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
3141	2025-12-04	AI-driven aging digital twins: A roadmap for clinical translation in precision geriatrics 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102931 PMID:41192800	综述	本文综述了AI驱动的衰老数字孪生在精准老年医学中的临床转化路线图，探讨了其潜力与挑战	提出了基于AI和多源异构数据整合的衰老数字孪生技术，用于实时健康监测、预测分析和个性化干预	训练数据集中存在年龄分层偏差，老年人群数据质量差异可能限制模型泛化性，数据隐私、算法透明度和临床验证问题尚未解决	探讨AI驱动的衰老数字孪生在精准老年医学中的临床转化潜力	衰老及相关疾病（如神经退行性疾病、心血管疾病和癌症）	机器学习	老年疾病	深度学习	NA	多源异构数据	NA	NA	NA	NA	NA
3142	2025-12-04	Artificial intelligence for fall detection in older adults: A comprehensive survey of machine learning, deep learning approaches, and future directions 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102948 PMID:41265569	综述	本文全面综述了面向老年人的跌倒检测技术，重点关注机器学习与深度学习方法，并探讨了未来研究方向	整合了AI驱动系统的监管框架，跨工程、计算机科学和老年学等多个领域，并明确了跌倒检测与骨质疏松症、神经系统疾病等病症之间的联系	NA	综述老年人跌倒检测技术的最新进展，特别是应对数据稀缺的挑战，并推动稳健AI系统的临床转化与监管批准	老年人跌倒检测系统	机器学习和计算机视觉	老年疾病	NA	NA	传感器数据和视觉数据	NA	NA	NA	NA	NA
3143	2025-12-04	Magnetic resonance imaging analysis for Alzheimer's disease diagnosis using artificial intelligence: Methods, challenges, and opportunities 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102943 PMID:41265570	综述	本文综述了人工智能在利用磁共振成像诊断阿尔茨海默病领域的最新进展、挑战与机遇	系统性地总结了AI在MRI数据分析用于AD诊断中的最新方法、性能评估、临床应用潜力与局限性，并指明了未来研究方向	作为一篇综述文章，其局限性在于主要整合现有研究，而非提出新的原创方法或模型	为阿尔茨海默病的早期、准确诊断提供人工智能辅助的磁共振成像分析方法概述	用于阿尔茨海默病诊断的磁共振成像数据及基于此的人工智能模型	医学影像分析	阿尔茨海默病	磁共振成像	深度学习	磁共振图像	NA	NA	NA	NA	NA
3144	2025-12-04	Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions 2026-Jan, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109187 PMID:41092497	研究论文	本研究开发了可解释的机器学习和深度学习模型，用于预测苦味分子与TAS2R受体之间的相互作用	结合传统机器学习和深度学习方法，构建高性能且易于应用的模型，并通过协同集成增强模型的可解释性，促进对苦味化合物分子特性的全面理解	NA	预测苦味分子与TAS2R受体之间的相互作用，以辅助实验研究、药物设计及理解苦味受体功能	苦味分子与TAS2R（苦味受体）之间的相互作用	机器学习	NA	NA	机器学习,深度学习	实验验证数据	NA	NA	NA	NA	NA
3145	2025-12-03	Making AI accessible for forensic DNA profile analysis 2026-Feb, Forensic science international. Genetics DOI:10.1016/j.fsigen.2025.103345 PMID:40848662	研究论文	本研究探索使用案例工作中收集的数据和广泛采用的U-Net架构训练高性能模型，用于法医DNA分析中的等位基因自动识别	首次利用案例工作数据而非手动标注数据训练U-Net模型进行等位基因识别，实现了与人类分析师相当的性能，并公开了代码、模型权重和研究数据以促进社区发展	未明确说明数据、标注或模型架构中哪些方面对性能起关键作用，未来工作需进一步探索这些因素	开发一种易于访问且高性能的深度学习模型，用于自动化法医DNA分析中的等位基因识别	法医DNA分析中的电泳图（EPG）数据，包括案例数据和独立混合研究数据	计算机视觉	NA	DNA分析，电泳图（EPG）技术	CNN	图像（电泳图扫描点）	未明确指定具体样本数量，但包括案例数据和独立混合研究数据	未明确指定，但可能基于PyTorch或TensorFlow（因U-Net常用）	U-Net	F1分数	NA
