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
2141	2026-01-03	Carbon efficient quantum AI: an empirical study of ansätz design trade-offs in QNN and QLSTM models 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28582-6 PMID:41462429	研究论文	本研究通过基准测试量子神经网络和量子长短期记忆模型，探讨量子机器学习作为低碳人工智能替代方案的潜力	首次系统比较量子模型与经典模型在性能、能耗和训练时间上的权衡，并分析量子硬件与仿真环境的能源差异	量子硬件仍存在较高能耗成本，量子模型在训练速度和能源效率上暂未超越经典模型	评估量子机器学习模型的能源效率与分类性能，推动绿色人工智能发展	量子神经网络、量子长短期记忆模型及经典机器学习模型	机器学习	NA	量子电路设计	QNN, QLSTM, ANN, LSTM, CatBoost	异常检测数据集	N-BaIoT数据集	IBM Qiskit	十种量子电路设计（A1-A10）	准确率, 模型复杂度, 训练时间, 能耗	GPU服务器, IBM量子硬件
2142	2026-01-03	Hybrid deep learning model for autism spectrum disorder diagnosis 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28819-4 PMID:41462499	研究论文	本文提出了一种用于自闭症谱系障碍诊断的混合深度学习模型，通过结合MobileNetV2和GRU架构，在面部图像数据集上实现了高准确率	提出了一种结合MobileNetV2和GRU的混合深度学习模型，用于自闭症谱系障碍的自动化诊断，相比传统主观诊断方法更具客观性和效率	研究仅基于Kaggle的面部图像数据集，可能未涵盖其他诊断指标如fMRI或行为数据，且模型泛化能力需进一步验证	开发一种高效、客观的深度学习模型，用于儿童自闭症谱系障碍的早期诊断	儿童自闭症谱系障碍患者的面部图像数据	计算机视觉	自闭症谱系障碍	深度学习	CNN, GRU	图像	NA	NA	MobileNetV2, BiLSTM, ResNet50, LSTM, EfficientNetB4, InceptionV3, GRU	准确率, 精确率, F1分数, ROC值	NA
2143	2026-01-03	XTC-Net: an explainable hybrid model for automated atelectasis detection from chest radiographs 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28694-z PMID:41462544	研究论文	本文提出了一种可解释的深度学习模型XTC-Net，用于从胸部X光片中自动检测肺不张	创新性地结合了Xception、Transformer和Capsule Network组件，以提取空间特征、建模长距离依赖并增强对细微结构变化的敏感性	NA	提高肺不张的自动检测效率和准确性，以支持临床诊断	胸部X光片	计算机视觉	肺不张	深度学习	CNN, Transformer, Capsule Network	图像	NA	NA	Xception, Transformer, Capsule Network	准确率, 灵敏度, F1分数	NA
2144	2026-01-03	An AM-CNN-BiGRU network with spatiotemporal feature fusion for industrial robot predictive maintenance 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29255-0 PMID:41462560	研究论文	本文提出了一种基于AM-CNN-BiGRU神经网络的工业机器人预测性维护方法，通过融合时空特征和多源数据来提升故障预测性能	提出了一种结合CNN、BiGRU和注意力机制（AM）的新型网络架构，实现了局部空间特征提取与全局双向时间依赖学习的融合，并采用多通道输入进行多源数据融合	NA	开发一种有效的工业机器人预测性维护方法，以提高故障预测的准确性和可靠性	工业机器人	机器学习	NA	NA	CNN, BiGRU	时间序列数据（振动、电流、扭矩）	NA	NA	AM-CNN-BiGRU	R², MAE, MAPE, RMSE	NA
