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
21	2026-05-03	DB-SegNet: optimized framework for glaucoma detection and optic structure segmentation from retinal fundus images 2025-Nov-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23425-w PMID:41233423	研究论文	提出DB-SegNet框架用于从视网膜眼底图像中检测青光眼并分割视盘与视杯结构	结合扩张空洞上下文模块、双向特征校准单元、苦味鱼优化算法、多尺度注意力Transformer和蜜獾优化算法进行超参数调优，在分割和分类任务上达到高精度	可能仍受图像质量、血管遮挡和结构模糊等泛化挑战影响，且依赖特定数据集验证	提高青光眼检测和眼底结构分割的准确性，克服现有深度学习方法的泛化问题	视网膜眼底图像中的视盘和视杯结构	计算机视觉	青光眼	眼底成像	CNN、Transformer	图像	三个公开数据集：Drishti-GS1、RIM-ONE、ORIGA-Light	NA	SegNet、Dilated Atrous Context Module (DACM)、Bidirectional Feature Calibration Unit (BFCU)、Multi-Scale Attention Transformer (MSAT)	Dice系数、准确率	NA
22	2026-05-03	Artificial intelligence in the operating room: A systematic review of AI models for surgical phase, instruments and anatomical structure identification 2025-11, Acta obstetricia et gynecologica Scandinavica IF:3.5Q1 DOI:10.1111/aogs.70045 PMID:40862620	综述	系统回顾了多种深度学习算法在术中视频分析中的应用，用于手术阶段、解剖结构和手术器械的特征提取与模式识别	对AI模型在手术室中同时实现手术阶段识别、解剖结构识别和手术器械识别进行了系统性综合评估	数据集限制、标注协议标准化不足以及偏差问题需要进一步研究	评估人工智能模型在手术室中用于手术阶段、器械和解剖结构识别的应用效果	手术视频中的手术阶段、解剖结构和手术器械	机器学习	NA	NA	深度学习	视频	21项研究	NA	多层互连神经网络	准确率, 精确率, 召回率, F1分数	NA
23	2026-05-03	Deep learning-assisted tools to understand the structural biology of the synapse 2025-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00512-5 PMID:41280141	综述	探讨深度学习辅助的结构生物学工具在理解突触结构生物学中的应用，重点分析突触后致密区的分子机制	系统总结了AI辅助结构生物学工具在突触后蛋白网络建模中的最新应用，并指出其面临的挑战和未来发展方向	当前AI方法尚未能完全解决复杂大分子系统的所有问题，需谨慎使用	理解突触后致密区的分子水平机械方面，促进神经功能在分子层面的详细描述	突触后致密区的互连蛋白网络及其在学习和记忆形成中的作用	自然语言处理	认知障碍	深度学习	NA	NA	NA	NA	NA	NA	NA
24	2025-05-24	Corrigendum to "Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy" [Academic Radiology 32 (2025) 12-23] 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.010 PMID:40404505	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
25	2026-05-01	A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease 2025-Nov-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23686-5 PMID:41238639	研究论文	提出了一种结合拓扑深度学习与机器学习模型的方法，用于基于脑电图数据的阿尔茨海默病分类	首次将拓扑深度学习与多种机器学习模型（SVM、RF、NN、LR）结合用于脑电图数据，通过提取拓扑和神经特征增强对阿尔茨海默病特有模式的识别	样本量较小（仅88人），需要多中心大型多样化队列验证泛化性	开发一种融合拓扑深度学习的混合方法，提高基于脑电图数据的阿尔茨海默病分类准确性	88名个体的脑电图记录，分为阿尔茨海默病患者、额颞叶痴呆患者和认知正常对照	机器学习	阿尔茨海默病	脑电图	支持向量机、随机森林、神经网络、逻辑回归	脑电图信号	88名个体	NA	NA	分类准确率	NA
26	2026-05-01	Artificial intelligence in airway management: A systematic review and meta-analysis 2025-11, Anaesthesia, critical care & pain medicine DOI:10.1016/j.accpm.2025.101589 PMID:40645499	系统综述与元分析	总结人工智能在气道管理中的预测困难气道能力	首次通过元分析综合评估多种AI模型在困难气道预测中的判别能力	纳入研究数量有限，部分模型（如SVM和NB）的异质性高（I²>99%）	评估AI模型在困难气道预测中的表现	13项研究，涉及ED患者和全身麻醉手术患者	机器学习	困难气道	NA	深度学习模型（VGG）、传统机器学习模型（SVM、NB）	NA	13项研究（未具体说明样本数量）	NA	VGG、支持向量机（SVM）、朴素贝叶斯（NB）	AUROC	NA
27	2026-04-30	Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22006 PMID:40302983	研究论文	研究在对比增强乳腺摄影中，使用合成数据训练深度学习模型对病灶检测和分类的影响	探索了使用模拟微钙化簇的合成数据增强深度学习模型在对比增强乳腺摄影中检测和分类病灶的性能，并展示了无真实数据时模型仍能检测恶性病变	合成数据添加虽提高了检测敏感性但降低了精确度，且集成深度学习与影像组学模型在外部验证集上表现更差，可能由于假阳性区域干扰	评估在训练中引入模拟微钙化簇的合成数据是否能提升对比增强乳腺摄影中病灶检测和分类模型的表现	对比增强乳腺摄影中的病灶（包括恶性病变和微钙化簇）	计算机视觉	乳腺癌	对比增强乳腺摄影	深度学习模型	图像	782例无病灶乳房患者的低能量图像用于合成数据生成，850例真实患者数据用于训练，212例内部验证，279例外部验证	NA	深度学习模型（具体架构未指定）	检测敏感性，精确度，受试者工作特征曲线下面积	NA
28	2026-04-29	Deep learning model for automated detection of Helicobacter pylori and intestinal metaplasia on gastric biopsy digital whole slide images 2025-11-19, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf110 PMID:40996022	研究论文	开发一种深度学习模型，用于自动检测胃活检数字全切片图像中的幽门螺杆菌和肠上皮化生	采用两阶段模型，结合Vision Transformer进行伪影过滤和Graph Attention Network进行特征聚合，考虑背景组织病理学特征	模型检测精度和F1分数在某些指标上（如HPOrg分类精度0.604）较低，可能影响临床应用的可靠性	开发自动检测工具以辅助胃活检标本中幽门螺杆菌微生物和肠上皮化生的识别	胃活检数字全切片图像中的幽门螺杆菌微生物和肠上皮化生	数字病理学	幽门螺杆菌感染、肠上皮化生	H&E染色	Vision Transformer, Graph Attention Network	图像	180张H&E胃活检WSIs（80张非HP炎症，100张标注HP相关性胃炎、HPOrg和IM）	NA	Vision Transformer, Graph Attention Network	精确度, F1分数, 微观F1分数, 宏观平均F1分数, 切片级精确度	NA
29	2026-04-29	Deep Learning-based Opportunistic CT Osteoporosis Screening and the Establishment of Normative Values 2025-11, Radiology IF:12.1Q1 DOI:10.1148/radiol.250917 PMID:41217284	研究论文	开发基于深度学习的卷积神经网络自动识别椎体松质骨三维感兴趣区,建立不同CT协议和扫描仪的校正方法,并在大规模人群中建立骨质疏松诊断阈值	首次在大规模多中心数据上利用深度学习自动量化椎体松质骨衰减值,并建立跨CT协议和扫描仪型号的校正方法,从而建立骨质疏松诊断阈值	未在摘要中明确提及,但可能受限于回顾性研究设计、缺乏外部验证或扫描参数差异的完全控制	建立基于CT机会性筛查的骨质疏松自动诊断方法,并推导正常参考值和诊断阈值	接受不同CT协议和扫描仪扫描的患者的椎体松质骨	计算机视觉, 数字病理学	骨质疏松	CT扫描	卷积神经网络 (CNN)	图像	283,499名患者的538,946次CT检查,涵盖43种扫描仪型号和6种管电压	NA	3D卷积神经网络	与人工放射科医师评估的一致性（>99%）	NA
30	2026-04-27	Predicting drug solubility in binary solvent mixtures using graph convolutional networks: a comprehensive deep learning approach 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28272-3 PMID:41318549	研究论文	本研究提出基于图卷积网络（GCN）的综合深度学习框架，用于预测药物在二元溶剂混合物中的溶解度	首次系统评估GCN结合多头注意力机制和多层级分子表征学习在药物溶解度预测中的效能，通过消融研究和注意力可视化揭示结构-溶解度关系，将实验工作量减少60-80%	对于结构显著异于训练数据的化合物预测误差可能超过MAE<0.5 logS单位，模型泛化性需进一步验证	开发高效的药物溶解度预测方法以加速制剂开发，降低传统实验的时间和资源消耗	123种小分子溶质在44种溶剂和110种二元溶剂组合中的溶解度数据	机器学习	NA	NA	图卷积网络	分子结构数据、溶解度实验值	27,000个溶解度测量值，涵盖273-373 K温度范围	PyTorch	多头注意力GCN，层级池化	平均绝对误差（MAE）	NA
31	2026-04-27	Hybrid deep learning with attention fusion for enhanced colon cancer detection 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29447-8 PMID:41315603	研究论文	提出一种结合EfficientNet-B3与Vision Transformer的混合深度学习模型，通过注意力融合机制实现结肠癌自动检测	首次将EfficientNet-B3的局部纹理捕捉能力与Vision Transformer的全局上下文建模能力通过多头注意力融合模块结合，利用马修斯相关系数指导模型优化	存在轻微过拟合倾向	开发自动化结肠癌检测系统以支持计算机辅助结肠镜检查	Kvasir内镜数据集中的八类结肠图像	计算机视觉	结肠癌	内镜成像	混合深度学习模型（EfficientNet-B3 + Vision Transformer）	图像	Kvasir内镜数据集（未指定具体样本数量）	PyTorch	EfficientNet-B3, Vision Transformer	准确率, F1分数, 马修斯相关系数（MCC）, 布赖尔分数	NA
32	2026-04-27	CBN cutting tool's surface roughness and tool wear prediction using JOA-optimized CNN-LSTM 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29658-z PMID:41315655	研究论文	提出一种基于JOA优化的CNN-LSTM混合深度学习模型，用于预测CBN刀具在硬车削Inconel 718时的表面粗糙度和后刀面磨损	首次将JOA算法用于优化CNN-LSTM模型，实现硬车削过程中表面粗糙度和刀具磨损的实时预测，结合MATLAB/Simulink环境提高了数字孪生兼容性和可扩展性	仅基于27次全因子加工试验数据进行验证，样本量较小；未说明模型在其他刀具或材料上的泛化能力	实现CBN刀具在最小量润滑条件下硬车削Inconel 718时的表面粗糙度和后刀面磨损的实时预测	CBN刀具加工Inconel 718镍基高温合金的切削过程参数与表面质量、刀具磨损之间的关系	机器学习	NA	NA	CNN-LSTM混合模型	数值数据	27次全因子加工试验	MATLAB	CNN, LSTM	R值, 均方根误差, 平均绝对百分比误差	NA
33	2026-04-27	AI powered multi feature fusion framework for retrieving images using color, texture and shape descriptors 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29719-3 PMID:41315670	研究论文	提出一种利用AI融合颜色、纹理和形状描述符的框架，以改进基于内容的图像检索系统	通过深度特征融合结合颜色矩、GLCM纹理分析以及傅里叶与Hu矩的形状提取，并引入注意力引导的特征类型加权机制，提升了语义匹配和检索性能	未明确指出	开发一种混合AI增强的CBIR模型，克服传统CBIR系统的语义不匹配和低检索精度问题	Corel-1K和Caltech-101基准数据集的图像	计算机视觉	不适用	颜色矩、灰度共生矩阵（GLCM）、傅里叶矩、Hu矩	支持向量机（SVM）、卷积神经网络（CNN）	图像	Corel-1K和Caltech-101基准数据集（具体数量未说明）	不适用	CNN	准确率、召回率、平均精度均值（mAP）	不适用
34	2026-04-27	Deep learning for microbial life detection in deep subseafloor samples: objective cell recognition 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29239-0 PMID:41315727	研究论文	开发基于深度学习的图像识别方法，用于从深海沉积物样本中准确检测和计数微生物细胞	利用深度学习自动识别沉积物中的微生物细胞，减少对专业专家训练的依赖，在两分类和四分类任务中分别达到94.1%和88.8%的准确率	对图像聚焦质量敏感，需通过置信度阈值筛选（0.7以上）提升准确性至96.6%	提高深海沉积物等富含颗粒环境样本中微生物检测的准确性和可靠性	海洋沉积物样本中的微生物细胞	计算机视觉	不适用	荧光染色	CNN	图像	NA	NA	NA	准确率	NA
35	2026-04-27	Power quality disturbance identification using hybrid deep learning in renewable energy systems 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28291-0 PMID:41315829	研究论文	提出一种基于混合深度学习的方法，用于识别风-光互补发电系统中的电能质量扰动	将连续小波变换的标尺图与深度神经网络（ResNet和VGG-Net）、邻域分量分析和支持向量机分类相结合，形成混合诊断方法	未提及在更复杂或真实电网系统中的泛化能力及计算资源需求	提高风-光互补发电系统中电能质量扰动的诊断准确性和可靠性	风-光互补发电系统中的电能质量扰动	机器学习和信号处理	NA	连续小波变换、深度神经网络、邻域分量分析、支持向量机	CNN（ResNet、VGG-Net）和SVM	仿真时间序列信号	使用定制IEEE 9总线和13总线测试系统进行仿真，具体样本数量未指定	MATLAB/Simulink	ResNet, VGG-Net	准确率、精确率、召回率	NA
36	2026-04-27	Optimized YOLOv8s framework with deformable convolution for underwater object detection 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28989-1 PMID:41309854	研究论文	提出一种优化YOLOv8s框架（O-YOLOv8s-DC），融合可变形卷积与多尺度注意力机制，用于水下目标检测	创新集成可变形卷积特征模块（C2f_DC）、深度加权双向特征金字塔（DeepBiFPN）、内容感知特征重组（CARAFE）和高效多尺度注意力（EMA），有效提升小目标与遮挡目标检测性能	未提及在极端浑浊水质或极高密度目标场景下的性能表现，且仅使用两个数据集进行验证	解决水下目标检测中小目标、遮挡目标、形态多变及低图像质量等关键挑战	水下环境中的目标物体	计算机视觉	NA	可变形卷积、深度学习	YOLOv8s（优化框架）	图像	两个数据集：LFIW和OI数据集	PyTorch	YOLOv8s, C2f_DC, DeepBiFPN, CARAFE, EMA	AP@[0.50:0.05:0.95], AP@0.75, 消融实验指标	未提及具体计算资源，但可推断需GPU支持训练
37	2026-04-27	A novel spatiotemporal transformer network with multivariate fusion for short-term precipitation forecasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29415-2 PMID:41309915	研究论文	提出一种新颖的时空Transformer网络并结合多变量融合技术进行短期降水预测	设计了基于全维动态卷积的多变量融合模块，并结合Transformer与多尺度卷积模块构建编码器-解码器框架，有效整合温度、湿度、风速等多种气象变量信息进行降水预测	NA	解决现有降水预测模型依赖单一数据源而忽视降水形成多因素特性的问题，提高短期降水预测精度	多气象变量时间序列数据，包括温度、湿度、风速等，用于预测未来12小时和24小时的累积降水量	机器学习	NA	NA	VAE、Transformer	时序数据	包含多种气象变量的累积数据，涵盖过去12小时和过去24小时的时间范围	PyTorch	Transformer, 多尺度卷积模块（Omni-Dimensional Dynamic Convolution）	POD, CSI	NA
38	2026-04-27	A smart assistive system for visually challenged people through efficient object detection using deep learning with tunicate swarm algorithm 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29947-7 PMID:41309919	research paper	提出了一种基于深度学习和海鞘群算法的智能辅助系统，用于视觉障碍人群的物体检测	结合YOLOV8、CapsNet、深度信念网络和海鞘群算法，通过参数优化提升物体检测精度	仅在室内物体检测数据集上验证，未测试室外场景和实时性能	开发一种自动物体检测系统，辅助视觉障碍者完成日常任务	视觉障碍者	computer vision	NA	median filtering, object detection, deep learning	YOLOV8, CapsNet, DBN, TSA	image	使用Indoor Object Detection数据集，具体数量未提及	NA	YOLOV8, CapsNet, Deep Belief Network	accuracy	NA
39	2026-04-27	Quantitative and longitudinal monitoring of cancer cell invasion in a three-dimensional in vitro model of oral cancer using optical coherence tomography 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28471-y PMID:41309958	研究论文	应用光学相干断层扫描与深度学习结合，实现对三维口腔癌模型中癌细胞侵袭的定量纵向监测	首次将光学相干断层扫描与深度学习相结合，用于非侵入性、定量和纵向监测三维口腔癌模型中的癌细胞侵袭行为	NA（摘要未提及局限性）	评估光学相干断层扫描与深度学习结合在三维口腔癌模型中定量纵向监测癌细胞侵袭的适用性和可行性	三维口腔鳞状细胞癌器官型培养模型中的癌细胞侵袭行为	计算机视觉, 深度学习	口腔癌	光学相干断层扫描	深度学习模型	图像	NA（未明确样本数量）	NA	NA	NA（文中提及与组织形态计量数据强相关但未指定具体指标）	NA
40	2026-04-27	Tri branch attention enhanced 3DUNet for remote sensing based hyperspectral image classification 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29357-9 PMID:41309972	研究论文	提出了一种三分支注意力增强的3DUNet用于遥感高光谱图像分类	采用三分支结构分别处理光谱、空间及两者结合的特征，并引入特定注意力机制，以解决传统U-Net在高分辨率高光谱图像中类别不平衡和分辨率退化的问题	未提及计算资源消耗或实际部署中的效率问题	提高高光谱图像分类的准确性和鲁棒性	高光谱遥感图像	计算机视觉	不适用	高光谱成像	3DUNet, 注意力机制	图像	三个基准数据集（Indian Pines, Pavia University, Houston-2018）	不适用	三分支3DUNet（光谱分支、空间分支、结合分支）	平均精度（AA）, 总体精度（OA）	不适用