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
1421	2026-01-10	HyperFusionNet combines vision transformer for early melanoma detection and precise lesion segmentation 2025-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30184-1 PMID:41318765	研究论文	本文提出了一种名为HyperFusionNet的新型混合深度学习架构，用于早期黑色素瘤检测和精确病变分割	结合了多路径视觉变换器（MPViT）和注意力U-Net，通过互注意力融合块有效融合语义和空间特征，优于现有模型	未明确提及具体局限性，可能包括对数据预处理依赖或计算资源需求	早期和准确诊断黑色素瘤，同时进行分类和分割	皮肤镜图像中的黑色素瘤病变	计算机视觉	黑色素瘤	深度学习	混合架构（Vision Transformer, U-Net）	图像	超过60,000张皮肤镜图像（来自四个公共ISIC数据集）	未明确指定，可能为PyTorch或TensorFlow	Multi-Path Vision Transformer (MPViT), 注意力U-Net	准确率, AUC, Dice系数	未明确指定
1422	2026-01-10	Development and validation of a predictive model for adherent perirenal fat based on CT radiomics and deep learning 2025-Oct-29, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06049-7 PMID:41160174	研究论文	本研究旨在开发并验证一个结合CT影像组学和深度学习的模型，用于术前预测肾周脂肪粘连	首次将CT影像组学与深度学习结合，开发了用于预测肾周脂肪粘连的预测模型，并在多中心数据集中进行了验证	外部测试集样本量较小（43例），可能影响模型的泛化能力评估	开发并验证一个用于术前预测肾周脂肪粘连的预测模型	肾肿瘤患者	数字病理学	肾癌	CT影像	深度学习, 逻辑回归	CT图像	460例患者（291例交叉验证集，126例内部测试集，43例外部测试集）	NA	3D-UNet	Dice相似系数, AUC	NA
1423	2026-01-10	The CT-based deep learning model outperforms traditional anatomical classification models in preoperatively predicting complications and risk grade in partial nephrectomy 2025-Oct-25, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05893-x PMID:41137930	研究论文	本研究开发了一种整合CT影像组学和临床特征的深度学习模型，用于预测肾部分切除术患者的围手术期并发症和风险等级，并与传统解剖分类模型进行比较	首次将CT影像组学与临床特征结合，利用深度学习模型预测肾部分切除术的并发症和风险等级，并在外部验证中显示出优于传统RENAL和PADUA评分模型的性能	模型在中高风险组患者中的预测性能与传统模型无显著差异，且研究为回顾性设计	开发并验证一种基于深度学习的模型，以更准确地预测肾部分切除术患者的围手术期并发症和手术风险等级	被诊断为肾细胞癌或肾囊肿并接受肾部分切除术的患者	数字病理学	肾细胞癌	CT影像组学	深度学习	CT图像, 临床数据	1214名患者（训练/内部验证）和260名患者（外部验证）	PyTorch, pyradiomics	nnU-Net	AUC, 准确率	NA
1424	2026-01-10	Deep Learning-Based Automatic Segmentation and Analysis of Mitochondrial Damage by Zika Virus and SARS-CoV-2 2025-Sep-19, Viruses DOI:10.3390/v17091272 PMID:41012699	研究论文	本文提出了一种基于深度学习的自动分割和分析方法，用于从透射电子显微镜图像中识别和分析线粒体损伤，以研究寨卡病毒和SARS-CoV-2感染引起的免疫反应	开发了一种基于U-Net架构的卷积神经网络，首次实现了对病毒感染引起的线粒体损伤的自动分割和分析，显著减少了处理时间并避免了观察者偏差	未明确说明样本量的具体细节或模型的泛化能力到其他病毒或细胞类型	研究病毒感染引起的线粒体形态变化，以预测免疫反应类型	感染了两种SARS-CoV-2变体或寨卡病毒的细胞的线粒体	数字病理学	传染病	透射电子显微镜成像	CNN	图像	NA	NA	U-Net	准确率	NA
1425	2026-01-10	Current Applications and Limitations of Augmented Reality in Urological Surgery: A Practical Primer and 'State of the Field' 2025-Jul-11, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-025-01283-3 PMID:40643724	综述	本文综述了增强现实（AR）在泌尿外科手术中的当前应用、技术基础、最新进展及局限性，并探讨了未来研究方向	系统总结了近五年AR在泌尿外科手术中的进展，特别是从术前规划扩展到术中应用，并探讨了人工智能和深度学习在解决软组织变形自动配准挑战中的作用	重建外科和男科学等亚专业在AR/MR应用中的研究代表性不足，且当前研究多限于描述性，缺乏大样本前瞻性研究	为泌尿外科医生提供AR技术的基础知识，综述其最新应用进展，并讨论限制其广泛采用的问题及解决方向	泌尿外科手术，特别是机器人辅助根治性前列腺切除术、经皮肾镜取石术和肾移植等	数字病理	前列腺癌	增强现实（AR）、混合现实（MR）、人工智能、深度学习	NA	术前影像、术中实时数据	NA	NA	NA	NA	NA
1426	2026-01-10	SViT-ECG: Spectrogram Vision Transformer for Detection of Short-Term Atrial Fibrillation from ECG Signals 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/EMBC58623.2025.11252617 PMID:41335921	研究论文	本研究提出了一种基于Transformer的深度学习方法，通过将心电图信号转换为频谱图，利用微调的Vision Transformer模型来检测短期心房颤动	首次将Vision Transformer模型应用于心电图频谱图进行心房颤动检测，提出SViT-ECG新方法	未提及模型在更复杂或噪声更大的真实场景中的泛化能力，以及计算效率是否满足实时应用需求	开发一种准确检测短期心房颤动的心电图自动分析方法	患者的心电图信号	计算机视觉	心血管疾病	心电图信号处理，频谱图转换	Transformer	图像（频谱图）	未明确提及具体样本数量，但使用了5折交叉验证和独立测试集	未明确提及	Vision Transformer	准确率，F分数	未提及
1427	2026-01-10	AI-Enhanced Pulmonary Auscultation for Heart Failure Detection 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/EMBC58623.2025.11253377 PMID:41336555	研究论文	本研究探讨了利用人工智能和肺听诊技术在家居环境中早期检测心力衰竭的可行性	提出了一种新颖、紧凑的卷积神经网络模型，并结合预训练的Transformer模型，用于分析肺音信号，实现了非临床听诊的AI听诊器概念	样本量较小（仅15名心力衰竭患者和15名健康受试者），可能影响模型的泛化能力	开发一种基于人工智能的肺听诊方法，用于心力衰竭的早期检测	心力衰竭患者和健康受试者的肺音信号	机器学习	心血管疾病	肺听诊	CNN, Transformer	音频信号	30名受试者（15名心力衰竭患者和15名健康受试者）	NA	紧凑卷积神经网络, 预训练Transformer	特异性, 敏感性	NA
1428	2026-01-10	Specialized ECG data augmentation method: leveraging precordial lead positional variability 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00455-3 PMID:40026892	研究论文	本文提出了一种针对心电图数据的专用数据增强方法，通过利用胸前导联位置的可变性来提升深度学习模型在心电图诊断任务中的性能	创新点在于专注于12导联心电图中胸前导联之间的独特角度，并考虑临床环境中可能发生的情况，从而优化了心电图数据的数据增强技术	未在摘要中明确提及	研究目的是开发一种优化的数据增强方法，以提升心电图信号在诊断心房颤动或心房扑动、广义室上性心动过速、一度房室传导阻滞、左束支传导阻滞和心肌梗死等疾病中的深度学习模型性能	研究对象是心电图信号，具体用于诊断多种心脏疾病	生物信号处理	心血管疾病	数据增强技术	深度学习模型	心电图信号	NA	NA	NA	NA	NA
1429	2026-01-10	Deep learning-based lymph node metastasis status predicts prognosis from muscle-invasive bladder cancer histopathology 2025-Jan-10, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05440-8 PMID:39792275	研究论文	本研究开发了一种基于深度学习的模型，利用原发性肿瘤组织预测肌肉浸润性膀胱癌的淋巴结转移状态，并验证了预测的aiN评分在预后评估中的价值	首次使用基于UNI视觉编码器的深度学习模型直接从H&E染色组织学图像中提取特征，以预测肌肉浸润性膀胱癌的淋巴结转移状态，并证明aiN评分作为独立预后因子的有效性	研究为回顾性分析，需要前瞻性验证以确认模型在个性化管理中的应用潜力	开发并验证一个深度学习模型，用于预测肌肉浸润性膀胱癌的淋巴结转移状态及其预后价值	肌肉浸润性膀胱癌患者	数字病理学	膀胱癌	H&E染色组织学图像分析	深度学习	图像	训练和内部验证集：323名患者（来自TCGA）；外部验证集：139名患者（来自武汉大学人民医院）	NA	UNI	AUC, 风险比	NA
1430	2026-01-10	Research Hotspots of Traditional Chinese Medicine for Liver Cancer in the Future Directions: A Bibliometric Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S555310 PMID:41496746	文献计量分析	本文通过对过去十年中医药治疗肝癌研究的文献进行系统性计量分析，描绘了该领域的知识图谱和发展趋势	首次系统性地对中医药治疗肝癌领域进行了跨数据库（CNKI、Wanfang、VIP、Web of Science）的文献计量分析，并揭示了中英文文献在研究主题上的显著差异及新兴前沿	国际与跨区域合作仍然有限，且分析依赖于所选数据库的覆盖范围和检索策略	填补中医药在肝癌管理研究领域的知识图谱空白，系统分析其研究热点与演变趋势	从中国知网、万方、维普和Web of Science等数据库中检索到的与中医药和肝癌相关的出版物	文献计量学	肝癌	文献计量分析，科学图谱工具（如CiteSpace, Origin 2024, R, VOSviewer）	NA	文献数据（出版物）	从2015年2月14日至2025年2月14日期间检索的相关出版物	CiteSpace, Origin 2024, R, VOSviewer	NA	NA	NA
1431	2026-01-10	Identifying health conditions in older adults in textual health records using deep learning-based natural language processing 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.009 PMID:41496888	研究论文	本研究利用深度学习自然语言处理模型从老年患者的电子健康记录自由文本中识别跌倒、失禁、孤独和行动受限等健康问题	首次在芬兰大规模电子健康记录中应用深度学习NER模型识别老年健康问题，相比诊断代码显著提高了识别数量和死亡率预测能力	研究仅针对芬兰特定年龄段患者，结果可能受数据质量和文本记录完整性影响	开发基于深度学习的自然语言处理模型以识别老年患者电子健康记录中的关键健康问题	102,525名50-80岁芬兰患者的电子健康记录自由文本	自然语言处理	老年疾病	命名实体识别	深度学习模型	文本	102,525名患者的1060万条自由文本记录	NA	NA	精确率, 召回率, F1分数	NA
1432	2026-01-10	Comparing the performance of dynamic susceptibility contrast and arterial spin labeling for detecting residual and recurrent glioblastoma with deep learning and multishell diffusion MRI 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf219 PMID:41497450	研究论文	本研究比较了动态磁敏感对比增强（DSC）和动脉自旋标记（ASL）两种MR灌注技术在结合深度学习和多模态MRI（包括多壳层扩散和灌注）下，用于检测胶质母细胞瘤残留和复发的性能	首次结合深度学习和多模态MRI（包括多壳层扩散和灌注）来比较DSC和ASL在胶质母细胞瘤复发检测中的性能，并发现ASL在特定区域（如手术腔附近）具有优势	研究为回顾性设计，样本量相对有限（137次MRI扫描，107名患者），且未详细讨论模型在其他肿瘤类型或更大数据集上的泛化能力	比较DSC和ASL两种MR灌注技术在区分胶质母细胞瘤复发和治疗后变化中的性能	胶质母细胞瘤患者的MRI图像，包括灌注和多壳层扩散数据	数字病理学	胶质母细胞瘤	动态磁敏感对比增强（DSC），动脉自旋标记（ASL），多壳层扩散MRI	深度学习	MRI图像	137次MRI扫描，来自107名胶质母细胞瘤患者	nnU-Net	nnU-Net	Dice分数，曲线下面积（AUC）	NA
1433	2026-01-10	PET-TURTLE: Deep Unsupervised Support Vector Machines for Imbalanced Data Clusters 2025, IEEE signal processing letters IF:3.2Q2 DOI:10.1109/lsp.2025.3636453 PMID:41497826	研究论文	本文提出了一种名为PET-TURTLE的深度无监督支持向量机方法，用于处理不平衡数据聚类问题	通过引入幂律先验来泛化成本函数以处理不平衡数据分布，并在标记过程中引入稀疏logits以简化搜索空间，从而提升聚类准确性	NA	改进深度聚类算法以更好地处理不平衡数据分布	合成数据和真实数据中的不平衡聚类问题	机器学习	NA	NA	深度无监督支持向量机	NA	NA	NA	TURTLE, PET-TURTLE	准确性	NA
1434	2026-01-10	Linking RayStation AI auto-contouring with Eclipse TPS: a scripted workflow for clinical integration 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.109182 PMID:41498081	研究论文	本研究提出了一种自动化脚本工作流，将RayStation的AI自动勾画功能集成到Eclipse治疗计划系统中，以提升放疗计划效率	开发了跨平台自动化集成脚本，实现了RayStation与Eclipse系统间的无缝数据交换，无需用户干预即可完成深度学习分割	仅验证了35个临床案例，样本规模有限；依赖特定软件版本（RayStation 2024B）	解决不同放疗计划系统间AI工具集成的技术挑战，提升临床工作流效率	放疗计划中的靶区与危及器官轮廓勾画	数字病理	NA	深度学习分割	深度学习模型	CT图像	35个临床案例	Python, C#	内置深度学习模型	处理时间	NA
1435	2026-01-09	SR-LLM: An incremental symbolic regression framework driven by LLM-based retrieval-augmented generation 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2516995122 PMID:41428869	研究论文	提出了一种基于大语言模型检索增强生成机制的增量式符号回归框架SR-LLM，用于从观测数据中发现复杂且可解释的解析表达式	将大语言模型的检索增强生成机制与深度强化学习相结合，实现增量学习，能够利用外部知识库中的先验知识和历史探索结果	未明确说明框架的计算效率、对特定领域知识的依赖程度以及在大规模复杂问题中的可扩展性	改进符号回归方法，使其能够有效利用先验知识发现复杂且可解释的解析模型	观测数据中的符号回归问题，特别是人类跟车行为的解析建模	机器学习	NA	符号回归, 检索增强生成, 深度强化学习	大语言模型, 深度强化学习模型	观测数据, 车辆轨迹数据	NA	NA	NA	拟合效果, 可解释性	NA
1436	2026-01-09	Flexible protein-ligand docking with diffusion-based side-chain packing 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2511925122 PMID:41439702	研究论文	本文介绍了一种名为PackDock的框架，它结合深度学习和基于物理的建模来模拟蛋白质-配体相互作用，以解决蛋白质灵活性问题	提出PackDock框架，其核心组件PackPocket利用扩散模型采样多样化的结合口袋构象并预测配体诱导的变化，从而有效处理蛋白质灵活性	未明确提及具体局限性	旨在通过整合深度学习和物理建模，更好地理解和预测蛋白质-配体相互作用，以支持基础生物学研究和药物发现	蛋白质结构和动力学，特别是蛋白质-配体相互作用	机器学习	NA	扩散模型	扩散模型	蛋白质结构数据	NA	NA	PackPocket	NA	NA
1437	2026-01-09	Graph Neural Networks with Transformer Fusion of Brain Connectivity Dynamics and Tabular Data for Forecasting Future Tobacco Use 2025-Dec-29, ArXiv PMID:41503105	研究论文	提出一种结合图神经网络与Transformer融合的时间感知模型，用于整合大脑动态连接数据与表格数据，以预测未来烟草使用情况	提出GNN-TF模型，首次在纵向功能磁共振成像研究中，通过时间感知的Transformer融合结构，将非欧几里得的大脑动态连接数据与欧几里得的表格数据（临床与人口统计学信息）在统一框架内进行灵活整合	研究基于特定青少年酒精与神经发育联盟的纵向静息态fMRI数据集，模型在其他人群或疾病领域的泛化能力有待验证	开发一种能够有效整合多模态纵向数据的方法，以提升对未来临床结果（如烟草使用）的预测准确性	青少年群体的大脑功能连接动态与临床/人口统计学表格数据	医学影像分析	成瘾行为（烟草使用）	静息态功能磁共振成像	图神经网络, Transformer	图像（大脑连接动态）, 表格数据（临床与人口统计学信息）	来自国家青少年酒精与神经发育联盟的纵向数据集	NA	GNN-TF（图神经网络-Transformer融合模型）	预测准确性	NA
1438	2026-01-09	A Museum artifact classification model based on cross-modal attention fusion and generative data augmentation 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29671-2 PMID:41413412	研究论文	本文提出了一种基于跨模态注意力融合和生成式数据增强的博物馆文物分类模型（VBG模型），以解决多模态信息协作不足和高质量标注数据稀缺的挑战	通过任务导向重构ViT、BERT和GAN构建集成多模态框架，并利用双向交互注意力融合层实现精确特征对齐，以及通过GAN生成多样样本形成“生成-反馈-优化”闭环以缓解数据稀缺问题	模型在训练时间和生成图像质量方面仍有改进空间	提升博物馆文物分类任务的效率和准确性，为数字文物管理和文化遗产保护提供技术支持	博物馆文物	计算机视觉	NA	生成对抗网络	Transformer, GAN	图像, 文本	MET和MS COCO数据集	NA	Vision Transformer, BERT, GAN	分类准确率, mAP, F1分数	NA
1439	2026-01-09	A pooled Cell Painting CRISPR screening platform enables de novo inference of gene function by self-supervised deep learning 2025-Dec-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66778-6 PMID:41402283	研究论文	本文介绍了一种基于Cell Painting的CRISPR筛选平台，通过自监督深度学习实现基因功能的从头推断	开发了一种与光学池化筛选兼容的Cell Painting平台，结合丰富的形态学数据与深度学习，无需特定生物标志物即可揭示基因网络，实现无偏见的基因功能发现	NA	实现无假设的逆向遗传筛选，通过多路形态学分析探索基因功能	基因功能、基因网络	机器学习	NA	CRISPR筛选、Cell Painting、光学池化筛选	自监督深度学习	图像	NA	NA	NA	NA	NA
1440	2026-01-09	Controllable diffusion framework for imbalanced Phi OTDR events classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29691-y PMID:41360874	研究论文	本文提出了一种可控扩散框架（ConDiff），用于解决Φ-OTDR事件分类中的长尾不平衡问题	首次将可控扩散模型应用于Φ-OTDR事件分类的长尾不平衡问题，通过反馈引导的增强器、高质量样本选择模块和动态阈值调整模块协同工作	未提及模型在更广泛数据集上的泛化能力，也未讨论计算效率方面的限制	解决Φ-OTDR事件分类中因异常事件样本稀缺导致的长尾不平衡问题	Φ-OTDR系统监测到的异常事件（如挖掘、浇水、摇晃）和正常事件（噪声）	机器学习	NA	Φ-OTDR（相位光时域反射计）	扩散模型	时间序列数据	BJTU-OTDR-LT数据集（具体数量未说明）	未明确说明	ConDiff（可控扩散框架），包含反馈引导Φ-OTDR增强器、高质量样本选择模块、动态阈值调整模块	分类准确率	NA