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
8381	2025-12-20	[Current Landscape and Commercialization of AI Models in Musculoskeletal Imaging] 2025-Sep, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0058 PMID:41113373	综述	本文综述了基于人工智能的医疗设备在肌肉骨骼影像领域的商业化现状及其临床应用	总结了肌肉骨骼影像AI模型的商业化进展，并提供了临床应用的有益考虑	NA	提供肌肉骨骼影像AI模型的商业化信息，辅助临床决策	肌肉骨骼影像AI模型及其商业化应用	数字病理学	肌肉骨骼疾病	深度学习	NA	影像	NA	NA	NA	诊断性能	NA
8382	2025-12-20	Retinal image-based disease classification using hybrid deep architecture with improved image features 2025-Aug-05, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03660-w PMID:40762730	研究论文	本文提出了一种基于视网膜图像的疾病分类混合深度学习架构，通过改进图像特征提高分类准确性	提出了一种结合改进的LinkNet（ILinkNet）和SqueezeNet的混合深度学习模型（ILink-SqNet），并整合了改进的多纹理特征与统计特征，以提升视网膜疾病的分类性能	未明确提及样本量、计算资源细节或模型在更广泛数据集上的泛化能力	开发一种准确、高效的视网膜疾病自动分类方法，以辅助眼科诊断	视网膜眼底图像	计算机视觉	视网膜疾病	NA	深度学习	图像	NA	NA	ResNet, VGG16, ILinkNet, SqueezeNet	精确度	NA
8383	2025-12-20	An optimized multi-scale dilated attention layer for keratoconus disease classification 2025-Jul-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03688-y PMID:40736610	研究论文	本文提出了一种优化的多尺度扩张注意力层模型（Optimized MSDALNet），用于基于角膜地形图图像的圆锥角膜疾病分类	引入了多尺度扩张注意力层（MSDAL）以捕获不同空间分辨率的局部和全局角膜特征，并采用北极海雀优化算法（APO）进行训练优化，结合了可解释AI（XAI）能力	数据集规模有限且缺乏多模态输入	自动化圆锥角膜（KCN）的检测与分类	圆锥角膜疾病	计算机视觉	圆锥角膜	角膜地形图成像	深度学习模型	图像	超过1,100张标记的角膜地形图图像，分为正常、疑似和KCN三类	NA	Optimized MSDALNet（包含多尺度扩张注意力层）	准确率, 精确率, 召回率, 特异性, FNR, MCC, AUC	NA
8384	2025-12-20	Advances in machine learning for ABCA4-related retinopathy: segmentation and phenotyping 2025-Jul-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03690-4 PMID:40699379	综述	本文探讨了机器学习在ABCA4相关视网膜病变（ABCA4R）中的应用，重点关注图像分割和表型分型	综述了机器学习在ABCA4R中分割和表型分型的最新进展，包括集成建模、自注意力机制、软标签方法和动态框架等先进技术	数据集较小且疾病表现多变，这构成了显著挑战	自动化ABCA4R评估中的关键步骤，以监测疾病进展和分类患者亚组	ABCA4相关视网膜病变（Stargardt病）患者	数字病理学	视网膜病变	眼底成像，视网膜电图（ERG），微视野检查	深度学习	图像，电生理数据	15篇选定文章（源自264篇），具体样本量未明确说明	NA	NA	DICE系数，准确率	NA
8385	2025-12-20	Leveraging artificial intelligence for diagnosis of children autism through facial expressions 2025-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96014-6 PMID:40200029	研究论文	本研究通过评估深度学习模型，利用儿童面部表情的RGB图像数据，诊断儿童自闭症谱系障碍（ASD）	提出了一种混合深度学习模型，将ResNet152与Vision Transformers（ViT）结合，以提升自闭症诊断的分类性能	未来研究需要纳入多种数据类型，扩展数据集变异性，并优化混合架构系统以提高诊断预测能力	评估深度学习模型在儿童自闭症谱系障碍（ASD）早期诊断中的应用，以提高诊断准确性和标准化	自闭症谱系障碍（ASD）确诊儿童的RGB面部图像数据	计算机视觉	自闭症谱系障碍	深度学习，迁移学习，微调方法	CNN, Transformer	图像	NA	NA	DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, Vision Transformers (ViT)	准确率	NA
8386	2025-12-20	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	综述	本文回顾了过去十年中机器学习技术在圆锥角膜诊断中的应用，重点关注学术研究与临床实践之间的差距	提出了促进机器学习模型融入临床实践的路线图模型，并针对机器学习和眼科医生提供了可操作的建议	缺乏早期圆锥角膜检测和严重程度分期的客观诊断标准共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨如何将其有效整合到临床实践中	圆锥角膜的诊断研究，包括不同疾病阶段（如非圆锥角膜、亚临床圆锥角膜、临床圆锥角膜）	机器学习	圆锥角膜	NA	随机森林, 卷积神经网络, 前馈和反馈神经网络, 支持向量机	数值角膜参数	NA	NA	NA	NA	NA
8387	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8388	2025-12-20	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于视网膜成像的眼组学方法（包括深度学习、机器学习和逻辑回归模型）在诊断主要精神障碍方面的性能	首次对利用视网膜成像预测精神健康障碍的眼组学方法进行系统综述和荟萃分析，综合评估了多种机器学习模型在该领域的诊断性能	纳入研究存在高偏倚风险（尤其在患者选择和指标测试设计方面）、缺乏外部验证、样本量小导致过拟合风险、未发现精神障碍特异性的视网膜生物标志物	评估眼组学方法通过视网膜成像诊断主要精神障碍的准确性和临床适用性	主要精神障碍患者（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症、自闭症谱系障碍）的视网膜影像数据	数字病理学	精神障碍	视网膜成像技术（彩色眼底照相、光学相干断层扫描、OCT血管成像）	深度学习, 机器学习, 逻辑回归	图像	11项研究中的13个诊断模型（具体样本量未在摘要中说明）	NA	NA	敏感性, 特异性, 受试者工作特征曲线下面积	NA
8389	2025-12-20	Capsule network-based deep learning for early and accurate diabetic retinopathy detection 2025-Feb-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03391-4 PMID:39966199	研究论文	本研究提出了一种基于UNet++和胶囊网络的混合深度学习模型，用于青光眼的早期和准确检测	结合UNet++进行语义分割以精确勾勒视盘和视杯，并利用胶囊网络捕获层次结构，相比传统卷积神经网络对青光眼变化更敏感	未明确说明样本量或数据集的详细局限性，仅提及AI在眼科医疗中的革命性应用	实现青光眼的早期和准确检测，以预防失明	视网膜图像，特别是视盘和视杯的形态特征	计算机视觉	青光眼	深度学习，图像预处理（直方图均衡化和对比度受限自适应直方图均衡化）	CNN, CapsNet	图像	NA	NA	UNet++, CapsNet	准确度	NA
8390	2025-12-20	Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Feb-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03439-z PMID:39966317	研究论文	本文提出了一种基于KiU-Net的深度学习模型，用于在糖尿病视网膜病变患者的OCT图像中自动分割高反射病灶	结合Kite-Net分支和三层U-Net分支，并设计交叉注意力块来整合细节和语义信息，显著减少了模型参数并提升了分割性能	未明确提及模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际挑战	开发一种能够精确识别和分割糖尿病视网膜病变患者OCT图像中高反射病灶的自动分割算法	糖尿病视网膜病变患者的OCT图像中的高反射病灶	数字病理学	糖尿病视网膜病变	光学相干断层扫描	深度学习	图像	NA	NA	KiU-Net, Kite-Net, U-Net	灵敏度, Dice相似系数, 精确率, 召回率	NA
8391	2025-12-20	A guidance to intelligent metamaterials and metamaterials intelligence 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56122-3 PMID:39880838	综述	本文从统一视角回顾了超材料与人工智能双向交互领域的最新进展，包括智能超材料和超材料智能两个新兴方向	提出了超材料与人工智能双向交互的统一框架，系统梳理了智能超材料的设计优化与自主工作模式，以及超材料在物理空间直接执行计算与推理任务的新范式	面临数据管理、知识迁移及面向实际应用的问题，尚未实现对整个电磁空间的自由管理	探讨超材料与人工智能的交叉融合，推动智能超材料设计和超材料驱动的物理计算发展	智能超材料与超材料智能系统	机器学习	NA	深度学习	NA	电磁仿真数据	NA	NA	NA	NA	NA
8392	2025-12-20	Shifted windowing vision transformer-based skin cancer classification via transfer learning 2025 Jan-Dec, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2025.100724 PMID:40915182	研究论文	本文提出了一种基于视觉Transformer的迁移学习方法，用于皮肤癌分类，以解决传统卷积神经网络在全局关系建模上的局限性	采用视觉Transformer结合注意力机制，通过迁移学习优化模型参数，提升了皮肤癌分类的跨域适应性和鲁棒性	训练数据有限且不平衡，模型在实际临床应用中跨域适应性和鲁棒性仍有待验证	开发一种基于深度学习的皮肤癌分类方法，以辅助早期诊断和临床决策	皮肤癌图像数据	计算机视觉	皮肤癌	NA	Vision Transformer	图像	NA	NA	Vision Transformer	NA	NA
8393	2025-12-20	An improved neighbourhood-based contrast limited adaptive histogram equalization method for contrast enhancement on retinal images 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.12.02 PMID:41280624	研究论文	提出了一种基于邻域的改进对比度受限自适应直方图均衡化方法，用于增强视网膜图像的对比度，以辅助视网膜疾病的准确识别和精细结构的可见性提升	提出了一种新颖的NICLAHE算法，通过动态选择裁剪限制和瓦片大小（基于图像像素值），而非使用固定值，改进了传统的CLAHE算法	NA	寻找有效的视网膜图像对比度增强方法，以促进视网膜特征的有效分割	视网膜图像	计算机视觉	视网膜疾病	图像预处理	CNN	图像	Drive和HRF两个视网膜图像数据库	NA	ResNet	RMSE, PSNR, RMSC, 整体对比度, 敏感性, 特异性, 精确度, 准确度	NA
8394	2025-12-20	Vehicle driving area detection and sensor data preprocessing based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337722 PMID:41401178	研究论文	本文提出了一种基于改进双边分割网络的车辆驾驶区域识别算法及检测模型，以提高智能车辆驾驶区域检测的实时性和准确性	采用改进的双边分割网络结合数据降维技术，提升了车辆驾驶区域检测的实时性能和识别精度	NA	提高智能车辆驾驶区域检测的实时性和准确性	车辆驾驶区域	计算机视觉	NA	深度学习	CNN	图像	NA	NA	双边分割网络	平均每秒处理帧数, 平均识别时间, 平均精度, 准确率	NA
8395	2025-12-20	Classification of current density vector map using transformer hybrid residual network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338189 PMID:41401222	研究论文	本文提出了一种基于深度学习的方法，用于对从磁心图重建的电流密度矢量图进行分类	提出了一种Transformer混合残差网络，结合了迁移学习和自注意力机制，以增强特征提取能力，并针对数据稀缺问题采用了数据增强策略	磁心图数据有限且应用不广泛，可能导致模型泛化能力受限	开发一种计算机辅助方法，帮助医生使用电流密度矢量图分析心脏病例	从磁心图重建的电流密度矢量图	计算机视觉	心血管疾病	磁心图	Transformer, CNN	图像	NA	NA	Transformer hybrid residual network	准确率	NA
