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
2401	2026-04-27	Traditional cloud pattern classification algorithm based on semi-supervision with Random Line Augment 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29225-6 PMID:41298891	研究论文	提出一种基于半监督学习的传统云纹图案分类算法，结合随机线条增强策略，以少量标签实现高精度分类	提出半监督学习框架和随机线条增强数据增强策略，并引入WideResNet作为骨干网络以增强局部细节特征捕捉能力	仅针对线条特征明显的云纹图案，对其他类型图案的泛化能力未知	解决同一类别下不同类型图案的精细分类难题，实现传统云纹图案的高效数字化保护	传统云纹图案	计算机视觉	NA	NA	半监督学习模型、WideResNet	图像	NA	PyTorch	WideResNet	准确率	NA
2402	2026-04-27	Software cost estimation using TabNet and Harris Hawks Optimization 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29908-0 PMID:41298997	研究论文	提出一种结合TabNet与哈里斯鹰优化（HHO）的混合模型，用于软件成本估算	将TabNet深度学习架构与HHO特征工程相结合，并利用SHAP进行可解释性分析	未明确说明局限性	提高软件成本估算的准确性和鲁棒性	软件项目开发过程中的成本数据	机器学习	NA	NA	TabNet	表格数据	多个标准数据集，包括COCOMO、NASA、Desharnais、China、Albrecht	NA	TabNet	均方误差, 均方根误差, 平均绝对误差, 中位数相对误差, 预测准确率	NA
2403	2026-04-27	Deep learning classification of INSV-associated weeds in Monterey county using a curated RGB image dataset 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29552-8 PMID:41299059	研究论文	提出首个针对加州蒙特雷县与INSV相关的杂草的高分辨率RGB图像数据集，并比较三种CNN模型进行分类	首次构建了针对加州蒙特雷县INSV相关杂草的区域性高分辨率图像数据集，填补了全球数据集中此类区域的空白	NA	利用深度学习实现INSV相关杂草的准确识别，为精准农业中的实时检测和可持续杂草管理提供支持	蒙特雷县中与INSV相关的两种杂草：Sonchus oleraceus（一年生苦苣菜）和Malva parviflora（小锦葵）	计算机视觉	植物病害（INSV，菊花坏死斑点病毒）	RGB成像	卷积神经网络	图像（RGB）	由温室条件下拍摄的高分辨率RGB图像构成的数据集，具体数量未明确	PyTorch	ResNet-50, ResNet-101, DenseNet-121	分类准确率, Cohen's Kappa, F1-score, AUC	NA
2404	2026-04-27	A deep learning pipeline for detecting vestibular schwannoma patients with unilateral vestibular loss based on kinematic data 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29776-8 PMID:41291198	研究论文	使用深度学习管道基于运动学数据检测前庭神经鞘瘤伴单侧前庭功能丧失患者	首次在术前患者中利用深度学习从惯性测量单元数据检测早期代偿性运动模式，并发现腕部和躯干传感器在传统评估未强调的区域具有关键特征	数据集规模有限，传感器放置位置和任务设计可能未覆盖所有相关运动特征，且模型尚未在真实临床环境中验证	开发基于深度学习的分类器，从步态运动学数据中区分前庭神经鞘瘤患者与健康对照，以在传统临床评分正常时检测前庭功能损害	前庭神经鞘瘤患者和年龄匹配的健康对照组	机器学习	前庭神经鞘瘤	NA	卷积神经网络	运动学数据（惯性测量单元信号）	前庭神经鞘瘤患者和健康对照者的步态数据，具体样本量未在摘要中提及	NA	卷积神经网络	准确率	NA
2405	2026-04-27	A novel hybrid approach for multi stage kidney cancer diagnosis using RCC ProbNet 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29742-4 PMID:41276585	研究论文	提出一种名为RCC-ProbNet的混合深度学习模型，用于肾细胞癌的多阶段诊断	首次结合特征提取与概率特征建模，形成混合深度学习方法，并通过Logistic回归分类器实现高精度分期诊断	未提及模型在真实临床环境中的泛化能力及外部数据集验证结果	提高肾细胞癌早期诊断和分期的精确性	肾细胞癌患者医学影像数据	机器学习, 数字病理学	肾癌	医学影像分析	混合深度学习模型（RCC-ProbNet + LR）	医学图像	未明确说明	NA	RCC-ProbNet, Logistic回归	准确率	NA
2406	2026-04-27	Advanced COVID-19 detection using cough signals with space reconstruction and 3D deep convolutional neural networks 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29633-8 PMID:41286001	研究论文	提出一种通过咳嗽音频信号结合相位空间重构和3D深度卷积神经网络检测新冠肺炎的新方法	将相位空间重构与3D深度卷积神经网络结合，用于咳嗽信号分析，将原始声信号转换为多维特征空间并编码为三维张量表示	未在本文中说明	通过咳嗽音频信号实现非侵入性、可扩展的新冠肺炎快速可靠筛查	新冠肺炎阳性、有症状非新冠肺炎个体和健康对照者的咳嗽音频信号	深度学习，计算机听觉	新冠肺炎	相位空间重构，咳嗽信号分析	3D深度卷积神经网络	音频信号	超过8,400个咳嗽录音（来自不同人群的COUGHVID数据集）	NA	自定义3D DCNN（5个卷积层和最大池化操作）	准确率，召回率，特异度	NA
2407	2026-04-27	Deep Learning-Driven Early Diagnosis of Respiratory Diseases using CNN-RNN Fusion on Lung Sound Data 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28832-7 PMID:41286281	研究论文	提出一种结合CNN和RNN的深度学习算法，用于肺音分析以实现呼吸系统疾病的早期诊断	利用CNN-RNN融合架构整合空间和时间特征，并结合Grad-CAM提供可解释的可视化解释和置信度估计，增强临床可信度	NA	通过深度学习肺音分析提高呼吸系统疾病早期检测的准确性	呼吸系统疾病患者及健康个体的肺音数据	数字病理学	肺炎、哮喘、慢性阻塞性肺疾病	肺音记录、高通滤波、Mel谱图	CNN-RNN融合模型	音频	Coswara和ICBHI数据集	TensorFlow, PyTorch	CNN, LSTM	准确率、敏感性、特异性、F1分数	NA
2408	2026-04-27	Antimicrobial peptide prediction based on contrastive learning and gated convolutional neural network 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29666-z PMID:41286313	research paper	提出了一种基于对比学习和门控卷积神经网络的抗菌肽预测框架CG-AMP	采用预训练语言模型和对比学习实现特征表示空间学习，并结合增强型CNN的双模块架构设计，有效整合多模态特征	NA	开发高效可靠的深度学习算法用于抗菌肽识别	抗菌肽序列	machine learning	NA	深度学习, 对比学习, 门控卷积神经网络	CNN, 预训练语言模型	文本（序列数据）	两个独立测试集：AMPlify和DAMP	NA	门控卷积神经网络, 预训练语言模型	accuracy, F1-score, Matthews correlation coefficient	NA
2409	2026-04-27	The role of data augmentation and attention mechanisms in UNet and ConvNeXt architectures for optimizing breast tumor segmentation 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29841-2 PMID:41286401	研究论文	对UNet与ConvNeXt Tiny架构在乳腺肿瘤分割中的多种配置进行综合分析，评估数据增强、跳跃连接、注意力机制和丢弃率对分割性能的影响	系统评估了注意力机制与数据增强在UNet+ConvNeXt Tiny架构中的协同作用，并发现特定丢弃率（0.5）与注意力模块组合能优化准确率与召回率的平衡	某些激进几何变换的数据增强技术可能扭曲超声图像的解剖结构，导致分割质量下降	优化用于乳腺肿瘤分割的深度学习模型架构和正则化技术	乳腺肿瘤超声图像分割	计算机视觉, 数字病理学	乳腺癌	超声成像	UNet, ConvNeXt	图像（超声图像）	BUSI数据集（训练/验证）和BUS-UCLM数据集（跨域评估），具体样本数未提及	PyTorch（推测）	UNet, ConvNeXt Tiny	F1分数, 精确率, IoU, 召回率, Dice系数	NA
2410	2025-11-25	Deep learning assessment of street spatial quality in old residential communities of Wuchang, Wuhan, China 2025-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28936-0 PMID:41276562	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2411	2026-04-27	Integrated bioinformatics and deep learning (MLP) approach reveals a novel five miRNA prognostic signature in uveal melanoma 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28095-2 PMID:41274898	研究论文	通过整合生物信息学与深度学习（MLP）方法，在葡萄膜黑色素瘤中发现一个由五个miRNA组成的新预后标志物	将单变量Cox回归与多层感知器（MLP）神经网络结合，通过交叉筛选识别出五个具有预后和潜在治疗意义的miRNA标志物	样本量较小（80例患者），且标志物缺乏独立队列的湿实验验证	寻找葡萄膜黑色素瘤的可靠预后生物标志物，并评估其临床转化潜力	葡萄膜黑色素瘤患者及其miRNA表达数据	机器学习, 数字病理学	葡萄膜黑色素瘤	miRNA-seq	多层感知器（MLP）	miRNA表达数据, 临床分期数据	80例TCGA-UVM队列患者	NA	多层感知器（MLP）	AUC	NA
2412	2026-04-27	Using a dynamic arithmetic optimization approach to improve ridgelet neural network performance in remote sensing scene classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28490-9 PMID:41271988	研究论文	提出一种动态算术优化方法以改进脊波神经网络在遥感场景分类中的性能	引入动态算术优化算法自动搜索脊波神经网络的最优超参数，提升分类精度	NA	改进遥感场景分类的准确性和效率	遥感场景分类任务	计算机视觉	NA	NA	脊波神经网络	图像	UC Merced土地利用公开数据集	NA	脊波神经网络	NA	NA
2413	2026-04-27	Multi scale deep learning quantifies Ki67 index in breast cancer histopathology images 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28734-8 PMID:41272033	research paper	提出Kpi-Net，一种基于U-Net的多尺度深度学习框架，用于精确量化乳腺癌病理图像中的Ki67指数	引入残差膨胀多尺度模块（RDMS模块）结合多头膨胀卷积和残差连接捕获局部和全局信息，集成Transformer模块增强全局建模；提出高级筛选-卷积块注意力模块特征金字塔网络（HS-CBAM-FPN）实现多级特征有效融合；应用分水岭算法优化细胞簇分割以提高Ki67指数计算精度	未明确指出局限性，但可能包括对低分辨率图像噪声和染色变异性的处理能力有限	精确量化乳腺癌组织病理图像中的Ki67增殖指数，为乳腺癌诊断和疗效评估提供可靠工具	乳腺癌病理组织学图像中的Ki67阳性细胞	计算机视觉	乳腺癌	Ki67免疫组化染色	深度学习	组织病理学图像	未明确提出	PyTorch	U-Net, Transformer, 残差膨胀多尺度模块, HS-CBAM-FPN	F1分数, 均方根误差	未明确提出
2414	2026-04-27	Smartphone-integrated portable microfluidic platform for liver biomarker quantification using deep learning 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29431-2 PMID:41272257	研究论文	提出一种集成智能手机的便携式微流控平台，结合深度学习方法实现肝生物标志物定量检测	首次将3D打印微流控芯片、智能手机成像与卷积神经网络回归分析相结合，实现无需重新训练即可跨设备使用的肝生物标志物定量检测系统	文献未提及局限性信息	开发低成本、便携式肝生物标志物定量检测平台，适用于资源有限的医疗环境	直接胆红素、总胆红素、丙氨酸氨基转移酶和天冬氨酸氨基转移酶四种肝生物标志物	计算机视觉	肝脏疾病	3D打印、比色法、智能手机成像	卷积神经网络	图像	100微升样本-试剂混合物	NA	CNN	决定系数R、变异系数	智能手机（多个型号）
2415	2026-04-27	Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities 2025-11-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123735 PMID:41176929	综述	探讨深度学习在神经影像学分析中用于神经退行性疾病诊断与监测的最新进展、挑战与机遇	通过涵盖更广泛的神经退行性疾病类型（包括阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症和多发性硬化症），并关注空间/时间信息处理方法，扩展了现有文献	回顾的模型在小样本上取得高准确性但临床应用有限；存在推理冲突、忽略扫描仪间及站点内/间变异；数据整合面临协调性、不完整性、类别不平衡和高成本等挑战	总结深度学习在神经影像学中诊断与监测神经退行性疾病的最新进展，并讨论相关挑战	神经影像学数据（脑体积成像数据），涵盖从单个患者到多队列研究	计算机视觉, 机器学习	神经退行性疾病	神经影像学	深度学习模型	图像	NA	NA	NA	NA	NA
2416	2026-04-27	The coming era of nudge drugs for cancer 2025-Nov-10, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2025.08.004 PMID:40939589	研究论文	提出一种基于肿瘤微环境逐步重塑的癌症治疗新策略，通过深度学习分析扰动肿瘤的单细胞图谱来设计“推动”药物	首次提出“推动药物”概念，利用深度学习识别肿瘤微环境原型间的基因和细胞网络转换，实现治疗顺序的设计	NA	开发针对晚期癌症的渐进式肿瘤微环境重塑治疗策略	肿瘤微环境及其在不同患者和组织来源中的保守原型	机器学习	癌症	单细胞测序	深度学习模型	单细胞图谱数据	NA	NA	NA	NA	NA
2417	2026-04-27	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	综述	系统综述脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究现状	综合总结深度学习在脑年龄预测中的应用进展，强调脑年龄差距作为早期诊断标志物的潜力	存在站点效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等挑战	系统评估脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究进展和局限性	脑年龄预测模型和脑年龄差距指标	机器学习	阿尔茨海默病	NA	深度学习	神经影像数据	NA	NA	NA	NA	NA
2418	2026-04-27	Deep learning-based computer-aided diagnosis system for the automatic detection and classification of lateral cervical lymph nodes on original ultrasound images of papillary thyroid carcinoma: a prospective diagnostic study 2024-09, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03808-1 PMID:38570388	研究论文	开发一种基于深度学习的计算机辅助诊断系统，用于在甲状腺乳头状癌患者原始超声图像上自动检测和分类侧颈淋巴结	首次开发了基于可变形检测变压器的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，在前瞻性数据集中验证其诊断效能优于不同年资的超声医师	未在摘要中明确说明研究局限性	开发并验证一种基于深度学习的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，辅助超声医师诊断	甲状腺乳头状癌患者侧颈淋巴结超声图像	计算机视觉	甲状腺癌	超声成像	可变形检测变压器（Deformable DETR）	图像	回顾性数据集包括1675例患者的1801张图像，前瞻性测试集包括160例患者的185张图像	NA	可变形检测变压器（Deformable DETR）	平均精度均值（mAP）、准确率、曲线下面积（AUC）	NA
2419	2026-04-27	Deep learning of Parkinson's movement from video, without human-defined measures 2024-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2024.123089 PMID:38991323	研究论文	利用深度学习神经网络直接分析帕金森病患者手指敲击视频，无需人工定义的测量指标，实现疾病分类	首次将3D卷积神经网络直接应用于原始手指敲击视频，无需提取一维信号或预定义特征，并可视化模型学习的关键时空特征（如PD组特有的拇指下垂动作）	样本量较小（40名患者和37名对照），测试准确率仅为0.69，且未在真实临床环境中验证	评估直接从视频中学习手指敲击动作以区分帕金森病患者与对照组的可行性，并解释模型关注的时空特征	特发性帕金森病患者与健康对照者的手指敲击视频	计算机视觉	帕金森病	视频记录（智能手机拍摄）	3D卷积神经网络	视频	152段10秒手指敲击视频，来自40名PD患者和37名对照	NA	3D卷积神经网络	准确率, 精确率, 召回率, AUROC	NA
2420	2026-04-27	Clinical narratives as a predictor for prognosticating functional outcomes after intracerebral hemorrhage 2023-10-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120807 PMID:37717279	research paper	研究临床叙述能否改善脑出血患者功能预后的预测性能	首次利用自然语言处理从临床叙述中提取文本标记，并将其与现有预后模型结合，显著提升脑出血患者功能结局的预测性能	NA	探讨临床叙述能否提升脑出血后功能结局的预测能力	脑出血患者的临床叙述记录和功能结局（改良Rankin量表评分）	natural language processing	intracerebral hemorrhage	NLP	machine learning and deep learning approaches	text	1363例患者（训练集1023例，测试集340例）	NA	NA	area under the receiver operating characteristic curve, net reclassification improvement, integrated discrimination improvement	NA