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
3061	2026-01-23	MFU-Net: a multi-scale fusion U-Net for seismic phase picking 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32145-0 PMID:41408109	研究论文	本文提出了一种用于地震相位拾取的多尺度融合U-Net架构（MFU-Net），旨在通过简单的增强实现显著的识别性能	在U-Net的跳跃连接中设计了多尺度特征融合模块，并在瓶颈层引入了多头注意力机制，以增强关键特征区域的识别能力	未明确提及具体限制，但可能包括对特定数据集或地震类型的泛化能力	提高地震波形数据中P波和S波到达时间的准确识别和标注性能	地震波形数据，特别是P波和S波的到达时间	机器学习	NA	NA	U-Net	波形数据	NA	NA	MFU-Net	P波拾取准确率, S波拾取准确率	NA
3062	2026-01-23	Comprehensive discovery of m6A sites in the human transcriptome at single-molecule resolution 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67417-w PMID:41398146	研究论文	本研究开发了一个基于纳米孔测序的深度学习框架DeepRM，用于在单分子分辨率下全面发现人类转录组中的m6A位点	构建了大规模、高质量的训练数据集，其规模比先前数据集大三个数量级，并实现了近乎完美的m6A位点检测和修饰化学计量测量精度	未明确提及具体局限性，但可能依赖于纳米孔测序技术的准确性	开发一种准确、定量的RNA修饰检测方法，以理解其生物学功能	人类转录组中的m6A修饰位点	机器学习	NA	纳米孔测序	深度学习	测序数据	NA	NA	NA	准确度	NA
3063	2026-01-23	Deep learning-based detection of power transmission lines using YOLOv4 and YOLOv8 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32200-w PMID:41392299	研究论文	本研究利用YOLOv4和YOLOv8算法，基于无人机技术进行电力传输线的深度学习目标检测	将YOLO算法与无人机技术结合，用于电力传输线检测，并比较了YOLOv8各版本相对于YOLOv4的性能优势	未提及具体的数据集规模或环境多样性限制，可能影响模型泛化能力	提高电力传输线检测的准确性和效率，以支持能源基础设施的维护	电力传输线（PTLs）	计算机视觉	NA	无人机（UAV）技术	CNN	图像	NA	NA	YOLOv4, YOLOv8	精确度, 召回率, F1分数, mAP50, mAP50-95	NA
3064	2026-01-23	Intelligent cybersecurity management in industrial IoT system using attribute reduction with collaborative deep learning enabled false data injection attack detection approach 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32035-5 PMID:41392216	研究论文	提出一种结合特征选择与投票分类器的智能虚假数据注入攻击检测方法，用于工业物联网系统的网络安全防护	提出IMFDIA-FSVC方法，整合统计与信息论特征选择技术，并采用TCN、DBN和AE三种深度学习模型构建集成分类器进行攻击检测	未明确说明方法在动态攻击模式或大规模网络环境中的适应性，以及计算开销分析	开发工业物联网系统中虚假数据注入攻击的检测与缓解模型，确保系统安全可靠运行	工业物联网系统中的虚假数据注入攻击	网络安全	NA	深度学习	TCN, DBN, AE, 集成学习	传感器数据	使用IIoT和FDIA数据集（具体数量未说明）	未明确说明	时间卷积网络, 深度信念网络, 自编码器	准确率	NA