8396	2025-12-20	Deep learning-based multimodal risk stratification for atherosclerosis management 2025, Archives of medical science : AMS IF:3.0Q1 DOI:10.5114/aoms/208224 PMID:41403595	研究论文	本研究构建了一个基于深度学习的多模态模型，用于动脉粥样硬化的风险分层，显著提升了临床评估的准确性和效率	结合U-Net进行病灶分割、ResNet进行分类，并引入注意力机制以增强高风险斑块的检测，实现了多模态数据（超声、CTA和临床变量）的融合	未明确提及模型在更广泛人群或不同设备数据上的泛化能力限制，以及潜在的数据偏差问题	开发一个深度学习模型，以准确进行动脉粥样硬化的风险分层，优化临床管理	动脉粥样硬化患者的多模态数据，包括超声、CTA影像和临床变量	计算机视觉	心血管疾病	超声、CTA成像	CNN	图像, 临床数据	未明确提及具体样本数量，但使用了5折交叉验证和多中心验证	未明确提及，但可能基于PyTorch或TensorFlow	U-Net, ResNet	Dice系数, 准确率, AUC	未明确提及
8397	2025-12-20	MSF-CPMP: A novel multi-source feature fusion model for prediction of cyclic peptide membrane permeability 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.041 PMID:41404123	研究论文	本研究提出了一种名为MSF-CPMP的新型多源特征融合模型，用于预测环肽的膜渗透性	首次融合了从SMILES序列、基于图的分子结构和环肽的物理化学性质中提取的三种特征，以更全面地捕捉环肽的特征多样性	未在摘要中明确说明	提高环肽膜渗透性预测的准确性	环肽	计算生物学	NA	多源特征融合	深度学习模型	分子序列、分子结构图、物理化学性质	未在摘要中明确说明	未在摘要中明确说明	MSF-CPMP	准确率, AUROC	未在摘要中明确说明
8398	2025-12-20	ENet-CAEM: a field strawberry disease identification model based on improved EfficientNetB0 and multiscale attention mechanism 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1701740 PMID:41404135	研究论文	本研究提出了一种基于改进EfficientNetB0和多尺度注意力机制的草莓病害识别模型ENet-CAEM，用于田间草莓病害的实时诊断	引入了通道上下文模块、多尺度高效通道注意力模块、轻量级空洞空间金字塔池化以及混合池化策略，结合可学习DropPath和标签平滑正则化，以增强模型对不规则、多尺度病变特征的捕捉能力并抑制背景噪声	模型在自建数据集上准确率为85.84%，虽优于基线但仍有提升空间；且依赖有限数据训练，可能影响泛化能力	开发一种高效、鲁棒的田间草莓病害识别模型，以支持实时诊断和田间管理	草莓病害图像，特别是田间环境下具有不规则形状、多尺度病变和杂乱背景的图像	计算机视觉	草莓病害	深度学习图像识别	CNN	图像	自建数据集和公共草莓数据集，具体样本数量未明确说明	未明确说明，可能为TensorFlow或PyTorch	改进的EfficientNetB0	准确率	未明确说明
8399	2025-12-20	ALNet: towards real-time and accurate maize row detection via anchor-line network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1706596 PMID:41404128	研究论文	本研究提出了一种名为ALNet的轻量级卷积神经网络，用于实现实时且准确的玉米行检测，以支持农业机械的视觉导航	引入了Anchor-Line机制将行检测重新定义为端到端回归任务，采用行对齐的核操作减少计算量，并设计了Attention-guided ROI Align模块与DAE-Former来增强特征交互，以及Row IoU损失函数以提高定位精度	NA	开发一种轻量级、高精度的玉米行检测方法，以支持农业机械的实时视觉导航	玉米行	计算机视觉	NA	NA	CNN	图像	NA	NA	ALNet, DAE-Former	IoU, FPS, GFlops	NA
8400	2025-12-20	TSSC: a new deep learning model for accurate pea leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718758 PMID:41404156	研究论文	本文提出了一种名为TSSC的新型深度学习模型，用于准确识别豌豆叶片病害	设计了三邻域通道注意力机制以提升特征提取效果，引入了互补挤压与激励机制以增强关键特征提取能力，并嵌入了分割注意力模块以降低模型复杂度	NA	探索基于深度学习的智能识别方法，以解决多种豌豆叶片病害的自动识别问题	豌豆叶片病害	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	TSSC	分类准确率	NA