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
121	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
122	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
123	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
124	2026-01-07	SpaMWGDA: Identifying spatial domains of spatial transcriptomes using multi-view weighted fusion graph convolutional network and data augmentation 2025-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013667 PMID:41223185	研究论文	本文提出了一种基于多视图加权融合图卷积网络和数据增强的深度学习模型SpaMWGDA，用于空间转录组数据的空间域识别	通过多视图加权融合图卷积网络和数据增强，模型能全面捕获邻域信息、自适应融合关键特征，并减少聚类噪声	未明确说明模型的计算复杂度或对大规模数据的可扩展性限制	开发一种深度学习模型以改进空间转录组数据中的空间域识别	空间转录组数据中的细胞基因表达和空间信息	机器学习	NA	空间转录组学	GCN	基因表达和空间信息数据	NA	NA	多视图加权融合图卷积网络	空间域识别和轨迹推断性能	NA
125	2026-01-07	DeepADR: multimodal prediction of adverse drug reaction frequency by integrating early-stage drug discovery information via Kolmogorov-Arnold networks 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf695 PMID:41481073	研究论文	本文介绍了一个名为DeepADR的多模态深度学习框架，用于整合早期药物发现信息，通过Kolmogorov-Arnold网络预测药物不良反应的发生和频率	DeepADR通过整合化学结构、生物靶点图谱和基于大语言模型的药物不良反应术语语义表示，并利用Kolmogorov-Arnold网络融合异构数据，增强了多模态间复杂非线性关系的建模，提高了预测性能	未在摘要中明确提及	预测药物不良反应的发生和频率，以支持早期安全评估和候选药物优先排序	药物化合物及其相关的不良反应	机器学习	NA	多模态深度学习，大语言模型	Kolmogorov-Arnold网络	化学结构数据，生物靶点数据，文本语义数据	未在摘要中明确提及	未在摘要中明确提及	Kolmogorov-Arnold网络	未在摘要中明确提及	未在摘要中明确提及
126	2026-01-06	Deep learning classification of INSV-associated weeds in Monterey county using a curated RGB image dataset 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29552-8 PMID:41299059	研究论文	本研究利用深度学习模型对加利福尼亚州蒙特雷县与INSV病毒相关的两种杂草进行分类，旨在通过图像识别技术实现早期杂草检测和病害预防	首次构建了针对蒙特雷县INSV相关杂草的高分辨率图像数据集，填补了现有全球数据集的空白，并在模拟田间变异性的温室条件下评估了多种CNN模型的性能	研究在受控的温室条件下进行，虽然模拟了田间变异性，但与真实复杂田间环境的完全一致性仍有待验证	开发基于深度学习的杂草图像分类方法，以支持精准农业中的早期杂草检测和病害预防	与Impatiens Necrotic Spot Virus (INSV)相关的两种杂草：Sonchus oleraceus (一年生苦苣菜) 和 Malva parviflora (小花锦葵)	计算机视觉	植物病害	图像采集与数据增强	CNN	RGB图像	未明确说明具体样本数量，但提及使用了十次独立分层数据分割进行训练	未明确说明	ResNet-50, ResNet-101, DenseNet-121	准确率, Cohen's Kappa, F1-score, AUC	NA
127	2026-01-06	Diagnostic accuracy of traditional and deep learning methods for detecting depression based on speech features: a systematic review and meta-analysis 2025-Nov-24, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-07628-z PMID:41286759	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了传统机器学习与深度学习方法在基于语音特征检测抑郁症方面的诊断准确性	首次系统性地比较了传统机器学习与深度学习模型在基于语音特征检测抑郁症方面的诊断准确性，并考察了样本量、验证策略、语言和诊断标准等亚组效应	纳入研究存在异质性，且可能存在发表偏倚，部分亚组分析样本量较小	评估和比较传统机器学习与深度学习模型利用语音特征检测抑郁症的诊断准确性	临床诊断为抑郁症的患者和健康对照者	自然语言处理	抑郁症	NA	传统机器学习, 深度学习	语音特征	25项研究（9项TML，16项DL）	NA	NA	灵敏度, 特异性, AUC	NA
