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
1441	2026-01-25	Early detection of soybean mosaic virus using portable Raman spectroscopy coupled with machine learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1750535 PMID:41567393	研究论文	本研究提出了一种结合便携式拉曼光谱与机器学习算法，用于大豆花叶病毒早期非侵入性检测的方法	首次将便携式拉曼光谱与深度学习模型（1D-CNN）结合，实现了大豆花叶病毒的早期（接种后4天）检测，相比传统方法（7-10天）显著提前	研究仅针对特定大豆品种和病毒株（SC3），模型在其他品种或病毒株上的泛化能力未验证，且样本量相对有限	开发一种非侵入性、早期检测大豆花叶病毒的方法，以支持疾病预警和精准管理	抗性和易感大豆栽培品种的叶片，在不同感染阶段（接种后0、2、4、6天）采集	机器学习	植物病毒病	便携式拉曼光谱	1D-CNN, SVM, KNN, BP-ANN	光谱数据	未明确具体样本数量，但涉及抗性和易感品种在不同感染阶段的叶片光谱	未明确指定，但可能涉及TensorFlow或PyTorch（基于CNN使用）	1D-CNN	准确率	NA
1442	2026-01-25	Deep learning models for predicting heart disease risk using the UCI database: methods, performance, and clinical context 2025, American journal of cardiovascular disease DOI:10.62347/CEBK2916 PMID:41567845	研究论文	本研究利用UCI心脏病数据集开发和评估深度学习模型，用于预测心脏病风险，并与传统机器学习方法进行性能对比	首次在UCI心脏病数据集上应用深度学习模型进行风险预测，并系统性地与经典机器学习方法（如随机森林）进行性能比较，揭示了特定临床特征（如运动诱发心绞痛）的高预测价值	研究基于1988年收集的回顾性数据，样本量相对较小（1025例），且未在外部独立数据集上进行验证，可能限制模型的泛化能力	开发和评估深度学习模型以预测心脏病风险，并提升临床诊断和治疗策略	UCI心脏病数据集中的1025名患者，涵盖克利夫兰、匈牙利、瑞士和长滩V四个来源的数据	机器学习	心血管疾病	NA	深度学习模型, Random Forest	结构化临床数据	1025名患者	NA	NA	准确率	NA
1443	2026-01-25	Hybrid deep learning models for fake news detection: case study on Arabic and English languages 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1683786 PMID:41568095	研究论文	本文提出了一种结合多通道CNN和双向BiLSTM的混合深度学习模型，用于检测阿拉伯语和英语的假新闻	首次针对阿拉伯语和英语语言，集成多通道CNN和双向BiLSTM并行捕获语义和局部文本特征，并利用预训练FastText模型进行嵌入，提升了假新闻检测的准确率	研究主要基于三个基准数据集，可能未覆盖所有语言变体或新兴假新闻类型，且阿拉伯语资源限制和语言复杂性仍带来挑战	开发有效的深度学习技术以检测阿拉伯语和英语的假新闻，提升社交媒体信息的可靠性	阿拉伯语和英语的新闻文本数据	自然语言处理	NA	深度学习	CNN, BiLSTM	文本	三个基准数据集：AFND和ANS（阿拉伯语数据集）、WELFake（英语数据集）	NA	多通道CNN, 双向BiLSTM	准确率	NA
1444	2026-01-25	GeoCrack: A High-Resolution Dataset For Segmentation of Fracture Edges in Geological Outcrops 2024-Dec-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04107-0 PMID:39627257	研究论文	本文介绍了首个用于地质露头裂缝边缘分割的大规模开源标注数据集GeoCrack，并验证了其用于深度学习裂缝分割的潜力	首个大规模开源的地质露头裂缝痕迹标注数据集，为自然裂缝表征设定了新标准，并考虑了真实世界中的多种地质和地貌挑战	NA	通过提供高质量标注数据集，推进地质应用中基于深度学习的裂缝分割研究	地质露头中的裂缝痕迹	计算机视觉	NA	摄影测量	CNN	图像	来自欧洲和中东11个地点的图像，处理后得到12,158个224×224的图像-掩码对	NA	U-Net	IoU	NA
1445	2026-01-25	Deep Learning-Based Spermatogenic Staging in Tissue Sections of Cynomolgus Macaque Testes 2024-01, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233241234059 PMID:38465599	研究论文	本文开发了一种基于深度学习的模型，用于对食蟹猴睾丸组织切片中的生精小管进行生精阶段自动分期	首次将深度学习技术应用于食蟹猴睾丸组织切片的生精阶段自动分期，实现了对大量生精小管的高灵敏度、高精度和高准确度的自动化评估	所生成的阶段频率图的诊断价值尚不明确，需要进一步收集具有生精障碍的睾丸数据来验证其变异性和相关性	开发自动化工具以辅助病理学家对食蟹猴睾丸组织进行生精阶段感知的评估，并探索阶段频率图的潜在诊断价值	食蟹猴睾丸组织切片	数字病理学	生殖系统疾病	数字全玻片成像	深度学习模型	图像	6张全玻片图像，平均每张包含4938个生精小管横截面	NA	NA	灵敏度, 精确度, 准确度	NA
1446	2026-01-24	Multi-scale feature enhancement in multi-task learning for medical image analysis 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103338 PMID:41475079	研究论文	本文提出了一种基于UNet的多任务学习模型，通过集成ResFormer块和多尺度特征增强技术，同时提升医学图像分割和分类的性能	引入ResFormer块结合卷积局部上下文与Transformer长程依赖，并设计扩张特征增强模块以捕获多尺度信息，优化多任务学习中的特征表示	未明确讨论模型在计算资源受限环境下的适用性，且实验数据集的多样性和规模可能影响泛化能力	通过多任务学习提升医学图像分析中分割和分类任务的性能	医学图像数据集	计算机视觉	NA	深度学习	CNN, Transformer	图像	多个医学数据集	PyTorch	UNet, ResFormer	准确率, Dice系数	NA
1447	2026-01-24	UniStain: A unified and organ-aware virtual H&E staining framework for label-free autofluorescence images 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103335 PMID:41478227	研究论文	本文提出了一种名为UniStain的统一、器官感知的虚拟H&E染色框架，利用无标记自发荧光图像和基于提示的深度学习技术，以克服传统化学染色的局限性	提出了首个支持多组织染色的单一模型框架，引入了跨块自注意力引导机制以保持全玻片图像的风格一致性并消除拼接伪影，并发布了首个多器官AF/H&E数据集	未明确提及	开发一种无需化学染料的虚拟H&E染色方法，以替代传统耗时、有批次差异且涉及有害试剂处理的染色流程	人体组织样本的无标记自发荧光图像	数字病理学	癌症	无标记自发荧光成像	深度学习	图像	未明确提及具体数量，但涉及多器官人体组织样本	未明确提及	未明确提及	图像质量指标，视觉图灵测试	未明确提及
1448	2026-01-24	Tackling data scarcity: Synthetic tumour and mask generation to improve image segmentation 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103348 PMID:41494363	研究论文	本文提出了一种基于扩散模型的新方法，用于在真实MRI体积中生成视觉上可信的3D合成肝脏肿瘤及其对应掩模，以解决医学图像分割中的数据稀缺问题	利用扩散模型进行肿瘤合成，结合单纯形变形生成对应掩模，成功在真实MRI中植入1000个合成肿瘤，显著提升了图像分割性能	NA	解决深度学习模型在医学成像中数据需求增加与数据稀缺之间的矛盾，通过合成数据提升图像分割性能	MRI图像中的肝脏肿瘤	数字病理学	肝癌	扩散模型, 单纯形变形	扩散模型	3D MRI图像	1000个合成肿瘤	NA	扩散模型	Dice系数	NA
1449	2026-01-24	Smiling difficulties in Alzheimer's disease linked to reduced nucleus accumbens and pallidum brain volume: Deep learning insights 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103347 PMID:41506061	研究论文	本研究利用深度学习技术量化阿尔茨海默病患者微笑困难，并发现其与大脑伏隔核和苍白球体积减小相关	首次使用图像分类AI自动量化痴呆患者面部表情，揭示微笑能力与特定脑区体积的关联	未提及样本量限制或方法学局限性	探究阿尔茨海默病患者面部表情障碍的神经机制	阿尔茨海默病患者与正常认知参与者	计算机视觉	阿尔茨海默病	深度学习图像分类	CNN	面部图像	NA	NA	NA	准确率	NA
1450	2026-01-24	Early diagnosis of Alzheimer's disease based on brain morphological changes: A comprehensive approach combining voxel-based morphometry and deep learning 2026-Mar, Neuroimage. Reports DOI:10.1016/j.ynirp.2025.100315 PMID:41561144	研究论文	本文提出了一种结合基于体素的形态测量学和深度学习的综合方法，用于基于脑形态变化早期诊断阿尔茨海默病	将生物学驱动的特征整合到基于体素的形态测量学和深度学习中，而非仅依赖CNN和FCN进行特征提取，以增强神经影像数据的可解释性	未明确说明模型在独立数据集上的泛化能力或临床验证的详细结果	分析T1加权MRI和T2-Flair图像，研究轻度认知障碍患者的灰质、白质、脑脊液和白质高信号特征，以早期诊断阿尔茨海默病	轻度认知障碍患者的脑部MRI扫描图像	数字病理学	阿尔茨海默病	T1加权MRI, T2-Flair成像	CNN, FCN	图像	NA	NA	NA	NA	NA
1451	2026-01-24	The role of artificial intelligence in advancing urologic care: From diagnostics to therapeutics 2026-Mar, Surgery in practice and science IF:0.6Q4 DOI:10.1016/j.sipas.2025.100322 PMID:41561314	综述	本文综述了人工智能在泌尿外科从诊断到治疗中的应用，包括癌症和良性疾病的个体化护理	总结了人工智能在泌尿外科多疾病领域的应用潜力，并强调了未来跨学科合作、数据标准化和伦理实施的方向	数据异质性、模型可解释性、伦理问题及缺乏前瞻性验证限制了其日常实践应用	探讨人工智能在泌尿外科护理中的角色，从诊断到治疗，并定义未来发展方向	泌尿系统疾病，包括前列腺癌、膀胱癌、肾癌、良性前列腺增生、尿石症及功能性泌尿疾病（包括儿科）	机器学习	前列腺癌	机器学习，深度学习，影像组学	NA	NA	NA	NA	NA	NA	NA
1452	2026-01-24	Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3587003 PMID:40627470	研究论文	本文提出了一种基于置信度驱动的深度学习框架，用于早期膝关节骨关节炎的检测，旨在区分KL-0和KL-2阶段	该框架采用Siamese网络结构，结合了新颖的多层次特征提取架构和混合损失策略，通过全局平均池化层从不同网络深度提取特征，并使用针对高、中、低置信度样本的定制损失函数来提高模型鲁棒性和处理标注不确定性	NA	开发一个辅助诊断工具，以增强早期膝关节骨关节炎的检测并减少临床工作量	膝关节骨关节炎患者，特别是KL-0和KL-2阶段的区分	数字病理学	老年疾病	NA	Siamese网络	图像	基于骨关节炎倡议数据集	NA	Siamese网络	准确率, 灵敏度, 特异性, Cohen's kappa, McNemar's test	NA
1453	2026-01-24	AI-Driven Smart Sportswear for Real-Time Fitness Monitoring Using Textile Strain Sensors 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3588051 PMID:40658556	研究论文	本文提出了一种集成石墨烯应变传感器与深度学习框架的智能运动服系统，用于实时监测和分类运动执行质量	首次将屏幕印刷的石墨烯应变传感器与1D ResNet-18深度学习模型结合，实现了对呼吸-力量协调和肌肉激活对称性的无创同步监测	研究仅针对六种运动条件进行验证，样本多样性和运动类型覆盖范围有待扩展	开发用于实时健身监测和运动质量评估的AI驱动智能运动服系统	运动执行过程中的生理与生物力学参数	机器学习	NA	屏幕印刷石墨烯传感器技术	CNN	传感器时序数据	未明确说明具体样本数量，但涉及六种运动条件	未明确说明	1D ResNet-18	分类准确率	未明确说明
1454	2026-01-24	The Second Skin: A Wearable Sensor Suite That Enables Real-Time Human Biomechanics Tracking Through Deep Learning 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3589996 PMID:40668712	研究论文	本研究开发了一种名为'第二皮肤'的可穿戴传感器套装，结合深度学习模型，实现了对人体下肢关节运动学和动力学的实时精确估计	提出了一种任务无关、用户无关的通用传感方法，利用IMU和压力鞋垫套装收集数据，并通过深度学习模型实现对新用户和新任务的泛化能力	研究样本量较小（N=10），且任务范围主要限于建筑和危险废物清理场景，可能限制了模型的广泛适用性	研究一种能够实时精确估计人体下肢关节状态的方法，以推动生物力学研究并应用于生物反馈和可穿戴机器人控制	人体下肢关节（下背部、髋关节、膝关节、踝关节）的运动学和动力学参数	机器学习	NA	惯性测量单元（IMU）、压力鞋垫传感	深度学习模型	传感器数据（IMU和压力数据）	10名参与者，涵盖33种常见任务	NA	NA	均方根误差（RMSE）	NA
1455	2026-01-24	BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3590258 PMID:40674200	研究论文	本文提出了一种基于深度学习的静息态功能磁共振成像（rs-fMRI）的群体水平大脑分区方法，旨在减少先前方法的模型假设	开发了Brain Deep Embedded Clustering（BDEC）模型，采用专门设计的损失函数以最大化类间分离和增强类内相似性，从而促进功能一致的大脑区域形成	NA	开发一种稳健的群体水平大脑分区方法，用于大脑网络分析和rs-fMRI数据的降维	人类大脑皮层	机器学习	NA	静息态功能磁共振成像（rs-fMRI）	深度聚类模型	图像（rs-fMRI数据）	NA	NA	Brain Deep Embedded Clustering（BDEC）	功能同质性指标、分区有效性、下游任务表现、任务异质性、泛化能力	NA
