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
781	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
782	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
783	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
784	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
785	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
786	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
787	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
788	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
789	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
790	2026-01-06	Learning Patient Similarity from Genomics for Precision Oncology 2025-Dec-18, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.17.25342480 PMID:41445600	研究论文	本文开发了一个基于深度学习的患者相似性建模框架，利用真实世界的临床基因组数据，通过嵌入肿瘤基因组图谱来测量患者相似性，并评估患者亚组与共享治疗结果之间的关联	该框架能够从复杂的分子和临床数据中提取简洁、上下文特定的见解，支持无可用生物标志物或未知原发癌症患者的决策，并在持续学习场景中随时间动态更新	未明确提及具体局限性，可能包括数据来源的单一性、模型泛化能力或临床验证的不足	开发一个基于患者相似性的决策支持模型，以促进精准肿瘤学的更广泛实现	乳腺癌患者和泛癌种患者，包括无可用基因组生物标志物或未知原发癌症的患者	机器学习	癌症	肿瘤基因组分析	深度学习	基因组数据和临床数据	NA	NA	NA	NA	NA
791	2026-01-06	A deep learning framework for comprehensive segmentation of deep grey nuclei 2025-Dec-18, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.16.25342423 PMID:41445621	研究论文	本文介绍了一个名为THOMASINA的深度学习框架，用于从标准T1加权和WMn MRI中全面分割深部灰质核团	结合合成WMn对比度与先进的深度学习分割模型，提供快速、可重复且可扩展的解决方案，解决了传统多图谱分割方法的预处理时间长和工具分散问题	未明确说明数据集的详细样本特征或潜在偏差，且合成WMn对比度的有效性可能依赖于特定成像条件	开发一个深度学习框架，以准确、高效地分割深部灰质核团，用于神经疾病研究和生物标志物发现	深部灰质结构，如丘脑和基底核，从标准T1加权和WMn MRI图像中	计算机视觉	神经疾病	MRI成像，包括T1加权和WMn对比	深度学习模型	医学图像（MRI）	未在摘要中明确指定具体样本数量	未指定具体框架，但可能基于PyTorch或TensorFlow等深度学习库	SwinUNETR, DiNTS, SegResNet	Dice系数	未在摘要中明确指定
792	2026-01-06	Deciphering the biological underpinnings behind prognostic MRI-based imaging signatures in breast cancer: a systematic review 2025-Dec-17, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07341-1 PMID:41408570	综述	本文系统回顾了乳腺癌中基于MRI的预后影像特征（包括放射组学和深度学习特征）的生物学基础，并评估了现有研究的方法学质量	首次系统性地综述了乳腺癌预后影像特征的生物学关联，并整合了放射组学和深度学习方法，强调了从影像到多组学数据的生物学解释	纳入研究的方法学严谨性有限，整体偏倚风险较高，且样本量范围较大（61-2279例），可能影响结论的普适性	探索乳腺癌MRI预后影像特征的生物学基础，并评估相关研究的方法学质量	乳腺癌患者	数字病理学	乳腺癌	MRI, 基因组学, 转录组学, 多组学分析	监督机器学习, 无监督机器学习	影像数据, 基因组数据, 转录组数据, 多组学数据	16项研究，共涉及61至2279名乳腺癌患者	NA	NA	NA	NA
793	2026-01-06	De novo design of protein competitors for small molecule immunosensing 2025-Dec-16, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.16.694474 PMID:41446193	研究论文	本文利用深度学习模型设计蛋白质竞争性结合剂，用于小分子免疫传感，实现了对地高辛的灵敏检测	采用BindCraft管道设计针对抗原结合位点的竞争性结合剂，并通过筛选选择与小分子分析物产生空间冲突的结合剂，避免了传统竞争性免疫分析中需要定制合成竞争分子的繁琐步骤	设计的结合剂结合亲和力从低到中等（42 nM - 1.1 μM），可能在某些高灵敏度应用中受限	开发一种基于深度学习设计蛋白质竞争性结合剂的方法，以简化小分子生物标志物的竞争性免疫分析	小分子生物标志物（如地高辛）的检测	机器学习	NA	竞争性免疫分析，生物发光测定	深度学习模型	NA	在细菌裂解液中直接筛选了10个结合剂，其中7个成功	NA	BindCraft管道	结合亲和力（Kd），检测灵敏度（IC50）	NA
794	2026-01-06	scCotag: Diagonal integration of single-cell multi-omics data via prior-informed co-optimal transport and regularized barycentric mapping 2025-Dec-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.11.693589 PMID:41446270	研究论文	本文提出了一种名为scCotag的深度学习框架，用于单细胞多组学数据的对角线整合，通过先验信息引导的共最优传输和正则化重心映射来提高细胞对齐和特征嵌入的准确性	该方法首次结合先验信息引导的共最优传输（COOT）与正则化重心映射，迭代推断细胞对齐和特征对应关系，解决了现有方法假设所有细胞可对齐且先验特征对应完全可靠的局限性	未明确说明计算资源需求或框架在超大规模数据集上的可扩展性限制	开发一种鲁棒的单细胞多组学数据对角线整合方法，以提升细胞对齐精度和生物调控机制的细粒度解析	单细胞RNA-seq和ATAC-seq数据，涉及人类大脑、骨髓和血液样本，以及阿尔茨海默病（AD）和非AD（NoAD）患者的死后脑组织数据	机器学习	阿尔茨海默病	单细胞RNA-seq, ATAC-seq	深度学习框架	单细胞多组学数据	涉及人类大脑、骨髓和血液数据集，具体样本数量未明确说明	未明确指定（如TensorFlow, PyTorch等），但基于深度学习框架	基于共最优传输（COOT）和正则化重心映射的定制架构	细胞对齐精度, 嵌入精度	NA
795	2026-01-06	Lightweight deep learning models for EEG decoding: a review 2025-Dec-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae2717 PMID:41330041	综述	本文系统回顾了用于脑电图信号分类的轻量级深度学习模型	将现有轻量级模型方法归纳为三大策略：基于多尺度特征融合的信息整合策略、隐藏层优化策略以及基于结构优化的混合改进策略，并综合了最新进展、识别新兴趋势并展望未来研究方向	NA	回顾轻量级深度学习模型在脑电图解码中的应用，旨在为设计高效、鲁棒的脑机接口分类架构提供参考	脑电图信号	机器学习	NA	NA	深度神经网络	脑电图信号	NA	NA	NA	NA	NA
796	2026-01-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统性综述	本文系统综述了应用于肺癌患者CT扫描的2D深度学习分割网络的现状与前景	系统性地总结了2020年至2024年间2D深度学习网络在肺癌CT分割中的应用，并识别了研究中的关键概念与主要差距	综述主要基于2020年至2024年的文献，可能未涵盖更早或最新的技术发展；且纳入的124项研究可能存在发表偏倚	评估2D深度学习网络在肺癌CT图像分割中的当前应用与未来潜力，以改善诊断、治疗和患者生存	肺癌患者的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN	图像	基于124项符合纳入标准的研究，具体样本量未在摘要中明确给出，但提及LIDC-LIDR数据集是最常用数据集	NA	U-Net及其变体	Dice相似系数	NA
797	2026-01-06	Deep Learning for the Diagnosis and Treatment of Thyroid Cancer: A Review 2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.020 PMID:40749944	综述	本文综述了深度学习在甲状腺癌诊断与治疗中的应用进展	系统总结了深度学习在甲状腺癌诊断、治疗及预后预测中的最新应用，并指出了技术、临床和伦理方面的挑战	深度学习在临床广泛采用仍面临显著的技术、临床和伦理障碍	为临床医生提供深度学习应用于甲状腺癌诊断与治疗的最新研究进展	甲状腺癌	数字病理学	甲状腺癌	深度学习	CNN, LSTM, GAN	超声图像, 病理图像	NA	NA	卷积神经网络, 长短期记忆网络, 生成对抗网络	NA	NA
798	2026-01-06	Segmentation of honeycomb cysts, traction bronchiectasis and emphysematous lung parenchyma using the deep learning method 2025-Dec, Tuberkuloz ve toraks DOI:10.5578/tt.2025041118 PMID:41486792	研究论文	本研究利用深度学习技术，在HRCT图像上对蜂窝囊肿、牵拉性支气管扩张和肺气肿区域进行分割	首次将U-Net架构应用于MinIP图像，对间质性肺病分类的关键参数（蜂窝囊肿、牵拉性支气管扩张和肺气肿）进行自动分割	研究仅包含265例患者，样本量有限；未明确说明深度学习模型的具体训练细节和超参数设置	开发基于深度学习的医学图像分割方法，辅助间质性肺病的分类诊断	265例被诊断为寻常型间质性肺炎患者的HRCT图像	数字病理学	肺病	高分辨率计算机断层扫描	深度学习	医学图像	265例患者	NA	U-Net	灵敏度, 精确度, F1分数, AUC, 准确度	NA
799	2026-01-05	Deep learning regression model based on data pairing and pseudo-label fusion for NIR predictive modeling in food and pharmaceutical quality analysis 2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127399 PMID:41483668	研究论文	本文提出了一种基于数据配对和伪标签融合的深度学习回归模型DeepSS，用于食品和药品质量分析中的近红外预测建模	提出DeepSS方法，采用金字塔编码器提取近红外光谱的低维潜在特征，并引入数据配对策略通过组合样本对的潜在特征并减去其标签来增强训练数据，测试时通过将测试样本与训练特征配对生成伪标签，结合决策策略进行最终预测	NA	解决食品和药品行业中因样本化学成分测量困难导致标记数据集小、近红外光谱分析可靠性受限的问题	片剂、苹果和西洋参数据集中的关键成分	机器学习	NA	近红外光谱	深度学习回归模型	光谱数据	NA	NA	金字塔编码器	预测误差	NA
800	2026-01-05	Performance of artificial intelligence in predicting hepatocellular carcinoma recurrence after thermal ablation: A systematic review 2025-Dec-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i12.111425 PMID:41479509	系统综述	本文通过系统综述评估了基于人工智能的影像组学模型在预测肝细胞癌热消融后复发方面的性能	整合多模态影像组学分析与临床数据，优化治疗选择，并展示影像模型在预测治疗结果方面优于单独临床参数的能力	仅纳入十项研究，样本量有限，且为系统综述，未进行原始数据分析	评估人工智能驱动的预测模型在预测肝细胞癌复发方面的有效性	接受热消融治疗的肝细胞癌患者	数字病理学	肝细胞癌	影像组学分析	深度学习, 机器学习	影像数据, 临床实验室变量	NA	NA	NA	曲线下面积, 一致性指数	NA