128	2026-01-06	Evaluation of Deep Learning Convolutional Neural Networks for Classification of Carcinoma Ex Pleomorphic Adenoma and Pleomorphic Adenoma in Whole-Slide Images 2025-Nov-10, Head and neck pathology DOI:10.1007/s12105-025-01858-z PMID:41212424	研究论文	本研究评估了多种卷积神经网络架构在全玻片图像中区分唾液腺肿瘤（多形性腺瘤与癌在多形性腺瘤中）的分类性能	首次系统比较了八种不同的CNN模型（包括ResNet50、DenseNet121等）在唾液腺肿瘤全玻片图像分类任务中的表现，并识别出ResNet50和DenseNet121为最优模型	研究样本量相对较小（107张全玻片图像），数据集需要进一步扩展以提升泛化能力，且未结合临床和影像学数据	评估深度学习卷积神经网络在唾液腺肿瘤病理图像分类中的性能	唾液腺肿瘤的全玻片图像，具体包括多形性腺瘤和癌在多形性腺瘤	数字病理学	唾液腺肿瘤	苏木精-伊红染色全玻片成像	CNN	图像	107张全玻片图像，来自83名患者（41例多形性腺瘤，42例癌在多形性腺瘤），生成955,583个图像块	NA	ResNet50, InceptionV3, VGG16, Xception, MobileNet, DenseNet121, EfficientNetB0, EfficientNetV2B0	精确度, 灵敏度, 特异性, 平衡准确度, F1分数, AUC	NA
129	2026-01-06	Lung ultrasound and community-acquired pneumonia: from complementary tool to clinical game-changer 2025-Nov, Respiratory medicine and research IF:2.2Q3 DOI:10.1016/j.resmer.2025.101203 PMID:40976013	综述	本文综述了肺部超声在社区获得性肺炎诊断和管理中的变革性作用，强调了其在准确性、可及性和临床应用方面的优势	肺部超声作为一种无辐射、成本效益高的床边工具，在诊断社区获得性肺炎方面展现出超越传统胸部X光的敏感性，并支持动态监测、预后评分和治疗决策，特别是在COVID-19大流行期间的应用证明了其有效性	肺部超声存在操作者依赖性，对深部病变的穿透性有限，尽管人工智能和手持设备等技术进步正在缓解这些限制	评估肺部超声在社区获得性肺炎诊断和管理中的临床价值和应用前景	社区获得性肺炎患者，特别是急诊科、重症监护室、儿科、老年人群以及资源有限环境中的患者	数字病理学	肺癌	肺部超声	深度学习模型	图像	NA	NA	NA	敏感性, 特异性, 诊断准确率	NA
130	2026-01-05	From telepresence to intelligent convergence: mapping the global research landscape of remote robotic surgery (1980-2025) 2025-Nov-05, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02934-w PMID:41188635	综述	本文通过文献计量学分析，系统梳理了1980年至2025年间远程机器人手术的全球研究格局与概念演变	首次对远程机器人手术领域进行了全面的文献计量分析，揭示了从远程操作到AI驱动、5G赋能及网络安全手术生态系统的范式转变，并识别了三个概念演变时代	分析基于Scopus数据库的文献，可能未涵盖所有相关研究；文献计量方法本身存在对新兴主题识别的滞后性	旨在绘制远程机器人手术的全球研究版图并追踪其概念演化过程	Scopus数据库中收录的857篇关于远程机器人手术的文献	数字病理	NA	文献计量分析	NA	文本	857篇文献	Bibliometrix (R-package), VOSviewer, CiteSpace	Walktrap聚类算法	NA	NA
131	2026-01-05	Migration of Deep Learning Models Across Ultrasound Scanners 2025-Nov, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	研究论文	本文提出了一种黑盒无监督域适应方法，用于在定量超声（QUS）中将深度学习模型的功能从一台超声扫描仪迁移到另一台扫描仪	将传递函数方法与迭代模式结合，实现跨超声扫描仪的深度学习模型功能迁移，无需模型内部信息，仅依赖输入输出接口	需要测试机器的未标记数据，且仅针对特定超声扫描仪（SonixOne和Verasonics）进行了实验验证	开发一种策略，在定量超声（QUS）中，将深度学习模型的功能从一台超声机器迁移到另一台机器，以应对数据偏移问题	深度学习模型在超声扫描仪之间的功能迁移	机器学习	NA	定量超声（QUS）	深度学习模型	超声数据	NA	NA	NA	分类准确率	NA
132	2026-01-04	Learning curve for fenestrated-branched endovascular aortic repair using machine learning: A prospective national multicenter registry study 2025-Nov-19, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2025.11.015 PMID:41265585	研究论文	本研究利用机器学习方法分析复杂腹主动脉瘤和胸腹主动脉瘤治疗中F-BEVAR手术的学习曲线	首次使用深度学习神经网络模型量化F-BEVAR手术的学习曲线，基于全国性多中心前瞻性注册数据	研究基于观察性注册数据，可能存在选择偏倚，且未考虑患者特异性因素对学习曲线的影响	分析F-BEVAR手术的学习曲线，为外科医生和机构提供实践基准	接受三支和四支血管F-BEVAR手术的复杂腹主动脉瘤和胸腹主动脉瘤患者	机器学习	心血管疾病	NA	深度学习神经网络	临床注册数据	5540名患者，由539名独立医生实施手术，其中2956名患者接受三支和四支血管F-BEVAR	NA	NA	围手术期死亡率、手术技术成功率、主要不良事件发生率、主动脉再干预率、手术时间、透视时间、失血量、造影剂用量	NA
133	2026-01-04	SynVerse: a modular framework for building and evaluating deep learning-based drug synergy prediction models 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf676 PMID:41470047	研究论文	本文提出了一个名为SynVerse的模块化框架，用于构建和评估基于深度学习的药物协同预测模型	提出了一个包含四种数据分割策略和三种消融研究的综合评估框架，以评估深度学习模型的泛化能力，并引入了一种新颖的基于网络的消融方法来解耦影响性能的因素	所有模型在未见过的药物和细胞系上表现出较差的泛化能力，且生物学上有意义的特征并未显著提升预测性能	开发一个用于评估深度学习模型在药物协同预测中泛化能力的框架	药物协同预测模型	机器学习	癌症	深度学习	深度学习模型	药物和细胞系特征数据	NA	NA	NA	NA	NA
134	2026-01-04	Subject-specific modeling framework for particle deposition using computational fluid dynamics 2025-Nov, Journal of aerosol science IF:3.9Q2 DOI:10.1016/j.jaerosci.2025.106660 PMID:41472839	研究论文	本文提出了一种用于计算流体动力学模拟的、完全自动化的个体化呼吸道颗粒沉积建模框架	首次提出了一个从CT图像分割到CFPD模拟的完全自动化工作流程，集成了形态学和深度学习方法进行气道分割，并包含几何质量检查、网格处理和出口自动识别与封盖等预处理算法	未明确说明框架在不同人群或病理条件下的普适性验证，也未详细讨论计算成本或所需时间	开发一个自动化框架，用于获取人体呼吸道中个体化的颗粒沉积分布，以支持个性化治疗和辐射防护剂量评估	人体呼吸道（上下气道）的几何结构及其中颗粒的沉积行为	计算流体动力学，医学图像分析	NA	CT成像，计算流体与颗粒动力学，蒙特卡洛辐射传输模拟	深度学习模型	CT图像，三维几何模型	NA	NA	NA	预测颗粒沉积和剂量分布的高精度	开源求解器（OpenFOAM）或商业求解器（StarCCM+）
135	2026-01-03	Deep Temporal Clustering of Pathological Gait Recovery Patterns in Post-Stroke Patients Using Joint-Angle Trajectories: A Longitudinal Study 2025-Nov-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121314 PMID:41463611	研究论文	本研究通过应用基于深度学习的聚类方法，分析中风后偏瘫患者长期步态恢复模式	首次使用深度聚类模型分析中风后患者纵向步态恢复模式，并采用TimeVAE和Diffusion-TS时间序列数据增强方法解决数据稀缺问题	研究具有探索性质，为未来纵向研究提供概念基础，但可能存在样本量或模型泛化性限制	分析亚急性中风后偏瘫患者的长期步态恢复模式	中风后偏瘫患者的步态关节角度轨迹	机器学习	心血管疾病	深度学习，时间序列数据增强	深度时间聚类模型	时间序列数据（关节角度轨迹）	NA	NA	Deep Temporal Clustering	聚类评估标准	NA
136	2026-01-03	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	本研究评估了图卷积网络（GCN）在预测药物在二元溶剂混合物中溶解度方面的应用，通过深度学习模型实现了对复杂分子相互作用的高效建模	首次将多注意力机制、分层分子表示学习和复杂池化策略整合到GCN架构中，专门针对二元溶剂系统进行优化，实现了比传统机器学习方法15%的性能提升	模型对于与训练数据结构相似的化合物预测效果较好，但对于结构差异较大的化合物可能需要进一步验证	开发一种高效的计算方法来预测药物在二元溶剂混合物中的溶解度，以加速药物制剂开发	123种小分子溶质、44种溶剂和110种二元溶剂组合的溶解度数据	机器学习	NA	图卷积网络（GCN）	GCN	分子结构数据	27,000个溶解度测量数据	NA	图卷积网络（GCN）	平均绝对误差（MAE）	NA
137	2026-01-03	Current Role of Artificial Intelligence in the Management of Gastric Cancer 2025-Nov-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13122939 PMID:41462951	综述	本文全面回顾了人工智能在胃癌诊断、组织病理学评估和临床预后领域的最新应用趋势	系统总结了从高风险上皮下病变监测到肿瘤精确分子特征分析及治疗管理的广泛AI模型在临床实践中的应用进展	当前所有研究缺乏大规模人群的随机设计，限制了机器学习算法在标准临床护理中的进一步整合	探讨人工智能在胃癌精准医疗时代在诊断、预后分层和临床管理中的作用	胃癌	机器学习	胃癌	深度学习	NA	大数据	NA	NA	NA	NA	NA
138	2026-01-03	Deep Learning and Machine Learning Modeling Identifies Thidiazuron as a Key Modulator of Somatic Embryogenesis and Shoot Organogenesis in Ferula assa-foetida L 2025-Nov-29, Biology DOI:10.3390/biology14121703 PMID:41463476	研究论文	本研究开发了Ferula assa-foetida L的体外再生系统，并利用深度学习和机器学习算法预测了体细胞胚胎发生和芽器官发生的最佳植物生长调节剂	首次在Ferula assa-foetida L中应用基于图像的AI驱动框架来预测最佳植物生长调节剂，为濒危药用植物的微繁殖提供了可扩展的方法	未明确说明样本量大小，且传统统计方法在处理复杂非线性输入时存在局限性，可能导致预测误差	优化Ferula assa-foetida L的体外再生协议，通过AI模型预测最佳植物生长调节剂以促进大规模培养	Ferula assa-foetida L（阿魏）的叶片外植体诱导的愈伤组织	机器学习	NA	体外器官发生、图像形态分析	CNN, MobileNet, RCNN, ResNet, VGG19, RF, SVM, kNN, DT, XG Boost, Naïve Bayes, Logistic Regression	图像	NA	NA	CNN, MobileNet, RCNN, ResNet, VGG19	准确率	NA
139	2026-01-03	A Review of Deep Learning Approaches Based on Segment Anything Model for Medical Image Segmentation 2025-Nov-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121312 PMID:41463609	综述	本文综述了基于Segment Anything Model（SAM）的深度学习方法在医学图像分割领域的应用、进展与未来方向	系统总结了SAM从任务特定架构向通用架构转变的重大范式转移，并重点分析了其在医学图像分割中的三大适应性改进领域：多模态融合、三维扩展和不确定性感知	作为一篇综述文章，未提出新的原始模型或算法，主要基于现有文献进行归纳与分析	探讨和总结基础模型（特别是SAM）在医学图像分割领域的适应性应用、技术进展与未来研究方向	医学图像分割方法，特别是基于Segment Anything Model（SAM）的衍生模型与框架	计算机视觉	NA	NA	基础模型（Foundation Model），深度学习	医学图像	NA	NA	Segment Anything Model (SAM), SAM3D, ProtoSAM-3D, VISTA3D, SAM-U, E-Bayes SAM	Dice系数	NA
140	2026-01-03	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	本研究提出了一种结合EfficientNet-B3和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的自动检测	首次将EfficientNet-B3的局部纹理提取能力与Vision Transformer的全局上下文建模能力相结合，并引入多头注意力融合模块进行特征协调	存在轻微的过拟合倾向	开发自动化的结肠癌检测模型以辅助临床诊断	结肠内窥镜图像	计算机视觉	结肠癌	内窥镜成像	CNN, Transformer	图像	Kvasir内窥镜数据集中的八类图像	NA	EfficientNet-B3, Vision Transformer	准确率, F1分数, 马修斯相关系数, Brier分数	NA