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
2961	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
2962	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
2963	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
2964	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
2965	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
2966	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
2967	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
2968	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
2969	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
2970	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
2971	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
2972	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
2973	2025-12-20	Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned 2026-Jan-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004758 PMID:40631753	研究论文	本研究评估了基于永久病理切片训练的深度学习模型在莫氏手术冷冻切片中分类鳞状细胞癌的表现，以识别模型缺陷并指导再训练	首次将基于永久病理训练的模型应用于冷冻切片分类，并通过定性分析模型弱点来指导模型优化	模型在冷冻切片中肿瘤稀少区域的兴趣区域识别不准确，可能误判正常组织或非肿瘤结构	评估深度学习模型在莫氏手术冷冻切片中分类鳞状细胞癌的适用性，并识别模型缺陷以改进训练策略	皮肤活检切片和莫氏手术冷冻切片	数字病理	鳞状细胞癌	H&E染色病理切片分析	深度学习模型	病理图像	746张皮肤活检切片用于训练，15张莫氏手术冷冻切片用于测试	NA	NA	AUC-ROC	NA
2974	2025-07-21	A Review of Metadata and Deep Learning Strategies for Skin Lesion Classification 2026-Jan, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2025.06.1593 PMID:40683340	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2975	2025-12-20	Integrating multi-polygenic scores for enhanced prediction of antidepressant treatment outcomes in an East Asian population 2026-Jan, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-025-02269-y PMID:41152404	研究论文	本研究探讨了多基因风险评分在预测东亚人群选择性5-羟色胺再摄取抑制剂抗抑郁治疗结局中的应用价值	首次在东亚人群中整合多基因风险评分以预测抗抑郁治疗结局，填补了该地区药物基因组学研究的空白	样本量相对较小，且仅针对东亚人群，未来需要更大规模、更多样化的队列进行验证	提高抗抑郁治疗结局的预测准确性，推动个体化治疗策略的发展	接受SSRI治疗的台湾地区抑郁症患者	生物信息学	抑郁症	全基因组关联研究，多基因风险评分计算	广义线性混合模型，机器学习算法，深度学习算法	基因组数据，临床数据，人口统计学数据	两个台湾队列共422名患者（VGHTP队列177人，NHRI队列245人）	PRS-CS, PRS-CSx, glmmLasso	NA	AUC	NA
2976	2025-12-20	Graduate Student Literature Review: A review on near-infrared spectroscopy for rapid detection of hazardous substances in milk and dairy products 2026-Jan, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27462 PMID:41130398	综述	本文综述了近红外光谱技术在牛奶及乳制品中危险物质快速检测中的应用	系统总结了近红外光谱在乳制品安全检测中的原理、方法及最新研究进展，并指出了未来与深度学习、人工智能等前沿技术融合的方向	近红外光谱检测仍面临光学机制不明确、痕量分析灵敏度不足、复杂基质干扰强以及模型鲁棒性和泛化性欠佳等挑战	评估近红外光谱技术用于牛奶及乳制品中危险物质快速检测的可行性与发展前景	牛奶及乳制品中的危险物质，包括兽药残留、掺假物和食源性病原体	光谱分析	NA	近红外光谱	NA	光谱数据	NA	NA	NA	NA	NA
2977	2025-12-19	SynSeg: A synthetic data-driven approach for robust subcellular structure segmentation 2026-Mar-02, The Journal of cell biology IF:7.4Q1 DOI:10.1083/jcb.202506096 PMID:41410685	研究论文	本文提出了一种名为SynSeg的合成数据驱动方法，用于鲁棒地分割亚细胞结构，无需人工标注	开发了基于合成训练数据的U-Net模型分割流程，通过生成具有多样强度、形态和信号分布的合成数据集来替代耗时且可能存在偏差的人工标注	未明确说明合成数据与真实数据之间的域适应挑战或模型在未见过的细胞类型上的泛化能力限制	开发一种无需人工标注的鲁棒亚细胞结构分割方法，以促进定量细胞生物学研究	细胞和活体秀丽隐杆线虫中的囊泡、细胞骨架细丝以及疾病相关的微管形态	数字病理学	神经退行性疾病	合成数据生成	CNN	图像	NA	NA	U-Net	NA	NA
2978	2025-12-19	Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review 2026-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70048 PMID:40682357	综述	本文是一篇叙述性综述，探讨了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用	聚焦于AI在MRI影像中用于指导HCC个体化治疗策略的应用，特别是治疗前预测治疗反应和预后的AI工具	模型泛化性、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合	探讨人工智能在肝细胞癌个体化治疗策略中的应用，以支持精准临床决策	肝细胞癌患者	数字病理学	肝细胞癌	磁共振成像	NA	影像	NA	NA	NA	NA	NA
2979	2025-12-19	Improving genomic selection accuracy using a dual-path convolutional neural network framework: a terpenoid case study 2026-Jan, The New phytologist DOI:10.1111/nph.70727 PMID:41229065	研究论文	本研究通过整合全基因组重测序数据和代谢物定量分析，开发了一种基于双路径卷积神经网络的基因组选择模型，用于提高山鸡椒中萜类化合物合成的预测精度	提出了PKDP深度学习模型，该模型通过并行路径分别提取GWAS识别位点和全基因组标记的特征，并将先验知识与广泛基因组信息融合，从而显著提升基因组选择的预测能力	NA	揭示山鸡椒萜类生物合成的遗传基础，并开发基于深度学习的基因组选择策略以促进高效的遗传改良	山鸡椒（Litsea cubeba）的945个种质资源及其中的310个样本的萜类化合物	机器学习	NA	全基因组重测序, GC-MS定量分析	CNN	基因组数据, 代谢物定量数据	945个种质资源进行全基因组重测序，310个样本进行GC-MS萜类定量	NA	双路径卷积神经网络（PKDP）	预测能力提升百分比（与传统rrBLUP相比）	NA
2980	2025-12-19	Artificial intelligence in sport psychology: Implications for the identification and development of talent 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102977 PMID:41326137	综述	本文探讨了人工智能（特别是机器学习）在运动心理学领域，尤其是在人才识别与发展方面的应用、挑战与未来方向	系统性地将人工智能范式引入运动心理学领域，并特别强调了解决数据挑战、促进人机交互以及整合心理建构的未来方向	面临数据可用性、质量、所有权和标注困难等重大障碍，纵向研究存在数据缺失和数据集不平衡问题，可能导致模型存在偏见和泛化能力差，心理和主观因素（如教练判断、运动员态度）在现有技术中代表性不足	探讨人工智能在运动心理学，特别是人才识别与发展领域的应用、挑战与未来发展方向	运动心理学领域，特别是运动员人才识别与发展过程	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA