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
9641	2025-12-08	Emerging technologies and neuroscience-based approaches in dyslexia: a narrative review toward integrative and personalized solutions 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1683924 PMID:41346795	综述	本文是一篇关于阅读障碍新兴技术与神经科学方法的叙述性综述，旨在探讨整合性与个性化解决方案	整合了神经科学机制与新兴技术（AI诊断、沉浸式工具、神经调控），提出了向个性化、可扩展解决方案转变的跨学科视角	研究方法存在异质性，样本量普遍较小，长期读写能力迁移证据有限，可推广性受限	综述阅读障碍的神经生物学基础、诊断技术创新、干预方法及政策伦理，推动整合性个性化解决方案	发展性阅读障碍（神经发育障碍）患者，重点关注儿童	自然语言处理, 数字病理	阅读障碍	眼动追踪, 手写分析, 神经调控（TMS, tDCS）, VR/AR	深度学习	眼动数据, 手写数据, 行为数据	多个试点研究，但样本量普遍较小	NA	NA	准确率	NA
9642	2025-12-08	MTMixG-Net: mixture of Transformer and Mamba network with a dual-path gating mechanism for plant gene expression prediction 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718258 PMID:41346834	研究论文	提出了一种名为MTMixG-Net的新型深度学习框架，用于植物基因表达预测，该框架结合了Transformer和Mamba架构，并引入了双路径门控机制	首次将Transformer的自注意力能力与Mamba的状态空间效率相结合，并引入双路径门控机制，以捕获多尺度调控依赖性，同时保持较低的计算复杂度	未明确提及模型在跨物种泛化能力方面的具体限制，也未讨论对未知植物物种的适用性	提高植物基因表达的预测准确性，以阐明植物发育和应激适应的调控机制	植物基因组数据	机器学习	NA	深度学习	Transformer, Mamba, CNN	基因组序列数据	多个植物基因组数据集（具体数量未提及）	NA	MTMixEnc（混合Transformer和Mamba编码器）, DPGM（双路径门控机制）, ResCNNChn（残差CNN链）	准确性, 计算效率	NA
9643	2025-12-08	Comparative analysis of optimized logistic regression with state-of-the-art models for complex gastroenterological image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1655612 PMID:41346992	研究论文	本文比较了优化的逻辑回归与多种先进机器学习模型在胃肠息肉图像多分类任务中的性能	在低数据场景下，通过系统优化逻辑回归并与多种机器学习模型对比，发现集成方法（如XGBoost）在保持临床可解释性的同时实现了更高的分类性能	样本量较小（仅152个实例），且未使用深度学习模型，可能限制了在更复杂图像特征下的性能上限	评估和比较机器学习模型在胃肠息肉图像多分类中的性能，以支持临床决策	结肠镜图像中检测到的胃肠道息肉	机器学习	结直肠癌	结肠镜成像	逻辑回归, k近邻, 支持向量机, 随机森林, XGBoost	图像	152个实例，包含698个提取特征	Scikit-learn	NA	准确率, 宏平均F1分数	NA
9644	2025-12-08	Wireless Sensing-based Daily Activity Tracking System Deployment in Low-Income Senior Housing Environments 2024-Nov, Proceedings of the ... annual International Conference on Mobile Computing and Networking. International Conference on Mobile Computing and Networking DOI:10.1145/3636534.3698115 PMID:41346851	研究论文	本文介绍了一种基于无线传感的日常活动追踪系统，专为低收入老年住房环境设计，用于监测老年人的日常活动与移动能力	提出了一种非侵入式、低成本的无线传感解决方案，利用深度学习对周围WiFi信号进行细粒度分析，避免了摄像头或可穿戴设备带来的隐私、负担等问题	系统部署时间仅为一周，样本规模有限，且准确率最高为76.90%，仍有提升空间	开发并评估一种适用于低收入老年人的非侵入式日常活动监测系统，以早期发现功能衰退	低收入老年住房环境中的老年人及其日常活动	机器学习	老年疾病	无线传感技术，基于WiFi信号分析	深度学习模型	无线信号数据	在真实老年住房环境中部署一周，具体参与者数量未明确说明	NA	NA	准确率	NA
9645	2025-12-08	CortexMorph: fast cortical thickness estimation via diffeomorphic registration using VoxelMorph 2023-Oct-01, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_69 PMID:41346864	研究论文	本文提出了一种名为CortexMorph的新方法，通过结合无监督深度学习和VoxelMorph技术，快速估计皮层厚度	利用无监督深度学习直接回归DiReCT所需的变形场，显著提高了皮层厚度估计的速度	未提及具体局限性	开发一种快速估计皮层厚度的方法，以替代传统的耗时迭代图像配准方法	T1加权MRI图像中的皮层厚度	数字病理学	神经退行性疾病	MRI	深度学习模型	图像	OASIS-3数据集和Rusak等人的合成皮层厚度模型	NA	VoxelMorph	检测皮层萎缩的能力	NA
9646	2025-12-07	Deep learning-driven investigation of nanoplastic impacts on soil protist behavior in soil chips 2026-Jan-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127414 PMID:41274594	研究论文	本研究开发了一种结合微流控土壤芯片、显微视频分析与深度学习的方法，实时监测纳米塑料暴露下土壤原生生物的行为变化	首次建立了能够直接在模拟土壤环境中实时、高通量观测微生物行为的实验系统，并采用深度学习检测模型与基于Transformer的轨迹重建算法定量分析原生生物运动	研究为概念验证性质，仅测试了三种原生生物类型和有限的纳米塑料浓度梯度，尚未在更复杂的真实土壤环境中验证	探究纳米塑料污染对土壤微生物行为的影响，开发新型微生物生态观测方法	土壤原生生物（鞭毛虫、纤毛虫、变形虫）	计算机视觉	NA	显微视频分析、微流控芯片技术	深度学习检测模型、Transformer	视频	三种形态/运动类型的原生生物群体（鞭毛虫、纤毛虫、变形虫），在0、2、10 mg/L三个纳米塑料浓度梯度下观测	NA	Transformer	运动速度变化百分比	NA
9647	2025-12-07	An explainable three dimensional framework to uncover learning patterns: A unified look in variable sulci recognition 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103286 PMID:41151346	研究论文	本文提出了一种可解释的三维人工智能框架，用于在脑影像分析中提供准确且易于理解的全局解释，并应用于识别与精神病相关的变异脑沟	首次开发了一个结合统计特征（Shape）和多种XAI方法（GradCam和SHAP）的三维全局解释框架，通过降维减少方法间变异性，提高了解释的忠实度和可靠性，并能揭示特定皮层特征的更广泛发育背景	未明确说明框架在其他脑结构或疾病分类任务上的泛化能力，且样本量（596例）可能对某些亚组分析的统计效力构成限制	开发一个能够为三维深度学习模型提供准确、低复杂度全局解释的可解释人工智能框架，以促进对脑发育及精神疾病相关异常轨迹的理解	大脑结构MRI影像，重点关注变异脑结构——旁扣带沟	神经影像分析	精神病	结构磁共振成像	3D深度学习模型	三维图像	596例结构MRI	NA	NA	NA	NA
9648	2025-12-07	Enhancing transformer-based architectures with geometric deep learning for colonoscopic polyp size classification using transfer learning 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103304 PMID:41252887	研究论文	本研究提出了一种结合RGB与深度信息的深度学习框架，用于结肠镜息肉尺寸的自动分类	通过改进的Af-SfM模块生成精细化校正的深度图，并将其与RGB信息融合，以提升息肉尺寸分类的准确性和客观性	未提及模型在临床实时应用中的处理速度或在不同医疗中心数据上的泛化能力	实现结肠镜息肉尺寸的自动化、客观化分类，以支持结直肠癌的风险评估和监测规划	结肠镜图像中的息肉	计算机视觉	结直肠癌	结肠镜成像	Transformer	图像（RGB图像与深度图）	超过10,000张由胃肠病学专家标注的结肠镜图像	NA	Transformer	精确率, 召回率	NA
9649	2025-12-07	Deformable phrase level attention: A flexible approach for improving AI based medical coding 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103299 PMID:41260194	研究论文	提出一种新颖的可变形短语级注意力机制，用于增强从临床文本中提取医学概念的文本分类模型	开发了一种可变形、短语级的注意力机制，能够识别临床文本中的重要词汇级和上下文短语级信息，超越传统的词级注意力	未明确说明模型在更广泛临床文本类型或语言上的泛化能力，以及计算效率的具体评估	改进基于AI的自动化医学编码，以提升疾病发生信息的收集和人口健康水平	临床文本文档，包括电子病理报告和医院出院摘要	自然语言处理	癌症	注意力机制	Transformer, 深度学习模型	文本	629,908份电子病理报告和52,722份医院出院摘要	NA	Transformer	NA	NA
9650	2025-12-07	Artificial intelligence in 4D flow MRI: Review of technological aspects and clinical applications 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103308 PMID:41273805	综述	本文全面回顾了人工智能在四维血流磁共振成像中的技术方面和临床应用	系统整合了AI与4D flow MRI的最新研究，强调了从数据采集到后处理的整个流程，并提出了基于AI的自动化方法以增强临床适用性	缺乏系统性的方法论，使得难以确定合适的研究方法	回顾人工智能在四维血流磁共振成像中的应用，以促进更有效的临床评估	四维血流磁共振成像数据及其在心血管疾病分析中的应用	医学影像分析	心血管疾病	四维血流磁共振成像	深度学习	MRI图像	NA	NA	NA	NA	NA