3146	2025-12-03	A semi-supervised learning-based framework for quantifying litter fluxes in river systems 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124833 PMID:41161028	研究论文	本文提出了一种结合半监督学习和切片辅助超推理的框架，用于量化河流横截面漂浮垃圾通量	首次将半监督学习与SAHI方法结合用于河流漂浮垃圾通量量化，解决了监督学习依赖大量标注数据和小垃圾物品检测困难的问题	框架仍会严重低估垃圾通量（比人工测量低3-4倍），主要因透明垃圾和困在水葫芦中的物品漏检	开发一种更高效准确的河流漂浮垃圾通量量化方法，以支持污染评估	河流水面漂浮的宏观塑料垃圾（>5毫米）	计算机视觉	NA	半监督学习，切片辅助超推理	CNN	图像	来自荷兰、印度尼西亚和越南水道的图像数据，具体数量未明确说明	PyTorch	ResNet50, Faster R-CNN	F1分数	NA
3147	2025-12-03	Floc image-driven deep learning enhanced by temporal windows and transformers for carbon emission reduction in drinking water treatment plants 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124868 PMID:41202793	研究论文	本研究通过引入絮体形态特征提取、时间窗口选择和Transformer架构集成等策略，优化深度学习模型，用于饮用水处理厂的精确混凝剂投加，以实现碳减排	提出了创新的絮体形态特征提取方法、时间窗口选择策略以及Transformer架构的集成，显著提升了深度学习模型在短期数据下的性能	研究仅基于一个月的数据进行训练，虽然通过自更新机制确保长期适应性，但初始数据量有限可能影响模型的泛化能力	优化深度学习算法以实现饮用水处理厂中混凝剂的精确投加，从而提升水净化效率并减少碳排放	饮用水处理厂中的混凝剂投加过程	机器学习	NA	絮体图像分析	CNN, LSTM, GAN, Transformer	图像, 时间序列数据	一个月的数据	TensorFlow, PyTorch	Temporal Convolutional Network (TCN), Transformer	R, R²	NA
3148	2025-12-03	Will artificial intelligence solve the riddle of athlete development? A critical review of how AI is being used for athlete identification, selection, and development 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102978 PMID:41038088	综述	本文批判性地回顾了人工智能在运动员识别、选拔和发展领域的应用现状与挑战	系统梳理了人工智能在体育科学中应用于运动员发展的三个主要领域，并强调了创新与批判性评估的平衡方法	未明确提及具体研究限制，但暗示了该领域应用范围与效用尚不完全明确	探讨人工智能在运动员发展（包括识别、选拔和培养）中的使用范围、效用及相关挑战	体育科学研究中使用人工智能的文献	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
3149	2025-12-03	Machine Learning Approaches for Predicting RNA-RNA/DNA Interactions 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4670-0_14 PMID:41174207	综述	本章介绍用于预测RNA-RNA/DNA相互作用的机器学习方法，这对于理解非编码RNA功能至关重要	利用深度学习技术和来自高通量测序方法的大规模相互作用数据，开发出比传统基于能量方法更准确的预测工具	存在过拟合风险和需要第三方验证等挑战	预测RNA-RNA/DNA相互作用以理解非编码RNA功能	原核小RNA、一般RNA-RNA相互作用、miRNAs、box C/D snoRNAs、lncRNA-DNA三链体、CRISPR引导RNA设计	机器学习	NA	高通量测序	深度学习	相互作用数据	NA	NA	NA	准确性	NA
3150	2025-12-03	Deep learning-based hyperspectral oil spill detection for marine pollution monitoring in the Gulf of Mexico: A step toward marine pollution monitoring and SDG 14 compliance 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118908 PMID:41202730	研究论文	本研究应用高光谱遥感数据与深度学习技术，提高墨西哥湾石油泄漏检测的准确性和效率	结合高光谱影像的丰富光谱信息与深度学习分割模型，实现可靠的石油污染区域检测	数据稀缺和高维度问题通过主成分分析和标准化补丁输入处理，但未讨论模型泛化能力或实时检测限制	增强石油泄漏检测精度和效率，支持海洋污染监测和可持续发展目标14的合规性	墨西哥湾的石油泄漏污染区域	计算机视觉	NA	高光谱遥感	CNN	图像	使用公开可用的高光谱石油泄漏数据库（HOSD）	NA	U-Net, DeepLabv3	IoU, F1分数, 精确率, 召回率	NA
3151	2025-12-03	A deep learning-based method for marine oil spill detection and its application in UAV imagery 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118889 PMID:41166779	研究论文	本研究开发了一种基于YOLOv12的无人机图像海洋溢油检测框架，旨在提高溢油检测的准确性和边界划分的精度	提出了一种基于YOLOv12的无人机图像溢油检测框架，通过高分辨率输入、预训练权重初始化和余弦退火学习率调度策略，增强了污染特征表示能力	未明确提及模型在极端天气或夜间条件下的性能，也未讨论计算资源需求或实时处理速度的详细限制	开发高效智能的海洋溢油检测机制，以支持早期预警和快速响应，保护海洋生态系统和沿海经济安全	无人机图像中的海洋溢油区域	计算机视觉	NA	无人机遥感成像	CNN	图像, 视频	构建了一个包含多样溢油形态、不同海洋干扰条件和多尺度目标的遥感图像数据集	NA	YOLOv12	F1 Score, mAP@0.5, mAP@0.5-0.95, 精确率-召回率曲线	NA
3152	2025-12-01	Deep learning-based quantitative assessment of renal chronicity indices in lupus nephritis 2026-Feb, Annals of diagnostic pathology IF:1.5Q3 DOI:10.1016/j.anndiagpath.2025.152537 PMID:40876259	研究论文	开发基于深度学习的自动化评估狼疮性肾炎肾脏慢性指数的流程	首个从疾病特异性角度自动化评估肾脏慢性指数的深度学习流程，显著提高观察者间一致性并增强预后预测能力	两个队列存在轻微人口统计学差异，特别是年龄和血红蛋白水平	开发自动化评估狼疮性肾炎肾脏慢性指数的有效深度学习流程	狼疮性肾炎患者	数字病理学	狼疮性肾炎	深度学习	CNN	病理切片图像	141名患者的282张切片（训练队列30名患者60张切片，内部测试148张切片，外部测试74张切片）	NA	NA	分割性能，与病理学家相关性，观察者间一致性，预后准确性	NA
3153	2025-12-01	A 2D-digital spectral sensing method for rapid antibiotic detection in water 2026-Jan-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2025.123279 PMID:41202958	研究论文	提出一种结合二维数字光谱图像与深度学习技术的水体抗生素快速检测方法	开发新型光谱成像系统与组合化学探针，将样本信息转化为具有二维全息光谱特征的图像，并构建端到端的定量分析模型	NA	建立高效低成本的水体抗生素快速监测技术	水体中的抗生素污染物	计算机视觉	NA	光谱成像技术、组合化学探针	CNN	二维数字光谱图像	NA	NA	数字光谱卷积神经网络（DSCNN）	R值（0.85-0.93），检测限（1.94 mg/L）	NA
3154	2025-12-01	A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218134 PMID:41238099	研究论文	提出一种深度学习框架DOVER，用于在组织病理学全切片图像中识别具有预后相关性的癌症区域	首次开发能够精确定位全切片图像中预后相关区域的方法，通过从组织微阵列点中学习预后模式并映射到更大切片	需要进一步验证框架的泛化能力，目前仅在两种癌症类型中测试	解决肿瘤形态异质性带来的预后预测挑战，精确定位最具预后价值的肿瘤区域	非小细胞肺癌(NSCLC)和口咽鳞状细胞癌(OPSCC)患者的全切片图像	数字病理学	肺癌,头颈癌	全切片成像,组织微阵列,定量免疫荧光	深度学习	组织病理学图像,临床数据	2041名患者(NSCLC:1141例, OPSCC:900例)	NA	NA	c-index	NA
3155	2025-11-28	Novel contrastive representation learning of epileptic electroencephalogram for seizure detection 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10352-9 PMID:41306193	研究论文	提出了一种结合对比学习和周期动态检测的新型癫痫脑电图特征学习框架ContrLF，用于癫痫发作检测	首次将对比学习框架与Floss方法相结合，能够自动检测和学习脑电图信号中的主要周期性动态，更充分地捕捉癫痫发作的关键特征	NA	开发一种能够更好捕捉脑电图信号中周期性动态的癫痫发作自动检测方法	癫痫患者的头皮脑电图和颅内脑电图数据	机器学习	癫痫	脑电图信号处理	对比学习, SVM	脑电图时序信号	NA	NA	ContrLF框架（包含时间对比模块和上下文对比模块）	准确率, 敏感度, 特异性	NA
3156	2025-11-28	Scale-adjusted distance transform and its applications to segmentation of multimodal images 2026-Jan, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.11.003 PMID:41207402	研究论文	提出一种尺度调整距离变换方法，用于多模态图像中多尺度对象的精确分割	提出与传统距离变换概念不同的尺度调整距离变换，其值独立于对象尺度并在山脊处统一为'1'，具有平移、旋转和各向同性缩放不变性	未与现代深度学习方法进行广泛对比，主要验证了在特定生物医学图像上的应用	开发一种尺度不变的距离变换方法，解决多尺度对象的结构分析问题	二维和三维多模态图像中的结构对象，特别是生物医学图像中的细胞核和血管	计算机视觉	NA	距离变换，梯度流路径分析	模糊方法	二维显微图像，三维肺部CT图像	猪肺模型的三维CT数据和二维显微图像数据集	NA	NA	分割准确性	NA
3157	2025-11-26	A multimodal approach for cardiac signals classification using deep learning with explainable AI methods 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00402-1 PMID:41287804	研究论文	提出一种融合心电信号和心音信号的多模态深度学习框架，用于心脏病分类诊断	采用双分支CNN-BiLSTM-SE架构与跨模态注意力机制，结合可解释AI方法验证模型临床相关性	未明确说明模型在实时临床环境中的部署性能	开发准确、可解释的心脏病诊断决策支持系统	心电图和心音图信号	数字病理	心血管疾病	小波去噪,自适应滤波,标准化	CNN,BiLSTM	生理信号	总计4905名受试者（来自5个不同数据集）	未明确指定	双分支CNN-BiLSTM-SE,跨模态注意力机制	准确率,F1分数,AUC	NA
3158	2025-11-26	A deep learning approach to predicting hospitalized patients' SEIRD states using multimodal spatiotemporal data 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106157 PMID:41161262	研究论文	本研究开发了多模态深度学习模型，利用医院时空数据预测住院患者的SEIRD状态和医院获得性感染风险	提出了一种新颖的混合架构，先让专门组件独立学习时空数据的表示，然后通过联合微调阶段智能融合这些预训练表示	研究使用合成医院模拟数据集，未来需要在真实临床数据上进行验证	开发个体层面的医院获得性感染风险预测模型，为针对性干预提供支持	住院患者	机器学习	医院获得性感染	深度学习	LSTM, DCRNN, 图卷积网络	多模态时空数据	基于同行评审的合成医院模拟数据集，采用分层10折交叉验证	NA	异构图卷积长短期记忆网络, 扩散卷积循环神经网络, 混合模型	准确率, F1分数	NA
3159	2025-11-26	A multi-task deep learning framework for intraoperative diagnosis of thyroid cancer metastasis using whole slide images 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106176 PMID:41237514	研究论文	开发基于CLAM的多任务深度学习框架，用于甲状腺癌术中冰冻切片全玻片图像的转移诊断	首次将聚类约束注意力多实例学习应用于甲状腺癌术中诊断，实现淋巴结转移检测、T分期分类和解剖定位三项临床任务	T分期分类性能相对较低，样本量有限，需要进一步外部验证	提升甲状腺癌术中淋巴结转移诊断的准确性和可解释性	甲状腺乳头状癌患者的术中冰冻切片全玻片图像	数字病理	甲状腺癌	全玻片图像分析	CNN, 多实例学习	病理图像	来自两个独立中心的569例患者样本	PyTorch	ResNet50, CLAM	AUC	NA
3160	2025-11-26	Enhancing the prediction accuracy of pathological downstaging in locally advanced rectal cancer using deep learning models with preoperative MRI and clinicopathological data 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106142 PMID:41100929	研究论文	本研究开发并验证了基于术前T2加权MRI影像联合放射学和临床病理数据的深度学习模型，用于预测局部晚期直肠癌新辅助放化疗后的病理T分期降期	首次将T2加权MRI影像与放射学特征和临床病理数据相结合构建深度学习模型，显著提高了病理降期预测准确率	回顾性研究设计，样本量相对有限（总样本406例），需要进一步前瞻性验证	提高局部晚期直肠癌新辅助放化疗后病理T分期降期的预测准确性	局部晚期直肠癌患者	数字病理	直肠癌	磁共振成像，深度学习	深度学习模型	医学影像，临床数据	总样本406例（训练集223例，内部测试集95例，外部测试集88例）	NA	NA	AUC，ROC曲线分析	NA