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	2026-01-07	Deep learning for head and neck radiation dose prediction: a systematic review and meta-analysis 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28442-3 PMID:41361342	综述与荟萃分析	本文通过系统综述和荟萃分析，评估了卷积神经网络及其相关架构在头颈部放疗剂量分布预测中的效能	首次对头颈部放疗剂量预测的深度学习模型进行系统综述和荟萃分析，比较了经典与先进CNN架构在不同靶区和危及器官上的预测性能，并识别了影响模型表现的关键因素	研究存在显著的异质性（I² > 99%），限制了结果的可解释性；模型对其他危及器官（除脊髓外）的泛化能力有限；部分训练参数需从补充材料中获取	评估深度学习模型（特别是CNN）在头颈部放疗剂量分布预测中的准确性和一致性，为临床任务定制模型提供依据	头颈部放疗中的计划靶区（PTV）和危及器官（以脊髓为代表）的剂量分布	数字病理学	头颈部癌症	放疗剂量预测，深度学习	CNN	医学图像数据（剂量分布图）	NA	NA	经典CNN，先进CNN（可能包含密集块等设计）	平均绝对误差，置信区间	NA
22	2026-01-07	Identification of plant-parasitic nematode genera in turfgrass using deep learning algorithms 2025-Dec-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29467-4 PMID:41354739	研究论文	本研究评估了多种深度学习模型在草坪草植物寄生线虫属分类中的性能	首次将EfficientNet V2-S、MobileNetV3-L、ResNet101和Swin Transformer V2-B等先进CNN架构应用于草坪草线虫分类，并采用BOHB算法进行超参数优化	研究仅针对7个线虫类群，且用户端平台测试准确率（82.47%）较内部测试有所下降，表明模型在实际应用场景中可能存在泛化挑战	开发基于深度学习的植物寄生线虫自动识别工具，以辅助草坪草病害诊断	与草坪草相关的7种植物寄生线虫属	计算机视觉	植物寄生线虫病	深度学习图像分类	CNN, Transformer	图像	5406张植物寄生线虫图像	未明确提及	EfficientNet V2-S, MobileNetV3-L, ResNet101, Swin Transformer V2-B	平衡分类准确率	未明确提及
23	2026-01-07	Dual-phase optimized deep learning framework for accurate, efficient, and robust battery SoC estimation 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29449-6 PMID:41350347	研究论文	本文提出了一种名为KANBiLSTMAtt的新型混合深度学习模型，用于锂离子电池荷电状态（SoC）的准确、高效和鲁棒性估计	提出了一种结合Kolmogorov-Arnold网络（KAN）、双向长短期记忆网络（BiLSTM）和注意力机制的新型混合深度学习模型，并采用Optuna进行超参数调优和NSGA-II进行多目标优化，实现了高预测精度与低计算开销的平衡	研究仅在两种特定的电池化学体系和有限的环境温度变化下进行了验证，模型在其他电池类型或更极端工况下的泛化能力有待进一步评估	开发一种准确、高效且鲁棒的锂离子电池荷电状态（SoC）估计方法，以支持电动汽车的电池性能优化、续航里程可靠性和运行安全	锂离子电池的荷电状态（SoC）	机器学习	NA	NA	KAN, BiLSTM, 注意力机制	时间序列数据（电池数据）	使用了LG数据集和CALCE数据集的驾驶循环数据，涉及两种不同的电池化学体系	NA	KANBiLSTMAtt（KAN、BiLSTM与注意力机制的混合架构）	RMSE, MAE, R²	NA
24	2026-01-07	Novel mapping approach for coastal boulders using deep learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29044-9 PMID:41350551	研究论文	本研究提出了一种结合无人机与Mask R-CNN的深度学习新方法，用于海岸巨石的快速精确检测与体积计算	首次将无人机与Mask R-CNN结合用于海岸巨石自动测绘，实现了传统人工方法无法达到的速度与精度	方法仅在冲绳石垣岛单一区域验证，未在不同海岸类型或更大范围测试其普适性	开发自动化海岸巨石测绘方法以研究历史淹没事件动态	海岸线分布的巨石	计算机视觉	NA	无人机航测	CNN	图像	日本冲绳石垣岛海岸区域	NA	Mask R-CNN	F1分数	NA
25	2026-01-07	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	本文利用时间融合变换器（TFT）神经网络，基于434头南象海豹的卫星追踪数据，预测其位置并填补数据空白，以提升海洋动物运动预测的准确性	首次将时间融合变换器（TFT）应用于海洋动物运动预测，相比状态空间模型，将位置误差降低了15%，并显著减少了预测区域面积（预测时减少五倍，填补时减少30-40%）	模型在训练数据集未覆盖的新地理区域应用时，性能下降约30%，表明将学习到的模式迁移到陌生环境存在挑战	提高海洋动物运动的预测精度，以支持保护和生态系统管理	南象海豹的卫星追踪数据	机器学习	NA	卫星追踪	TFT	时间序列数据	434头南象海豹	NA	时间融合变换器	位置误差, 预测区域面积	NA
