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
261	2026-01-21	Renji endoscopic submucosal dissection video data set for Esophagus 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06252-6 PMID:41372209	研究论文	本研究介绍了首个公开的食管内镜黏膜下剥离术视频数据集，包含25个手术视频和141,909个阶段标注	这是首个公开的、包含全面阶段标注的食管ESD视频数据集	数据集规模相对较小（仅25个手术视频），可能限制模型的泛化能力	为人工智能辅助内镜手术提供高质量的标注数据集，支持手术阶段识别研究	食管内镜黏膜下剥离术（ESD）视频	计算机视觉	食管疾病	内镜黏膜下剥离术（ESD）	深度学习	视频	25个手术视频，包含141,909个阶段标注	NA	NA	NA	NA
262	2026-01-21	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出了一种互惠多网络噪声标签学习方法，旨在通过神经影像数据提高双相情感障碍和精神分裂症的跨诊断分类准确性	提出了一种新的互惠多网络噪声标签学习方法，通过最大化深度神经网络在识别和利用干净与噪声标签样本时的一致性，有效处理临床诊断中可能存在的偏差或错误	未明确说明方法在更广泛精神疾病或不同神经影像数据上的泛化能力	提高精神疾病的诊断准确性，特别是针对双相情感障碍和精神分裂症的跨诊断分类	双相情感障碍和精神分裂症患者	机器学习	精神疾病	神经影像数据（功能连接性）	深度神经网络	图像数据（神经影像）	未明确指定患者样本数量，但使用了公共CIFAR-10和PathMNIST数据集进行验证	未明确指定	未明确指定	分类准确率	NA
263	2026-01-21	Depthwise-Dilated Convolutional Adapters for Medical Object Tracking and Segmentation Using the Segment Anything Model 2 2025-Dec, Machine learning: science and technology DOI:10.1088/2632-2153/ae13d1 PMID:41551748	研究论文	提出了一种用于医学视频对象跟踪与分割的高效适配框架DD-SAM2，通过深度可分离扩张卷积适配器增强SAM2的多尺度特征提取能力	首次系统性地探索了基于适配器的微调策略，将Segment Anything Model 2应用于医学视频分割与跟踪，并充分利用其流式记忆机制	需要在有限训练数据的医学视频上进行微调，可能对数据稀缺场景的泛化能力存在限制	开发一种高效适配框架，提升SAM2在动态医学影像场景中的对象跟踪与分割性能	医学视频中的肿瘤分割和左心室跟踪	计算机视觉	肿瘤，心血管疾病	深度学习，视频分割	适配器微调框架	医学视频	TrackRad2025和EchoNet-Dynamic数据集	PyTorch	Segment Anything Model 2, Depthwise-Dilated Adapter	Dice系数	NA
264	2026-01-20	Large scale prospective evaluation of co-folding across 557 Mac1-ligand complexes and three virtual screens 2025-Dec-29, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.25.696505 PMID:41509292	研究论文	本文对三种共折叠方法（AlphaFold3、Boltz-2、Chai-1）在557个Mac1-配体复合物结构预测及三个虚拟筛选中的性能进行了大规模前瞻性评估	使用训练截止日期后确定的557个SARS-CoV-2 NSP3宏结构域（Mac1）配体复合物作为独立测试集，系统评估共折叠方法的预测能力，并首次在多个受体系统中前瞻性测试共折叠评分对虚拟筛选结果的重新排序效果	共折叠预测未能重现常见的蛋白质构象重排（如肽段翻转和大环开口），且AF3的配体姿态置信度在区分真实配体与假阳性方面的效果不如对接评分或Boltz-2亲和力预测	评估深度学习共折叠方法在预测配体-蛋白质复合物结构及亲和力排序方面的准确性与实用性	SARS-CoV-2 NSP3宏结构域（Mac1）的557个配体复合物，以及AmpC β-内酰胺酶、多巴胺D4受体和σ受体的配体	计算生物学	COVID-19	共折叠方法、虚拟筛选、分子对接	深度学习模型	蛋白质-配体复合物结构数据	557个Mac1-配体复合物，以及三个受体系统（AmpC β-内酰胺酶、多巴胺D4受体、σ受体）的数百个分子	NA	AlphaFold3, Boltz-2, Chai-1	RMSD, 相关系数, 平均绝对误差	NA
265	2026-01-20	Prediction of Piconewton Receptor Tension Images using Deep Learning 2025-Dec-23, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.19.695587 PMID:41509226	研究论文	本研究开发了一种名为TensionDL的深度学习模型，用于从细胞形态和黏着蛋白vinculin图像中预测皮牛顿级别的受体张力图	首次利用卷积神经网络和图像到图像转换技术，直接从细胞形态和vinculin图像预测受体张力分布，无需依赖分子张力探针	模型预测为半定量性质，且在部分力未通过分子张力探针传递的异质环境中仅能推断张力分布	开发一种深度学习方法来预测细胞受体张力图，以克服分子张力探针的局限性	细胞受体张力，特别是在不同基质硬度和细胞类型下的皮牛顿级别力	计算机视觉	NA	荧光显微镜，分子张力探针	CNN	图像	NA	NA	卷积神经网络	准确性	NA
266	2026-01-20	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，基于纵向血管壁成像数据，评估了斑块内出血对颈动脉粥样硬化斑块负荷长期进展的影响	首次采用深度学习分割管道对多对比度磁共振血管壁成像进行长期纵向分析，以量化斑块内出血的存在和体积对斑块负荷进展的长期影响	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受试者的颈动脉斑块	数字病理学	心血管疾病	多对比度磁共振血管壁成像	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，平均每人接受4.7次扫描	NA	NA	相关系数, p值	NA
267	2026-01-20	Impact of statins on progression of coronary artery calcium composition and density as assessed by noncontrast CT 2025-Dec, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03561-0 PMID:41201709	研究论文	本研究利用深度学习模型分析非对比CT扫描，探讨了他汀类药物对冠状动脉钙化（CAC）密度和成分进展的影响	首次使用全自动深度学习模型对CAC成分亚型进行定量评估，并揭示了他汀治疗与钙化密度向更稳定表型转变的关联	单中心回顾性研究，样本量有限（316例），平均随访时间3.8年	评估他汀类药物对冠状动脉钙化密度和成分进展的影响	无症状个体（基线存在CAC）	数字病理学	心血管疾病	非对比计算机断层扫描（CT），深度学习	深度学习模型	CT图像	316例患者（58.4±10.1岁；49.1%男性），其中175例接受他汀治疗，141例未接受他汀治疗	NA	NA	β系数，p值	NA
268	2026-01-20	From detection to grading: A hybrid KOA-YOLOv5-RF model for knee osteoarthritis diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103725 PMID:41378376	研究论文	本研究提出了一种基于混合深度学习与机器学习框架的新型计算机辅助诊断系统，用于从X射线图像中检测和分级膝骨关节炎的严重程度	将YOLOv5的精确关节定位与分割能力与随机森林分类器的有序分级能力相结合，形成一种混合诊断框架	研究未明确说明模型在不同医疗设备或人群中的泛化能力，且数据集规模相对有限	开发一种可扩展、可解释且具有临床相关性的膝骨关节炎计算机辅助诊断工具	膝骨关节炎的X射线图像	计算机视觉	膝骨关节炎	X射线成像	CNN, 随机森林	图像	1535张X射线图像	PyTorch, Scikit-learn	YOLOv5	准确率, ROC-AUC, Cohen's kappa, 敏感度, 特异度	NA
269	2026-01-20	Role of Deep Learning in Plastic Surgery: Transforming Art With Intelligence 2025-Dec, Cureus DOI:10.7759/cureus.99329 PMID:41552176	评论	本文探讨了深度学习在整形外科中的应用及其潜力	强调了深度学习在整形外科这一结合精确性与艺术性的专业领域中的变革性作用，并指出其旨在增强而非替代外科专业知识	数据质量、伦理问题以及临床工作流程整合方面的挑战	探索深度学习在整形外科中的扩展角色及其潜力	整形外科领域	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
270	2026-01-19	Macretina: a dataset, to support deep learning assisted retinopathy of prematurity diagnosis 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31624-8 PMID:41436820	研究论文	本研究介绍了一个名为Macretina的专家标注视网膜数据集，旨在支持基于AI的早产儿视网膜病变自动诊断	提出了首个从印度医院收集的、针对早产儿视网膜病变的综合性多任务视网膜图像数据集，包含三个病理相关特征的子集	数据来源于单一中心（Macretina医院），可能限制模型的泛化能力	开发可靠的AI辅助早产儿视网膜病变筛查系统	早产儿的视网膜图像	数字病理学	早产儿视网膜病变	宽视野视网膜成像系统（3nethra Neo）	深度卷积神经网络	图像	112名早产儿的1432张视网膜图像	NA	NA	NA	NA
271	2026-01-19	A holistic framework for strengthening security of healthcare data through encryption utilizing blockchain technology 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31698-4 PMID:41407846	研究论文	本研究提出了一种结合区块链技术与高级加密标准（AES）的框架，以增强医疗数据的安全性、隐私性和完整性	提出了一种创新的BCT-AES混合框架，首次将卷积神经网络（CNN）用于医疗数据特征提取，并结合决策树（DT）与逻辑回归（LR）进行分类，再通过AES加密与区块链技术实现去中心化、防篡改的存储方案	未明确说明框架在超大规模医疗数据集或跨机构数据共享场景下的可扩展性与性能表现	解决医疗数据因敏感性和网络攻击风险而面临的安全挑战，开发一种能同时保障数据隐私、完整性和支持实时分析的安全管理方案	患者记录与医学图像等医疗数据	机器学习	NA	区块链技术，高级加密标准（AES）	CNN, DT, LR	文本（患者记录），图像（医学图像）	NA	Python	NA	加密时间，分类准确率	NA
272	2026-01-19	Ensemble deep learning with advanced feature engineering for embryo evaluation on in-vitro fertilisation procedures using biomedical images 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31772-x PMID:41413417	研究论文	本文提出了一种基于集成深度学习和高级特征工程的胚胎评估系统，用于体外受精过程中的胚胎质量自动分级	结合改进的DenseNet进行特征提取，并集成TCN、ENN和CVAE等多种深度学习模型进行胚胎分类，实现了高精度的自动化评估	未提及模型在临床实际应用中的泛化能力验证或外部数据集测试结果	通过自动化胚胎分级方法提高体外受精中胚胎选择成功率，改善妊娠结局	体外受精过程中的胚胎生物医学图像	计算机视觉	不孕症	生物医学图像分析	CNN, TCN, ENN, CVAE	图像	未明确说明，仅提及使用显微图像数据集	未明确说明	DenseNet, TCN, ENN, CVAE	准确率	未明确说明
273	2026-01-19	LBNet: an optimized lightweight CNN for mammographic breast cancer classification with XAI-based interpretability 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31642-6 PMID:41402449	研究论文	本研究提出了一种名为LBNet的轻量级、可解释的卷积神经网络，用于从乳腺X光片中准确、高效地检测乳腺癌	提出了一种参数仅240万的轻量级CNN架构，在保持高精度的同时显著降低了计算复杂度，并集成了SHAP和Grad-CAM等XAI方法以增强模型的可解释性	未明确提及，但未来研究可探索其在多视角乳腺X光片和实时临床部署中的应用	开发一种适用于资源受限环境、兼具高精度、高效率和高可解释性的乳腺癌自动检测模型	乳腺X光片	计算机视觉	乳腺癌	乳腺X光摄影	CNN	图像	基于RSNA数据集训练，并在CBIS-DDSM和MIAS两个外部数据集上验证	未明确提及	LBNet（包含5个卷积层，使用ReLU激活、批量归一化和最大池化）	准确率, 精确率, 召回率	未明确提及
274	2026-01-19	Deep learning and TOPSIS-based multi-criteria decision-making framework for urban road defect detection and sustainable maintenance planning 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31682-y PMID:41408389	研究论文	本研究提出了一种结合改进YOLOv8模型和TOPSIS多准则决策的框架，用于城市道路缺陷检测与可持续维护规划	在YOLOv8模型中增加了一个用于严重性分类的辅助头部，并整合了TOPSIS多准则决策方法，实现了检测、严重性估计和数据驱动维护优先级排序的同步执行	未明确说明模型在极端天气或复杂光照条件下的鲁棒性，也未讨论框架在其他类型基础设施缺陷检测中的泛化能力	开发一个能够实时检测城市道路缺陷、评估严重性并支持可持续维护决策的智能框架	城市道路表面缺陷	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	YOLOv8	NA	NA
275	2026-01-19	Superior transplant recipient outcome prediction and pathology assessment using rapid deep learning applied to procurement kidney biopsies 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31667-x PMID:41392051	研究论文	本研究利用深度学习模型快速分析供体肾脏活检图像，以预测移植后肾功能和移植物存活率	开发了定制化的深度学习模型，其肾小球硬化定量分析在预测移植物存活方面优于病理学家评估，且处理速度满足临床需求	研究样本量相对有限（691例活检），且随访时间平均约4.34年，可能不足以评估长期结局	提高供体肾脏移植适宜性评估的准确性和效率，优化移植决策	已故器官供体的肾脏活检样本	数字病理学	肾脏疾病	全切片图像分析	深度学习模型	图像	691例移植肾脏的采购活检样本	未明确指定	未明确指定	相关性分析，多变量Cox模型	未明确指定
