数据集中预测肺部疾病	结合ResNet101V2、VGG19和基础CNN三种深度学习技术，构建新型混合架构，并在特征提取阶段采用超参数微调，分类阶段加入批量归一化、dropout和密集层等额外层	NA	开发计算机辅助诊断系统，以帮助放射科医生更精确地诊断肺部疾病并减少误判	COVID-19、非COVID肺部感染、病毒性肺炎和正常患者的X射线图像	计算机视觉	肺部疾病	X射线成像	CNN	图像	2262张训练图像和252张测试图像	NA	ResNet101V2, VGG19, CNN	准确率, AUC, 精确率, 召回率, F1分数	NA
7683	2025-12-30	C2DGCN: cross-connected distributive learning-enabled graph convolutional network for human emotion recognition using electroencephalography signal 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10399-8 PMID:41458473	研究论文	提出了一种基于交叉连接分布式学习的图卷积网络（C2DGCN），用于从脑电图信号中有效识别人类情绪	引入了交叉连接分布式学习机制，实现了广泛的特征共享与整合，降低了计算复杂度并提高了准确性；应用统计时频信号描述符提取复杂特征，缓解了过拟合问题	NA	开发一种高效的人类情绪识别方法	人类情绪状态	机器学习	NA	脑电图信号分析	图卷积网络	脑电图信号	使用了SEED-IV和DEAP两个数据集，具体样本数量未在摘要中说明	NA	C2DGCN	准确率, 灵敏度, 特异性, 精确率	NA
7684	2025-12-30	Real-Time Phase-Contrast Cardiovascular MRI Using a Deep Learning Reconstruction Network With Combined Dictionary Learning and CNN 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70142 PMID:41108209	研究论文	本研究开发了一种结合字典学习和CNN的深度学习重建网络DLCNet，用于实现低延迟的实时相位对比心血管MRI成像	提出了一种名为DLCNet的新型深度学习重建网络，该网络结合了字典学习和CNN，能够同时捕获空间和时间特征，用于实时相位对比心血管MRI成像	研究仅使用了15名正常受试者的数据集进行训练和测试，样本量较小，且未在患者群体中进行验证	开发低延迟的实时相位对比心血管MRI成像技术	心血管系统，特别是升主动脉的血流测量	医学影像分析	心血管疾病	相位对比心血管MRI，金角径向序列	CNN	MRI图像	15名正常受试者	NA	DLCNet（结合字典学习和CNN的深度学习重建网络）	图像重建质量，血流测量准确性，成像速度（14.6帧/秒），图像显示延迟（<60毫秒）	Gadgetron平台，扫描仪
7685	2025-12-30	Solution to data imbalance and complex interactions in traffic conflict modeling: a hypergraph and generative AI approach 2026-Mar, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108338 PMID:41365277	研究论文	本研究提出了一种结合超图和生成式AI的方法，以解决交通冲突建模中的数据不平衡和复杂交互问题	采用增强的二维碰撞时间（2D-TTC）指标结合车辆交互关系来预测多种模式的交通冲突，并利用带自注意力层的生成对抗网络（GAN）改进过采样方法，显著提升了模型性能	未明确说明模型在极端或未见过交通场景中的泛化能力，以及计算资源需求可能较高	解决交通冲突建模中数据不平衡和复杂动态交互的挑战，提升模型预测准确性和实用性	交通冲突事件，包括冲突和非冲突样本，涉及车辆速度、车辆数量、交通流特征等	机器学习	NA	二维碰撞时间（2D-TTC）指标，生成对抗网络（GAN），自注意力机制	生成对抗网络（GAN），超图注意力网络（HGAT），机器学习模型（未指定具体类型）	交通数据（包括车辆速度、距离、时间等指标）	NA	NA	超图注意力网络（HGAT），生成对抗网络（GAN）	F1分数，准确率	NA
