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
1181	2026-01-17	SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION 2025-Sep, Proceedings. International Conference on Image Processing DOI:10.1109/icip55913.2025.11084355 PMID:41527662	研究论文	提出一种通过精心设计的扰动训练物理驱动深度学习网络的新方法，以改进高加速率下的自监督MRI重建	在传统自监督学习的k空间掩蔽基础上，引入一个新颖的一致性项，该一致性项评估模型在稀疏域中准确预测所添加扰动的能力	NA	改进高加速率下自监督MRI重建的图像质量，减少伪影和噪声放大	快速MRI扫描的重建	医学影像重建	NA	快速MRI扫描	物理驱动深度学习网络	MRI图像，k空间数据	fastMRI膝盖和大脑数据集	NA	NA	视觉评估，定量评估	NA
1182	2026-01-17	GACT: A Two-Stage Age Prediction Model Combining a Global Attention Block 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254886 PMID:41335725	研究论文	本文提出了一种结合全局注意力块的两阶段年龄预测模型GACT，直接利用未分割的fMRI数据作为输入特征，以更好地利用fMRI数据的时空信息	提出了一种新颖的方法，直接使用未分割的fMRI数据作为输入特征，结合CNN和Transformer模型同时捕获空间和时间特征，并通过可解释性方法识别对年龄回归任务有显著影响的脑区	NA	利用神经影像数据估计大脑年龄，以理解正常大脑发育和神经系统疾病的进展	fMRI数据	数字病理学	神经系统疾病	fMRI	CNN, Transformer, MLP	fMRI数据	NA	NA	CNN, Transformer, MLP	NA	NA
1183	2026-01-17	Towards Automated EEG-Based Epilepsy Detection Using Deep Convolutional Autoencoders 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254465 PMID:41335790	研究论文	本文提出了一种基于深度卷积自编码器的自动化癫痫检测方法，用于从脑电图信号中提取低维潜在表示	提出了一种结合时域和频域损失的深度卷积自编码器，以同时保留EEG信号的关键特征，解决了现有方法在单一表示下可能丢失相关信息的问题	未明确说明模型在临床环境中的泛化能力或对多样本集的测试结果	开发一种可靠且高效的自动化癫痫检测方法，以辅助脑电图分析	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	自编码器	时间序列信号	NA	NA	深度卷积自编码器	重建误差, 敏感性, 每小时误报率	NA
1184	2026-01-17	SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION 2025-May-30, ArXiv PMID:40492248	研究论文	提出一种通过精心设计的扰动训练物理驱动深度学习网络的新方法，以改进高加速率下的自监督MRI重建	在传统自监督学习的k空间掩蔽思想基础上，引入了一个新颖的一致性项，该一致性项评估模型在稀疏域中准确预测所添加扰动的能力	未明确说明方法在更广泛数据集或临床环境中的泛化能力	改进高加速率下自监督MRI重建的图像质量，减少伪影和噪声放大	快速MRI扫描的重建	医学影像重建	NA	MRI	深度学习网络	MRI图像/k空间数据	fastMRI膝盖和大脑数据集	NA	NA	视觉评估, 定量指标	NA
1185	2026-01-17	Assessing greenspace and cardiovascular health through deep-learning analysis of street-view imagery in a cohort of US children 2025-Jan-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120459 PMID:39603586	研究论文	本研究利用深度学习分割算法分析美国街景图像，评估居住区绿化空间与儿童心血管健康之间的关联	首次采用街景图像深度学习分析替代传统卫星测量，更精确地量化地面绿化暴露，并探索其与儿童心血管健康的跨阶段关联	仅观察到青春期晚期存在有限关联，未发现累积或纵向效应，样本局限于美国特定队列，可能受混杂因素影响	探究街景绿化空间与儿童心血管健康的关联性	美国Project Viva出生队列中的儿童参与者	计算机视觉	心血管疾病	深度学习分割算法	深度学习	街景图像	美国Project Viva队列儿童（2007-2021年追踪数据）	NA	分割算法（未指定具体架构）	回归系数, 95%置信区间	NA
1186	2026-01-17	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	本研究开发了一种主动学习方法，用于训练能够区分由光感受器转录因子CRX结合位点构成的增强子和沉默子的深度学习模型	采用主动学习策略结合合成生物学和不确定性采样，迭代训练能够区分相同序列但功能相反的CRX结合位点的模型	模型主要针对CRX转录因子，可能无法直接推广到其他转录因子或调控环境	开发能够准确区分增强子和沉默子的深度学习模型，以解决传统模型在解释转录因子功能多样性方面的局限性	光感受器转录因子CRX的结合位点及其调控功能（增强子/沉默子）	机器学习	NA	大规模并行报告基因检测	深度学习	基因组序列	基因组中几乎所有结合的CRX位点，并通过多轮主动学习迭代增加训练数据	NA	NA	NA	NA
1187	2026-01-16	The Role and Challenge of Knee Cartilage Magnetic Resonance Imaging in Early Diagnosis of Knee Osteoarthritis: A Literature Review 2025-Dec-15, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2025.12.001 PMID:41407057	文献综述	本文探讨了膝关节软骨磁共振成像在早期诊断膝骨关节炎中的优势、局限性和改进策略	综述了在深度学习、高分辨率三维技术和超分辨率重建技术指导下，软骨评估更准确快速，加速临床转化	NA	提供对膝关节软骨MRI在早期诊断膝骨关节炎中临床意义的全面理解	膝骨关节炎的早期诊断	数字病理学	骨关节炎	磁共振成像	NA	图像	NA	NA	NA	NA	NA
1188	2026-01-16	Landscape design concept generation combining cultural mapping technology and multimodal modeling 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31088-w PMID:41360932	研究论文	本文提出了一种结合草图生成与多模态学习的新型景观设计模型，用于生成高质量的景观设计图像	提出了一种结合草图生成（Pix2Pix GAN）与文本描述对齐（CLIP）的多模态学习模型，在自动化景观设计中实现了更高的创造性、灵活性和细节表现力	模型在处理复杂和抽象设计需求方面仍有改进空间，需要进一步开发以适应智能设计系统的发展	开发一种更高效、更具创造性和上下文相关性的自动化景观设计解决方案	景观设计的概念生成	计算机视觉	NA	草图生成、多模态学习	GAN, 多模态模型	图像、文本、草图	NA	NA	Pix2Pix GAN, CLIP	定量分析、定性分析、图像质量、文本对齐度	NA
1189	2026-01-16	BugPrioritizeAI for multimodal test case prioritisation using bug reports, code changes, and test metadata 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31851-z PMID:41360983	研究论文	本文提出了一种名为BugPrioritizeAI的多模态测试用例优先级排序框架，利用缺陷报告、源代码变更和测试元数据来加速回归测试中的故障检测	首次联合使用缺陷报告、源代码变更和测试元数据等多模态信息进行测试用例优先级排序，并引入SHAP可解释性机制	未明确提及跨项目泛化能力的定量评估，且可能面临深度学习模型常见的误解释问题	通过多模态人工智能方法优化软件测试中的测试用例优先级排序，以减少回归测试开销	软件测试中的测试用例、缺陷报告、源代码变更记录	机器学习	NA	深度学习，可解释人工智能	NA	文本（缺陷报告、源代码变更）、元数据（测试元数据）	NA	NA	BugTestRankNet	NA	NA
1190	2026-01-16	A resource-efficient machine learning framework for real-time non-intrusive load monitoring and performance optimization in solar-powered aviation systems 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31379-2 PMID:41360980	研究论文	本研究开发了一种资源高效的机器学习框架，用于太阳能航空系统中的实时非侵入式负载监测与性能优化	提出了一种在资源受限的太阳能航空系统中实现实时非侵入式负载监测的资源高效机器学习框架，并系统比较了多种机器学习与深度学习模型在实时可行性方面的表现	深度学习模型如混合CNN-LSTM架构虽然精度高，但计算时间较长，不适合机载实时部署，突显了精度与效率之间的权衡	实现太阳能航空系统中实时、资源高效的非侵入式负载监测与性能优化	太阳能航空系统的负载特性与能量管理	机器学习	NA	非侵入式负载监测	KNN, RF, XGBoost, CNN, LSTM, CNN-LSTM	高分辨率功率数据	NA	NA	CNN-LSTM	R², 均方误差, 执行时间	Opal-RT, Launchpad-F28379D DSP控制器
1191	2026-01-16	Assessment of a VoIP steganalysis method based on statistical analysis and deep neural network 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31478-0 PMID:41361363	研究论文	本文提出了一种结合语音信号处理和深度神经网络的VoIP隐写分析方法，用于检测G.729编码音频中的隐写数据	提出了一种混合方法，结合了语音信号处理技术和人工智能，通过提取帧内特征和帧间相关性，并利用深度学习网络进行训练，显著提升了检测准确率和计算效率	NA	开发一种高效的VoIP隐写分析方法，以应对通过隐写术进行的隐蔽通信安全威胁	G.729编码的音频信号，针对QIM、PMS和HPS三种隐写技术	自然语言处理	NA	语音信号处理，深度学习	深度神经网络	音频	NA	NA	NA	准确率	NA
1192	2026-01-16	CerviHFENet: hybrid feature extraction-based deep learning for multi-label classification of upper cervical spine abnormalities in X-ray imaging 2025-Dec-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02070-9 PMID:41361372	研究论文	提出了一种基于混合特征提取的深度学习模型CerviHFENet，用于X射线图像中上颈椎异常的多标签分类	集成了自适应ROI检测模块以精确定位上颈椎区域，并设计了混合特征提取机制来同时提取解剖学特征和不同颈部位置下的动态结构变化，还采用了改进的焦点损失函数来学习六种异常之间的互斥或条件依赖关系	样本量相对较小（249名患者），且仅使用了单一机构的X射线图像	开发一个深度学习模型，以辅助上颈椎异常的准确诊断	上颈椎异常	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	249名患者，共747张X射线图像（每个患者包含伸展位、中立位和屈曲位三个视图）	NA	CerviHFENet	AUC, mAP	NA
1193	2026-01-16	Simulation-assisted multimodal deep learning (Sim-MDL) fusion models for the evaluation of thermal barrier coatings using infrared thermography and Terahertz imaging 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31783-8 PMID:41361561	研究论文	本文提出了一种模拟辅助多模态深度学习（Sim-MDL）融合框架，结合红外热成像和太赫兹成像数据，用于全面评估热障涂层的性能	提出了一种结合模拟生成数据和实验数据的多模态深度学习框架，用于同时预测热障涂层的多个关键性能参数，提高了评估的准确性和鲁棒性	研究仅基于四个新涂层样本进行实验，样本量有限，且涂层厚度范围较窄（24至120微米），可能影响模型的泛化能力	开发一种高效、准确的热障涂层非破坏性评估方法，以提升操作效率、优化预测性维护策略并延长部件寿命	热障涂层（TBCs），特别是其顶层涂层的热导率、热容、厚度和折射率等性能参数	机器视觉	NA	红外热成像（IRT）、太赫兹（THz）成像、模拟数据生成	CNN, LSTM	图像数据（红外热成像和太赫兹成像）、模拟数据	四个新涂层样本，顶层涂层厚度范围为24至120微米	NA	1D CNN, 注意力机制LSTM	MAPE（平均绝对百分比误差）	NA
1194	2026-01-16	Multi-stage classification of abnormal traffic events using a multi-head + LSTM 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31470-8 PMID:41361558	研究论文	本文提出了一种多阶段分类框架，结合多头注意力机制和LSTM模型，用于检测和分类交通异常事件、拥堵程度及事故原因	提出了一种结合隔离森林、K-means聚类和空间阈值方法的多阶段分类框架，并首次将多头注意力机制与LSTM结合用于交通事件分析	模型仅在PeMS数据集上进行验证，未在其他城市或交通网络中进行泛化测试；空间阈值方法（1.5公里）可能不适用于所有交通场景	提高交通异常事件的检测与分类精度，支持智能交通系统的数据驱动决策	交通流量数据中的异常事件、拥堵程度（低、中、高）及事故导致的异常	机器学习	NA	交通流量监测、天气数据整合	LSTM, 多头注意力机制	时间序列数据（交通流量）、天气数据	15天的PeMS交通数据（集成天气信息）	未明确说明（可能为TensorFlow/PyTorch）	多阶段分类框架（隔离森林 + K-means + 空间阈值 + 多头注意力 + LSTM）	精确率, 召回率, F1分数, ROC-AUC	未明确说明
1195	2026-01-16	Diagnostic performance of machine learning and deep learning algorithms for thyroid cancer metastasis: a systematic review and meta-analysis 2025-Dec-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03307-x PMID:41361881	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了机器学习和深度学习算法在甲状腺癌转移检测中的诊断性能	首次对机器学习与深度学习在甲状腺癌转移检测中的诊断性能进行了全面的系统综述与荟萃分析，并比较了不同模型类型、转移类型和数据源的性能差异	纳入研究存在异质性，部分研究可能存在偏倚风险，且仅纳入了英文发表的研究	评估机器学习和深度学习算法在检测甲状腺癌转移中的诊断性能	甲状腺癌患者，特别是成人甲状腺癌患者的转移检测	机器学习	甲状腺癌	NA	机器学习, 深度学习	NA	35项研究，包含162个估计值	NA	NA	AUC-ROC, 灵敏度, 特异性, 诊断比值比	NA
1196	2026-01-16	Integrated ultrasound radiomics and clinical data to predict PD-1 blockade efficacy in unresectable hepatocellular carcinoma 2025-Dec-07, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04512-8 PMID:41354910	研究论文	本研究开发了一个集成超声影像组学和临床数据的自动化框架，用于预测不可切除肝细胞癌患者对PD-1阻断疗法的疗效	首次提出将超声影像组学与临床指标通过集成学习方法相结合，构建自动化预测框架，并探索了治疗反应背后的分子机制	验证队列样本量相对较小（n=60），模型在验证集上的AUC（0.641）仍有提升空间	预测不可切除肝细胞癌患者对PD-1阻断疗法的治疗反应	不可切除肝细胞癌患者	数字病理学	肝细胞癌	超声影像组学，分子分析（KEGG/GO分析）	集成学习模型，卷积神经网络	超声图像，临床数据	回顾性多中心队列793例（模型开发），前瞻性队列60例（验证）	NA	优化卷积神经网络	AUC（曲线下面积）	NA
1197	2025-12-08	Characterization of error-related potentials during the command of a lower-limb exoskeleton based on deep learning 2025-Dec-06, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01833-3 PMID:41353180	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1198	2026-01-16	Multi-MoleScale: a multi-scale approach for molecular property prediction with graph contrastive and sequence learning 2025-Dec-06, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01126-w PMID:41353381	研究论文	提出了一种名为Multi-MoleScale的多尺度框架，结合图对比学习和序列模型来预测分子性质	通过整合图对比学习和BERT等序列模型，捕获分子的结构和上下文表示，无需手工特征，提高了预测准确性	未在摘要中明确提及	预测分子性质，应用于药物发现和材料科学等领域	分子	机器学习	乳腺癌	图对比学习，序列学习	GCL, BERT	分子图结构，序列信息	多个公共数据集，包括12个分子性质数据集、ADMET数据集和14个乳腺癌细胞系数据集	NA	Multi-MoleScale	NA	NA
1199	2026-01-16	A novel two-stage deep learning approach for lung cancer using enhanced ResNet50 segmentation and LungSwarmNet classification 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31000-6 PMID:41353462	研究论文	本文提出了一种新颖的两阶段深度学习框架，用于肺癌的CT图像分割与分类	结合增强的ResNet50进行分割，并创新性地将DenseNet201与粒子群优化算法集成构建LungSwarmNet进行分类	未提及模型在外部验证集上的泛化能力及临床部署的可行性	通过深度学习技术提高肺癌早期诊断的准确率	肺癌患者的CT扫描图像	计算机视觉	肺癌	计算机断层扫描	CNN, 优化算法	医学图像	NA	NA	ResNet50, DenseNet201	准确率	NA
1200	2026-01-16	Multiparametric MRI deep learning model based on dynamic Contrast-enhanced and apparent diffusion coefficient map enables accurate prediction of benign and malignant breast lesions 2025-Dec-05, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00970-1 PMID:41345985	研究论文	本研究开发了一个基于多参数MRI（动态对比增强和表观扩散系数图）的深度学习模型，用于准确区分良性和恶性乳腺病变	结合动态对比增强MRI和表观扩散系数图的深度学习模型，在区分乳腺良恶性病变方面表现出最高的诊断效率，并超越了其他组合及单参数模型	研究为回顾性设计，需在前瞻性、更大规模、多中心、多扫描仪及跨国研究中进一步验证	开发基于多参数MRI的深度学习模型，以区分良性和恶性乳腺病变	乳腺病变（包括良性和恶性）	计算机视觉	乳腺癌	多参数磁共振成像（动态对比增强MRI和表观扩散系数图）	深度学习模型	MRI图像	训练/验证数据集包含509名患者的556个病变（307个恶性，249个良性）；独立测试数据集包含225名患者的243个病变	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA