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
461	2026-01-17	An uncertainty-driven gated feature selection network (UGFS-Net) for TG level prediction: linking high-altitude exposure to lipid metabolism disorder via elevated TG 2025-Dec-10, Lipids in health and disease IF:3.9Q2 DOI:10.1186/s12944-025-02826-w PMID:41372990	研究论文	本研究开发了一种可解释的深度学习模型UGFS-Net，用于预测高海拔移民的甘油三酯水平，并探索了高海拔暴露与脂质代谢紊乱之间的联系	提出了不确定性驱动的门控特征选择网络（UGFS-Net），结合了不确定性驱动的样本重加权和困难样本挖掘策略，用于提升TG水平预测的准确性和可解释性	样本量相对有限（低海拔居民96人，高海拔移民388人），且研究主要基于临床可及指标，可能未涵盖所有潜在影响因素	开发可解释的深度学习模型以预测高海拔移民的甘油三酯水平，并探索高海拔缺氧与脂质代谢紊乱之间的关联	低海拔居民和高海拔移民的临床数据	机器学习	心血管疾病	临床指标测量	深度学习	临床数据	低海拔居民96人，高海拔移民388人	NA	UGFS-Net	R², 校准指标, Pearson相关系数	NA
462	2026-01-17	A new hybrid model for enhancing low-dose CT images using EfficientNetV2 and WGAN-GP: a multi-loss approach 2025-Dec-09, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03579-z PMID:41366715	研究论文	本文提出了一种结合EfficientNetV2-M和WGAN-GP的混合模型，用于增强低剂量CT图像，通过多损失函数方法有效降噪并保留关键解剖结构	创新点在于首次将EfficientNetV2-M作为多尺度特征提取器与WGAN-GP结合，并采用加权对抗损失、像素级L1损失和感知损失的多损失优化策略	研究未明确讨论模型在不同疾病类型或扫描协议下的泛化能力，且仅使用单一数据集进行评估	开发一种有效的深度学习降噪方法，以提升低剂量CT图像质量，同时减少辐射暴露风险	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描	GAN, CNN	图像	使用AAPM-Mayo数据集，具体样本数量未明确说明	TensorFlow, PyTorch	EfficientNetV2-M, WGAN-GP	PSNR, SSIM	NVIDIA Tesla T4 GPU
463	2026-01-17	An interpretable deep learning model for first-trimester fetal cardiac screening 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02217-6 PMID:41361059	研究论文	本文开发了一种可解释的深度学习模型，用于通过舒张期血流模式进行孕早期先天性心脏病的准确诊断	首次验证了用于孕早期先天性心脏病筛查的可解释深度学习系统，其诊断逻辑与临床专业知识高度一致	NA	解决孕早期先天性心脏病筛查的临床需求，提供准确且可解释的诊断工具	孕早期心脏筛查中的多普勒血流四腔心切面图像	数字病理学	先天性心脏病	多普勒血流成像	深度学习模型	图像	从108,521例孕早期心脏筛查中选取的8,062张多普勒血流四腔心切面图像	NA	NA	准确率	NA
464	2026-01-17	An end-to-end deep learning pipeline for hematoma expansion prediction in spontaneous intracerebral hemorrhage based on non-contrast computed tomography 2025-Dec-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02213-w PMID:41354762	研究论文	本文开发了一个基于非对比计算机断层扫描的自发性脑出血血肿扩大预测的端到端深度学习流程	提出了一个模块化框架，结合了自动分割、合成数据增强和基于Vision Transformer的分类，并使用全尺度U-Mamba模型进行高质量血肿分割，以及Diffusion-UKAN模型生成合成图像进行数据增强	未明确提及研究的局限性	预测自发性脑出血中的血肿扩大，以支持急性护理环境中的快速风险分层	自发性脑出血患者	数字病理学	脑出血	非对比计算机断层扫描	Vision Transformer, U-Mamba, Diffusion-UKAN	图像	来自五个中心的2020名患者	NA	Vision Transformer, U-Mamba, Diffusion-UKAN	AUC	NA
465	2026-01-17	A foundation model for rock thin-section images analysis 2025-Dec-06, Communications engineering DOI:10.1038/s44172-025-00565-5 PMID:41353266	研究论文	本文介绍了RoImAI，一个专门为岩石薄片显微图像设计的视觉基础模型，用于实现快速、精确的岩石分割、识别和岩性报告生成	开发了首个针对岩石薄片显微图像的视觉基础模型，利用Transformer深度学习技术实现跨多中心数据的高精度分割，并采用分层分类策略准确识别岩石颗粒，在生成结构化岩性报告方面超越了人类专家的效率和准确性	未明确提及模型在更广泛地质区域或更复杂岩石类型上的泛化能力限制	开发一个自动化、高精度的岩石薄片图像分析模型，以替代传统依赖专家视觉检查的主观、耗时方法	岩石薄片显微图像及其中的岩石颗粒	计算机视觉	NA	光学显微镜成像	Transformer	图像	30,336张图像，包含来自17个不同地区的大约两百万个岩石颗粒	NA	Transformer	效率，准确性	NA