26	2026-01-07	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	本研究旨在开发和评估基于宏观临床图像的深度学习模型，用于分类银屑病、湿疹和皮肤癣菌病，并比较其与非专科医生的诊断性能	首次使用Swin模型在皮肤科图像分类任务中展示最佳性能，并通过Grad-CAM可视化验证模型关注临床相关病变特征，同时与非专科医生进行诊断准确性比较	样本量有限（仅30张图像和30名评估者），结果应被视为探索性，需要更大数据集和多样化临床医生群体验证	开发深度学习模型以准确区分银屑病、湿疹和皮肤癣菌病，并评估其相对于非专科医生的诊断性能	宏观临床图像，涵盖银屑病、湿疹和皮肤癣菌病三种皮肤疾病	计算机视觉	皮肤疾病	宏观临床图像采集	深度学习	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图像），以及30张图像用于与非专科医生比较	NA	Swin	诊断准确性	NA
27	2026-01-07	ReHA-Net: a ReVIN-hybrid attention network with multiscale convolution for robust EEG artifact removal in brain-computer interfaces 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28855-0 PMID:41345432	研究论文	本文提出了一种名为ReHA-Net的深度学习框架，用于脑电信号中伪影的鲁棒去除	结合了U-Net编码器-解码器结构、混合注意力机制（时空频）、多尺度可分离卷积块以及可逆实例归一化，以增强跨被试泛化能力	未明确提及模型在实时或在线脑机接口系统中的计算效率或延迟表现	开发一种鲁棒的脑电信号去噪方法，以提升脑机接口中信号质量	脑电图信号	机器学习	NA	脑电图	深度学习	时间序列信号	基于增强版EEGdenoiseNet数据集，具体样本量未明确	未明确提及	U-Net	PSNR, SNR, 相关系数, RRMSE	NA
28	2026-01-07	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	本文提出了一种联邦半监督学习框架，用于增强乳腺磁共振成像的自动分割性能	结合联邦学习与半监督学习，在保护隐私的同时利用未标注数据提升模型鲁棒性和泛化能力	实验仅在三家医院进行，样本多样性可能有限，且未详细讨论通信开销与计算资源需求	开发一种资源高效的自动化乳腺MRI分割方法，以辅助诊断	乳腺磁共振成像（MRI）图像	数字病理学	乳腺癌	磁共振成像（MRI）	深度学习模型	图像	来自三家医院的乳腺MRI图像数据集	NA	NA	Dice相似系数（DSC），交并比（IoU）	NA
29	2026-01-07	Urban expansion identification and change analysis in Panjin China from 1990 to 2020 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29448-7 PMID:41331411	研究论文	本研究利用深度学习模型和时间-光谱-纹理组合优化方法，分析了盘锦市1990年至2020年的城市扩张动态和空间形态变化	提出了一种新颖的深度学习模型和时间-光谱-纹理组合优化方法，用于识别基于像素的土地覆盖变化轨迹，并利用分段线性回归模型确定城市扩张的时间节点	NA	优化城市空间结构并促进可持续发展，通过动态映射不透水表面变化来分析城市扩张	中国盘锦市（一个资源型城市）的城市扩张过程	计算机视觉	NA	深度学习，时间-光谱-纹理组合优化方法，分段线性回归模型	深度学习模型	遥感图像（时间序列的土地覆盖数据）	盘锦市1990年至2020年的土地覆盖数据	NA	NA	轨迹分类准确率，宏观F1分数，城市扩张时间识别准确率	NA
30	2026-01-07	UNet with self-adaptive Mamba-like attention and causal-resonance learning for medical image segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28885-8 PMID:41339647	研究论文	本文提出了一种名为SAMA-UNet的新型U形架构，用于医学图像分割，通过引入自适应Mamba类注意力块和因果共振多尺度模块，在效率和准确性之间取得了更好的平衡	提出了两个关键创新：1. 自适应Mamba类聚合注意力块，通过动态注意力权重自适应整合局部和全局特征；2. 因果共振多尺度模块，通过调整特征分辨率和跨尺度的因果依赖关系，改善编码器-解码器交互	未明确提及具体限制，但暗示了现有状态空间序列模型在医学图像分割中的直接应用有限，主要由于与图像结构不兼容和自回归假设	开发一种能够平衡效率与准确性的医学图像分割模型	医学图像分割任务	数字病理学	NA	深度学习	U-Net	图像	使用了多个公开数据集（BTCV、ACDC、EndoVis17、ATLAS23），但未明确说明总样本数量	NA	U-Net, SAMA-UNet	DSC, NSD	NA
