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	AI based real time disease diagnosis in plants using deep learning driven CNNs 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34681-1 PMID:41491234	研究论文	本研究提出了一种基于深度卷积神经网络的实时植物病害诊断框架，通过分析植物图像实现快速、准确的病害识别	开发了名为PDD-DL的实时诊断框架，相比传统方法具有更快速度、更高可信度和更强扩展性，实现了42.6毫秒每图像的实时推理速度	模型验证主要基于常见流行作物，虽然可应用于多种作物，但未明确说明具体作物种类和病害范围	通过早期检测改善植物健康监测，以最大化产量并减少损失，支持精准农业和可持续植物健康管理	植物病害	计算机视觉	植物病害	图像分析	CNN	图像	NA	NA	卷积神经网络	准确率, 精确率, 召回率, F1分数, 推理速度	NA
22	2026-01-07	Longitudinal MRI-based deep learning model for predicting pathological complete response in breast cancer: a multicenter, retrospective cohort study 2026-Jan-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01256-2 PMID:41491286	研究论文	本研究提出了一种基于纵向MRI的深度学习模型BSTNet，用于预测乳腺癌新辅助治疗后的病理完全缓解	开发了一种新颖的乳腺自监督时序学习框架，通过自监督预训练实现跨多时间点和双时间点场景的模型泛化，并捕捉治疗期间肿瘤的动态变化	NA	早期预测乳腺癌患者对新辅助治疗的病理完全缓解，以优化治疗策略	乳腺癌患者	数字病理学	乳腺癌	纵向MRI	深度学习	图像	1339名患者（多中心队列）	NA	BSTNet	AUC, 特异性	NA
23	2026-01-07	Multimodal deep learning approaches for improving polygenic risk scores with imaging data 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34153-6 PMID:41491351	研究论文	本研究评估了多模态深度学习模型在结合遗传、影像和临床数据后，对青光眼风险预测性能的提升	提出了一种结合多基因风险评分、影像衍生深度学习评分、影像衍生表型和临床协变量的多模态模型，并引入了影像衍生表型代理遗传评分作为影像数据不可用时的替代方案	研究主要基于英国生物银行的数据，可能在其他人群中的泛化性有限；影像衍生表型代理遗传评分的预测性能相对较低	提高青光眼风险预测的准确性，特别是在资源有限的情况下	青光眼风险预测	机器学习	青光眼	光学相干断层扫描	深度学习模型, XGBoost	图像, 遗传数据, 临床数据	55,469个有OCT影像数据的样本和402,847个无OCT影像数据的样本	XGBoost	NA	AUC	NA
24	2026-01-07	PepGraphormer: an ESM-GAT hybrid deep learning framework for antimicrobial peptide prediction 2026-Jan-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01144-8 PMID:41491543	研究论文	本文提出了一种名为PepGraphormer的新型融合深度学习框架，结合了ESM2大型语言模型和图注意力网络的优势，用于抗菌肽预测	首次将基于Transformer的大型语言模型（ESM2）与图注意力网络（GAT）结合，无需依赖先前研究中使用的3D蛋白质结构信息，用于抗菌肽预测	未明确提及	开发一个用于抗菌肽预测的高精度和稳定性的深度学习框架	抗菌肽（AMPs）	自然语言处理, 机器学习	NA	NA	Transformer, GAT	蛋白质序列	NA	NA	ESM2, GAT	准确率, 稳定性	NA
25	2026-01-07	Automated microscopy for malaria diagnosis in a reference laboratory in nonendemic settings 2026-Jan-05, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-07215-x PMID:41491600	研究论文	本研究评估了miLab™自动化显微镜在非流行区参考实验室中用于疟疾诊断的性能，并与传统镜检和嵌套多重疟疾PCR进行比较	首次在非流行区参考实验室中评估了集成深度学习模型的自动化显微镜miLab™，实现了无需专家镜检师的快速疟疾诊断	物种鉴定和寄生虫定量方面仍需改进，与NM-PCR相比灵敏度较低（62.8%）	评估自动化显微镜miLab™在非流行区疟疾诊断中的性能	疟疾患者血液样本中的疟原虫	数字病理学	疟疾	数字显微镜，嵌套多重疟疾PCR	深度学习模型	血液涂片图像	400份样本（2021-2024年前瞻性收集）	NA	NA	一致性，kappa系数，灵敏度，特异性，相关系数	NA
26	2026-01-07	Patch-Based convolutional neural networks for multiple microstructural features detection in FIB-SEM micrographs of irradiated nuclear fuel 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23606-7 PMID:41491694	研究论文	本研究提出了一种基于卷积神经网络（CNN）的框架，用于在有限标注数据下自动识别辐照核燃料FIB-SEM显微图像中的多种微观结构特征	首次整合了Segment Anything Model（SAM）与基于补丁的CNN模型，用于辐照核材料的语义分割，并展示了在有限标注数据下实现高效微观结构识别的潜力	依赖有限的标注数据，且主要针对辐照U-10Zr金属燃料，在其他核材料或更广泛数据集上的适用性有待验证	自动化识别辐照核材料FIB-SEM显微图像中的微观结构特征，以克服传统EDS数据收集耗时、微观结构区分困难及图像对齐问题	辐照U-10Zr（wt%）金属燃料的FIB-SEM显微图像及对应的EDS图谱	计算机视觉	NA	聚焦离子束扫描电子显微镜（FIB-SEM）层析成像，能量色散光谱（EDS）	CNN	图像	NA	NA	Patch-based U-Net, Attention U-Net, Residual U-Net	分割性能与一致性	NA
27	2026-01-07	A hierarchical deep learning framework with doubly regularized loss for robust malware detection and family categorization 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31444-w PMID:41491703	研究论文	本文提出了一种用于便携式可执行（PE）恶意软件检测和家族分类的分层深度学习框架，采用了一种新颖的双重正则化二元交叉熵（DRBCE）损失函数	提出了一种结合加权交叉熵和谱正则化的DRBCE损失函数，通过严格的数学公式证明其能稳定训练动态并缓解类别不平衡问题，并采用概率框架建模阶段间错误传播	未明确说明框架在实时检测或资源受限环境下的适用性，且可能依赖于特定数据集	开发一个准确、数学基础扎实且可解释的恶意软件检测和家族分类框架	便携式可执行（PE）文件，包括良性文件和恶意软件家族	机器学习	NA	深度学习	分层深度学习框架	软件文件数据	大规模数据集（BODMAS、SOMLAP和CLaMP）	KerasTuner	NA	加权准确率	NA
28	2026-01-07	Automatic recognition and measurement of anatomical structures associated with the elevation of the maxillary sinus floor by deep learning on cone-beam computed tomographic scans 2026-Jan-05, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07609-4 PMID:41491712	研究论文	本研究开发了一种基于深度学习的模型，用于在锥形束计算机断层扫描图像中自动识别上颌窦、后上牙槽动脉和牙槽嵴，并测量与上颌后牙种植手术相关的解剖参数	采用增强的YOLOv11架构进行解剖结构分割，实现了对上颌窦提升关键结构的可靠自主识别，并基于分割结果自动测量临床参数，为智能术前设计提供了新方法	研究仅基于2400张CBCT切片，样本来源和多样性可能有限；模型在特定解剖参数（如A5）的预测误差较大	开发深度学习模型以实现上颌窦提升手术的智能术前设计和评估	上颌后牙缺失患者的CBCT扫描图像	计算机视觉	口腔疾病	锥形束计算机断层扫描	CNN	图像	2400张CBCT切片	NA	YOLOv11	交并比, 平均精度, 平均召回率, 欧几里得距离	NA
29	2026-01-07	Osteoarthritis Severity Classification in Knee X-Rays Using Optimized Deep Learning Approaches 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01818-7 PMID:41491733	研究论文	本研究提出了一种基于深度学习的系统，利用膝关节X射线图像对骨关节炎的严重程度进行分类	使用灰狼优化算法自动优化全连接层的超参数，以提高模型在区分骨关节炎等级时的学习效率和准确性	数据集仅来自单一医院，样本量相对较小（每类200张图像，共1000张），可能影响模型的泛化能力	开发一个准确分类骨关节炎严重程度的系统，以辅助早期诊断和治疗决策	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	1000张膝关节X射线图像（每类200张，共5类）	NA	EfficientNetB1, DenseNet169, Xception	准确率, 精确率, 召回率, F1分数, ROC曲线	NA
30	2026-01-07	MMCT-Net: a Multi-Modal Hybrid CNN-Transformer Fusion Network for Preoperative Prediction of Malignant Invasion in Pulmonary Ground-Glass Nodules 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01795-x PMID:41491731	研究论文	提出一种多模态混合CNN-Transformer融合网络，用于术前预测肺磨玻璃结节中的恶性浸润	开发了MMCT-Net模型，结合局部到全局的上下文信息与2D到3D空间表示，并自适应融合深度学习特征、临床参数和影像组学特征	研究为多中心回顾性设计，可能存在选择偏倚；样本量相对有限（421例患者）	提高肺磨玻璃结节中浸润性腺癌的术前预测准确性，降低手术不匹配率	接受磨玻璃结节手术的421例患者的薄层CT扫描和临床病理数据	计算机视觉	肺癌	薄层计算机断层扫描	CNN, Transformer	图像, 临床数据	421例患者	NA	MMCT-Net（多模态混合CNN-Transformer融合网络）	AUC	NA
31	2026-01-07	TET Loss: A Temperature-Entropy Calibrated Transfer Loss for Reliable Medical Image Classification 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01816-9 PMID:41491738	研究论文	本文提出了一种用于医学图像分类的温度-熵校准迁移损失函数（TET Loss），旨在提高模型的可靠性和泛化能力	提出了一种即插即用的损失函数，结合温度缩放调节逻辑值锐度和熵正则化促进不确定性感知学习，无需增加推理时间开销	仅在四个公开基准数据集上进行了验证，未在更大规模或更多样化的临床数据集上进行测试	提高医学图像分类模型的预测可靠性和领域适应性，减少过自信预测和领域不匹配问题	医学图像分类模型	计算机视觉	乳腺癌, 皮肤病, 肺炎, 视网膜疾病	NA	CNN, Transformer, 混合骨干网络	图像	四个公开基准数据集（BreastMNIST, DermaMNIST, PneumoniaMNIST, RetinaMNIST）	NA	EfficientViT-M2, BiFormer-Tiny, RMT-T3	F1分数, AUC	NA
32	2026-01-07	From Liver to Brain: A 2.5D Deep Learning Model for Predicting Hepatic Encephalopathy Using Opportunistic Non-contrast CT in Hepatitis B Related Acute-on-Chronic Liver Failure Patients 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01802-1 PMID:41491737	研究论文	本研究开发了一种基于2.5D深度学习的框架，利用非对比CT扫描预测乙型肝炎相关慢加急性肝衰竭患者的肝性脑病风险	首次提出利用常规非对比CT扫描结合2.5D深度学习和多示例学习方法，从肝脏影像中预测肝性脑病风险，为无创个体化风险评估提供了新方法	回顾性研究设计，样本量相对有限（228例），仅针对乙型肝炎相关慢加急性肝衰竭患者，未在其他病因肝病患者中验证	开发早期预测肝性脑病的深度学习模型，实现个体化风险评估	乙型肝炎相关慢加急性肝衰竭患者	数字病理学	肝性脑病	非对比CT扫描	深度学习	医学影像	228例患者（训练集102例，内部验证集44例，外部测试集82例）	PyTorch, Scikit-learn	DenseNet121, DenseNet201, ResNet50, InceptionV3	AUC	NA
33	2026-01-07	Imaging-Based Artificial Intelligence in Vascular and Interventional Radiology: A Narrative Review 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01803-0 PMID:41491740	综述	本文是一篇关于影像学人工智能在血管与介入放射学中应用的叙事性综述	系统性地回顾了人工智能在血管介入放射学（VIR）术前、术中和术后各阶段基于不同影像模态的应用，并强调了其在解剖结构分割、病变检测和预后预测方面的卓越性能	数据集规模较小、存在潜在偏倚以及模型可解释性问题	探讨人工智能在血管介入放射学领域的应用现状与潜力	血管介入放射学（VIR）中基于影像的AI应用研究	数字病理学	心血管疾病	影像学模态（CT, MRI, 荧光透视/DSA, 超声, X射线, 多模态）	深度学习模型, 机器学习	影像	NA	NA	NA	Dice相似系数, 准确率, AUC	NA
34	2026-01-07	Deep learning and superoscillatory speckles empowered multimode fiber probe for in situ nano-displacement detection and micro-imaging 2026-Jan-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67942-8 PMID:41491775	研究论文	提出了一种基于深度学习和超振荡散斑的多模光纤探针，用于实现原位纳米位移检测与显微成像	利用深度学习从超振荡散斑中高效提取精细特征信息，实现了单端检测、10纳米分辨率及99.95%的准确率，并建立了位移与光纤高阶模比例的物理模型	未明确说明系统在极端环境（如高温、强电磁干扰）下的稳定性，也未提及长期重复使用的精度衰减问题	开发一种适用于复杂设备内部的原位、非接触式纳米位移测量与显微成像方法	不同结构的微纳尺度目标（如半导体器件、生物样本）	计算机视觉	NA	超振荡散斑成像、多模光纤传感	深度学习模型	图像（散斑图案）	未明确说明具体样本数量，但涉及不同金属材料和结构的目标	未明确说明	未明确说明	分辨率（10 nm）、准确率（99.95%）、压缩比（<0.1%）	未明确说明
35	2026-01-07	Evaluating the Impact of Annotation Expertise on AI-Based Ultrasound Segmentation: A Case Study on Left Atrial Appendage 2026-Jan-05, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00816-8 PMID:41491880	研究论文	本研究评估了标注者专业知识对基于AI的超声图像分割性能的影响，以左心耳分割为例	通过比较专家和新手标注的数据集，并引入合成误差（系统性和非系统性），量化了标注专业知识对AI分割模型性能的具体影响	研究仅聚焦于左心耳超声图像分割，结果可能无法直接推广到其他解剖结构或成像模态	探究用户专业知识对医学图像标注准确性及AI分割模型最终性能的影响	超声图像中的左心耳（LAA）	医学图像分割	心血管疾病	超声成像	深度学习	图像	两个数据集（分别由专家和新手标注），并生成了合成变体	nnU-Net	U-Net	Dice系数	NA
36	2026-01-07	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Jan-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	本文介绍了一种名为GaitDynamics的生成式基础模型，用于分析人类行走和跑步的动力学，包括运动和力	开发了一个基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入和输出，能处理缺失数据并应用于多种临床场景	未明确提及模型在极端或病理步态下的泛化能力，以及计算资源需求的具体细节	通过深度学习模型分析人类步态动力学，以促进人类移动性，替代昂贵的实验室实验和物理模拟	人类行走和跑步的步态模式，包括运动学和动力学数据	机器学习	NA	深度学习	生成式基础模型	运动学和动力学数据（如地面反作用力）	大规模多样化步态数据集（具体数量未在摘要中说明）	NA	NA	高准确性（具体指标如精度、召回率未在摘要中说明）	NA
37	2026-01-07	Optimized CNN framework with VGG19, EfficientNet, and Bayesian optimization for early colon cancer detection 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34262-2 PMID:41492074	研究论文	本研究提出了一种结合VGG19、EfficientNet和贝叶斯优化的CNN框架，用于通过组织病理学图像分析实现结肠癌的早期自动检测	将卷积神经网络与贝叶斯优化相结合以高效微调超参数，并整合了有效的数据增强和染色归一化技术，从而提升了分类精度并减少了过拟合	框架在数据集内部表现出色，但在临床部署前，需要在独立的多机构队列上进行外部验证	开发一种可靠的早期结肠癌自动检测方法，以辅助病理学家的临床决策	结肠组织病理学图像	计算机视觉	结肠癌	组织病理学图像分析	CNN	图像	来自Kaggle和Kaggle癌症数据门户的公开数据集，包含九种组织类型	NA	VGG19, EfficientNet	准确率, 精确率, 召回率, F1分数, AUC	NA
38	2026-01-07	Ensemble deep learning approach for traffic video analytics in edge computing 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25628-7 PMID:41484116	研究论文	本文提出了一种用于边缘计算中交通视频分析的集成深度学习方法，通过结合Tiny YOLO和YOLOR的混合模型进行车辆检测与分类，并利用ELITVA框架中的F-RNN进行交通流决策控制	提出了一种在边缘层结合Tiny YOLO和YOLOR的混合模型，并引入ELITVA框架中的F-RNN进行交通流决策，实现了高处理速率与准确性的平衡	实验仅基于无人机在道路信号处采集的数据集，未说明在其他交通场景或天气条件下的泛化能力	开发一种高效的边缘计算交通视频分析系统，用于实时车辆检测、分类和交通流量控制	交通监控视频中的车辆	计算机视觉	NA	视频分析	CNN, RNN	视频	无人机在道路信号处采集的数据集（具体数量未说明）	NA	Tiny YOLO, YOLOR, F-RNN	精确率, 准确率, 召回率, F1分数, 帧率	边缘计算平台（具体硬件未说明）
39	2026-01-07	Exploring the impact of urban vitality on carbon emission mechanisms using multi-source data 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29624-9 PMID:41484152	研究论文	本研究构建了六维城市活力理论框架，利用多源数据和方法分析了烟台中心区城市活力的分布特征及其对碳排放的影响机制	创新性地整合了三维空间和文化感知视角，解决了以往研究从单一视角代表城市活力的偏差，提供了更全面的城市活力评估框架和方法	NA	探索城市活力对碳排放机制的影响，为构建低碳、高活力和可持续的城市环境提供建议	烟台中心区的城市活力与碳排放	机器学习	NA	多源数据	深度学习模型	空间数据、感知数据	NA	NA	NA	NA	NA
40	2026-01-07	Contactless biometric verification from in-air signatures using deep siamese networks 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29100-4 PMID:41484193	研究论文	本研究开发了一种基于深度孪生网络的非接触式生物特征验证系统，利用空中签名数据进行身份认证	采用基于双向LSTM和对比损失的孪生神经网络架构，学习签名验证的判别性嵌入空间，并引入更严格的留两样本交叉验证协议来评估泛化能力	研究样本量较小（仅25名参与者），训练数据有限，可能影响模型的泛化性能和实际应用范围	探索空中签名作为一种非接触式生物特征在身份验证中的可行性和有效性	25名参与者的空中签名数据，包括200个正负签名对	机器学习	NA	指尖跟踪或深度感知	孪生神经网络	三维空间中的签名手势数据	25名参与者，200个签名对	NA	基于双向LSTM的孪生神经网络	准确率, F1分数, 召回率	NA