466	2026-01-17	Reproducibility of digital pathology features extracted from deep learning and foundational AI models on sequential tissue slides 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30947-w PMID:41353287	研究论文	本研究评估了从正常前列腺组织连续切片中提取的深度学习模型和基础AI模型特征的重复性	首次系统评估了深度学习模型和基础AI模型在相同组织连续切片上提取特征的重复性，并量化了切片间距离对特征变异性的影响	研究仅针对正常前列腺组织，未涉及病变组织；样本量相对较小（50个独立样本）	评估数字病理学中深度学习模型和基础AI模型在组织连续切片上提取特征的重复性	50个独立正常前列腺样本的三个连续组织切片	数字病理学	前列腺癌	H&E染色组织切片数字化	深度学习模型, 基础AI模型	图像	50个独立正常前列腺样本，每个样本三个连续切片	NA	NA	组内相关系数, 最大平均差异, Wasserstein距离	NA
467	2026-01-17	Benchmarking all-atom biomolecular structure prediction with FoldBench 2025-Dec-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67127-3 PMID:41345395	研究论文	本文介绍了用于全原子生物分子结构预测的综合基准数据集FoldBench，并评估了当前深度学习模型的性能与局限性	提出了首个覆盖多种生物分子类型（蛋白质、核酸、配体、离子）和九种预测任务的综合性基准数据集FoldBench，系统揭示了模型性能对训练集相似性的依赖关系	基准数据集规模有限（1522个生物组装体），抗体-抗原预测任务的失败率超过50%，未涵盖所有可能的生物分子相互作用类型	建立公平严谨的生物分子结构预测评估标准，推动全原子结构预测模型的发展	蛋白质、核酸、配体、离子及其复合物	计算生物学	NA	全原子结构预测	深度学习模型	生物分子结构数据	1522个生物组装体	NA	AlphaFold 3	配体对接准确度、失败率	NA
468	2025-11-14	Response to correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Dec, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105881 PMID:41223632	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
469	2026-01-17	Computer models and artificial intelligence increase the fidelity and efficiency of the in vitro models for hearing loss 2025-Dec-01, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01467-5 PMID:41327400	综述	本文综述了人工智能算法在体外听觉模型中的整合现状，旨在提高这些模型的准确性、效率和转化潜力	探索了计算机建模、机器学习和深度学习在增强体外听觉模型生理相关性、可扩展性和可重复性方面的应用，包括高通量图像分析、耳毒性预测建模、培养条件优化和类器官开发	存在数据标准化、生物复杂性、模型可解释性以及临床整合方面的挑战	提高体外听觉模型的保真度和效率，以研究听力损失的机制并测试潜在疗法	体外听觉模型，如永生化听觉毛细胞系、耳蜗外植体和内耳类器官	机器学习	听力损失	高通量图像分析、组学数据分析、耳蜗结构分割、遗传性耳聋建模	机器学习, 深度学习	图像, 组学数据	NA	NA	NA	NA	NA
470	2026-01-17	Artificial Intelligence in Rheumatology: Clinical Applications in Rheumatoid Arthritis, Osteoarthritis, and Systemic Lupus Erythematosus 2025-Dec, Cureus DOI:10.7759/cureus.99108 PMID:41531594	综述	本文是一篇叙述性综述，重点探讨了人工智能在类风湿关节炎、骨关节炎和系统性红斑狼疮等风湿病学领域的临床应用、潜力及挑战	系统性地整合了人工智能在三种主要风湿性疾病（RA、OA、SLE）中的最新应用证据，并强调了人机协作、电子健康记录整合及跨学科合作等未来发展方向	存在数据质量、算法偏见、可解释性有限以及缺乏真实世界验证等挑战，伦理问题如数据隐私和公平获取也需解决	综述人工智能在风湿病学，特别是类风湿关节炎、骨关节炎和系统性红斑狼疮中的诊断、预测和治疗应用，并探讨其临床转化潜力和未来研究方向	类风湿关节炎、骨关节炎和系统性红斑狼疮患者	数字病理学	风湿性疾病	多组学整合、生物传感器、可穿戴设备、生物力学数据分析	深度学习算法、联邦机器学习	影像数据、多组学数据、生物传感器数据、可穿戴设备数据、生物力学数据	NA	NA	NA	NA	NA
