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
921	2026-01-28	Caries Detection in Primary Molars with Bitewing Radiographs through Deep Learning Based-Object Detectors 2025-Dec-18, Caries research IF:2.9Q1 DOI:10.1159/000550079 PMID:41411231	研究论文	本研究旨在开发基于深度学习目标检测器的人工智能算法，用于在儿童乳磨牙的咬翼X光片中检测和分期龋齿病变	首次将多种深度学习目标检测算法应用于儿童乳磨牙龋齿的自动检测与分期，并比较了不同模型在龋齿严重性分类中的性能	数据集仅包含1,023张X光片，样本量相对有限；模型在检测所有龋齿病变时的灵敏度仅为0.509，仍有提升空间	开发人工智能算法以辅助临床医生更准确地诊断儿童龋齿病变，实现自动化龋齿检测与分期	儿童乳磨牙的咬翼X光片	计算机视觉	龋齿	X光成像	深度学习目标检测器	图像	1,023张儿童乳磨牙咬翼X光片	NA	DINO, YOLOv7	加权Kappa分数, 灵敏度, 特异性, 准确率	NA
922	2026-01-28	Data-Driven differentiation of idiopathic Normal-Pressure hydrocephalus and progressive supranuclear palsy via automated volumetric analysis 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03830-8 PMID:41204957	研究论文	本研究开发了基于深度学习的自动化脑部体积分析方法，用于区分特发性正常压力脑积水和进行性核上性麻痹	采用深度学习自动化体积分析结合多组MRI特征（脑干、体积、中脑与脑桥比率、DESH亚组），并应用线性支持向量机模型实现高诊断准确性	样本量相对有限（共192例），且仅基于T1加权MRI图像，未涉及多模态影像或纵向数据	开发自动化机器学习方法以区分特发性正常压力脑积水和进行性核上性麻痹	特发性正常压力脑积水和进行性核上性麻痹患者的T1加权3D脑部MRI扫描	数字病理学	神经退行性疾病	T1加权3D脑部MRI扫描	SVM	图像	192例患者（132例iNPH，60例PSP）	NA	线性支持向量机	AUROC	NA
923	2026-01-28	Deep learning for multi-modal medical image segmentation: a survey and comparative study 2025-Dec, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-025-01052-3 PMID:41082044	综述	本文对2019年至2025年间多模态医学图像分割的深度学习方法进行了全面的调查和比较分析	提供了多模态医学图像分割深度学习方法与融合策略的全面概述，并比较了不同模型在提升分割准确性和可靠性方面的表现	NA	综述和比较多模态医学图像分割的深度学习技术进展	多模态医学图像分割方法	计算机视觉	NA	多模态医学图像融合	深度学习模型	多模态医学图像	NA	NA	NA	分割准确性，可靠性	NA
924	2026-01-28	Deep learning-based computed tomography reconstruction improves image quality but does not significantly affect Alberta stroke program early CT score evaluation in acute middle cerebral artery territory infarction 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03804-w PMID:41091157	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
925	2026-01-28	Retrospective detection of missed intra-cranial aneurysms on computed tomography angiography using a commercial deep learning algorithm 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03810-y PMID:41091156	研究论文	本研究评估了一种商业深度学习算法在回顾性检测计算机断层扫描血管造影中漏诊的颅内动脉瘤的效果	结合自然语言处理与卷积神经网络，通过算法标记疑似漏诊动脉瘤，并由神经放射科医生验证，提高了动脉瘤的检测率	漏诊的动脉瘤主要为小型（≤3毫米），且研究为单中心回顾性设计，可能存在选择偏倚	识别漏诊动脉瘤患者以进行随访和可能治疗，并评估深度学习算法在CTA中检测漏诊动脉瘤的有效性	成年患者的头部CTA研究	数字病理学	颅内动脉瘤	计算机断层扫描血管造影	CNN	图像	2615项头部CTA研究	NA	NA	灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
926	2025-11-25	Deep learning in bone marrow cytomorphology: advances in segmentation, classification, and clinical translation 2025-Nov-24, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-025-03127-z PMID:41284066	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
927	2026-01-28	OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG 2025-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110854 PMID:40857816	研究论文	本文介绍了一种名为OpenSpindleNet的开源深度学习网络，用于在头皮和颅内脑电图中可靠检测睡眠纺锤波	采用双头架构增强性能、鲁棒性和易用性，在颅内脑电图检测中表现优于现有方法	NA	开发一种精确、自动的睡眠纺锤波检测方法，以理解其在睡眠生理和脑健康中的作用	睡眠纺锤波，一种在轻度非快速眼动睡眠期间发生的振荡性脑活动	机器学习	NA	脑电图	深度学习网络	脑电图数据	NA	NA	双头架构	F1分数	NA
928	2026-01-28	Learning Biophysical Dynamics with Protein Language Models 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了SeqDance和ESMDance两种蛋白质语言模型，用于学习蛋白质的生物物理动力学特性	首次将分子动力学模拟和正常模式分析得到的动态生物物理特性整合到蛋白质语言模型中，以捕捉蛋白质的动态本质	模型训练依赖于模拟数据，可能受限于模拟的准确性和覆盖范围	开发能够预测蛋白质动态行为和突变效应的深度学习模型	超过64,000个蛋白质的动态生物物理特性	自然语言处理	NA	分子动力学模拟，正常模式分析	蛋白质语言模型	序列数据，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance (基于ESM2)	零样本预测性能	NA
929	2026-01-28	Bridging the Gap Between Accuracy and Efficiency in AI-Based Breast Cancer Diagnosis from Histopathological Data 2025-06-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17132159 PMID:40647456	研究论文	本研究提出了一种名为CellSage的新型轻量级深度学习模型，用于从组织病理学图像中诊断乳腺癌，旨在平衡诊断准确性与计算效率	提出了一种集成了多尺度特征提取、深度可分离卷积和卷积块注意力模块（CBAM）的新型CNN架构，在保持高精度的同时显著降低了模型参数量和计算负担	研究仅在BreakHis数据集上进行训练和评估，未在其他独立数据集或真实临床环境中进行广泛验证	设计一个轻量且高性能的深度学习模型，以解决乳腺癌组织病理学诊断中准确性与计算效率之间的权衡问题	乳腺癌的组织病理学图像	数字病理学	乳腺癌	染色归一化（通过对比增强建模，CAM），数据增强	CNN	图像	BreakHis数据集	NA	CellSage（集成多尺度特征提取、深度可分离卷积、CBAM）	准确率，F1分数，AUC	NA
930	2026-01-28	AI-Based Detection of Optical Microscopic Images of Pseudomonas aeruginosa in Planktonic and Biofilm States 2025-Apr, Information (Basel) DOI:10.3390/info16040309 PMID:41550100	研究论文	本文报告了一种基于深度学习的AI模型，用于高精度检测铜绿假单胞菌在浮游和生物膜状态下的光学显微镜图像	首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇预防生物膜形成，实现高效检测	未提及模型在多样化环境或不同细菌物种上的泛化能力评估	开发一种准确高效的生物膜检测与预防方法	铜绿假单胞菌的浮游状态和生物膜状态	计算机视觉	NA	光学显微镜成像，适配体DNA模板银纳米簇技术	深度学习	图像	大体积亮场图像（具体数量未说明）	NA	U-Net, ResNet18, ResNet34	NA	NA
931	2026-01-27	Fast electromagnetic field simulation using a current-density- based physics-informed neural network 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33166-5 PMID:41476089	研究论文	本研究提出了一种基于电流密度的物理信息神经网络模型，用于高效解决电磁场模拟中的泊松方程，提升计算速度和适应性	结合物理数学先验知识与深度学习，构建了基于电流密度的PINN模型，克服了传统数值方法效率低和适应性差的局限	NA	解决电磁场模拟和电流密度相关问题的计算效率与适应性挑战	电磁场模拟中的泊松方程求解	机器学习	NA	物理信息神经网络	PINN	模拟数据	NA	NA	NA	相对误差	NA
932	2026-01-27	A PIKAN-based model for the prediction of the temperature fields of castings 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32973-0 PMID:41469430	研究论文	本研究提出了一种基于PIKAN的深度学习模型，用于预测铸件凝固过程中的二维温度场演化	采用分组时空参数输入MLP模型，结合物理损失和数据损失的损失函数，并通过贝叶斯优化确定最优权重参数，利用多铸件几何形状进行预训练以提高预测效率	未明确提及模型在复杂三维温度场或极端工艺条件下的泛化能力	通过深度学习技术优化铸造过程中的温度场预测，支持新仿真方法在工程中的应用	铸件凝固过程中的温度场	机器学习	NA	深度学习	MLP	时空参数数据	未明确指定样本数量，但涉及多铸件几何形状	未明确指定，可能为TensorFlow或PyTorch	PIKAN模型	绝对误差（平均温度误差5.62 K），平均准确率（88.74%）	未明确指定
933	2026-01-27	Multimodal deep learning for cancer prognosis prediction with clinical information prompts integration 2025-Dec-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02257-y PMID:41455823	研究论文	本文提出了一种名为SurvPGC的多模态深度学习模型，用于整合病理图像、基因组数据和临床记录以预测癌症预后	通过文本模板和基础模型将临床信息转换为高维向量，并利用交叉注意力模块实现多模态数据的有效整合	临床信息具有离散、稀疏和低维度的特点，其利用仍不充分	提高癌症生存预测的准确性，以指导治疗和评估疗效	癌症患者的多模态数据，包括病理图像、基因组数据和临床记录	数字病理学	癌症	多模态深度学习	深度学习模型	图像, 基因组数据, 文本	三个来自癌症基因组图谱的数据集	NA	交叉注意力模块	NA	NA
934	2026-01-27	Deep learning-based joint analysis of diabetic retinopathy and glaucoma in retinal fundus images 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32991-y PMID:41449171	研究论文	提出一种基于Vision Transformer与双向特征融合的深度学习架构，用于视网膜眼底图像中糖尿病视网膜病变与青光眼的联合分析	提出ViT-BiFusionDRNet-HGS模型，首次将双向特征融合模块与Vision Transformer结合，并引入Hunger Games Search算法优化超参数与融合权重，实现复杂眼底图像的跨疾病联合分析	模型仅在开源数据集上验证，未在临床多中心数据中进行大规模验证，且未说明对图像质量变化的鲁棒性	开发能够同时诊断糖尿病视网膜病变和青光眼的自动化分析系统	视网膜眼底图像	计算机视觉	糖尿病视网膜病变, 青光眼	眼底成像	Vision Transformer	图像	NA	NA	Vision Transformer, ViT-BiFusionDRNet-HGS	准确率, 敏感度	NA
935	2026-01-27	Research on the performance inspection of large-span cable-stayed bridges under multi-physics field information guidance 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32954-3 PMID:41422307	研究论文	本研究提出了一种集成多物理场编码的异构图神经网络，用于大跨度斜拉桥的有限元模型参数更新与结构性能评估	提出了IMPFE-HGNN模型，通过元路径子图和关系感知编码显式建模应变、挠度、温度、索力和加速度传感器之间的异质拓扑关系，能够提取传统架构无法获取的高阶多物理场语义信息	研究仅针对大跨度斜拉桥进行案例验证，未涉及其他类型桥梁或结构，且模型性能可能受传感器布置密度和数据质量影响	提高大跨度桥梁有限元模型参数更新的精度，以支持准确的安全评估和使用寿命预测	大跨度斜拉桥的结构性能	机器学习	NA	有限元分析，多物理场传感器数据融合	异构图神经网络	多源传感器数据（应变、挠度、温度、索力、加速度）	NA	NA	IMPFE-HGNN	参数修正率，应变预测误差，挠度预测精度	NA
936	2026-01-27	Innovative AI model for bladder cancer diagnosis 2025-Dec-20, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04278-1 PMID:41420667	研究论文	本研究开发了一种基于CT影像的AI模型，用于膀胱癌的准确诊断	利用深度学习技术自动从CT图像中学习并提取特征，结合Grad-CAM提供可解释性，实现了高精度的膀胱癌检测	研究为回顾性分析，需要前瞻性验证来进一步确认模型的临床适用性	开发一种AI模型以改善膀胱癌的早期诊断	膀胱癌患者	计算机视觉	膀胱癌	CT成像	深度学习模型	CT图像	来自医院和TCIA的大型CT图像数据集	NA	NA	准确率	NA
937	2026-01-27	Evidential deep learning for interatomic potentials 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67663-y PMID:41422077	研究论文	本文提出了一种基于证据深度学习的原子间势能框架，用于分子模拟中的不确定性量化	该方法通过物理启发式设计，在不增加显著计算开销或降低预测准确性的情况下提供不确定性量化，并在多种数据集上优于现有方法	NA	开发一种高效且准确的不确定性量化方法，以提升机器学习原子间势能在分子模拟中的可靠性	原子间势能模型及其在分子模拟中的应用，例如水和通用势能	机器学习	NA	证据深度学习	深度学习	原子配置数据	NA	NA	NA	预测准确性，不确定性量化性能	NA
938	2026-01-27	Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33010-w PMID:41422297	研究论文	本研究开发了一种基于常规2D超声的AI框架，用于标准化辅助生殖技术中的卵巢储备评估，通过融合放射组学和深度学习模型预测窦卵泡计数和抗缪勒管激素水平	首次提出结合放射组学和深度学习的融合模型，利用常规2D超声图像标准化卵巢储备评估，克服了传统AFC评估的观察者间变异性和AMH检测的局限性	研究为多中心回顾性设计，样本量相对有限（共395名患者），外部验证队列仅来自两家附属医院	开发AI框架以标准化辅助生殖技术中的卵巢储备评估，实现个性化卵巢刺激方案优化	395名不孕症女性患者	数字病理学	不孕症	常规2D超声成像	CNN, 放射组学模型	超声图像	395名患者（训练集210例，内部测试集91例，外部测试集94例）	NA	ResNet50	R², AUC, 敏感性, 特异性	NA
939	2026-01-27	Structural configuration of sustainable sports industry based on deep learning and genetic algorithm 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32847-5 PMID:41419589	研究论文	本研究构建了一个融合深度学习与遗传算法的智能优化框架，用于解决体育产业高质量发展转型中的结构失衡与可持续性挑战	突破了传统静态描述范式，首次将一维卷积神经网络与遗传算法结合，构建了动态建模、多目标优化与定量求解的智能决策工具，为产业结构精准优化与跨区域应用提供了新范式	未明确说明模型对特定区域或新兴细分产业的适用性限制，且数据时间范围（2010-2022）可能无法完全捕捉长期结构性变化	优化体育产业结构，协同提升经济、社会与环境效益，推动产业向服务化转型	体育产业（基于2010-2022年行业统计数据及2018-2020年省级面板数据）	机器学习	NA	深度学习, 遗传算法	CNN, 遗传算法	高维行业数据, 面板数据	2010-2022年行业统计数据及2018-2020年省级面板数据，并包含美国与德国的验证数据	NA	一维卷积神经网络	跨区域预测误差（<6%）	NA
940	2026-01-27	YOLO-TME: A UAV landing detection algorithm that is suitable for Polar ice Floe base stations 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32923-w PMID:41420005	研究论文	本文提出了一种名为YOLO-TME的无人机着陆检测算法，适用于极地冰浮基站环境，旨在解决GPS和RTK信号误差导致的无人机返航与着陆问题	将基于Transformer的卷积（TransConv）集成到YOLOv11中，增强了网络对雾雪遮挡图像全局信息的建模能力；设计了雾全局特征金字塔网络（MistGFPN）以提升小目标特征提取能力；提出了高效非对称检测头（EADH）以提高模型的实时检测性能	NA	开发一种适用于极地环境的无人机着陆检测算法，以克服GPS和RTK信号误差及恶劣图像条件带来的挑战	极地冰浮基站环境中的无人机着陆标志检测	计算机视觉	NA	深度学习目标检测	CNN, Transformer	图像	自制数据集（具体数量未提及）	NA	YOLOv11, TransConv, MistGFPN, EADH	准确率, 召回率, 平均精度, F1分数, FPS	NA