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
1741	2025-12-24	NPC-SurvAI: A fully automated deep learning framework for prognostic prediction and risk stratification in patients with nasopharyngeal carcinoma 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111223 PMID:41429722	研究论文	本研究提出了一个名为NPC-SurvAI的端到端深度学习框架，用于基于MRI对鼻咽癌患者进行预后预测和风险分层	开发了一个结合AttVNet进行图像分割和DenseNet-ICAM进行预后评估的完全自动化深度学习框架，并整合了临床和影像特征以提升预测性能	这是一项回顾性研究，需要前瞻性验证以确认其临床适用性	利用深度学习对鼻咽癌患者进行预后评估和风险分层，以辅助临床治疗决策	鼻咽癌患者	数字病理	鼻咽癌	MRI	CNN	图像	2180名接受基线MRI检查的鼻咽癌患者	NA	AttVNet, DenseNet-ICAM	Dice相似系数, 综合曲线下面积, 时间依赖性AUC	NA
1742	2025-12-24	Interpreting the Effect of Generative Adversarial Network Application on Deep Learning Model Performance for Chlorophyll-a Concentration Prediction in a Stream Using Explainable Artificial Intelligence 2026-Jan, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70247 PMID:41431361	研究论文	本研究评估了使用时间序列生成对抗网络（GAN）生成合成数据对长短期记忆（LSTM）网络在预测溪流中叶绿素-a浓度性能的影响	应用时间序列GAN生成合成数据，并结合可解释人工智能（XAI）技术（如Shapley值分析）定量评估GAN生成数据对模型内部推理过程的影响	GAN生成数据对模型性能的整体提升效果有限，且在较长序列长度（15和18）下可能导致性能下降	评估生成对抗网络在改善藻华预测模型性能方面的潜力	溪流中叶绿素-a浓度的预测	机器学习	NA	时间序列生成对抗网络（GAN），长短期记忆（LSTM）网络，可解释人工智能（XAI）	GAN, LSTM	时间序列数据	NA	NA	时间序列GAN, LSTM	纳什-萨特克利夫效率系数（NSE）	NA
1743	2025-12-24	Comparative Study of Machine Learning Methods for Modeling Graphene-Based Adsorption in Water Treatment 2026-Jan, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70252 PMID:41431394	研究论文	本研究比较了多项式回归、支持向量机和人工深度神经网络在小型数据集上预测石墨烯基材料吸附水污染物效率的性能	针对小型数据集（20-30个样本）优化机器学习方法，比较了多项式回归、支持向量机和深度神经网络在吸附研究中的灵活性和性能	研究基于相对较小的数据集（20-30个样本），可能限制模型的泛化能力；未探讨其他机器学习方法或更大数据集的影响	评估和比较不同机器学习方法在预测水污染物去除效率方面的性能，为吸附系统优化提供建模建议	石墨烯相关纳米材料吸附水污染物的效率	机器学习	NA	NA	多项式回归, 支持向量机, 人工深度神经网络	数值数据	四个已发布数据集，每个数据集包含20-30个样本	TensorFlow	NA	交叉验证可靠性, 性能, 容忍度	NA
1744	2025-12-23	From wastewater to epidemiological insights: A systematic review of modeling strategies for infectious disease surveillance 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124977 PMID:41260128	综述	本文系统综述了利用废水监测数据进行传染病指标估计与预测的现有建模策略	提供了基于废水监测数据的建模方法的全面分类与批判性评估，强调了跨流行病学和地理背景的模型可迁移性这一关键问题	模型本身存在局限，废水数据存在固有问题，分析流程中临床结果与解释变量的选择、时间对齐、数据预处理、性能评估及结果可解释性等方面存在挑战	支持开发一个稳健且可推广的利用废水数据进行流行病学监测的系统	废水监测数据及其在传染病指标估计与预测中的应用	机器学习	传染病	废水监测	区室模型, 回归模型, 机器学习, 深度学习	废水数据	NA	NA	NA	NA	NA
1745	2025-12-23	Feasibility of Dose Reduction in the Context of Preoperative Diagnostics in Cochlear Implant Surgery With a Photon-Counting Detector CT and Deep Learning-Supported Denoising 2026-Jan-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000004647 PMID:41151028	研究论文	本研究探讨了光子计数探测器CT结合深度学习去噪在降低人工耳蜗植入术前诊断辐射剂量方面的可行性	首次将光子计数探测器CT与深度学习去噪算法结合，评估在人工耳蜗植入规划中实现显著辐射剂量降低的可能性	研究样本量较小（仅4具遗体捐赠者），且深度学习去噪在低于50%剂量水平时效果有限	评估在人工耳蜗植入手术规划中，通过光子计数探测器CT和深度学习去噪降低辐射剂量的可行性	人工耳蜗解剖结构，特别是耳蜗导管长度测量	数字病理学	听力障碍	光子计数探测器CT扫描，深度学习去噪	深度学习算法	CT图像	4具无内耳畸形的遗体捐赠者	NA	ClariAce	Bland-Altman图，耳蜗导管长度测量准确性	NA
1746	2025-12-23	Computer Vision-based Extraction of Structured Data From Scanned Audiograms in the Electronic Health Record 2026-Jan-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000004679 PMID:41191411	研究论文	开发并评估了一种基于计算机视觉的方法，用于从电子健康记录中存储的扫描听力图测试表中提取结构化听力阈值数据	提出了一种不依赖深度学习或手动预处理的轮廓分析计算机视觉流程，用于从扫描听力图中自动提取纯音阈值数据，为大规模听力研究提供了可扩展的解决方案	研究仅基于907份手填听力图测试表，且测试集规模较小（30份听力图），可能限制了方法的泛化能力评估	开发一种计算机视觉方法，以从电子健康记录中的扫描听力图测试表中自动提取结构化听力阈值数据	907份手填听力图测试表，涵盖正常听力、双侧感音神经性、不对称感音神经性、传导性和混合性听力损失配置	计算机视觉	听力损失	轮廓分析、光学字符识别	NA	图像	907份手填听力图测试表（训练集877份，测试集30份）	OpenCV	NA	平均绝对误差, 准确率	NA
1747	2025-12-23	Sequential and ensemble hybrid approaches for left ventricle segmentation in cardiac MR: A systematic mapping 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111337 PMID:41317598	综述	本文系统回顾了心脏磁共振图像中左心室分割的混合方法，提出了一种新的分类体系	提出将混合方法分为顺序型和集成型的新分类，并分析了不同组合的优势与挑战	当前评估方法存在不足，缺乏充分的评估指标、泛化性分析和统计显著性检验	系统回顾和分类心脏磁共振图像中左心室分割的混合方法，以改善现有方法的局限性	心脏磁共振图像中的左心室分割	医学图像分析	心血管疾病	心脏磁共振成像	深度学习网络	图像	NA	NA	NA	NA	NA
1748	2025-12-23	AI-driven transfer learning and classical molecular dynamics for strategic therapeutic repurposing and rational design of antiviral peptides targeting monkeypox virus DNA polymerase 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111372 PMID:41360016	研究论文	本研究结合AI驱动的迁移学习与经典分子动力学，筛选FDA批准药物并设计新型抗病毒多肽，以靶向猴痘病毒DNA聚合酶进行药物重定位和理性设计	开发了集成深度学习药效团模型与自动化多肽生成AI流程的新方法，首次将活性位点残基与知识引导的氨基酸选择相结合用于抗病毒多肽设计	CFC多肽的ADMET预测显示其渗透性和口服生物利用度存在局限性，且研究尚未进行体外或体内实验验证	快速识别针对猴痘病毒DNA聚合酶的新型抗病毒治疗药物和设计抗病毒多肽	猴痘病毒DNA聚合酶	计算生物学	猴痘病毒感染	深度学习药效团模型、分子动力学模拟、MMGBSA分析、ADMET预测	深度学习药效团模型、AI多肽生成流程	分子结构数据、蛋白质序列数据	1974种FDA批准药物库	NA	NA	结合亲和力(kcal/mol)、结合能(kcal/mol)、分子动力学稳定性	NA
1749	2025-12-23	Unraveling blood pressure estimation with a deep learning approach using multiple embeddings 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111377 PMID:41365110	研究论文	本文提出了一种无需校准的深度学习框架，利用脉搏波传导时间及相似性特征，通过注意力引导的卷积神经网络进行血压估计	引入了基于欧几里得和曼哈顿距离矩阵的相似性特征，以增强模式识别并揭示数据中的隐藏模式，结合注意力引导的卷积神经网络进行处理	NA	开发一种无需校准、具有强泛化能力和实时兼容性的血压估计方法	血压（收缩压和舒张压）	机器学习	心血管疾病	脉搏波传导时间计算	CNN	生理信号数据（心电图、光电容积脉搏波）	三个数据集：Cabrini Hospital, PTT PPG, MIMIC-II	NA	注意力引导的卷积神经网络	相关系数R, 平均绝对误差, 符合医疗器械促进协会标准, 英国高血压学会等级	NA
1750	2025-12-23	A novel ensemble transfer learning approach for lung cancer classification using advance VGGNet16 with wavelet transform equalization & CL-PSO 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111338 PMID:41370952	研究论文	本文提出了一种基于改进VGG-16模型和综合学习粒子群优化的集成迁移学习方法，用于肺癌CT图像的早期分类诊断	提出结合小波变换均衡化预处理、类别加权训练和CL-PSO优化的VGG-16集成迁移学习框架，显著提升了对良性病例的检测灵敏度	研究仅使用单一公开数据集（IQ-OTH/NCCD）进行验证，未在更多临床数据集上进行外部验证	开发高精度、易部署的肺癌早期诊断深度学习模型	肺癌CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, 集成学习	医学图像	IQ-OTH/NCCD数据集	TensorFlow/Keras	VGG-16	准确率, 精确率, 召回率, F1分数, AUC-ROC	未明确指定
1751	2025-12-23	Multi-class cancer diagnosis on histopathological images with deep ensemble learning model 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111381 PMID:41370953	研究论文	本研究提出了一种基于深度集成学习的计算机辅助癌症诊断方法，用于在组织病理学图像上检测多种癌症类型	采用基于堆叠的集成学习模型，结合迁移学习，使用DenseNet 201和EfficientNet B7作为基础学习器，以及两层CNN架构作为元学习器，实现多类癌症诊断	未明确提及模型在不同癌症类型间的泛化能力限制或数据不平衡问题	开发计算机辅助癌症诊断方法，以帮助医疗专业人员进行诊断决策	组织病理学图像中的肺癌、结肠癌、口腔癌和乳腺癌	数字病理学	肺癌, 结肠癌, 口腔癌, 乳腺癌	图像处理, 深度学习	CNN, 集成学习	图像	大型数据集，包含肺癌、结肠癌、口腔癌和乳腺癌数据，具体样本数量未明确	NA	DenseNet 201, EfficientNet B7, 两层CNN	准确率	NA
1752	2025-12-22	Identification of essential tremor and dystonic tremor using Graph Convolutional Networks with multiple connectivity patterns 2026-Jan, Parkinsonism & related disorders IF:3.1Q2 DOI:10.1016/j.parkreldis.2025.108104 PMID:41218287	研究论文	本研究利用多连接模式的图卷积网络（MCGCN）分析静息态功能磁共振成像数据，以识别原发性震颤和肌张力障碍性震颤的关键脑区	结合图卷积网络与多种连接模式，首次用于区分原发性震颤和肌张力障碍性震颤，并识别其神经病理机制中的关键脑区	样本量相对较小（共158名参与者），且仅基于静息态功能磁共振成像数据，可能未涵盖所有相关神经特征	探索原发性震颤和肌张力障碍性震颤的神经病理机制，并开发基于脑连接模式的分类方法	原发性震颤患者、肌张力障碍性震颤患者和健康对照者	机器学习	神经系统疾病	静息态功能磁共振成像	图卷积网络	功能连接矩阵	55名原发性震颤患者、51名肌张力障碍性震颤患者和52名健康对照者，共158名参与者	NA	图卷积网络	准确率	NA
1753	2025-12-22	Validation of fibroblast activation protein and α-smooth muscle actin as prognostic biomarkers in prostate cancer through AI-assisted image analysis of dual-marker IHC 2026-Jan, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70068 PMID:41410015	研究论文	本研究开发了一种基于人工智能的双标记免疫组化图像分析流程，用于验证成纤维细胞活化蛋白和α平滑肌肌动蛋白作为前列腺癌预后生物标志物的价值	开发了首个针对FAP和αSMA双标记免疫组化的AI辅助图像分析流程，实现了组织区室特异性的自动化生物标志物定量	研究基于组织微阵列样本，可能无法完全代表完整肿瘤异质性；部分预后关联仅在特定亚组（如MRI可见肿瘤）中观察到	验证FAP和αSMA作为前列腺癌预后生物标志物的临床价值，并开发标准化定量方法	前列腺癌组织样本	数字病理学	前列腺癌	双标记免疫组化	深度学习模型	高分辨率全切片数字图像	来自835名患者的4,097个组织微阵列核心	未明确说明	未明确说明	准确性	未明确说明
1754	2025-12-21	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	本研究评估了疑似卒中患者脑部MRI中运动伪影的患病率、相关因素及其对AI和放射科医生诊断准确性的影响	首次在疑似卒中患者队列中系统评估运动伪影对AI和放射科医生诊断准确性的影响，并识别了年龄和运动症状作为独立相关因素	回顾性单中心研究，可能存在选择偏倚；运动伪影仅由两名放射科住院医师评估，可能存在主观性	评估卒中MRI中运动伪影的患病率、相关因素及其对诊断准确性的影响	疑似卒中患者的脑部MRI扫描	医学影像分析	卒中	脑部MRI	深度学习工具	医学影像	775名患者（平均年龄68岁±16，420名女性）	NA	NA	诊断准确性	NA
1755	2025-12-21	Advances in IPMN imaging: deep learning-enhanced HASTE improves lesion assessment 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11857-x PMID:40691513	研究论文	本研究评估了深度学习加速的HASTE MRI序列在IPMN成像中的优势，包括图像质量、病灶检测和扫描时间	首次将深度学习加速的HASTE序列应用于IPMN成像评估，显著提升图像质量并减少扫描时间	样本量较小（59例患者），且为单中心回顾性研究	评估新型MRI技术对胰腺导管内乳头状黏液性肿瘤的成像效果	接受腹部MRI检查的IPMN患者	数字病理学	胰腺癌	MRI, 深度学习加速的HASTE序列	深度学习模型	医学影像	59例患者	NA	NA	图像质量评分, 病灶检测大小, 观察者间一致性	3-Tesla MRI扫描仪
1756	2025-12-21	Enhancing Captive Welfare Management with Deep Learning: Video-Based Detection of Gibbon Behaviors Using YOWOvG 2026 Jan-Mar, Journal of applied animal welfare science : JAAWS IF:1.4Q2 DOI:10.1080/10888705.2025.2542844 PMID:40760848	研究论文	本研究开发了一种名为YOWOvG的深度学习模型，用于基于视频自动检测圈养东部白眉长臂猿的行为，以提升动物福利管理	首次构建了该物种的人工标注时空行为数据集，并提出了一种集成SE注意力机制和GELAN的改进深度学习模型YOWOvG，用于增强特征提取和视频行为识别	行为类别有限，未包含刻板行为，且未整合音频线索	通过自动化、非侵入式的视频监测来提升救援中心对圈养野生动物的福利评估能力	圈养的东部白眉长臂猿	计算机视觉	NA	视频分析	深度学习	视频	69,919个标注帧，涵盖四种行为	NA	YOWOvG, SE attention mechanism, GELAN	Frame-mAP	NA
1757	2025-12-21	Multimodal deep learning model for predicting prognosis following radiotherapy-based combination therapy in unresectable hepatocellular carcinoma 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218122 PMID:41213465	研究论文	本研究开发了一种名为TRIM-uHCC的多模态深度学习模型，用于预测不可切除肝细胞癌患者在接受基于放疗的联合疗法后的预后	提出了首个基于Transformer的多模态风险分层集成模型（TRIM-uHCC），用于对不可切除肝细胞癌患者进行个体化预后分层，其预测性能显著优于现有指南分期系统和其他深度学习模型	研究为多中心回顾性研究，可能存在选择偏倚；模型需要在更大规模的前瞻性队列中进行外部验证	开发一个精准的预后预测模型，以指导不可切除肝细胞癌患者基于放疗的联合治疗决策	不可切除肝细胞癌患者	数字病理学	肝细胞癌	多模态深度学习	Transformer, CNN	多模态数据	875名来自6个机构的不可切除肝细胞癌患者（ES队列383名，ETS队列492名）	NA	Transformer, Swin-Transformer, ViT, ResNet50, ResNeXt50	C-index, 时间依赖性AUC	NA
1758	2025-12-20	A quantitative detection method for maize kernel broken rate based on the optimisation of the MSA transformer algorithm 2026-Jan-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117983 PMID:41412662	研究论文	本研究提出了一种基于机器视觉和深度学习算法的玉米籽粒破碎率定量检测模型	开发了一种改进的基于Transformer的深度学习模型MSA Transformer，通过集成多尺度特征融合和注意力机制，利用并行分支进行多粒度特征提取，并通过全局和局部注意力增强显著信息	NA	实现玉米籽粒破碎率的在线定量评估，为粮食质量检测提供理论依据	玉米籽粒	计算机视觉	NA	机器视觉	Transformer	图像	NA	NA	MSA Transformer	准确率, 精确率, 召回率, F1分数, 相关系数, 决定系数, 均方根误差	NA
1759	2025-12-20	Thermal imaging-guided detection of transparent plastic contaminants on chicken breast: A combined vision and simulation approach 2026-Jan-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117993 PMID:41412667	研究论文	本研究开发了一种结合热成像与机器学习的系统，用于检测鸡肉上的透明塑料污染物	首次将热成像与深度学习结合用于检测鸡肉上的低密度透明异物，并辅以集总热阻-电容模型和COMSOL仿真分析热行为	实验仅使用特定尺寸范围（0.2-8 cm）的塑料片，未涵盖所有可能的污染物形态	开发可靠的透明塑料污染物检测系统以提升禽肉加工中的食品安全	鸡肉胸肉上的透明塑料污染物	计算机视觉	NA	热成像	CNN	热成像图像	386张标注的热成像图像	NA	YOLOv8s	检测精度, 分割精度	NA
1760	2025-12-20	Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort 2026-Jan, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70029 PMID:40589103	研究论文	本研究评估了两种弱监督多示例学习方法，利用预训练特征提取器在瑞典多中心队列的儿童脑肿瘤WSI上进行分类	首次在瑞典多中心儿童脑肿瘤队列中应用基于注意力机制的多示例学习方法，并评估了三种预训练特征提取器的性能	研究仅基于瑞典六家医院的数据，未包含国际多中心验证，且样本量相对有限	评估先进的计算病理学方法在儿童脑肿瘤多层级分类中的性能与泛化能力	540名被诊断为脑肿瘤的儿童患者的苏木精-伊红染色全切片图像	数字病理学	脑肿瘤	数字病理学, 深度学习	多示例学习	图像	540名受试者（年龄8.5±4.9岁）的WSI，来自瑞典六家大学医院	NA	ResNet50, UNI, CONCH, ABMIL, CLAM	马修斯相关系数	NA