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
1021	2026-01-24	MTMEGPS: An R package for multi-trait and multi-environment genomic and phenomic selection using deep learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1674985 PMID:41560909	研究论文	本文介绍了一个名为MTMEGPS的R包，用于通过深度学习进行多性状和多环境的基因组与表型组选择	开发了一个集成的R包，简化了深度学习在育种中的应用流程，支持多性状和多环境预测，并提供了端到端的工作流	深度学习计算需求高，且预测误差在某些场景下仍处于中等水平	提升基因组和表型组选择的预测能力，通过深度学习捕获非线性模式	玉米基因组数据、桉树近红外光谱数据以及公开的多环境验证数据集	机器学习	NA	深度学习，近红外光谱	深度学习模型	基因组数据，光谱数据	NA	R	NA	均方误差	NA
1022	2026-01-24	Artificial intelligence prediction of nonenhancing brain tumor malignancy based on in vivo confocal laser endomicroscopic imaging 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1655374 PMID:41560935	研究论文	本文开发了一种基于序列的深度学习模型，利用共聚焦激光内镜成像序列对非增强脑肿瘤进行分级预测	提出了一种新颖的序列深度学习模型，结合视觉和时间信息，模拟神经病理学家的视觉推理过程，优于传统的基于单帧的分类方法	样本量较小（仅16名患者），模型在更大数据集上的泛化能力有待验证	开发人工智能模型以准确预测非增强脑肿瘤的恶性程度，辅助术中决策	非增强脑肿瘤患者的共聚焦激光内镜成像序列	数字病理学	脑肿瘤	共聚焦激光内镜成像	深度学习	图像序列	16名患者，105个序列，3,173张图像，40个感兴趣区域	NA	Vision Transformer, VGG16, ResNet50, Inception-ResNet-V2, Transformer编码器, 时间卷积	top-1分类准确率	NA
1023	2026-01-24	Evaluation of deep learning tools in medical diagnosis and treatment of cancer: research analysis of clinical and randomized clinical trials 2025, Frontiers in network physiology DOI:10.3389/fnetp.2025.1578562 PMID:41561148	综述	本文系统评估了深度学习算法在癌症诊断与治疗临床试验中的应用，并分析了其性能与未来前景	首次按癌症类型分层系统评估深度学习算法在临床试验中的表现，并提出大规模实施的建议	研究仅基于PubMed数据库的文献，可能未涵盖所有相关研究	评估深度学习在癌症诊疗中的应用效果并展望未来发展方向	PubMed数据库中关于深度学习在癌症诊断的临床与随机对照试验文献	机器学习	癌症	NA	深度学习	NA	NA	NA	NA	NA	NA
1024	2026-01-24	Optimized multi agent reinforcement learning algorithms with hybrid BiLSTM for cost efficient EV charging scheduling 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1700664 PMID:41561184	研究论文	本文提出了一种结合Pelican优化算法调优的双向长短期记忆网络和多智能体强化学习的新框架，用于电动汽车充电站的成本高效调度	将预测、优化和调度步骤无缝统一在一个马尔可夫决策过程框架中，而非传统上作为独立实体处理	NA	最小化运营成本、确保电网稳定性并提升用户满意度	电动汽车充电站	机器学习	NA	NA	BiLSTM, MARL	时间序列数据	NA	NA	BiLSTM	充电成本降低百分比, 荷电状态满意度提升百分比, 预测准确率提升百分比, 仿真时间减少	NA
1025	2026-01-24	Artificial intelligence in outpatient management: a simulation-based study in a Chinese tertiary hospital 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1696586 PMID:41561186	研究论文	本研究通过模拟数据和医生调查，探索了人工智能在中国门诊管理中的应用、潜在价值及挑战	使用LSTM深度学习模型预测门诊流量，相比传统ARIMA模型提升了约15%的预测准确率，并模拟了AI实施对减少患者等待时间约30%及提高医生工作效率和满意度的效果	研究主要基于模拟数据，实际应用性可能受限，且存在数据隐私、法规合规性和医生接受度等关键问题	探索人工智能在中国门诊管理中的应用、潜在价值及挑战，以优化资源配置和患者体验	中国三级医院的门诊管理流程，包括门诊流量预测、患者等待时间及医生工作效率	机器学习	NA	模拟数据、医生调查	LSTM, ARIMA	模拟数据	NA	NA	LSTM	预测准确率	NA