9651	2025-12-07	A labeled ophthalmic ultrasound dataset with medical report generation based on cross-modal deep learning 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103317 PMID:41297151	研究论文	本文提出了一个带标签的多模态眼科超声数据集，并基于跨模态深度学习构建了医疗报告生成模型	首次构建了同时包含超声图像、血流信息和检查报告的三模态眼科数据集，并提出了知识融合跨模态网络用于报告生成	数据集仅来自单一医院（沈阳某眼科医院），时间跨度为2016-2020年，可能影响模型的泛化能力	开发自动化眼科超声图像分析和医疗报告生成系统	眼科疾病患者的超声图像、血流参数和临床报告	计算机视觉, 自然语言处理	眼科疾病	超声成像	深度学习	图像, 文本, 血流参数	10,361名患者，22,173张图像及对应的自由文本报告	NA	知识融合跨模态网络	NA	NA
9652	2025-12-07	Artificial Intelligence in Ocular Oncology: Differentiating Choroidal Melanocytic Lesions 2026-Jan, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100948 PMID:41341795	综述	本文探讨了人工智能在眼科学肿瘤学中区分脉络膜黑色素细胞病变（特别是脉络膜痣和小黑色素瘤）的应用	利用深度学习技术自动分析高维医学图像，识别临床医生可能难以察觉的细微模式和特征，以提高诊断准确性	需要解决监管和实施方面的挑战，以充分发挥人工智能的潜力	提高脉络膜黑色素细胞病变的诊断准确性，以改善患者管理和预后	脉络膜黑色素细胞病变，特别是脉络膜痣和小黑色素瘤	计算机视觉	眼科学肿瘤	深度学习	人工神经网络	医学图像	NA	NA	NA	诊断准确性	NA
9653	2025-12-07	Motion-Informed Deep Learning for Human Brain Magnetic Resonance Image Reconstruction Framework 2026-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70209 PMID:41350123	研究论文	提出了一种结合运动模块的深度学习MRI重建框架，以同时加速成像并校正运动伪影	首次在深度学习图像重建模型中显式建模运动，通过集成运动模块实现运动检测与校正，使模型具有“运动感知”能力	未明确说明模型在极端运动情况下的性能或泛化能力到不同MRI扫描协议	开发一种能够同时处理欠采样伪影和运动伪影的磁共振图像重建方法	人类大脑磁共振图像	计算机视觉	NA	磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
9654	2025-12-07	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2025-Dec-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	本文提出了一种用于低剂量CT去噪的多尺度残差密集Transformer生成对抗网络（MRDT-GAN），旨在增强噪声抑制并保留解剖细节	引入了多尺度残差密集Transformer块（MRDTB）和混合注意力模块（HAM），结合多尺度策略和长程依赖捕获，以解决过平滑和细节丢失问题	未明确提及模型在极端噪声水平或不同扫描协议下的泛化能力限制	开发一个低剂量CT去噪框架，以提升图像质量并支持下游诊断任务	低剂量CT图像	计算机视觉	NA	CT成像	GAN, Transformer	图像	使用NIH-AAPM-Mayo Clinic LDCT数据集和真实世界数据集进行验证	NA	MRDT-GAN, Multi-Scale Residual Dense Transformer Block (MRDTB), Patching Transformer Block (PTB), Hybrid Attention Module (HAM)	NA	NA
9655	2025-12-07	Cloud-enabled automatic modulation classification using deep feature fusion and Moth-Flame Optimized ELM approach 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30753-4 PMID:41350379	研究论文	本文提出了一种基于云环境的自动调制分类方法，通过深度特征融合和飞蛾火焰优化的极限学习机来提高分类准确性和可靠性	结合预训练深度学习模型提取特征，并使用飞蛾火焰优化算法优化极限学习机的隐藏节点参数，同时引入可解释AI技术分析模型预测	NA	开发一种鲁棒的自动调制分类方法，以提高在云环境中的分类准确性和可靠性	无线通信信号	机器学习	NA	自动调制分类	极限学习机	信号数据	NA	NA	Inception V3, ResNet 50, VGG 16	准确率, 敏感性, 特异性	云虚拟机（vCPU-4/16GB RAM, vCPU-8/32GB RAM, vCPU-16/64GB RAM）
9656	2025-12-07	Development of a YOLOv8-based deep learning model for detecting and segmenting dental restorations and dental applications in panoramic radiographs of mixed dentition 2025-Dec-05, British dental journal IF:2.0Q2 DOI:10.1038/s41415-025-9009-4 PMID:41350931	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在混合牙列期儿童的全景X光片中检测和分割六种类型的牙齿修复体与应用	首次将YOLOv8模型应用于混合牙列期儿童全景X光片中多种牙齿修复体的自动检测与分割任务	牙套的检测性能较低（F1分数仅0.46），模型在特定修复体类型上的泛化能力有待提升	开发用于牙齿修复体自动检测与分割的深度学习模型，辅助儿科牙科诊断	混合牙列期儿童的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2033张全景X光片	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
9657	2025-12-07	Deep learning approach for crop-weed segmentation in peanut cultivation using PSPEdgeWeedNet 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24174-6 PMID:41339372	研究论文	本文提出了一种名为PSPEdgeWeedNet的新型边缘感知深度学习架构，用于花生种植中作物与杂草的精确语义分割	PSPEdgeWeedNet引入了专门的边缘检测分支，以增强边界定位并改善相邻植被类别之间的划分，与传统的PSPNet及其边界感知变体相比具有创新性	未明确提及研究的局限性	提高花生种植中作物与杂草的精确语义分割，以增强自动化杂草检测系统的鲁棒性和准确性	花生种植田中的作物和杂草	计算机视觉	NA	多光谱成像	CNN	图像	未明确提及样本数量，但使用了精心策划的花生田数据集	未明确提及	PSPEdgeWeedNet, PSPNet, SegNet, UNet, DeepLabv3, Swin-Unet, ViT	IoU, 精确率, 召回率, F1分数	未明确提及
9658	2025-12-07	Multi-stage deep learning framework for robust recognition of overlapping and faded handwritten text in bank cheques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28764-2 PMID:41339665	研究论文	本文提出了一种多阶段深度学习框架，用于准确识别银行支票上重叠和褪色的手写文本	采用混合方法结合伪字母与基于高度的分割来识别重叠文本，并使用基于Sigmoid增长余弦互映射池化的卷积神经网络进行真伪分类，实现了高准确率	未明确说明框架在极端褪色或复杂重叠情况下的泛化能力，且可能依赖于特定预处理步骤	开发一个鲁棒的自动识别系统，以解决银行支票上手写文本的重叠和褪色问题	银行支票上的手写文本，包括日期、签名、姓名和金额等关键字段	计算机视觉	NA	边缘检测、轮廓构建、纹理修复	CNN	图像	NA	NA	Nanonet, Sigmoidal Growing Cosine Intermap Pooling-based CNN	分类准确率	NA
9659	2025-12-07	Multi-branch low-light image iterative enhancement network 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26962-6 PMID:41339675	研究论文	本文提出了一种多分支低光照图像迭代增强网络（MBLLIE-Net），用于解决低光照条件下图像亮度不足、分辨率低和细节丢失的问题	采用多分支架构处理不同深度和尺度的特征，引入空间循环单元（SRU）捕获长距离空间关系，并提出自适应感受野通道注意力（ARFCA）模块动态调整感受野以增强特征选择	未明确提及模型在极端低光照或噪声极高场景下的性能限制	提升低光照图像的质量，包括亮度、细节和色彩保真度的恢复	低光照条件下捕获的图像	计算机视觉	NA	深度学习	CNN	图像	未明确提及具体样本数量	未明确提及具体框架	多分支编码器-解码器架构	定量指标和人类感知评估	未明确提及具体计算资源
9660	2025-12-07	ECG-based deep learning for chronic kidney disease detection and cardiovascular risk prediction 2025-Dec-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03278-z PMID:41339870	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型，用于慢性肾脏病（CKD）的检测和心血管风险预测	首次利用深度学习模型从心电图中识别慢性肾脏病风险，即使在实验室异常出现前也能预测CKD及其并发症，相比仅依赖eGFR分类，能更有效地预测不良心血管结局	研究为回顾性设计，可能存在选择偏倚；外部验证仅来自一家社区医院，需更多样化人群验证；模型性能虽好，但临床实际应用效果需进一步前瞻性研究确认	开发并验证基于心电图的深度学习模型，用于早期慢性肾脏病检测和心血管风险分层	门诊患者的心电图数据和估计肾小球滤过率（eGFR）数据	机器学习	慢性肾脏病	心电图（ECG）分析	深度学习模型（DLM）	心电图（ECG）信号	开发集：49,632名患者的72,618份ECG；内部验证：16,955名非重叠患者；外部验证：10,476名社区医院患者	NA	NA	AUC	NA