1456	2026-01-24	Predicting Traumatic Brain Injury Post-Trauma Using Temporal Attention on Sleep-Wake Data 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3592009 PMID:40705576	研究论文	本研究利用深度学习模型分析创伤性脑损伤（TBI）后早期睡眠/觉醒数据，以识别TBI阳性病例	首次将时间注意力机制应用于TBI后睡眠/觉醒数据，确定创伤后前7天为最佳识别时间窗口	模型特异性较低（如7天数据特异性仅25%），且样本仅基于急诊科患者，可能缺乏普适性	探索睡眠/觉醒行为作为TBI生物标志物的潜力，并确定最佳监测时间窗口	2000多名急诊科患者（包括TBI阳性和阴性病例）的每日纵向睡眠/觉醒数据	机器学习	创伤性脑损伤	血液生物标志物检测（GFAP蛋白）	深度学习模型	时间序列数据（睡眠/觉醒模式）	超过2000名急诊科患者	NA	时间注意力模型	灵敏度, 特异性, F1分数	NA
1457	2025-09-15	A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathologic images 2026-Feb, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2025.09.010 PMID:40945744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1458	2026-01-24	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-Feb, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	本研究通过整合病理切片图像与临床记录，开发了一种基于Transformer的多模态深度学习模型，用于预测结直肠息肉5年进展风险	首次将Transformer架构应用于结直肠息肉病理图像分析，并创新性地通过多模态融合策略整合临床记录与深度学习图像特征，显著提升了风险预测性能	研究数据来源于单一注册中心（新罕布什尔结肠镜注册库），可能存在人群选择偏倚；模型性能仍有提升空间（AUC 0.672）	改进结直肠癌筛查和风险评估方法，实现更准确的息肉进展风险分层	结直肠息肉患者的病理切片图像和临床记录数据	数字病理学	结直肠癌	数字病理学、深度学习	Transformer	病理切片图像、临床记录	来自新罕布什尔结肠镜注册库的纵向随访数据（具体样本数未在摘要中说明）	未明确说明	Transformer	AUC（受试者工作特征曲线下面积）	未明确说明
1459	2026-01-24	Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging 2026-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.030 PMID:41206269	研究论文	本研究评估了一种基于深度学习的降噪算法在经导管主动脉瓣植入术前CT成像中，对冠状动脉图像质量和诊断准确性的影响	应用深度学习降噪技术于TAVI术前CT成像，显著提升了冠状动脉评估的图像质量，同时保持了诊断准确性	研究为回顾性设计，且未明确说明深度学习算法的具体架构或训练细节	评估深度学习降噪技术对TAVI术前CT冠状动脉图像质量及诊断准确性的影响	200名患有严重主动脉瓣狭窄并接受TAVI术前CT扫描的患者	医学影像分析	心血管疾病	CT成像	深度学习降噪算法	CT图像	200名患者，共分析800条血管和1787个节段	NA	NA	信噪比, 对比噪声比, 噪声水平, AUC, 准确率, 灵敏度, 特异性	NA
1460	2026-01-24	Deep Learning in Vertebral Fracture Detection: Systematic Review and Meta-analysis of Subject- vs. Vertebra-Level Approaches 2026-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.023 PMID:41353070	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在椎体骨折检测中主体层面与椎骨层面方法的性能差异	首次在椎体骨折检测领域区分主体层面与椎骨层面深度学习方法的性能，并量化关键技术和数据因素对模型表现的影响	纳入研究的方法学质量存在差异，61%的研究存在患者选择偏倚的高风险，且外部验证会降低敏感性	评估深度学习算法在椎体骨折检测中的性能，为临床任务选择提供证据指导	椎体骨折检测的深度学习算法	医学影像分析	椎体骨折	深度学习	深度学习模型	图像	36项研究，涉及96,956名患者和171,552张图像	NA	NA	敏感性, 特异性, AUC	NA