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
1	2026-01-09	Development of a cold-heat syndrome classification model for children with allergic rhinitis based on multimodal data 2025-Dec-31, Translational pediatrics IF:1.5Q2 DOI:10.21037/tp-2025-397 PMID:41502884	研究论文	本研究开发了一种基于多模态数据的深度学习模型，用于辅助儿科医生对儿童过敏性鼻炎患者进行寒热证候分类	首次将舌象图像特征与临床信息相结合，利用SE-DenseNet和Transformer构建多模态深度学习模型，以提高中医证候分类的客观性和准确性	样本量相对有限（391例），且仅区分寒热两种证型，未涵盖更复杂的中医证候分类	辅助临床医生准确区分儿童过敏性鼻炎的寒证与热证，为中医辨证提供客观、量化的诊断工具	儿童过敏性鼻炎患者	数字病理	过敏性鼻炎	数字舌象分析	深度学习	图像, 临床数据	391名儿童患者（寒证92例，热证299例），分为训练集176例和测试集215例	未明确说明	SE-DenseNet, Transformer	AUC, 准确率, 精确率, 召回率, F1分数	NA
2	2026-01-09	SR-LLM: An incremental symbolic regression framework driven by LLM-based retrieval-augmented generation 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2516995122 PMID:41428869	研究论文	提出了一种基于大语言模型检索增强生成机制的增量式符号回归框架SR-LLM，用于从观测数据中发现复杂且可解释的解析表达式	将大语言模型的检索增强生成机制与深度强化学习相结合，实现增量学习，能够利用外部知识库中的先验知识和历史探索结果	未明确说明框架的计算效率、对特定领域知识的依赖程度以及在大规模复杂问题中的可扩展性	改进符号回归方法，使其能够有效利用先验知识发现复杂且可解释的解析模型	观测数据中的符号回归问题，特别是人类跟车行为的解析建模	机器学习	NA	符号回归, 检索增强生成, 深度强化学习	大语言模型, 深度强化学习模型	观测数据, 车辆轨迹数据	NA	NA	NA	拟合效果, 可解释性	NA
3	2026-01-09	Flexible protein-ligand docking with diffusion-based side-chain packing 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2511925122 PMID:41439702	研究论文	本文介绍了一种名为PackDock的框架，它结合深度学习和基于物理的建模来模拟蛋白质-配体相互作用，以解决蛋白质灵活性问题	提出PackDock框架，其核心组件PackPocket利用扩散模型采样多样化的结合口袋构象并预测配体诱导的变化，从而有效处理蛋白质灵活性	未明确提及具体局限性	旨在通过整合深度学习和物理建模，更好地理解和预测蛋白质-配体相互作用，以支持基础生物学研究和药物发现	蛋白质结构和动力学，特别是蛋白质-配体相互作用	机器学习	NA	扩散模型	扩散模型	蛋白质结构数据	NA	NA	PackPocket	NA	NA
4	2026-01-09	Predictive Value of Machine Learning in Knee Osteoarthritis Progression: Systematic Review and Meta-Analysis 2025-Dec-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80430 PMID:41468605	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习在预测膝骨关节炎进展中的应用现状和准确性，并比较了不同模型类型、建模变量及疾病定义下的预测性能	首次通过荟萃分析系统比较了基于临床特征、MRI、X射线及其组合的多种机器学习模型在预测膝骨关节炎进展中的性能，并报告了预测区间以估计未来效果范围	纳入研究存在显著的异质性，如膝骨关节炎进展定义和验证策略的差异，且部分研究存在较高的偏倚风险，当前证据需谨慎解读	系统评估机器学习在预测膝骨关节炎进展中的准确性，并比较其与传统方法及深度学习在不同数据集和模型类型下的性能	膝骨关节炎进展的预测模型	机器学习	膝骨关节炎	机器学习，深度学习	逻辑回归，传统机器学习模型，深度学习模型	临床特征数据，磁共振成像，X射线图像	32项研究	NA	NA	一致性指数，诊断四格表	NA
5	2026-01-09	Deep learning-based optimization for accurate multimodal medical image registration 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30493-5 PMID:41461830	研究论文	本文提出了一种基于深度学习的多模态医学图像配准优化方法，旨在提高配准的准确性和效率	采用多模态U-Net模型，结合刚性、仿射和弹性（非刚性）变换的多层变换模型，增强了特征提取方法，以创建高效的图像配准应用	该技术仍处于早期阶段，可能面临保守环境的挑战，研究结果具有局限性，需要进一步研究以支持其泛化能力	优化多模态医学图像配准，以支持诊断和治疗规划	来自ADNI、COPDGene和OAI数据集的医学图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	U-Net	效率, 准确性	NA
6	2026-01-09	Graph Neural Networks with Transformer Fusion of Brain Connectivity Dynamics and Tabular Data for Forecasting Future Tobacco Use 2025-Dec-29, ArXiv PMID:41503105	研究论文	提出一种结合图神经网络与Transformer融合的时间感知模型，用于整合大脑动态连接数据与表格数据，以预测未来烟草使用情况	提出GNN-TF模型，首次在纵向功能磁共振成像研究中，通过时间感知的Transformer融合结构，将非欧几里得的大脑动态连接数据与欧几里得的表格数据（临床与人口统计学信息）在统一框架内进行灵活整合	研究基于特定青少年酒精与神经发育联盟的纵向静息态fMRI数据集，模型在其他人群或疾病领域的泛化能力有待验证	开发一种能够有效整合多模态纵向数据的方法，以提升对未来临床结果（如烟草使用）的预测准确性	青少年群体的大脑功能连接动态与临床/人口统计学表格数据	医学影像分析	成瘾行为（烟草使用）	静息态功能磁共振成像	图神经网络, Transformer	图像（大脑连接动态）, 表格数据（临床与人口统计学信息）	来自国家青少年酒精与神经发育联盟的纵向数据集	NA	GNN-TF（图神经网络-Transformer融合模型）	预测准确性	NA
7	2026-01-09	Integration of finite element method and artificial intelligence for evaluating PEEK composites in rib cage reconstruction process under impact conditions 2025-Dec-24, Journal of materials science. Materials in medicine DOI:10.1007/s10856-025-06972-6 PMID:41436650	研究论文	本研究结合有限元方法和人工智能，评估了PEEK复合材料在冲击条件下用于肋骨重建的可行性，并开发了预测应力、应变和变形的AI模型	首次将有限元模拟与多种机器学习及深度学习回归模型集成，用于高效预测PEEK复合材料在肋骨重建中的机械响应，并识别出最优替代材料	研究基于仿真数据，未进行体内实验验证；且仅评估了特定冲击条件，可能未覆盖所有临床场景	评估PEEK复合材料作为金属植入物替代品在肋骨重建中的可行性，并开发AI模型以优化植入物评估与设计	PEEK、碳纤维增强PEEK、玻璃纤维增强PEEK和羟基磷灰石PEEK复合材料植入物	机器学习	肋骨损伤	有限元方法，3D建模	线性回归，岭回归，支持向量回归，决策树，神经网络，LightGBM	仿真数据	基于定制3D胸部模型生成的综合数据集	Scikit-learn, LightGBM	NA	R², MAE, MSE, RMSE, 计算效率	NA
8	2026-01-09	A Museum artifact classification model based on cross-modal attention fusion and generative data augmentation 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29671-2 PMID:41413412	研究论文	本文提出了一种基于跨模态注意力融合和生成式数据增强的博物馆文物分类模型（VBG模型），以解决多模态信息协作不足和高质量标注数据稀缺的挑战	通过任务导向重构ViT、BERT和GAN构建集成多模态框架，并利用双向交互注意力融合层实现精确特征对齐，以及通过GAN生成多样样本形成“生成-反馈-优化”闭环以缓解数据稀缺问题	模型在训练时间和生成图像质量方面仍有改进空间	提升博物馆文物分类任务的效率和准确性，为数字文物管理和文化遗产保护提供技术支持	博物馆文物	计算机视觉	NA	生成对抗网络	Transformer, GAN	图像, 文本	MET和MS COCO数据集	NA	Vision Transformer, BERT, GAN	分类准确率, mAP, F1分数	NA
9	2026-01-09	A physics informed neural network architecture for moving boundary problems in science and engineering 2025-Dec-18, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108500 PMID:41500169	研究论文	本文提出了一种新颖的物理信息神经网络架构，专门用于解决科学与工程中的移动边界问题	设计了一种新型通用物理信息神经网络架构，通过两个独立的神经网络分别预测自由边界和系统变量，以处理随时间演化的空间域问题	NA	开发一种用于解决移动边界问题的物理信息神经网络方法	移动边界问题中的自由边界和系统变量	机器学习	NA	物理信息神经网络	神经网络	NA	NA	NA	物理信息神经网络	NA	NA
10	2026-01-09	A pooled Cell Painting CRISPR screening platform enables de novo inference of gene function by self-supervised deep learning 2025-Dec-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66778-6 PMID:41402283	研究论文	本文介绍了一种基于Cell Painting的CRISPR筛选平台，通过自监督深度学习实现基因功能的从头推断	开发了一种与光学池化筛选兼容的Cell Painting平台，结合丰富的形态学数据与深度学习，无需特定生物标志物即可揭示基因网络，实现无偏见的基因功能发现	NA	实现无假设的逆向遗传筛选，通过多路形态学分析探索基因功能	基因功能、基因网络	机器学习	NA	CRISPR筛选、Cell Painting、光学池化筛选	自监督深度学习	图像	NA	NA	NA	NA	NA
11	2026-01-09	Automated DFU detection through GA-selected CNN ensemble with Grad-CAM interpretability 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30532-1 PMID:41390857	研究论文	本文提出了一种基于遗传算法优化的CNN集成模型，用于自动检测糖尿病足溃疡，并结合Grad-CAM提高模型的可解释性	通过遗传算法从多个优化器训练的CNN模型中集成最优组合，并引入Grad-CAM增强模型决策的透明度和可解释性	未明确说明数据集的多样性和模型在临床环境中的泛化能力	开发一种高精度且可解释的深度学习模型，用于糖尿病足溃疡的自动检测	糖尿病足溃疡的医学图像	计算机视觉	糖尿病足溃疡	医学图像分析	CNN	图像	NA	NA	自定义CNN	准确率, 精确率, 召回率, F1分数	NA
12	2026-01-09	Evaluation of magnetic resonance imaging and deep learning-based synthetic computed tomography for calcified intradural tumors - importance of domain-specific training and validation of synthetic imaging methods for clinical application 2025-Dec-11, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06731-0 PMID:41381905	研究论文	本研究评估了基于深度学习的合成CT在硬膜内钙化肿瘤检测中的性能，强调了领域特异性训练和验证的重要性	首次系统评估了BoneMRI生成的合成CT在硬膜内钙化肿瘤可视化方面的局限性，并强调了合成成像技术需针对特定临床人群进行验证	样本量较小（仅5例患者），且合成CT完全未能检测到硬膜内钙化肿瘤，表明该技术在当前阶段不适用于此类病变的评估	验证深度学习合成CT（BoneMRI）在脊柱硬膜内钙化肿瘤检测中的准确性，并探讨其临床应用的局限性	患有脊柱硬膜内肿瘤的患者	数字病理学	脊柱肿瘤	磁共振成像（MRI）、计算机断层扫描（CT）、深度学习合成CT	深度学习模型	医学影像（MRI和CT图像）	5例硬膜内肿瘤患者（来自105例脊柱病理患者的队列）	NA	NA	肿瘤可见性百分比、肿瘤尺寸（毫米）、亨氏单位（HU）、p值	NA
13	2026-01-09	Early diagnosis of alzheimer's disease using PET imaging and deep learning with comparative data augmentation techniques 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28866-x PMID:41372282	研究论文	本研究比较了六种数据增强方法在基于PET成像和深度学习进行阿尔茨海默病早期诊断中的性能	比较了六种数据增强方法（包括椭球平均、高斯拉普拉斯、局部拉普拉斯、局部对比度、Prewitt边缘增强和非锐化掩蔽）在阿尔茨海默病诊断中的效果，并尝试了组合方法和跨步卷积架构	NA	通过比较不同数据增强技术，优化基于PET成像和深度学习的阿尔茨海默病早期诊断方法	阿尔茨海默病患者、轻度认知障碍患者和正常对照组的PET成像数据	数字病理学	阿尔茨海默病	PET成像	深度学习	图像	NA	NA	跨步卷积架构	NA	NA
14	2026-01-09	Long-term carotid plaque progression and the role of intraplaque hemorrhage: A deep learning-based analysis of longitudinal vessel wall imaging 2025-Dec-10, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102670 PMID:41386425	研究论文	本研究利用深度学习分割技术，分析颈动脉斑块长期进展及斑块内出血的作用	首次使用深度学习分割方法在纵向血管壁成像中评估斑块内出血对颈动脉斑块负荷长期进展的影响	样本量较小（28名无症状受试者），且为观察性研究，无法确定因果关系	评估斑块内出血对颈动脉斑块负荷长期进展的影响	无症状颈动脉粥样硬化患者的颈动脉斑块	数字病理学	心血管疾病	多对比磁共振血管壁成像	深度学习	医学影像	28名无症状受试者，共50条动脉，平均随访5.8年	NA	NA	相关系数, p值	NA
15	2026-01-09	Machine Learning Approaches for Optimizing Drug Combinations in Neurodegenerative Diseases: A Brief Review 2025-Dec-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c07349 PMID:41502663	综述	本文简要综述了机器学习在优化神经退行性疾病药物组合中的应用	强调了机器学习（特别是深度学习和Transformer）在药物发现、虚拟筛选、药物再利用及组合优化中的创新作用，并指出其在多模态整合方面的潜力	作为一篇简要综述，可能未涵盖所有最新研究，且未深入讨论具体算法的实施细节或临床验证的局限性	总结神经退行性疾病的主要特征，并探讨机器学习在该领域药物研发中的应用	神经退行性疾病，包括阿尔茨海默病、帕金森病、亨廷顿病、多系统萎缩和肌萎缩侧索硬化症	机器学习	神经退行性疾病	NA	支持向量机, 卷积神经网络, 循环神经网络, Transformer	影像数据, 时序生物医学数据, 多模态数据	NA	NA	NA	NA	NA
16	2026-01-09	Controllable diffusion framework for imbalanced Phi OTDR events classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29691-y PMID:41360874	研究论文	本文提出了一种可控扩散框架（ConDiff），用于解决Φ-OTDR事件分类中的长尾不平衡问题	首次将可控扩散模型应用于Φ-OTDR事件分类的长尾不平衡问题，通过反馈引导的增强器、高质量样本选择模块和动态阈值调整模块协同工作	未提及模型在更广泛数据集上的泛化能力，也未讨论计算效率方面的限制	解决Φ-OTDR事件分类中因异常事件样本稀缺导致的长尾不平衡问题	Φ-OTDR系统监测到的异常事件（如挖掘、浇水、摇晃）和正常事件（噪声）	机器学习	NA	Φ-OTDR（相位光时域反射计）	扩散模型	时间序列数据	BJTU-OTDR-LT数据集（具体数量未说明）	未明确说明	ConDiff（可控扩散框架），包含反馈引导Φ-OTDR增强器、高质量样本选择模块、动态阈值调整模块	分类准确率	NA
17	2026-01-09	EfficientPoseSegNet: a weakly supervised, attention-guided framework for human pose estimation, anatomical segmentation, and concealed object detection in backscatter millimeter-wave security screening 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30346-1 PMID:41350560	研究论文	本文提出了一种名为EfficientPoseSegNet的混合深度学习框架，用于在毫米波安检图像中进行人体姿态估计、解剖学分割和隐藏物体检测	结合并行EfficientNet和DenseNet骨干网络，利用CBAM增强关键解剖区域关注，并引入任务感知的随机权重平均适应方法以提升弱监督下的鲁棒性	未明确提及模型在极端图像质量或隐私限制下的具体性能限制	提升机场安检和运输安全，通过自动化系统实现人体姿态估计、身体部位分割及隐藏物体检测	毫米波安检图像中的人体解剖关键点、身体部位及隐藏物体	计算机视觉	NA	深度学习	CNN	图像	基于运输安全管理局乘客筛查数据集，具体样本数量未明确	未明确指定，但提及深度学习框架	EfficientNet, DenseNet, CBAM	测试损失, 平均绝对误差, 关键点准确率, 姿态估计准确率, IoU, AUC	未明确指定
18	2026-01-09	Improving prediction region accuracy in marine animal movement with temporal fusion transformer 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29520-2 PMID:41339653	研究论文	本研究利用Temporal Fusion Transformer神经网络模型，基于434头南象海豹的卫星追踪数据，预测其未来位置并填补数据缺失，以提高海洋动物运动预测的准确性	首次将Temporal Fusion Transformer模型应用于海洋动物运动预测，相比传统状态空间模型将定位误差降低了15%，并显著缩小了预测区域范围	模型在训练数据未覆盖的新地理区域表现下降约30%，表明将学习到的模式迁移到陌生环境存在挑战	提高海洋动物运动预测的准确性，以支持保护工作和生态系统管理	南象海豹的卫星追踪数据	机器学习	NA	卫星追踪	Temporal Fusion Transformer	时间序列数据	434头南象海豹的追踪数据	NA	Temporal Fusion Transformer	定位误差, 预测区域效率	NA
19	2026-01-09	Comparative performance of deep learning models and non-dermatologists in diagnosing psoriasis, dermatophytosis, and eczema 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29562-6 PMID:41345213	研究论文	本研究开发并评估了基于宏观临床图像的深度学习模型，用于区分银屑病、湿疹和皮肤癣菌病，并与非专科医生的诊断性能进行比较	首次比较了深度学习模型与非专科医生在诊断三种常见皮肤疾病（银屑病、湿疹和皮肤癣菌病）中的性能，并利用Grad-CAM可视化验证了模型关注临床相关病变特征	样本量有限（仅30张图像和30名评估者），结果应视为探索性，需要更大数据集和更多样化的临床医生群体进行验证	开发并评估深度学习模型以准确分类三种常见的鳞屑性红斑皮疹，并比较其与非专科医生的诊断性能	银屑病、湿疹和皮肤癣菌病的宏观临床图像	计算机视觉	皮肤疾病	宏观临床图像采集	深度学习模型	图像	2940张图像（来自公共数据集、Siriraj皮肤病数据库和泰国参与者新收集的图像），以及30张图像用于与非专科医生的比较	NA	Swin Transformer	诊断准确性	NA
20	2026-01-09	Enhancing breast magnetic resonance imaging segmentation with a federated semi-supervised approach 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29112-0 PMID:41345433	研究论文	本文提出了一种用于乳腺磁共振图像自动分割的联邦半监督学习框架	提出了一种结合联邦学习和半监督学习的方法，通过多扰动策略增强模型鲁棒性，并设计了联合损失函数优化标注与未标注数据的性能	研究仅在三家医院进行验证，样本多样性可能有限；未详细讨论通信开销和模型聚合效率	开发一种隐私保护的自动化乳腺MRI分割方法，以解决单个医疗机构标注数据不足的问题	乳腺磁共振图像	数字病理学	乳腺癌	磁共振成像	深度学习模型	图像	来自三家医院的乳腺MRI图像（具体数量未说明）	NA	NA	Dice相似系数, 交并比	NA