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
381	2026-01-05	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	研究论文	本文提出了一种名为StarVasc的轻量级无监督血管对比度增强框架，专为机器人手术视觉系统设计	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，引入星形操作模块实现超维特征扩展，并设计了光谱特征增强模块（SFEM）以隐式学习光谱线索，无需高光谱输入	未在摘要中明确说明	开发一种无需专用硬件的自适应血管对比度增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术成像中的血管结构	计算机视觉	NA	非配对学习策略，光谱特征增强	GAN	图像	NA	NA	编码器-解码器架构	无参考质量指标，视觉评估	NA
382	2026-01-05	Artificial intelligence and digital health in vascular surgery: a 2-decade bibliometric analysis of research landscapes and evolving frontiers 2025-Aug-06, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02583-z PMID:40767924	研究论文	本文通过文献计量分析，回顾了过去20年人工智能和数字健康在血管外科领域的应用演变，识别了研究热点和新兴前沿	首次使用CiteSpace和HistCite工具对血管外科中AI和数字健康研究进行全面的结构性和时间性演化分析，揭示了七个新兴研究子领域和范式转变	研究基于WoSCC数据库，可能未涵盖所有相关文献；文献计量分析方法主要反映趋势而非深度内容评估	分析人工智能和数字健康在血管外科应用的结构与时间演化，识别历史发展轨迹、研究焦点和新兴前沿	血管外科领域的人工智能和数字健康应用相关出版物	数字病理学	心血管疾病	文献计量分析	NA	文本	675篇爆发性引用论文，涉及123个相关学科和505个关键词	NA	NA	NA	NA
383	2026-01-05	Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction 2025-Jul-31, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02617-6 PMID:40742577	综述	本文综述了人工智能在肝胆胰外科临床结局预测中的应用现状与未来方向	探讨了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新	面临数据质量、模型泛化性和伦理实施等挑战	评估人工智能在肝胆胰外科临床结局预测中的潜力与未来发展方向	肝胆胰外科手术	机器学习	肝胆胰疾病	深度学习模型	深度学习模型	NA	NA	NA	NA	准确性	NA
384	2026-01-05	Artificial intelligence-based action recognition and skill assessment in robotic cardiac surgery simulation: a feasibility study 2025-Jul-13, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02563-3 PMID:40652436	研究论文	本研究开发了一种基于深度神经网络的系统，用于识别机器人心脏手术模拟中的基本手术动作并评估外科医生技能	首次结合CNN和LSTM，仅使用视频数据实现机器人心脏手术的动作识别与技能评估，并通过Grad-CAM可视化算法关注区域	技能评估网络准确率较低（56%），需要更多数据提升性能；样本量有限（19名外科医生）	开发AI系统以自动化评估机器人心脏手术模拟中的手术表现	机器人心脏手术模拟视频数据，涵盖缝合和分离两种手术动作	计算机视觉	心血管疾病	视频分析	CNN, LSTM	视频	19名外科医生，435段录像	NA	CNN与LSTM结合架构	准确率, 召回率, 精确率, F1分数, 预测确定性	NA
385	2026-01-05	A spatial-spectral vision transformer model for head and neck cancer detection with hyperspectral, RGB, and synthesized RGB histologic images 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3048966 PMID:41480495	研究论文	本研究评估了深度学习模型在组织学图像中使用高光谱成像（HSI）检测头颈部鳞状细胞癌（SCC）的效能	引入了具有光谱注意力的空间-光谱视觉变换器（SST）模型，并比较了其在HSI、RGB及HSI合成RGB图像上的性能，证明了HSI在敏感性和准确性方面的优势	样本量相对较小（77张全切片来自51名患者），且未讨论模型在其他癌症类型或更大数据集上的泛化能力	评估高光谱成像（HSI）相对于正常彩色（RGB）图像在头颈部鳞状细胞癌组织学检测中的优势	头颈部鳞状细胞癌（SCC）的组织学切片	计算机视觉	头颈癌	高光谱成像（HSI）	Vision Transformer, CNN	图像（高光谱图像、RGB图像、合成RGB图像）	77张全组织学切片，来自51名患者	PyTorch（推断自DinoV2和ResNet的常用框架）	DinoV2, ResNet-152, 空间-光谱视觉变换器（SST）	准确率, 特异性, 敏感性	NA
386	2026-01-05	Comprehensive AI framework for automated classification, detection, segmentation, and severity estimation of date palm diseases using vision-language models and generative AI 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1710188 PMID:41479527	研究论文	本文提出了一个综合AI框架，用于自动分类、检测、分割和估计枣椰树疾病的严重程度，结合了视觉语言模型和生成式AI技术	提出了一个集成的Reveal-Aware混合视觉语言和基于Transformer的AI框架，首次将GAN增强、CLIP多模态分类、PaliGemma2文本检测、Grounding DINO + SAM 2.1零样本分割以及Vision Transformer回归模型整合到一个端到端的可解释诊断流程中	NA	开发一个综合AI框架，用于自动化、准确且可扩展的枣椰树疾病管理	枣椰树疾病，包括红棕象甲、Bayoud病和黑焦病等	计算机视觉	植物疾病	GAN, CLIP, PaliGemma2, Grounding DINO, SAM 2.1, Vision Transformer	GAN, Transformer, CNN	图像, 文本	两个数据集：九个类别的感染枣椰树叶子和三个类别的枣椰树疾病	NA	CLIP, PaliGemma2, Grounding DINO, SAM 2.1, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
387	2026-01-05	Machine learning and near-infrared fusion-driven quantitative characterization and detection of protein content in maize kernels 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1719661 PMID:41479661	研究论文	本研究开发了一种基于近红外光谱和机器学习融合的玉米籽粒蛋白质含量快速无损检测方法	通过使用玉米粉末样品提高光谱信号的均匀性和稳定性，系统评估了多种光谱预处理方法，并比较了传统机器学习与深度学习模型的性能，最终提出了一种结合特征波长选择的高效预测模型	研究仅使用了90个玉米粉末样本，样本量相对较小；深度学习模型在本研究中未表现出优于传统方法的性能	开发一种快速、无损的玉米蛋白质含量检测方法	玉米粉末样品	机器学习	NA	近红外光谱	PLSR, SVM, CNN, Transformer	光谱数据	90个玉米粉末样本	NA	ResNet-18, Transformer	相关系数, RMSE, RPD	NA
388	2026-01-05	Deep learning-based dose prediction for prostate cancer with empty bladder protocol: a framework for efficient and personalized radiotherapy planning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1690416 PMID:41479786	研究论文	本研究开发了一种基于深度学习的剂量预测模型，用于支持前列腺癌空膀胱放疗方案，旨在提高放疗计划的效率和个性化程度	首次针对前列腺癌空膀胱放疗方案开发了基于条件生成对抗网络的剂量预测模型，并通过特定数据微调显著提升了预测精度和临床相关性	模型训练样本量有限（90例满膀胱病例和20例空膀胱病例），且仅针对特定放疗技术（SBRT和IMRT）进行了验证	开发一个高效、个性化的放疗计划框架，以支持前列腺癌空膀胱放疗方案的临床应用	前列腺癌患者	数字病理学	前列腺癌	放射治疗（RT），包括立体定向体部放疗（SBRT）和调强放疗（IMRT）	条件生成对抗网络（cGAN）	医学影像数据（剂量分布、解剖结构）	110例病例（90例满膀胱病例用于训练，20例空膀胱病例用于微调和评估）	NA	改进的3D U-Net	平均绝对百分比误差（MAPE），剂量体积直方图（DVH）指标	NA
389	2026-01-05	The place of advanced machine learning techniques in building pancreatic adenocarcinoma survival and recurrence prognosis models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1727806 PMID:41479788	综述	本文评估了机器学习在改善胰腺导管腺癌预后预测中的应用	系统综述了机器学习算法（如随机森林、XGBoost和深度学习）在预测PDAC生存、复发和转移方面相较于传统TNM分期的优越性能，并强调多模态数据整合（临床、影像组学和基因组特征）能实现最高预测准确度	当前模型受限于小规模数据集和回顾性研究设计，缺乏前瞻性验证	评估机器学习技术在胰腺导管腺癌预后预测模型构建中的应用价值	胰腺导管腺癌患者	机器学习	胰腺癌	机器学习算法（如随机森林、XGBoost、深度学习）	随机森林, XGBoost, 深度学习	多模态数据（临床、影像组学、基因组特征）	基于12项研究的系统综述，未明确总样本量	NA	NA	预测准确度	NA
390	2026-01-05	Neural networks and foundation models: two strategies for EEG-to-fMRI prediction 2025, Frontiers in systems biology DOI:10.3389/fsysb.2025.1715692 PMID:41479845	研究论文	本文探讨了从脑电图（EEG）预测功能磁共振成像（fMRI）活动的两种策略：使用传统机器学习和深度学习模型，以及利用预训练的大型语言模型（LLMs）和多模态模型	首次将EEG到fMRI的预测任务同时表述为分类和回归问题，并比较了传统深度学习模型与预训练基础模型两种策略，还探索了思维链方法让LLMs从EEG推断认知功能再预测fMRI	两种策略的自然结合（即在EEG-fMRI数据集上微调LLM）并不直接，需要进一步研究，且研究基于特定神经反馈任务和哈佛-牛津皮质图谱定义的脑区域	从EEG活动预测fMRI活动，以结合两种神经成像技术的优势，为神经科学研究和神经技术应用开辟新途径	执行神经反馈任务的受试者的EEG和fMRI数据	机器学习	NA	EEG, fMRI	MLP, CNN, RNN, transformer, LLMs, 大型多模态模型	时间序列数据（EEG）, 图像数据（fMRI）	NA	NA	MLP, CNN, RNN, Transformer	NA	NA
391	2026-01-05	A multidimensional data-driven approach to surgical plan optimization and postoperative residual tumor prediction in ovarian cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1705428 PMID:41479903	研究论文	本研究开发了一种融合临床特征和腹水免疫微环境特征的多维数据驱动深度学习模型，用于预测卵巢癌术后残留肿瘤状态并辅助手术决策	首次将临床特征与腹水免疫微环境特征整合到深度学习模型中，用于预测卵巢癌术后残留肿瘤状态，并通过梯度特征数量验证优化了特征选择	模型在区分R0和R1状态方面存在局限性，需要进一步优化；样本量相对较小（118例），未来需要扩大数据集	预测卵巢癌术后残留肿瘤状态并优化手术决策	118例FIGO III/IV期高级别浆液性卵巢癌患者	数字病理学	卵巢癌	密度梯度离心，流式细胞术	深度学习模型	临床数据，免疫微环境数据	118例高级别浆液性卵巢癌患者	NA	NA	准确率，精确率，召回率，F1分数	NA
392	2026-01-05	Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1701951 PMID:41480282	研究论文	本研究探讨了基于循环神经网络和卷积神经网络的深度学习模型在V2X通信网络中交通预测的应用	系统比较了GRU、LSTM和BiLSTM等RNN变体以及CNN在V2X交通预测中的性能，并详细分析了损失函数和优化器等超参数的影响	未提及模型在真实世界V2X网络中的部署验证或不同交通场景下的泛化能力	提高V2X通信网络的交通信息共享效率和预测准确性	V2X通信网络中的交通流量数据	机器学习	NA	深度学习	RNN, CNN	时间序列数据	NA	NA	GRU, LSTM, BiLSTM	RMSE, 计算效率	NA