7686	2025-12-30	Rapid flow-artifact-free high-resolution T2 mapping via multi-shot multiple overlapping-echo detachment imaging 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70119 PMID:41063418	研究论文	本文提出并验证了一种具有亚毫米空间分辨率和高临床实用性的T2映射方法，通过多激发多重叠回波分离成像技术实现快速无流动伪影的高分辨率T2映射	将多激发采集方案集成到多重叠回波分离成像中，以减轻单激发MOLED的缺陷，并利用深度学习校正不连续相位跳跃，无需自校准核、导航器、门控设备或耗时后处理	未明确提及方法在更广泛临床场景或不同疾病类型中的验证情况	开发一种具有亚毫米空间分辨率、约1分钟采集时间、大体积覆盖且无需额外控制台或线圈负担的T2映射方法，并校正由脉动脑脊液引起的激发间相位变化	模型（在3T和7T下）和人类（在3T下）	医学影像	NA	多激发多重叠回波分离成像，深度学习	深度学习	磁共振图像	模型和人类数据（具体数量未明确）	NA	NA	平均绝对误差，线性回归斜率，R²值	NA
7687	2025-12-30	Balancing Bias and Variance in Deep Learning-Based Tumor Microstructural Parameter Mapping 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70154 PMID:41126537	研究论文	本研究提出了一种名为B2V-Net的监督学习方法，通过可调节偏置-方差权重的损失函数，在肿瘤微结构参数映射中平衡偏置与方差，改进了现有非线性最小二乘拟合和均方误差损失网络的性能	在贝叶斯框架下重新表述了NLLS和MSE-Net，揭示了其偏置-方差行为，并提出了B2V-Net，这是一种使用可调节偏置-方差权重损失函数的监督学习方法，能够控制偏置-方差权衡	研究主要基于随机游走障碍模型作为代表性生物物理模型，可能未涵盖所有肿瘤微结构模型；在体评估仅限于头颈癌患者，需要进一步验证于其他癌症类型	研究深度学习在肿瘤微结构参数映射中的偏置-方差特性，并提出一种方法来控制拟合偏置和方差	肿瘤微结构参数映射，特别是通过时间依赖性扩散MRI进行量化	医学影像分析	头颈癌	时间依赖性扩散MRI	深度学习	MRI图像	NA	NA	B2V-Net	偏置, 方差, 标准偏差	NA
7688	2025-12-30	Rapid and robust quantitative cartilage assessment for the clinical setting: deep learning-enhanced accelerated T2 mapping 2026-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05034-w PMID:40968299	研究论文	本研究开发了一种基于深度学习的加速软骨T2映射序列（DL CartiGram），旨在提高临床环境中软骨定量评估的速度和鲁棒性	结合并行成像和深度学习图像重建技术，显著缩短了扫描时间，同时保持了优异的重复性和再现性	研究中站点间存在的微小偏差可能由温度效应引起，且样本量相对有限	开发并验证一种快速、鲁棒的软骨T2映射方法，以促进其在临床环境中的应用	软骨组织，具体包括43名患者的52个髌骨和股骨软骨分区	医学影像分析	骨关节炎	T2映射，并行成像，深度学习图像重建	深度学习	磁共振图像	43名患者（52个软骨分区）	NA	NA	变异系数，Bland-Altman分析，一致性相关系数，Wilcoxon符号秩检验，配对t检验	NA
7689	2025-12-30	Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review 2026-Feb, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70212 PMID:41431184	综述	本文综述了数学建模和人工智能技术在现代药物发现各个阶段的应用，旨在加速研发过程并降低临床试验的风险和成本	系统性地整合了线性代数、优化、统计建模、图论和微分方程等数学框架与机器学习、深度学习、强化学习、自然语言处理和迁移学习等人工智能技术，探讨了二者在药物研发中的协同应用	NA	探讨人工智能和数学技术如何加速药物发现过程，降低研发成本和风险	药物发现与开发过程	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, 强化学习, 自然语言处理, 迁移学习	NA	NA	NA	NA	NA	NA
7690	2025-12-30	Automated detection of the epileptogenic zone in stereoelectroencephalography for drug-resistant epilepsy using multi-epileptogenic biomarker machine learning 2026-Jan, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2025.107710 PMID:41289960	研究论文	本研究开发了一种可解释的机器学习框架，整合多种癫痫源性生物标志物，用于自动检测耐药性癫痫患者的癫痫发生区	首次将多种癫痫源性生物标志物（如癫痫源性指数、棘波率、波纹率、快速波纹率）整合到可解释的机器学习框架中，用于增强癫痫发生区的定位	研究为回顾性设计，样本量相对较小（38名患者），可能影响模型的泛化能力	开发一个可解释的机器学习框架，以提高耐药性癫痫患者癫痫发生区的定位准确性	耐药性癫痫患者	机器学习	癫痫	立体脑电图	深度学习模型	电生理数据	38名患者，1671个SEEG通道	NA	NA	AUC	NA
7691	2025-12-30	SDMFFN: a novel specular detection median filtering fusion network for specular reflection removal in endoscopic images 2025-Dec-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae291d PMID:41360013	研究论文	提出一种新颖的镜面检测中值滤波融合网络（SDMFFN），用于检测和去除内窥镜图像中的镜面反射	提出了一种两阶段框架，在检测阶段集成了增强的Specular Transformer Unet（S-TransUnet）模型，结合了ASPP、IB和CBAM模块以优化多尺度特征提取；在去除阶段改进了中值滤波方法并整合了颜色信息以实现自然修复	未在摘要中明确说明	解决内窥镜图像中镜面反射导致的重要细节被遮挡和诊断准确性降低的问题	内窥镜图像	计算机视觉	NA	深度学习	Transformer, CNN	图像	未在摘要中明确说明	未在摘要中明确说明	S-TransUnet	未在摘要中明确说明	未在摘要中明确说明
7692	2025-12-30	New method for online quality control of dwell position and dwell time in brachytherapy by using high-speed camera and neural networks 2025-Dec-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2aa4 PMID:41364982	研究论文	本文开发了一种用于高剂量率近距离放射治疗中驻留位置和驻留时间在线质量控制的系统，结合高速相机和神经网络以提高系统的鲁棒性和稳定性	提出了一种集成高速相机和神经网络（特别是RT-DETRv2）的在线质量控制系统，用于实时监测和验证近距离放射治疗中的源输送参数	RT-DETRv2神经网络的处理延迟为每张图像0.35秒，不适合在线监测，但适用于离线或辅助验证	开发一个在线质量控制系统，用于准确评估高剂量率近距离放射治疗中的驻留位置和驻留时间	高剂量率近距离放射治疗中的192Ir源输送过程	计算机视觉	NA	高速相机成像，帧差法，神经网络	神经网络	图像	使用GammaMedPlus iX后装设备进行实验，测试了不同步长（0.2厘米、0.5厘米、1.0厘米）和驻留时间（2.0秒、3.0秒、10.0秒）	NA	RT-DETRv2	空间分辨率（0.083毫米），时间分辨率（7.0毫秒），位置偏差（小于0.1厘米，校正后约0.01厘米），驻留时间偏差（10.0毫秒内），定位准确度（91%的预测在0.26毫米内）	NA
7693	2025-12-30	Semi-Supervised Deep Learning-Based Model for Segmentation of Breast Arterial Calcification on Screening Mammograms 2025-Dec-29, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251400538 PMID:41459704	研究论文	本研究提出了一种半监督深度学习模型，用于自动化分割和分级筛查乳腺X线摄影中的乳腺动脉钙化，以改善心血管疾病风险分层	采用基于U-Net的半监督学习策略，结合渐进式伪标签方法，利用大量未标注图像增强模型鲁棒性和跨系统泛化能力	未明确说明模型在不同人群或更广泛数据集上的泛化性能，以及计算资源需求的具体细节	开发自动化工具以标准化乳腺动脉钙化的评估，提升心血管疾病风险分层的准确性和效率	筛查乳腺X线摄影图像中的乳腺动脉钙化区域	数字病理学	心血管疾病	乳腺X线摄影	深度学习	图像	2560张标注的筛查乳腺X线摄影图像（来自7个供应商）和6000张未标注图像	NA	U-Net	Jaccard相似系数, 准确率, 精确率, F1分数, 召回率, 敏感性, 特异性, AUC, 加权kappa统计量	NA
7694	2025-12-30	EEGPARnet: time-frequency attention transformer encoder and GRU decoder for removal of ocular and muscular artifacts from EEG signals 2025-Dec-28, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03506-8 PMID:41456251	研究论文	提出了一种名为EEGPARnet的新型去噪网络，用于从EEG信号中去除眼动和肌肉伪影	提出了一种结合时间-频率注意力Transformer编码器和GRU解码器的轻量化架构，能够学习时频长程相似性，在显著降低模型复杂度和计算需求的同时保持高性能	仅在公开数据集EEGDenoiseNet上进行了验证，未在更多样化的临床数据或实时部署场景中进行全面测试	开发一种适用于资源受限平台的轻量化EEG信号去噪方法	受眼动和肌肉伪影污染的EEG信号	信号处理	NA	EEG信号处理	Transformer, GRU	EEG信号	EEGDenoiseNet数据集	NA	Transformer编码器（带时间和频谱注意力模块）, GRU解码器	时间相对均方根误差, 频谱相对均方根误差, 相关系数	资源受限设备（目标部署平台）
7695	2025-12-30	A deep neural network model for optimizing traditional Chinese medicine prescriptions with data augmentation 2025-Dec-28, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70319 PMID:41456610	研究论文	本研究提出了一种名为DA-TCMPO的深度学习框架，通过数据增强技术优化中药处方，并在溃疡性结肠炎小鼠模型中验证了其有效性	引入了基于双重注意力的扩散模型和可变噪声嵌入模块，专门针对中药处方数据中的噪声和处方修改风险进行优化	未明确说明模型在更广泛疾病或临床环境中的泛化能力	优化中药处方以支持临床决策	中药处方数据及溃疡性结肠炎小鼠模型	自然语言处理	溃疡性结肠炎	数据增强	深度学习	文本	NA	NA	扩散模型	精确率, 准确率, 召回率, F1分数	NA
7696	2025-12-30	Morphometric trait analysis and machine learning-based yield modeling in wood apple (Feronia limonia L.) 2025-Dec-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07978-6 PMID:41457267	研究论文	本研究通过形态计量学分析和可解释的机器学习模型，揭示了木苹果产量变异的决定因素，并提出了高产理想型的选择框架	首次将多元统计与可解释的机器学习模型（随机森林+SHAP）结合，为木苹果这一未充分利用树种的生产力调控提供了首个数据驱动的框架，并识别出影响产量的关键性状组合	研究仅基于62个基因型，样本量相对有限，且未涉及分子或遗传层面的深入分析	量化木苹果冠层结构、花部和果实性状等形态计量学描述符如何解释产量变异，并建立可解释的产量预测模型	62个木苹果基因型的形态计量学性状（营养、叶、花、果实和种子性状）及单株产量	机器学习	NA	形态计量学分析	Random Forest, Support Vector Regression, Deep Learning (MLP)	形态计量学数据	62个木苹果基因型	NA	Random Forest, MLP	R², RMSE, MAE	NA
7697	2025-12-30	Improving multi-scale short-term precipitation forecasting through frequency domain analysis and attention mechanisms 2025-Dec-24, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125276 PMID:41456591	研究论文	本研究提出了一种结合频域分析和注意力机制的新型短期降水预报模型，旨在提高多尺度降水预报的精度和效率	在频域量化降水的多尺度分布特征，并将跨通道多尺度注意力机制与TransUNet混合架构相结合，以捕捉降水时间演变的非线性关系	未明确说明模型在极端天气事件或不同地理区域的泛化能力	提高短期降水预报的准确性和多尺度特征捕捉能力，同时减少计算资源需求	小时降水分布（未来0-24小时）	机器学习	NA	NA	TransUNet, 注意力机制	时间序列数据（历史降水数据）	NA	NA	TransUNet, 跨通道多尺度注意力机制	威胁分数, RMSE	NA
7698	2025-12-30	Learning feature dependencies for precise tumor region detection and segmentation in optical coherence tomography images 2025-Dec-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03914-7 PMID:41410798	研究论文	提出一种新颖的依赖特征分割方法（DIFSM），用于提高视网膜OCT图像中肿瘤区域的定位和分割精度	通过整合图像预处理、特征间依赖分析和Vision Transformer架构，明确建模特征间依赖关系，解决重叠像素模糊问题	未提及模型在更大规模或更复杂肿瘤类型数据集上的泛化能力	提高视网膜OCT图像中肿瘤区域的自动检测和分割精度	视网膜OCT图像中的肿瘤感染区域	计算机视觉	视网膜肿瘤	光学相干断层扫描（OCT）	Vision Transformer（ViT）	图像	OCTID数据集中的高分辨率视网膜OCT图像	未明确指定	Vision Transformer	Dice系数, IoU, 精确率, 灵敏度, 特异性, 均方匹配误差（MSME）	未明确指定
7699	2025-12-30	HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data 2025-Dec-11, ArXiv PMID:41040798	研究论文	本文提出了一种名为HEIST的分层图变换器基础模型，用于处理空间转录组学和蛋白质组学数据，通过建模组织为分层图结构来整合空间信息和细胞内部基因共表达网络	HEIST模型首次将空间转录组学和蛋白质组学数据统一建模为分层图结构，通过跨层级消息传递计算基因嵌入，无需固定基因词汇表即可泛化到新数据类型（如空间蛋白质组学）	未明确说明模型在处理超大规模数据集时的计算效率限制或对特定组织类型的适用性局限	开发一个能够同时利用空间信息和细胞内基因/蛋白质表达数据的基础模型，以理解细胞在组织微环境中的调控机制	空间转录组学和蛋白质组学数据中的细胞及其基因/蛋白质表达模式	计算生物学	NA	空间转录组学, 空间蛋白质组学	图变换器	空间组学数据（包含空间坐标和细胞内转录/蛋白质计数）	来自15个器官的124个组织中的2230万个细胞	NA	分层图变换器	临床结果预测准确性, 细胞类型注释性能, 基因插补精度	NA
7700	2025-12-30	Enlarged Perivascular Spaces and Modifiable Vascular Risk Factors: Cross-Sectional and Longitudinal Analysis in the UK Biobank Cohort 2025-Dec-06, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry DOI:10.1016/j.jagp.2025.11.016 PMID:41456992	研究论文	本研究利用英国生物银行队列数据，通过深度学习模型量化脑部MRI中的血管周围间隙，并探讨了血管风险因素、APOE基因型与PVS之间的横断面和纵向关联	首次在大规模社区队列中，结合深度学习自动量化PVS，系统分析了多种可改变血管风险因素及APOE基因型与PVS的关联，并关注了性别和脑区特异性模式	纵向分析样本量相对较小，随访时间较短，风险因素与PVS的纵向关联有限	探讨血管风险因素和APOE基因型与脑部血管周围间隙的关联，以评估PVS作为血管性脑健康生物标志物的潜力	英国生物银行队列中的社区居住成年人，横断面分析包括38,121名参与者，纵向分析包括4,225名参与者	数字病理学	老年疾病	脑部MRI	深度学习模型	图像	横断面分析38,121名参与者，纵向分析4,225名参与者	NA	NA	回归系数(b), 95%置信区间(CI)	NA