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
681	2026-01-02	Traditional cloud pattern classification algorithm based on semi-supervision with Random Line Augment 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29225-6 PMID:41298891	研究论文	本文提出了一种基于半监督学习和随机线增强策略的传统云纹图案分类算法	针对同一类别内不同类型图案分类的难题，结合半监督学习减少标注需求，并创新性地提出了基于线特征和边缘检测的随机线增强数据增强策略	NA	实现传统云纹图案的高精度分类，以支持其数字化保护	传统云纹图案	计算机视觉	NA	边缘检测算法	CNN	图像	NA	NA	WideResNet	准确率	NA
682	2026-01-02	Software cost estimation using TabNet and Harris Hawks Optimization 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29908-0 PMID:41298997	研究论文	本研究提出了一种结合TabNet深度学习架构与Harris Hawks优化算法的混合模型，用于软件成本估计	首次将TabNet与Harris Hawks优化算法结合用于软件成本估计，通过优化特征工程提升模型性能	未明确说明模型在不同规模或类型软件项目中的泛化能力限制	提高软件成本估计的准确性和可靠性	软件项目成本数据	机器学习	NA	深度学习, 特征工程优化	TabNet	表格数据	多个标准数据集（COCOMO, NASA, Desharnais, China, Albrecht）	未明确指定	TabNet	均方误差, 均方根误差, 平均绝对误差, 中位数相对误差, 预测准确率	NA
683	2026-01-02	Deep learning-extracted high-resolution dataset of rural courtyards and rooftops in northern China 2025-Nov-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06260-6 PMID:41290723	研究论文	本研究利用深度学习技术从亚米级遥感影像中提取了中国北方农村地区庭院和屋顶的高分辨率空间数据集	首次通过深度学习自动化方法生成了农村宅基地庭院边界和屋顶足迹的精细尺度数据集，填补了微观尺度农村数据的空白	未明确说明模型在更广泛地理区域或不同季节条件下的泛化能力	分析农村聚落结构以支持可持续农村发展、资源管理和环境规划	中国北方代表性地区的农村家庭庭院和建筑屋顶	计算机视觉	NA	亚米级遥感影像	CNN	图像	NA	NA	NA	准确性	NA
684	2026-01-02	A deep learning pipeline for detecting vestibular schwannoma patients with unilateral vestibular loss based on kinematic data 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29776-8 PMID:41291198	研究论文	本研究开发了一种基于深度学习的分类器，利用运动学数据检测前庭神经鞘瘤患者的单侧前庭功能丧失	通过深度学习模型从手腕和躯干传感器提取特征，检测早期代偿性运动模式，即使在临床评分无差异的情况下也能识别功能损伤	分类器准确率最高为0.74（对照组）和0.71（VS患者），仍有提升空间，且数据集规模对性能有显著影响	检测前庭神经鞘瘤患者的平衡和协调功能损伤，特别是在传统临床评估正常的情况下	前庭神经鞘瘤患者和年龄匹配的健康对照组	机器学习	前庭神经鞘瘤	惯性测量单元（IMUs）数据采集	CNN	运动学数据	未明确具体样本数量，但包括VS患者和健康对照组	未明确指定，但基于深度学习	卷积神经网络（CNN）	准确率	NA
685	2026-01-02	Interpretable multimodal MRI radiomics for predicting neoadjuvant chemotherapy response in nasopharyngeal carcinoma 2025-Nov-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02071-8 PMID:41291491	研究论文	本研究探讨了多模态MRI影像组学模型在预测鼻咽癌新辅助化疗反应中的价值，并比较了机器学习和深度学习模型的性能差异	结合DCE-MRI特征的多模态MRI影像组学深度学习模型，通过SHAP分析增强模型可解释性，在预测鼻咽癌新辅助化疗反应中表现出优越性能	回顾性研究设计，样本量有限（370例患者），且仅部分患者（126例）进行了DCE-MRI检查	预测鼻咽癌患者对新辅助化疗的反应	鼻咽癌患者	数字病理学	鼻咽癌	多模态MRI（包括T1WI、PDWI、CE-T1WI和DCE-MRI）	机器学习模型（逻辑回归、支持向量机、随机森林、极端梯度提升）和深度学习模型（多层感知机）	MRI图像	370例鼻咽癌患者，其中126例进行了DCE-MRI检查	Scikit-learn, TensorFlow或PyTorch（具体未明确说明）	多层感知机	AUC, 敏感性, 特异性	NA
686	2026-01-02	Artificial intelligence at the gut-oral microbiota frontier: mapping machine learning tools for gastric cancer risk prediction 2025-Nov-25, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01487-1 PMID:41291759	综述	本文系统回顾并批判性评估了利用微生物和非侵入性生物标志物预测胃癌的人工智能和机器学习模型	首次系统性地绘制了AI驱动的基于微生物组的胃癌预测方法学图景，并应用临床准备度矩阵和验证质量评估来识别转化差距	纳入研究数量有限（9项），且大多数研究缺乏外部验证、可解释性标准和报告透明度不一	系统回顾和评估用于胃癌预测的AI/ML模型，并绘制其方法学严谨性、转化准备度和生物标志物收敛性	利用微生物组数据（来自胃黏膜、粪便、唾液、舌苔、肿瘤组织）和非侵入性生物标志物进行胃癌预测的AI/ML模型研究	机器学习	胃癌	16S rRNA测序	Random Forest, LASSO, LightGBM, 深度学习	微生物组数据，舌部成像代理数据	9项符合纳入标准的研究，样本来源包括胃黏膜、粪便、唾液、舌苔和肿瘤组织	NA	NA	AUC	NA
687	2026-01-02	A novel hybrid approach for multi stage kidney cancer diagnosis using RCC ProbNet 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29742-4 PMID:41276585	研究论文	本文提出了一种名为RCC-ProbNet的新型混合深度学习模型，用于多阶段肾细胞癌的诊断和分类	提出了一种结合特征提取和概率特征建模的混合深度学习方法，能够更精细地表征特征，从而增强模型区分不同RCC阶段的能力	未明确提及具体的数据集来源、样本多样性或外部验证情况	提高肾细胞癌的诊断精度，实现早期筛查和分期	肾细胞癌（RCC）患者	数字病理	肾癌	医学影像分析	混合深度学习模型	医学影像	NA	NA	RCC-ProbNet	准确率	NA
688	2026-01-02	Advanced COVID-19 detection using cough signals with space reconstruction and 3D deep convolutional neural networks 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29633-8 PMID:41286001	研究论文	本研究提出了一种通过咳嗽音频信号分析检测COVID-19的新方法，结合了相空间重构和三维深度卷积神经网络	采用相空间重构将原始咳嗽信号转换为多维特征空间，捕捉数据的复杂动态行为，并设计了一个包含五个卷积层的三维深度卷积神经网络进行多分类	未提及	开发一种非侵入性、可扩展的COVID-19快速筛查框架	咳嗽音频信号	机器学习	COVID-19	相空间重构	3D CNN	音频信号	超过8,400个咳嗽录音，来自不同人群	NA	自定义三维深度卷积神经网络	准确率, 召回率, 特异性	NA
689	2026-01-02	Deep Learning-Driven Early Diagnosis of Respiratory Diseases using CNN-RNN Fusion on Lung Sound Data 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28832-7 PMID:41286281	研究论文	本研究提出了一种基于深度学习的肺音分析算法，通过融合CNN和RNN架构来改善呼吸系统疾病的早期检测	提出了一种结合CNN和RNN的融合模型架构，并采用Mel-spectrograms作为关键输入特征，同时使用Grad-CAM提供可解释的可视化解释	未明确提及模型在临床实际应用中的验证情况以及跨数据集泛化能力的详细评估	通过肺音分析实现呼吸系统疾病的早期诊断	肺音数据	机器学习	呼吸系统疾病	肺音分析	CNN, RNN, LSTM	音频	来自Coswara和ICBHI数据集的综合数据	未明确提及	CNN-RNN融合模型（包含3个CNN层、3个最大池化层、2个全连接层和2个LSTM层）	准确率, 灵敏度, 特异性, F1分数	未明确提及
690	2026-01-02	Antimicrobial peptide prediction based on contrastive learning and gated convolutional neural network 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29666-z PMID:41286313	研究论文	本文提出了一种基于对比学习和门控卷积神经网络的抗菌肽预测框架CG-AMP，旨在高效识别抗菌肽	采用双模块架构，结合预训练语言模型、对比学习和增强的卷积神经网络，以整合多模态特征，提高抗菌肽识别的准确性和效率	NA	开发一种高效识别抗菌肽的计算方法，以替代抗生素并减少时间和成本	抗菌肽	自然语言处理	NA	深度学习	CNN	序列数据	NA	NA	门控卷积神经网络	准确率, F1分数, 马修斯相关系数	NA
691	2026-01-02	The role of data augmentation and attention mechanisms in UNet and ConvNeXt architectures for optimizing breast tumor segmentation 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29841-2 PMID:41286401	研究论文	本研究全面分析了UNet与ConvNeXt Tiny架构在乳腺癌肿瘤分割中的不同配置，探讨了数据增强、注意力机制等对性能的影响	通过结合注意力机制与特定dropout率（0.5），在UNet+ConvNeXt Tiny架构中实现了分割精度与泛化能力的最佳平衡，并揭示了数据增强在医学影像中可能导致的解剖结构失真问题	某些数据增强技术（特别是激进的几何变换）可能扭曲超声图像中的解剖结构，导致分割质量下降，且数据增强单独使用时性能提升不稳定	优化乳腺癌肿瘤分割的深度学习模型性能	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声成像	CNN	图像	基于BUSI数据集和BUS-UCLM数据集（具体样本数未明确说明）	未明确说明	UNet, ConvNeXt Tiny	F1分数, 精确率, IoU, 召回率, Dice系数	未明确说明
692	2026-01-02	OMetaNet: an efficient hybrid deep learning model based on multimodal data fusion and contrastive learning for predicting 2'-O-methylation sites in human RNA 2025-Nov-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06324-9 PMID:41286599	研究论文	本文提出了一种基于多模态数据融合和对比学习的混合深度学习模型OMetaNet，用于预测人类RNA中的2'-O-甲基化位点	构建了低冗余数据集，创新性地提出了KN-PairMatrix编码方案，并开发了集成残差和降采样优化CNN模块、Mamba网络及专有跨模态交互融合模块的深度学习框架，采用对比学习驱动的自适应混合损失函数和渐进特征解缠策略	未在摘要中明确提及	准确识别RNA 2'-O-甲基化位点，以深入理解RNA调控机制	人类RNA中的2'-O-甲基化位点	机器学习	NA	KN-PairMatrix编码方案	CNN, Mamba网络	多模态数据	NA	NA	残差和降采样优化CNN模块, Mamba网络, 跨模态交互融合模块	NA	NA
693	2025-11-26	Mood states recognition based on Mandarin speech and deep learning in patients with bipolar disorder 2025-Nov-24, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-07630-5 PMID:41286671	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
694	2026-01-02	Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography 2025-Nov-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02082-5 PMID:41286703	研究论文	本研究评估了使用深度学习重建的超低剂量脑CT在检测颅内出血方面的诊断性能、图像质量和辐射剂量，并与迭代重建的超低剂量CT及常规剂量CT进行比较	首次将深度学习重建技术应用于超低剂量脑CT，在显著降低辐射剂量的同时，保持了与常规剂量CT相当的图像质量和诊断性能	研究为回顾性设计，样本量相对较小（93例患者），且仅针对颅内出血检测，未涵盖其他脑部病变	评估超低剂量CT结合深度学习重建在颅内出血检测中的有效性，以降低患者辐射暴露	93例患者（中位年龄67岁，61例男性）的脑CT图像	计算机视觉	颅内出血	CT扫描	深度学习重建	医学图像	93例患者	NA	NA	灵敏度, 特异性	NA
695	2026-01-02	Deep vision in agriculture: assessing the function of YOLO in the classification of plant leaf diseases (PLDs) 2025-Nov-24, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00497-y PMID:41286934	综述	本文对基于YOLO模型的植物叶片病害分类方法进行了全面综述，包括从YOLOv1到YOLOv10的版本演进、领域特定变体，并提供了数据集目录、性能基准分析以及未来研究方向	提供了结构化的数据集目录，包含大小、分辨率、病害类别及局限性信息；进行了YOLO各版本在性能指标上的比较基准分析；讨论了开放挑战和未来研究方向，如轻量化模型	NA	评估YOLO模型在植物叶片病害分类中的应用，促进可持续农业发展	植物叶片病害	计算机视觉	植物病害	深度学习	YOLO	图像	NA	NA	YOLOv1, YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10, CTB-YOLO, BED-YOLO, RAG-augmented YOLOv8	准确率, 精确率, 召回率, F1分数, 平均精度均值, 每秒帧数	NA
696	2026-01-02	Artificial intelligence-driven prediction of lymph node metastasis in T1 esophageal squamous cell carcinoma using whole slide images 2025-Nov-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01186-z PMID:41274958	研究论文	本研究开发了一种基于深度学习的人工智能模型，利用全切片图像预测T1期食管鳞状细胞癌的淋巴结转移，以减少过度治疗	首次使用全切片图像和深度学习模型来预测T1期食管鳞状细胞癌的淋巴结转移，并在内外部验证中展示了高准确性和高阴性预测值	研究样本主要来自未接受内镜黏膜下剥离术的患者，且外部验证队列仅包含临床高风险病例，可能限制了模型的泛化能力	预测T1期食管鳞状细胞癌的淋巴结转移，以指导内镜黏膜下剥离术后的治疗决策	T1期食管鳞状细胞癌患者	数字病理学	食管癌	全切片图像分析	深度学习模型	图像	160例手术切除病例（72例LNM+，88例LNM-），来自374名患者，外加一个外部内镜黏膜下剥离术队列	NA	NA	AUC, 准确率, 灵敏度, 特异性, F1分数, 阴性预测值	NA
697	2025-11-25	Deep learning assessment of street spatial quality in old residential communities of Wuchang, Wuhan, China 2025-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28936-0 PMID:41276562	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
698	2026-01-02	A dataset of building surface defects collected by UAVs for machine learning-based detection 2025-Nov-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06318-5 PMID:41274920	研究论文	本研究构建了一个基于无人机采集的建筑表面缺陷数据集，用于支持基于机器学习的缺陷检测研究	构建了首个大规模、高质量、多场景的无人机建筑表面缺陷数据集，涵盖多种结构类型和缺陷类别，并提供了标准化标注和数据集划分	未提及模型性能的具体评估结果，也未讨论数据集在特定光照或环境条件下的潜在偏差	解决建筑表面缺陷检测中高质量标注数据集缺乏的问题，推动深度学习在实际工程中的应用	建筑表面缺陷图像	计算机视觉	NA	无人机图像采集	NA	图像	14,471张高分辨率图像，涵盖6种结构类型和5种缺陷类别	NA	NA	NA	NA
699	2026-01-02	Development and validation of an artificial intelligence-based model for cardiovascular disease prediction using longitudinal data 2025-Nov-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03280-5 PMID:41275275	研究论文	本研究开发并验证了一种基于人工智能的模型，利用纵向数据预测心血管疾病	使用基于LSTM和GRU的深度学习模型分析纵向数据中的风险因素动态变化，以预测10年心血管疾病发病率，并在有限特征集下达到与使用更多变量研究相当的性能	模型仅限于21个常用临床变量，可能未涵盖所有相关风险因素	评估深度学习和混合效应逻辑模型在预测10年心血管疾病发病率方面的有效性	伊朗30岁及以上无心血管疾病史的成年人	机器学习	心血管疾病	临床历史检查	LSTM, GRU	纵向数据	4872名成年人（最终分析样本包括1942名男性和2930名女性）	NA	Long Short-Term Memory, Gated Recurrent Unit	AUC	NA
700	2026-01-02	Using a dynamic arithmetic optimization approach to improve ridgelet neural network performance in remote sensing scene classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28490-9 PMID:41271988	研究论文	本研究提出了一种创新的动态算术优化算法（DAOA）来优化Ridgelet神经网络（RNN）的超参数，以提高遥感场景分类的准确性	提出了一种新的动态算术优化算法（DAOA）来自动搜索RNN模型的最佳超参数，从而提升其性能	NA	提高遥感场景分类的准确性和效率	遥感场景图像	计算机视觉	NA	NA	RNN（Ridgelet神经网络）	图像	UC Merced Land Use公开数据集	NA	Ridgelet神经网络	NA	NA