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
1781	2026-09-18	OpenLM: an open-source pixel super-resolution platform for lens-free microscopy with applications in bacterial growth monitoring and deep learning-based bacterial detection 2025-12-02, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc00719d PMID:41170835	研究论文	本文提出了一个开源的像素超分辨率无透镜显微镜平台OpenLM，用于细菌生长监测和基于深度学习的细菌检测。	1. 构建了一个由低成本商用组件（Raspberry Pi相机、光学滤光片、LED阵列、Raspberry Pi板）组成的开源无透镜显微镜平台；2. 集成了像素超分辨率算法，结合多角度LED照明显著提升分辨率；3. 提供了适用于Raspberry Pi OS和Windows的图形界面；4. 应用于细菌菌落长时间成像和基于YOLO的早期检测。	摘要中未明确提及。	开发一个经济、易用、可扩展的无透镜显微镜平台，以克服传统细菌监测成像系统体积大、成本高、操作复杂的问题，并验证其在细菌生长监测和检测中的应用。	细菌菌落（文中具体提及“() colony”，可能为大肠杆菌等）	计算机视觉, 数字病理学	NA	无透镜显微镜, 像素超分辨率, 多角度LED照明	YOLO	图像	NA	NA	YOLO	NA	Raspberry Pi 板, Raspberry Pi 相机
1782	2026-09-18	Image-based cotton leaf disease diagnosis using YOLO and faster R-CNN techniques 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28549-7 PMID:41326482	研究论文	本文提出了一种结合YOLOv5和Faster R-CNN的CLD-Net框架，用于棉花叶片病害的实时检测与分类。	将YOLOv5的实时检测能力与Faster R-CNN的区域提议精度相结合，专门针对不同环境条件下的叶片病害检测。	未明确说明，可能包括数据集规模、环境多样性或实际部署的挑战。	解决棉花叶片病害早期检测中人工方法慢、自动化方法精度低和实时性差的问题。	棉花叶片病害。	计算机视觉	植物病害	深度学习目标检测	CNN	图像	未明确说明，使用了一个 curated 棉花叶片图像数据集。	NA	YOLOv5, Faster R-CNN	准确率	NA
1783	2026-09-18	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111169 PMID:41033356	研究论文	该研究基于3D剂量分布、CT影像和危及器官分割数据，构建深度学习NTCP模型，用于预测头颈癌患者放疗后晚期吞咽困难，并与传统NTCP模型进行比较	利用3D剂量分布、CT扫描和危及器官分割数据构建3D深度学习NTCP模型（残差网络），而非传统模型中使用离散剂量参数，并通过注意力图揭示与吞咽困难相关的关键解剖区域	摘要中未明确提及研究局限性	利用3D深度学习NTCP模型提升头颈癌患者放疗后晚期吞咽困难的预测性能，并与传统NTCP模型进行对比	头颈癌（HNC）患者	数字病理学	头颈癌	NA	CNN	图像	1484例头颈癌患者的多机构队列	NA	ResNet	AUC, 校准曲线	NA
1784	2026-09-18	Deep learning-based classification of benign and malignant breast microcalcifications in mammography 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27149-9 PMID:41315645	研究论文	该研究系统比较了ResNet和EfficientNet系列深度学习模型在乳腺钼靶微钙化良恶性分类中的性能	首次在乳腺钼靶微钙化分类任务中系统比较了多种ResNet和EfficientNet架构，并采用配对Wilcoxon符号秩检验评估模型间差异的统计显著性，同时发现轻量级EfficientNet-B0在准确率与推理效率之间提供了更优的权衡	研究未提及外部验证集的使用，样本来源和多样性可能有限，且未详细说明数据采集的设备差异和临床可推广性	系统评估和比较不同深度学习架构在乳腺钼靶微钙化良恶性分类中的性能，以支持轻量级模型在真实诊断工作流中的应用	3,674张标记为BI-RADS 1-2或5-6的乳腺钼靶切片	计算机视觉	乳腺癌	乳腺钼靶成像	CNN	图像	3,674张乳腺钼靶切片	NA	ResNet-50, ResNet-101, EfficientNet-B0, EfficientNet-B1, EfficientNet-B2, EfficientNet-B3, EfficientNet-B4	准确率, AUC, 加权F1分数, Wilcoxon符号秩检验	NA