3065	2026-01-23	A machine learning-based framework for prognostic prediction and tumor microenvironment characterization of locally advanced cervical cancer with concurrent chemoradiotherapy 2025-Dec-12, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01234-8 PMID:41387521	研究论文	本研究开发了一个基于机器学习的框架，用于局部晚期宫颈癌同步放化疗后的预后预测和肿瘤微环境表征	提出了一个结合深度学习自动预测模型与蛋白质组学分析的多任务框架，首次实现了基于放射组学-蛋白质组学的风险分层，并揭示了高风险组的免疫抑制微环境特征	模型在外部测试队列中的C指数相对较低（0.65-0.70），表明泛化能力有待进一步提升；蛋白质组学分析仅基于配对活检样本，可能无法完全代表肿瘤异质性	开发一个多任务预后模型，用于局部晚期宫颈癌同步放化疗后的精准预后预测和肿瘤微环境表征	局部晚期宫颈癌患者	数字病理学	宫颈癌	T2加权磁共振成像, 蛋白质组学分析	深度学习模型	医学影像, 蛋白质组学数据	训练、内部测试和外部测试队列的局部晚期宫颈癌患者	NA	DeepMR-LACC	C指数	NA
3066	2026-01-23	The application of artificial intelligence in veterinary oncology: a scoping review 2025-Dec-12, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-025-05192-y PMID:41388461	综述	本文对人工智能在兽医肿瘤学中的应用进行了范围综述，系统性地梳理了相关文献，识别了临床应用、技术和数据来源，并指出了阻碍临床转化的主要挑战	首次对人工智能在兽医肿瘤学领域的研究现状进行了系统性范围综述，揭示了该领域以犬类患者诊断应用为主、数据集小且缺乏外部验证的现状，并提出了向大规模协作研究转变的路径	作为一篇范围综述，本文本身不产生新的实验数据，其结论受限于所纳入的69项研究的质量和代表性	系统性地梳理人工智能在兽医肿瘤学中的应用研究现状，识别主要临床应用、技术方法、数据来源及临床转化面临的挑战	兽医肿瘤学，特别是伴侣动物（如犬）的自发性肿瘤	数字病理学, 机器学习	淋巴瘤, 皮肤及皮下肿瘤, 乳腺肿瘤	深度学习, 放射组学	深度学习模型	图像数据（数字病理图像、医学影像）	基于69项研究的汇总分析	NA	NA	NA	NA
3067	2026-01-23	Can artificial intelligence optimize treatment planning and outcome prediction in fixed tooth- and implant-supported prosthodontics? A scoping review 2025-Dec-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07300-8 PMID:41372901	综述	本文旨在探讨人工智能在固定修复学和种植体支持固定修复中的应用，重点关注AI模型在优化治疗计划和预测临床结果方面的准确性、有效性和临床适用性	首次系统性地将AI在固定修复学中的应用分为种植规划、冠设计、全牙弓框架优化和预后建模四个领域进行综述，并总结了不同AI技术的性能表现	现有证据多为早期阶段和基于模拟的研究，缺乏前瞻性验证和临床可靠性评估	探索人工智能在优化固定修复和种植体支持修复治疗计划及预测临床结果中的应用	固定修复学和种植体支持固定修复中的AI应用研究	数字牙科	NA	深度学习，生成对抗网络，回归模型，优化算法	CNN, GAN, 回归模型	NA	20项研究	NA	卷积神经网络，生成对抗网络	准确率，形态偏差，内部间隙，设计时间，应力集中	NA
3068	2026-01-23	Enhanced pedestrian walkway object detection using deep learning and pelican optimization algorithm for assisting disabled persons 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32129-0 PMID:41372505	研究论文	提出一种结合深度学习与鹈鹕优化算法的增强型行人步道物体检测方法，用于辅助视障人士导航	首次将Faster R-CNN、CapsNet、小波神经网络与鹈鹕优化算法集成，通过POA优化WNN超参数以提升检测性能	仅在UCSD异常检测数据集上进行评估，未在真实室外复杂场景中验证	通过物体检测技术增强视障人士的行人步道导航能力	行人步道环境中的物体	计算机视觉	视力障碍	深度学习, 优化算法	Faster R-CNN, CapsNet, WNN	图像	UCSD异常检测数据集（未说明具体样本数量）	NA	Faster R-CNN, CapsNet, 小波神经网络	NA	NA
3069	2026-01-23	Award for Distinguished Scientific Early Career Contributions to Psychology: Wilma A. Bainbridge 2025-Dec, The American psychologist DOI:10.1037/amp0001584 PMID:41428526	奖项介绍	本文介绍了Wilma A. Bainbridge获得2025年APA杰出科学早期职业贡献奖的情况，表彰其在记忆与感知交叉领域的早期职业贡献	Bainbridge开创性地发现某些刺激比其他刺激更易被记住，推动了以刺激为中心的记忆研究新议程，并率先开发了量化视觉记忆主观内容的复杂方法	NA	表彰在心理学领域做出杰出早期职业贡献的研究人员	记忆与感知的交叉领域研究	认知神经科学	NA	计算认知神经科学技术	深度学习网络	大数据刺激集	NA	NA	NA	NA	NA
3070	2026-01-23	Squeeze-and-Excitation Enhanced Convolutional Neural Networks for Multi-class Pneumonia Classification on Chest Radiographs 2025-Dec, Cureus DOI:10.7759/cureus.99649 PMID:41555979	研究论文	本研究比较了两种结合挤压-激励注意力机制的卷积神经网络架构，用于胸部X光片的多类别肺炎自动分类	将挤压-激励注意力机制集成到ResNet50V2和InceptionV3架构中，用于增强胸部X光片中肺炎亚型的分类性能	研究结果需要在更大、更多样化的临床数据集上进行进一步验证	开发自动分类胸部X光片为正常、细菌性肺炎、病毒性肺炎和COVID-19的深度学习模型	胸部X光片	计算机视觉	肺炎	胸部X光成像	CNN	图像	9,208张后前位胸部X光片	NA	ResNet50V2, InceptionV3	准确率, 精确率, 召回率, F1分数, AUC	NA
3071	2026-01-23	Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110495 PMID:40784463	研究论文	开发了一种高度加速的MRI技术，用于同时量化脑组织血流和T1值	结合双翻转角相位对比星形堆栈序列与深度学习算法，实现16倍加速的同时血流和T1量化	研究仅涉及定量体模和六名健康志愿者，样本量有限，未在患者群体中验证	开发快速、全面的脑血管疾病评估技术	脑组织血流和T1量化	医学影像分析	脑血管疾病	双翻转角相位对比星形堆栈MRI序列	深度学习	MRI图像	定量体模和六名健康志愿者	NA	混合特征哈希编码隐式神经表示与显式稀疏先验知识结合模型	相关系数R2, 组内相关系数ICC	NA
3072	2026-01-23	International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm 2025-Nov, JACC. Advances DOI:10.1016/j.jacadv.2025.102067 PMID:40965401	研究论文	本研究通过多中心回顾性病例对照研究，验证了一种基于计算机视觉的深度学习算法EchoNet-LVH在国际范围内识别心脏淀粉样变性的性能	开发并国际验证了EchoNet-LVH这一计算机视觉深度学习算法，用于基于超声心动图视频检测心脏淀粉样变性，相比传统测量方法（如整体纵向应变）具有更高的特异性	研究为回顾性病例对照设计，可能受到选择偏倚的影响；算法性能在预设优化特异性的阈值下敏感性相对较低（0.644）	评估计算机视觉深度学习算法在国际多中心环境中识别心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照个体的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频（超声心动图胸骨旁长轴和心尖四腔切面视图）	574名心脏淀粉样变性患者和979名对照个体	NA	EchoNet-LVH	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
3073	2026-01-23	A Novel Fusion Framework Combining Graph Embedding Class-Based Convolutional Recurrent Attention Network with Brown Bear Optimization Algorithm for EEG-Based Parkinson's Disease Recognition 2025-Mar-15, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02329-4 PMID:40088329	研究论文	本文提出了一种结合图嵌入类卷积循环注意力网络与棕熊优化算法的新型融合框架，用于基于EEG信号的帕金森病识别	提出GECCR2ANet+BBOA融合框架，首次将图嵌入类卷积循环注意力网络与棕熊优化算法结合，显著提升EEG信号中时空依赖关系的捕捉能力	未提及模型在更大规模或更复杂EEG数据集上的泛化能力验证	提高基于EEG信号的帕金森病识别准确率，促进早期诊断	帕金森病患者与健康对照的EEG信号数据	机器学习	帕金森病	EEG信号处理	CNN, 注意力网络, 优化算法	EEG信号	UNM数据集和UC San Diego数据集（具体样本数未明确）	未明确指定	改进的VGG19, 图三重注意力网络, 图嵌入类卷积循环注意力网络	准确率, 灵敏度, F1分数, 错误率, 计算时间	未明确指定
3074	2026-01-22	Integrated modeling approach for assessing sustainable concrete incorporating waste glass powder: a finite element and deep learning perspective 2025-Dec, Environmental science and pollution research international DOI:10.1007/s11356-025-36767-9 PMID:40694313	研究论文	本研究提出了一种结合有限元方法和深度学习的模型，用于评估掺入废玻璃粉作为水泥部分替代品的混凝土的结构与力学性能	首次将有限元模拟与深度学习（特别是卷积神经网络）相结合，以评估废玻璃粉替代水泥对混凝土性能的影响，并优化配合比设计	研究主要关注压缩强度，可能未全面评估其他力学性能如抗拉强度或耐久性；模型基于特定实验条件，普适性有待进一步验证	评估废玻璃粉作为水泥部分替代品在混凝土中的可行性，并优化其配合比设计以实现可持续建筑	掺有废玻璃粉的混凝土材料	机器学习	NA	有限元方法，深度学习	CNN	模拟数据，实验数据	未明确说明具体样本数量，但涉及不同废玻璃粉掺量比例的混凝土样本	未明确说明，可能为TensorFlow或PyTorch	卷积神经网络（CNN）	准确率	NA
3075	2026-01-22	Computational characterization of lymphocyte topology on whole slide images of glomerular diseases 2025-Apr-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.12.25325548 PMID:40321276	研究论文	本研究利用深度学习与图模型，对肾小球疾病全玻片图像中的淋巴细胞拓扑结构进行量化表征，并评估其与疾病进展的临床关联	开发了一种新颖的基于图的生境聚类算法，以识别密集与稀疏的淋巴细胞生境，并提取高维病理组学特征来捕获传统视觉评估无法捕捉的炎症模式复杂性	研究样本仅包含FSGS和MCD两种肾小球疾病，且依赖于单张H&E染色全玻片图像	通过计算量化淋巴细胞炎症的拓扑结构，并测试其临床相关性，以增强对MCD/FSGS疾病进展的预测能力	肾小球疾病患者的肾组织全玻片图像	数字病理学	肾小球疾病	全玻片图像分析	深度学习模型	图像	333名NEPTUNE/CureGN参与者（155例FSGS，178例MCD），每人一张H&E染色全玻片图像	NA	NA	一致性指数	NA
3076	2026-01-22	SVMVGGNet-16: A Novel Machine and Deep Learning Based Approaches for Lung Cancer Detection Using Combined SVM and VGGNet-16 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056348824241224100809 PMID:39773067	研究论文	本文提出了一种结合SVM和VGGNet-16的混合模型SVMVGGNet-16，用于肺癌检测，并在LIDC-IDRI数据集上验证了其性能	创新性地将VGGNet-16与SVM结合，形成混合模型SVMVGGNet-16，利用CNN进行特征提取和SVM进行分类，以提高肺癌检测的准确性和可靠性	未来工作包括模型优化、数据集扩展、临床试验以及系统集成到临床实践中，以确保实际可用性	通过集成机器学习和深度学习方法来增强肺癌检测，实现早期和准确诊断	肺癌类型，包括腺癌、大细胞癌、正常组织和鳞状细胞癌	计算机视觉	肺癌	图像预处理（中值滤波和直方图均衡化）、分割（阈值和边缘检测）、特征提取（几何特征）	CNN, SVM	图像	使用LIDC-IDRI数据集，具体样本数量未在摘要中明确说明	NA	VGGNet-16	准确率, AUC, 召回率, 精确率, F1分数	NA
3077	2026-01-22	Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056365191250602124819 PMID:40511649	综述	本文全面综述了利用机器学习和深度学习模型，特别是基于MRI医学影像数据，提升脑肿瘤分类准确性和效率的方法、挑战及未来展望	系统比较了从经典机器学习算法到先进深度学习模型及混合架构在脑肿瘤分类中的应用，并提出了融合多模态成像、可解释AI框架和隐私保护技术等未来方向	面临标注数据集稀缺、计算复杂度高、模型可解释性不足以及临床整合障碍等挑战	提升脑肿瘤分类的准确性和效率，以支持治疗决策和改善患者预后	脑肿瘤，包括胶质瘤、脑膜瘤和转移性脑病变	医学影像	脑肿瘤	磁共振成像	SVM, Decision Trees, CNN, RNN, 混合架构	图像	NA	NA	NA	准确率, 灵敏度, 特异性, AUC-ROC	NA
3078	2026-01-22	Evaluation of Deep Learning Methods for Pulmonary Disease Classification 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056388107250710120917 PMID:40692157	研究论文	本研究评估了深度学习模型在肺病分类中的应用，通过结合多种音频特征和CNN-RNN-LSTM架构，提出了一种多特征深度学习模型，实现了92%的最高准确率	提出了一种结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，并整合CNN、RNN和LSTM架构，显著提升了肺病分类的准确率	数据集中慢性阻塞性肺疾病样本过多，而上下呼吸道感染样本较少，导致模型在测试音频样本上的泛化能力受限	提高肺病检测的准确性，通过深度学习技术改进诊断方法	肺病分类，具体包括慢性阻塞性肺疾病、下呼吸道感染和上呼吸道感染	机器学习	肺病	听诊录音分析，包括频谱图、色度图和MFCC特征提取	CNN, RNN, LSTM	音频	未明确指定样本数量，但提及数据集有限且不平衡	未明确指定，可能为TensorFlow或PyTorch	CNN, RNN, LSTM	准确率	未明确指定
3079	2026-01-22	Oral-Anatomical Knowledge-Informed Semi-Supervised Learning for 3D Dental CBCT Segmentation and Lesion Detection 2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society IF:5.9Q1 DOI:10.1109/tase.2025.3530936 PMID:40918035	研究论文	本文提出了一种新颖的口腔解剖知识引导的半监督学习模型（OAK-SSL），用于3D牙科CBCT图像分割和病变检测	OAK-SSL能够将定性的口腔解剖知识（如病变可能位置）整合到深度学习设计中，包括知识量化表示、知识引导的双任务学习架构和知识引导的半监督损失函数	NA	开发自动化3D牙科CBCT图像分割和病变检测方法，以提升牙科医疗质量和效率	包含小病变的3D牙科CBCT图像	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	深度学习	3D图像	NA	NA	OAK-SSL	NA	NA
3080	2026-01-21	The Intelligent Evolution of Radar Signal Deinterleaving: A Systematic Review from Foundational Algorithms to Cognitive AI Frontiers 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010248 PMID:41516682	综述	本文系统回顾了雷达信号分选领域从基础算法到认知人工智能前沿的智能演进历程	提供了一个统一数学框架，全面连接了算法演进与现代电磁环境的挑战，并深入探讨了深度学习、自监督学习、元学习、多站融合及大语言模型集成等新兴前沿	NA	系统分析雷达信号分选技术的发展，并指导未来端到端智能自主分选系统的研究	雷达信号分选算法与技术	机器学习	NA	NA	RNN, Transformer, CNN, GNN	信号数据	NA	NA	RNN, Transformer, CNN, GNN	NA	NA