31	2026-01-07	Design of an integrated model using U-Net, DeepSurv, and cross-attention for lung cancer classification and survival prediction 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29781-x PMID:41339682	研究论文	本文提出了一种集成了U-Net、DeepSurv和交叉注意力的迭代多模型深度学习框架，用于肺癌亚型分类和生存率预测	提出了一种迭代多模型深度学习框架，结合了特征级融合、贝叶斯优化、弹性权重巩固（EWC）和多模态注意力机制，实现了对肺癌亚型的高精度分类和生存率预测，并支持增量学习以避免灾难性遗忘	未明确说明模型在外部验证集上的泛化能力，以及临床实际部署中的计算效率和实时性挑战	提高肺癌亚型分类的准确性和生存率预测的鲁棒性，为肺癌的诊断和预后提供端到端解决方案	肺癌患者的多模态数据，包括放射学图像、组织病理学图像和基因组数据	数字病理学	肺癌	深度学习	CNN, MLP, DeepSurv	图像, 基因组数据	未明确说明	未明确说明	U-Net	Dice相似系数, 准确率, C指数	未明确说明
32	2026-01-07	Empowering emotional intelligence through deep learning techniques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29073-4 PMID:41339679	研究论文	本文提出了一种结合多种深度学习模型的多模态情感智能系统，用于增强对人类情感的识别和适应性响应	采用集成深度学习模型（CNN、BERT、RNN、GAN）构建多模态情感智能系统，相比单一模型能更准确地识别和响应情感	未明确说明数据集的样本量、模型泛化能力及在真实世界应用中的潜在挑战	通过深度学习技术提升情感智能，以创建更具同理心和用户导向的AI系统	人类情感（面部表情、文本情绪、时序情感变化）	自然语言处理,计算机视觉,机器学习	NA	深度学习	CNN,BERT,RNN,GAN	图像,文本	Kaggle数据集（包括FER-2013面部表情数据集和标注文本数据）	TensorFlow,Keras,PyTorch	CNN,BERT,RNN,GAN	准确率	NA
33	2026-01-07	Deep learning framework for barcode localization and decoding using simulated UAV imagery 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29720-w PMID:41339720	研究论文	本文提出了一种基于深度学习的框架，用于在模拟无人机图像中定位和解码条形码，以自动化仓库库存管理	利用YOLOv8模型在模拟无人机视角下准确检测一维和二维条形码，并结合OpenCV解码模块与MySQL数据库实现实时库存更新，展示了模块化系统在复杂仓库环境中的潜力	研究仅基于模拟无人机图像进行测试，未在真实无人机采集图像上验证	开发一个自动化条形码扫描系统，以提升仓库库存跟踪的效率和准确性	模拟无人机图像中的一维和二维条形码	计算机视觉	NA	模拟无人机图像采集	CNN	图像	NA	PyTorch, OpenCV	YOLOv8	mAP	NA
34	2025-12-03	Comparing deep learning CNN method with traditional MRI-based hippocampal segmentation and volumetry for early Alzheimer's disease diagnosis across diverse populations 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29366-8 PMID:41326490	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
35	2026-01-07	Dense extreme inception network-based edge detection with deep reinforcement learning for object localization in an underwater environment 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29378-4 PMID:41331029	研究论文	提出一种结合密集极端初始网络边缘检测与深度强化学习的对象定位技术，用于水下环境中的目标检测	首次将Dense Extreme Inception Network (DexiNed)边缘检测、YOLOv5目标检测和Q强化学习分类集成到一个统一框架中	未明确说明水下数据集的规模、多样性以及在不同水下条件（如浑浊度、光照变化）下的泛化能力	提高水下环境中目标检测的准确性和对象定位能力	水下环境中的自然特征（地质构造、海洋生物、珊瑚礁）和人造物体（碎片、沉船、水下基础设施）	计算机视觉	NA	光学相机、声纳、激光雷达成像技术	CNN, 强化学习	图像	NA	NA	Dense Extreme Inception Network (DexiNed), YOLOv5	准确率	NA
36	2025-12-04	A deep learning model for multiclass lung cancer classification using multimodal data fusion 2025-Dec-02, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04168-6 PMID:41331169	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
37	2026-01-07	Performance of artificial intelligence-based diagnosis and classification of peri-implantitis compared with periodontal surgeon assessment: a pilot study of panoramic radiograph analysis 2025-Dec, Journal of periodontal & implant science DOI:10.5051/jpis.2500280014 PMID:40350773	研究论文	本研究评估了基于深度学习的模型在利用全景X光片诊断和分类种植体周围炎相关骨缺损方面的性能，并与牙周外科医生的评估进行了比较	首次将集成YOLOv8深度学习模型应用于全景X光片，以自动诊断和分类种植体周围炎的骨缺损形态和严重程度，并证明其在整体准确性上优于专业牙周外科医生	数据集规模有限（1075张全景X光片），且仅基于单一模态成像（全景X光片），未来需扩展数据集并整合多模态成像	评估深度学习模型在种植体周围炎骨缺损诊断和分类中的性能，并探索其作为临床决策支持工具的潜力	种植体周围炎患者的全景X光片及相关的骨缺损	计算机视觉	种植体周围炎	全景X光成像	深度学习模型	图像	1075张全景X光片，来自426名患者，共2250个种植体部位	YOLOv8	集成YOLOv8	准确率, 精确率, 召回率, F1分数	NA
38	2026-01-07	Evaluating Artificial Intelligence-Assisted Prostate Biparametric MRI Interpretation: An International Multireader Study 2025-Dec, AJR. American journal of roentgenology DOI:10.2214/AJR.24.32399 PMID:40668633	研究论文	评估深度学习AI模型对前列腺双参数MRI解释中前列腺癌检测和读者间一致性的影响	首次在国际多读者研究中评估AI辅助对前列腺双参数MRI解释在病变和患者层面检测前列腺癌及读者间一致性的影响	AI辅助略微降低了病变层面的敏感性，需要进一步优化以提高敏感性而不损害特异性	评估AI模型对前列腺双参数MRI解释中前列腺癌检测准确性和读者间一致性的影响	前列腺双参数MRI扫描	数字病理学	前列腺癌	双参数MRI	深度学习模型	MRI图像	180名患者（120例病例组，60例对照组）	NA	NA	敏感性, PPV, AUC, 读者间一致性（κ系数）, 覆盖概率	NA
39	2026-01-07	How Will AI Shape the Future of Pandemic Response? Early Clues From Data Analytics 2025-Dec, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70103 PMID:40926588	综述	本文回顾了人工智能和数据分析在增强大流行防范、应对和恢复方面的10个关键领域，探讨了其潜力与挑战	系统性地分析了AI在疫情响应中的10个关键应用领域，并强调了其在提升预警系统、实时数据分析和流行病模型方面的创新潜力	实施AI在疫情响应中面临重大的伦理和治理挑战，如隐私、公平性和问责制问题	探讨人工智能和数据分析如何塑造未来大流行响应，以增强防范、应对和恢复能力	大流行（特别是COVID-19）的响应系统、预警机制、资源分配和决策过程	机器学习	NA	数据分析和人工智能技术	机器学习, 深度学习	实时数据、流行病学数据	NA	NA	NA	NA	NA
40	2026-01-07	Emerging Artificial Intelligence Technologies for Risk Assessment and Management in Acute Myeloid Leukemia: A Review 2025-Dec-01, JAMA oncology IF:22.5Q1 DOI:10.1001/jamaoncol.2025.3601 PMID:41196612	综述	本文综述了人工智能技术在急性髓系白血病风险分层、诊断和治疗规划中的应用现状与潜力	整合了机器学习、深度学习、可解释AI和联邦学习等多种AI技术，在AML管理中实现了比传统ELN指南更高的预后准确性，并解决了数据隐私和模型可解释性问题	需要统一的数据标准、健全的监管框架和公平的技术访问以实现临床转化	评估人工智能技术在急性髓系白血病风险分层和管理中的应用潜力	急性髓系白血病患者的临床、细胞遗传学、分子和图像数据	数字病理学	急性髓系白血病	机器学习、深度学习、可解释AI、联邦学习	机器学习算法、深度学习模型	临床数据、细胞遗传学数据、分子数据、骨髓涂片图像、转录组数据	NA	NA	NA	AUROC, 准确率	NA