393	2026-01-05	Secure pulmonary diagnosis using transformer-based approach to X-ray classification with KL divergence optimization 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1716066 PMID:41480524	研究论文	本文提出了一种基于MedViT和Swin Transformer的深度学习新方法，用于X射线图像的肺部疾病分类，并通过KL散度优化提升性能	结合了MedViT和Swin Transformer两种先进模型，并利用Kullback-Leibler散度作为损失函数来有效处理类别不平衡问题	未提及模型在外部验证集上的泛化能力或计算效率的具体分析	开发一种可靠的自动化肺部疾病分类方法以支持临床决策	肺部X射线图像数据集，包含正常、肺部不透明和病毒性肺炎三类	计算机视觉	肺癌	X射线成像	Transformer, CNN	图像	10,425张X射线图像（正常3,750张，肺部不透明3,375张，病毒性肺炎3,300张）	NA	MedViT, Swin Transformer	准确率, 损失值	NA
394	2026-01-04	A cycle-aware and physics-informed framework for battery remaining useful life prediction 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28505-5 PMID:41476082	研究论文	本文提出了一种结合领域知识的电池剩余使用寿命预测框架，通过循环感知分段和物理信息一致性损失提升预测准确性	在输入和目标层面注入领域知识，包括基于实际充放电周期的循环感知分段和物理信息一致性损失正则化	NA	准确预测锂离子电池的剩余使用寿命，以支持安全和高效的能源系统	锂离子电池	机器学习	NA	NA	图神经网络	多变量时间序列数据	NA	NA	Bat-T-GNN	NA	NA
395	2026-01-04	Exploring the Feature Prioritization and Data Sampling of PCOS Diagnosis via Densely connected Attention based Squeeze Deep Learning Detection Model 2025-Dec-31, The Journal of steroid biochemistry and molecular biology IF:2.7Q3 DOI:10.1016/j.jsbmb.2025.106933 PMID:41482077	研究论文	本文提出了一种用于多囊卵巢综合征（PCOS）诊断的混合方法，结合了数据平衡、特征选择和深度学习模型，以提高检测准确性	提出了一种统一流程，同时解决了PCOS检测中的三个主要挑战：数据集不平衡（使用SMOTE-ENN）、特征冗余（通过GS2TM算法）和过拟合（采用DASCD注意力模型），实现了高准确性和增强的可解释性	NA	开发一个鲁棒的PCOS检测模型，以解决症状复杂性和数据集不平衡问题	多囊卵巢综合征（PCOS）的诊断	机器学习	多囊卵巢综合征	NA	深度学习	NA	NA	NA	Densely Connected Attention-Based Squeeze Convolutional Detection Model (DASCD)	准确率	NA
396	2026-01-04	Technological Advancements in Cranial and Spinal Navigation in the past 30 years: A Detailed Patent Bibliometric Analysis 2025-Dec-31, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124779 PMID:41482266	研究论文	本文通过专利文献计量分析，系统回顾了过去30年颅脑和脊柱导航技术的技术进步	首次采用专利文献计量框架系统探索颅脑和脊柱导航领域的技术发展，并量化科学出版物对专利的影响	研究基于公开专利数据库，可能未涵盖所有相关专利；分析聚焦前100个高引用专利，可能忽略其他重要创新	评估颅脑和脊柱导航领域的技术发展轨迹和最具影响力的知识产权	颅脑和脊柱导航技术相关的专利和科学出版物	医疗技术	NA	专利文献计量分析	NA	专利记录和科学出版物	714项相关专利，其中686项被后续专利引用；近15,000篇科学出版物，其中1,107篇被专利引用	NA	NA	前向引用计数	NA
