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
1	2026-01-05	Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies 2026-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001218 PMID:40586610	研究论文	本研究利用深度学习模型通过PI-RADS引导的表征学习，从双参数前列腺MRI图像中学习表征，以区分PI-RADS 3分类、检测临床显著前列腺癌，并避免不必要的良性活检	采用PI-RADS引导的表征学习方法训练深度学习模型，以学习放射科医生对MRI图像的解读方式，从而在PI-RADS 3等中间风险病例中提供额外信息，改善活检决策策略	研究基于单一机构的回顾性数据，可能受限于数据多样性和泛化能力；未详细说明模型的具体架构和超参数设置	开发一种基于深度学习的活检决策模型，以区分PI-RADS 3分类、检测临床显著前列腺癌，并减少不必要的良性活检	前列腺癌患者，包括已知或疑似前列腺癌的男性，以及他们的双参数前列腺MRI图像和活检数据	数字病理学	前列腺癌	双参数前列腺MRI（T2加权和扩散加权成像）	深度学习模型，表征学习器	图像	28,263次MRI检查（来自21,938名男性），其中6,352次后续活检；训练集n=21,465，测试集包括仅PI-RADS 3病例（n=253）和所有PI-RADS病例（n=531）	NA	NA	AUC, 敏感性, 阴性预测值, 活检收益率	NA
2	2026-01-05	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞中的复杂峰电位	提出了一种结合U-Net架构与混合自注意力inception模块的序列到序列预测方法，能够整合局部场电位和动作电位信号，并实现对复杂峰电位事件的概率输出，在波形变异性和电极漂移下仍保持鲁棒性	未明确提及模型在非灵长类动物或不同脑区记录中的泛化性能，也未讨论计算资源需求或实时处理能力	开发一个自动化、可扩展的框架，用于准确检测和分类小脑浦肯野细胞中的复杂峰电位，以研究神经信息编码	恒河猴小脑神经像素记录中的浦肯野细胞复杂峰电位和简单峰电位	机器学习	NA	高密度多电极阵列记录	U-Net	神经电生理信号序列	基于恒河猴小脑神经像素记录的训练数据，具体样本数量未明确说明	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
3	2026-01-05	[Application and research progress of artificial intelligence in the diagnosis and treatment of rare lung diseases] 2026-Jan-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20250728-00445 PMID:41483922	综述	本文系统回顾了人工智能在罕见肺病诊断与治疗中的应用与研究进展	综述了从传统机器学习到深度学习、强化学习、迁移学习等多种AI技术在罕见肺病领域的综合应用，并强调了AI在疾病分类、治疗评估和预后预测中的潜在益处	NA	探讨人工智能技术在罕见肺病早期识别、精准诊断和个性化管理中的应用机会	特发性肺纤维化、囊性纤维化、特发性肺动脉高压等罕见肺病	机器学习	肺病	NA	深度学习, 强化学习, 迁移学习	NA	NA	NA	NA	NA	NA
4	2026-01-05	[Artificial intelligence empowering sports medicine] 2026-Jan-06, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20250725-01852 PMID:41483925	综述	本文综述了人工智能（特别是深度学习）在运动医学多个领域的应用与进展，包括损伤预测、影像诊断、手术辅助、康复监测和患者教育	全面整合了AI在运动医学中的跨领域应用，并强调了深度学习、计算机视觉和大语言模型等前沿技术的融合	未具体说明数据隐私、算法偏差或临床验证不足等潜在风险	探讨人工智能技术如何推动运动医学的诊断、治疗和康复范式变革	运动医学领域的临床实践、患者数据和医疗流程	计算机视觉, 自然语言处理, 机器学习	运动损伤	深度学习, 机器学习, 计算机视觉, 大语言模型	深度学习模型, 机器学习模型	影像数据, 临床数据, 文本数据	NA	NA	NA	NA	NA
5	2026-01-05	Impact of image processing techniques on deep learning-based classification accuracy of cervical vertebral maturation 2026-Jan-04, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00887-2 PMID:41484816	研究论文	本研究探讨了不同图像处理技术对深度学习模型在颈椎成熟度分类中准确性的影响	通过引入低密度图像和多种标注技术（标准标注、低密度标注、双色标注），显著提升了基于AlexNet架构的卷积神经网络在颈椎成熟度分类中的性能	数据集规模相对较小（799张头影测量X光片），且仅基于单一模型架构（AlexNet）进行评估，可能限制了结果的泛化能力	研究图像处理技术对深度学习模型在颈椎成熟度分类准确性的影响	头影测量X光片中的第二至第四颈椎（C2-C4）区域	计算机视觉	骨科相关疾病	图像处理技术（包括低密度处理、区域标注）	CNN	图像	799张头影测量X光片（641张用于训练，158张用于测试）	Neural Network Console	AlexNet	分类准确率	NA
6	2026-01-05	Peptide-functionalized membrane camouflage for endogenous H2S-induced photothermal immunotherapy of orthotopic colorectal cancer 2026-Jan-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65876-9 PMID:41484054	研究论文	本文开发了一种基于抗菌肽功能化结直肠癌细胞膜仿生平台，用于通过内源性H2S诱导的光热免疫疗法治疗原位结直肠癌	利用抗菌肽功能化的癌细胞膜封装钴基金属有机框架，通过协同调控H2S和肠道菌群，实现光热免疫联合治疗	研究主要基于小鼠模型，临床转化潜力尚需进一步验证	开发一种结合免疫调节和肠道菌群调控的新型结直肠癌治疗方法	结直肠癌小鼠模型	数字病理学	结直肠癌	金属有机框架封装、光热疗法、免疫疗法	NA	实验数据	肿瘤小鼠模型	AI深度学习	Segment Anything模型	凸包算法评估治疗效果	NA
7	2026-01-05	Ensemble deep learning approach for traffic video analytics in edge computing 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25628-7 PMID:41484116	研究论文	本文提出了一种用于边缘计算中交通视频分析的集成深度学习方法，通过混合模型进行车辆检测与分类，并利用集成学习优化交通流控制	提出了一种结合Tiny YOLO和YOLOR的混合模型用于边缘层的车辆检测与分类，并引入ELITVA框架使用F-RNN进行交通流决策，在精度、召回率和处理帧率上均有显著提升	实验仅基于无人机在交通信号处采集的数据集，未涉及更复杂的道路场景或天气条件，且未讨论模型在不同硬件边缘设备上的泛化能力	开发一种低延迟、高精度的实时交通视频分析系统，以优化道路交通监控与控制	交通监控视频中的车辆	计算机视觉	NA	视频分析，目标检测	CNN, RNN	视频	基于无人机在交通信号处捕获的数据集（具体数量未说明）	NA	Tiny YOLO, YOLOR, F-RNN	精度, 准确率, 召回率, F1分数, 帧率	边缘计算平台（具体硬件未说明）
8	2026-01-05	A Deep Learning-Enabled Ionogram Dataset for Detection and Classification of Low-latitude Spread-F Phenomena 2026-Jan-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06493-5 PMID:41484136	研究论文	本文介绍了一个用于检测和分类低纬度Spread-F现象的开源深度学习离子图数据集	首次公开了专家指导的离子图数据集，覆盖最全面的类别、最大数据量和最长的时间跨度	NA	解决离子图Spread-F分类依赖人工解释的低效和主观性问题	低纬度Spread-F现象	计算机视觉	NA	离子图分析	CNN	图像	150,000张离子图（每类30,000张，包括非SF组）	NA	SA-ResNet50	NA	NA
9	2026-01-05	Exploring the impact of urban vitality on carbon emission mechanisms using multi-source data 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29624-9 PMID:41484152	研究论文	本研究构建了包含社会、经济、文化、环境、空间和感知六个维度的城市活力理论框架，利用多源数据分析了烟台中心区城市活力的分布特征，并探讨了活力因素对碳排放的影响机制	创新性地整合了三维空间和文化感知视角，弥补了以往研究从单一视角表征城市活力的偏差，提供了更全面的城市活力评估框架和方法	研究主要聚焦于烟台中心区，结论的普适性有待在其他城市验证；未详细讨论数据采集的具体时间跨度和季节性影响	探索城市活力对碳排放机制的影响，为构建低碳、高活力、可持续的城市环境提供建议	烟台中心区的城市空间及其碳排放	城市科学	NA	空间句法、熵权TOPSIS、深度学习模型、地理探测器	深度学习模型	多源数据（包括空间、社会、经济、文化、环境、感知数据）	NA	NA	NA	NA	NA
10	2026-01-05	Contactless biometric verification from in-air signatures using deep siamese networks 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29100-4 PMID:41484193	研究论文	本研究开发了一种基于深度学习的行为生物特征验证模型，利用空中签名数据进行无接触身份验证	采用基于双向LSTM和对比损失的Siamese神经网络架构，学习空中签名的判别性嵌入空间，并应用了更严格的Leave Two Sample Out交叉验证协议	样本量相对较小（仅25名参与者），训练数据有限	探索空中签名作为无接触生物特征验证方式的可行性和有效性	空中签名数据，包括200个正负签名对，涵盖人际和个体内变异性	机器学习和行为生物特征识别	NA	指尖跟踪或深度感知技术	Siamese Neural Network, Bidirectional LSTM	三维空间中的签名手势数据	25名参与者，200个签名对	NA	基于Bidirectional LSTM的Siamese Neural Network	准确率, F1分数, 召回率	NA
11	2026-01-05	Application and accuracy analysis of different facial regions based on deep learning in the diagnosis of hypertension 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30936-z PMID:41484198	研究论文	本研究开发了一种基于深度学习的非侵入性、基于摄像头的筛查方法，通过面部图像分析实现高血压的早期、可访问和可解释检测	提出了一种改进的U-Net模型将面部细分为六个解剖学定义区域，并发现仅使用颧骨和脸颊区域即可达到与全脸模型相当的诊断准确率，表明这些区域集中了与高血压相关的生理信号	样本量相对较小（共506名参与者），且研究未在更广泛或多样化的人群中进行外部验证	开发一种可扩展、被动、非侵入性的高血压早期筛查工具，以克服当前诊断方法的局限性	375名高血压患者和131名血压正常对照者的面部图像	计算机视觉	心血管疾病	深度学习	CNN	图像	506名参与者（375名高血压患者，131名血压正常对照者）	NA	U-Net, ResNet	mIoU, 准确率	NA
12	2026-01-05	Bridging data gaps of rare conditions in ICU: a multi-disease adaptation approach for clinical prediction 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02176-y PMID:41484235	研究论文	本文提出了一种名为KnowRare的领域自适应深度学习框架，用于预测ICU中罕见疾病的临床结局	通过自监督预训练学习条件无关表示以缓解数据稀缺，并利用构建的条件知识图从临床相似疾病中自适应迁移知识以处理疾病内部异质性	NA	开发一个深度学习框架，以改善ICU中罕见疾病的临床预测	ICU中的罕见疾病，包括已识别的罕见病和ICU中低患病率疾病	机器学习	罕见疾病	深度学习	深度学习框架	电子健康记录	NA	NA	KnowRare	NA	NA
13	2026-01-05	Memory-efficient full-volume inference for large-scale 3D dense prediction without performance degradation 2026-Jan-03, Communications engineering DOI:10.1038/s44172-025-00576-2 PMID:41484251	研究论文	本文提出了一种无需重新训练即可实现大规模3D密集预测的推理优化框架，旨在解决内存限制和低效算子执行问题	通过集成算子空间分块、算子融合、归一化统计聚合和按需特征重计算，实现了全尺寸体积推理且无性能损失，相比传统方法显著提升了处理体积大小	未明确提及框架在非地震勘探模型或其他工业领域的泛化性能验证细节	优化大规模3D密集预测的推理过程，以支持全尺寸体积输入并保持性能	3D密集预测模型，特别是地震勘探和医学图像分割应用	计算机视觉	NA	深度学习推理优化	NA	3D体积数据（如地震数据、医学图像）	NA	NA	NA	推理时间、内存使用量、体积大小处理能力	未明确指定，但提及在1024体积上使用27.6 GB内存完成推理
14	2026-01-05	YOLO-based deep learning framework for real-time multi-class plant health monitoring in precision agriculture 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29132-w PMID:41484288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2026-01-05	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度模型，用于预测法律违规行为并分析具体违反的条款，以提高法律文档分析的透明度和可解释性	提出了一种结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕获令牌间和令牌内的依赖关系，提供更深层的上下文理解	未明确提及模型在处理多语言或跨司法管辖区法律文档时的泛化能力限制	预测法律违规行为并识别具体违反的法律条款，以增强法律文档分析的准确性和透明度	法律文档	自然语言处理	NA	深度学习	BERT	文本	NA	NA	分层BERT	准确率, 微平均F1分数	NA
16	2026-01-05	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	本文提出了一种结合特征工程的混合深度学习模型HDLMFE-ADGDT，用于从超声图像中准确诊断胆囊疾病类型	提出了一种新颖的混合深度学习模型，整合了非局部均值滤波、Squeeze-and-Excitation胶囊网络和CNN-BiLSTM架构，用于胆囊疾病的超声图像分类	未提及模型在外部验证集或临床环境中的泛化能力，也未讨论计算复杂度或实时诊断的可行性	开发一种有效的基于深度学习的胆囊疾病分类方法，以辅助早期诊断	胆囊疾病患者的超声图像	计算机视觉	胆囊疾病	超声成像	CNN, BiLSTM, Capsule Network	图像	NA	NA	Squeeze-and-Excitation Capsule Network, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异性	NA
17	2026-01-05	A causal deep learning approach to identifying metabolic signatures of cognitive and functional decline in alzheimer's disease 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32793-2 PMID:41484308	研究论文	本研究结合因果推断与深度学习，识别阿尔茨海默病认知与功能衰退的代谢特征，并开发了FDG CogNet模型进行预测	首次将结构因果模型与基于注意力的深度学习模型结合，利用FDG-PET数据识别对认知和功能评分具有强因果影响的大脑区域，并动态加权这些区域以提升预测性能与可解释性	研究数据来源于ADNI数据库，样本可能具有选择性偏差；模型在外部验证和泛化能力方面未详细讨论	识别阿尔茨海默病认知与功能衰退的特定大脑代谢特征，并开发准确、可解释的预测模型	认知正常个体、轻度认知障碍患者和阿尔茨海默病患者	数字病理学	阿尔茨海默病	氟代脱氧葡萄糖正电子发射断层扫描	深度学习	图像	来自阿尔茨海默病神经影像学倡议数据库的认知正常、轻度认知障碍和阿尔茨海默病患者样本	NA	FDG CogNet	R²	NA
18	2026-01-05	Differential privacy for medical deep learning: methods, tradeoffs, and deployment implications 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02280-z PMID:41484344	综述	本文是一篇关于医学深度学习（DL）中差分隐私（DP）应用的范围综述，总结了在集中式和联邦式设置下的方法、权衡及部署影响	系统性地综述了DP在医学DL中的应用，识别了公平性审计和标准化方面的关键差距，并提出了促进公平、临床稳健的隐私保护DL的优先事项	纳入研究中对隐私参数的报告不一致，且只有少数研究评估了公平性	探讨差分隐私在医学深度学习中的应用，分析其方法、性能权衡及部署影响，以促进敏感患者数据的保护	医学深度学习模型及其在保护患者隐私方面的应用	机器学习	NA	差分隐私（DP），包括DP-SGD、生成建模、本地DP和混合联邦设计	深度学习模型	多模态医学数据（如图像）	基于74项符合条件的研究（截至2025年3月发表）	NA	NA	准确性、公平性（子组性能差距）	NA
19	2026-01-05	Deterministic nowcasting of geostationary satellite infrared brightness temperature using 3D U-Net diffusion model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34207-9 PMID:41484451	研究论文	本文提出了一种结合去噪扩散概率模型与3D U-Net的生成建模方法，用于对地静止卫星红外亮度温度进行确定性临近预报	首次将去噪扩散概率模型与3D U-Net架构耦合，用于卫星红外亮度温度的临近预报，相比传统外推和深度学习基线模型，在预测精度和结构保真度方面均有显著提升	模型在超过2小时预报时效后优势有所减弱，尽管增益仍然明显	开发一种更准确、结构更保真的卫星红外亮度温度临近预报方法	对地静止卫星观测的红外亮度温度数据	计算机视觉	NA	卫星红外观测	扩散模型, 3D U-Net	图像序列	使用SEVIRI观测数据，并在2022年7月至9月的独立测试集上进行评估	NA	3D U-Net	SSIM, CRPS, MAE, 相关性	NA
20	2026-01-05	Adversarial selective domain adaptation with feature cluster for skin cancer diagnosis 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98293-5 PMID:41484458	研究论文	本文提出了一种名为对抗性选择性域适应与特征聚类的新方法，用于改善皮肤癌诊断中因域偏移和目标数据集较小导致的模型泛化问题	ASDA方法通过生成目标域样本的特征聚类来减少数据需求，结合条件域对抗网络缓解域偏移，并引入选择性最小最大熵方法保持一致性，同时处理域间差异和目标数据有限问题	NA	旨在解决皮肤癌诊断中深度学习模型因域偏移和目标数据集较小而导致的泛化性能下降问题	皮肤癌相关的皮肤镜图像和临床图像	计算机视觉	皮肤癌	深度学习	条件域对抗网络	图像	NA	NA	NA	NA	NA