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
121	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
122	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
123	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
124	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
125	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
126	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
127	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
128	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
129	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
130	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
131	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
132	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
133	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
134	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
135	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
136	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
137	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
138	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
139	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
140	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