1785	2026-09-18	Power quality disturbance identification using hybrid deep learning in renewable energy systems 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28291-0 PMID:41315829	研究论文	本文提出一种混合深度学习方法，结合连续小波变换尺度图、ResNet、VGG-Net、邻域成分分析和支持向量机，用于风能-太阳能光伏混合系统中的电能质量扰动识别	将CWT尺度图与ResNet和VGG-Net深度神经网络结合，并利用NCA进行特征降维和SVM进行分类，形成混合深度学习框架用于电能质量扰动诊断	仅在仿真环境下使用IEEE 9节点和IEEE 13节点测试系统验证，未在真实电网环境中测试	提高风能-太阳能光伏混合可再生能源系统中电能质量扰动的识别准确率	风能-太阳能光伏混合系统中的电能质量扰动信号	机器学习	NA	连续小波变换、邻域成分分析、支持向量机	CNN、SVM	图像、信号	IEEE 9节点测试系统和IEEE 13节点测试系统的仿真数据	MATLAB/Simulink	ResNet、VGG-Net、支持向量机	准确率、精确率、召回率	NA
1786	2026-09-18	Mental health assessment model for college students based on facial expression recognition 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29461-w PMID:41298755	研究论文	本文提出了一种基于面部表情识别与深度学习技术的大学生心理健康评估模型，通过双分支结构融合动态和静态面部表情信息以提高识别准确率和效率	提出双分支结构模型，使用分层滑动窗口Transformer和光流图提取动态特征，MobileViT融合卷积和注意力提取静态峰值帧特征，并通过交叉注意力模块实现跨分支特征交互与融合，同时兼顾动态和静态面部表情信息	摘要中未明确提及该研究的具体局限性	实现大学生心理状态的快速、客观识别，为高校心理健康预警系统提供智能技术支持	大学生的面部表情数据	计算机视觉	心理疾病	面部表情识别，深度学习	Transformer, MobileViT, 交叉注意力	图像，视频	NA	NA	分层滑动窗口Transformer，MobileViT	准确率，F1值，AUC值，平均响应时间，训练时间	NA
1787	2026-09-18	Traditional cloud pattern classification algorithm based on semi-supervision with Random Line Augment 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29225-6 PMID:41298891	研究论文	本文提出了一种基于半监督学习和随机线条增强的传统云纹图案分类算法，用于解决同一类别下不同类型图案的分类难题。	提出了一种新的数据增强策略随机线条增强（RLA），并引入WideResNet作为骨干网络，通过增加特征通道数全面捕捉云纹图案图像的局部细节特征，在半监督学习框架下实现高精度分类。	未明确提及	解决传统云纹图案在同一类别下不同类型图案的分类难题，实现少量标注下的高精度分类。	传统云纹图案（TCP），具有复杂结构和众多类型。	计算机视觉	NA	NA	CNN	图像	NA	NA	WideResNet	准确率	NA
1788	2026-09-18	Software cost estimation using TabNet and Harris Hawks Optimization 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29908-0 PMID:41298997	研究论文	本文提出了一种结合TabNet和哈里斯鹰优化（HHO）的混合模型，用于软件成本估算，并在多个标准数据集上验证了其性能	将TabNet深度学习架构与哈里斯鹰优化算法结合用于特征工程，并采用基于SHAP的可解释AI技术分析特征贡献	未明确提及	提高软件成本估算的准确性，通过特征选择和深度学习模型优化预测性能	软件项目成本数据，包括COCOMO、NASA、Desharnais、China、Albrecht等数据集	机器学习	NA	NA	TabNet, 哈里斯鹰优化	表格数据	未明确提及	NA	TabNet	均方误差, 均方根误差, 平均绝对误差, 中位数相对误差, 预测准确率	NA
1789	2026-09-18	A deep learning pipeline for detecting vestibular schwannoma patients with unilateral vestibular loss based on kinematic data 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29776-8 PMID:41291198	研究论文	该研究开发了一种基于深度学习分类器的模型，利用标准步态任务中收集的运动学数据，区分前庭神经鞘瘤患者与年龄匹配的健康对照者。	利用深度学习从运动学数据中检测传统临床评估无法发现的早期代偿性运动模式，特别是在手腕和躯干传感器区域；强调数据集规模和多样性对模型性能的重要性。	样本量相对较小，模型准确率有限（最高0.74），可能受限于数据采集条件和患者群体异质性。	开发一种深度学习分类器，基于运动学数据检测前庭神经鞘瘤患者，尤其是在临床评分正常时识别细微的平衡和协调障碍。	前庭神经鞘瘤患者和年龄匹配的健康对照者。	机器学习	前庭神经鞘瘤	惯性测量单元（IMU）运动学数据采集	CNN	运动学数据（来自IMU传感器）	未明确具体样本数，但涉及前庭神经鞘瘤患者和年龄匹配的健康对照者	NA	卷积神经网络（CNN）	准确率	NA
1790	2026-09-18	Deep Learning-Driven Early Diagnosis of Respiratory Diseases using CNN-RNN Fusion on Lung Sound Data 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28832-7 PMID:41286281	研究论文	本文提出了一种基于CNN和RNN融合的深度学习算法，用于肺音分析，实现呼吸系统疾病的早期诊断	融合CNN和RNN架构处理肺音数据，结合Mel频谱图特征提取和LSTM时序建模，并使用Grad-CAM提供可解释性可视化	未明确说明模型的泛化能力、计算复杂度或临床部署的可行性	利用深度学习技术通过肺音分析实现呼吸系统疾病的早期检测和分类	Coswara和ICBHI数据集中的肺音记录，涵盖健康个体及肺炎、哮喘、COPD患者	机器学习	呼吸系统疾病	肺音分析，Mel频谱图	CNN, RNN, LSTM	音频（肺音）	NA	NA	CNN, LSTM	准确率, 灵敏度, 特异性, F1分数, 精确率, 召回率	NA
1791	2026-09-18	The role of data augmentation and attention mechanisms in UNet and ConvNeXt architectures for optimizing breast tumor segmentation 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29841-2 PMID:41286401	研究论文	本文系统分析了UNet+ConvNeXt Tiny架构不同配置（数据增强、跳跃连接、注意力机制、dropout率）对乳腺肿瘤分割性能的影响，并在BUSI数据集上训练后在BUS-UCLM数据集上交叉评估	全面评估了UNet+ConvNeXt Tiny架构中数据增强、注意力机制、跳跃连接和dropout率的组合影响，并进行了跨数据集评估，揭示了注意力机制与dropout（0.5）结合能显著提升泛化能力，同时指出激进的几何变换数据增强可能扭曲超声图像解剖结构导致分割质量下降	某些数据增强技术（尤其是激进几何变换）会扭曲超声图像的解剖结构，导致分割质量下降；数据增强单独使用不一定能提升性能，有时甚至导致不稳定；仅在两个数据集上进行了评估	优化乳腺肿瘤分割性能，探究UNet+ConvNeXt Tiny架构中数据增强、注意力机制、跳跃连接和dropout率的最佳配置，并评估跨数据集泛化能力	乳腺肿瘤超声图像	计算机视觉, 医学图像分割	乳腺癌	超声成像	CNN	图像	BUSI数据集和BUS-UCLM数据集（具体样本量未在摘要中提及）	NA	UNet, ConvNeXt Tiny	F1分数, 精确率, IoU, 召回率, Dice系数	NA
1792	2026-09-18	Using a dynamic arithmetic optimization approach to improve ridgelet neural network performance in remote sensing scene classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28490-9 PMID:41271988	研究论文	本文提出了一种动态算术优化算法（DAOA）来优化Ridgelet神经网络（RNN）的超参数，用于遥感场景分类	提出了一种新的动态算术优化算法（DAOA），用于自动搜索Ridgelet神经网络（RNN）的最优超参数，以提高遥感场景分类的性能	未明确提及	提高遥感场景分类的准确性和效率	遥感场景图像	计算机视觉	NA	NA	Ridgelet神经网络（RNN）	图像	UC Merced Land Use公开数据集（具体样本量未提及）	NA	Ridgelet神经网络	NA	NA
1793	2026-09-18	Deep learning algorithm for predicting rapid progression of abdominal aortic aneurysm by integrating CT images and clinical features 2025-Nov-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22167-z PMID:41184332	研究论文	该研究开发并验证了一种端到端的多模态深度学习模型，通过整合CT图像、几何特征和临床特征来预测腹主动脉瘤的快速进展。	创新点在于构建了融合CT图像（ResNet提取特征）、放射组学几何特征和临床特征的多模态深度学习模型，显著提升了腹主动脉瘤快速进展的预测性能，优于仅使用临床数据或几何特征的传统机器学习模型。	摘要中未明确提及局限性，但作为回顾性研究，可能存在选择偏倚，且未提及外部验证或前瞻性验证。	提高腹主动脉瘤快速进展的预测准确性，以改善患者特异性风险分层，优化临床干预时机。	561名腹主动脉瘤患者，来自Boramae医疗中心和首尔国立大学医院，包含14,252张标注的CT轴位图像及详细临床信息。	医学影像分析，深度学习	腹主动脉瘤	CT成像，放射组学	多模态深度学习，ResNet	图像，临床数据，几何特征	561名患者，14,252张CT图像	NA	ResNet	AUC，准确率，DeLong检验	NA
1794	2026-09-18	A personalized federated learning-based glucose prediction algorithm for high-risk glycemic excursion regions in type 1 diabetes 2025-Nov-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22316-4 PMID:41184401	研究论文	提出了一种基于个性化联邦学习的血糖预测算法，通过新型Hypo-Hyper损失函数和FedGlu模型，在保护数据隐私的同时提高1型糖尿病血糖波动区域的预测准确性	1. 提出新型Hypo-Hyper（HH）损失函数，根据血糖范围对误差进行惩罚，在极端区域给予更高惩罚；2. 提出FedGlu联邦学习框架，允许在不共享敏感数据的情况下进行协作学习；3. 将HH损失函数与联邦学习框架结合，同时解决血糖波动预测和数据隐私两大挑战	摘要中未明确提及研究局限性	同时提供血糖波动区域（低血糖和高血糖）的准确血糖预测，并解决数据隐私问题	125名1型糖尿病患者的连续血糖监测数据	机器学习	糖尿病	连续血糖监测（CGM）	联邦学习模型	时间序列数据（血糖监测数据）	125名1型糖尿病患者	NA	FedGlu	均方误差（MSE）、血糖波动检测改善率	NA
1795	2026-09-18	Classification and Segmentation of Mucus Morphology Using Deep Learning During Diagnostic Nasal Endoscopy 2025-11, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70004 PMID:40879571	研究论文	该研究应用预训练的深度学习模型对诊断性鼻内镜中遇到的黏液形态进行分类和分割	首次在鼻腔环境下客观分类黏液形态，并证明预训练深度学习模型能够对鼻内镜中的黏液形态进行分割和分类	摘要未提及具体限制，可能包括样本量有限、单中心数据、缺乏外部验证等	探索深度学习在鼻内镜中黏液形态分类和分割中的应用，以支持鼻窦炎症的检测	鼻内镜图像中的黏液形态	计算机视觉	鼻窦炎	NA	NA	图像	NA	NA	NA	NA	NA
1796	2026-09-18	AI in drug repurposing for cancer therapies 2025-Nov, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003893 PMID:41180633	评论	本文探讨了人工智能在癌症治疗药物重定位中的应用，强调了其变革潜力、成功案例以及挑战和伦理考量	强调了AI驱动方法（包括机器学习和深度学习）在分析大规模数据集以发现隐藏的药物-疾病关系、预测药物疗效和优化治疗组合方面的变革潜力	需要稳健的验证和监管监督以确保患者安全和疗效，但未具体讨论其他限制	强调AI在癌症治疗药物重定位中的变革潜力，并讨论整合AI的挑战和伦理考量	现有药物及其潜在的抗癌特性	机器学习	癌症	NA	NA	NA	NA	NA	NA	NA	NA
1797	2026-09-18	DRCNN-Lesion Proxy: a hybrid CNN with lesion-inspired feature simulation for diabetic retinopathy severity classification 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21337-3 PMID:41168219	研究论文	提出一种结合ResNet34骨干网络与病灶代理模块的混合CNN架构，用于糖尿病视网膜病变严重程度的分类。	引入病灶代理模块，在不依赖显式病灶边界框标注的情况下模拟病灶启发式特征，并将全局图像级特征与病灶启发式特征进行晚期融合，实现标注轻量化的多分类DR严重程度预测。	使用复合数据集训练，可能引入数据集间异质性；眼科医生验证仅涉及3位医生、20例样本，规模较小；未详细报告计算资源与模型效率。	解决现有深度学习模型在早期DR分级中未充分利用病灶线索以及基于检测的模型需要昂贵病灶标注的问题。	糖尿病视网膜病变眼底图像，来自EyePACS、Messidor-2、APTOS 2019、DDR、DIARETDB1、IDRiD六个公开基准数据集。	计算机视觉	糖尿病视网膜病变	深度学习、迁移学习、Grad-CAM可视化、统计显著性检验	CNN	图像	复合数据集训练，六个公开基准数据集评估；眼科医生验证20例	NA	ResNet34, Lesion Proxy Module, late fusion classification head	准确率, F1分数, AUC, Grad-CAM可视化评估, 眼科医生评分	NA
1798	2026-09-18	FISM: harnessing deep learning and reinforcement learning for precision detection of microaneurysms and retinal exudates for early diabetic retinopathy diagnosis 2025-Oct-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00485-2 PMID:41168809	研究论文	本文提出了一种名为FISM的深度学习模型，结合强化学习，用于精确检测糖尿病视网膜病变中的微动脉瘤和视网膜渗出物	FISM模型基于Segment Anything Model（SAM）架构，专门整合了transformer层和patch embedding技术，同时结合强化学习引导感兴趣区域的探索，采用迁移学习和领域特定微调以及定制损失函数来优化特征提取和分割精度	NA	实现糖尿病视网膜病变的早期精确诊断，提高微动脉瘤和视网膜渗出物检测与分割的准确性和鲁棒性	眼底图像中的微动脉瘤和视网膜渗出物	计算机视觉	糖尿病视网膜病变	眼底图像分割，生成对抗网络数据增强	Transformer，生成对抗网络，强化学习	图像	超过13,000张眼底图像（来自糖尿病视网膜病变数据集DDR，包含分割和分级子集）	NA	Segment Anything Model，Transformer	准确率，精确率，召回率，F1分数，AUC，特异性，Dice系数，IoU	NA
1799	2026-09-18	Interpretable deep multimodal-based tomato disease diagnosis and severity estimation 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21611-4 PMID:41162432	研究论文	该研究提出了一种新型的多模态深度学习算法，结合图像数据与环境数据，用于番茄病害诊断和严重程度估计	整合视觉与气候输入，解决了单模态系统的局限性，并采用LIME和SHAP可解释AI技术提高模型可解释性	未在摘要中明确提及	解决传统农业解决方案效率低下的问题，提高番茄病害分类准确性和可解释性	番茄病害	计算机视觉，机器学习	植物病害	深度学习，多模态融合	CNN， RNN	图像，环境数据	未在摘要中明确提及	未在摘要中明确提及	EfficientNetB0， RNN	准确率	未在摘要中明确提及
1800	2026-09-18	Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21664-5 PMID:41162470	研究论文	本文提出了一种基于深度强化学习的双足机器人轨迹规划与控制系统，通过深度学习生成最优关节力矩序列，实现稳定行走	将深度学习驱动的轨迹规划与深度强化学习控制相结合，生成最优关节力矩序列，并在质量变化20%和长度变化5%的不确定性下展示鲁棒性	未明确说明训练时间、泛化到不同地形或机器人平台的能力，以及实际物理部署的验证情况	实现双足机器人稳定行走，最大化前进速度，最小化功率消耗，并增强稳定性以防止跌倒	双足行走机器人	机器人学	NA	深度强化学习	深度强化学习	NA	NA	NA	NA	前进速度，功率消耗，稳定性，鲁棒性（质量变化20%，长度变化5%，不同角速度扰动）	NA