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
41	2026-01-07	A transfer learning-driven fine-tuning of YOLOv10 for improved brain tumor detection in MRI images 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28813-w PMID:41326486	研究论文	本文提出了一种基于YOLOv10的迁移学习微调方法，用于提高MRI图像中脑肿瘤的检测精度	采用迁移学习策略，将预训练于COCO数据集的YOLOv10模型参数微调至脑肿瘤检测任务，显著提升了模型在有限医疗数据下的性能	研究依赖于有限的标记脑肿瘤数据集，可能影响模型在更广泛临床场景中的泛化能力	开发一种自动、高效且精确的脑肿瘤检测系统，以支持计算机辅助诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	NA	NA	YOLOv10	mAP, 精度	NA
42	2026-01-07	Quantum resistant blockchain and deep learning revolutionize secure communications for autonomous vehicles 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28938-y PMID:41326509	研究论文	提出了一种结合抗量子区块链技术和深度学习的新型架构，以增强智能交通系统中自动驾驶车辆网络的安全性	首次将抗量子区块链与深度学习模型集成，为自动驾驶车辆网络提供针对量子计算威胁的端到端安全通信、数据共享和实时威胁检测解决方案	未详细讨论模型在极端网络条件或大规模攻击下的鲁棒性，也未提及框架在实际部署中的计算开销和延迟影响	解决自动驾驶车辆网络面临的网络安全威胁，特别是量子计算对传统加密防御的挑战，旨在构建安全、高效的智能交通系统	自动驾驶车辆网络、车辆到一切通信、智能交通系统	机器学习	NA	深度学习、区块链技术	深度学习模型	车辆通信数据、交易数据	NA	NA	NA	准确率, 精确率, 召回率, 数据完整性, 吞吐量, 区块验证时间	NA
43	2026-01-07	AttBiLSTM_DE: enhancing anticancer peptide prediction using word embedding and an optimized attention-based BiLSTM framework 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29767-9 PMID:41326521	研究论文	本文提出了一种名为AttBiLSTM_DE的计算框架，通过结合注意力机制的双向LSTM和优化的加权特征，用于准确预测抗癌肽	提出了一种结合注意力机制的双向LSTM架构与优化的加权特征的计算框架，并开发了随机差分进化算法来构建混合特征和优化特征权重	未明确提及研究的局限性	开发一种计算框架以准确预测抗癌肽，从而辅助癌症治疗和药物开发	抗癌肽序列	自然语言处理	癌症	One-Hot编码, GloVe, fastText, Word2Vec, k-mer嵌入	BiLSTM	文本	NA	NA	注意力机制增强的双向LSTM	准确率, AUC	NA
44	2026-01-07	Identification of Indigenous fish species in lake Tana using deep learning 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29455-8 PMID:41326545	研究论文	本研究利用YOLO系列深度学习算法，开发了一种用于识别塔纳湖本土鱼类物种的新方法	引入了一个包含13,000张图像的新数据集，并采用综合预处理流程结合多种YOLO版本进行优化，显著提升了识别性能	NA	开发一种高效、准确的本土鱼类物种识别方法，以支持可持续渔业管理和生物多样性保护	埃塞俄比亚塔纳湖的16种本土鱼类物种	计算机视觉	NA	深度学习	YOLO	图像	13,000张图像，涵盖16种鱼类物种	NA	YOLOv5, YOLOv7, YOLOv8, YOLOv11	平均精度均值(mAP)	NA
45	2026-01-07	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29744-2 PMID:41326549	研究论文	本文介绍了一种用于胎儿MRI中宫颈自动多层分割和生物测量的深度学习流程	首次提出用于3D T2加权重建图像中孕妇宫颈自动多层分割和生物测量的深度学习流程	仅评估了20个数据集，样本量相对有限	开发自动化方法以改进胎儿MRI中宫颈的测量和分析	孕妇宫颈的3D T2加权MRI图像	数字病理学	NA	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于处理	NA	NA	与手动测量相比表现出良好性能	NA
