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
1381	2026-02-07	Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population 2026-Jan-27, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109381 PMID:41604952	研究论文	本研究提出并评估了一种基于ForensicNet的多任务深度学习框架，用于利用巴西5-15岁年轻人群的全景X光片同时估计实际年龄和分类性别	提出了一种基于EfficientNet-B3的多任务深度学习模型，并集成了卷积块注意力模块（CBAM）以同时预测年龄和性别，通过加权多任务损失进行端到端训练，在年龄估计和性别分类任务上均优于基准模型	研究样本仅限于巴西5-15岁的年轻人群，可能限制了模型在其他年龄段或不同种族人群中的泛化能力	开发并评估一个多任务深度学习框架，用于从全景X光片中自动、准确地估计年龄和分类性别，以支持法医和临床应用	巴西5-15岁年轻人群的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2200张高分辨率全景X光片，按年龄和性别平衡，随机分为训练集（1320张）、验证集（440张）和测试集（440张）	PyTorch, TensorFlow	EfficientNet-B3, ForensicNet	平均绝对误差, 决定系数, 准确率, AUC	NA
1382	2026-02-07	UniCAS: A foundation model for cervical cytology screening 2026-Jan-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102570 PMID:41564861	研究论文	本文提出了一种用于宫颈细胞学筛查的基础模型UniCAS，该模型在多种临床分析任务中实现了最先进的性能	提出了首个针对宫颈细胞学的大规模基础模型，能够统一处理切片级诊断、区域级分析和像素级图像增强等多种任务，解决了现有方法工作流程碎片化的问题	未明确说明模型在外部验证集上的泛化性能，也未详细讨论模型对不同染色方案或扫描仪差异的鲁棒性	开发一个统一的基础模型，以实现宫颈细胞学的高效多尺度自动化分析	宫颈细胞学全切片图像	数字病理学	宫颈癌	全切片图像分析	基础模型	图像	48,532张宫颈全切片图像，涵盖多样化的患者人口统计学特征和病理状况	NA	UniCAS	AUC	NA
1383	2026-02-07	Cha-PO and CVNet: a hybrid approach for automated cataract detection using adaptive feature selection and deep learning for high accuracy and efficiency 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34889-1 PMID:41559203	研究论文	本文提出了一种结合混沌自适应杨树-细菌优化（Cha-PO）和Cataract VisionNet（CVNet）的混合方法，用于自动化白内障检测，旨在提高诊断准确性和操作效率	提出Cha-PO优化算法进行特征选择以降低图像维度并保留关键诊断数据，结合CVNet深度学习模型通过优化网络参数提升分类性能，实现了高准确率和低计算资源需求	研究仅使用单一Kaggle数据集进行验证，可能缺乏数据多样性和泛化能力测试，且未提及模型在其他医疗图像数据集上的表现	开发一种自动化白内障检测方法，以克服现有模型在计算复杂度、特征冗余和精度不足方面的挑战	眼底图像中的白内障病变	计算机视觉	白内障	图像处理、特征提取、深度学习分类	深度学习模型	图像	使用Eye Cataract Kaggle数据集，具体样本数量未明确说明	未明确指定，但涉及深度学习框架	CVNet（自定义深度学习架构）	准确率、精确率、召回率、F1分数	执行时间为99秒，计算资源需求较低，但未具体说明硬件配置（如GPU类型或云平台）
1384	2026-02-07	UroFusion-X: a unified multimodal deep learning framework for robust diagnosis, subtyping, and prognosis of urological cancers 2026-Jan-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02295-6 PMID:41554842	研究论文	本文提出了UroFusion-X，一个统一的多模态深度学习框架，用于泌尿系统癌症的稳健诊断、亚型分类和预后预测	提出了一种统一的多模态框架，整合了跨模态共注意力机制、门控专家乘积融合策略、解剖-病理一致性约束和患者级对比学习，增强了模型的鲁棒性、可解释性和泛化能力	未明确提及具体的数据集大小或潜在的模型计算复杂度限制	开发一个统一的多模态深度学习框架，以整合多源临床数据，提高泌尿系统癌症诊断、亚型分类和预后预测的准确性和一致性	膀胱癌、肾癌和前列腺癌患者	数字病理学	泌尿系统癌症	多模态数据整合（包括影像学、病理学、组学数据和实验室检测）	深度学习	多模态数据（包括3D影像、病理图像、组学数据、实验室和临床变量）	多中心真实世界队列，包含外部验证和留一中心测试	NA	3D影像编码器、病理学多实例学习、组学图网络、TabTransformer、DeepSurv、DeepHit	预测性能、临床净收益	NA
1385	2026-02-07	Prediction of left ventricular systolic dysfunction in left bundle branch block using a fine-tuned ECG foundation model 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34911-6 PMID:41545539	研究论文	本研究提出了一种基于微调心电图基础模型的创新方法，用于在左束支传导阻滞患者中预测左心室收缩功能障碍	首次将微调后的心电图基础模型应用于左束支传导阻滞患者的左心室收缩功能障碍检测，并证明其优于传统的深度学习方法	研究为回顾性多中心分析，可能受到数据选择和可用性的限制	提高左束支传导阻滞患者左心室收缩功能障碍的早期检测能力	左束支传导阻滞患者	机器学习	心血管疾病	心电图	基础模型, FCN, LSTM-FCN, ResNet, InceptionTime	心电图信号	来自892名患者的2,031对心电图-超声心动图数据集	NA	基础模型, FCN, LSTM-FCN, ResNet, InceptionTime	准确率, 敏感度, AUROC	NA
1386	2026-02-07	Voice-controlled autonomous navigation for smart wheelchairs using ROS-based SLAM 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34814-6 PMID:41530240	研究论文	本文提出了一种基于ROS SLAM的语音控制智能轮椅系统，通过集成优化的语音识别、实时导航框架和安全模块，提升了在动态室内环境中的自主移动能力	1) 采用在轻度言语障碍用户自定义数据集上微调的深度学习模型，提升语音识别鲁棒性；2) 构建系统级导航框架，集成GMapping SLAM、AMCL定位和双层语音接口；3) 引入量化参数化安全模块，包含自适应速度调节和实验校准的紧急停止阈值	研究主要针对室内环境，未涉及复杂户外场景；系统在极高噪声环境（>75 dB）下的性能未充分验证；成本效益分析相对有限	开发一种低成本、实验验证的辅助移动平台，强调包容性语音交互、鲁棒实时导航和安全感知行为	智能轮椅系统，面向严重运动障碍个体	机器人学，自主导航	运动障碍	语音识别，SLAM（同步定位与地图构建），LiDAR传感	深度学习模型（具体架构未明确说明）	语音数据，LiDAR点云数据，传感器融合数据	包含轻度言语障碍用户录音的自定义数据集（具体样本数未说明）	ROS（机器人操作系统）	GMapping（SLAM算法），AMCL（自适应蒙特卡洛定位）	词错误率，平均定位误差，目标完成率，端到端语音到运动延迟	NA
1387	2026-02-07	Integrating psychological profiling with deep learning for enhanced boxing action recognition 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34771-0 PMID:41513933	研究论文	本研究提出了一种结合心理分析与视频识别的多模态深度学习框架，用于增强拳击动作识别	首次将心理分析与视频识别结合，通过多模态融合提升拳击动作识别精度，尤其在区分视觉相似动作方面表现突出	当前框架不支持实时部署，未来需要进一步开发	通过整合心理状态信息，提升拳击动作识别的准确性和鲁棒性	拳击运动员的动作视频及其心理状态数据	计算机视觉	NA	视频分析，心理量表评估	CNN, Transformer	视频，文本	HMDB51-Boxing子集和新构建的PsyBox-20数据集	PyTorch, TensorFlow	3D-ResNet, BERT	准确率, F1分数	NA
1388	2026-02-07	Implementing QbD for Nano-Pharmaceuticals and Complex Formulations to Achieve Predictable and High-Quality Outcomes 2026-Jan-09, AAPS PharmSciTech IF:3.4Q2 DOI:10.1208/s12249-025-03308-z PMID:41514102	综述	本文探讨了人工智能和机器学习如何与质量源于设计原则相结合，以变革纳米药物开发，实现可预测和高质量的结果	提出了将AI/ML与QbD框架在纳米药物开发中进行整合的创新方法，旨在通过数据驱动模型增强预测准确性、减少实验负担并确保产品质量	NA	为纳米药物和复杂制剂的高效开发、临床转化及商业化提供路线图	纳米药物和复杂制剂	机器学习	NA	NA	深度学习	大型数据集	NA	NA	多层神经网络	NA	NA
1389	2026-02-07	Enhanced RGB-D feature extraction for 6D pose estimation 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34757-y PMID:41501267	研究论文	本研究提出了一种基于PVN3D的深度学习姿态估计方法，通过优化图像提取主干网络、集成动态卷积处理点云特征以及引入无参数注意力机制，以同时提高机器人抓取过程中6D姿态估计的准确性和效率	创新点包括：深度优化图像提取模型的主干网络，采用密集连接和可学习分组卷积提升精度并降低复杂度；将卷积神经网络核心思想融入点云特征提取，使用动态卷积技术使点云数据处理更高效灵活；引入无参数注意力机制进一步提升模型精度	NA	旨在同时提高机器人抓取过程中6D姿态估计的准确性和效率	机器人排序技术中的物体6D姿态估计	计算机视觉	NA	NA	深度学习	RGB-D图像，点云数据	NA	NA	PVN3D	计算效率，估计精度	NA
1390	2026-02-07	Hgtsynergy: a transfer learning method for predicting anticancer synergistic drug combinations based on a drug-drug interaction heterogeneous graph 2026-Jan-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06360-5 PMID:41495639	研究论文	本文提出了一种名为HGTSynergy的深度学习方法，用于预测抗癌协同药物组合，该方法基于药物-药物相互作用异构图，并采用迁移学习框架	首次在药物协同预测中全面建模多种药物-药物相互作用类型，并利用异构图注意力网络和迁移学习框架提取先验知识，从而提升预测性能	未明确说明方法在更大规模或不同癌症类型数据集上的泛化能力限制，也未讨论计算资源需求的具体细节	预测抗癌协同药物组合，以降低手动筛选成本并提高治疗效率	药物组合及其协同效应	机器学习	癌症	深度学习方法，基于异构图注意力网络和迁移学习	异构图注意力网络	图数据（药物-药物相互作用异构图）	未明确说明具体样本数量，但使用了五折嵌套交叉验证进行训练	未明确指定，但基于深度学习框架	异构图注意力网络	均方误差, 均方根误差, 皮尔逊相关系数, AUC, AUPRC, 准确率, 精确率, Cohen's Kappa	未明确说明
1391	2026-01-08	Prediction of pathological complete response to neoadjuvant therapy in breast cancer using deep learning with multi-modal radiological image and biopsy whole slide images: a two-center study 2026-Jan-06, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00986-7 PMID:41495869	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1392	2026-01-06	Prediction of lymph node metastasis and recurrence risk in early-stage oral tongue squamous cell carcinoma with fully automated MRI deep learning 2026-Jan-05, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00985-8 PMID:41486170	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1393	2026-01-07	A multi-task deep learning pipeline for classification, detection, and weakly supervised 3D segmentation of intraparenchymal hematoma on brain CT 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34596-x PMID:41491206	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1394	2026-02-07	AI based real time disease diagnosis in plants using deep learning driven CNNs 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34681-1 PMID:41491234	研究论文	本研究提出了一种基于深度学习和卷积神经网络的实时植物病害诊断框架，通过分析植物图像实现快速、准确的病害识别	开发了PDD-DL框架，利用CNN实现实时植物病害诊断，相比传统方法具有更高的速度、可信度和可扩展性	模型验证基于常见作物，但可应用于多种作物；系统需针对特定病害类别重新训练以适应农业需求	通过早期检测改善植物健康监测，最大化产量并减少损失，支持精准农业和可持续植物健康管理	植物图像，包括健康和患病植物	计算机视觉	植物病害	图像分析	CNN	图像	NA	NA	CNN	准确率, 精确率, 召回率, F1分数	NA
1395	2026-02-07	PepGraphormer: an ESM-GAT hybrid deep learning framework for antimicrobial peptide prediction 2026-Jan-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01144-8 PMID:41491543	研究论文	本文提出了一种名为PepGraphormer的新型融合深度学习框架，结合了ESM2大型语言模型和图注意力网络的优势，用于抗菌肽预测	提出了一种结合Transformer大型语言模型（ESM2）和图注意力网络（GAT）的新型融合框架，无需依赖先前研究中使用的3D蛋白质结构信息	NA	抗菌肽预测，以支持药物发现	抗菌肽序列	自然语言处理, 机器学习	NA	NA	Transformer, GAT	序列	NA	NA	ESM2, GAT	准确率	NA
1396	2026-02-07	Automated microscopy for malaria diagnosis in a reference laboratory in nonendemic settings 2026-Jan-05, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-07215-x PMID:41491600	研究论文	本研究评估了miLab™自动化显微镜在非疟疾流行区参考实验室中用于疟疾诊断的性能，并与传统显微镜和巢式多重疟疾聚合酶链反应（NM-PCR）进行比较	miLab™采用深度学习模型实现全自动显微镜分析，无需专家显微镜师，缩短了诊断时间，为非流行区疟疾诊断提供了新的自动化工具	在物种鉴定和寄生虫定量方面仍需改进，与NM-PCR相比灵敏度较低（62.8%）	评估自动化显微镜miLab™在非疟疾流行区参考实验室中的疟疾诊断性能	400份血液样本（2021年至2024年收集）	数字病理学	疟疾	数字显微镜，深度学习，巢式多重疟疾聚合酶链反应（NM-PCR）	深度学习模型	血液涂片图像	400份样本	NA	NA	灵敏度，特异性，一致性，kappa系数，相关系数	NA
1397	2026-02-07	Automatic recognition and measurement of anatomical structures associated with the elevation of the maxillary sinus floor by deep learning on cone-beam computed tomographic scans 2026-Jan-05, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07609-4 PMID:41491712	研究论文	本研究开发了一种基于深度学习的模型，用于在锥形束计算机断层扫描图像中自动识别上颌窦、后上牙槽动脉和牙槽嵴，并评估其诊断性能，以实现上颌后牙种植手术的智能术前设计	采用增强的YOLOv11架构进行模型训练，实现了对上颌窦、PSAA和牙槽嵴的精确分割，并在此基础上自动测量与上颌后牙种植相关的五个解剖参数	研究仅使用了2400张CBCT切片作为初始数据集，样本量相对有限，且未提及模型在其他数据集或临床环境中的泛化能力验证	开发深度学习模型以自动识别上颌窦、后上牙槽动脉和牙槽嵴，并测量相关解剖参数，用于上颌窦提升术的智能术前设计	上颌后牙缺失患者的CBCT扫描图像	计算机视觉	牙科疾病	锥形束计算机断层扫描	CNN	图像	2400张CBCT切片	NA	YOLOv11	IoU, 平均精度, 平均召回率, 欧几里得距离	NA
1398	2026-02-07	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、无性能损失的推理优化框架，用于实现大规模3D密集预测任务的高效全尺寸推理	提出了一种创新的推理优化框架，通过算子空间分块、算子融合、归一化统计量聚合和按需特征重计算等技术，在不损失性能的前提下实现大规模3D体积数据的全尺寸推理	论文未明确讨论该方法在非地震数据或其他3D密集预测任务（如不同模态的医学影像）上的泛化能力限制	解决大规模3D密集预测任务中因内存限制和算子执行效率低下而无法进行全尺寸推理的问题	地震勘探数据中的3D体积数据（如超过1024体素的体积）	计算机视觉	NA	3D密集预测	深度学习模型	3D体积数据（体素）	未明确指定具体样本数量，但验证了超过1024体素的大体积数据	未明确指定	FaultSeg3D	推理时间、内存使用量、体积处理能力	未明确指定具体GPU类型，但提及内存使用量为27.6 GB
1399	2026-02-07	A CT-based deep learning approach to differentiate multiple primary lung cancers, metastases, and benign nodules 2026-Jan-02, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15501-1 PMID:41485033	研究论文	本研究开发并验证了一种基于CT的深度学习分类系统，用于区分多原发性肺癌、肺内转移瘤和良性肺结节	首次将MambaOut-Kobe等六种预训练架构用于CT图像的多分类任务，并通过五种子消融实验和决策曲线分析评估临床实用性，结合Grad-CAM提供可解释性支持	研究样本量相对有限（260名患者），未来需要在更大规模、多中心数据集上进行验证，并提升模型对多原发性肺癌与肺内转移瘤的区分能力	开发自动化深度学习分类系统，以快速、客观地区分多原发性肺癌、肺内转移瘤和良性肺病变，优化患者治疗规划	260名患者的881张轴向CT切片，包括多原发性肺癌（83例）、肺内转移瘤（81例）和良性肺病变（96例）	计算机视觉	肺癌	CT成像	深度学习	图像	260名患者，881张轴向CT切片	NA	DenseNet-121, EfficientNet-B1, MambaOut-Kobe, ResNet-50, SwinV2-CR-Tiny-224, ViT-Tiny-Patch16-224	AUC, 准确率, 决策曲线分析	NA
1400	2026-02-07	Shaping the Future of Personalized Therapy in Bladder Cancer Using Artificial Intelligence 2026-Jan, European urology focus IF:4.8Q1 DOI:10.1016/j.euf.2025.07.011 PMID:40753031	综述	本文简要概述了人工智能在膀胱癌管理各步骤中的应用及其对个体化治疗策略的潜在贡献	整合人工智能工具（主要是机器学习和深度学习方法）到当前膀胱癌工作流程中，为治疗提供更个性化的方法	尽管取得显著进展，但主要障碍仍阻碍人工智能在膀胱癌临床工作流程中的广泛应用，需要更多研究才能用于常规临床实践	探讨人工智能在膀胱癌管理中的应用潜力，以实现更精确的个体化治疗	膀胱癌患者	机器学习	膀胱癌	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA