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
2341	2025-12-15	A transformer-based pathomics model using endoscopic biopsy WSIs for predicting pathological complete response to preoperative immunotherapy in colorectal cancer 2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.111182 PMID:41240799	研究论文	本研究基于内镜活检全切片图像，利用深度学习模型预测结直肠癌患者术前免疫治疗的病理完全缓解	结合Swin Transformer架构与卷积神经网络增强的自注意力机制，并采用CLAM框架优化病理图像分析，首次利用内镜活检WSIs预测结直肠癌术前免疫治疗的pCR	样本量较小（训练集72例，验证集23例），且为单中心回顾性研究，可能限制模型的泛化能力	构建预测模型以识别结直肠癌患者术前免疫治疗的病理完全缓解	结直肠癌患者	数字病理学	结直肠癌	H&E染色全切片图像分析	Transformer, CNN	图像	训练集72例，验证集23例	CLAM	Swin Transformer	AUC	NA
2342	2025-12-15	Optimal artificial intelligence model based on gastrointestinal filling contrast-enhanced ultrasound: Risk stratification of gastric gastrointestinal stromal tumors 2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.111190 PMID:41265372	研究论文	本研究基于胃肠道充盈对比增强超声图像，开发了一种深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分层评估	首次将深度学习模型应用于胃肠道充盈对比增强超声图像，以实现胃胃肠道间质瘤的客观风险分层预测，减少操作者经验和主观判断的影响	样本量相对较小（121例患者），且为单中心研究，可能影响模型的泛化能力	开发基于胃肠道充盈对比增强超声图像的深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分类评估	原发性胃胃肠道间质瘤患者	计算机视觉	胃肠道间质瘤	胃肠道充盈对比增强超声	CNN	图像	121例原发性胃胃肠道间质瘤患者	NA	ResNet, CNN, ViT, EfficientNet	AUC	NA
2343	2025-12-15	Uncertainty- and hardness-weighted loss functions for medical image segmentation 2026-Jan-01, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.113118 PMID:41383559	研究论文	本文提出了一种用于医学图像分割的新型不确定性/困难度加权损失函数，通过概率引导不确定性权重和区域增强困难度权重来提升分割精度	首次提出结合像素级预测不确定性和困难度的双重加权损失函数，通过PGU和REH权重机制动态调整训练关注点	实验仅基于四种特定医学图像数据集，未验证在更广泛模态或临床场景中的泛化能力	改进医学图像分割的精度，特别是减少边界区域的分割误差	视网膜青光眼图像、视网膜血管树图像、光学相干断层扫描图像和心房分割挑战数据集	计算机视觉	青光眼,心血管疾病	深度学习	Transformer, CNN	二维图像,三维图像	四个公开数据集（REFUGE, RETA, OCT, ASC）	PyTorch	Swin-Unet, V-Net	Dice系数,分割误差	未明确说明
2344	2025-12-15	Feasibility of recent peptide therapy for ischemic stroke: a comprehensive exploration 2026-Jan, Journal of pharmacological sciences IF:3.0Q2 DOI:10.1016/j.jphs.2025.10.007 PMID:41390189	综述	本文综述了肽疗法在缺血性卒中治疗中的最新进展及其潜力	探讨了人工智能与深度学习在肽生成中的应用，以加速药物发现过程	NA	探索肽疗法作为缺血性卒中新型治疗策略的可行性	缺血性卒中及其相关分子通路	自然语言处理	心血管疾病	NA	深度学习	NA	NA	NA	NA	NA	NA
2345	2025-12-15	Multi-phase deep learning framework with Multiscale Adaptive Swin Transformer and embedding attention for precision lung nodule detection and classification 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31147-2 PMID:41390502	研究论文	本文提出了一种用于肺结节精准检测与分类的多阶段深度学习框架	提出了一种结合稀疏边缘保持增强（SEPE）、改进的DeepLabv3+分割架构、多尺度自适应Swin Transformer（MA-SwinT）分类器以及Fossa优化算法（FOA）的多阶段集成框架	未明确提及模型的计算复杂度、泛化到其他数据集的能力或临床部署的实际挑战	开发一个高精度、可扩展且适应临床诊断需求的肺结节检测与分类系统	CT影像中的肺结节	计算机视觉	肺癌	医学影像分析	Transformer, CNN	医学影像（CT）	LUNA16和LIDC-IDRI数据集	未明确提及	DeepLabv3+, EfficientNetV2, DenseNet-201, ResNet-101, InceptionV3, Swin Transformer	Dice系数, IoU, Jaccard指数, Hausdorff距离, 准确率, 精确率, 召回率, F1分数, 特异性	NA
2346	2025-12-15	Automatic 3D railroad alignment detection using modified Hough transform 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31554-5 PMID:41390568	研究论文	本研究提出了一种基于深度学习和计算机视觉的自动化方法，用于从3D点云数据中直接检测铁路轨道线形	提出了一种结合改进霍夫变换、深度学习和计算机视觉的自动化方法，用于从3D点云中检测铁路轨道线形，替代了传统依赖主观且易出错的人工流程	仅在Osong铁路测试轨道上进行了验证，未提及在其他铁路环境或复杂场景下的泛化能力	提高铁路轨道线形检测的效率和准确性，以支持铁路基础设施的及时维护和可靠数字模型的构建	铁路轨道线形	计算机视觉	NA	3D点云数据处理	深度学习	3D点云数据	Osong铁路测试轨道的数据	NA	改进的霍夫变换	RMSE	NA
2347	2025-12-15	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-Dec-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2348	2025-12-15	Dynamic SG-SKRDX hybrid framework for precision weather forecasting and crop suitability in the Cauvery Delta 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31717-4 PMID:41390771	研究论文	本文提出了一种动态SG-SKRDX混合框架，用于印度泰米尔纳德邦Cauvery三角洲地区的精确天气预报和作物适宜性推荐	提出了一种创新的动态混合模型，将基于SVR-GRU的天气预测模型与动态集成机器学习模型（SVM、KNN、RF、DT、XGBoost）相结合，能够根据预测的天气变量变化智能选择最佳模型进行作物推荐	研究局限于Cauvery三角洲地区，模型在其他地理和气候区域的泛化能力未经验证	通过整合现代技术与传统知识，提升农业气候韧性，实现可持续作物生产	Cauvery三角洲地区的天气模式和作物适宜性	机器学习	NA	机器学习，深度学习	SVR, GRU, SVM, KNN, RF, DT, XGBoost	气象数据	十年历史气象数据	NA	SVR-GRU混合模型，动态SKRDX集成模型	MSE, RMSE, MAE, R-Squared, 准确率, 精确率, 召回率, F1分数	NA
2349	2025-12-15	Deep learning-enabled accurate assessment of gait impairments in Parkinson's disease using smartphone videos 2025-Dec-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02150-8 PMID:41390840	研究论文	本文提出了一种基于深度学习的框架，利用智能手机录制的视频评估帕金森病患者的步态障碍	该框架能够预测帕金森病严重程度，其性能与临床专家相当，并能识别超出统一帕金森病评定量表分辨率的药物诱导的细粒度步态变化，同时发现对疾病进展和药物反应敏感的新型数字生物标志物	未明确提及具体限制，如样本多样性、视频录制条件或模型泛化能力	评估帕金森病患者的步态障碍，以促进个性化治疗	帕金森病患者的步态	计算机视觉	帕金森病	智能手机视频录制	深度学习	视频	NA	NA	NA	AUC, F1分数, 精确度	NA
2350	2025-12-15	Automated DFU detection through GA-selected CNN ensemble with Grad-CAM interpretability 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30532-1 PMID:41390857	研究论文	本文提出了一种基于遗传算法优化的CNN集成模型，用于自动检测糖尿病足溃疡，并结合Grad-CAM增强模型的可解释性	通过遗传算法从多个优化器训练的CNN模型中选取最优集成，提高了检测准确性和可解释性	未提及模型在外部数据集上的泛化能力或临床验证的局限性	优化糖尿病足溃疡检测模型的性能，包括准确性和可解释性	糖尿病足溃疡的医学图像	计算机视觉	糖尿病足溃疡	医学图像分析	CNN	图像	NA	NA	自定义CNN结构	准确率, 精确率, 召回率, F1分数	NA
2351	2025-12-15	Modernizing pathology and oncology education: integrating genomics, artificial intelligence, and clinical relevance into medical training 2025-Dec-13, Journal of the National Cancer Institute DOI:10.1093/jnci/djaf358 PMID:41390932	评论	本文主张对病理学和肿瘤学教育进行现代化改革，强调整合基因组学、人工智能和临床相关性到医学培训中	提出从内容传授向以临床推理和数据素养为基础的概念整合转变，并系统性地将下一代测序、数字病理、人工智能评估、大型语言模型应用等新兴能力纳入医学教育框架	未提供具体的课程实施案例或实证数据来验证所提议改革方案的有效性	探讨如何改革病理学和肿瘤学教育，使其适应基因组学和人工智能时代的需求	医学教育体系、病理学和肿瘤学培训课程、医学生和住院医师	数字病理	肿瘤	下一代测序、数字病理、人工智能、大型语言模型	NA	NA	NA	NA	NA	NA	NA
2352	2025-12-15	CEO perceived personality and corporate risk disclosure in prospectus: A multimodal machine learning analysis 2025-Dec-12, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106099 PMID:41389399	研究论文	本研究探讨了CEO人格特质如何影响IPO风险披露质量，并采用了一种新颖的多模态深度学习方法，利用IPO路演演示的视听数据来测量CEO人格特质	引入了一种新颖的多模态深度学习方法，通过整合视觉和音频数据来捕捉言语和非言语行为线索，从而比传统的单模态方法更全面地评估人格特质	研究样本仅限于2019年至2024年间中国创业板和科创板的866家IPO公司，可能限制了结果的普适性	探究CEO人格特质对IPO风险披露质量的影响，并检验承销商声誉的调节作用	中国创业板和科创板的IPO公司及其CEO	自然语言处理, 计算机视觉	NA	多模态深度学习分析	深度学习模型	音频, 视频	866家IPO公司	NA	NA	NA	NA
2353	2025-12-15	A novel deep learning based spatial ensemble approach and segment anything model for landslide risk assessment in Chamoli district of Garhwal Himalayas 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01958-4 PMID:41381540	研究论文	本研究提出了一种用于滑坡风险评估的新型“空间集成”方法，并结合Segment Anything Model（SAM）在Garhwal Himalayas的Chamoli地区进行应用	提出了创新的“空间集成”方法，生成两种不同类型的“滑坡阻抗复合图”，并结合最先进的SAM模型自动检测建筑物，实现了滑坡风险评估的逐步创新方法	NA	开发一种新颖的滑坡风险评估方法，结合深度学习和机器学习技术	Garhwal Himalayas的Chamoli地区的滑坡风险区域	计算机视觉	NA	深度学习，机器学习	DenseNet, MLPNN, XGBoost, SAM	空间数据，图像数据	NA	NA	DenseNet神经网络	准确性，精确度	NA
2354	2025-12-15	Designing a residual-enhanced hybrid Prophet-LSTM framework for urban air pollution forecasting in Beijing 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27510-y PMID:41381676	研究论文	本研究提出了一种用于北京城市空气质量预测的残差增强混合Prophet-LSTM框架，旨在准确预测PM2.5浓度	提出了一种结合Prophet统计可解释性和LSTM非线性学习能力的残差增强混合预测框架，通过Prophet捕获长期趋势和季节性，LSTM建模残差中的复杂非线性依赖	未明确讨论模型在其他城市或污染物上的泛化能力，以及实时预测中的计算效率限制	开发一种数据驱动的混合框架，用于城市空气质量预测，以减轻空气污染对公共健康和城市可持续性的不利影响	北京空气质量数据集中的PM2.5浓度时间序列数据	机器学习	NA	时间序列分析，特征选择基于相关性分析	Prophet, LSTM	时间序列数据	NA	NA	Prophet+LSTM	MAE, RMSE	NA
2355	2025-12-15	Competitive swarm reinforcement learning improves stability and performance of deep reinforcement learning 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27498-5 PMID:41381742	研究论文	本文提出了一种名为竞争性群体强化学习的新框架，旨在解决深度强化学习中的稳定性问题	受进化计算中基于群体优化的启发，通过多样化的代理群体探索环境，共享样本池并降低超参数敏感性	NA	提高深度强化学习的稳定性和性能	强化学习代理	机器学习	NA	强化学习	深度强化学习	环境交互数据	NA	NA	NA	平均回报	NA
2356	2025-12-15	A deep learning approach to predict the results of root coverage procedures based on intraoral photographs: a retrospective study 2025-Dec-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07250-1 PMID:41382163	研究论文	本研究基于口内照片，利用深度学习模型预测根覆盖手术的结果	首次提出基于YOLO-v8的深度学习模型，用于自动标注牙周关键点并预测最大根覆盖效果，减少牙周医生主观偏差的影响	研究为回顾性设计，样本量有限（963颗牙齿），且仅验证了6个月术后结果，缺乏长期随访数据	建立能准确预测根覆盖手术结果的深度学习模型，以辅助手术规划和医患沟通	患有牙龈退缩的牙齿，基于口内照片进行分析	计算机视觉	牙周病	口内摄影	CNN	图像	963颗牙齿（408张口内照片）用于模型构建，114颗牙齿（50张口内照片）用于验证	PyTorch	YOLO-v8	平均径向误差, 标准径向误差	NA
2357	2025-12-15	Development of a Deep Learning Classification Model Using a Codeless Platform for Orthodontic Extraction Decision-Making: Impact of Image Type on Model Performance 2025-Dec-11, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106296 PMID:41389871	研究论文	本研究评估了图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨了人工智能在利用口内照片和数字模型扫描确定拔牙与非拔牙治疗计划中的临床适用性	使用无代码平台自动开发深度学习分类模型，通过自动超参数调优优化模型，无需手动编码，并比较了不同图像类型（口内照片与数字模型扫描）对模型性能的影响	研究为回顾性设计，样本量相对有限（每种图像类型各1200张图像），且未详细说明模型的具体架构或超参数调优过程	评估图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨人工智能在临床决策中的适用性	已完成正畸治疗患者的预处理患者数据和正畸治疗计划，包括口内照片和数字模型扫描	计算机视觉	NA	深度学习	深度学习分类模型	图像	1200张口内照片和1200张数字模型扫描，每种图像类型包括600例拔牙病例和600例非拔牙病例	无代码平台（具体框架未指定）	NA	准确率, 精确率, 召回率, F1分数	NA
2358	2025-12-15	Deep Learning Discriminates Thymic Epithelial Tumors Histological Subtypes Using Digital Pathology 2025-Dec-11, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.12.003 PMID:41390119	研究论文	本研究开发了一种基于深度学习的模型，利用数字病理学中的H&E全切片图像对胸腺上皮肿瘤进行组织学亚型分类	引入了一种新颖的分层损失函数，该函数基于治疗策略和患者结局反映临床相关的肿瘤分组，以提高分类的临床相关性	模型在六类WHO分类中的准确率为77.7%，表明在更细粒度的亚型区分上仍有提升空间，且研究主要基于特定数据集，需进一步外部验证	减少胸腺上皮肿瘤诊断中的观察者间变异性，提高组织学分类的一致性	胸腺上皮肿瘤（TETs）的组织学亚型	数字病理学	胸腺上皮肿瘤	H&E染色全切片图像分析	深度学习模型	图像	训练集来自癌症基因组图谱，验证集包括芝加哥大学的112例连续病例	NA	NA	准确率, Cohen's κ, 灵敏度	NA
2359	2025-12-15	Leveraging complex network features improves vaccine stance classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27487-8 PMID:41360844	研究论文	本研究提出利用从社交网络中提取的复杂网络特征来增强基于文本的深度学习模型，以提高疫苗立场分类的准确性	首次将复杂网络特征与文本特征结合用于疫苗立场分类，尤其在极端立场类别上表现更优，且网络特征在时间推移后更具稳定性	研究基于意大利语社交媒体数据，可能不直接适用于其他语言或文化背景	提高社交媒体中疫苗立场分类的准确性	意大利语社交媒体帖子	自然语言处理	NA	NA	深度学习模型	文本, 网络数据	约2000万条意大利语帖子，其中约7000条手动标注	NA	NA	NA	NA
2360	2025-12-15	Real-time deep learning-based image guiding and automated left ventricular measurements to reduce test-retest variability 2025-Dec-07, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003783 PMID:41360622	研究论文	本研究评估了结合实时深度学习引导和自动测量对左心室容积和应变测量变异性的影响	首次将实时深度学习引导工具与自动测量相结合应用于超声心动图，以降低测试-重测变异性	样本量较小（n=47），且仅针对混合心脏病理患者，结果可能无法推广到所有人群	评估AI辅助超声心动图在减少左心室测量变异性方面的效果	混合心脏病理患者	计算机视觉	心血管疾病	超声心动图	深度学习	图像	47名患者	NA	NA	变异系数	NA