46	2026-01-07	Automated classification of lung cancer subtypes cells using microscopic images and ensembled deep learning architectures 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29492-3 PMID:41326575	研究论文	本研究提出了一种结合ResNet-50和Attention U-Net的混合深度学习框架，用于基于显微图像自动分类肺癌亚型细胞	创新点在于将ResNet-50的全局特征提取能力与Attention U-Net的空间注意力机制相结合，并采用包含CLAHE、中值滤波、Otsu自适应阈值和灰度中调提亮的图像处理流程，将信噪比提升23%	NA	实现肺癌亚型在细胞水平的早期检测和分类	单个肺细胞的显微图像	数字病理学	肺癌	显微成像	CNN	图像	4,650张灰度图像（每个亚型1,500张），涵盖腺癌、神经内分泌癌和鳞状细胞癌	NA	ResNet-50, Attention U-Net	准确率, 精确率, 召回率, F1分数	NA
47	2026-01-07	Prediction of PEMFC life based on IGJO-TCN-BiGRU-Attention 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29800-x PMID:41326586	研究论文	提出了一种融合智能优化算法的深度学习框架（IGJO-TCN-BiGRU-Attention），用于精确预测质子交换膜燃料电池的寿命	提出改进的金豺优化算法（IGJO）来优化混合模型的超参数，并构建了TCN-BiGRU-Attention混合模型，结合了TCN的空间特征提取、BiGRU的时序动态建模和注意力机制的权重聚焦能力	NA	精确预测质子交换膜燃料电池的寿命	质子交换膜燃料电池	机器学习	NA	NA	TCN, BiGRU, Attention机制	电压-温度参数时序数据	NA	NA	TCN-BiGRU-Attention混合模型	均方根误差	NA
48	2026-01-07	Optimizing chlorophyll content prediction in tea leaves via spectral transformations and deep learning 2025-Dec-01, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07863-2 PMID:41326998	研究论文	本研究通过结合光谱预处理技术和深度学习模型，优化了茶叶叶绿素含量的预测精度	首次系统比较了四种光谱预处理方法（OR、CR、DT、SNV）与四种深度学习模型（1D-CNN、SSL、ViT、Conformer）的组合对叶绿素含量预测的影响，揭示了预处理方法与模型架构的最佳配对关系	研究仅针对茶叶单一物种，未验证在其他植物物种上的泛化能力；样本采集环境和品种多样性可能存在限制	优化基于光谱反射率的植物叶绿素含量预测方法，支持精准农业和植物表型分析	茶树（Camellia sinensis）叶片	机器学习	NA	高光谱反射率测量	1D-CNN, SSL, ViT, Conformer	光谱数据	未明确说明样本数量，采用十倍交叉验证	NA	1D-CNN, Vision Transformer, Conformer	R², RPD	NA
49	2026-01-07	S-ResNet-34: small sample-ResNet-34 for predicting cervical degeneration in x-ray image data 2025-Dec-01, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09273-9 PMID:41327180	研究论文	本研究提出了一种改进的深度学习模型S-ResNet-34，用于基于X射线图像数据预测颈椎退行性变	在ResNet-34架构的基础上，引入了与卷积操作集成的可学习权重矩阵于残差块中，以增强模型的非线性表示能力	研究样本量较小（240例患者），可能影响模型的泛化能力	构建一个更准确且成本效益更高的深度学习模型，用于诊断颈椎生理曲度异常	颈椎病患者（颈椎病）的X射线图像数据	计算机视觉	颈椎病	X射线成像	CNN	图像	240例患者	NA	ResNet-34, YOLO-V3	准确率, F1分数, 召回率	NA
50	2026-01-07	Automated Retinal Vascular Analysis Reveals Response to Acetazolamide in Idiopathic Intracranial Hypertension 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.9 PMID:41342622	研究论文	本研究利用深度学习自动分析视网膜血管，评估乙酰唑胺对特发性颅内高压继发视乳头水肿的治疗反应	首次应用深度学习自动化流程量化视网膜血管参数，并将其与临床指标关联，为特发性颅内高压治疗监测提供非侵入性生物标志物	研究为回顾性分析，样本量相对有限（n=165），且仅针对特发性颅内高压患者，结果推广需进一步验证	评估自动化视网膜血管分析能否识别特发性颅内高压继发视乳头水肿的治疗反应	特发性颅内高压继发视乳头水肿患者	数字病理学	特发性颅内高压	彩色眼底照相、光学相干断层扫描（OCT）	深度学习	图像	165名轻度视力丧失患者	NA	AutoMorph	R2、P值	NA
51	2026-01-07	G2PDeep-v2: A Web-Based Deep-Learning Framework for Phenotype Prediction and Biomarker Discovery for All Organisms Using Multi-Omics Data 2025-Dec-01, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121673 PMID:41463329	研究论文	本文介绍了一个基于深度学习的网络平台G2PDeep-v2，用于多组学数据的表型预测和生物标志物发现	开发了一个集深度学习、超参数优化、可视化和下游分析于一体的统一网络平台，支持广泛生物体的多组学数据	NA	为研究人员提供易于使用的工具，以整合和分析多组学数据进行表型预测和标志物发现	包括人类和植物在内的多种生物体的多组学数据	机器学习	NA	多组学数据	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
