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
361	2026-01-06	Enhancing malware detection and classification in network traffic using deep learning techniques 2026-Jan, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70189 PMID:41199431	研究论文	本研究利用深度学习技术提升网络流量中的恶意软件检测与分类性能	引入了多种先进深度学习技术，包括基于熵的流量过滤、自监督异常检测、图神经网络分类以及上下文感知图注意力网络，以应对复杂网络环境中的恶意软件威胁	未提及模型在跨平台恶意软件检测方面的具体局限性，未来需进一步研究实时自适应学习模型和混合架构	提高网络流量中恶意软件检测的准确性，降低误报率，并实现动态网络环境中的实时检测	网络流量数据	机器学习	NA	深度学习	GNN, GAT	网络流量数据	NA	Python	GNN-MTC, CA-GAT	准确率, 精确率, 召回率	NA
362	2026-01-06	On artificial crystal structure generation for solving the phase problem with deep learning 2026-Jan-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273325009428 PMID:41216780	研究论文	本文讨论并提出了生成人工晶体结构的方法，用于训练神经网络解决相位问题	提出了一种两步生成人工晶体结构的新方法，包括采样晶胞参数和填充原子，并利用数据库数据指导生成分子状片段	NA	解决晶体学中的相位问题	人工晶体结构	机器学习	NA	NA	神经网络	晶体结构数据	NA	NA	PhAI	NA	NA
363	2026-01-06	Beyond conventional images: AI-driven biotechnologies for oral cancer diagnosis - a systematic review 2026-Jan, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2025.116118 PMID:41344069	综述	本文对利用人工智能驱动的生物技术进行口腔癌早期诊断的研究进行了系统性综述	首次系统性综述了AI驱动的生物技术在口腔癌诊断中的应用，并将研究分为分子生物学、其他生物标志物、光谱分析和多光谱自体荧光寿命成像四类进行比较分析	纳入研究存在外部验证缺失、模型架构定义不清、数据集构成和处理不明确、样本量有限以及AI新架构探索不足等问题	评估人工智能驱动的生物技术在口腔癌早期诊断中的性能、潜力和当前挑战	口腔癌	数字病理学	口腔癌	分子生物学技术、光谱分析、多光谱自体荧光寿命成像	传统机器学习方法、深度学习	分子生物学数据、生物标志物数据、光谱数据、成像数据	共分析了42项研究	NA	NA	准确率	NA
364	2026-01-06	Deep Learning Radiomic Signature Predicts the Overall Survival of Patients with Lung Adenocarcinoma by Reflecting the Tumor Heterogeneity and Microenvironment 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.033 PMID:41073175	研究论文	本研究开发了一种基于深度学习的放射组学特征，用于预测肺腺癌患者的总体生存率，并探讨了该特征与肿瘤异质性和微环境的关系	利用ResNet50深度学习模型从CT图像中提取放射组学特征，结合多机构数据验证，首次将深度学习放射组学特征与肿瘤异质性和微环境进行关联分析	研究样本量相对有限（306例），且依赖于外部公共数据库进行验证，可能存在数据偏差	预测肺腺癌患者的总体生存率，并探索放射组学特征与肿瘤生物学特性之间的关联	肺腺癌患者	数字病理学	肺癌	CT成像，基因测序	CNN	医学影像（CT图像），基因表达数据	306例肺腺癌患者（来自三个机构），外加外部验证队列（来自The Cancer Imaging Archive）	PyTorch（推断自ResNet50的常用实现），pyradiomics	ResNet50	AUC（曲线下面积），时间依赖性ROC曲线，校准曲线，临床效用	NA
365	2026-01-06	Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.037 PMID:41087235	研究论文	本研究开发了一种融合临床数据、深度学习和放射组学的多模态模型（CRDL），用于预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应	提出了一种整合临床数据、深度学习和放射组学的多模态模型（CRDL），在预测免疫治疗反应方面优于单模态及预融合模型	研究为回顾性设计，样本量相对较小（228例患者），且数据来源于单一中心，可能限制模型的泛化能力	开发并验证一个多模态模型，以预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应	228名非小细胞肺癌患者，具有不同的PD-L1表达水平	数字病理学	肺癌	放射组学特征提取，深度学习特征提取	随机森林，支持向量机	临床数据，胸部CT图像	228名患者（训练队列159例，验证队列69例）	PyRadiomics	深度卷积神经网络	AUC	NA
366	2026-01-06	MRI-Based Deep Learning Algorithms vs. Radiologists for Lymph Node Metastasis in Colorectal Cancer: A Systematic Review and Meta-analysis 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.048 PMID:41107125	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了基于MRI的深度学习算法与放射科医生在结直肠癌淋巴结转移诊断中的性能	首次通过系统综述和荟萃分析，全面比较了基于MRI的深度学习算法与不同经验水平放射科医生在结直肠癌淋巴结转移诊断中的性能差异	纳入的研究多为回顾性研究且主要来自中国，限制了结果的普遍适用性	比较基于MRI的深度学习算法与放射科医生在诊断结直肠癌淋巴结转移方面的诊断性能	结直肠癌患者的MRI图像及淋巴结转移状态	医学影像分析	结直肠癌	MRI	深度学习算法	MRI图像	内部验证队列包含9项研究，共1850例样本	NA	NA	灵敏度, 特异性, AUC	NA
367	2026-01-06	CT-Based Radiomics and Deep Learning for Preoperative Thyroid Nodule Classification: A Systematic Review, Meta-analysis, and Radiologist Comparison 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.045 PMID:41107124	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于CT的影像组学和深度学习方法在术前甲状腺结节分类中的诊断性能	首次对基于CT的影像组学和深度学习模型在甲状腺结节分类中的诊断性能进行了全面的系统综述和荟萃分析，并比较了其与放射科医生的表现以及不同CT成像阶段的诊断效用	深度学习模型存在显著的异质性，可能源于验证方法、分割技术、METRICS质量评估和参考标准的差异	评估基于CT成像的影像组学和深度学习方法在术前甲状腺结节分类中的诊断性能	甲状腺结节	数字病理学	甲状腺癌	CT成像	NA	CT图像	NA	NA	NA	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, 曲线下面积	NA
368	2026-01-06	Explainable Machine Learning for Predicting Invasiveness of Pulmonary Adenocarcinoma Presenting as Ground-Glass Nodules Using CT Images 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.004 PMID:41130882	研究论文	本研究整合了非增强CT和增强CT的影像组学特征、深度学习特征及瘤内栖息地特征，构建了一个可解释的机器学习模型，用于预测表现为磨玻璃结节的肺腺癌的侵袭性	首次将影像组学、深度学习和瘤内栖息地分析（ITH）特征与临床变量相结合，构建了一个多模态综合预测模型，并利用SHAP进行可解释性分析，以支持临床个性化手术决策	研究为回顾性设计，样本量有限（516例患者），且仅来自两个中心，可能存在选择偏倚，模型的外部验证性能（AUC 0.85）略低于内部验证	提高早期表现为磨玻璃结节的肺腺癌侵袭性预测的准确性，为临床个性化手术决策提供支持	经病理证实的磨玻璃结节（GGNs，≤30mm）患者	数字病理学	肺癌	非增强CT（NECT），增强CT（CECT），K-means聚类算法用于瘤内栖息地分析	机器学习模型，深度学习模型	CT图像	516例患者（中心1：396例，中心2：120例），随机分为训练集（276例）、内部验证集（120例）和外部验证集（120例）	NA	ResNet50	AUC（曲线下面积），准确率，灵敏度，特异性，决策曲线分析（DCA），校准曲线，Hosmer-Lemeshow检验	NA
369	2026-01-06	Patch-based latent fingerprint recognition: A novel approach for reliable identification of partial prints 2026-Jan, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70204 PMID:41139611	研究论文	提出了一种基于图像块的自动化潜在指纹识别系统，用于可靠识别部分指纹	提出了一种新的基于图像块的潜在指纹识别方法，使用无接触反射紫外成像系统（RUVIS）采集高分辨率数字样本，并开发了图像块估计算法以优化特征提取	未明确说明模型在更广泛数据集或实际犯罪现场条件下的泛化能力限制	开发可靠的基于部分指纹的潜在指纹识别系统	潜在指纹（特别是部分指纹）	计算机视觉	NA	反射紫外成像系统（RUVIS）	CNN	图像	RUVIS数据集和标准NISTSD27数据集	TensorFlow, PyTorch（推测，未明确指定）	VGG16, ResNet50	准确率	NA
370	2026-01-06	The role of machine learning in high tibial osteotomy: A systematic review of predictive modeling, planning, and outcome analysis 2026-Jan, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2025.103290 PMID:41488578	系统综述	本文系统综述了机器学习在高位胫骨截骨术（HTO）中应用于预测建模、手术规划和结果分析的准确性、效率及泛化性	首次系统性地评估了机器学习在HTO手术规划、对线测量和并发症预测中的表现，并指出了现有研究的局限性	证据受限于单中心数据、小样本队列、缺乏功能性验证以及仅有一项研究进行了多中心外部验证	评估机器学习模型在HTO手术规划、对线测量和结果预测中的准确性、效率和泛化性	应用于高位胫骨截骨术的机器学习模型	机器学习	骨关节炎	机器学习	卷积神经网络, 深度学习系统, 集成机器学习模型	放射影像	来自11项研究的异质性数据集，具体样本量未明确说明	NA	NA	平均绝对误差, 曲线下面积, 组内相关系数	NA
371	2026-01-05	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞中的复杂峰电位	提出了一种结合U-Net架构与混合自注意力inception模块的序列到序列预测方法，能够整合局部场电位和动作电位信号，并实现对复杂峰电位事件的概率输出，在波形变异性和电极漂移下仍保持鲁棒性	未明确提及模型在非灵长类动物或不同脑区记录中的泛化性能，也未讨论计算资源需求或实时处理能力	开发一个自动化、可扩展的框架，用于准确检测和分类小脑浦肯野细胞中的复杂峰电位，以研究神经信息编码	恒河猴小脑神经像素记录中的浦肯野细胞复杂峰电位和简单峰电位	机器学习	NA	高密度多电极阵列记录	U-Net	神经电生理信号序列	基于恒河猴小脑神经像素记录的训练数据，具体样本数量未明确说明	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
372	2026-01-05	[Application and research progress of artificial intelligence in the diagnosis and treatment of rare lung diseases] 2026-Jan-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20250728-00445 PMID:41483922	综述	本文系统回顾了人工智能在罕见肺病诊断与治疗中的应用与研究进展	综述了从传统机器学习到深度学习、强化学习、迁移学习等多种AI技术在罕见肺病领域的综合应用，并强调了AI在疾病分类、治疗评估和预后预测中的潜在益处	NA	探讨人工智能技术在罕见肺病早期识别、精准诊断和个性化管理中的应用机会	特发性肺纤维化、囊性纤维化、特发性肺动脉高压等罕见肺病	机器学习	肺病	NA	深度学习, 强化学习, 迁移学习	NA	NA	NA	NA	NA	NA
373	2026-01-05	Impact of image processing techniques on deep learning-based classification accuracy of cervical vertebral maturation 2026-Jan-04, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00887-2 PMID:41484816	研究论文	本研究探讨了不同图像处理技术对深度学习模型在颈椎成熟度分类中准确性的影响	通过引入低密度图像和多种标注技术（标准标注、低密度标注、双色标注），显著提升了基于AlexNet架构的卷积神经网络在颈椎成熟度分类中的性能	数据集规模相对较小（799张头影测量X光片），且仅基于单一模型架构（AlexNet）进行评估，可能限制了结果的泛化能力	研究图像处理技术对深度学习模型在颈椎成熟度分类准确性的影响	头影测量X光片中的第二至第四颈椎（C2-C4）区域	计算机视觉	骨科相关疾病	图像处理技术（包括低密度处理、区域标注）	CNN	图像	799张头影测量X光片（641张用于训练，158张用于测试）	Neural Network Console	AlexNet	分类准确率	NA
374	2026-01-05	A Deep Learning-Enabled Ionogram Dataset for Detection and Classification of Low-latitude Spread-F Phenomena 2026-Jan-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06493-5 PMID:41484136	研究论文	本文介绍了一个用于检测和分类低纬度Spread-F现象的开源深度学习离子图数据集	首次公开了专家指导的离子图数据集，覆盖最全面的类别、最大数据量和最长的时间跨度	NA	解决离子图Spread-F分类依赖人工解释的低效和主观性问题	低纬度Spread-F现象	计算机视觉	NA	离子图分析	CNN	图像	150,000张离子图（每类30,000张，包括非SF组）	NA	SA-ResNet50	NA	NA
375	2026-01-05	Application and accuracy analysis of different facial regions based on deep learning in the diagnosis of hypertension 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30936-z PMID:41484198	研究论文	本研究开发了一种基于深度学习的非侵入性、基于摄像头的筛查方法，通过面部图像分析实现高血压的早期、可访问和可解释检测	提出了一种改进的U-Net模型将面部细分为六个解剖学定义区域，并发现仅使用颧骨和脸颊区域即可达到与全脸模型相当的诊断准确率，表明这些区域集中了与高血压相关的生理信号	样本量相对较小（共506名参与者），且研究未在更广泛或多样化的人群中进行外部验证	开发一种可扩展、被动、非侵入性的高血压早期筛查工具，以克服当前诊断方法的局限性	375名高血压患者和131名血压正常对照者的面部图像	计算机视觉	心血管疾病	深度学习	CNN	图像	506名参与者（375名高血压患者，131名血压正常对照者）	NA	U-Net, ResNet	mIoU, 准确率	NA
376	2026-01-05	Memory-efficient full-volume inference for large-scale 3D dense prediction without performance degradation 2026-Jan-03, Communications engineering DOI:10.1038/s44172-025-00576-2 PMID:41484251	研究论文	本文提出了一种无需重新训练即可实现大规模3D密集预测的推理优化框架，旨在解决内存限制和低效算子执行问题	通过集成算子空间分块、算子融合、归一化统计聚合和按需特征重计算，实现了全尺寸体积推理且无性能损失，相比传统方法显著提升了处理体积大小	未明确提及框架在非地震勘探模型或其他工业领域的泛化性能验证细节	优化大规模3D密集预测的推理过程，以支持全尺寸体积输入并保持性能	3D密集预测模型，特别是地震勘探和医学图像分割应用	计算机视觉	NA	深度学习推理优化	NA	3D体积数据（如地震数据、医学图像）	NA	NA	NA	推理时间、内存使用量、体积大小处理能力	未明确指定，但提及在1024体积上使用27.6 GB内存完成推理
377	2026-01-05	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度模型，用于预测法律违规行为并分析具体违反的条款，以提高法律文档分析的透明度和可解释性	提出了一种结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕获令牌间和令牌内的依赖关系，提供更深层的上下文理解	未明确提及模型在处理多语言或跨司法管辖区法律文档时的泛化能力限制	预测法律违规行为并识别具体违反的法律条款，以增强法律文档分析的准确性和透明度	法律文档	自然语言处理	NA	深度学习	BERT	文本	NA	NA	分层BERT	准确率, 微平均F1分数	NA
378	2026-01-05	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	本文提出了一种结合特征工程的混合深度学习模型HDLMFE-ADGDT，用于从超声图像中准确诊断胆囊疾病类型	提出了一种新颖的混合深度学习模型，整合了非局部均值滤波、Squeeze-and-Excitation胶囊网络和CNN-BiLSTM架构，用于胆囊疾病的超声图像分类	未提及模型在外部验证集或临床环境中的泛化能力，也未讨论计算复杂度或实时诊断的可行性	开发一种有效的基于深度学习的胆囊疾病分类方法，以辅助早期诊断	胆囊疾病患者的超声图像	计算机视觉	胆囊疾病	超声成像	CNN, BiLSTM, Capsule Network	图像	NA	NA	Squeeze-and-Excitation Capsule Network, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异性	NA
379	2026-01-05	A causal deep learning approach to identifying metabolic signatures of cognitive and functional decline in alzheimer's disease 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32793-2 PMID:41484308	研究论文	本研究结合因果推断与深度学习，识别阿尔茨海默病认知与功能衰退的代谢特征，并开发了FDG CogNet模型进行预测	首次将结构因果模型与基于注意力的深度学习模型结合，利用FDG-PET数据识别对认知和功能评分具有强因果影响的大脑区域，并动态加权这些区域以提升预测性能与可解释性	研究数据来源于ADNI数据库，样本可能具有选择性偏差；模型在外部验证和泛化能力方面未详细讨论	识别阿尔茨海默病认知与功能衰退的特定大脑代谢特征，并开发准确、可解释的预测模型	认知正常个体、轻度认知障碍患者和阿尔茨海默病患者	数字病理学	阿尔茨海默病	氟代脱氧葡萄糖正电子发射断层扫描	深度学习	图像	来自阿尔茨海默病神经影像学倡议数据库的认知正常、轻度认知障碍和阿尔茨海默病患者样本	NA	FDG CogNet	R²	NA
380	2026-01-05	Differential privacy for medical deep learning: methods, tradeoffs, and deployment implications 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02280-z PMID:41484344	综述	本文是一篇关于医学深度学习（DL）中差分隐私（DP）应用的范围综述，总结了在集中式和联邦式设置下的方法、权衡及部署影响	系统性地综述了DP在医学DL中的应用，识别了公平性审计和标准化方面的关键差距，并提出了促进公平、临床稳健的隐私保护DL的优先事项	纳入研究中对隐私参数的报告不一致，且只有少数研究评估了公平性	探讨差分隐私在医学深度学习中的应用，分析其方法、性能权衡及部署影响，以促进敏感患者数据的保护	医学深度学习模型及其在保护患者隐私方面的应用	机器学习	NA	差分隐私（DP），包括DP-SGD、生成建模、本地DP和混合联邦设计	深度学习模型	多模态医学数据（如图像）	基于74项符合条件的研究（截至2025年3月发表）	NA	NA	准确性、公平性（子组性能差距）	NA