1026	2026-01-24	Anatomical study and early diagnosis of dome galls in Cordia Dichotoma using DeepSVM model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1558358 PMID:41561188	研究论文	本研究提出了一种基于DeepSVM混合架构的深度学习方法，用于早期检测Cordia dichotoma植物的圆顶瘿病害	通过将ResNet-50的最终sigmoid激活层替换为支持向量机（SVM）并应用L2正则化，提出了一种新型的DeepSVM混合架构，有效解决了传统CNN在真实环境数据上的过拟合和训练不稳定问题	研究仅针对Cordia dichotoma植物的圆顶瘿病害进行二元分类，模型在其他植物病害或更复杂分类任务上的泛化能力尚未验证	开发一种稳定且泛化能力强的深度学习模型，用于植物病害的早期自动检测，以支持精准农业	Cordia dichotoma植物的叶片（健康叶片与患病叶片）	计算机视觉	植物病害	图像采集与预处理	CNN, SVM	图像	总共4,300张叶片图像（3,900张用于训练，400张用于测试）	NA	ResNet-50, VGG-16, InceptionResNetv2, MobileNet-V2	准确率, F1分数	NA
1027	2026-01-24	A Transformers-based framework for refinement of genetic variants 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1694924 PMID:41561439	研究论文	本文提出了一种基于Transformer的框架，用于高通量测序数据中遗传变异的精准精炼与过滤	首次将Transformer的自注意力机制应用于遗传变异精炼任务，可直接处理VCF文件并与标准流程（如BCFTools、GATK4）无缝集成	模型仅在GIAB的HG003样本上进行训练，泛化能力有待在不同种群和测序平台数据上进一步验证	开发自动化遗传变异精炼框架以区分真实变异与技术假象	高通量测序数据中的遗传变异	机器学习	NA	高通量测序	Transformer	VCF文件（变异调用格式）	200万变异（来自GIAB v4.2.1样本HG003）	NA	Transformer	准确率, ROC AUC	NA
1028	2026-01-24	Neonatal supraventricular tachycardia: current diagnostic approaches and emerging technologies 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1694215 PMID:41561499	综述	本文综述了新生儿室上性心动过速（SVT）的当前诊断方法，并探讨了新兴技术（如深度学习算法、生物相容性可穿戴传感器和非接触式传感）在提升诊断能力方面的潜力	探讨了将深度学习算法、生物相容性可穿戴传感器和非接触式传感等新兴技术整合到新生儿SVT诊断中的潜力，以克服传统方法在信号质量和间歇性捕捉方面的限制	尽管AI模型在更广泛的儿科队列中报告了超过90%的诊断准确率，但针对新生儿群体的特异性验证仍是一个关键需求，且存在技术、监管和伦理方面的持续障碍	综述新生儿室上性心动过速（SVT）的诊断方法，并评估新兴技术如何改进诊断流程	新生儿室上性心动过速（SVT）	NA	心血管疾病	12导联心电图（ECG）、动态监测、深度学习算法、生物相容性可穿戴传感器、非接触式传感	深度学习算法	心电图信号、传感器数据	NA	NA	NA	诊断准确率	NA
1029	2026-01-24	Enhancing learning outcomes through post-discussion homework: the role of collaboration and task type 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1666213 PMID:41561610	研究论文	本研究探讨了如何设计课后讨论作业以维持研讨会教学的包容性、协作性动态	通过2×2准实验设计，结合社会架构（协作vs个人作业）和任务类型（概念导向vs案例导向），系统分析了协作作业对学习成果的影响，并提出了基于证据的课后作业设计框架	样本量较小（36名研究生），且为特定教育环境下的研究，可能限制结果的普适性	研究课后讨论作业的设计如何促进持续、协作的学习循环	36名研究生	教育技术	NA	准实验设计	NA	作业表现评分、感知学习评分、开放式访谈文本	36名研究生	NA	NA	基于量表的作业表现评分、学生感知学习评分	NA
1030	2026-01-24	MDL-CA: a multimodal deep learning approach with a cross attention mechanism for accurate brain cancer diagnosis 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687335 PMID:41561860	研究论文	本文提出了一种名为MDL-CA的多模态深度学习框架，通过交叉注意力机制整合基因组学和MRI数据，以提高脑癌诊断的准确性	提出了一种结合图注意力网络和3D DenseNet的多模态深度学习框架，并引入交叉注意力机制来融合基因组与MRI特征，以捕获生物与空间交互，同时使用Entmax sigmoid函数增强稀疏性和可解释性	未明确提及具体局限性，但可能涉及数据预处理复杂性、模型计算资源需求或跨数据集泛化的潜在偏差	开发一种多模态深度学习框架，以整合基因组和MRI数据，提升脑癌诊断的准确性和生物可解释性	脑癌诊断	数字病理学	脑癌	基因组测序, MRI	GAT, DenseNet	基因组图嵌入, MRI图像	来自TCIA和TCGA的四个基准数据集，具体样本数量未明确	PyTorch, TensorFlow	Graph Attention Network, 3D DenseNet	准确率, F1分数	未明确提及具体计算资源，可能涉及GPU或云平台
1031	2026-01-23	Dynamic graph neural network-based framework to increase detection accuracy in SDN under DDOS 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32102-x PMID:41461853	研究论文	提出一种基于动态图神经网络（DGNN）的创新框架GCTNetwork，用于实时检测软件定义网络（SDN）中的分布式拒绝服务（DDoS）攻击	首次将动态图神经网络（DGNN）应用于SDN环境中的DDoS攻击检测，通过Gated Convolutional Temporal（GCT）层进行节点-边缘特征集成分析，结合Edge-Aware LSTM进行时序依赖建模，并利用图注意力层（GAT）突出关键通信路径	未明确说明模型在不同规模或拓扑结构的SDN网络中的泛化能力，以及在实际部署中的计算开销和延迟表现	提高SDN网络中DDoS攻击的检测精度和实时性	软件定义网络（SDN）中的网络流量和攻击模式	机器学习	NA	NA	动态图神经网络（DGNN），LSTM，GAT	网络流量数据（图结构数据）	使用SDN数据集（具体数量未说明）	NA	GCTNetwork（包含Gated Convolutional Temporal层、Edge-Aware LSTM、Graph Attention Layer）	准确率，F1分数，误报指数（FAI）	NA
1032	2026-01-23	Prior knowledge-guided multimodal deep learning system for biomarker exploration and prognosis prediction of urothelial carcinoma 2025-Dec-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02232-7 PMID:41454198	研究论文	本研究开发了一个融合先验知识的多模态深度学习系统，用于尿路上皮癌的生物标志物探索和预后预测	首次将先验知识整合到多模态（组织病理学、放射学、结构化病理文本）深度学习系统中，用于尿路上皮癌的预后预测，并发现了与肌肉和肾实质浸润模式相关的新型预后生物标志物	未明确说明模型的可解释性细节或临床部署的可行性	开发一个准确预测尿路上皮癌预后的多模态人工智能系统	尿路上皮癌患者	数字病理学	尿路上皮癌	组织病理学成像、放射学成像、结构化病理文本分析	深度学习	图像、文本	多中心、大规模、多队列验证（具体数量未提供）	未明确说明	CTContextNet, MacroContextNet, IM-NCTNet	C-index	未明确说明
1033	2026-01-23	Optimized federated learning framework with RegNetZ and Swin-Transformer for multimodal pancreatic cancer detection1 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31967-2 PMID:41444372	研究论文	本研究提出了一种结合RegNetZ和Swin-Transformer的联邦学习框架，用于从多模态数据中实现胰腺癌的自动检测、亚型分类和预后预测	提出了一种新颖的联邦学习框架，集成了Swin-Transformer和轻量级RegNetZ，并引入了混合Aquila-灰狼优化器（HA-GWO）进行超参数调优，在保护隐私的同时实现了高性能	研究在5-7个模拟客户端机构上进行评估，需要在真实世界的多机构环境中进一步验证其可扩展性和鲁棒性	开发一个隐私保护、高精度的自动化系统，用于胰腺癌的早期检测、亚型分类和预后预测	胰腺癌患者的多模态医疗数据，包括CT、MRI、组织学、基因组和临床记录	数字病理学	胰腺癌	多模态数据融合，联邦学习	CNN, Transformer	图像, 文本, 基因组数据, 临床记录	在5-7个模拟客户端机构上进行评估，具体样本数量未明确说明	PyTorch（推断，因提及Swin-Transformer和RegNetZ）	RegNetZ, Swin-Transformer	准确率, 灵敏度, 精确率, AUC	未明确指定，但提到框架具有较低的计算成本
1034	2026-01-23	Efficient multi-finger vein recognition using layer-wise progressive MobileNet fine-tuning and a Dense-Head Probabilistic Siamese Network 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32132-5 PMID:41413639	研究论文	本文提出了一种结合轻量级MobileNet特征提取器和新型Dense-Head Probabilistic Siamese匹配器的两阶段深度学习框架，用于高效多指静脉识别	首次实现多指静脉识别，用户可使用任意手指认证而不损失精度或速度；采用分层渐进式MobileNet微调平衡模型紧凑性与判别力；引入DHPS匹配器，用校准概率输出替代传统基于边界的损失函数	未明确提及	解决资源受限设备上部署指静脉识别系统时面临的高计算成本和单指注册僵化问题	指静脉生物特征	计算机视觉	NA	深度学习	MobileNet, Siamese Network	图像	三个公共指静脉数据集（FV-USM、UTFVP、VERA）	NA	MobileNet, Dense-Head Probabilistic Siamese Network	等错误率, F1分数	嵌入式平台
