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
221	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
222	2026-01-04	Proteomics Data Imputation With a Deep Model That Learns From Many Datasets 2025-Dec, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101461 PMID:41260499	研究论文	本文提出了一种名为Lupine的深度学习模型，用于质谱蛋白质组学数据中的缺失值插补，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的蛋白质组学插补方法，能够学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法来估计定量蛋白质组学数据中的缺失值，以提高数据分析和生物标志物发现的准确性	质谱蛋白质组学数据，特别是来自1000多个癌症患者样本的串联质量标签数据，涵盖10种癌症类型	机器学习	癌症	质谱蛋白质组学，串联质量标签	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本，涵盖10种癌症类型	Python	NA	NA	NA
223	2026-01-04	Decoding the germline genetic architecture of prostate cancer at a single cell resolution 2025-Dec, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011975 PMID:41468516	研究论文	本研究通过单细胞分辨率解码前列腺癌的种系遗传结构，识别了介导最高风险的细胞亚型并开发深度学习模型预测变异功能影响	首次在单细胞水平整合表观基因组与转录组数据解析前列腺癌种系变异的功能机制，并开发深度学习模型系统评估GWAS变异对染色质可及性的影响	研究基于参考前列腺组织样本，可能未完全涵盖肿瘤微环境的异质性；深度学习模型的预测功能需要进一步实验验证	解析前列腺癌种系遗传变异的细胞类型特异性功能机制	人类前列腺组织样本及其单细胞表观基因组与转录组数据	计算生物学	前列腺癌	单细胞表观基因组学、单细胞转录组学、全基因组关联研究(GWAS)	深度学习模型	单细胞表观基因组数据、单细胞转录组数据、GWAS数据	参考人类前列腺组织样本（具体数量未明确说明）	NA	NA	NA	NA
224	2026-01-04	Datasets for distributed denial-of-service detection in healthcare internet of things environments 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112222 PMID:41476908	研究论文	本文介绍了两个用于医疗物联网环境中分布式拒绝服务攻击检测的标记数据集	提出的数据集填补了现有基准数据集的空白，通过整合医疗物联网特定的通信参数（如节点级消息计数和监测频率），更贴近真实世界条件	数据集基于模拟生成，可能无法完全反映真实医疗物联网环境中的所有复杂性和变异性	增强医疗物联网生态系统的安全性，通过实现高级网络威胁的鲁棒检测	医疗物联网环境中的网络流量数据，特别是正常和DDoS攻击条件下的通信模式	机器学习	NA	网络流量模拟，使用Cooja和ns-3模拟器	NA	网络流量数据，结构化CSV文件	两个数据集分别包含约20,080和99,887条记录	NA	NA	NA	使用Cooja和ns-3模拟器进行模拟，数据处理使用Python脚本
225	2026-01-04	Applications of Artificial Intelligence in Neurological Voice Disorders 2025-Dec, World journal of otorhinolaryngology - head and neck surgery DOI:10.1002/wjo2.70017 PMID:41477136	综述	本文综述了人工智能在神经性嗓音障碍（如帕金森病、喉肌张力障碍和卒中引起的构音障碍）的诊断、监测和治疗中的应用、进展、挑战及未来前景	系统性地回顾了AI在神经性嗓音障碍领域的应用，强调了机器学习、深度学习和信号处理技术在客观、无创、可扩展的嗓音分析中的创新作用，并指出了卷积神经网络和基于Transformer的网络在从声学等多模态数据中提取生物标志物的有效性	存在挑战，包括某些罕见神经性嗓音障碍的高质量数据集有限、患者隐私相关的伦理问题，以及需要更广泛的临床验证	探讨人工智能在神经性嗓音障碍领域的应用潜力，以改进诊断、监测和治疗策略	神经性嗓音障碍，如帕金森病、喉肌张力障碍和卒中引起的构音障碍	自然语言处理	神经性嗓音障碍	机器学习, 深度学习, 信号处理	CNN, Transformer	声学数据, 多模态数据	NA	NA	卷积神经网络, Transformer	准确率	NA
226	2026-01-04	Artificial intelligence for radiopharmaceutical and molecular imaging 2025-Dec, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.09.039 PMID:41477342	综述	本文综述了人工智能在放射性药物开发和分子影像分析中的前沿应用，并探讨了其技术原理、典型案例及临床转化挑战	系统整合了深度学习算法（如图神经网络、生成对抗网络和Transformer模型）在靶点识别、配体设计、药代动力学优化及影像重建与增强中的创新应用，并强调多组学数据与3D结构信息的融合	面临数据隐私、模型泛化及伦理挑战，临床转化仍需进一步验证	推动人工智能在精准核医学领域的应用，促进放射性药物与分子影像技术的发展	放射性药物开发与分子影像技术	机器学习	NA	单光子发射计算机断层扫描（SPECT）、正电子发射断层扫描（PET）	GNN, GAN, Transformer	多组学数据、3D结构信息、影像数据	NA	NA	NA	NA	NA
227	2026-01-04	Geometry-encoded deep learning (GeoDL) framework for real-time 3D dose verification for online adaptive radiotherapy 2025-Dec, Machine Learning. Health DOI:10.1088/3049-477x/adcb4b PMID:41477362	研究论文	本研究提出了一种几何编码深度学习框架，用于在线自适应放疗中的实时三维剂量验证	通过统一射野图和CT图像的表示并解析直线加速器的治疗几何结构，减轻了学习复杂域转换的负担，首次将GeoDL扩展到整个三维体积的实时剂量验证	研究仅基于前列腺癌病例进行训练和测试，未在其他癌症类型或更广泛的患者群体中验证	开发一种快速准确的剂量验证方法，以提升在线自适应放疗的工作流程效率和质量	前列腺癌患者的射野图和CT图像数据	数字病理	前列腺癌	放疗剂量验证	深度学习	图像	281例前列腺癌病例用于训练和验证，24例用于独立测试	NA	3D U-Net	γ通过率、平均剂量差异	NA
228	2026-01-04	Incorporating physicians' contouring style into auto-segmentation of clinical target volume for post-operative prostate cancer radiotherapy using a language encoder 2025-Dec, Machine Learning. Health DOI:10.1088/3049-477x/adf076 PMID:41477361	研究论文	本研究提出了一种结合医生勾画风格的深度学习模型Text-UNet，用于前列腺癌术后放疗临床靶区的自动分割	首次将医生特定的勾画风格编码为潜在向量，并与CT图像特征结合，以解决医生间勾画差异对自动分割的影响	训练数据来自七位医生，测试数据来自四位医生，模型泛化到更多医生风格的能力仍需验证	提高前列腺癌术后放疗临床靶区自动分割的准确性和一致性，减少手动工作量	前列腺癌术后患者的临床靶区	数字病理学	前列腺癌	CT成像	CNN	图像, 文本	824例患者数据（699训练, 49验证, 76测试）	NA	UNet	Dice系数	NA
229	2026-01-03	Unveiling river thermal regimes in the Yangtze river basin, China, with a hybrid deep learning model 2025-Dec-31, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128460 PMID:41477956	研究论文	本研究开发了一种混合深度学习模型CNN-LSTM-AT，用于重建长江流域1960-2009年的河水温度，并分析其热力状况变化趋势	提出了一种结合CNN、LSTM和注意力机制的混合深度学习模型，用于解决河水温度数据稀缺问题，并首次系统分析了长江流域长期热力状况和热浪特征	模型输入变量相对有限（气温、流量、年积日），未考虑更多环境因素；研究时间范围截至2009年，缺乏最新数据验证	解决河水温度数据稀缺问题，分析长江流域热力状况的时空特征，为河流管理和生态保护提供依据	长江流域的河水温度数据	机器学习	NA	深度学习建模	CNN, LSTM	时间序列数据（气温、流量、年积日）	1960-2009年长江流域历史数据	NA	CNN-LSTM-AT（卷积神经网络-长短期记忆网络-注意力机制混合架构）	预测精度、稳定性、计算效率	NA
230	2026-01-03	Multimodal deep learning ensemble framework for skin cancer detection 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30534-z PMID:41469782	研究论文	本文提出了一种基于多模态深度学习的集成框架，用于皮肤癌的检测与分类	结合了预训练模型、元数据以及自适应加权集成方法，显著提升了皮肤癌检测的准确性和泛化能力	在外部数据集Derm7pt上的准确率相对较低，表明模型在跨数据集泛化方面仍有提升空间	评估迁移学习技术在提升卷积神经网络（CNN）性能方面的效果，以改进皮肤癌的检测与分类	皮肤癌图像数据，包括ISIC 2018、ISIC 2019和Derm7pt数据集	计算机视觉	皮肤癌	深度学习，迁移学习，集成学习，SMOTE过采样	CNN	图像，元数据	ISIC 2018、ISIC 2019和Derm7pt数据集中的皮肤癌图像样本	TensorFlow, Keras	ResNet50, Xception, MobileNet, EfficientNetB0, DenseNet121	准确率, 精确率, 召回率, F1分数, AUC	NA
