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
1641	2026-01-04	Alveolar Bone Segmentation Methods in Assessing the Effectiveness of Periodontal Defect Regeneration Through Machine Learning of CBCT Data: A Systematic Review 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/9065572 PMID:41476447	系统综述	本文系统综述了用于评估牙周缺损再生效果的锥形束CT影像中牙槽骨分割方法，重点关注机器学习技术的应用	首次系统性地比较了不同牙槽骨分割方法在牙周缺损再生数字工作流程中的效果，并明确了深度学习（特别是U-Net）在该领域的主导地位	纳入研究数量有限（仅23项），时间范围限制在5年内，且不同研究的分割性能评估指标存在差异	评估锥形束CT影像中牙槽骨分割方法的有效性及其在牙周缺损再生数字工作流程中的潜在价值	牙周缺损患者的锥形束CT影像数据	数字病理学	牙周病	锥形束CT成像	深度学习	医学影像（DICOM格式）	NA	NA	U-Net	Dice相似系数	NA
1642	2026-01-04	Risk stratification for early-stage NSCLC progression: a federated learning framework with large-small model synergy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1719433 PMID:41476584	研究论文	本研究开发了一种名为FedCPI的联邦学习框架，用于早期非小细胞肺癌进展的风险分层，并在胃癌和子宫内膜癌任务中验证了其通用性	提出了一种结合大型与小模型特征分解与融合（LMSF）以及联邦自适应通信机制（FACM）的新型联邦学习框架，实现了多中心数据协同下的精准风险分层	研究为回顾性设计，样本量有限（926例），且仅包含四个中心的患者数据	开发一个精确的风险分层系统，以提高预测准确性并优化分层管理，从而指导临床决策	接受根治性手术的I-IIA期非小细胞肺癌患者，并在后续任务中扩展至胃癌和子宫内膜癌患者	数字病理学	肺癌	深度学习	CNN	医学影像数据（推断）	926名来自四个中心的I-IIA期非小细胞肺癌患者	PyTorch（推断）	ResNet18，并结合了视觉基础模型（VFMs）	AUC，准确率，灵敏度，特异度，阳性预测值，阴性预测值	NA
1643	2026-01-04	Noninvasive MGMT-promotor methylation prediction in high grade gliomas using conventional MRI and deep learning-based segmentations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1689003 PMID:41476598	研究论文	本研究利用深度学习模型分割常规MRI图像，分析高级别胶质瘤中MGMT启动子甲基化状态的非侵入性预测	首次结合两种深度学习分割模型（DeepBraTumIA和Raidionics）分析肿瘤水肿、增强肿瘤、坏死等体积特征，用于预测MGMT启动子甲基化状态	样本量较小（70例患者），未纳入其他分子影像序列，手动分割验证仅覆盖部分病例	通过深度学习分割的MRI体积数据预测高级别胶质瘤的MGMT启动子甲基化状态，并分析其与生存预后的关联	高级别胶质瘤（包括胶质母细胞瘤和4级星形细胞瘤）患者	数字病理	脑肿瘤	常规磁共振成像	深度学习模型	MRI图像	70例高级别胶质瘤患者（其中45例男性，32例MGMT启动子甲基化），37例用于手动分割验证	NA	DeepBraTumIA, Raidionics	Dice系数, 组内相关系数, 受试者工作特征曲线下面积, 敏感性, 特异性	NA
1644	2026-01-04	Image-text guided fundus vessel segmentation via attention mechanism and gated residual learning 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1710343 PMID:41476610	研究论文	本研究提出了一种结合图像-文本引导、注意力机制和门控残差学习的眼底血管分割模型，以提升细血管分割性能并减少对像素级标注的依赖	首次成功将图像-文本模型引入眼底血管分割，并改进了模型架构，包括在CNN主干中嵌入SE模块以自适应重校准通道权重，以及在ViT主干中集成门控残差学习以动态调节图像与文本特征间的信息流	未明确说明模型在更广泛或临床数据集上的泛化能力，以及计算资源需求的具体细节	提高眼底血管分割的准确性，特别是在细血管分割方面，并探索减少对像素级标注依赖的新方法	眼底血管图像及其对应的文本标签	计算机视觉	眼科疾病	深度学习	CNN, ViT	图像, 文本	两个公开数据集（DRIVE和ROSE-1），具体样本数量未在摘要中明确说明	NA	CNN with SE module, ViT with gated residual learning	F1-score, accuracy, sensitivity, specificity	NA
1645	2026-01-04	Multi-perspective hotel operation process anomaly prediction method based on graph transformer and autoencoder 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1682701 PMID:41476691	研究论文	提出一种基于多视角图Transformer与自编码器的酒店业务流程异常预测方法，以提升运营稳定性	首次将Petri网与数据属性结合构建多视角轨迹图，并利用注意力机制实现流程行为与数据的深度语义交互	未明确说明方法在超大规模流程或实时流数据场景下的适用性	解决酒店业务流程中因控制流与数据流交互建模不足导致的异常预测精度问题	酒店运营流程中的活动序列及其时间、资源等数据属性	自然语言处理	NA	Petri网建模, 注意力机制	Transformer, Autoencoder	图结构数据, 时序数据	多个真实世界数据集（未明确具体数量）	NA	Graph Transformer, Auto Encoder	准确性	NA
1646	2026-01-04	An explainable deep learning-based feature fusion model for acute lymphoblastic leukemia diagnosis and severity assessment 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1694024 PMID:41476880	研究论文	本文提出了一种名为XIncept-ALL的新型深度学习框架，用于急性淋巴细胞白血病的自动检测和严重程度分类	通过特征融合块整合预训练的InceptionV3和Xception网络，并采用数据自动增强技术和Grad-CAM可视化以提升性能与可解释性	使用了新开发的私有数据集Pak-ALL，可能限制模型在其他人群或数据集上的泛化能力	开发一个可靠、可解释的计算机辅助诊断系统，用于急性淋巴细胞白血病的早期检测和严重程度评估	急性淋巴细胞白血病细胞图像	数字病理学	急性淋巴细胞白血病	NA	CNN	图像	新开发的私有数据集Pak-ALL（来自巴基斯坦医院）以及来自可靠网络来源的额外数据集	NA	InceptionV3, Xception	准确率	NA
1647	2026-01-04	Nature's cryptographic codebreaker: in silico decoding of apigenin's triple defense against SARS-CoV-2 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1708660 PMID:41477204	研究论文	本研究通过计算建模方法探索了芹菜素对SARS-CoV-2的潜在抗病毒机制	首次结合矩阵分解、深度学习、多尺度分子建模和网络药理学，系统预测并验证了芹菜素通过多靶点机制（包括GRP78、HSPG、Nsp15、AKT1和PTGS2）对抗SARS-CoV-2的潜力	研究主要基于计算模拟，缺乏实验验证；预测结果需进一步体内外实验确认	探索芹菜素治疗SARS-CoV-2的潜在作用及机制，为开发基于天然产物的抗病毒疗法提供依据	芹菜素（一种天然黄酮类化合物）及其与SARS-CoV-2相关蛋白（如GRP78、HSPG、Nsp15）和宿主因子（如AKT1、PTGS2）的相互作用	计算生物学	COVID-19	矩阵分解、深度学习、多尺度分子建模、网络药理学、分子对接	基于图的高斯核相似性模型（GiGs）、卷积自注意力模型（CSatDTA）	分子结构数据、蛋白质结构数据、药物-靶点相互作用数据	NA	NA	GiGs, CSatDTA	结合自由能（kcal/mol）	NA
1648	2026-01-04	TIC-FusionNet: A multimodal deep learning framework with temporal decomposition and attention-based fusion for time series forecasting 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333379 PMID:41066756	研究论文	提出了一种名为TIC-FusionNet的多模态深度学习框架，用于时间序列预测，特别针对金融环境中的噪声问题	结合了指数移动平均分解进行去噪和趋势提取、轻量级线性Transformer进行高效长序列建模、以及带有CBAM注意力的空间-通道CNN从K线图图像中捕捉形态模式，并通过门控融合机制自适应地整合数值和视觉模态	未明确提及模型在极端市场事件或数据极度稀缺情况下的表现	解决单模态和短程依赖模型在嘈杂金融环境中的局限性，提升时间序列预测的准确性和泛化能力	六家真实世界公司的股票数据集，包括亚马逊、特斯拉、贵州茅台、中国平安、万科和苹果	机器学习	NA	时间序列分析，图像分析	Transformer, CNN	数值时间序列数据，图像数据	六个股票数据集，涵盖中美主要公司及不同市场板块和波动模式	NA	线性Transformer, CNN with CBAM	预测准确性，泛化能力	NA
1649	2026-01-03	Unveiling river thermal regimes in the Yangtze river basin, China, with a hybrid deep learning model 2025-Dec-31, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128460 PMID:41477956	研究论文	本研究开发了一种混合深度学习模型CNN-LSTM-AT，用于重建长江流域1960-2009年的河水温度，并分析其热力状况变化趋势	提出了一种结合CNN、LSTM和注意力机制的混合深度学习模型，用于解决河水温度数据稀缺问题，并首次系统分析了长江流域长期热力状况和热浪特征	模型输入变量相对有限（气温、流量、年积日），未考虑更多环境因素；研究时间范围截至2009年，缺乏最新数据验证	解决河水温度数据稀缺问题，分析长江流域热力状况的时空特征，为河流管理和生态保护提供依据	长江流域的河水温度数据	机器学习	NA	深度学习建模	CNN, LSTM	时间序列数据（气温、流量、年积日）	1960-2009年长江流域历史数据	NA	CNN-LSTM-AT（卷积神经网络-长短期记忆网络-注意力机制混合架构）	预测精度、稳定性、计算效率	NA
1650	2026-01-03	Multimodal deep learning ensemble framework for skin cancer detection 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30534-z PMID:41469782	研究论文	本文提出了一种基于多模态深度学习的集成框架，用于皮肤癌的检测与分类	结合了预训练模型、元数据以及自适应加权集成方法，显著提升了皮肤癌检测的准确性和泛化能力	在外部数据集Derm7pt上的准确率相对较低，表明模型在跨数据集泛化方面仍有提升空间	评估迁移学习技术在提升卷积神经网络（CNN）性能方面的效果，以改进皮肤癌的检测与分类	皮肤癌图像数据，包括ISIC 2018、ISIC 2019和Derm7pt数据集	计算机视觉	皮肤癌	深度学习，迁移学习，集成学习，SMOTE过采样	CNN	图像，元数据	ISIC 2018、ISIC 2019和Derm7pt数据集中的皮肤癌图像样本	TensorFlow, Keras	ResNet50, Xception, MobileNet, EfficientNetB0, DenseNet121	准确率, 精确率, 召回率, F1分数, AUC	NA
1651	2026-01-03	Enhancing landslide detection in Western Ghats of Kerala, India with deep learning and Explainable AI 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33065-9 PMID:41461880	研究论文	本研究利用深度学习模型和可解释人工智能技术，通过高分辨率卫星影像的时序差异数据，对印度喀拉拉邦西高止山脉的滑坡进行自动检测与分割	首次为印度喀拉拉邦构建自动滑坡清单，结合了时序差异数据与迁移学习，并应用了可解释人工智能技术来理解模型决策	研究仅基于公开的HR-GLDD数据库和PlanetScope影像，可能受数据覆盖范围和分辨率的限制，且模型性能在复杂地形或小规模滑坡上可能不足	开发一个自动化的滑坡检测系统，以支持滑坡预测和风险缓解策略	印度喀拉拉邦西高止山脉地区的滑坡事件	计算机视觉	NA	高分辨率卫星遥感，时序差异分析	U-Net	卫星图像	基于公开的HR-GLDD数据库和PlanetScope影像，具体样本数量未明确说明	TensorFlow, PyTorch (未明确指定，但基于常用框架推断)	简单多尺度U-Net, 注意力多尺度U-Net	精确度, F1分数	NA
1652	2026-01-03	An optimized YOLOv8n based model for real time defect detection in taro strip production 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28216-x PMID:41462034	研究论文	本研究提出了一种基于YOLOv8n的优化模型，用于芋头条生产中的实时缺陷检测	模型集成了多项架构创新，包括双向特征金字塔网络（BiFPN）、VoV-GSCSP模块替换传统C2f块以降低计算复杂度、共享参数检测头以及使用Wise IoU损失函数，以提升多尺度特征融合、加速收敛并提高预测精度	未明确提及具体局限性	实现芋头条工业生产环境中的自动化缺陷检测，以提高效率和产品质量	芋头条	计算机视觉	NA	深度学习	YOLOv8n	图像	未明确提及具体样本数量	NA	YOLOv8n, BiFPN, VoV-GSCSP	平均检测精度（mAP50）, 精确率, 召回率, FLOPs	Raspberry Pi 5
1653	2026-01-03	Transfer learning models for wheat ear detection on multi-source dataset 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28351-5 PMID:41462035	研究论文	本文介绍了一个用于小麦穗检测的高质量RGB智能手机图像数据集BioS-Wheat，并评估了六种深度学习模型在该数据集上的性能	提出了一个新颖的高质量RGB智能手机图像数据集BioS-Wheat，该数据集具有高播种密度和最小行间距，增加了对象遮挡和密集空间排列，强调了农艺多样性对模型性能的影响	NA	开发一种经济可靠的小麦穗自动检测方法，以支持小麦生长监测和产量预测	小麦穗	计算机视觉	NA	RGB智能手机图像采集	深度学习模型	图像	5,696张标注图像，涵盖四个小麦品种	NA	RetinaNet, YOLOv8, RT-DETR	平均精度均值（mAP@50）	NA
1654	2026-01-03	Lightweight deep learning technology for high quality development and intelligent transformation of sports under DeepLabV3 CSP Darknet53 model 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28539-9 PMID:41462421	研究论文	本研究提出了一种基于轻量级深度学习技术的优化方法，用于智能健身和娱乐场景中高效、低计算成本的姿态识别	将DeepLabV3+语义分割模型与轻量化的OpenPose网络结合，并引入了空间注意力模块以增强关键局部特征的捕捉能力	未明确说明模型在复杂背景或多人交互场景下的泛化能力，以及实际部署中的实时性表现	解决智能健身和娱乐场景中对高效、低计算成本姿态识别日益增长的需求，支持体育产业的智能化转型和高质量发展	运动姿态识别，包括运动器材的坐标位置提取和人体关键点检测	计算机视觉	NA	深度学习，语义分割，关键点检测	CNN	图像	NA	NA	DeepLabV3+, CSP-Darknet53, OpenPose	F1分数, 准确率, 召回率, 精确率	NA
1655	2026-01-03	Carbon efficient quantum AI: an empirical study of ansätz design trade-offs in QNN and QLSTM models 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28582-6 PMID:41462429	研究论文	本研究通过基准测试量子神经网络和量子长短期记忆模型，探讨量子机器学习作为低碳人工智能替代方案的潜力	首次系统比较量子模型与经典模型在性能、能耗和训练时间上的权衡，并分析量子硬件与仿真环境的能源差异	量子硬件仍存在较高能耗成本，量子模型在训练速度和能源效率上暂未超越经典模型	评估量子机器学习模型的能源效率与分类性能，推动绿色人工智能发展	量子神经网络、量子长短期记忆模型及经典机器学习模型	机器学习	NA	量子电路设计	QNN, QLSTM, ANN, LSTM, CatBoost	异常检测数据集	N-BaIoT数据集	IBM Qiskit	十种量子电路设计（A1-A10）	准确率, 模型复杂度, 训练时间, 能耗	GPU服务器, IBM量子硬件
1656	2026-01-03	XTC-Net: an explainable hybrid model for automated atelectasis detection from chest radiographs 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28694-z PMID:41462544	研究论文	本文提出了一种可解释的深度学习模型XTC-Net，用于从胸部X光片中自动检测肺不张	创新性地结合了Xception、Transformer和Capsule Network组件，以提取空间特征、建模长距离依赖并增强对细微结构变化的敏感性	NA	提高肺不张的自动检测效率和准确性，以支持临床诊断	胸部X光片	计算机视觉	肺不张	深度学习	CNN, Transformer, Capsule Network	图像	NA	NA	Xception, Transformer, Capsule Network	准确率, 灵敏度, F1分数	NA
1657	2026-01-03	An AM-CNN-BiGRU network with spatiotemporal feature fusion for industrial robot predictive maintenance 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29255-0 PMID:41462560	研究论文	本文提出了一种基于AM-CNN-BiGRU神经网络的工业机器人预测性维护方法，通过融合时空特征和多源数据来提升故障预测性能	提出了一种结合CNN、BiGRU和注意力机制（AM）的新型网络架构，实现了局部空间特征提取与全局双向时间依赖学习的融合，并采用多通道输入进行多源数据融合	NA	开发一种有效的工业机器人预测性维护方法，以提高故障预测的准确性和可靠性	工业机器人	机器学习	NA	NA	CNN, BiGRU	时间序列数据（振动、电流、扭矩）	NA	NA	AM-CNN-BiGRU	R², MAE, MAPE, RMSE	NA
1658	2026-01-03	Efficient blood cell classification from microscopic smear images using U-Net segmentation and a lightweight CNN 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26947-5 PMID:41453980	研究论文	本文提出了一种基于深度学习的自动化系统，用于从显微血液涂片图像中进行血细胞分类和计数	结合U-Net分割模型与自定义轻量级CNN（BloodCell-Net）进行血细胞分类，并采用分水岭算法处理重叠细胞	未明确提及数据集的规模或多样性限制，以及模型在真实临床环境中的泛化能力验证	开发自动化血细胞分类与计数系统，以辅助血液相关疾病的诊断	九种血细胞类型：红细胞、成红细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、单核细胞、未成熟粒细胞和血小板	计算机视觉	血液相关疾病（如贫血、白血病、淋巴瘤、血小板减少症）	显微成像	CNN, U-Net	图像	NA	NA	U-Net, 自定义轻量级CNN（LWCNN）	准确率、精确率、召回率、F1分数、IOU、Dice系数	NA
1659	2026-01-03	Comprehensive framework of machine learning and deep learning architectures with metaheuristic optimization for high-fidelity prediction of nanofluid specific heat capacity 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28268-z PMID:41455692	研究论文	本研究开发了一个结合机器学习和深度学习架构与元启发式优化的综合框架，用于高保真预测纳米流体的比热容	采用堆叠集成技术，结合线性回归作为元学习器提升基础模型性能，并应用粒子群优化和灰狼优化算法进行超参数调优，同时实施了基于多项式/傅里叶展开和自编码器的数据增强策略以提高模型泛化能力	NA	优化纳米流体在工程和工业应用中的性能，通过预测其比热容	纳米流体样本	机器学习	NA	NA	多层感知机, CatBoost, LightGBM	实验数据	1269个实验纳米流体样本	NA	多层感知机	R²分数, 均方误差, 均方根误差	NA
1660	2026-01-03	Hydraulic support pressure prediction via deep learning with multilevel temporal feature integration 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13089-x PMID:41455725	研究论文	本研究提出了一种基于LSTM-PatchTST的深度学习方法，用于预测煤矿液压支架压力，以提高预测精度并保障矿山安全	提出了一种结合LSTM和PatchTST的新型预测方法，通过遗忘门和输入门分别捕捉短期波动和长期趋势，并利用PatchTST模块同时建模局部细节和全局依赖关系，实现了多层次时序特征的深度融合	模型在跨矿井数据集上的泛化能力虽有验证，但可能仍需更多样化的地质和操作条件数据以进一步提升普适性	提高煤矿液压支架压力的预测精度，以应对开采深度增加和操作环境复杂化带来的安全挑战	煤矿液压支架的压力数据	机器学习	NA	皮尔逊相关分析，高斯移动平均滤波	LSTM, Transformer	时间序列数据	来自山东枣庄付村煤矿和河南义马耿村煤矿的实际压力数据集	NA	LSTM, PatchTST	RMSE, MAE	NA