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
941	2025-12-20	A geometric graph-based deep learning model for drug-target affinity prediction 2025-Dec-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06347-2 PMID:41413775	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
942	2026-01-27	A Comprehensive Hyperspectral Image Dataset for Forest Fire Detection and Classification 2025-Dec-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06404-8 PMID:41407751	研究论文	本文介绍了一个名为OHID-FF的大规模高光谱卫星图像数据集，专为森林火灾检测和分类任务设计	相比现有火灾数据集，OHID-FF提供了更丰富的数据量和更高的成像质量，为高光谱图像分类设定了新基准	NA	森林火灾检测和分类	高光谱卫星图像	计算机视觉	NA	高光谱成像	深度学习模型	高光谱图像	1,197张高光谱图像，覆盖22个澳大利亚不同场景	NA	NA	NA	NA
943	2026-01-27	Patch-sampled contrastive learning for dense prediction pretraining in metallographic images 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32855-5 PMID:41402416	研究论文	提出一种用于金相图像密集预测预训练的补丁采样对比学习方法，以解决标注成本高的问题	设计了结合图像级和补丁级对比学习的框架，引入多尺度策略和基于特征相似性的采样方法，专门针对金相图像分割任务特性	仅使用一张标注图像进行微调，可能在不同类型合金或更复杂场景中的泛化能力有待验证	开发适用于金相图像的自监督预训练框架，以降低标注成本并提升微观结构分割性能	金相图像中的微观结构（形状、尺寸和分布）	计算机视觉	NA	自监督学习	对比学习	图像	未明确说明具体数量，但强调仅需一张标注图像进行微调	未明确说明	未明确说明具体架构，但提及与现有自监督方法使用相同模型结构	Dice系数	NA
944	2026-01-27	An enhanced dual inception-attention-BiGRU-attention model integrating wavelet transform for wearable sensor-based human activity recognition 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32859-1 PMID:41402537	研究论文	本文提出了一种结合小波变换的双重Inception-Attention-BiGRU-Attention模型，用于基于可穿戴传感器的人类活动识别	提出了一种新型混合模型Dual-INABA，集成了Inception、注意力机制和BiGRU，并通过小波变换进行信号去噪以提高分类性能	未明确说明模型的计算复杂度或实时性限制，且自收集数据集规模可能有限	提高基于可穿戴传感器的人类活动识别系统的准确性和效率	人类活动识别，使用加速度传感器信号	机器学习	NA	小波变换，信号去噪	CNN, LSTM	传感器信号	自收集WSMC-HAR数据集及基准数据集PAMAP2、UCI-HAR、WISDM	NA	Inception, BiGRU	准确率	NA
945	2026-01-27	Towards smart farming: a real-time diagnosis system for strawberry foliar diseases using deep learning 2025-Dec-12, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07815-w PMID:41387775	研究论文	本文介绍了一种基于深度学习的实时诊断系统，用于草莓叶部病害检测，结合机器人平台实现智能农业应用	提出了一种名为草莓叶部病害检测（SLDI）的实时分析算法，整合了感受野引导通道注意力（RGCA）和深度上下文聚合器（DCA），并引入了多尺度特征融合模块（MSFF），以增强特征表征和实时性能	模型在真实农业环境中的多样性和变化条件下的可靠性仍面临挑战，未提及在更广泛作物或病害类型上的泛化能力	开发一个高效的机器视觉系统，用于实时、非侵入性的作物监测，以支持精准农业中的早期病害检测	草莓叶部病害	计算机视觉	NA	深度学习	CNN	图像	基于两个公开数据集（PlantDoc和PlantVillage）进行训练，具体样本数量未明确说明	NA	整合了RGCA、DCA和MSFF模块的自定义架构	精确率, 召回率, 帧率	NA
946	2026-01-27	Distinct 3-Dimensional Morphologies of Arthritic Knee Anatomy Exist: CT-Based Phenotyping Offers Outlier Detection in Total Knee Arthroplasty 2025-Oct-15, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.01466 PMID:40880455	研究论文	本研究利用深度学习与计算机视觉技术，基于术前CT扫描对关节炎膝关节进行三维形态学分类，识别出四种不同的解剖形态，为全膝关节置换术的术前规划和术后评估提供了新的分类基础	首次提出基于CT的三维关节炎膝关节形态学分类系统，通过无监督聚类识别出四种基础形态，其中两种为异常类型，突破了传统仅关注冠状面解剖的分类局限	研究为横断面分析，需要纵向研究来评估该分类对术后恢复和患者满意度的影响；且数据来源于单一多中心转诊中心，可能存在选择偏倚	建立关节炎膝关节的三维形态学分类系统，识别异常解剖表型，为全膝关节置换术的术前规划和术后评估提供基础	接受全膝关节置换术患者的术前下肢CT扫描	计算机视觉	关节炎	计算机断层扫描（CT）	深度学习	CT图像	1,352例术前全膝关节置换术患者的下肢CT扫描	NA	NA	NA	NA
947	2026-01-27	Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2025-Aug-13, JMIR formative research IF:2.0Q4 DOI:10.2196/72115 PMID:40802390	研究论文	本研究开发了一种基于深度学习的诊断系统，结合面部情绪识别和验证问卷，用于检测自闭症谱系障碍（ASD）患者或非ASD个体的恐笑症	创新点在于整合面部情绪识别（使用DeepFace库）与验证问卷（GELOPH<15>），通过混合方法提升恐笑症检测的准确性和可靠性，特别是在面部线索模糊时	局限性包括在面部表情模糊时，仅依赖DeepFace模型可能不足，需结合问卷以提高诊断一致性；样本主要来自Kaggle和ASD相关网站，可能缺乏多样性	研究目标是开发一个自动化诊断系统，用于早期检测恐笑症，以改善ASD患者的生活质量和干预效果	研究对象包括自闭症谱系障碍（ASD）患者和神经典型个体，特别是青少年高功能ASD患者	计算机视觉	自闭症谱系障碍	面部情绪识别，问卷调查	多层感知机	图像	2932张面部图像（1466张来自ASD个体，1466张来自神经典型个体）	PyTorch, scikit-learn, NumPy, Pandas, DeepFace	多层感知机	准确率	使用CUDA加速的兼容GPU
948	2026-01-27	BOLD-GPCRs: A Transformer-Powered App for Predicting Ligand Bioactivity and Mutational Effects Across Class A GPCRs 2025-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.04.668547 PMID:40799593	研究论文	本研究介绍了一个名为BOLD-GPCRs的深度学习框架，旨在提升A类GPCRs配体生物活性的预测能力	结合了迁移学习和基于Transformer的蛋白质语言模型，以捕获受体序列/功能与配体活性之间的复杂关系	主要针对A类GPCRs，可能不适用于其他GPCR类别；依赖于现有配体和序列数据集，对于数据稀缺的受体预测能力可能受限	开发一个深度学习框架，用于准确预测A类GPCRs的配体生物活性和突变效应	A类G蛋白偶联受体及其配体	自然语言处理	NA	深度学习，迁移学习	Transformer, 密集神经网络	序列数据	NA	NA	BERT, Transformer	NA	NA
949	2026-01-27	Leveraging artificial intelligence for cardiovascular risk: a primary care perspective 2025 Jul-Sep, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.3.13 PMID:41382952	研究论文	本研究探讨了基于人工智能的时间深度学习模型在初级保健中支持心血管风险分层的潜力	利用时间深度学习模型（LSTM和GRU）对心血管风险进行多时间范围预测，并将预测结果转化为临床可解释的建议	基于临床现实的合成患者队列，可能未完全反映真实世界数据的复杂性	支持初级保健中心血管风险的分层和早期干预	心血管疾病风险患者	机器学习	心血管疾病	时间深度学习	LSTM, GRU	序列数据（包括人口统计学和临床变量）	临床现实的合成患者队列	NA	LSTM, GRU	NA	NA
950	2026-01-27	Artificial intelligence in four-dimensional imaging for motion management in radiation therapy 2025-Apr, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11109-w PMID:40963558	综述	本文综述了人工智能在放射治疗运动管理四维成像中的应用，探讨了AI如何解决现有挑战并推动该领域发展	系统性地综述了AI在四维成像领域的最新研究进展，并深入分析了该领域尚未解决的技术挑战与未来发展方向	作为综述文章，未提出具体的原创性算法模型，主要聚焦于现有研究的总结与趋势分析	探讨人工智能技术如何提升放射治疗中四维成像的精度与效率，实现更精准的运动管理	放射治疗中的四维成像技术及其在运动管理中的应用	医学影像分析	肿瘤放射治疗相关疾病	四维成像技术	深度学习	四维医学影像数据	NA	NA	NA	NA	NA
951	2026-01-26	Epidemic dynamics prediction using fractional SIRD and deep learning 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34299-3 PMID:41476141	研究论文	本文提出并分析了一种基于归一化Caputo-Fabrizio导数的分数阶SIRD流行病模型，结合深度学习技术进行疫情动态预测	引入分数阶导数以捕捉记忆效应，并整合深度学习提升预测精度，为复杂疾病动态建模提供了新框架	模型基于模拟数据进行验证，未明确说明在真实世界疫情数据中的泛化能力	开发一个结合分数阶微积分和深度学习的流行病动力学预测框架	流行病传播动态，特别是疾病导致的死亡情况	机器学习	NA	分数阶微积分，深度学习	深度神经网络	模拟流行病数据	NA	NA	深度神经网络	均方误差，均方根误差	NA
952	2026-01-26	GLANCE: continuous global-local exchange with consensus fusion for robust nodule segmentation 2025-Dec-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02251-4 PMID:41469800	研究论文	本文提出了一种名为GLANCE的新型双流架构，用于从CT扫描中准确分割和检测肺结节，以辅助早期肺癌诊断	提出了一种新颖的双流架构，包含全局上下文Transformer和局部多感受野空洞混合器，并通过跨尺度共识融合机制持续整合互补特征流，避免了表征冲突并促进协同学习	未明确说明模型的计算复杂度或推理速度，也未讨论在临床实时应用中的可行性	开发一种鲁棒的肺结节分割和检测方法，以克服现有深度学习模型在长距离上下文建模和局部细节捕捉方面的局限性	肺结节	计算机视觉	肺癌	计算机断层扫描(CT)	CNN, Transformer	医学图像(CT扫描)	四个公共基准数据集(LIDC-IDRI, LNDb, LUNA16, Tianchi)	未明确说明	双流架构(全局上下文Transformer, 多感受野分组空洞混合器), 双头金字塔细化解码器	分割和检测性能(具体指标未明确说明)	未明确说明
953	2026-01-26	Genetic Insights into Head-to-Body Ratios Via Deep Learning-Based Image Segmentation and Implications for Common Diseases 2025-Dec-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67578-8 PMID:41444482	研究论文	本研究利用深度学习模型分析英国生物库中的全身双能X射线吸收测定图像，生成头身比表型，并通过全基因组关联分析揭示了其遗传基础及其与多种常见疾病的关联	首次大规模应用深度学习模型从全身DEXA图像中自动提取头身比表型，并系统性地探索其遗传结构、疾病关联及进化背景	研究样本主要来自英国生物库，可能存在人群代表性偏差；表型基于二维图像测量，可能无法完全反映三维解剖结构	探究头身比的遗传基础及其与人类常见疾病的关联	英国生物库中的38,202名参与者的全身双能X射线吸收测定图像	计算机视觉	心血管疾病, 代谢疾病, 肌肉骨骼疾病, 神经精神疾病	双能X射线吸收测定	深度学习模型	图像	38,202张全身DEXA图像	NA	NA	NA	NA
954	2026-01-26	Real-world performance evaluation of a commercial deep learning model for intracranial hemorrhage detection 2025-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02244-3 PMID:41444826	研究论文	本研究评估了一款商业深度学习模型在真实世界中对颅内出血检测的性能	首次在大型真实世界数据集（超过10万次CT检查）中，使用GPT-4o自动提取放射学报告标签并验证，系统评估了FDA批准的商业AI模型在不同出血类型和临床场景下的性能差异	研究为回顾性设计，依赖自动提取的放射学报告标签，可能未完全捕捉所有临床细微差别；评估集中于单一商业模型，结果可能无法推广到其他AI工具	评估商业深度学习模型在真实临床环境中检测颅内出血的准确性和可靠性	颅内出血（ICH）	数字病理学	心血管疾病	深度学习，自然语言处理（用于报告标签提取）	深度学习模型（具体架构未公开）	医学影像（非增强头部CT扫描），文本（放射学报告）	101,944次非增强头部CT检查，来自74,142名患者，涉及17个医疗机构的学术健康系统	NA	NA（商业模型，具体架构未公开）	灵敏度，特异度，准确度，Cohen's kappa系数	NA
955	2026-01-26	A deep learning-based method combines manual and non-manual features for sign language recognition 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32768-3 PMID:41413190	研究论文	本研究提出了一种结合手动和非手动特征的深度学习手语识别方法	利用3D人体姿态估计架构从RGB视频中提取手部关节的3D坐标，并通过注意力编码器-解码器融合多流特征	未提及	提升手语识别的准确性	手语视频数据	计算机视觉	NA	深度学习	CNN, 注意力编码器-解码器	RGB视频	AUTSL和WLASL数据集中的孤立手语样本	未提及	未指定具体架构	准确率, F1分数	未提及
956	2026-01-26	An AI-powered tongue image model for home-based monitoring of liver fibrosis 2025-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02246-1 PMID:41419633	研究论文	本研究开发了一个名为TongVMoe的多任务深度学习模型，用于通过舌象分析进行肝纤维化的居家监测	首次将多任务深度学习模型应用于舌象分析以检测肝纤维化，并同时识别七种关键舌象特征，模型性能优于现有先进方法	研究样本量相对有限（1601名患者），且模型在模拟远程筛查中的准确率为77.8%，仍有提升空间	开发一种非侵入性、可解释且移动兼容的工具，用于肝纤维化的早期检测和监测，特别是在资源有限地区	肝纤维化患者及相关的舌象图像	数字病理学	肝纤维化	舌象诊断	多任务深度学习模型	图像	来自1601名患者的2202张舌象图像	NA	TongVMoe	AUC, 准确率, 灵敏度	NA
957	2026-01-26	Deep learning-based fractured tooth detection in occlusal radiographs 2025-Dec-18, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07445-6 PMID:41413887	研究论文	本研究提出了一种基于深度学习的自动检测和分类牙齿骨折的方法，利用YOLOv9进行牙齿定位，并结合多个预训练CNN模型进行骨折分类	首次将YOLOv9与多个预训练CNN模型（VGG19、EfficientNetB0、InceptionResNetV2、InceptionV3）结合，并通过多数投票融合策略提升牙齿骨折检测性能	数据集仅包含200张咬合片X光片，样本量较小，且仅针对牙齿11和21进行检测，泛化能力有待验证	开发一种自动、准确的牙齿骨折检测与分类系统，以辅助牙科临床诊断	牙齿11和21的咬合片X光图像	计算机视觉	牙齿骨折	咬合片X光摄影	CNN, YOLO	图像	200张咬合片X光片	YOLOv9, TensorFlow/Keras	YOLOv9, VGG19, EfficientNetB0, InceptionResNetV2, InceptionV3	平均精度均值(mAP50), mAP50-95, 准确率	NA
958	2026-01-26	Research on engine power-loss fault diagnosis method based on time-series data mining 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32777-2 PMID:41402412	研究论文	本研究提出了一种基于时间序列数据挖掘的商用车发动机功率损失故障智能诊断新方法	提出了一种结合时间序列数据挖掘的双框架诊断策略，根据油门开度变化率将数据分类，并针对不同类别分别采用机器学习算法和深度学习模型进行诊断	未明确说明模型在更广泛车型或不同工况下的泛化能力，也未讨论数据采集终端的标准化问题	开发一种远程、在线的商用车发动机功率损失故障智能诊断方法，以减少对现场路测的依赖并节省人力物力资源	商用车的发动机功率损失故障	机器学习	NA	时间序列数据挖掘	机器学习算法, 深度学习模型	时间序列数据	NA	NA	NA	准确率, 特异性	NA
959	2026-01-26	Multicenter study on the versatility and adoption of AI-driven automated radiotherapy planning across cancer types 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67581-z PMID:41398177	研究论文	本研究提出了一种结合深度学习剂量预测与临床目标导向逆向优化的混合策略，用于在五分钟内生成可直接交付的放疗计划，并在多中心癌症类型中验证其灵活性和应用潜力	通过整合深度学习剂量预测与临床目标导向的逆向优化，实现了快速生成个性化、可直接交付的放疗计划，提高了自动化计划的灵活性和临床适用性	研究基于单机构数据训练模型，虽在多中心测试，但可能未完全覆盖所有临床场景的多样性，且自动化计划的采纳率仍有提升空间	开发并验证一种高效、灵活的自动化放疗计划策略，以简化放疗工作流程并减少计划质量变异性	五种不同疾病部位的癌症患者放疗计划	数字病理	癌症	深度学习	深度学习模型	放疗计划数据	250个自动化计划，涉及多中心数据集	NA	NA	临床标准符合率、偏好率、剂量学分析	NA
960	2026-01-26	Deep learning based thyroid prediction with opposition learning based red panda optimization feature selection 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32801-5 PMID:41398443	研究论文	本文提出了一种结合级联自编码器、新型特征选择算法和增强Transformer模型的甲状腺预测深度学习方法	提出了基于对立学习的红熊猫优化算法进行特征选择，并构建了级联自编码器-简单循环模型与增强Transformer模型的混合架构	未提及模型在临床环境中的验证情况、跨数据集泛化能力的详细分析以及计算复杂度评估	开发高精度的甲状腺疾病预测模型	甲状腺疾病患者数据	机器学习	甲状腺疾病	深度学习	自编码器, Transformer, 循环神经网络	医学数据（具体类型未明确）	三个公开数据集（具体样本量未说明）	未明确说明	级联自编码器-简单循环模型, 增强Transformer模型	准确率, 特异性, 敏感性, F分数, 阳性预测值, 阴性预测值, 错误率	NA