231	2026-01-03	UniStain: A unified and organ-aware virtual H&E staining framework for label-free autofluorescence images 2025-Dec-30, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103335 PMID:41478227	研究论文	本文提出了一种名为UniStain的统一、器官感知的虚拟H&E染色框架，利用无标记自发荧光成像和基于提示的深度学习技术，从单一样本生成高质量、多组织的虚拟H&E染色图像	提出了首个统一的多器官虚拟染色框架，无需多个专用模型；引入了跨块自注意力引导机制以保持风格一致性和消除拼接伪影；构建并发布了首个多器官AF/H&E数据集	未明确提及	开发一种能够克服传统H&E染色化学依赖工作流程局限性的虚拟染色方法，用于病理诊断	人体组织样本的无标记自发荧光图像	数字病理学	癌症	无标记自发荧光成像	深度学习	图像	未明确提及	未明确提及	未明确提及	图像质量指标，视觉图灵测试	未明确提及
232	2026-01-03	Enhancing landslide detection in Western Ghats of Kerala, India with deep learning and Explainable AI 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33065-9 PMID:41461880	研究论文	本研究利用深度学习模型和可解释人工智能技术，通过高分辨率卫星影像的时序差异数据，对印度喀拉拉邦西高止山脉的滑坡进行自动检测与分割	首次为印度喀拉拉邦构建自动滑坡清单，结合了时序差异数据与迁移学习，并应用了可解释人工智能技术来理解模型决策	研究仅基于公开的HR-GLDD数据库和PlanetScope影像，可能受数据覆盖范围和分辨率的限制，且模型性能在复杂地形或小规模滑坡上可能不足	开发一个自动化的滑坡检测系统，以支持滑坡预测和风险缓解策略	印度喀拉拉邦西高止山脉地区的滑坡事件	计算机视觉	NA	高分辨率卫星遥感，时序差异分析	U-Net	卫星图像	基于公开的HR-GLDD数据库和PlanetScope影像，具体样本数量未明确说明	TensorFlow, PyTorch (未明确指定，但基于常用框架推断)	简单多尺度U-Net, 注意力多尺度U-Net	精确度, F1分数	NA
233	2026-01-03	An optimized YOLOv8n based model for real time defect detection in taro strip production 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28216-x PMID:41462034	研究论文	本研究提出了一种基于YOLOv8n的优化模型，用于芋头条生产中的实时缺陷检测	模型集成了多项架构创新，包括双向特征金字塔网络（BiFPN）、VoV-GSCSP模块替换传统C2f块以降低计算复杂度、共享参数检测头以及使用Wise IoU损失函数，以提升多尺度特征融合、加速收敛并提高预测精度	未明确提及具体局限性	实现芋头条工业生产环境中的自动化缺陷检测，以提高效率和产品质量	芋头条	计算机视觉	NA	深度学习	YOLOv8n	图像	未明确提及具体样本数量	NA	YOLOv8n, BiFPN, VoV-GSCSP	平均检测精度（mAP50）, 精确率, 召回率, FLOPs	Raspberry Pi 5
234	2026-01-03	Transfer learning models for wheat ear detection on multi-source dataset 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28351-5 PMID:41462035	研究论文	本文介绍了一个用于小麦穗检测的高质量RGB智能手机图像数据集BioS-Wheat，并评估了六种深度学习模型在该数据集上的性能	提出了一个新颖的高质量RGB智能手机图像数据集BioS-Wheat，该数据集具有高播种密度和最小行间距，增加了对象遮挡和密集空间排列，强调了农艺多样性对模型性能的影响	NA	开发一种经济可靠的小麦穗自动检测方法，以支持小麦生长监测和产量预测	小麦穗	计算机视觉	NA	RGB智能手机图像采集	深度学习模型	图像	5,696张标注图像，涵盖四个小麦品种	NA	RetinaNet, YOLOv8, RT-DETR	平均精度均值（mAP@50）	NA
235	2026-01-03	Lightweight deep learning technology for high quality development and intelligent transformation of sports under DeepLabV3 CSP Darknet53 model 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28539-9 PMID:41462421	研究论文	本研究提出了一种基于轻量级深度学习技术的优化方法，用于智能健身和娱乐场景中高效、低计算成本的姿态识别	将DeepLabV3+语义分割模型与轻量化的OpenPose网络结合，并引入了空间注意力模块以增强关键局部特征的捕捉能力	未明确说明模型在复杂背景或多人交互场景下的泛化能力，以及实际部署中的实时性表现	解决智能健身和娱乐场景中对高效、低计算成本姿态识别日益增长的需求，支持体育产业的智能化转型和高质量发展	运动姿态识别，包括运动器材的坐标位置提取和人体关键点检测	计算机视觉	NA	深度学习，语义分割，关键点检测	CNN	图像	NA	NA	DeepLabV3+, CSP-Darknet53, OpenPose	F1分数, 准确率, 召回率, 精确率	NA
236	2026-01-03	Carbon efficient quantum AI: an empirical study of ansätz design trade-offs in QNN and QLSTM models 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28582-6 PMID:41462429	研究论文	本研究通过基准测试量子神经网络和量子长短期记忆模型，探讨量子机器学习作为低碳人工智能替代方案的潜力	首次系统比较量子模型与经典模型在性能、能耗和训练时间上的权衡，并分析量子硬件与仿真环境的能源差异	量子硬件仍存在较高能耗成本，量子模型在训练速度和能源效率上暂未超越经典模型	评估量子机器学习模型的能源效率与分类性能，推动绿色人工智能发展	量子神经网络、量子长短期记忆模型及经典机器学习模型	机器学习	NA	量子电路设计	QNN, QLSTM, ANN, LSTM, CatBoost	异常检测数据集	N-BaIoT数据集	IBM Qiskit	十种量子电路设计（A1-A10）	准确率, 模型复杂度, 训练时间, 能耗	GPU服务器, IBM量子硬件
237	2026-01-03	Hybrid deep learning model for autism spectrum disorder diagnosis 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28819-4 PMID:41462499	研究论文	本文提出了一种用于自闭症谱系障碍诊断的混合深度学习模型，通过结合MobileNetV2和GRU架构，在面部图像数据集上实现了高准确率	提出了一种结合MobileNetV2和GRU的混合深度学习模型，用于自闭症谱系障碍的自动化诊断，相比传统主观诊断方法更具客观性和效率	研究仅基于Kaggle的面部图像数据集，可能未涵盖其他诊断指标如fMRI或行为数据，且模型泛化能力需进一步验证	开发一种高效、客观的深度学习模型，用于儿童自闭症谱系障碍的早期诊断	儿童自闭症谱系障碍患者的面部图像数据	计算机视觉	自闭症谱系障碍	深度学习	CNN, GRU	图像	NA	NA	MobileNetV2, BiLSTM, ResNet50, LSTM, EfficientNetB4, InceptionV3, GRU	准确率, 精确率, F1分数, ROC值	NA
238	2026-01-03	XTC-Net: an explainable hybrid model for automated atelectasis detection from chest radiographs 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28694-z PMID:41462544	研究论文	本文提出了一种可解释的深度学习模型XTC-Net，用于从胸部X光片中自动检测肺不张	创新性地结合了Xception、Transformer和Capsule Network组件，以提取空间特征、建模长距离依赖并增强对细微结构变化的敏感性	NA	提高肺不张的自动检测效率和准确性，以支持临床诊断	胸部X光片	计算机视觉	肺不张	深度学习	CNN, Transformer, Capsule Network	图像	NA	NA	Xception, Transformer, Capsule Network	准确率, 灵敏度, F1分数	NA
239	2026-01-03	An AM-CNN-BiGRU network with spatiotemporal feature fusion for industrial robot predictive maintenance 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29255-0 PMID:41462560	研究论文	本文提出了一种基于AM-CNN-BiGRU神经网络的工业机器人预测性维护方法，通过融合时空特征和多源数据来提升故障预测性能	提出了一种结合CNN、BiGRU和注意力机制（AM）的新型网络架构，实现了局部空间特征提取与全局双向时间依赖学习的融合，并采用多通道输入进行多源数据融合	NA	开发一种有效的工业机器人预测性维护方法，以提高故障预测的准确性和可靠性	工业机器人	机器学习	NA	NA	CNN, BiGRU	时间序列数据（振动、电流、扭矩）	NA	NA	AM-CNN-BiGRU	R², MAE, MAPE, RMSE	NA
240	2026-01-03	SERS on analyte-enriched blood for rapid, culture-free sepsis recognition and causative pathogen identification with super operational neural networks 2025-Dec-29, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.129332 PMID:41478040	研究论文	本研究提出了一种结合表面增强拉曼光谱与深度学习的工作流程，用于直接从血液中快速、无培养地识别败血症及其致病病原体	开发了基于超操作神经网络的轻量级一维分类器SuperRamanNet，并在目标分析物富集的血液样本上实现了高精度的败血症识别和病原体分类，展示了强大的泛化能力	残留混淆主要集中在对照组与大肠杆菌之间以及某些革兰氏阴性菌类之间，表明在血液样本收集中需要改进原始类别平衡	开发一种快速、无培养、便携的败血症诊断和病原体识别方法，以加速分诊、指导早期治疗并减轻全球败血症负担	败血症患者及健康对照者的血液样本	机器学习	败血症	表面增强拉曼光谱	深度学习分类器	光谱数据	主要数据集包含来自卡塔尔一家三级医院的653份分析物富集血液样本，外加一个包含70个独立样本的外部盲法队列	NA	超操作神经网络	准确率	NA