2145	2026-01-03	Efficient blood cell classification from microscopic smear images using U-Net segmentation and a lightweight CNN 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26947-5 PMID:41453980	研究论文	本文提出了一种基于深度学习的自动化系统，用于从显微血液涂片图像中进行血细胞分类和计数	结合U-Net分割模型与自定义轻量级CNN（BloodCell-Net）进行血细胞分类，并采用分水岭算法处理重叠细胞	未明确提及数据集的规模或多样性限制，以及模型在真实临床环境中的泛化能力验证	开发自动化血细胞分类与计数系统，以辅助血液相关疾病的诊断	九种血细胞类型：红细胞、成红细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、单核细胞、未成熟粒细胞和血小板	计算机视觉	血液相关疾病（如贫血、白血病、淋巴瘤、血小板减少症）	显微成像	CNN, U-Net	图像	NA	NA	U-Net, 自定义轻量级CNN（LWCNN）	准确率、精确率、召回率、F1分数、IOU、Dice系数	NA
2146	2026-01-03	Comprehensive framework of machine learning and deep learning architectures with metaheuristic optimization for high-fidelity prediction of nanofluid specific heat capacity 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28268-z PMID:41455692	研究论文	本研究开发了一个结合机器学习和深度学习架构与元启发式优化的综合框架，用于高保真预测纳米流体的比热容	采用堆叠集成技术，结合线性回归作为元学习器提升基础模型性能，并应用粒子群优化和灰狼优化算法进行超参数调优，同时实施了基于多项式/傅里叶展开和自编码器的数据增强策略以提高模型泛化能力	NA	优化纳米流体在工程和工业应用中的性能，通过预测其比热容	纳米流体样本	机器学习	NA	NA	多层感知机, CatBoost, LightGBM	实验数据	1269个实验纳米流体样本	NA	多层感知机	R²分数, 均方误差, 均方根误差	NA
2147	2026-01-03	Hydraulic support pressure prediction via deep learning with multilevel temporal feature integration 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13089-x PMID:41455725	研究论文	本研究提出了一种基于LSTM-PatchTST的深度学习方法，用于预测煤矿液压支架压力，以提高预测精度并保障矿山安全	提出了一种结合LSTM和PatchTST的新型预测方法，通过遗忘门和输入门分别捕捉短期波动和长期趋势，并利用PatchTST模块同时建模局部细节和全局依赖关系，实现了多层次时序特征的深度融合	模型在跨矿井数据集上的泛化能力虽有验证，但可能仍需更多样化的地质和操作条件数据以进一步提升普适性	提高煤矿液压支架压力的预测精度，以应对开采深度增加和操作环境复杂化带来的安全挑战	煤矿液压支架的压力数据	机器学习	NA	皮尔逊相关分析，高斯移动平均滤波	LSTM, Transformer	时间序列数据	来自山东枣庄付村煤矿和河南义马耿村煤矿的实际压力数据集	NA	LSTM, PatchTST	RMSE, MAE	NA
2148	2026-01-03	Dynamic comprehensive difficulty knowledge cells based on KAN network and stable learning for knowledge tracing 2025-Dec-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108514 PMID:41478142	研究论文	本文提出了一种基于KAN网络和稳定学习的动态综合难度知识单元方法，用于知识追踪任务	引入了动态综合难度知识单元，结合KAN网络动态更新综合难度，并采用稳定学习策略减少幸运猜测导致的虚假相关性	NA	改进知识追踪模型，以更准确地追踪学生知识状态并预测未来表现	学生知识状态	机器学习	NA	深度学习	KAN网络	教育数据	多个公共教育数据集	NA	KAN网络	NA	NA
2149	2026-01-03	Deep learning optimization of teaching schedules in sports dance education 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28249-2 PMID:41444315	研究论文	本研究提出了一种基于深度学习的体育舞蹈教学排课优化框架，以解决传统排课方法在动态约束处理上的不足	首次将循环神经网络（RNN）与强化学习（RL）相结合，用于体育舞蹈教育的动态排课优化，实现了高冲突解决率与自适应决策	研究基于特定教育机构的五年数据，模型在其他机构或不同教育场景中的泛化能力有待验证	优化体育舞蹈教学中的课程安排，解决教师可用性冲突、课程分配效率低及个性化训练计划需求等问题	体育舞蹈教育机构的课程安排数据，包括教师可用性、学生表现指标和历史排课记录	机器学习	NA	深度学习	RNN, RL	序列数据（历史排课数据、教师可用性、学生表现指标）	五年真实体育舞蹈课程数据	NA	循环神经网络（RNN）	冲突解决率、教师工作量平衡效率、学生课程连续性、执行时间	NA
2150	2026-01-03	Clair3-RNA: a deep learning-based small variant caller for long-read RNA sequencing data 2025-Dec-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67237-y PMID:41430046	研究论文	本文提出了一种基于深度学习的、专为长读长RNA测序数据设计的小变异检测工具Clair3-RNA	首个基于深度学习的、专门针对长读长RNA测序数据的变异检测工具，采用了不均匀覆盖度归一化、精炼训练数据、编辑位点发现和单倍型定相等优化技术	NA	开发一个高性能的、适用于长读长RNA测序数据的变异检测工具	长读长RNA测序数据中的小变异	机器学习	NA	长读长RNA测序，包括PacBio、ONT cDNA测序和ONT直接RNA测序	深度学习	RNA测序数据	NA	NA	NA	F1分数	NA
2151	2026-01-03	A Scorpion Peptide Exerts Selective Anti-Leukemia Effects Through Disrupting Cell Membranes and Triggering Bax/Bcl-2-Related Apoptosis Pathway 2025-Dec-18, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121751 PMID:41463404	研究论文	本研究利用深度学习模型筛选出一种蝎子肽Lpep3，该肽通过破坏细胞膜并激活Bax/Bcl-2相关凋亡通路，对白血病细胞产生选择性抗肿瘤作用	首次结合AI预测模型筛选出具有选择性抗白血病活性的蝎子肽Lpep3，并系统阐明了其通过双重机制（膜破坏与凋亡诱导）发挥作用的分子机理	研究主要聚焦于MV-4-11白血病细胞系和小鼠模型，尚未在更广泛的白血病亚型或临床样本中验证，作用机制细节需进一步探索	开发基于动物毒素肽的新型抗白血病药物先导化合物	白血病细胞（MV-4-11细胞系）和荷瘤小鼠模型	生物信息学与计算生物学	白血病	深度学习预测、电子显微镜、台盼蓝染色、Calcein-AM/PI双染、LDH/ATP检测、Western blot、RT-qPCR、体内实验	深度学习模型	肽序列数据、细胞实验数据、分子生物学数据	7种预测肽中的Lpep3进行验证，使用MV-4-11细胞系和小鼠模型	NA	NA	细胞生长抑制率、LDH释放量、ATP释放量、凋亡率、蛋白表达变化、肿瘤生长抑制	NA
2152	2026-01-03	Integrating AI with PCR for Tuberculosis Diagnosis: Evaluating a Deep Learning Model for Chest X-Rays 2025-Dec-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121377 PMID:41463673	研究论文	本研究评估了一种基于深度学习模型（CheXzero视觉变换器）在胸部X光片上检测结核病的诊断性能，并与PCR结果进行比较	将AI驱动的胸部X光筛查与PCR分子检测相结合，在低负担地区评估深度学习模型性能，并分析不同亚组（如年龄、合并症）对模型准确性的影响	模型在PCR确诊病例上的性能有所下降，且在老年人及患有慢性肾病、慢性阻塞性肺疾病或心力衰竭的患者中准确性较低	评估深度学习模型在结核病诊断中的性能，并与PCR检测进行比较	结核病（TB）患者及疑似病例的胸部X光图像及对应PCR检测结果	计算机视觉	结核病	聚合酶链式反应（PCR），胸部X光摄影（CXR）	深度学习模型（DLM），视觉变换器	图像	来自两家医院的回顾性数据集，包含胸部X光图像及对应PCR结果	NA	CheXzero视觉变换器	接收者操作特征曲线（ROC），曲线下面积（AUC），敏感性，特异性，预测值	NA
2153	2026-01-03	Deep Learning-Based Fatigue Monitoring in Natural Environments: Multi-Level Fatigue State Classification 2025-Dec-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121374 PMID:41463671	研究论文	本研究提出了一种基于深度学习的日常疲劳监测系统，通过可穿戴设备采集心电信号，对自然环境下个体的疲劳状态进行三级分类	将疲劳监测从受控实验环境扩展到自然日常环境，提出端到端深度学习模型C-BL，并开发了适用于日常监测的可穿戴设备	样本量较小（12名受试者），实验周期为14天，可能无法完全代表更广泛人群的长期疲劳模式	开发能够在自然环境下进行日常疲劳监测的系统，实现疲劳状态的自动分类	日常环境中的个体疲劳状态	机器学习	NA	心电信号采集	深度学习模型, 机器学习模型	心电信号	12名受试者参与14天监测实验	NA	C-BL	准确率	NA
2154	2026-01-03	Transfer Learning Approach with Features Block Selection via Genetic Algorithm for High-Imbalance and Multi-Label Classification of HPA Confocal Microscopy Images 2025-Dec-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121379 PMID:41463675	研究论文	本文提出了一种基于特征块选择和遗传算法的两阶段迁移学习方法，用于处理高类别不平衡和多标签分类的HPA共聚焦显微镜图像	提出了一种结合特征块提取、遗传算法优化特征块组合以及细胞级分析（如核和核膜环特征提取）的方法，以提升罕见模式的检测性能	未明确说明方法在更大规模或更复杂数据集上的泛化能力，且可能依赖于特定预训练模型	解决HPA数据集中的高类别不平衡和多标签分类问题，以准确识别蛋白质定位模式	HPA共聚焦显微镜图像，包含28种不同模式和500多种独特标签组合	计算机视觉	NA	共聚焦显微镜成像	CNN, SVM	图像	未明确指定样本数量，但基于HPA数据集	未明确指定，但可能涉及TensorFlow, PyTorch等	基于12个ImageNet预训练的CNN模型	F1分数	NA
2155	2026-01-03	A Pre-Trained Model Customization Framework for Accelerated PET/MR Segmentation of Abdominal Fat in Obstructive Sleep Apnea 2025-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243243 PMID:41464242	研究论文	本研究验证了一个基于预训练网络的定制化框架，用于开发自动化内脏和皮下脂肪分割模型，利用阻塞性睡眠呼吸暂停患者的混合PET/MRI数据	提出了一个可扩展的定制化框架，结合预训练的UNet-ResNet50模型，在闭环系统中迭代训练，实现了高效的腹部脂肪分割，支持多模态成像整合	轮廓/边界分割的Dice相似系数较低（0.43和0.54），表明在边界细化方面存在改进空间	开发自动化腹部脂肪分割模型，以加速PET/MR图像中内脏和皮下脂肪的量化分析	阻塞性睡眠呼吸暂停患者的混合PET/MRI数据	数字病理学	阻塞性睡眠呼吸暂停	混合正电子发射断层扫描/磁共振成像	CNN	图像	59、157和328个标注扫描用于迭代训练，10个独立测试案例	NA	UNet-ResNet50	Dice相似系数, 分割时间, 组内相关系数, Bland-Altman分析	Discovery Viewer平台
2156	2026-01-03	Artificial Intelligence and Innovation in Oral Health Care Sciences: A Conceptual Review 2025-Dec-18, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243327 PMID:41464395	综述	本文对2020年至2025年间人工智能在牙科护理领域的应用进行了全面的文献计量和概念性综述	通过文献计量网络可视化识别了研究主题集群，并强调了生成式与多模态AI模型、可解释性及临床部署公平性等新兴趋势	纳入分析的文献数量有限（50篇），且为概念性综述，缺乏对具体AI技术临床有效性的深入实证评估	综述人工智能在牙科护理领域的应用，分析研究趋势、主题集群，并为公平、负责任地整合AI技术指明未来方向	2020年1月至2025年10月期间在PubMed、Scopus和Embase数据库中收录的与牙科AI应用相关的文献	机器学习	口腔疾病	NA	NA	NA	50篇文献	VOSviewer	NA	NA	NA