52	2026-01-07	Design of an iterative physiologically guided hybrid deep learning framework for robust hand vein segmentation, blood flow analysis, and early vascular diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103590 PMID:41492530	研究论文	提出了一种名为Bio-TransUNet的迭代生理引导混合深度学习框架，用于鲁棒的手部静脉分割、血流分析和早期血管疾病诊断	结合了多尺度时空注意力机制、生物物理正则化学习、概率图建模以及基于Transformer的分类和领域适应技术，实现了分割、结构验证和疾病分类的统一框架	未在摘要中明确说明	开发一种可靠的非侵入性早期血管疾病诊断方法，特别关注手部血流评估和静脉检测	人体手部血管系统	计算机视觉	心血管疾病	近红外成像	Transformer, 深度学习	图像	NA	NA	TransUNet	NA	NA
53	2026-01-07	Hybrid quantum-classical deep learning framework for balanced multiclass diabetic retinopathy classification 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103605 PMID:41492535	研究论文	本文提出了一种新颖的混合量子-经典深度学习框架，用于解决糖尿病视网膜病变五级分类中的类别不平衡和高分辨率数据挑战	首次将量子计算技术与经典深度学习结合用于糖尿病视网膜病变多级分类，通过量子就绪压缩和参数化量子电路实现高效且平衡的分类性能	未明确说明模型在外部验证集上的泛化能力，量子计算部分可能受当前硬件限制	开发一种可扩展的AI诊断方法，用于糖尿病视网膜病变的早期和准确分类	糖尿病患者的视网膜图像	医学影像分析	糖尿病视网膜病变	深度学习与量子计算融合技术	混合量子-经典深度学习模型	图像	APTOS 2019数据集	PyTorch, 量子计算框架	ResNet-50, 变分量子电路(VQC)	平衡准确率	未明确指定，但提及适用于低资源临床环境和远程医疗平台
54	2026-01-07	Computer Vision Applications in Spinal Orthopaedics: A Scoping Review of Imaging-Based Algorithms for Diagnosis, Measurement, and Surgical Planning 2025-Dec, Cureus DOI:10.7759/cureus.98486 PMID:41492595	综述	本文是一篇范围综述，系统梳理了计算机视觉在脊柱骨科影像中的应用，包括诊断、测量和手术规划等任务	首次通过范围综述全面映射计算机视觉在脊柱骨科中的当前应用，并详细描述了临床任务、成像模态和计算方法	仅有20%的研究包含外部验证，且没有研究进行前瞻性测试，临床转化仍有限	系统回顾并描述计算机视觉在脊柱骨科影像中的应用现状	已发表的关于计算机视觉应用于脊柱影像的研究	计算机视觉	脊柱疾病	NA	深度学习	影像	NA	NA	U-Net, ResNet, YOLOv5	Dice系数, 准确率, AUC, 组内相关系数	NA
55	2026-01-06	Secure facial biometric authentication in smart cities using multimodal methodology 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29048-5 PMID:41461811	研究论文	本文提出了一种结合多模态深度学习和密码学框架的方法，用于智能城市环境中的安全面部生物特征认证	提出了一种融合CNN低级特征保留、ResNet-50高级特征提取和ElGamal加密的多模态系统，显著提升了传统模型在防欺骗和安全数据传输方面的性能	未明确提及模型在更广泛数据集或实际部署环境中的泛化能力及计算开销	开发一种安全的面部生物特征认证系统，以防止智能城市中未经授权的访问和欺骗攻击	面部生物特征数据	计算机视觉	NA	NA	CNN, ResNet-50	图像	使用CelebA Faces数据集，具体样本数量未明确	NA	CNN, ResNet-50	准确率, 平均损失分数	NA
56	2026-01-06	Qualitative and quantitative analysis of Paris polyphylla var. yunnanensis from different origin using multi-dimensions FT-MIR and NIR spectroscopy, data fusion combined with machine learning 2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127414 PMID:41485381	研究论文	本研究利用多维FT-MIR和NIR光谱、数据融合结合机器学习，对云南重楼进行定性和定量分析，以评估其地理来源和质量控制	采用多维光谱（包括1D、2DCOS、3DCOS）与数据融合技术，结合传统机器学习和深度学习模型ResNet，实现了对云南重楼地理来源的快速、准确识别和总皂苷含量预测	未明确提及样本的具体数量或多样性限制，可能影响模型的泛化能力	开发一种快速、稳健的策略，用于传统中药云南重楼的地理溯源和质量控制	云南重楼（Paris polyphylla var. yunnanensis）	机器学习	NA	FT-MIR光谱、NIR光谱、数据融合	ResNet, PCA, t-SNE, PLS-DA, OPLS-DA, PLSR	光谱图像	NA	NA	ResNet	RX, RY, Q, RMSEE, RMSECV, RMSEP, 准确率, RPD, Rc, Rp	NA
57	2026-01-06	DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention 2025-Dec-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc08898d PMID:41487137	研究论文	本文提出了一种名为DSSA-PPI的混合深度学习框架，通过解耦注意力机制整合结构和序列信息，以增强蛋白质突变对结合亲和力变化的预测	提出了一种结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2的混合框架，并采用解耦注意力机制整合序列和结构特异性贡献，提高了PPI结合亲和力变化预测的精度	未在摘要中明确提及	准确评估突变对蛋白质-蛋白质相互作用（PPIs）的影响，以理解疾病发病机制并开发靶向疗法	蛋白质-蛋白质相互作用（PPIs）及其突变引起的结合亲和力变化	机器学习	NA	深度学习	几何等变图神经网络, 蛋白质语言模型	蛋白质结构和序列数据	标准蛋白质结合亲和力数据集SKEMPI v2	NA	PPIFormer, ESM-2	NA	NA
58	2026-01-06	WEAKLY SUPERVISED SEGMENTATION AND CLASSIFICATION OF ALPHA-SYNUCLEIN AGGREGATES IN BRIGHTFIELD MIDBRAIN IMAGES 2025-Dec-19, ArXiv PMID:41333166	研究论文	本研究开发了一种基于弱监督分割的自动化图像处理流程，用于在帕金森病和偶发性路易体病的中脑组织全玻片图像中分割和分类α-突触核蛋白聚集体	提出了一种对免疫组化标记变异性具有鲁棒性的弱监督分割方法，结合ResNet50分类器，能够自动区分路易体和神经突等主要聚集体形态	未明确说明样本量的具体细节，且方法在更广泛的组织类型或染色协议中的泛化能力有待验证	开发自动化工具以更好地理解α-突触核蛋白聚集体的空间组织和异质性	帕金森病和偶发性路易体病患者的中脑组织样本	数字病理学	帕金森病	免疫组化染色	CNN	图像	NA	NA	ResNet50	平衡准确率	NA
59	2026-01-06	Trustworthy deep learning for malaria diagnosis using explainable artificial intelligence 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28387-7 PMID:41419508	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，从血液涂片图像中自动诊断疟疾，旨在提高诊断准确性和临床可信度	结合了四种CNN模型进行实证评估，并采用两种先进的混合架构进行微调，同时应用三种XAI技术（Grad-CAM、LIME、SHAP）提供多层次的模型决策透明度，增强了临床信任	未明确提及模型在更广泛或更具挑战性的临床环境中的泛化能力测试，以及计算资源需求的具体分析	开发一个高精度、可解释且可扩展的AI诊断框架，用于疟疾的自动检测，以应对资源有限医疗环境中的诊断挑战	血液涂片图像，包括薄涂片和厚涂片，用于疟疾寄生虫的检测	计算机视觉	疟疾	显微镜成像	CNN	图像	27,090张图像来自Kaggle疟疾数据集，以及一个独立的哈佛Dataverse数据集包含厚涂片图像	NA	MobileNetV2, VGG19, InceptionV3, ResNet18, Xception, Inception-ResNetV2	F1-score, 准确率	NA
60	2026-01-06	Long-term, ambulatory 12-lead ECG from a single non-standard lead using perceptual reconstruction 2025-Dec-19, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.17.25342224 PMID:41445642	研究论文	本研究提出了一种基于深度学习的方法，从单个非标准导联（模拟植入式心脏监测器信号）重建12导联心电图，用于连续监测心脏功能变化	首次使用感知损失训练深度U-Net模型（ECG12-PerceptNet），从单个ICM导联重建12导联心电图，实现了对传导、复极、心律和心脏功能变化的连续监测	研究基于模拟ICM信号进行重建，未在真实ICM设备上验证；样本标注依赖于临床医生解释的规则解析，可能存在偏差	从单个ICM导联重建12导联心电图，以检测心脏传导、复极、心律和功能变化	75,450个超声心动图-心电图配对数据，标注了右束支传导阻滞、左束支传导阻滞、心房颤动、QT间期延长和低左心室射血分数五种疾病标签	机器学习	心血管疾病	心电图信号处理，深度学习重建	U-Net	心电图信号	75,450个超声心动图-心电图配对样本	NA	U-Net	分类性能（具体指标未明确），回归模型预测左心室射血分数	NA