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
3401	2026-01-10	AI-Enhanced Pulmonary Auscultation for Heart Failure Detection 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253377 PMID:41336555	研究论文	本研究探讨了利用人工智能和肺听诊技术在家居环境中早期检测心力衰竭的可行性	提出了一种新颖、紧凑的卷积神经网络模型，并结合预训练的Transformer模型，用于分析肺音信号，实现了非临床听诊的AI听诊器概念	样本量较小（仅15名心力衰竭患者和15名健康受试者），可能影响模型的泛化能力	开发一种基于人工智能的肺听诊方法，用于心力衰竭的早期检测	心力衰竭患者和健康受试者的肺音信号	机器学习	心血管疾病	肺听诊	CNN, Transformer	音频信号	30名受试者（15名心力衰竭患者和15名健康受试者）	NA	紧凑卷积神经网络, 预训练Transformer	特异性, 敏感性	NA
3402	2026-01-10	Specialized ECG data augmentation method: leveraging precordial lead positional variability 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00455-3 PMID:40026892	研究论文	本文提出了一种针对心电图数据的专用数据增强方法，通过利用胸前导联位置的可变性来提升深度学习模型在心电图诊断任务中的性能	创新点在于专注于12导联心电图中胸前导联之间的独特角度，并考虑临床环境中可能发生的情况，从而优化了心电图数据的数据增强技术	未在摘要中明确提及	研究目的是开发一种优化的数据增强方法，以提升心电图信号在诊断心房颤动或心房扑动、广义室上性心动过速、一度房室传导阻滞、左束支传导阻滞和心肌梗死等疾病中的深度学习模型性能	研究对象是心电图信号，具体用于诊断多种心脏疾病	生物信号处理	心血管疾病	数据增强技术	深度学习模型	心电图信号	NA	NA	NA	NA	NA
3403	2026-01-10	Deep learning-based lymph node metastasis status predicts prognosis from muscle-invasive bladder cancer histopathology 2025-Jan-10, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05440-8 PMID:39792275	研究论文	本研究开发了一种基于深度学习的模型，利用原发性肿瘤组织预测肌肉浸润性膀胱癌的淋巴结转移状态，并验证了预测的aiN评分在预后评估中的价值	首次使用基于UNI视觉编码器的深度学习模型直接从H&E染色组织学图像中提取特征，以预测肌肉浸润性膀胱癌的淋巴结转移状态，并证明aiN评分作为独立预后因子的有效性	研究为回顾性分析，需要前瞻性验证以确认模型在个性化管理中的应用潜力	开发并验证一个深度学习模型，用于预测肌肉浸润性膀胱癌的淋巴结转移状态及其预后价值	肌肉浸润性膀胱癌患者	数字病理学	膀胱癌	H&E染色组织学图像分析	深度学习	图像	训练和内部验证集：323名患者（来自TCGA）；外部验证集：139名患者（来自武汉大学人民医院）	NA	UNI	AUC, 风险比	NA
3404	2026-01-10	Research Hotspots of Traditional Chinese Medicine for Liver Cancer in the Future Directions: A Bibliometric Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S555310 PMID:41496746	文献计量分析	本文通过对过去十年中医药治疗肝癌研究的文献进行系统性计量分析，描绘了该领域的知识图谱和发展趋势	首次系统性地对中医药治疗肝癌领域进行了跨数据库（CNKI、Wanfang、VIP、Web of Science）的文献计量分析，并揭示了中英文文献在研究主题上的显著差异及新兴前沿	国际与跨区域合作仍然有限，且分析依赖于所选数据库的覆盖范围和检索策略	填补中医药在肝癌管理研究领域的知识图谱空白，系统分析其研究热点与演变趋势	从中国知网、万方、维普和Web of Science等数据库中检索到的与中医药和肝癌相关的出版物	文献计量学	肝癌	文献计量分析，科学图谱工具（如CiteSpace, Origin 2024, R, VOSviewer）	NA	文献数据（出版物）	从2015年2月14日至2025年2月14日期间检索的相关出版物	CiteSpace, Origin 2024, R, VOSviewer	NA	NA	NA
3405	2026-01-10	Identifying health conditions in older adults in textual health records using deep learning-based natural language processing 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.009 PMID:41496888	研究论文	本研究利用深度学习自然语言处理模型从老年患者的电子健康记录自由文本中识别跌倒、失禁、孤独和行动受限等健康问题	首次在芬兰大规模电子健康记录中应用深度学习NER模型识别老年健康问题，相比诊断代码显著提高了识别数量和死亡率预测能力	研究仅针对芬兰特定年龄段患者，结果可能受数据质量和文本记录完整性影响	开发基于深度学习的自然语言处理模型以识别老年患者电子健康记录中的关键健康问题	102,525名50-80岁芬兰患者的电子健康记录自由文本	自然语言处理	老年疾病	命名实体识别	深度学习模型	文本	102,525名患者的1060万条自由文本记录	NA	NA	精确率, 召回率, F1分数	NA
3406	2026-01-10	Comparing the performance of dynamic susceptibility contrast and arterial spin labeling for detecting residual and recurrent glioblastoma with deep learning and multishell diffusion MRI 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf219 PMID:41497450	研究论文	本研究比较了动态磁敏感对比增强（DSC）和动脉自旋标记（ASL）两种MR灌注技术在结合深度学习和多模态MRI（包括多壳层扩散和灌注）下，用于检测胶质母细胞瘤残留和复发的性能	首次结合深度学习和多模态MRI（包括多壳层扩散和灌注）来比较DSC和ASL在胶质母细胞瘤复发检测中的性能，并发现ASL在特定区域（如手术腔附近）具有优势	研究为回顾性设计，样本量相对有限（137次MRI扫描，107名患者），且未详细讨论模型在其他肿瘤类型或更大数据集上的泛化能力	比较DSC和ASL两种MR灌注技术在区分胶质母细胞瘤复发和治疗后变化中的性能	胶质母细胞瘤患者的MRI图像，包括灌注和多壳层扩散数据	数字病理学	胶质母细胞瘤	动态磁敏感对比增强（DSC），动脉自旋标记（ASL），多壳层扩散MRI	深度学习	MRI图像	137次MRI扫描，来自107名胶质母细胞瘤患者	nnU-Net	nnU-Net	Dice分数，曲线下面积（AUC）	NA
3407	2026-01-10	PET-TURTLE: Deep Unsupervised Support Vector Machines for Imbalanced Data Clusters 2025, IEEE signal processing letters IF:3.2Q2 DOI:10.1109/lsp.2025.3636453 PMID:41497826	研究论文	本文提出了一种名为PET-TURTLE的深度无监督支持向量机方法，用于处理不平衡数据聚类问题	通过引入幂律先验来泛化成本函数以处理不平衡数据分布，并在标记过程中引入稀疏logits以简化搜索空间，从而提升聚类准确性	NA	改进深度聚类算法以更好地处理不平衡数据分布	合成数据和真实数据中的不平衡聚类问题	机器学习	NA	NA	深度无监督支持向量机	NA	NA	NA	TURTLE, PET-TURTLE	准确性	NA
3408	2026-01-10	Linking RayStation AI auto-contouring with Eclipse TPS: a scripted workflow for clinical integration 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.109182 PMID:41498081	研究论文	本研究提出了一种自动化脚本工作流，将RayStation的AI自动勾画功能集成到Eclipse治疗计划系统中，以提升放疗计划效率	开发了跨平台自动化集成脚本，实现了RayStation与Eclipse系统间的无缝数据交换，无需用户干预即可完成深度学习分割	仅验证了35个临床案例，样本规模有限；依赖特定软件版本（RayStation 2024B）	解决不同放疗计划系统间AI工具集成的技术挑战，提升临床工作流效率	放疗计划中的靶区与危及器官轮廓勾画	数字病理	NA	深度学习分割	深度学习模型	CT图像	35个临床案例	Python, C#	内置深度学习模型	处理时间	NA
3409	2026-01-09	SR-LLM: An incremental symbolic regression framework driven by LLM-based retrieval-augmented generation 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2516995122 PMID:41428869	研究论文	提出了一种基于大语言模型检索增强生成机制的增量式符号回归框架SR-LLM，用于从观测数据中发现复杂且可解释的解析表达式	将大语言模型的检索增强生成机制与深度强化学习相结合，实现增量学习，能够利用外部知识库中的先验知识和历史探索结果	未明确说明框架的计算效率、对特定领域知识的依赖程度以及在大规模复杂问题中的可扩展性	改进符号回归方法，使其能够有效利用先验知识发现复杂且可解释的解析模型	观测数据中的符号回归问题，特别是人类跟车行为的解析建模	机器学习	NA	符号回归, 检索增强生成, 深度强化学习	大语言模型, 深度强化学习模型	观测数据, 车辆轨迹数据	NA	NA	NA	拟合效果, 可解释性	NA
3410	2026-01-09	Flexible protein-ligand docking with diffusion-based side-chain packing 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2511925122 PMID:41439702	研究论文	本文介绍了一种名为PackDock的框架，它结合深度学习和基于物理的建模来模拟蛋白质-配体相互作用，以解决蛋白质灵活性问题	提出PackDock框架，其核心组件PackPocket利用扩散模型采样多样化的结合口袋构象并预测配体诱导的变化，从而有效处理蛋白质灵活性	未明确提及具体局限性	旨在通过整合深度学习和物理建模，更好地理解和预测蛋白质-配体相互作用，以支持基础生物学研究和药物发现	蛋白质结构和动力学，特别是蛋白质-配体相互作用	机器学习	NA	扩散模型	扩散模型	蛋白质结构数据	NA	NA	PackPocket	NA	NA
3411	2026-01-09	Graph Neural Networks with Transformer Fusion of Brain Connectivity Dynamics and Tabular Data for Forecasting Future Tobacco Use 2025-Dec-29, ArXiv PMID:41503105	研究论文	提出一种结合图神经网络与Transformer融合的时间感知模型，用于整合大脑动态连接数据与表格数据，以预测未来烟草使用情况	提出GNN-TF模型，首次在纵向功能磁共振成像研究中，通过时间感知的Transformer融合结构，将非欧几里得的大脑动态连接数据与欧几里得的表格数据（临床与人口统计学信息）在统一框架内进行灵活整合	研究基于特定青少年酒精与神经发育联盟的纵向静息态fMRI数据集，模型在其他人群或疾病领域的泛化能力有待验证	开发一种能够有效整合多模态纵向数据的方法，以提升对未来临床结果（如烟草使用）的预测准确性	青少年群体的大脑功能连接动态与临床/人口统计学表格数据	医学影像分析	成瘾行为（烟草使用）	静息态功能磁共振成像	图神经网络, Transformer	图像（大脑连接动态）, 表格数据（临床与人口统计学信息）	来自国家青少年酒精与神经发育联盟的纵向数据集	NA	GNN-TF（图神经网络-Transformer融合模型）	预测准确性	NA
3412	2026-01-09	A Museum artifact classification model based on cross-modal attention fusion and generative data augmentation 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29671-2 PMID:41413412	研究论文	本文提出了一种基于跨模态注意力融合和生成式数据增强的博物馆文物分类模型（VBG模型），以解决多模态信息协作不足和高质量标注数据稀缺的挑战	通过任务导向重构ViT、BERT和GAN构建集成多模态框架，并利用双向交互注意力融合层实现精确特征对齐，以及通过GAN生成多样样本形成“生成-反馈-优化”闭环以缓解数据稀缺问题	模型在训练时间和生成图像质量方面仍有改进空间	提升博物馆文物分类任务的效率和准确性，为数字文物管理和文化遗产保护提供技术支持	博物馆文物	计算机视觉	NA	生成对抗网络	Transformer, GAN	图像, 文本	MET和MS COCO数据集	NA	Vision Transformer, BERT, GAN	分类准确率, mAP, F1分数	NA
3413	2026-01-09	A pooled Cell Painting CRISPR screening platform enables de novo inference of gene function by self-supervised deep learning 2025-Dec-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66778-6 PMID:41402283	研究论文	本文介绍了一种基于Cell Painting的CRISPR筛选平台，通过自监督深度学习实现基因功能的从头推断	开发了一种与光学池化筛选兼容的Cell Painting平台，结合丰富的形态学数据与深度学习，无需特定生物标志物即可揭示基因网络，实现无偏见的基因功能发现	NA	实现无假设的逆向遗传筛选，通过多路形态学分析探索基因功能	基因功能、基因网络	机器学习	NA	CRISPR筛选、Cell Painting、光学池化筛选	自监督深度学习	图像	NA	NA	NA	NA	NA
3414	2026-01-09	Controllable diffusion framework for imbalanced Phi OTDR events classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29691-y PMID:41360874	研究论文	本文提出了一种可控扩散框架（ConDiff），用于解决Φ-OTDR事件分类中的长尾不平衡问题	首次将可控扩散模型应用于Φ-OTDR事件分类的长尾不平衡问题，通过反馈引导的增强器、高质量样本选择模块和动态阈值调整模块协同工作	未提及模型在更广泛数据集上的泛化能力，也未讨论计算效率方面的限制	解决Φ-OTDR事件分类中因异常事件样本稀缺导致的长尾不平衡问题	Φ-OTDR系统监测到的异常事件（如挖掘、浇水、摇晃）和正常事件（噪声）	机器学习	NA	Φ-OTDR（相位光时域反射计）	扩散模型	时间序列数据	BJTU-OTDR-LT数据集（具体数量未说明）	未明确说明	ConDiff（可控扩散框架），包含反馈引导Φ-OTDR增强器、高质量样本选择模块、动态阈值调整模块	分类准确率	NA
3415	2026-01-09	Improving prediction region accuracy in marine animal movement with temporal fusion transformer 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29520-2 PMID:41339653	研究论文	本研究利用Temporal Fusion Transformer神经网络模型，基于434头南象海豹的卫星追踪数据，预测其未来位置并填补数据缺失，以提高海洋动物运动预测的准确性	首次将Temporal Fusion Transformer模型应用于海洋动物运动预测，相比传统状态空间模型将定位误差降低了15%，并显著缩小了预测区域范围	模型在训练数据未覆盖的新地理区域表现下降约30%，表明将学习到的模式迁移到陌生环境存在挑战	提高海洋动物运动预测的准确性，以支持保护工作和生态系统管理	南象海豹的卫星追踪数据	机器学习	NA	卫星追踪	Temporal Fusion Transformer	时间序列数据	434头南象海豹的追踪数据	NA	Temporal Fusion Transformer	定位误差, 预测区域效率	NA
3416	2026-01-09	Comparative performance of deep learning models and non-dermatologists in diagnosing psoriasis, dermatophytosis, and eczema 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29562-6 PMID:41345213	研究论文	本研究开发并评估了基于宏观临床图像的深度学习模型，用于区分银屑病、湿疹和皮肤癣菌病，并与非专科医生的诊断性能进行比较	首次比较了深度学习模型与非专科医生在诊断三种常见皮肤疾病（银屑病、湿疹和皮肤癣菌病）中的性能，并利用Grad-CAM可视化验证了模型关注临床相关病变特征	样本量有限（仅30张图像和30名评估者），结果应视为探索性，需要更大数据集和更多样化的临床医生群体进行验证	开发并评估深度学习模型以准确分类三种常见的鳞屑性红斑皮疹，并比较其与非专科医生的诊断性能	银屑病、湿疹和皮肤癣菌病的宏观临床图像	计算机视觉	皮肤疾病	宏观临床图像采集	深度学习模型	图像	2940张图像（来自公共数据集、Siriraj皮肤病数据库和泰国参与者新收集的图像），以及30张图像用于与非专科医生的比较	NA	Swin Transformer	诊断准确性	NA
3417	2026-01-09	Enhancing breast magnetic resonance imaging segmentation with a federated semi-supervised approach 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29112-0 PMID:41345433	研究论文	本文提出了一种用于乳腺磁共振图像自动分割的联邦半监督学习框架	提出了一种结合联邦学习和半监督学习的方法，通过多扰动策略增强模型鲁棒性，并设计了联合损失函数优化标注与未标注数据的性能	研究仅在三家医院进行验证，样本多样性可能有限；未详细讨论通信开销和模型聚合效率	开发一种隐私保护的自动化乳腺MRI分割方法，以解决单个医疗机构标注数据不足的问题	乳腺磁共振图像	数字病理学	乳腺癌	磁共振成像	深度学习模型	图像	来自三家医院的乳腺MRI图像（具体数量未说明）	NA	NA	Dice相似系数, 交并比	NA
3418	2026-01-09	Design of an integrated model using U-Net, DeepSurv, and cross-attention for lung cancer classification and survival prediction 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29781-x PMID:41339682	研究论文	本文提出了一种结合U-Net、DeepSurv和交叉注意力的集成模型，用于肺癌分类和生存预测	提出了一种迭代多模态深度学习框架，通过特征级融合和交叉注意力机制整合放射学、组织病理学和基因组数据，并采用贝叶斯优化和弹性权重巩固实现增量学习	未明确说明模型在外部验证集上的泛化性能，也未详细讨论计算资源需求	改进肺癌亚型分类和生存率预测	肺癌患者的多模态数据（放射学图像、组织病理学图像、基因组数据和临床数据）	数字病理学	肺癌	多模态深度学习	CNN, MLP, 深度学习生存模型	图像, 基因组数据, 临床数据	未明确说明	未明确说明	U-Net, DeepSurv	Dice相似系数, 准确率, C指数	未明确说明
3419	2026-01-09	Deep learning framework for barcode localization and decoding using simulated UAV imagery 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29720-w PMID:41339720	研究论文	本文提出了一种基于深度学习的框架，用于在模拟无人机图像中定位和解码条形码，以支持自动化仓库库存管理	采用YOLOv8模型在模拟无人机图像中同时定位1D和2D条形码，并结合OpenCV解码模块与MySQL数据库实现实时库存更新模拟	研究仅在模拟无人机图像上进行测试，未在真实无人机采集图像中验证	开发一个用于自动化仓库库存跟踪的条形码定位与解码系统	模拟无人机图像中的条形码（包括1D和2D类型）	计算机视觉	NA	NA	CNN	图像	NA	PyTorch	YOLOv8	平均精度均值(mAP)	NA
3420	2026-01-09	Dense extreme inception network-based edge detection with deep reinforcement learning for object localization in an underwater environment 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29378-4 PMID:41331029	研究论文	本文提出了一种基于密集极端初始网络边缘检测与深度强化学习的水下物体定位技术，旨在有效检测边缘并分类水下环境中的物体	结合了Dense Extreme Inception Network（DexiNed）进行边缘检测、YOLOv5进行物体检测以及Q-强化学习（QRL）进行分类，形成了一种新颖的混合方法	NA	提高水下环境中物体检测和分类的准确性与效率	水下环境中的物体，包括自然特征（如地质构造、海洋生物、珊瑚礁）和人造物（如碎片、沉船、水下基础设施）	计算机视觉	NA	光学相机、声纳、激光雷达成像技术	CNN, 强化学习	图像	NA	NA	Dense Extreme Inception Network（DexiNed）, YOLOv5	准确率	NA