2157	2026-01-03	Automated Classification of Enamel Caries from Intraoral Images Using Deep Learning Models: A Diagnostic Study 2025-Dec-18, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248959 PMID:41464861	研究论文	本研究开发并评估了两种可解释的深度学习模型，用于从口内图像中自动分类牙釉质龋	提出了两种集成了Grad-CAM以提供视觉可解释性的深度学习模型，用于牙釉质龋的自动化分类	研究结果需要未来在多中心数据集上进行外部验证	开发并评估用于牙釉质龋自动分类的可解释深度学习模型	显示早期牙釉质龋、晚期牙釉质龋和无龋的口内图像	计算机视觉	龋齿	NA	CNN	图像	2000张口内图像	NA	ExplainableDentalNet, ResNet50-SE	准确率, 马修斯相关系数	NA
2158	2026-01-03	Multi-sensor observer-based residual learning with Auto-Permutation Feature Importance for fault diagnosis of multistage centrifugal pumps under variable pressures 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32726-z PMID:41402517	研究论文	本文提出了一种基于多传感器观测器残差学习和自动置换特征重要性的框架，用于变压力条件下多级离心泵的故障诊断	结合自回归观测器进行多传感器正常信号建模以提取故障残差，并引入自动置换特征重要性机制进行特征选择和降维，提高了诊断的鲁棒性和可解释性	未明确说明模型在更广泛压力范围或不同泵类型上的泛化能力，且可能依赖于特定传感器配置	开发一种数据高效且可解释的故障诊断方法，以应对有限或不平衡数据条件下的挑战	多级离心泵	机器学习	NA	自回归观测器、统计与频谱描述符计算（如RMS、频带功率）	高斯混合模型	多传感器信号数据	在3、3.5和4巴压力级别下采集的数据集	NA	自回归观测器、高斯混合模型	准确率、ROC曲线、混淆矩阵	NA
2159	2026-01-03	LivSCP: Improving Liver Fibrosis Classification Through Supervised Contrastive Pretraining 2025-Dec-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243226 PMID:41464225	研究论文	本文提出了一种名为LivSCP的监督对比预训练方法，用于提高基于肝脏超声扫描的肝纤维化分类模型的准确性	提出了一种无需改变网络架构或优化器的训练方法，在有限标注数据和计算资源的场景下显著提升了肝纤维化分类性能，并达到了最先进水平	未明确说明方法在其他医学影像分类任务中的泛化能力，也未详细讨论模型的可解释性	开发一种改进肝纤维化分类模型性能的训练方法，特别是在数据有限和计算资源受限的情况下	肝脏超声扫描图像	计算机视觉	肝纤维化	超声扫描	Vision Transformer	图像	NA	NA	Vision Transformer	准确率, 精确率, 召回率, F1分数, AUROC	NA
2160	2026-01-03	Integrating Multi-Source Directed Gene Networks and Multi-Omics Data to Identify Cancer Driver Genes Based on Graph Neural Networks 2025-Dec-17, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262412132 PMID:41465557	研究论文	本文提出了一种名为MDIGNN的新型深度学习模型，通过整合有向基因网络和多组学数据来识别癌症驱动基因	首次提出基于磁拉普拉斯算子的图神经网络来编码有向图的边方向性，并引入通道注意力和空间注意力机制增强特征表示能力	未明确说明模型在特定癌症类型或数据集上的泛化能力限制	识别癌症驱动基因以理解癌症分子机制并为早期诊断提供关键靶点	基因（作为网络节点）	机器学习	癌症	多组学数据整合	图神经网络	图数据（有向基因网络）、多组学数据	NA	NA	基于磁拉普拉斯的图神经网络	NA	NA