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
201	2026-01-13	Label-efficient computational tumour infiltrating lymphocyte assessment in breast cancer (ECTIL): multicentre validation in 2340 patients with breast cancer 2025-Nov, The Lancet. Digital health DOI:10.1016/j.landig.2025.100921 PMID:41381302	研究论文	本研究提出并验证了一种基于深度学习的标签高效计算模型ECTIL，用于评估乳腺癌组织切片中的肿瘤浸润淋巴细胞密度，并在多中心队列中展示了其与病理学家评分的高度一致性	提出了一种无需复杂深度学习分割和检测流程的简化模型，仅需10分钟训练时间和100倍更少的病理学家标注即可实现高精度TIL评分	模型在特定分子亚型（如三阴性乳腺癌）上表现更优，可能在其他亚型泛化能力有限；未详细探讨模型在不同染色批次或扫描仪间的鲁棒性	开发一种高效、可重复的计算模型，辅助病理学家进行乳腺癌肿瘤浸润淋巴细胞评估	2340名乳腺癌患者的全切片图像，包括790名三阴性乳腺癌患者	数字病理学	乳腺癌	苏木精-伊红染色、福尔马林固定石蜡包埋全切片成像	深度学习回归模型	全切片图像	2340名患者，来自三个国家的多中心队列和三项随机临床试验	NA	基于病理学基础模型的特征提取器	Pearson相关系数, AUROC	NA
202	2026-01-12	Forensic identification using siamese, transfer learning and custom deep learning models 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30703-0 PMID:41318679	研究论文	本研究探索了多种深度学习模型在人类头骨法医鉴定中的应用，并提出了一个性能优异的孪生神经网络方法	提出了一个用于法医鉴定的孪生神经网络方法，在准确率上超越了现有文献中的最先进方法	NA	开发自动化方法用于人类头骨的法医鉴定，以确定性别、祖先等特征	人类头骨图像	计算机视觉	NA	深度学习	CNN, 孪生神经网络	图像	来自新墨西哥州死者图像数据库（NMDID）的DICOM文件头骨图像	NA	VGG-16, ResNet50, DenseNet, MobileNet, InceptionV3, EfficientNet, AlexNet, 自定义CNN	准确率	NA
203	2026-01-12	Combining citation and productivity metrics through harmonic mean enhances researcher ranking accuracy 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30432-4 PMID:41318760	研究论文	本研究提出了一种通过调和平均数结合引文和生产指标的新指数，以提升研究者排名的准确性	开发了一种基于调和平均数结合最不相关参数对的新指数，以整合多样化的评估标准，减少偏见并增强排名鲁棒性	研究仅基于1060名神经科学研究者数据集，可能限制了在其他领域的普适性	预测科学影响力并准确排名研究者，以提升研究生产力、支持决策制定和推进科学评估方法	神经科学领域的研究者，包括获奖者和非获奖者	机器学习	NA	深度学习技术	NA	文本数据（研究者指标数据）	1060名神经科学研究者	NA	NA	平均影响力得分	NA
204	2026-01-11	Attention-Base deep learning for 3D craniofacial soft tissue landmark detection and diagnosis in orthodontics 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30383-w PMID:41318682	研究论文	本文提出了一种创新的两阶段注意力深度学习框架，用于三维颅面软组织标志点检测与正畸诊断分类	开发了结合测地线裁剪模块和动态标志点结构学习模块的两阶段注意力框架，首次将解剖学先验知识融入空间依赖建模，显著提升了定位精度与结构一致性	未明确说明模型在不同种族、年龄组或病理条件下的泛化能力，也未讨论计算效率是否满足实时临床需求	实现三维颅面软组织的自动化标志点检测与正畸治疗难度诊断分类	三维颅面软组织扫描数据	计算机视觉	错颌畸形	三维扫描成像	深度学习, Transformer	三维点云数据	未在摘要中明确说明具体样本数量	PyTorch	PointTransformerV3	平均径向误差, 成功检测率, 成功分类率, 诊断准确率	NA
205	2026-01-11	Biological Age Prediction of the Cerebellar Vermis in the Human Lifespan 2025-Nov-19, Cerebellum (London, England) DOI:10.1007/s12311-025-01929-5 PMID:41258571	研究论文	本研究利用深度学习从结构MRI中提取的脑结构年龄生物标志物，探究了人类小脑蚓部随年龄增长的区域特异性老化模式	首次使用深度学习衍生的脑结构年龄生物标志物系统评估小脑蚓部各亚区的老化轨迹，揭示了前后梯度差异及性别特异性老化模式	研究为横断面设计，无法推断因果关系；样本仅来自单一数据库（伊朗脑成像数据库），可能限制结果的普适性	评估小脑蚓部区域特异性老化模式及其影响因素	245名健康参与者的小脑蚓部结构MRI数据	医学影像分析	NA	结构磁共振成像	深度学习	3D T1加权磁共振图像	245名健康参与者（青年组20-39岁、中年组40-59岁、老年组≥60岁）	NA	NA	调整后R方	3T MRI扫描仪（64通道线圈）
206	2026-01-11	AI-Driven Real-Time Monitoring of Cardiovascular Conditions With Wearable Devices: Scoping Review 2025-Nov-11, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/73846 PMID:41218203	综述	本文是一篇范围综述，探讨了利用可穿戴设备和人工智能技术进行心血管疾病实时监测的主要挑战与潜在解决方案	系统性地识别了AI驱动平台在实时心血管监测中的关键挑战，并提出了跨学科研究需求，强调了从传统机器学习到轻量级深度学习算法的多种AI技术在可穿戴设备或云端处理中的应用	现有研究数量有限，缺乏全面的验证，多数依赖公开数据集而非社区环境下的真实世界验证，且实时部署的AI算法常未报告操作特性与挑战	识别AI驱动平台用于可穿戴设备实时心血管监测的主要挑战，并探索潜在解决方案，同时考察AI算法的开发与部署流程优化	使用可穿戴设备收集参与者数据并应用AI算法进行实时分析以检测或预测心血管事件与疾病的研究	机器学习	心血管疾病	NA	传统机器学习, 轻量级深度学习	心血管信号, 生命体征, 身体活动数据	从2385条记录中筛选，最终纳入19项研究	NA	NA	NA	NA
207	2026-01-11	A deep learning-based approach for measuring patellar cartilage deformations from knee MR images 2025-Nov, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112930 PMID:40915052	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于从膝关节磁共振图像中测量髌骨软骨的变形	首次将2D和3D U-Net应用于髌骨及髌骨软骨的自动分割，并成功检测到跳跃活动引起的软骨变形	研究仅基于109例膝关节磁共振扫描，样本量相对有限，且未与其他自动分割方法进行广泛比较	开发卷积神经网络以分割髌骨及髌骨软骨，并评估其测量运动诱导软骨变形的能力	膝关节磁共振图像中的髌骨及髌骨软骨	计算机视觉	骨关节炎	磁共振成像	CNN	图像	109例膝关节磁共振扫描	NA	U-Net	平均Dice相似系数, ICC, 平均差异	NA
208	2026-01-10	AIFS: an efficient face recognition method based on AI and enhanced few-shot learning 2025-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29992-2 PMID:41318652	研究论文	本文提出了一种名为AIFS的高效人脸识别方法，该方法结合了传统特征学习和现代少样本深度学习，在共享的孪生网络架构下运行	提出了一种混合人脸识别框架，将基于Viola-Jones算法和粒子群优化的轻量级边缘路径与使用EfficientNetV2和InceptionV3作为特征编码器的深度学习云路径相结合，在孪生网络架构下统一优化，以在资源受限和少样本条件下实现高效识别	NA	开发一种在资源受限环境（如边缘设备）和少样本条件下高效、可扩展的实时人脸识别解决方案	人脸图像	计算机视觉	NA	人脸识别，少样本学习	孪生网络	图像	使用Kaggle人脸识别数据集在单样本、低数据设置下进行测试	NA	EfficientNetV2, InceptionV3	准确率	CPU, Raspberry Pi（代表资源受限边缘设备）, GPU（代表高容量云环境）
209	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
210	2026-01-09	An integrated facial recognition system for classroom resource optimization using MobileNet and SSA-SVM 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29327-1 PMID:41318694	研究论文	本文提出了一种集成面部识别系统，结合MobileNet和SSA-SVM，用于优化大学教室资源利用	结合MobileNet特征提取与SSA-SVM分类模型，在实时监控和出勤跟踪中提高了面部检测与识别准确率	NA	通过实时监控和出勤跟踪，支持大学教室的高效利用和资源分配	大学教室中的面部识别与资源优化	计算机视觉	NA	深度学习	CNN, SVM	图像	NA	NA	MobileNet	准确率, 识别率, 帧率	NA
211	2026-01-09	Explainable Artificial Intelligence Framework for Predicting Treatment Outcomes in Age-Related Macular Degeneration 2025-Nov-11, Sensors (Basel, Switzerland) DOI:10.3390/s25226879 PMID:41305085	研究论文	本文提出了一种结合神经符号推理和大语言模型的混合框架，用于预测年龄相关性黄斑变性（AMD）的治疗结果，并提供可解释的风险评估	提出了一种混合神经符号与大语言模型（LLM）的框架，将机制性疾病知识与多模态眼科数据相结合，实现了可解释的AMD治疗预后预测	研究受限于单中心范围和短期随访	开发一个可解释的人工智能框架，用于预测年龄相关性黄斑变性（AMD）的治疗结果	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描、眼底荧光素血管造影、扫描激光检眼镜、眼部/浅表B超	神经符号模型, 大语言模型（LLM）	图像, 文本	10名手术治疗的AMD患者（6名男性，4名女性；平均年龄67.8±6.3岁），包含30份结构化临床文档和100个配对成像序列	NA	NA	AUROC, AUPRC, Brier分数	NA
212	2026-01-08	Deep learning for otitis media classification using otoscopic image 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000046218 PMID:41327679	研究论文	本研究评估了五种深度学习模型对中耳炎耳镜图像进行分类的性能	首次系统比较了包括ResNet-18、GoogLeNet、AlexNet、MobileNet-V3和VGGNet-19在内的多种深度学习模型在中耳炎分类任务中的表现，并确认了VGGNet-19的优越性能	数据集存在不平衡问题，且研究结果尚未在多样化的临床环境中进行验证，影响了模型的泛化能力	开发一种基于深度学习的自动化诊断工具，用于中耳炎的准确分类	819张耳镜图像，分为正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎四类	计算机视觉	中耳炎	耳镜成像	CNN	图像	819张耳镜图像	NA	ResNet-18, GoogLeNet, AlexNet, MobileNet-V3, VGGNet-19	准确率, 灵敏度, 特异性, 精确率, F1分数, AUC	NA
213	2026-01-08	Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024) 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045679 PMID:41327675	综述	本研究对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势	首次对1994年至2024年间AS-OCT在角膜疾病研究领域的全球文献进行全面的文献计量与可视化分析，揭示了人工智能、深度学习和光学相干弹性成像等新兴趋势	分析仅限于Web of Science核心合集中的英文文献，可能未涵盖其他语言或数据库中的相关研究，且排除了非眼科或非角膜相关的研究	通过文献计量分析，绘制AS-OCT在角膜疾病研究中的全球趋势、合作网络及未来发展方向	1994年至2024年间发表的关于AS-OCT在角膜疾病应用的相关科学文献	数字病理学	角膜疾病	光学相干断层扫描（OCT），文献计量分析	NA	文本（科学文献）	2079篇出版物	VOSviewer, CiteSpace	NA	NA	NA
214	2026-01-08	Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000046246 PMID:41327730	研究论文	本研究比较了传统的%LAV-950阈值方法与基于深度学习的算法在胸部CT扫描中量化肺气肿的效果，并评估了它们与肺功能测试参数的相关性	首次系统比较了传统阈值方法与深度学习算法在肺气肿量化中的性能，并发现深度学习方法在软组织重建核上能提供更一致、更强的临床参数相关性	研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者	评估和比较不同CT肺气肿量化方法与肺功能参数的相关性	慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据	医学影像分析	慢性阻塞性肺疾病	胸部计算机断层扫描，肺功能测试	深度学习算法	医学影像（CT扫描）	101名慢性阻塞性肺疾病患者	NA	NA	皮尔逊相关系数，P值	NA
215	2026-01-08	A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways 2025-Nov-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06074-6 PMID:41253855	研究论文	本文介绍了用于肺静脉、动脉和气道分割的自定义标注数据集AirRC，并验证了基于MONAI的深度学习分割模型在该数据集上的性能	创建了首个大规模、公开的包含肺静脉、动脉、气道管腔和气道壁完整3D标注的CT数据集，并采用两阶段优化策略提升小气道分支的分割精度	数据集仅包含254例CT扫描，样本量相对有限；未在更多外部数据集上进行广泛验证	解决肺结构分割领域缺乏大规模多结构标注数据集的问题，促进肺部疾病管理的算法开发	肺部CT图像中的肺静脉、肺动脉、气道管腔和气道壁结构	数字病理学	肺癌	计算机断层扫描（CT）	深度学习分割模型	3D CT图像	254例来自LUNA16数据集的CT扫描	MONAI	NA	Dice相似系数（DSC）	NA
216	2026-01-07	From multi-omics to deep learning: advances in cfDNA-based liquid biopsy for multi-cancer screening 2025-Nov-28, Biomarker research IF:9.5Q1 DOI:10.1186/s40364-025-00874-z PMID:41310905	综述	本文综述了基于循环游离DNA（cfDNA）的液体活检在多癌筛查中的关键生物标志物、多模态特征融合方法以及机器学习与深度学习技术的应用进展	强调了多模态cfDNA生物标志物（如基因突变、拷贝数变异、DNA甲基化、片段化模式和末端基序）的整合与特征融合方法，结合机器学习与深度学习框架，以提升癌症分类模型的性能并稳定低丰度信号	面临肿瘤异质性、数据处理标准化、模型可解释性以及成本限制等挑战	探讨cfDNA液体活检在多癌筛查中的技术进展与临床应用潜力	循环游离DNA（cfDNA）生物标志物及其在癌症检测与监测中的应用	机器学习	癌症	cfDNA分析，包括基因突变、拷贝数变异、DNA甲基化、片段化模式和末端基序检测	传统机器学习，深度学习	多组学数据（遗传与表观遗传数据）	NA	NA	NA	NA	NA
217	2026-01-07	Global and regional accuracy of deep learning-based tumor segmentation from whole-body [18F]fluorodeoxyglucose PET/CT images 2025-Nov-28, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01333-4 PMID:41313553	研究论文	本研究评估了基于深度学习的nnU-Net模型在全身体[18F]FDG PET/CT图像中肿瘤分割的全局和区域准确性	首次在全身体PET/CT图像中系统评估nnU-Net的分割性能，并揭示了肿瘤背景比（TBR）与分割准确性之间的显著关系	研究仅针对三种癌症类型（肺癌、淋巴瘤、黑色素瘤），且未在外部数据集上进行验证	测试深度学习算法预测体积与手动分割体积之间的关系，并评估预测准确性与正常背景摄取的相关性	1334例经组织学确诊的肺癌、淋巴瘤和黑色素瘤患者的[18F]FDG-PET/CT扫描图像	数字病理学	肺癌, 淋巴瘤, 黑色素瘤	[18F]FDG-PET/CT成像	CNN	医学图像（PET/CT扫描）	1334例PET/CT扫描（训练集933例，内部验证集267例，测试集134例）	MONAI	nnU-Net	Dice分数, F1分数, 线性相关系数	NA
218	2026-01-07	Direct video-based spatiotemporal deep learning for cattle lameness detection 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29118-8 PMID:41274941	研究论文	本研究提出了一种基于时空深度学习的端到端视频分类框架，用于自动检测牛跛行	采用直接的端到端视频分类方法，避免了传统方法中依赖目标检测和姿态估计的多阶段流程，显著降低了延迟和复杂性，更适合实时农场部署	数据集规模相对较小（50个视频片段，涉及42头牛），且模型仅在公开视频数据上进行了评估	开发一种自动化、准确的牛跛行检测方法，以改善动物福利并减少经济损失	牛（特别是其步态视频）	计算机视觉	牛跛行	视频分析	3D CNN, ConvLSTM	视频	50个在线视频片段，涉及42头个体牛	NA	3D CNN, ConvLSTM2D	准确率, 精确率, 召回率, F1分数	NA
219	2026-01-07	DLCPD-25: A Large-Scale and Diverse Dataset for Crop Disease and Pest Recognition 2025-Nov-20, Sensors (Basel, Switzerland) DOI:10.3390/s25227098 PMID:41305306	研究论文	本文介绍了一个用于作物病虫害识别的大规模、多样化公开基准数据集DLCPD-25，并验证了其通过自监督学习模型预训练的有效性	构建了首个大规模、覆盖多种作物与病虫害类别、包含真实田间复杂环境和自然长尾分布的公开数据集，弥补了现有数据集的不足	未明确说明数据集中各类别样本的具体数量分布细节，也未对比其他数据集的详细性能差异	为作物病虫害识别领域提供高质量的数据资源，以支持鲁棒深度学习模型的开发	23种作物类型中的203种病虫害类别及健康状态	计算机视觉	作物病虫害	图像采集与整合	自监督学习模型	图像	221,943张图像	NA	MAE, SimCLR v2, MoCo v3	准确率, F1分数	NA
220	2026-01-07	Next-generation antifungal peptide discovery: the synergy of artificial intelligence and omics technologies 2025-Nov-18, World journal of microbiology & biotechnology IF:4.0Q2 DOI:10.1007/s11274-025-04662-7 PMID:41251968	综述	本文综述了人工智能与组学技术在下一代抗真菌肽发现中的协同作用，强调了AI在克服传统方法局限性和推动抗真菌肽临床转化中的关键角色	探讨了AI（包括机器学习、深度学习和自然语言处理）与组学技术结合，用于高效设计和识别新型抗真菌肽，并提出了利用基因编辑技术（如CRISPR-Cas9）提升生产规模的创新思路	AI在抗真菌肽预测模型中存在模型复杂性高、数据规模有限、决策过程影响性能等限制，需通过迁移学习、可解释AI、特征选择等方法优化	旨在通过人工智能和组学技术加速新型抗真菌肽的发现与开发，以应对真菌感染和耐药性问题	抗真菌肽（AFPs）及其相关基因、生物合成基因簇（BGCs）	自然语言处理, 机器学习	真菌感染	组学技术, CRISPR-Cas9基因编辑	机器学习, 深度学习	文本, 基因序列数据	NA	NA	NA	精度, 准确率	NA