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
141	2026-01-28	Hybridizing Expressive Rendering: Stroke-Based Rendering With Classic and Neural Methods 2026 Jan-Feb, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3624600 PMID:41587263	研究论文	本文分析并比较了经典非真实感渲染与基于神经网络的渲染技术，特别关注基于笔触的渲染，并提出一个结合两者的框架以拓展表达性渲染的可能性	提出一个结合经典非真实感渲染方法与神经网络技术的混合框架，旨在融合两者的优势，为表达性渲染开辟新途径	NA	探索经典与神经网络非真实感渲染技术的异同，并研究如何整合它们以增强渲染质量和艺术控制	非真实感渲染技术，特别是基于笔触的渲染方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
142	2026-01-28	Temporal Memory Mechanisms and Biome-Specific Drivers of Ecosystem Carbon Flux: Insights From Explainable Deep Learning Modeling 2026-Jan, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70722 PMID:41589685	研究论文	本研究开发了一个可解释的LSTM-Attention框架，用于揭示北美八个不同生物群落生态系统碳通量响应的时间依赖性及其环境驱动因素	首次将LSTM网络、注意力机制和基于梯度的归因方法相结合，构建了一个可解释的深度学习框架，用于识别生态系统碳通量响应的时间记忆模式和生物群落特异性环境驱动因素	研究仅基于北美71个站点的涡度协方差通量测量数据，可能无法完全代表全球其他地区的生态系统	探究不同生物群落生态系统碳通量动态的时间依赖性及其环境驱动机制	北美八个生物群落的生态系统碳通量	机器学习	NA	涡度协方差通量测量	LSTM, Attention	时间序列数据	来自8个生物群落的71个站点的通量测量数据	TensorFlow, PyTorch, Keras	LSTM-Attention	Kendall's Tau	NA
143	2026-01-28	A Structure-Based Deep Learning Framework for Correcting Marine Natural Products' Misannotations Attributed to Host-Microbe Symbiosis 2026-Jan-01, Marine drugs IF:4.9Q1 DOI:10.3390/md24010020 PMID:41590718	研究论文	本文开发了一种基于结构的深度学习框架，用于纠正因宿主-微生物共生关系导致的海洋天然产物来源标注错误	提出了一种结合两步数据清洗策略与微生物预训练图神经网络的工作流程，首次系统性地对海洋天然产物数据库进行来源分类和错误标注校正	模型性能依赖于现有数据库的标注质量，且仅针对海洋天然产物数据集进行验证	开发一个可扩展的质量控制框架，以提高海洋天然产物数据库的准确性，支持更精确的生物合成基因簇追踪和AI驱动的药物发现	海洋天然产物（MNPs），特别是CMNPD和NPAtlas数据库中的化合物	机器学习	NA	图神经网络，结构分析	GNN	化学结构数据	CMNPD和NPAtlas数据库中的化合物	NA	图神经网络	平衡准确率	NA
144	2026-01-28	Object Detection on Road: Vehicle's Detection Based on Re-Training Models on NVIDIA-Jetson Platform 2026-Jan-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010020 PMID:41590905	研究论文	本研究基于NVIDIA Jetson平台，通过重新训练SSD模型，优化了城市交通环境中的车辆检测性能	在NVIDIA Jetson Orin NX平台上评估并比较了三种SSD模型在利马市交通视频数据上的性能，并利用对比调整的数据增强技术提升了对少数类别（如三轮车和摩托车）的检测能力	研究仅针对利马市的特定交通环境，可能无法直接推广到其他城市或交通条件，且训练时间较长，特别是对于VGG16-SSD模型	在计算成本和响应时间受限的嵌入式设备上，优化车辆分类和检测应用，以平衡模型精度、嵌入式系统类型和数据集使用	城市交通环境中的车辆，包括汽车、三轮车和摩托车等	计算机视觉	NA	深度学习，数据增强（对比调整）	SSD	视频	从利马市交通视频中获取并手动标注的数据集	TensorFlow, PyTorch	MobileNetV1-SSD, MobileNetV2-SSD-Lite, VGG16-SSD	平均精度（mAP）	NVIDIA Jetson Orin NX 16 GB平台
145	2026-01-28	Subclinical Atrial Fibrillation Prediction in Patients with CIED by a Novel Deep Learning Framework 2025-Dec-30, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13010018 PMID:41590845	研究论文	本研究开发了一种名为ResKAN-Attention的新型深度学习框架，仅使用常规临床数据来预测心脏植入式电子设备（CIED）患者的亚临床心房颤动（SCAF）	提出了一种结合Kolmogorov-Arnold网络（KAN）与多层感知机的双路径架构，并通过交叉注意力机制融合，同时通过知识蒸馏生成了临床可用的风险评分系统	研究为回顾性设计，样本量相对较小（124名患者），需要在更大规模的前瞻性队列中进行验证	开发一种利用常规临床数据预测亚临床心房颤动（SCAF）的深度学习模型，以改善心血管事件的风险分层	124名既往无房颤病史的心脏植入式电子设备（CIED）患者	机器学习	心血管疾病	NA	深度学习	临床参数	124名CIED患者（其中39名在12个月随访期内发生SCAF）	NA	ResKAN-Attention（结合Kolmogorov-Arnold Network与多层感知机的双路径架构）	AUC	NA
146	2026-01-28	Advancing Medical Decision-Making with AI: A Comprehensive Exploration of the Evolution from Convolutional Neural Networks to Capsule Networks 2025-Dec-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010017 PMID:41590902	综述	本文对应用于医学图像的卷积神经网络（CNN）和胶囊网络（CapsNet）两种深度学习架构进行了文献综述，旨在分析它们以辅助医疗决策支持	对2018年至2025年间发表的文献进行了结构化比较，重点分析了CNN和CapsNet在医学图像处理中的核心架构原理、性能与可解释性，并强调了它们在医疗决策中的互补作用	本文为文献综述，未提出新的模型或进行原始实验验证	分析并比较CNN和CapsNet在医学图像分析中的应用，以支持医疗决策	医学图像	计算机视觉	NA	NA	CNN, CapsNet	图像	基于基准数据集BraTS、INbreast、ISIC和COVIDx	NA	卷积神经网络, 胶囊网络	NA	NA
147	2025-12-31	Deep learning denoising enables rapid SEM imaging under charging conditions for FE SEM, CD SEM, and review SEM 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33273-3 PMID:41461855	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
148	2026-01-28	Adaptive Normalization Enhances the Generalization of Deep Learning Model in Chest X-Ray Classification 2025-Dec-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010014 PMID:41590899	研究论文	本研究通过对比分析不同归一化方法在胸部X光分类任务中的效果，提出了一种结合百分位ROI裁剪和直方图标准化的自适应预处理流程	提出了一种自适应预处理流程，结合了百分位ROI裁剪和直方图标准化，以增强深度学习模型在胸部X光分类中的泛化能力	在采集异质性较强的MIMIC-CXR数据集上性能提升有限	评估不同归一化方法对胸部X光分类模型泛化性能的影响	胸部X光图像	计算机视觉	NA	NA	CNN	图像	四个公开胸部X光数据集	NA	三种卷积神经网络架构	准确率, F1分数	NA
