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
2021	2026-01-05	From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202509459 PMID:41147065	研究论文	本文提出了一种基于深度学习的框架，用于预测核酸纳米颗粒在人类小胶质细胞中诱导的细胞因子反应	利用基于Transformer的架构，通过系统性的链置换增强，仅基于序列预测免疫反应，无需手动特征工程，同时保持生物可解释性	模型在外部测试集上对IL-6的预测性能（R=0.85）略低于IFN-β（R=0.91），且训练数据规模有限（176个NANPs）	加速核酸纳米颗粒从实验室到临床的转化，通过预测其免疫反应指导理性设计与优化	核酸纳米颗粒（NANPs）及其在人类小胶质细胞中诱导的细胞因子反应（IFN-β和IL-6）	机器学习	NA	深度学习，序列分析	Transformer	序列数据	176个结构多样、单独组装并实验表征的核酸纳米颗粒	NA	Transformer	R（相关系数），RMSE（均方根误差）	NA
2022	2026-01-05	IRESeek: structure-informed deep learning method for accurate identification of internal ribosome entry sites in circular RNAs 2025-Dec, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf210 PMID:41480593	研究论文	本文提出了一种名为IRESeek的双分支深度学习框架，用于高精度检测环状RNA中的内部核糖体进入位点	结合Transformer进行RNA序列建模和图卷积网络进行RNA结构指导，利用基于物理的热力学能量和碱基对概率作为结构特征，实现RNA序列与碱基对相互作用的全面联合学习	NA	准确识别环状RNA中的内部核糖体进入位点	环状RNA及其内部核糖体进入位点	自然语言处理	NA	NA	Transformer, GCN	RNA序列和结构数据	NA	NA	Transformer, GCN	NA	NA
2023	2026-01-05	From telepresence to intelligent convergence: mapping the global research landscape of remote robotic surgery (1980-2025) 2025-Nov-05, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02934-w PMID:41188635	综述	本文通过文献计量学分析，系统梳理了1980年至2025年间远程机器人手术的全球研究格局与概念演变	首次对远程机器人手术领域进行了全面的文献计量分析，揭示了从远程操作到AI驱动、5G赋能及网络安全手术生态系统的范式转变，并识别了三个概念演变时代	分析基于Scopus数据库的文献，可能未涵盖所有相关研究；文献计量方法本身存在对新兴主题识别的滞后性	旨在绘制远程机器人手术的全球研究版图并追踪其概念演化过程	Scopus数据库中收录的857篇关于远程机器人手术的文献	数字病理	NA	文献计量分析	NA	文本	857篇文献	Bibliometrix (R-package), VOSviewer, CiteSpace	Walktrap聚类算法	NA	NA
2024	2026-01-05	Migration of Deep Learning Models Across Ultrasound Scanners 2025-Nov, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	研究论文	本文提出了一种黑盒无监督域适应方法，用于在定量超声（QUS）中将深度学习模型的功能从一台超声扫描仪迁移到另一台扫描仪	将传递函数方法与迭代模式结合，实现跨超声扫描仪的深度学习模型功能迁移，无需模型内部信息，仅依赖输入输出接口	需要测试机器的未标记数据，且仅针对特定超声扫描仪（SonixOne和Verasonics）进行了实验验证	开发一种策略，在定量超声（QUS）中，将深度学习模型的功能从一台超声机器迁移到另一台机器，以应对数据偏移问题	深度学习模型在超声扫描仪之间的功能迁移	机器学习	NA	定量超声（QUS）	深度学习模型	超声数据	NA	NA	NA	分类准确率	NA
2025	2026-01-05	AAPM CT metal artifact reduction grand challenge 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70050 PMID:41058545	研究论文	本文介绍了AAPM CT金属伪影减少大挑战，旨在创建和分发一个临床代表性的2D MAR性能基准，并邀请参与者基于此基准客观比较其MAR方法的性能	通过混合数据模拟框架生成了大规模真实数据集，并提供了一个临床相关的通用MAR基准，以客观比较不同MAR方法	挑战仅涉及2D MAR性能评估，可能未覆盖3D或更复杂的临床场景	创建和分发一个临床代表性的CT金属伪影减少性能基准，促进MAR方法的客观比较和开发	CT图像中的金属伪影，如牙科填充物、髋关节假体、脊柱螺钉/杆和金基准标记引入的条纹伪影	医学影像处理	NA	CT成像，混合数据模拟框架	深度学习模型，包括UNet, ResNet, GAN, 扩散模型, 变换器	CT图像，正弦图	14,000个CT训练数据集，29个临床未校正数据集	NA	UNet, ResNet, GAN, 扩散模型, 变换器	八种临床相关的图像质量指标	NA
2026	2026-01-05	Mapping the knowledge landscape of robotic colorectal cancer surgery: a visualization study 2025-Sep-30, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02838-9 PMID:41028391	综述	本研究通过文献计量学和可视化方法，揭示了机器人结直肠癌手术领域的研究热点、新兴前沿和未来趋势	首次系统性地利用Citespace软件对2001年至2024年间机器人结直肠癌手术领域的文献进行可视化分析，识别了该领域从早期关注短期结果到近期转向人工智能和功能保护的研究演变	研究仅基于Web of Science核心合集数据库的文献，可能未涵盖所有相关出版物，且文献计量学方法主要反映研究趋势而非临床证据质量	揭示机器人结直肠癌手术领域的研究热点、新兴前沿和未来研究趋势	2001年至2024年间发表的机器人结直肠癌手术相关文献	医学信息学/文献计量学	结直肠癌	机器人手术	NA	文献数据	2086篇出版物	Citespace	NA	NA	NA
2027	2026-01-05	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	研究论文	本文提出了一种名为StarVasc的轻量级无监督血管对比度增强框架，专为机器人手术视觉系统设计	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，引入星形操作模块实现超维特征扩展，并设计了光谱特征增强模块（SFEM）以隐式学习光谱线索，无需高光谱输入	未在摘要中明确说明	开发一种无需专用硬件的自适应血管对比度增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术成像中的血管结构	计算机视觉	NA	非配对学习策略，光谱特征增强	GAN	图像	NA	NA	编码器-解码器架构	无参考质量指标，视觉评估	NA
2028	2026-01-05	Artificial intelligence and digital health in vascular surgery: a 2-decade bibliometric analysis of research landscapes and evolving frontiers 2025-Aug-06, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02583-z PMID:40767924	研究论文	本文通过文献计量分析，回顾了过去20年人工智能和数字健康在血管外科领域的应用演变，识别了研究热点和新兴前沿	首次使用CiteSpace和HistCite工具对血管外科中AI和数字健康研究进行全面的结构性和时间性演化分析，揭示了七个新兴研究子领域和范式转变	研究基于WoSCC数据库，可能未涵盖所有相关文献；文献计量分析方法主要反映趋势而非深度内容评估	分析人工智能和数字健康在血管外科应用的结构与时间演化，识别历史发展轨迹、研究焦点和新兴前沿	血管外科领域的人工智能和数字健康应用相关出版物	数字病理学	心血管疾病	文献计量分析	NA	文本	675篇爆发性引用论文，涉及123个相关学科和505个关键词	NA	NA	NA	NA
2029	2026-01-05	Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction 2025-Jul-31, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02617-6 PMID:40742577	综述	本文综述了人工智能在肝胆胰外科临床结局预测中的应用现状与未来方向	探讨了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新	面临数据质量、模型泛化性和伦理实施等挑战	评估人工智能在肝胆胰外科临床结局预测中的潜力与未来发展方向	肝胆胰外科手术	机器学习	肝胆胰疾病	深度学习模型	深度学习模型	NA	NA	NA	NA	准确性	NA
2030	2026-01-05	Artificial intelligence-based action recognition and skill assessment in robotic cardiac surgery simulation: a feasibility study 2025-Jul-13, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02563-3 PMID:40652436	研究论文	本研究开发了一种基于深度神经网络的系统，用于识别机器人心脏手术模拟中的基本手术动作并评估外科医生技能	首次结合CNN和LSTM，仅使用视频数据实现机器人心脏手术的动作识别与技能评估，并通过Grad-CAM可视化算法关注区域	技能评估网络准确率较低（56%），需要更多数据提升性能；样本量有限（19名外科医生）	开发AI系统以自动化评估机器人心脏手术模拟中的手术表现	机器人心脏手术模拟视频数据，涵盖缝合和分离两种手术动作	计算机视觉	心血管疾病	视频分析	CNN, LSTM	视频	19名外科医生，435段录像	NA	CNN与LSTM结合架构	准确率, 召回率, 精确率, F1分数, 预测确定性	NA
2031	2026-01-05	A spatial-spectral vision transformer model for head and neck cancer detection with hyperspectral, RGB, and synthesized RGB histologic images 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3048966 PMID:41480495	研究论文	本研究评估了深度学习模型在组织学图像中使用高光谱成像（HSI）检测头颈部鳞状细胞癌（SCC）的效能	引入了具有光谱注意力的空间-光谱视觉变换器（SST）模型，并比较了其在HSI、RGB及HSI合成RGB图像上的性能，证明了HSI在敏感性和准确性方面的优势	样本量相对较小（77张全切片来自51名患者），且未讨论模型在其他癌症类型或更大数据集上的泛化能力	评估高光谱成像（HSI）相对于正常彩色（RGB）图像在头颈部鳞状细胞癌组织学检测中的优势	头颈部鳞状细胞癌（SCC）的组织学切片	计算机视觉	头颈癌	高光谱成像（HSI）	Vision Transformer, CNN	图像（高光谱图像、RGB图像、合成RGB图像）	77张全组织学切片，来自51名患者	PyTorch（推断自DinoV2和ResNet的常用框架）	DinoV2, ResNet-152, 空间-光谱视觉变换器（SST）	准确率, 特异性, 敏感性	NA
2032	2026-01-05	Comprehensive AI framework for automated classification, detection, segmentation, and severity estimation of date palm diseases using vision-language models and generative AI 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1710188 PMID:41479527	研究论文	本文提出了一个综合AI框架，用于自动分类、检测、分割和估计枣椰树疾病的严重程度，结合了视觉语言模型和生成式AI技术	提出了一个集成的Reveal-Aware混合视觉语言和基于Transformer的AI框架，首次将GAN增强、CLIP多模态分类、PaliGemma2文本检测、Grounding DINO + SAM 2.1零样本分割以及Vision Transformer回归模型整合到一个端到端的可解释诊断流程中	NA	开发一个综合AI框架，用于自动化、准确且可扩展的枣椰树疾病管理	枣椰树疾病，包括红棕象甲、Bayoud病和黑焦病等	计算机视觉	植物疾病	GAN, CLIP, PaliGemma2, Grounding DINO, SAM 2.1, Vision Transformer	GAN, Transformer, CNN	图像, 文本	两个数据集：九个类别的感染枣椰树叶子和三个类别的枣椰树疾病	NA	CLIP, PaliGemma2, Grounding DINO, SAM 2.1, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
2033	2026-01-05	Machine learning and near-infrared fusion-driven quantitative characterization and detection of protein content in maize kernels 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1719661 PMID:41479661	研究论文	本研究开发了一种基于近红外光谱和机器学习融合的玉米籽粒蛋白质含量快速无损检测方法	通过使用玉米粉末样品提高光谱信号的均匀性和稳定性，系统评估了多种光谱预处理方法，并比较了传统机器学习与深度学习模型的性能，最终提出了一种结合特征波长选择的高效预测模型	研究仅使用了90个玉米粉末样本，样本量相对较小；深度学习模型在本研究中未表现出优于传统方法的性能	开发一种快速、无损的玉米蛋白质含量检测方法	玉米粉末样品	机器学习	NA	近红外光谱	PLSR, SVM, CNN, Transformer	光谱数据	90个玉米粉末样本	NA	ResNet-18, Transformer	相关系数, RMSE, RPD	NA
2034	2026-01-05	Deep learning-based dose prediction for prostate cancer with empty bladder protocol: a framework for efficient and personalized radiotherapy planning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1690416 PMID:41479786	研究论文	本研究开发了一种基于深度学习的剂量预测模型，用于支持前列腺癌空膀胱放疗方案，旨在提高放疗计划的效率和个性化程度	首次针对前列腺癌空膀胱放疗方案开发了基于条件生成对抗网络的剂量预测模型，并通过特定数据微调显著提升了预测精度和临床相关性	模型训练样本量有限（90例满膀胱病例和20例空膀胱病例），且仅针对特定放疗技术（SBRT和IMRT）进行了验证	开发一个高效、个性化的放疗计划框架，以支持前列腺癌空膀胱放疗方案的临床应用	前列腺癌患者	数字病理学	前列腺癌	放射治疗（RT），包括立体定向体部放疗（SBRT）和调强放疗（IMRT）	条件生成对抗网络（cGAN）	医学影像数据（剂量分布、解剖结构）	110例病例（90例满膀胱病例用于训练，20例空膀胱病例用于微调和评估）	NA	改进的3D U-Net	平均绝对百分比误差（MAPE），剂量体积直方图（DVH）指标	NA
2035	2026-01-05	The place of advanced machine learning techniques in building pancreatic adenocarcinoma survival and recurrence prognosis models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1727806 PMID:41479788	综述	本文评估了机器学习在改善胰腺导管腺癌预后预测中的应用	系统综述了机器学习算法（如随机森林、XGBoost和深度学习）在预测PDAC生存、复发和转移方面相较于传统TNM分期的优越性能，并强调多模态数据整合（临床、影像组学和基因组特征）能实现最高预测准确度	当前模型受限于小规模数据集和回顾性研究设计，缺乏前瞻性验证	评估机器学习技术在胰腺导管腺癌预后预测模型构建中的应用价值	胰腺导管腺癌患者	机器学习	胰腺癌	机器学习算法（如随机森林、XGBoost、深度学习）	随机森林, XGBoost, 深度学习	多模态数据（临床、影像组学、基因组特征）	基于12项研究的系统综述，未明确总样本量	NA	NA	预测准确度	NA
2036	2026-01-05	Neural networks and foundation models: two strategies for EEG-to-fMRI prediction 2025, Frontiers in systems biology DOI:10.3389/fsysb.2025.1715692 PMID:41479845	研究论文	本文探讨了从脑电图（EEG）预测功能磁共振成像（fMRI）活动的两种策略：使用传统机器学习和深度学习模型，以及利用预训练的大型语言模型（LLMs）和多模态模型	首次将EEG到fMRI的预测任务同时表述为分类和回归问题，并比较了传统深度学习模型与预训练基础模型两种策略，还探索了思维链方法让LLMs从EEG推断认知功能再预测fMRI	两种策略的自然结合（即在EEG-fMRI数据集上微调LLM）并不直接，需要进一步研究，且研究基于特定神经反馈任务和哈佛-牛津皮质图谱定义的脑区域	从EEG活动预测fMRI活动，以结合两种神经成像技术的优势，为神经科学研究和神经技术应用开辟新途径	执行神经反馈任务的受试者的EEG和fMRI数据	机器学习	NA	EEG, fMRI	MLP, CNN, RNN, transformer, LLMs, 大型多模态模型	时间序列数据（EEG）, 图像数据（fMRI）	NA	NA	MLP, CNN, RNN, Transformer	NA	NA
2037	2026-01-05	A multidimensional data-driven approach to surgical plan optimization and postoperative residual tumor prediction in ovarian cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1705428 PMID:41479903	研究论文	本研究开发了一种融合临床特征和腹水免疫微环境特征的多维数据驱动深度学习模型，用于预测卵巢癌术后残留肿瘤状态并辅助手术决策	首次将临床特征与腹水免疫微环境特征整合到深度学习模型中，用于预测卵巢癌术后残留肿瘤状态，并通过梯度特征数量验证优化了特征选择	模型在区分R0和R1状态方面存在局限性，需要进一步优化；样本量相对较小（118例），未来需要扩大数据集	预测卵巢癌术后残留肿瘤状态并优化手术决策	118例FIGO III/IV期高级别浆液性卵巢癌患者	数字病理学	卵巢癌	密度梯度离心，流式细胞术	深度学习模型	临床数据，免疫微环境数据	118例高级别浆液性卵巢癌患者	NA	NA	准确率，精确率，召回率，F1分数	NA
2038	2026-01-05	Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1701951 PMID:41480282	研究论文	本研究探讨了基于循环神经网络和卷积神经网络的深度学习模型在V2X通信网络中交通预测的应用	系统比较了GRU、LSTM和BiLSTM等RNN变体以及CNN在V2X交通预测中的性能，并详细分析了损失函数和优化器等超参数的影响	未提及模型在真实世界V2X网络中的部署验证或不同交通场景下的泛化能力	提高V2X通信网络的交通信息共享效率和预测准确性	V2X通信网络中的交通流量数据	机器学习	NA	深度学习	RNN, CNN	时间序列数据	NA	NA	GRU, LSTM, BiLSTM	RMSE, 计算效率	NA
2039	2026-01-05	Secure pulmonary diagnosis using transformer-based approach to X-ray classification with KL divergence optimization 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1716066 PMID:41480524	研究论文	本文提出了一种基于MedViT和Swin Transformer的深度学习新方法，用于X射线图像的肺部疾病分类，并通过KL散度优化提升性能	结合了MedViT和Swin Transformer两种先进模型，并利用Kullback-Leibler散度作为损失函数来有效处理类别不平衡问题	未提及模型在外部验证集上的泛化能力或计算效率的具体分析	开发一种可靠的自动化肺部疾病分类方法以支持临床决策	肺部X射线图像数据集，包含正常、肺部不透明和病毒性肺炎三类	计算机视觉	肺癌	X射线成像	Transformer, CNN	图像	10,425张X射线图像（正常3,750张，肺部不透明3,375张，病毒性肺炎3,300张）	NA	MedViT, Swin Transformer	准确率, 损失值	NA
2040	2026-01-04	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2026-Mar, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息，提高了预测准确性	结合Molr和ProtTrans网络进行特征提取，并引入转置注意力机制与三重损失自监督学习方法，以改进传统模型在蛋白质特征忽略和GPCR数据集标签反转任务上的性能	未明确说明模型在其他类型数据集上的泛化能力或计算效率的具体限制	预测药物与靶点之间的结合亲和力，以推进虚拟药物筛选和药物发现	小分子药物和蛋白质靶点，特别是G蛋白偶联受体（GPCR）数据集和人类靶点数据集	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	NA	NA	MolrProtTrans, TransformerCPI	AUC	NA