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
241	2026-01-03	Construction and effectiveness test of multimodal data fusion prediction model for intracranial infection after severe craniocerebral injury in children based on deep learning 2025-Nov-22, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04502-z PMID:41272576	研究论文	本研究基于深度学习构建并验证了一种用于儿童重型颅脑损伤术后颅内感染早期识别的多模态数据融合预测模型	首次将深度学习特征、影像组学特征与临床数据融合，构建了针对儿童重型颅脑损伤术后颅内感染的预测模型，并证实其优于单一模态模型	研究为单中心回顾性研究，样本量有限，且外部验证队列为时间验证队列，需多中心前瞻性研究进一步验证	开发并验证一种基于深度学习的多模态数据融合模型，用于儿童重型颅脑损伤术后颅内感染的早期识别	浙江大学医学院附属儿童医院接受手术的儿童重型颅脑损伤患者	数字病理学	颅脑损伤	影像组学特征提取，深度学习特征提取	深度学习模型	临床数据，影像数据	内部验证队列203例（感染组46例，非感染组157例），时间验证队列101例（感染组25例，非感染组76例）	NA	NA	受试者工作特征曲线，临床决策曲线分析，校准曲线	NA
242	2026-01-03	Combination Ensemble and Explainable Deep Learning Framework for High-Accuracy Classification of Wild Edible Macrofungi 2025-Nov-22, Biology DOI:10.3390/biology14121644 PMID:41463418	研究论文	本研究提出了一种结合集成学习和可解释深度学习的框架，用于高精度分类野生食用大型真菌	提出了一种结合EfficientNetB0、ResNet50和RegNetY的分层投票策略组合模型，并集成可解释AI方法以增强模型透明度	数据集仅包含24种野生食用大型真菌物种，可能限制了模型的泛化能力	开发高精度、可解释的野生食用大型真菌分类方法，以支持生物多样性保护、食品安全和生态可持续性	24种野生食用大型真菌物种	计算机视觉	NA	NA	CNN	图像	包含24种野生食用大型真菌物种的数据集	NA	EfficientNetB0, ResNet50, RegNetY, MobileNetV3-L	准确率, AUC, MCC	NA
243	2026-01-03	PlantSAM: An object detection-driven segmentation pipeline for herbarium specimens 2025 Nov-Dec, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70034 PMID:41473394	研究论文	本文提出了一种名为PlantSAM的自动化分割流程，用于去除植物标本图像的背景噪声，以提高深度学习分类的准确性	结合YOLOv10进行植物区域检测和Segment Anything Model (SAM2)进行分割，通过边界框提示引导SAM2，实现了在植物标本图像上的最先进分割性能	NA	提升植物标本图像的深度学习分类性能，通过背景去除减少噪声和伪影的干扰	植物标本图像	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	YOLOv10, Segment Anything Model (SAM2)	IoU, Sørensen-Dice系数, 准确率, F1分数	NA
244	2026-01-03	A Practical Study of Data Requirements for Self-Supervised Learning in Medical Image Analysis 2025-Nov, Cureus DOI:10.7759/cureus.98049 PMID:41473638	研究论文	本文研究了自监督学习在医学图像分析中数据需求的实际问题，重点关注预训练和微调所需图像数量对二元分类任务性能的影响	首次全面评估了自监督学习框架中预训练和微调阶段所需图像数量的实际需求，特别是在有限数据设置下的适用性	研究仅针对二元分类任务和对比性自监督学习方法，未涵盖多类分类或其他自监督学习技术	优化医学图像分析中基于自监督学习的流程，特别是在罕见疾病或数据极度稀缺场景下的应用	医学图像数据，特别是用于二元分类任务的图像	计算机视觉	NA	自监督学习	对比性自监督学习模型	图像	从仅4张训练图像到至少10,000张预训练图像不等	NA	Simple Siamese Representation Learning (SimSiam)	准确率	NA
245	2026-01-02	Molecular Motif Learning as a pretraining objective for molecular property prediction 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66685-w PMID:41309631	研究论文	本文提出了一种名为分子基序学习的无监督预训练方法，用于学习分子表示，以提升分子性质预测的准确性	MotiL方法直接从原生分子图中学习，同时保留整体分子结构和基序水平信息，能够捕捉小分子和蛋白质的相似结构与功能	NA	提高分子性质预测的准确性，以支持药物发现	小分子和蛋白质	机器学习	NA	分子图学习	NA	分子图	至少16个分子基准数据集	NA	NA	准确性	NA
246	2026-01-02	Cognitive embodied learning for anomaly active target tracking 2025-Nov-27, Communications engineering DOI:10.1038/s44172-025-00556-6 PMID:41310085	研究论文	本文提出了一种受人类大脑双决策系统启发的认知具身学习方法，用于解决复杂物理场景中的异常主动目标跟踪问题	提出了一种新颖的认知具身学习方法，该方法能动态切换正常跟踪与异常处理模式，并引入了分类目标函数来解决严重异常导致的函数不可测性和数据混淆问题	未在摘要中明确说明	解决复杂物理场景中主动目标跟踪的鲁棒性和准确性问题	无人机异常主动目标跟踪	机器视觉	NA	具身智能、强化学习、深度学习	NA	模拟场景数据、真实世界场景数据	NA	NA	NA	成功率、任务完成效率	NA
247	2026-01-02	A clinically validated AI framework for kidney cancer detection and characterization 2025-Nov-27, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01264-0 PMID:41310187	研究论文	本文介绍了一种名为BMVision的深度学习工具，用于检测和表征肾癌，并通过临床验证评估其性能	BMVision是首个经过临床验证的商业化AI工具，用于肾癌检测和表征，能显著提高放射科医生的工作效率和诊断一致性	研究为回顾性设计，可能未完全反映实际临床环境中的表现	开发并验证一个AI工具，以辅助放射科医生提高肾癌诊断的准确性和效率	肾细胞癌的对比增强计算机断层扫描图像	计算机视觉	肾癌	对比增强计算机断层扫描	深度学习	图像	200份扫描图像	NA	NA	诊断敏感性、病变测量、报告效率、放射科医生间一致性	NA
248	2026-01-02	A deep learning-based multiscale integration of spatial omics with tumor morphology 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66691-y PMID:41310346	研究论文	本文提出了一种基于深度学习的多尺度集成方法MISO，用于从H&E染色组织切片预测空间转录组学数据	开发了MISO方法，首次实现从常规H&E切片预测高分辨率空间基因表达，达到近单细胞水平	方法依赖于现有数据集，未来需在更多癌症类型和更大样本中验证	整合空间转录组学与肿瘤形态学，实现从H&E切片预测基因表达	肿瘤组织样本，包括72个10X Genomics Visium样本和348个MOSAIC联盟样本	数字病理学	肿瘤	空间转录组学，H&E染色	深度学习模型	图像，基因表达数据	420个样本（72个验证样本+348个测试样本）	NA	NA	NA	NA
249	2026-01-02	Expediting hit-to-lead progression in drug discovery through reaction prediction and multi-dimensional optimization 2025-Nov-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66324-4 PMID:41290653	研究论文	本研究展示了一种集成药物化学工作流程，通过反应预测和多维优化加速药物发现中的命中到先导优化阶段	结合微型化高通量实验与深度学习及分子性质优化，显著缩短命中到先导的周期时间	NA	加速药物发现中的命中到先导优化阶段	单酰基甘油脂肪酶（MAGL）抑制剂候选分子	机器学习	NA	高通量实验（HTE），Minisci型C-H烷基化反应	图神经网络	化学反应数据	13,490个新颖的Minisci型C-H烷基化反应	NA	深度图神经网络	NA	NA
250	2026-01-02	Deep learning model outperforms traditional models in clinical data-based prognostic prediction for adult-type diffuse glioma 2025-Nov-26, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04123-5 PMID:41296239	研究论文	本研究系统比较了传统统计方法与机器学习方法在成人型弥漫性胶质瘤生存预测中的表现，发现深度学习模型DeepSurv在性能与稳定性上优于传统模型	首次在成人型弥漫性胶质瘤预后预测中系统比较了传统统计模型与深度学习模型，并公开了模型包	基于回顾性真实世界数据，存在异质性和部分数据缺失	比较不同方法在成人型弥漫性胶质瘤生存预测中的性能、可解释性和临床适用性	成人型弥漫性胶质瘤患者	机器学习	胶质瘤	NA	Cox Proportional Hazards, Random Survival Forest, Neural Multi Task Logistic Regression, DeepSurv	临床数据	两个公共数据集和一个私人回顾性队列	NA	DeepSurv	生存预测性能、稳定性	NA
251	2026-01-02	Deep learning-extracted high-resolution dataset of rural courtyards and rooftops in northern China 2025-Nov-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06260-6 PMID:41290723	研究论文	本研究利用深度学习技术从亚米级遥感影像中提取了中国北方农村地区庭院和屋顶的高分辨率空间数据集	首次通过深度学习自动化方法生成了农村宅基地庭院边界和屋顶足迹的精细尺度数据集，填补了微观尺度农村数据的空白	未明确说明模型在更广泛地理区域或不同季节条件下的泛化能力	分析农村聚落结构以支持可持续农村发展、资源管理和环境规划	中国北方代表性地区的农村家庭庭院和建筑屋顶	计算机视觉	NA	亚米级遥感影像	CNN	图像	NA	NA	NA	准确性	NA
252	2026-01-02	OMetaNet: an efficient hybrid deep learning model based on multimodal data fusion and contrastive learning for predicting 2'-O-methylation sites in human RNA 2025-Nov-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06324-9 PMID:41286599	研究论文	本文提出了一种基于多模态数据融合和对比学习的混合深度学习模型OMetaNet，用于预测人类RNA中的2'-O-甲基化位点	构建了低冗余数据集，创新性地提出了KN-PairMatrix编码方案，并开发了集成残差和降采样优化CNN模块、Mamba网络及专有跨模态交互融合模块的深度学习框架，采用对比学习驱动的自适应混合损失函数和渐进特征解缠策略	未在摘要中明确提及	准确识别RNA 2'-O-甲基化位点，以深入理解RNA调控机制	人类RNA中的2'-O-甲基化位点	机器学习	NA	KN-PairMatrix编码方案	CNN, Mamba网络	多模态数据	NA	NA	残差和降采样优化CNN模块, Mamba网络, 跨模态交互融合模块	NA	NA
253	2025-11-26	Mood states recognition based on Mandarin speech and deep learning in patients with bipolar disorder 2025-Nov-24, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-07630-5 PMID:41286671	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
254	2026-01-02	Deep vision in agriculture: assessing the function of YOLO in the classification of plant leaf diseases (PLDs) 2025-Nov-24, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00497-y PMID:41286934	综述	本文对基于YOLO模型的植物叶片病害分类方法进行了全面综述，包括从YOLOv1到YOLOv10的版本演进、领域特定变体，并提供了数据集目录、性能基准分析以及未来研究方向	提供了结构化的数据集目录，包含大小、分辨率、病害类别及局限性信息；进行了YOLO各版本在性能指标上的比较基准分析；讨论了开放挑战和未来研究方向，如轻量化模型	NA	评估YOLO模型在植物叶片病害分类中的应用，促进可持续农业发展	植物叶片病害	计算机视觉	植物病害	深度学习	YOLO	图像	NA	NA	YOLOv1, YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10, CTB-YOLO, BED-YOLO, RAG-augmented YOLOv8	准确率, 精确率, 召回率, F1分数, 平均精度均值, 每秒帧数	NA
255	2026-01-02	Artificial intelligence-driven prediction of lymph node metastasis in T1 esophageal squamous cell carcinoma using whole slide images 2025-Nov-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01186-z PMID:41274958	研究论文	本研究开发了一种基于深度学习的人工智能模型，利用全切片图像预测T1期食管鳞状细胞癌的淋巴结转移，以减少过度治疗	首次使用全切片图像和深度学习模型来预测T1期食管鳞状细胞癌的淋巴结转移，并在内外部验证中展示了高准确性和高阴性预测值	研究样本主要来自未接受内镜黏膜下剥离术的患者，且外部验证队列仅包含临床高风险病例，可能限制了模型的泛化能力	预测T1期食管鳞状细胞癌的淋巴结转移，以指导内镜黏膜下剥离术后的治疗决策	T1期食管鳞状细胞癌患者	数字病理学	食管癌	全切片图像分析	深度学习模型	图像	160例手术切除病例（72例LNM+，88例LNM-），来自374名患者，外加一个外部内镜黏膜下剥离术队列	NA	NA	AUC, 准确率, 灵敏度, 特异性, F1分数, 阴性预测值	NA
256	2026-01-02	A dataset of building surface defects collected by UAVs for machine learning-based detection 2025-Nov-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06318-5 PMID:41274920	研究论文	本研究构建了一个基于无人机采集的建筑表面缺陷数据集，用于支持基于机器学习的缺陷检测研究	构建了首个大规模、高质量、多场景的无人机建筑表面缺陷数据集，涵盖多种结构类型和缺陷类别，并提供了标准化标注和数据集划分	未提及模型性能的具体评估结果，也未讨论数据集在特定光照或环境条件下的潜在偏差	解决建筑表面缺陷检测中高质量标注数据集缺乏的问题，推动深度学习在实际工程中的应用	建筑表面缺陷图像	计算机视觉	NA	无人机图像采集	NA	图像	14,471张高分辨率图像，涵盖6种结构类型和5种缺陷类别	NA	NA	NA	NA
257	2026-01-02	A global bibliometric and visualization study of the adaptive radiotherapy research landscape 2025-Nov-20, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04066-x PMID:41264148	研究论文	本文通过文献计量学分析，揭示了自适应放疗（ART）的研究格局、趋势及合作网络	首次对自适应放疗领域进行全面的文献计量与可视化分析，识别了从器官运动/剂量递增到深度学习及MR引导放疗的研究趋势演变	分析基于Web of Science数据库，可能未涵盖所有相关文献；且为回顾性分析，无法预测未来具体技术发展	揭示自适应放疗的流行研究模式、新兴趋势及合作网络，以指导未来临床研究方向	自适应放疗相关的科学出版物	医学信息学/放射肿瘤学	癌症	文献计量分析、网络可视化	NA	文本（科学出版物元数据）	3,941篇出版物（1999-2024年）	CiteSpace, Excel	NA	NA	NA
258	2026-01-02	Development and validation of a deep learning model for individualized survival prediction in advanced cervical cancer 2025-Nov-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03920-2 PMID:41258562	研究论文	本研究开发并验证了一种基于深度学习的个体化生存预测模型，用于晚期宫颈癌患者的预后评估	首次利用晚期宫颈癌数据库结合深度学习方法，开发了一种新颖的预后模型，能够捕捉数据的复杂非线性关系	NA	开发并验证一种个体化生存预测模型，以改善晚期宫颈癌患者的预后评估	晚期宫颈癌患者	机器学习	宫颈癌	深度学习	深度生存学习模型	流行病学、临床和血液学变量数据	内部数据集1143名患者（训练集914名，测试集229名），外部验证SEER数据库3495名患者	NA	DSLM	AUROC	NA
259	2026-01-02	Functional diversity of visual cortex improves constraint-free natural image reconstruction from human brain activity 2025-Nov, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2023.08.010 PMID:41467019	研究论文	本文提出了一种基于人类视觉皮层功能多样性的生成网络（FDGen），用于从fMRI脑活动数据中无约束地重建自然图像	提出FDGen网络，首次实现无需额外语义类别或文本提示的自然图像重建，并引入基于功能特化的输入模块（FIM）和功能级注意力特征权重模块（FSM）	未明确说明模型在更广泛或复杂视觉刺激下的泛化能力，以及计算资源需求的具体细节	开发基于fMRI的脑解码算法，实现从大脑活动无约束重建自然图像	人类视觉皮层功能多样性及fMRI脑活动数据	计算机视觉	NA	功能磁共振成像（fMRI）	生成网络	图像，脑活动数据	NA	NA	FDGen	NA	NA
260	2026-01-01	AI in drug repurposing for cancer therapies 2025-Nov, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003893 PMID:41180633	评论	本文探讨了人工智能在癌症治疗药物再利用中的变革潜力，包括其方法、成功案例及面临的挑战	强调了AI（特别是机器学习和深度学习）在快速识别现有药物抗癌潜力方面的创新应用，为传统药物开发提供了成本效益高且省时的替代方案	讨论了AI整合到药物再利用中面临的挑战和伦理考虑，包括需要稳健的验证和监管监督以确保患者安全和疗效	研究人工智能在癌症治疗药物再利用领域的应用潜力	现有药物及其潜在的抗癌特性	机器学习	癌症	机器学习（ML），深度学习（DL）	NA	大规模数据集	NA	NA	NA	NA	NA