397	2026-01-04	A Systematic Review of Drug-Related InteractionsUtilizing Deep Learning and LLMs for Prediction and Mitigation 2025-Dec-23, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04997 PMID:41476460	综述	本文系统回顾了2020年至2025年间发表的100多篇论文，探讨了深度学习、机器学习和大型语言模型在药物发现中的应用，重点关注药物-药物相互作用、药物-靶点相互作用和药物不良反应三个关键领域	强调了自然语言处理和大型语言模型在从生物医学文献和化学数据中提取有意义见解的变革性影响，并提出了一个更全面的方法来填补现有研究中的空白	现有研究缺乏同时处理药物-药物相互作用、药物-靶点相互作用和药物不良反应提取的综合研究	审查机器学习和深度学习技术在药物发现中的整合，以筛选潜在治疗方法并降低疾病管理的成本和时间	药物-药物相互作用、药物-靶点相互作用和药物不良反应	自然语言处理	NA	深度学习、机器学习、图学习、混合模型、自然语言处理	深度学习模型、大型语言模型	生物医学文献、化学数据	超过100篇论文	NA	NA	性能指标	NA
398	2026-01-04	A deep learning fusion network trained with medical records and laryngoscopic images in the early diagnosis of glottic carcinoma 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114231 PMID:41476948	研究论文	本研究开发了一种深度学习融合网络，通过整合结构化电子病历和喉镜图像分析，以实现声门癌的早期准确诊断	提出了一种融合多模态数据（结构化病历和喉镜图像）的深度学习网络，用于声门癌的早期诊断，并构建了人机对抗队列进行临床效用评估	研究数据主要来自中国的一家三级医院，外部验证仅涉及另外两个独立医疗中心，样本来源和多样性可能存在局限	开发一个用于声门癌早期诊断的深度学习融合模型	声门癌患者	数字病理学	喉癌	喉镜检查	深度学习融合网络	图像, 结构化文本	来自中国一家三级医院的数据进行训练和验证，并在另外两个独立医疗中心进行外部验证	NA	NA	AUC	NA
399	2026-01-04	Image-Based Recognition of Children's Handwritten Arabic Characters Using a Confidence-Weighted Stacking Ensemble 2025-Dec-18, Sensors (Basel, Switzerland) DOI:10.3390/s25247671 PMID:41471665	研究论文	本文提出了一种基于置信度加权的堆叠集成框架，用于识别儿童手写的阿拉伯字符图像	引入了动态置信度阈值机制，通过优化阈值过滤不确定预测，并集成了三种高性能CNN模型（ConvNeXtBase、DenseNet201、VGG16）通过全连接元学习器进行融合	未明确提及模型在更大规模或更多样化儿童手写样本上的泛化能力，也未讨论计算效率或实时应用的限制	提高儿童手写阿拉伯字符图像识别的可靠性和准确性	儿童手写的阿拉伯字符图像	计算机视觉	NA	图像采集（扫描或摄像头捕获）	CNN, 集成学习	图像	使用了两个基准数据集：Hijja和Dhad（具体样本数量未在摘要中提供）	未明确提及，可能为TensorFlow或PyTorch	ConvNeXtBase, DenseNet201, VGG16	准确率, 宏F1分数	NA
400	2026-01-04	Cellular interactions in the sentinel lymph node predict melanoma recurrence 2025-Dec-17, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.15.694104 PMID:41446197	研究论文	本文通过空间蛋白质组学分析，揭示了黑色素瘤前哨淋巴结中免疫细胞的空间组织与疾病复发的关系	首次应用Effect Size Interaction mapping (ESI-map)计算工具包分析前哨淋巴结中细胞间空间相互作用，并发现Tregs与耗竭CD8 T细胞的特异性空间相互作用可作为新的免疫标志物	研究仅针对I期和II期黑色素瘤患者，样本量可能有限，且未涉及更晚期疾病或长期随访数据	探究前哨淋巴结中免疫细胞空间组织如何影响黑色素瘤患者的疾病复发和预后	I期和II期黑色素瘤患者的前哨淋巴结组织样本	数字病理学	黑色素瘤	多重免疫荧光成像，空间蛋白质组学分析	深度学习	图像	未明确指定样本数量，但涉及I期和II期黑色素瘤患者的前哨淋巴结样本	未明确指定	未明确指定	未明确指定	未明确指定