471	2026-01-17	Diagnostic Accuracy of Artificial Intelligence for the Detection of Papilledema on Fundus Images: A Systematic Review and Meta-Analysis 2025-Dec, Cureus DOI:10.7759/cureus.99135 PMID:41531615	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基于人工智能的眼底图像视乳头水肿检测的诊断准确性	首次对AI在眼底图像上检测视乳头水肿的诊断准确性进行系统综述和荟萃分析，整合了多项研究结果	研究间存在中等程度的异质性，主要源于数据集大小、成像方式和参考标准的差异	评估人工智能技术通过眼底图像检测视乳头水肿的诊断准确性和临床有效性	视乳头水肿（颅内压增高的表现）	医学影像分析	视神经疾病	眼底成像	深度学习模型, 传统机器学习算法	眼底图像	超过15,000张眼底图像（来自6项研究）	NA	ResNet, DenseNet, EfficientNet	AUC, 敏感性, 特异性	NA
472	2026-01-16	The Role and Challenge of Knee Cartilage Magnetic Resonance Imaging in Early Diagnosis of Knee Osteoarthritis: A Literature Review 2025-Dec-15, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2025.12.001 PMID:41407057	文献综述	本文探讨了膝关节软骨磁共振成像在早期诊断膝骨关节炎中的优势、局限性和改进策略	综述了在深度学习、高分辨率三维技术和超分辨率重建技术指导下，软骨评估更准确快速，加速临床转化	NA	提供对膝关节软骨MRI在早期诊断膝骨关节炎中临床意义的全面理解	膝骨关节炎的早期诊断	数字病理学	骨关节炎	磁共振成像	NA	图像	NA	NA	NA	NA	NA
473	2026-01-16	Landscape design concept generation combining cultural mapping technology and multimodal modeling 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31088-w PMID:41360932	研究论文	本文提出了一种结合草图生成与多模态学习的新型景观设计模型，用于生成高质量的景观设计图像	提出了一种结合草图生成（Pix2Pix GAN）与文本描述对齐（CLIP）的多模态学习模型，在自动化景观设计中实现了更高的创造性、灵活性和细节表现力	模型在处理复杂和抽象设计需求方面仍有改进空间，需要进一步开发以适应智能设计系统的发展	开发一种更高效、更具创造性和上下文相关性的自动化景观设计解决方案	景观设计的概念生成	计算机视觉	NA	草图生成、多模态学习	GAN, 多模态模型	图像、文本、草图	NA	NA	Pix2Pix GAN, CLIP	定量分析、定性分析、图像质量、文本对齐度	NA
474	2026-01-16	BugPrioritizeAI for multimodal test case prioritisation using bug reports, code changes, and test metadata 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31851-z PMID:41360983	研究论文	本文提出了一种名为BugPrioritizeAI的多模态测试用例优先级排序框架，利用缺陷报告、源代码变更和测试元数据来加速回归测试中的故障检测	首次联合使用缺陷报告、源代码变更和测试元数据等多模态信息进行测试用例优先级排序，并引入SHAP可解释性机制	未明确提及跨项目泛化能力的定量评估，且可能面临深度学习模型常见的误解释问题	通过多模态人工智能方法优化软件测试中的测试用例优先级排序，以减少回归测试开销	软件测试中的测试用例、缺陷报告、源代码变更记录	机器学习	NA	深度学习，可解释人工智能	NA	文本（缺陷报告、源代码变更）、元数据（测试元数据）	NA	NA	BugTestRankNet	NA	NA
475	2026-01-16	A resource-efficient machine learning framework for real-time non-intrusive load monitoring and performance optimization in solar-powered aviation systems 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31379-2 PMID:41360980	研究论文	本研究开发了一种资源高效的机器学习框架，用于太阳能航空系统中的实时非侵入式负载监测与性能优化	提出了一种在资源受限的太阳能航空系统中实现实时非侵入式负载监测的资源高效机器学习框架，并系统比较了多种机器学习与深度学习模型在实时可行性方面的表现	深度学习模型如混合CNN-LSTM架构虽然精度高，但计算时间较长，不适合机载实时部署，突显了精度与效率之间的权衡	实现太阳能航空系统中实时、资源高效的非侵入式负载监测与性能优化	太阳能航空系统的负载特性与能量管理	机器学习	NA	非侵入式负载监测	KNN, RF, XGBoost, CNN, LSTM, CNN-LSTM	高分辨率功率数据	NA	NA	CNN-LSTM	R², 均方误差, 执行时间	Opal-RT, Launchpad-F28379D DSP控制器