149	2026-01-28	Deep learning framework using UAV imagery for multi-disease detection in cereal crops 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33304-z PMID:41454037	研究论文	本文提出了一种基于无人机影像和混合深度学习的小麦多病害检测框架（MDDM-WD），用于自动识别多种小麦病害	采用预训练的VGG-16卷积神经网络进行深度特征提取，并结合多种机器学习分类器（如SVM、随机森林等）的混合方法，显著提升了分类性能	NA	开发一个自动化、准确且实时的病害监测系统，以支持现代精准农业	小麦作物及其病害，包括条锈病、白粉病、赤霉病（镰刀菌头枯病）和黄矮病	计算机视觉	NA	无人机影像技术	CNN, SVM, RF, DT, XGBoost, BNB	图像	NA	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
150	2026-01-28	A Hybrid Vision Transformer-BiRNN Architecture for Direct k-Space to Image Reconstruction in Accelerated MRI 2025-Dec-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010011 PMID:41590896	研究论文	本文提出了一种结合Vision Transformer和双向循环神经网络的混合双域深度学习架构，用于加速MRI中的k空间到图像的直接重建	提出了一种新颖的混合双域架构，首次将ViT自编码器与BiRNN结合，协同处理图像域和k空间域信息，直接利用k空间数据的序列特性来抑制混叠伪影	研究仅在神经MRI数据上进行评估，未在其他解剖部位或更广泛的临床数据上验证；仅使用了回顾性欠采样数据，缺乏前瞻性临床验证	开发一种鲁棒的深度学习重建方法，以解决加速MRI中的欠采样逆问题，缩短扫描时间	加速磁共振成像中的k空间数据重建	计算机视觉	NA	磁共振成像	Transformer, RNN	图像	NA	NA	Vision Transformer, BiRNN, UNet	NA	NA
151	2026-01-28	Detection and Classification of Alzheimer's Disease Using Deep and Machine Learning 2025-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12010004 PMID:41591137	研究论文	本研究提出了一种结合临床数据和MRI扫描的双模态框架，利用机器学习和深度学习模型检测和分类阿尔茨海默病	提出了一种双模态框架，整合基于症状的临床数据和MRI扫描，并引入可解释AI（XAI）如SHAP和Grad-CAM来增强模型的可解释性	未明确提及样本量、计算资源或具体的数据集细节，可能限制了结果的泛化性	早期和准确诊断阿尔茨海默病，以改善患者预后	阿尔茨海默病患者，使用临床数据和MRI扫描	机器学习, 深度学习	阿尔茨海默病	磁共振成像（MRI）	KNN, SVM, DT, RF, CNN	临床数据, 图像（MRI扫描）	NA	NA	EfficientNetB3, DenseNet-121, ResNet-50, MobileNetV2	准确率	NA
152	2026-01-28	Enhancing healthcare classification with hybrid multimedia data processing and deep learning TNBO FCNN approach in IoT-enabled environments 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33141-0 PMID:41449205	研究论文	本文提出了一种结合可调非线性贝叶斯优化和全连接神经网络的混合深度学习框架，用于物联网环境下的多模态医疗数据分类，并集成区块链技术保障数据安全	提出了一种结合TNBO优化路由与超参数、FCNN进行分类的混合深度学习框架，并首次在医疗物联网分类任务中集成区块链技术以确保数据安全与透明性	未明确说明模型在极端资源受限环境（如边缘设备）中的性能，也未详细讨论区块链集成带来的额外计算开销	解决物联网医疗系统中多模态数据分类的准确性、实时处理及数据安全问题	物联网环境中的多模态患者数据（如语音、图像、信号）	机器学习	NA	深度学习, 区块链	FCNN	多模态数据（语音、图像、信号）	NA	NA	全连接神经网络	准确率, 灵敏度, 特异性, F1分数, AUC-ROC	NA
153	2026-01-28	Optimized deep learning for Indian Classical Dance Classification a novel application based on a refined version of chameleon swarm algorithm 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33469-7 PMID:41449277	研究论文	本文提出了一种基于改进变色龙群算法优化深度信念网络的方法，用于印度古典舞蹈风格的自动分类	引入非线性自适应权重机制和伯努利混沌映射改进的变色龙群算法，优化深度信念网络的参数和架构，提升分类性能	未明确提及模型在更大规模或更多样化数据集上的泛化能力，以及计算效率的具体分析	优化深度学习模型以实现印度古典舞蹈风格的准确自动分类	印度古典舞蹈风格	计算机视觉	NA	NA	深度信念网络	视觉数据	使用印度舞蹈形式分类和Bharatnatyam舞蹈姿势两个数据集，具体样本数量未明确	NA	深度信念网络	准确率, 精确率, 灵敏度, 特异性, F1分数	NA
154	2026-01-28	Accurate Segmentation of Vegetation in UAV Desert Imagery Using HSV-GLCM Features and SVM Classification 2025-Dec-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010009 PMID:41590895	研究论文	本文提出了一种结合HSV颜色空间和GLCM纹理特征，并采用SVM分类器的机器学习方法，用于从沙漠环境的无人机图像中准确分割植被	将HSV颜色空间与GLCM纹理特征相结合用于植被分割，并针对沙漠环境（如稀疏植被、多变土壤颜色和强阴影）设计了综合的预处理和后处理流程，在挑战性环境中优于传统光谱指数方法和现代深度学习基线	处理速度相对较慢（每张图像25秒），在需要实时处理的应用中可能受限；方法在沙漠环境验证，在其他植被密集或环境不同的地区泛化能力未经验证	开发一种在具有挑战性的沙漠环境中从无人机图像中准确分割植被的鲁棒方法，以支持精准农业应用	沙漠农田中的绿色植被	计算机视觉	NA	无人机成像	SVM	图像	120张来自阿联酋沙漠农田的高分辨率无人机图像	Scikit-learn	NA	准确率, 精确率, 召回率, F1分数, IoU	NA
155	2026-01-28	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2025-Dec-24, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	研究论文	本研究利用宽场扫频源OCT血管成像技术，评估高危增殖性糖尿病视网膜病变中视网膜新生血管的基线特征，并预测其后续发生玻璃体积血或牵拉性视网膜脱离等并发症的风险	首次使用单次扫描宽场SS-OCTA结合深度学习算法自动量化视网膜新生血管膜面积和血管面积，并基于其与内界膜的轴向位置关系（抬高型vs附着型）来预测高危PDR的并发症	样本量较小（18只眼），随访时间中位数为291天，且为单中心前瞻性病例系列研究，需要更大规模的多中心研究验证	评估宽场SS-OCTA衍生的视网膜新生血管指标能否预测高危增殖性糖尿病视网膜病变患者发生视力威胁性并发症的风险	临床分级为高危增殖性糖尿病视网膜病变的眼球	数字病理学	糖尿病视网膜病变	宽场扫频源光学相干断层扫描血管成像（SS-OCTA）	深度学习	OCT血管成像图像	18只高危增殖性糖尿病视网膜病变患者的眼球，随访至少6个月	NA	NA	AUC, 敏感性, 特异性	NA
156	2026-01-28	Artificial Intelligence-Aided Microfluidic Cell Culture Systems 2025-Dec-24, Biosensors DOI:10.3390/bios16010016 PMID:41590268	综述	本文综述了人工智能辅助的微流控细胞培养系统与器官芯片平台在生理过程建模、疾病进展和药物反应研究中的应用	整合人工智能（特别是机器学习和深度学习）与微流控技术，实现自动化表型分析、预测建模和微环境的实时控制，推动系统向可解释和自主化发展	未明确提及具体技术限制，但暗示了数据异质性和分析复杂性带来的挑战	探讨人工智能如何增强微流控细胞培养系统和器官芯片平台的分析能力，以支持精准医疗和生物医学研究	微流控细胞培养系统、器官芯片平台及其生成的多参数数据集	机器学习	癌症	高分辨率成像、集成传感器、生化检测	机器学习, 深度学习	图像, 多模态数据	NA	NA	NA	准确率	NA
157	2026-01-28	Advances in AI-Driven EEG Analysis for Neurological and Oculomotor Disorders: A Systematic Review 2025-Dec-24, Biosensors DOI:10.3390/bios16010015 PMID:41590267	系统综述	本文系统综述了人工智能在脑电图分析中用于神经和眼动障碍诊断、分类和监测的最新进展	系统性地综合了过去十年中机器学习和深度学习技术在脑电图分析中的应用趋势，突出了方法学进展和共同挑战	纳入研究存在样本量小、数据集异质性强和外部验证有限等普遍局限	评估人工智能驱动的脑电图分析在神经和眼动障碍评估中的当前方法和未来方向	神经和眼动相关障碍	机器学习	神经疾病	脑电图	机器学习,深度学习	脑电图信号	NA	NA	NA	NA	NA
158	2026-01-28	Acoustic-based fault diagnosis of electric motors using Mel spectrograms and convolutional neural networks 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33269-z PMID:41436569	研究论文	本研究提出了一种基于梅尔频谱图和轻量级卷积神经网络的深度学习框架，用于诊断电动机的声学故障	采用文件级分割、会话分离和交叉验证来防止数据泄露，并利用梅尔频谱图和轻量级CNN架构，在噪声鲁棒性分析和特征重要性可视化方面表现出色，实现了高精度且可解释的实时故障诊断	主要仅在一种电动机类型上进行了验证，尽管外部领域测试显示了强适应性，但泛化能力仍需进一步研究	开发一个高精度、可解释且高效的实时电动机故障诊断和预测性维护解决方案	电动机的三种状态：正常、损坏和重载，基于IDMT-ISA-ELECTRIC-ENGINE数据集的音频记录	机器学习	NA	声学分析，梅尔频谱图转换	CNN	音频	基于IDMT-ISA-ELECTRIC-ENGINE数据集的音频记录，具体样本数量未明确说明	未明确指定，可能为TensorFlow, PyTorch等	轻量级CNN，包含卷积、池化、归一化和丢弃层	测试准确率，THD，频谱熵，SNR	嵌入式硬件，具有低延迟和适中的参数数量
159	2026-01-28	Automated segmentation and diagnosis of parotid tumors using a combined deep learning and radiomics model on T2-weighted MRI: a multi-vendor validation study 2025-Dec-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00982-x PMID:41437107	研究论文	本研究开发并验证了一个结合深度学习和放射组学的自动化框架，用于在T2加权MRI上分割和诊断腮腺肿瘤的良恶性	提出了一个结合nnU-NetV2自动分割、ResNet18深度学习模型和放射组学特征的集成诊断框架，并进行了多厂商MRI扫描仪的外部验证	样本量相对有限（共493例），且仅基于T2加权MRI序列，未纳入多模态MRI数据	开发一个自动化、非侵入性的工具，以辅助腮腺肿瘤的临床诊断和决策	经病理证实的腮腺肿瘤患者（良性396例，恶性97例）及其T2加权MRI图像	数字病理	腮腺肿瘤	T2加权磁共振成像	CNN	医学影像	493例患者（训练集288例，内部验证集123例，外部测试集82例）	nnU-NetV2, PyTorch	nnU-NetV2, ResNet18	Dice相似系数, 交并比, 受试者工作特征曲线下面积	NA
160	2026-01-28	A comparative study of single-stage and dual-stage classification models for OPMDs 2025-Dec-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07582-y PMID:41437246	研究论文	本研究通过比较单阶段和双阶段分类模型，提出了一种用于口腔潜在恶性病变（OPMDs）和口腔癌图像识别的双阶段多分类方法，并公开了一个包含1,348张图像的高质量口腔黏膜疾病数据集	提出了一种新颖的双阶段分类模型，结合了Swin Transformer和DenseNet-169，在口腔图像识别中优于传统的单阶段分类模型	公共数据集在规模和疾病类型覆盖上通常受限，本研究通过建立新数据集部分解决了这一问题，但可能仍存在样本多样性或泛化能力的限制	比较单阶段和双阶段分类模型在口腔潜在恶性病变和口腔癌早期诊断中的性能，以提升口腔癌的识别准确率	口腔黏膜疾病图像，包括正常口腔黏膜、口腔白斑、口腔扁平苔藓、口腔黏膜下纤维化和口腔癌五类	计算机视觉	口腔癌	深度学习图像识别	CNN, Transformer	图像	1,348张口腔黏膜疾病图像	NA	DenseNet-169, EfficientNet-B0, HRNet-W18-C, Inception-V4, MixNet-S, MobileNetV3-Large, ResNet-101, Swin Transformer, ViT-B, YOLOv11l	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵	NA