1035	2026-01-23	A cone-beam photon-counting CT dataset for spectral image reconstruction and deep learning 2025-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06246-4 PMID:41413072	研究论文	本文介绍了一个用于光谱图像重建和深度学习的锥束光子计数CT数据集	提供了首个公开可用的真实锥束光子计数CT数据集，包含原始多能量投影数据、系统参数和校准信息，填补了该领域数据稀缺的空白	数据集仅基于15个核桃样本采集，样本多样性有限，且使用自定义微PCCT系统，可能限制通用性	解决光子计数CT领域公开数据集稀缺的问题，促进光谱CT重建、材料分解和深度学习方法的公平可重复比较	核桃样本	计算机视觉	NA	锥束光子计数CT，双能量阈值扫描	NA	图像	15个核桃样本，共172,800张原始投影图像	NA	NA	NA	NA
1036	2026-01-23	MFU-Net: a multi-scale fusion U-Net for seismic phase picking 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32145-0 PMID:41408109	研究论文	本文提出了一种用于地震相位拾取的多尺度融合U-Net架构（MFU-Net），旨在通过简单的增强实现显著的识别性能	在U-Net的跳跃连接中设计了多尺度特征融合模块，并在瓶颈层引入了多头注意力机制，以增强关键特征区域的识别能力	未明确提及具体限制，但可能包括对特定数据集或地震类型的泛化能力	提高地震波形数据中P波和S波到达时间的准确识别和标注性能	地震波形数据，特别是P波和S波的到达时间	机器学习	NA	NA	U-Net	波形数据	NA	NA	MFU-Net	P波拾取准确率, S波拾取准确率	NA
1037	2026-01-23	Comprehensive discovery of m6A sites in the human transcriptome at single-molecule resolution 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67417-w PMID:41398146	研究论文	本研究开发了一个基于纳米孔测序的深度学习框架DeepRM，用于在单分子分辨率下全面发现人类转录组中的m6A位点	构建了大规模、高质量的训练数据集，其规模比先前数据集大三个数量级，并实现了近乎完美的m6A位点检测和修饰化学计量测量精度	未明确提及具体局限性，但可能依赖于纳米孔测序技术的准确性	开发一种准确、定量的RNA修饰检测方法，以理解其生物学功能	人类转录组中的m6A修饰位点	机器学习	NA	纳米孔测序	深度学习	测序数据	NA	NA	NA	准确度	NA
1038	2026-01-23	Deep learning-based detection of power transmission lines using YOLOv4 and YOLOv8 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32200-w PMID:41392299	研究论文	本研究利用YOLOv4和YOLOv8算法，基于无人机技术进行电力传输线的深度学习目标检测	将YOLO算法与无人机技术结合，用于电力传输线检测，并比较了YOLOv8各版本相对于YOLOv4的性能优势	未提及具体的数据集规模或环境多样性限制，可能影响模型泛化能力	提高电力传输线检测的准确性和效率，以支持能源基础设施的维护	电力传输线（PTLs）	计算机视觉	NA	无人机（UAV）技术	CNN	图像	NA	NA	YOLOv4, YOLOv8	精确度, 召回率, F1分数, mAP50, mAP50-95	NA
1039	2026-01-23	Intelligent cybersecurity management in industrial IoT system using attribute reduction with collaborative deep learning enabled false data injection attack detection approach 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32035-5 PMID:41392216	研究论文	提出一种结合特征选择与投票分类器的智能虚假数据注入攻击检测方法，用于工业物联网系统的网络安全防护	提出IMFDIA-FSVC方法，整合统计与信息论特征选择技术，并采用TCN、DBN和AE三种深度学习模型构建集成分类器进行攻击检测	未明确说明方法在动态攻击模式或大规模网络环境中的适应性，以及计算开销分析	开发工业物联网系统中虚假数据注入攻击的检测与缓解模型，确保系统安全可靠运行	工业物联网系统中的虚假数据注入攻击	网络安全	NA	深度学习	TCN, DBN, AE, 集成学习	传感器数据	使用IIoT和FDIA数据集（具体数量未说明）	未明确说明	时间卷积网络, 深度信念网络, 自编码器	准确率	NA
1040	2025-12-15	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-Dec-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA