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
41	2026-01-07	Evaluating Artificial Intelligence-Assisted Prostate Biparametric MRI Interpretation: An International Multireader Study 2025-Dec, AJR. American journal of roentgenology DOI:10.2214/AJR.24.32399 PMID:40668633	研究论文	评估深度学习AI模型对前列腺双参数MRI解释中前列腺癌检测和读者间一致性的影响	首次在国际多读者研究中评估AI辅助对前列腺双参数MRI解释在病变和患者层面检测前列腺癌及读者间一致性的影响	AI辅助略微降低了病变层面的敏感性，需要进一步优化以提高敏感性而不损害特异性	评估AI模型对前列腺双参数MRI解释中前列腺癌检测准确性和读者间一致性的影响	前列腺双参数MRI扫描	数字病理学	前列腺癌	双参数MRI	深度学习模型	MRI图像	180名患者（120例病例组，60例对照组）	NA	NA	敏感性, PPV, AUC, 读者间一致性（κ系数）, 覆盖概率	NA
42	2026-01-07	How Will AI Shape the Future of Pandemic Response? Early Clues From Data Analytics 2025-Dec, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70103 PMID:40926588	综述	本文回顾了人工智能和数据分析在增强大流行防范、应对和恢复方面的10个关键领域，探讨了其潜力与挑战	系统性地分析了AI在疫情响应中的10个关键应用领域，并强调了其在提升预警系统、实时数据分析和流行病模型方面的创新潜力	实施AI在疫情响应中面临重大的伦理和治理挑战，如隐私、公平性和问责制问题	探讨人工智能和数据分析如何塑造未来大流行响应，以增强防范、应对和恢复能力	大流行（特别是COVID-19）的响应系统、预警机制、资源分配和决策过程	机器学习	NA	数据分析和人工智能技术	机器学习, 深度学习	实时数据、流行病学数据	NA	NA	NA	NA	NA
43	2026-01-07	Emerging Artificial Intelligence Technologies for Risk Assessment and Management in Acute Myeloid Leukemia: A Review 2025-Dec-01, JAMA oncology IF:22.5Q1 DOI:10.1001/jamaoncol.2025.3601 PMID:41196612	综述	本文综述了人工智能技术在急性髓系白血病风险分层、诊断和治疗规划中的应用现状与潜力	整合了机器学习、深度学习、可解释AI和联邦学习等多种AI技术，在AML管理中实现了比传统ELN指南更高的预后准确性，并解决了数据隐私和模型可解释性问题	需要统一的数据标准、健全的监管框架和公平的技术访问以实现临床转化	评估人工智能技术在急性髓系白血病风险分层和管理中的应用潜力	急性髓系白血病患者的临床、细胞遗传学、分子和图像数据	数字病理学	急性髓系白血病	机器学习、深度学习、可解释AI、联邦学习	机器学习算法、深度学习模型	临床数据、细胞遗传学数据、分子数据、骨髓涂片图像、转录组数据	NA	NA	NA	AUROC, 准确率	NA
44	2026-01-07	A transfer learning-driven fine-tuning of YOLOv10 for improved brain tumor detection in MRI images 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28813-w PMID:41326486	研究论文	本文提出了一种基于YOLOv10的迁移学习微调方法，用于提高MRI图像中脑肿瘤的检测精度	采用迁移学习策略，将预训练于COCO数据集的YOLOv10模型参数微调至脑肿瘤检测任务，显著提升了模型在有限医疗数据下的性能	研究依赖于有限的标记脑肿瘤数据集，可能影响模型在更广泛临床场景中的泛化能力	开发一种自动、高效且精确的脑肿瘤检测系统，以支持计算机辅助诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	NA	NA	YOLOv10	mAP, 精度	NA
45	2026-01-07	Quantum resistant blockchain and deep learning revolutionize secure communications for autonomous vehicles 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28938-y PMID:41326509	研究论文	提出了一种结合抗量子区块链技术和深度学习的新型架构，以增强智能交通系统中自动驾驶车辆网络的安全性	首次将抗量子区块链与深度学习模型集成，为自动驾驶车辆网络提供针对量子计算威胁的端到端安全通信、数据共享和实时威胁检测解决方案	未详细讨论模型在极端网络条件或大规模攻击下的鲁棒性，也未提及框架在实际部署中的计算开销和延迟影响	解决自动驾驶车辆网络面临的网络安全威胁，特别是量子计算对传统加密防御的挑战，旨在构建安全、高效的智能交通系统	自动驾驶车辆网络、车辆到一切通信、智能交通系统	机器学习	NA	深度学习、区块链技术	深度学习模型	车辆通信数据、交易数据	NA	NA	NA	准确率, 精确率, 召回率, 数据完整性, 吞吐量, 区块验证时间	NA
46	2026-01-07	AttBiLSTM_DE: enhancing anticancer peptide prediction using word embedding and an optimized attention-based BiLSTM framework 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29767-9 PMID:41326521	研究论文	本文提出了一种名为AttBiLSTM_DE的计算框架，通过结合注意力机制的双向LSTM和优化的加权特征，用于准确预测抗癌肽	提出了一种结合注意力机制的双向LSTM架构与优化的加权特征的计算框架，并开发了随机差分进化算法来构建混合特征和优化特征权重	未明确提及研究的局限性	开发一种计算框架以准确预测抗癌肽，从而辅助癌症治疗和药物开发	抗癌肽序列	自然语言处理	癌症	One-Hot编码, GloVe, fastText, Word2Vec, k-mer嵌入	BiLSTM	文本	NA	NA	注意力机制增强的双向LSTM	准确率, AUC	NA
47	2026-01-07	Identification of Indigenous fish species in lake Tana using deep learning 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29455-8 PMID:41326545	研究论文	本研究利用YOLO系列深度学习算法，开发了一种用于识别塔纳湖本土鱼类物种的新方法	引入了一个包含13,000张图像的新数据集，并采用综合预处理流程结合多种YOLO版本进行优化，显著提升了识别性能	NA	开发一种高效、准确的本土鱼类物种识别方法，以支持可持续渔业管理和生物多样性保护	埃塞俄比亚塔纳湖的16种本土鱼类物种	计算机视觉	NA	深度学习	YOLO	图像	13,000张图像，涵盖16种鱼类物种	NA	YOLOv5, YOLOv7, YOLOv8, YOLOv11	平均精度均值(mAP)	NA
48	2026-01-07	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29744-2 PMID:41326549	研究论文	本文介绍了一种用于胎儿MRI中宫颈自动多层分割和生物测量的深度学习流程	首次提出用于3D T2加权重建图像中孕妇宫颈自动多层分割和生物测量的深度学习流程	仅评估了20个数据集，样本量相对有限	开发自动化方法以改进胎儿MRI中宫颈的测量和分析	孕妇宫颈的3D T2加权MRI图像	数字病理学	NA	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于处理	NA	NA	与手动测量相比表现出良好性能	NA
49	2026-01-07	Automated classification of lung cancer subtypes cells using microscopic images and ensembled deep learning architectures 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29492-3 PMID:41326575	研究论文	本研究提出了一种结合ResNet-50和Attention U-Net的混合深度学习框架，用于基于显微图像自动分类肺癌亚型细胞	创新点在于将ResNet-50的全局特征提取能力与Attention U-Net的空间注意力机制相结合，并采用包含CLAHE、中值滤波、Otsu自适应阈值和灰度中调提亮的图像处理流程，将信噪比提升23%	NA	实现肺癌亚型在细胞水平的早期检测和分类	单个肺细胞的显微图像	数字病理学	肺癌	显微成像	CNN	图像	4,650张灰度图像（每个亚型1,500张），涵盖腺癌、神经内分泌癌和鳞状细胞癌	NA	ResNet-50, Attention U-Net	准确率, 精确率, 召回率, F1分数	NA
50	2026-01-07	Prediction of PEMFC life based on IGJO-TCN-BiGRU-Attention 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29800-x PMID:41326586	研究论文	提出了一种融合智能优化算法的深度学习框架（IGJO-TCN-BiGRU-Attention），用于精确预测质子交换膜燃料电池的寿命	提出改进的金豺优化算法（IGJO）来优化混合模型的超参数，并构建了TCN-BiGRU-Attention混合模型，结合了TCN的空间特征提取、BiGRU的时序动态建模和注意力机制的权重聚焦能力	NA	精确预测质子交换膜燃料电池的寿命	质子交换膜燃料电池	机器学习	NA	NA	TCN, BiGRU, Attention机制	电压-温度参数时序数据	NA	NA	TCN-BiGRU-Attention混合模型	均方根误差	NA
51	2026-01-07	Optimizing chlorophyll content prediction in tea leaves via spectral transformations and deep learning 2025-Dec-01, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07863-2 PMID:41326998	研究论文	本研究通过结合光谱预处理技术和深度学习模型，优化了茶叶叶绿素含量的预测精度	首次系统比较了四种光谱预处理方法（OR、CR、DT、SNV）与四种深度学习模型（1D-CNN、SSL、ViT、Conformer）的组合对叶绿素含量预测的影响，揭示了预处理方法与模型架构的最佳配对关系	研究仅针对茶叶单一物种，未验证在其他植物物种上的泛化能力；样本采集环境和品种多样性可能存在限制	优化基于光谱反射率的植物叶绿素含量预测方法，支持精准农业和植物表型分析	茶树（Camellia sinensis）叶片	机器学习	NA	高光谱反射率测量	1D-CNN, SSL, ViT, Conformer	光谱数据	未明确说明样本数量，采用十倍交叉验证	NA	1D-CNN, Vision Transformer, Conformer	R², RPD	NA
52	2026-01-07	S-ResNet-34: small sample-ResNet-34 for predicting cervical degeneration in x-ray image data 2025-Dec-01, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09273-9 PMID:41327180	研究论文	本研究提出了一种改进的深度学习模型S-ResNet-34，用于基于X射线图像数据预测颈椎退行性变	在ResNet-34架构的基础上，引入了与卷积操作集成的可学习权重矩阵于残差块中，以增强模型的非线性表示能力	研究样本量较小（240例患者），可能影响模型的泛化能力	构建一个更准确且成本效益更高的深度学习模型，用于诊断颈椎生理曲度异常	颈椎病患者（颈椎病）的X射线图像数据	计算机视觉	颈椎病	X射线成像	CNN	图像	240例患者	NA	ResNet-34, YOLO-V3	准确率, F1分数, 召回率	NA
53	2026-01-07	Automated Retinal Vascular Analysis Reveals Response to Acetazolamide in Idiopathic Intracranial Hypertension 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.9 PMID:41342622	研究论文	本研究利用深度学习自动分析视网膜血管，评估乙酰唑胺对特发性颅内高压继发视乳头水肿的治疗反应	首次应用深度学习自动化流程量化视网膜血管参数，并将其与临床指标关联，为特发性颅内高压治疗监测提供非侵入性生物标志物	研究为回顾性分析，样本量相对有限（n=165），且仅针对特发性颅内高压患者，结果推广需进一步验证	评估自动化视网膜血管分析能否识别特发性颅内高压继发视乳头水肿的治疗反应	特发性颅内高压继发视乳头水肿患者	数字病理学	特发性颅内高压	彩色眼底照相、光学相干断层扫描（OCT）	深度学习	图像	165名轻度视力丧失患者	NA	AutoMorph	R2、P值	NA
54	2026-01-07	G2PDeep-v2: A Web-Based Deep-Learning Framework for Phenotype Prediction and Biomarker Discovery for All Organisms Using Multi-Omics Data 2025-Dec-01, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121673 PMID:41463329	研究论文	本文介绍了一个基于深度学习的网络平台G2PDeep-v2，用于多组学数据的表型预测和生物标志物发现	开发了一个集深度学习、超参数优化、可视化和下游分析于一体的统一网络平台，支持广泛生物体的多组学数据	NA	为研究人员提供易于使用的工具，以整合和分析多组学数据进行表型预测和标志物发现	包括人类和植物在内的多种生物体的多组学数据	机器学习	NA	多组学数据	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
55	2026-01-07	Design of an iterative physiologically guided hybrid deep learning framework for robust hand vein segmentation, blood flow analysis, and early vascular diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103590 PMID:41492530	研究论文	提出了一种名为Bio-TransUNet的迭代生理引导混合深度学习框架，用于鲁棒的手部静脉分割、血流分析和早期血管疾病诊断	结合了多尺度时空注意力机制、生物物理正则化学习、概率图建模以及基于Transformer的分类和领域适应技术，实现了分割、结构验证和疾病分类的统一框架	未在摘要中明确说明	开发一种可靠的非侵入性早期血管疾病诊断方法，特别关注手部血流评估和静脉检测	人体手部血管系统	计算机视觉	心血管疾病	近红外成像	Transformer, 深度学习	图像	NA	NA	TransUNet	NA	NA
56	2026-01-07	Hybrid quantum-classical deep learning framework for balanced multiclass diabetic retinopathy classification 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103605 PMID:41492535	研究论文	本文提出了一种新颖的混合量子-经典深度学习框架，用于解决糖尿病视网膜病变五级分类中的类别不平衡和高分辨率数据挑战	首次将量子计算技术与经典深度学习结合用于糖尿病视网膜病变多级分类，通过量子就绪压缩和参数化量子电路实现高效且平衡的分类性能	未明确说明模型在外部验证集上的泛化能力，量子计算部分可能受当前硬件限制	开发一种可扩展的AI诊断方法，用于糖尿病视网膜病变的早期和准确分类	糖尿病患者的视网膜图像	医学影像分析	糖尿病视网膜病变	深度学习与量子计算融合技术	混合量子-经典深度学习模型	图像	APTOS 2019数据集	PyTorch, 量子计算框架	ResNet-50, 变分量子电路(VQC)	平衡准确率	未明确指定，但提及适用于低资源临床环境和远程医疗平台
57	2026-01-07	Computer Vision Applications in Spinal Orthopaedics: A Scoping Review of Imaging-Based Algorithms for Diagnosis, Measurement, and Surgical Planning 2025-Dec, Cureus DOI:10.7759/cureus.98486 PMID:41492595	综述	本文是一篇范围综述，系统梳理了计算机视觉在脊柱骨科影像中的应用，包括诊断、测量和手术规划等任务	首次通过范围综述全面映射计算机视觉在脊柱骨科中的当前应用，并详细描述了临床任务、成像模态和计算方法	仅有20%的研究包含外部验证，且没有研究进行前瞻性测试，临床转化仍有限	系统回顾并描述计算机视觉在脊柱骨科影像中的应用现状	已发表的关于计算机视觉应用于脊柱影像的研究	计算机视觉	脊柱疾病	NA	深度学习	影像	NA	NA	U-Net, ResNet, YOLOv5	Dice系数, 准确率, AUC, 组内相关系数	NA
58	2026-01-07	An integrated facial recognition system for classroom resource optimization using MobileNet and SSA-SVM 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29327-1 PMID:41318694	研究论文	本研究提出了一种集成的面部识别系统，结合MobileNet特征提取与SSA-SVM分类模型，用于实时监控和考勤跟踪，以优化大学教室资源利用	结合MobileNet的深度可分离卷积网络与倒置残差模块进行特征提取，并采用SSA-SVM进行分类，在面部检测和识别准确率上相比基线方法有显著提升	NA	通过实时面部识别系统优化大学教室资源利用，提高教育资源配置效率	大学教室中的学生面部图像	计算机视觉	NA	NA	CNN, SVM	图像	河南省多所教育机构的数据	NA	MobileNet	准确率, 帧率	NA
59	2026-01-07	From multi-omics to deep learning: advances in cfDNA-based liquid biopsy for multi-cancer screening 2025-Nov-28, Biomarker research IF:9.5Q1 DOI:10.1186/s40364-025-00874-z PMID:41310905	综述	本文综述了基于循环游离DNA（cfDNA）的液体活检在多癌筛查中的关键生物标志物、多模态特征融合方法以及机器学习与深度学习技术的应用进展	强调了多模态cfDNA生物标志物（如基因突变、拷贝数变异、DNA甲基化、片段化模式和末端基序）的整合与特征融合方法，结合机器学习与深度学习框架，以提升癌症分类模型的性能并稳定低丰度信号	面临肿瘤异质性、数据处理标准化、模型可解释性以及成本限制等挑战	探讨cfDNA液体活检在多癌筛查中的技术进展与临床应用潜力	循环游离DNA（cfDNA）生物标志物及其在癌症检测与监测中的应用	机器学习	癌症	cfDNA分析，包括基因突变、拷贝数变异、DNA甲基化、片段化模式和末端基序检测	传统机器学习，深度学习	多组学数据（遗传与表观遗传数据）	NA	NA	NA	NA	NA
60	2026-01-07	Global and regional accuracy of deep learning-based tumor segmentation from whole-body [18F]fluorodeoxyglucose PET/CT images 2025-Nov-28, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01333-4 PMID:41313553	研究论文	本研究评估了基于深度学习的nnU-Net模型在全身体[18F]FDG PET/CT图像中肿瘤分割的全局和区域准确性	首次在全身体PET/CT图像中系统评估nnU-Net的分割性能，并揭示了肿瘤背景比（TBR）与分割准确性之间的显著关系	研究仅针对三种癌症类型（肺癌、淋巴瘤、黑色素瘤），且未在外部数据集上进行验证	测试深度学习算法预测体积与手动分割体积之间的关系，并评估预测准确性与正常背景摄取的相关性	1334例经组织学确诊的肺癌、淋巴瘤和黑色素瘤患者的[18F]FDG-PET/CT扫描图像	数字病理学	肺癌, 淋巴瘤, 黑色素瘤	[18F]FDG-PET/CT成像	CNN	医学图像（PET/CT扫描）	1334例PET/CT扫描（训练集933例，内部验证集267例，测试集134例）	MONAI	nnU-Net	Dice分数, F1分数, 线性相关系数	NA