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
6221	2026-02-03	A novel vision transformer model produces clock drawing test scores as accurate as expert human coders 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34064-6 PMID:41530250	研究论文	本研究开发了一种基于深度学习的智能时钟评分系统，用于自动编码时钟绘图测试图像，以辅助阿尔茨海默病及相关痴呆症的筛查	引入了结构化排序的编码系统，将时钟绘图评分视为有序分类问题，而非传统的无序分类，并首次将Vision Transformer模型应用于该任务，实现了与专家人工编码相当的准确性	研究依赖于公开数据集，可能未涵盖所有临床变异情况；模型性能在特定评分区间可能存在偏差	开发自动化的时钟绘图测试评分系统，以替代人工编码，减少大规模研究中的偏见和成本	时钟绘图测试图像	计算机视觉	阿尔茨海默病及相关痴呆症	深度学习神经网络	CNN, Vision Transformer	图像	2011-2019年国家健康与老龄化趋势研究（NHATS）中的大规模公开时钟绘图图像库	NA	ResNet101, EfficientNet, Vision Transformer	加权Kappa系数	NA
6222	2026-01-12	Hybrid feature selection with novel deep learning model for COVID-19 risk prediction 2026-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35013-7 PMID:41519902	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6223	2026-02-03	sCellST predicts single-cell gene expression from H& E images 2026-Jan-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67965-1 PMID:41513659	研究论文	本文提出了一种深度学习模型sCellST，用于从H&E染色图像预测单细胞基因表达	引入了一种能够从形态学直接预测单细胞基因表达的深度学习方法，相比现有基于图像块的方法，能捕捉更精细的形态变异	NA	从组织学图像预测基因表达，以研究组织空间结构和细胞多样性	H&E染色图像和单细胞基因表达数据	数字病理学	癌症	H&E染色，空间基因表达谱分析	深度学习	图像，基因表达数据	NA	NA	NA	NA	NA
6224	2026-02-03	Enhanced colorectal gland segmentation through multi-scale attention and contextual feature fusion 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34548-5 PMID:41495415	研究论文	提出一种名为MAC-Net的深度学习模型，用于增强结直肠腺体分割，通过多尺度注意力和上下文特征融合提高分割精度	集成多尺度特征融合与注意力引导的上下文解码，通过通道注意力保留精细结构信息，增加编码器-解码器侧连接以增强判别特征学习，并在瓶颈处使用多尺度空间池化捕获全局上下文信息	未明确说明模型在更大规模或更多样化数据集上的泛化能力，也未详细讨论计算效率或实时应用的可能性	提高结直肠癌组织学图像中腺体分割的准确性和鲁棒性，以支持可靠的癌症分级、预后评估和治疗规划	结直肠癌组织学图像中的腺体结构	数字病理学	结直肠癌	组织学图像分析	深度学习模型	图像	训练数据：EBHI-Seg数据集（2228张图像）；交叉验证数据：GIaS数据集（165张图像）	未明确指定，可能为PyTorch或TensorFlow	MAC-Net（自定义架构，基于编码器-解码器结构，集成注意力机制和多尺度特征融合）	Dice系数, IoU, 精确率, 召回率	未明确指定
6225	2026-02-03	An intelligent hybrid deep learning-machine learning model for monthly groundwater level prediction 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34292-w PMID:41501104	研究论文	本研究提出了一种结合粒子群优化、浣熊优化、门控循环单元和自适应神经模糊推理系统的混合人工智能模型，用于预测伊朗阿尔达比勒平原的月地下水水位	提出了一种名为PCGA的新型混合模型，首次将PSO-COO优化算法与GRU和ANFIS结合，用于优化参数并提取数据中的隐藏模式，从而提高了地下水水位预测的精度	NA	开发一种高精度的混合人工智能模型，用于预测月地下水水位，以支持环境保护	伊朗阿尔达比勒平原的月地下水水位数据	机器学习	NA	NA	GRU, ANFIS	时间序列数据	NA	NA	GRU, ANFIS	平均绝对误差, 纳什-萨特克利夫效率	NA
6226	2026-02-03	A hybrid CNN-transformer model with adaptive activation function for potato leaf disease classification 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34406-4 PMID:41495315	研究论文	本文提出了一种结合CNN与Transformer的混合深度学习架构PLDNet，用于马铃薯叶片病害的自动分类	提出了一种混合CNN-Transformer架构PLDNet，并设计了自适应参数激活函数AFpM，通过可学习参数实现自适应非线性，在动态梯度控制方面优于现有激活函数	未明确说明模型在复杂田间环境或多种作物间的泛化能力，也未讨论计算复杂度与实时性	开发自动化植物病害识别方法，提高马铃薯叶片病害分类的准确性与效率	马铃薯叶片病害图像	计算机视觉	植物病害	深度学习图像分类	CNN, Transformer	图像	PlantVillage和Mendeley两个公开数据集	未明确说明	DenseNet, Transformer注意力模块	准确率	NA
6227	2026-02-03	Interpretable deep learning reveals distinct spectral and temporal drivers of perceived musical emotion 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34238-2 PMID:41491208	研究论文	本研究开发了一种可解释的深度学习模型，用于识别预测音乐情感感知（效价和唤醒度）的特定动态声学特征	提出了一种结合卷积路径（局部频谱分析）和Transformer路径（长程时间依赖）的新型理论引导神经网络，并通过注意力机制揭示了不同声学模式对情感维度的驱动作用	模型性能依赖于DEAM数据集的标注质量，且理论约束可能限制了模型发现未知特征的能力	开发可解释的计算模型以测试和推进音乐认知理论，识别预测人类情感反应的动态声学特征	音乐片段及其对应的连续效价-唤醒度评分	自然语言处理	NA	深度学习	CNN, Transformer	音频	1,802段音乐片段	NA	卷积神经网络与Transformer的混合架构	一致性相关系数	NA
6228	2026-02-03	Deep learning and superoscillatory speckles empowered multimode fiber probe for in situ nano-displacement detection and micro-imaging 2026-Jan-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67942-8 PMID:41491775	研究论文	本文提出了一种基于深度学习和超振荡散斑的多模光纤探针，用于原位纳米位移检测和显微成像	利用深度学习从超振荡散斑中高效提取精细特征信息，实现单端检测，具有10纳米分辨率和99.95%的准确率，并建立了位移与光纤高阶模式比例的物理模型	未明确说明在极端环境或长期稳定性方面的限制	开发一种灵活的原位非接触纳米位移测量方法，用于复杂设备内部探测	不同结构的微米级目标，在受限空间内进行检测	计算机视觉	NA	超振荡散斑成像，多模光纤传感	深度学习	图像	未明确指定具体样本数量	未明确指定	未明确指定	准确率，分辨率	未明确指定
6229	2026-02-03	Optimized CNN framework with VGG19, EfficientNet, and Bayesian optimization for early colon cancer detection 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34262-2 PMID:41492074	研究论文	本文提出了一种结合VGG19、EfficientNet和贝叶斯优化的优化CNN框架，用于通过组织病理学图像分析实现结肠癌的早期自动检测	将卷积神经网络与贝叶斯优化相结合以高效微调超参数，并采用有效的数据增强和染色归一化技术，提升了模型的鲁棒性和泛化能力	框架在数据集内部表现出色，但临床部署前需要在独立、多机构的队列上进行外部验证	开发一种可靠的早期结肠癌自动检测方法，以辅助病理学家的临床决策	结肠癌组织病理学图像	计算机视觉	结肠癌	组织病理学图像分析	CNN	图像	来自Kaggle和Kaggle癌症数据门户的公开数据集，涵盖正常、肿瘤、基质等九种组织类型	TensorFlow, PyTorch, Keras	VGG19, EfficientNet	准确率, 精确率, 召回率, F1分数, AUC	NA
6230	2026-02-03	Preoperative assessment of axillary lymph node tumor burden in cT1-2N0 breast cancer patients with a modality-adaptive network based on sentinel lymph node ultrasound images 2026-Jan-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34371-y PMID:41486270	研究论文	本研究开发并验证了一种基于前哨淋巴结超声图像的深度学习模型，用于术前评估cT1-2N0乳腺癌患者的腋窝淋巴结肿瘤负荷	提出了一种结合灰阶或彩色多普勒超声图像及临床病理信息的模态自适应网络（MAN+C），其适用性比现有AI模型扩展了30%，可涵盖多灶性病变或已接受原发性乳腺癌病灶治疗的患者	研究样本来自两家医院，可能存在选择偏倚；外部验证数据集的AUC（0.84）低于其他数据集，表明模型泛化能力有待进一步验证	为cT1-2N0乳腺癌患者术前评估腋窝淋巴结肿瘤负荷提供一种直接、高效的诊断方法	cT1-2N0乳腺癌患者的前哨淋巴结超声图像	数字病理学	乳腺癌	超声成像，对比增强淋巴超声	深度学习模型	超声图像（灰阶、彩色多普勒）	374名患者的595个前哨淋巴结	未明确说明	模态自适应网络	AUC	未明确说明
6231	2026-02-03	Deterministic nowcasting of geostationary satellite infrared brightness temperature using 3D U-Net diffusion model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34207-9 PMID:41484451	研究论文	本文提出了一种结合去噪扩散概率模型与3D U-Net的生成建模方法，用于从地球静止卫星观测中确定性预报红外亮度温度	首次将去噪扩散概率模型与3D U-Net架构耦合，用于卫星红外亮度温度的确定性临近预报，相比传统外推和深度学习基线，在预测精度和结构保真度方面均有显著提升	在较长预报时效（超过2小时）上的增益有所减少，尽管仍明显优于基线	开发一种用于地球静止卫星红外亮度温度临近预报的生成建模方法，以提高预测精度和结构保真度	SEVIRI观测的红外亮度温度数据	计算机视觉	NA	卫星红外观测（约10.8 μm）	去噪扩散概率模型, 3D U-Net	图像（红外亮度温度序列）	使用独立测试集（2022年7月至9月）进行评估	NA	3D U-Net	SSIM, CRPS, MAE, 相关性	NA
6232	2026-02-03	Deep learning-driven optimization and predictive modeling of LASER beam machining for XG3 steel 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34323-6 PMID:41484160	研究论文	本文通过实验研究和多目标优化，结合深度学习驱动的预测模型，探索了激光束加工XG3钢的工艺参数优化	结合遗传算法进行多目标优化生成帕累托前沿，并开发了响应曲面法和反向传播人工神经网络两种预测模型，其中BPANN模型表现出更高的预测精度	研究仅针对XG3钢和三种特定孔几何形状，未涉及其他材料或更复杂的几何形状	优化激光束加工XG3钢的工艺参数，以实现表面粗糙度、加工时间、表面硬度和毛刺厚度的多目标改善	XG3钢（一种用于航空航天和国防应用的高性能合金）	机器学习	NA	激光束加工	人工神经网络	实验数据	基于田口L正交阵列的实验设计，涉及三种孔几何形状（圆形、三角形、方形）	NA	反向传播人工神经网络	回归系数, 平均绝对百分比误差	NA
6233	2026-02-03	The safety and accuracy of radiation-free spinal navigation using a short, scoliosis-specific BoneMRI-protocol, compared to CT 2026-Jan, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09151-x PMID:40691585	研究论文	本研究评估了一种针对脊柱侧弯的MRI协议，通过深度学习算法生成合成CT，并将其与CT在胸腰椎椎弓根螺钉规划与置入的安全性和准确性方面进行比较	开发了一种脊柱侧弯特异性MRI协议，结合AI生成的合成CT，实现无辐射的脊柱导航，为年轻患者提供更安全的替代方案	研究基于尸体模型，样本量较小（5具尸体），且未在活体患者中进行验证	比较基于MRI的合成CT脊柱导航与CT在椎弓根螺钉规划与置入中的安全性和准确性	尸体脊柱（从T3到L5的椎弓根）	医学影像分析	脊柱侧弯	MRI扫描，深度学习算法	深度学习模型	医学影像（CT和MRI图像）	5具尸体脊柱，共置入140根导丝（其中3根被排除）	NA	NA	最大角度偏差，计划与术后螺钉位置距离，内侧突破率（Gertzbein-Robbins分类）	NA
6234	2026-02-03	DVG-Diffusion: Dual-View-Guided Diffusion Model for CT Reconstruction From X-Rays 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3655171 PMID:41576110	研究论文	本文提出了一种双视图引导的扩散模型（DVG-Diffusion），用于从少量二维X射线图像直接重建三维CT体积	通过结合新视图合成和视图引导的特征对齐，降低了从2D X射线到3D CT映射的学习难度，实现了高保真度和感知质量的有效平衡	未在摘要中明确提及	从少量二维X射线图像直接重建三维CT体积	CT体积重建	计算机视觉	NA	X射线成像	扩散模型	图像	未在摘要中明确提及	未在摘要中明确提及	DVG-Diffusion	未在摘要中明确提及	未在摘要中明确提及
6235	2026-02-02	Classification of lung nodules in CT images based upon a multiplane dense inception network 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70316 PMID:41619284	研究论文	本研究提出了一种基于多平面密集初始网络（MPDINet）的计算机辅助诊断系统，用于预测肺部CT图像中结节恶性的可能性	结合手工纹理特征图与强度CT图像作为网络输入，并利用多平面密集初始网络（MPDINet）增强结节表征，同时保持计算效率	NA	开发基于深度学习的计算机辅助诊断系统，用于早期检测肺癌结节	肺部CT图像中的结节	计算机视觉	肺癌	CT成像	CNN	图像	1235个结节（802个良性，433个恶性）	NA	DenseNet, GoogLeNet	AUC, 敏感性, 特异性, 精确度	NA
6236	2026-02-02	The Intelligent Needle: The Role of Artificial Intelligence in Ultrasound-guided Regional Anesthesia 2026-Feb, Journal of perianesthesia nursing : official journal of the American Society of PeriAnesthesia Nurses IF:1.6Q2 DOI:10.1016/j.jopan.2025.10.003 PMID:41620263	综述	本文探讨了人工智能在超声引导区域麻醉中的应用及其潜力	将深度学习算法集成到超声引导区域麻醉中，实现解剖标志自动识别、超声设置优化和针位高精度跟踪，以辅助麻醉师操作、缩短学习曲线并增强培训	广泛临床应用仍受限于需要大规模多样化数据集、解剖变异以及自动化相关的伦理考量	研究人工智能如何增强超声引导区域麻醉的精准性、安全性和效率	超声引导区域麻醉（UGRA）及其相关临床实践	医学影像分析	NA	超声成像	深度学习	超声图像	NA	NA	NA	图像质量、识别置信度	NA
6237	2026-02-02	Advances in photoacoustic imaging reconstruction and quantitative analysis for biomedical applications 2026-Feb-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00213-x PMID:41620547	综述	本文全面回顾了光声成像（PAI）的基本原理、主要实现方式、图像重建与伪影抑制的最新进展，以及定量分析能力，并展望了其临床转化前景	系统性地比较了传统方法与基于深度学习（DL）的方法在提升PAI图像质量和简化工作流程方面的作用，并强调了DL在推动PAI临床转化中的变革潜力	作为一篇综述文章，不涉及具体实验或模型性能的验证，主要基于现有文献进行归纳与分析	探讨光声成像（PAI）从临床前研究向临床实践过渡过程中的技术进展、挑战及未来方向	光声成像技术及其在生物医学领域的应用	医学影像	NA	光声成像（PAI），包括光声计算机断层扫描、光声显微镜和光声内窥镜	深度学习（DL）	图像	NA	NA	NA	NA	NA
6238	2026-02-02	Functional and Structural Evidence of Neurofluid Circuit Aberrations in Huntington Disease 2026-Jan-31, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70328 PMID:41620818	研究论文	本研究通过多模态MRI技术评估亨廷顿病中神经流体通路的结构和功能改变	首次在亨廷顿病中系统评估脉络丛和旁矢状硬膜间隙的结构与功能变化，并关联脑脊液动力学	样本量有限，横断面研究设计无法确定因果关系	探究亨廷顿病中神经流体通路的异常及其与疾病严重程度的关系	亨廷顿病患者和健康对照者	数字病理学	亨廷顿病	3-Tesla T2加权MRI、FLAIR MRI、相位对比MRI、伪连续动脉自旋标记MRI	深度学习	MRI图像	80名亨廷顿病患者和65名年龄匹配的健康对照者	NA	NA	p值	NA
6239	2026-02-02	Absence of dehydration due to superionic transition at Earth's core-mantle boundary 2026-Jan-30, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb3006 PMID:41604493	研究论文	本文通过分子动力学模拟揭示了δ-AlOOH在深部下地幔条件下的双超离子转变，并发现超离子态水在核幔边界处不易脱水，可能形成长期储水层	首次发现δ-AlOOH中氢和铝离子的双超离子转变，并证明超离子态能稳定结构，使脱水过程在核幔边界条件下变得能量和动力学上不利	模拟基于特定条件（140 GPa和3800 K），实际地幔环境的复杂性和长期地质过程的影响仍需进一步验证	探究深部下地幔中水合相的超离子转变对其稳定性和脱水行为的影响	δ-AlOOH水合相在深部下地幔和核幔边界条件下的行为	地球物理学	NA	从头算分子动力学模拟,深度学习势分子动力学模拟	NA	模拟数据	NA	NA	NA	NA	NA
6240	2026-02-02	Selection of the best artificial intelligence techniques for analysis of gastrointestinal endoscopic images 2026-Jan-30, Arab journal of gastroenterology : the official publication of the Pan-Arab Association of Gastroenterology IF:1.1Q4 DOI:10.1016/j.ajg.2025.09.021 PMID:41620373	研究论文	本研究通过模糊AHP-TOPSIS方法，系统评估并优先排序了用于胃肠道内窥镜图像分析的人工智能技术	首次结合模糊AHP和TOPSIS方法，为胃肠道内窥镜图像分析领域的人工智能技术提供系统化的选择框架	研究基于文献回顾和专家意见，可能受限于现有技术的覆盖范围和主观判断偏差	识别并优先排序用于胃肠道内窥镜图像分析的最佳人工智能技术	70种已开发的人工智能技术	计算机视觉	胃肠道疾病	NA	CNN, DNN, ResNet	图像	NA	NA	ResNet18	有效性, 准确性, 全面性, 处理时间, 成本, 简洁性, 执行能力	NA