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
5941	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
5942	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
5943	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
5944	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
5945	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
5946	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
5947	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
5948	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
5949	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
5950	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
5951	2025-11-26	Hybridized artificial intelligence system for reducing neonatal mortality in Nigeria 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106162 PMID:41138617	研究论文	开发了一种混合人工智能系统，用于检测多种新生儿疾病以降低尼日利亚新生儿死亡率	提出了一种新颖的混合LSTM-ANN架构，并在尼日利亚本地数据集上验证了其优越性能	需要外部验证和前瞻性临床试验才能进行临床部署	开发能够检测多种新生儿疾病的人工智能系统，促进早期干预	尼日利亚西南部的新生儿患者	机器学习	新生儿疾病	SMOTE过采样技术	ANN, LSTM, 混合LSTM-ANN	临床记录	4027名新生儿患者，来自三个州五家三级医院	NA	人工神经网络, 长短期记忆网络, 混合LSTM-ANN	准确率, 精确率, 召回率, F1分数	NA
5952	2025-11-25	The role of AI in pre-analytical phase - use cases 2026-Jan-27, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2025-1220 PMID:41091119	综述	本文探讨人工智能在检验医学分析前阶段的应用现状与挑战	系统梳理AI在七个关键分析前领域的应用场景，揭示研究原型与商业部署之间的转化差距	研究存在单中心验证、回顾性设计、系统集成困难等局限	评估人工智能技术在检验医学分析前阶段的应用效果与实施路径	实验室检测分析前流程（包括凝血块检测、错误采血管识别等七个领域）	医疗人工智能	实验室医学	人工智能与机器学习技术	神经网络,XGBoost,深度学习	实验室检测数据	NA	NA	NA	准确率,AUC	NA
5953	2025-11-24	Artificial Intelligence and Radiogenomics for Pediatric CNS Neoplasms 2026-Feb, Neuroimaging clinics of North America IF:1.3Q3 DOI:10.1016/j.nic.2025.09.003 PMID:41274766	综述	本文探讨人工智能和影像基因组学在儿童中枢神经系统肿瘤诊断和治疗中的应用	整合WHO第五版CNS肿瘤分类标准，强调分子特征与影像学特征的关联，通过AI技术实现无创肿瘤表征	面临数据变异性和伦理问题等挑战	推进儿童神经肿瘤学的精准诊断和个性化治疗	儿童中枢神经系统肿瘤	数字病理	中枢神经系统肿瘤	DNA甲基化分析, 下一代测序	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
5954	2025-11-24	Walking Assistance System with Electrical Stimulation from Secondary Muscle Groups 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_49 PMID:41273591	研究论文	本文提出了一种结合电刺激和电子手套设备的创新足部运动康复系统	通过将手部动作转化为腿部肌肉电刺激，利用次要肌群实现下肢康复的新方法	NA	开发更易获取且可定制的下肢康复解决方案	足部运动功能障碍患者	医疗康复工程	运动功能障碍	电刺激技术	深度学习模型	传感器数据	NA	NA	NA	NA	NA
5955	2025-11-24	Deep Learning Discrimination for BCI Implementation Using 3D Convolutional Neural Network and EEG Topographic Maps 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_38 PMID:41273580	研究论文	本研究利用分层3D卷积神经网络对脑电图地形图进行分类，以提升脑机接口系统中运动意图识别的性能	提出将分层3D卷积神经网络应用于脑电图地形图分析，采用分步分类策略解码运动意图，并比较了三种优化器的性能表现	仅涉及4种运动任务的分类，未说明样本规模和数据多样性限制	通过深度学习技术提升脑机接口系统的分类准确性和可靠性	运动障碍患者的脑电图信号	脑机接口	运动障碍	脑电图信号采集与地形图提取	3D CNN	脑电图地形图	NA	NA	分层3D卷积神经网络	准确率	NA
5956	2025-11-24	Integrating Neuroimaging and Machine Learning to Predict Mental Disorder Outcomes: A Systematic Review 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_41 PMID:41273583	综述	系统回顾神经影像学与机器学习整合应用于精神障碍预后预测的研究进展	系统整合多模态神经影像数据与机器学习方法，探索精神障碍的神经生物标志物预测模型	模型可解释性、泛化能力和临床适用性存在局限	通过神经影像与机器学习预测精神障碍的诊疗结果	精神障碍患者（包括精神分裂症、抑郁症、双相情感障碍、自闭症谱系障碍）	机器学习	精神疾病	结构成像、功能成像、弥散张量成像（DTI）	支持向量机、随机森林、深度学习	神经影像数据	NA	NA	NA	NA	NA
5957	2025-11-24	Enhanced Brain Tumor Classification with Convolutional Neural Networks 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_48 PMID:41273590	研究论文	提出一种基于卷积神经网络的脑肿瘤图像分类方法，用于区分不同类型的脑肿瘤	通过综合数据增强和严格超参数调优显著提升分类准确率，实现脑肿瘤类型的自动精准分类	NA	提高脑肿瘤诊断精度并优化治疗策略	脑肿瘤图像，包括胶质瘤、脑膜瘤和转移性肿瘤	计算机视觉	脑肿瘤	深度学习	CNN	医学图像	NA	NA	包含多个卷积层、池化层和全连接层的CNN架构	分类准确率	NA
5958	2025-11-24	Artificial Intelligence and Machine Learning-Based Approaches for Genetic Damage Prediction 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4976-3_27 PMID:41273702	综述	本章重点介绍遗传毒性预测领域，系统分类了各类检测方法并详细阐述了人工智能和机器学习在遗传损伤预测中的应用	系统总结了AI模型在遗传毒性预测中的三大分类（QSAR、机器学习和深度学习），并提供了专门针对遗传毒性预测的详细数据表	作为章节综述，未涉及具体实验验证，主要基于现有文献总结	探讨人工智能和机器学习方法在遗传损伤预测中的应用	遗传毒性检测方法和AI预测模型	机器学习	NA	Ames测试等遗传毒性检测方法	QSAR, 机器学习, 深度学习	分子描述符和指纹数据（拓扑、静电、量子描述符）	NA	NA	NA	预测分数和不同评估指标	NA
5959	2025-11-23	Cervical cancer diagnostics: non-coding RNAs and biosensors to AI-derived methods 2026-Jan-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120641 PMID:41072569	综述	本文综述了宫颈癌诊断技术的最新进展，重点关注非编码RNA、生物传感器和人工智能方法在临床诊断中的应用	整合了非编码RNA生物标志物与人工智能诊断方法的最新研究进展，探讨两者在宫颈癌诊断中的协同潜力	主要基于文献综述，缺乏原始实验数据验证	评估宫颈癌诊断新技术的发展现状和未来潜力	宫颈癌诊断技术，包括非编码RNA、生物传感器和人工智能方法	数字病理学	宫颈癌	机器学习，深度学习，生物传感器技术	机器学习算法，深度学习算法	图像数据，分子数据	NA	NA	NA	诊断准确性	NA
5960	2025-11-23	Advancement of machine learning algorithms in biosensors 2026-Jan-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120677 PMID:41135853	综述	探讨机器学习算法在生物传感器中的最新进展及其在健康监测、疾病诊断和治疗评估中的应用	全面分析机器学习算法如何通过高效处理复杂数据和提取可操作见解来增强生物传感器技术	数据隐私、伦理问题、实时数据处理、计算需求和生物传感器制造等挑战尚未完全解决	研究机器学习增强型生物传感器在医疗诊断和个性化医疗中的应用潜力	电化学、光学、微流控和可穿戴生物传感器及其收集的生理信号	机器学习	NA	生物传感技术	监督学习,无监督学习,深度学习	生理信号,传感器数据	NA	NA	NA	分类,回归,聚类,特征提取	NA