276	2026-01-19	Dynamic SG-SKRDX hybrid framework for precision weather forecasting and crop suitability in the Cauvery Delta 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31717-4 PMID:41390771	研究论文	本文提出了一种动态SG-SKRDX混合框架，用于印度泰米尔纳德邦Cauvery三角洲地区的精确天气预报和作物适宜性推荐	提出了一种结合SVR-GRU（SG）模型进行天气预报和动态集成多种机器学习模型（SVM、KNN、RF、DT、XGBoost，称为SKRDX）进行作物推荐的混合框架，该框架能根据预测的天气变量变化智能选择最佳模型	NA	通过整合现代技术与传统实践，提升Cauvery三角洲地区农业的气候韧性和可持续作物生产，实现精准天气预报和作物推荐	印度泰米尔纳德邦Cauvery三角洲地区的天气数据和作物种植	机器学习	NA	统计模型、机器学习、深度学习	SVR, GRU, SVM, KNN, RF, DT, XGBoost	历史气象数据（温度、湿度、降水）	十年的历史气象数据	NA	SVR-GRU（SG）混合模型，动态SKRDX集成模型（包含SVM、KNN、RF、DT、XGBoost）	MSE, RMSE, MAE, R-Squared, 准确率, 精确率, 召回率, F1分数	NA
277	2025-12-13	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-Dec-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
278	2026-01-19	Attention-guided hybrid learning for accurate defect classification in manufacturing environments 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31654-2 PMID:41381637	研究论文	提出了一种用于工业缺陷分类的注意力引导混合深度学习框架	集成了YOLOv11和EfficientNet-B7，并引入了CBAM注意力模块和轻量级FPN进行多尺度细化，支持跨不同物体类别和缺陷类型的统一分类	未明确提及	解决工业缺陷分类中因视觉复杂性、稀有性和多样性带来的挑战	工业制造环境中的缺陷	计算机视觉	NA	深度学习	CNN	图像	两个数据集：MVTec-FS基准（包含14个工业类别中的46种缺陷类型）和专有Window数据集（包含3个真实世界缺陷类别）	NA	YOLOv11, EfficientNet-B7, Convolutional Block Attention Module (CBAM), Feature Pyramid Network (FPN)	准确率	NA
279	2026-01-19	A computationally efficient hybrid framework combining deep feature extraction and gradient boosting for early diagnosis of Olive leaf diseases 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31918-x PMID:41381664	研究论文	提出一种结合深度学习特征提取与梯度提升的混合框架，用于橄榄叶病害的早期诊断	提出一种混合框架，将深度学习模型的强大特征提取能力与机器学习分类器的计算效率相结合，以解决深度学习模型在分类和检测过程中对高计算处理的需求限制其普及性的问题	研究仅针对两种特定的橄榄叶病害（孔雀斑病和橄榄芽螨），模型在其他病害或作物上的泛化能力未经验证	开发一种计算效率高的方法，用于橄榄叶病害的早期诊断	橄榄树叶图像	计算机视觉	植物病害	图像分析	CNN, Boosting	图像	3400张属于三个类别（健康、橄榄孔雀斑病、橄榄芽螨）的橄榄叶图像	NA	MobileNetV2, DenseNet121, EfficientNetV2B0, ConvNext Tiny	准确率, 宏平均F1分数	NA
280	2026-01-19	Dynamic context-aware multi-modal deep learning for longitudinal prediction of Parkinson's disease progression 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31898-y PMID:41381668	研究论文	本文提出了一种新颖的动态上下文感知多模态深度学习框架，用于纵向预测早期至中期帕金森病的运动症状进展	提出了一种结合高级语音生物标志物、信号处理技术、临床进展特征、人口统计学元数据以及通过自然语言处理从临床叙述中提取的语义丰富患者摘要嵌入的动态上下文感知多模态深度学习框架，并利用双向LSTM与多头自注意力机制来捕获复杂的时间依赖性同时防止信息泄露	样本量有限（42名患者）	纵向预测早期至中期帕金森病运动症状的进展，以支持及时干预和个性化患者护理	帕金森病患者	自然语言处理, 机器学习	帕金森病	信号处理, 自然语言处理	LSTM	语音生物标志物, 临床特征, 人口统计学元数据, 临床叙述文本	42名患者	NA	双向LSTM, 多头自注意力	R², RMSE, MAE	NA