476	2026-01-16	Assessment of a VoIP steganalysis method based on statistical analysis and deep neural network 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31478-0 PMID:41361363	研究论文	本文提出了一种结合语音信号处理和深度神经网络的VoIP隐写分析方法，用于检测G.729编码音频中的隐写数据	提出了一种混合方法，结合了语音信号处理技术和人工智能，通过提取帧内特征和帧间相关性，并利用深度学习网络进行训练，显著提升了检测准确率和计算效率	NA	开发一种高效的VoIP隐写分析方法，以应对通过隐写术进行的隐蔽通信安全威胁	G.729编码的音频信号，针对QIM、PMS和HPS三种隐写技术	自然语言处理	NA	语音信号处理，深度学习	深度神经网络	音频	NA	NA	NA	准确率	NA
477	2026-01-16	Simulation-assisted multimodal deep learning (Sim-MDL) fusion models for the evaluation of thermal barrier coatings using infrared thermography and Terahertz imaging 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31783-8 PMID:41361561	研究论文	本文提出了一种模拟辅助多模态深度学习（Sim-MDL）融合框架，结合红外热成像和太赫兹成像数据，用于全面评估热障涂层的性能	提出了一种结合模拟生成数据和实验数据的多模态深度学习框架，用于同时预测热障涂层的多个关键性能参数，提高了评估的准确性和鲁棒性	研究仅基于四个新涂层样本进行实验，样本量有限，且涂层厚度范围较窄（24至120微米），可能影响模型的泛化能力	开发一种高效、准确的热障涂层非破坏性评估方法，以提升操作效率、优化预测性维护策略并延长部件寿命	热障涂层（TBCs），特别是其顶层涂层的热导率、热容、厚度和折射率等性能参数	机器视觉	NA	红外热成像（IRT）、太赫兹（THz）成像、模拟数据生成	CNN, LSTM	图像数据（红外热成像和太赫兹成像）、模拟数据	四个新涂层样本，顶层涂层厚度范围为24至120微米	NA	1D CNN, 注意力机制LSTM	MAPE（平均绝对百分比误差）	NA
478	2026-01-16	Multi-stage classification of abnormal traffic events using a multi-head + LSTM 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31470-8 PMID:41361558	研究论文	本文提出了一种多阶段分类框架，结合多头注意力机制和LSTM模型，用于检测和分类交通异常事件、拥堵程度及事故原因	提出了一种结合隔离森林、K-means聚类和空间阈值方法的多阶段分类框架，并首次将多头注意力机制与LSTM结合用于交通事件分析	模型仅在PeMS数据集上进行验证，未在其他城市或交通网络中进行泛化测试；空间阈值方法（1.5公里）可能不适用于所有交通场景	提高交通异常事件的检测与分类精度，支持智能交通系统的数据驱动决策	交通流量数据中的异常事件、拥堵程度（低、中、高）及事故导致的异常	机器学习	NA	交通流量监测、天气数据整合	LSTM, 多头注意力机制	时间序列数据（交通流量）、天气数据	15天的PeMS交通数据（集成天气信息）	未明确说明（可能为TensorFlow/PyTorch）	多阶段分类框架（隔离森林 + K-means + 空间阈值 + 多头注意力 + LSTM）	精确率, 召回率, F1分数, ROC-AUC	未明确说明
479	2026-01-16	Diagnostic performance of machine learning and deep learning algorithms for thyroid cancer metastasis: a systematic review and meta-analysis 2025-Dec-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03307-x PMID:41361881	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了机器学习和深度学习算法在甲状腺癌转移检测中的诊断性能	首次对机器学习与深度学习在甲状腺癌转移检测中的诊断性能进行了全面的系统综述与荟萃分析，并比较了不同模型类型、转移类型和数据源的性能差异	纳入研究存在异质性，部分研究可能存在偏倚风险，且仅纳入了英文发表的研究	评估机器学习和深度学习算法在检测甲状腺癌转移中的诊断性能	甲状腺癌患者，特别是成人甲状腺癌患者的转移检测	机器学习	甲状腺癌	NA	机器学习, 深度学习	NA	35项研究，包含162个估计值	NA	NA	AUC-ROC, 灵敏度, 特异性, 诊断比值比	NA
480	2026-01-16	Integrated ultrasound radiomics and clinical data to predict PD-1 blockade efficacy in unresectable hepatocellular carcinoma 2025-Dec-07, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04512-8 PMID:41354910	研究论文	本研究开发了一个集成超声影像组学和临床数据的自动化框架，用于预测不可切除肝细胞癌患者对PD-1阻断疗法的疗效	首次提出将超声影像组学与临床指标通过集成学习方法相结合，构建自动化预测框架，并探索了治疗反应背后的分子机制	验证队列样本量相对较小（n=60），模型在验证集上的AUC（0.641）仍有提升空间	预测不可切除肝细胞癌患者对PD-1阻断疗法的治疗反应	不可切除肝细胞癌患者	数字病理学	肝细胞癌	超声影像组学，分子分析（KEGG/GO分析）	集成学习模型，卷积神经网络	超声图像，临床数据	回顾性多中心队列793例（模型开发），前瞻性队列60例（验证）	NA	优化卷积神经网络	AUC（曲线下面积）	NA