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
2701	2026-01-12	Digital twin-driven deep learning prediction and adaptive control for coal mine ventilation systems 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30513-4 PMID:41345224	研究论文	本研究提出了一种结合数字孪生技术、深度学习预测模型和自适应控制策略的集成框架，以实现煤矿通风系统的智能化管理	提出了一个集成了五维数字孪生架构、LSTM-Attention混合神经网络和自适应模型预测控制的综合框架，用于解决复杂地下环境中通风系统的实时监控和动态控制难题	未明确提及研究的局限性	实现煤矿通风系统的智能通风管理，提升安全性、效率和可持续性	煤矿通风系统	机器学习	NA	数字孪生技术，深度学习预测模型，自适应控制策略	LSTM, Attention	通风系统参数数据	在一个运营煤矿进行了为期八个月的现场验证	NA	LSTM-Attention混合神经网络	平均绝对百分比误差，决定系数，控制准确率，能耗降低百分比，系统响应速度提升百分比	NA
2702	2026-01-12	Comparison of imaging-based bone marrow dosimetry methodologies and their dose-effect relationships in [177Lu]Lu-PSMA-617 RLT including a novel method with active marrow localization 2025-Dec-04, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00816-6 PMID:41345337	研究论文	本研究比较了四种基于影像的骨髓剂量学方法在[177Lu]Lu-PSMA-617放射性配体治疗中的应用，并评估了它们与血液计数变化之间的剂量-效应关系	提出了一种结合[68Ga]Ga-PSMA-11 PET/CT和[99mTc]Tc-硫胶体SPECT/CT进行肿瘤和骨髓定位的新方法，并改进了蒙特卡罗剂量学代码以考虑肿瘤对海绵骨的浸润	样本量较小（方法1-3为20例患者，方法4为12例患者），且仅基于单次治疗周期后的影像数据	比较不同影像学骨髓剂量学方法的准确性，并研究其在预测[177Lu]Lu-PSMA-617放射性配体治疗后血液计数变化中的作用	接受[177Lu]Lu-PSMA-617放射性配体治疗的癌症患者	医学影像分析	前列腺癌	SPECT/CT, PET/CT, 深度学习分割, 蒙特卡罗模拟	深度学习模型	医学影像（CT, SPECT, PET）	20例患者用于方法1-3，12例患者用于方法4	NA	NA	Spearman等级相关系数	NA
2703	2026-01-12	A DAG-enabled cryptographic framework for secure drug traceability with identity-bound authentication and anomaly detection 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30413-7 PMID:41339443	研究论文	本研究提出了一种基于有向无环图（DAG）账本的加密药物追溯框架，结合NFC标签和混合深度学习模型，用于安全、去中心化的药品供应链跟踪与异常检测	采用DAG账本结构替代传统区块链，支持并行交易验证、零交易费用和低延迟边缘操作，并集成了加密NFC标签与Aadhaar身份绑定认证，以及结合LSTM和CNN的混合深度学习模型进行异常风险预测	研究在受控模拟环境中进行，尚未通过真实世界试点和监管评估进行完整操作验证	开发一个安全、去中心化且可验证的药品供应链追溯系统，以应对假药问题	药品供应链中的交易与包装，特别是附有加密NFC标签的药品单元	机器学习	NA	加密近场通信（NFC）标签、有向无环图（DAG）账本、混合深度学习模型	LSTM, CNN	合成模拟生成的数据集，包含环境和行为协变量	模拟评估涉及五个地区的1000个药品单元	NA	LSTM, CNN	异常检测精度, 可追溯性准确度, 中位延迟	在基于Docker Swarm的分布式容器中运行，使用Raspberry Pi 4B边缘设备，配备IOTA Chrysalis节点和Grafana分析仪表板
2704	2026-01-12	A multi scale spatial attention based zero shot learning framework for low light image enhancement 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30479-3 PMID:41339685	研究论文	本文提出了一种名为LucentVisionNet的新型零样本学习框架，用于低光照图像增强，该框架结合了多尺度空间注意力与深度曲线估计网络	提出了一种集成多尺度空间注意力与深度曲线估计网络的零样本学习框架，并引入了一种受人类视觉感知启发的无参考图像质量损失函数	未在摘要中明确说明	解决在缺乏配对训练数据情况下的低光照图像增强问题	低光照图像	计算机视觉	NA	NA	深度学习模型	图像	在配对的与非配对的基准数据集上进行了广泛实验	NA	深度曲线估计网络	全参考和无参考图像质量指标	NA
2705	2026-01-12	Fully automated on-scanner aortic four-dimensional flow magnetic resonance imaging processing and hemodynamic analysis 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101985 PMID:41232676	研究论文	本文提出了一种基于深度学习模型的自动化四维血流磁共振成像处理流程，用于在磁共振扫描仪上直接进行血流动力学分析	首次将四维血流磁共振成像的预处理、分割和量化任务集成到扫描仪重建流程中，实现了完全自动化的在线处理	研究样本量较小（仅20名受试者），且仅在1.5T磁共振系统上验证	开发并验证一种自动化四维血流磁共振成像处理流程，以提高心血管血流动力学评估的工作效率	主动脉疾病患者和健康对照者的四维血流磁共振成像数据	医学影像分析	心血管疾病	四维血流心血管磁共振成像	深度学习模型	四维血流磁共振成像数据	20名受试者（10名主动脉疾病患者，10名健康对照者）	TensorFlow	NA	Dice系数，Bland-Altman分析，峰值收缩速度	1.5T磁共振扫描仪内置计算资源
2706	2026-01-12	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107471 PMID:41511195	研究论文	本研究提出了一种基于自编码器的深度学习超分辨率方法，用于增强MRI图像分辨率，以更精确地检测阿尔茨海默病早期阶段的脑萎缩模式	利用自编码器深度学习技术对MRI图像进行上采样和去噪，生成高分辨率图像，从而减少部分容积效应，更清晰地揭示与阿尔茨海默病相关的细微萎缩区域	研究基于ADNI子样本，样本量相对有限；超分辨率方法为内部开发，可能受特定算法限制；结果依赖于特定的预处理和统计校正方法	通过提高MRI图像分辨率，增强对阿尔茨海默病早期脑萎缩模式的检测能力	阿尔茨海默病患者及对照个体的T1加权MRI图像	数字病理学	阿尔茨海默病	磁共振成像（MRI）、基于变形的形态测量学（DBM）	自编码器	图像	497名年龄、性别和诊断平衡的个体（来自ADNI子样本）	NA	自编码器	错误发现率（FDR）校正后的显著体素百分比	NA
2707	2026-01-12	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107525 PMID:41511929	研究论文	本研究利用深度学习神经网络从磁共振图像中预测大脑年龄，并计算全局和局部年龄差距，以检测阿尔茨海默病早期神经退行性变	开发了生成局部年龄差距的深度学习模型，提供了区域可解释的神经退行性变洞察，挑战了T1加权MRI无法揭示神经退行性变时间动态的假设	研究依赖于两个大型数据存储库（NACC和ADNI），可能受数据采集协议差异影响；未明确讨论模型在其他神经退行性疾病中的泛化能力	通过深度学习分析MRI数据，开发非侵入性生物标志物以早期检测阿尔茨海默病和相关认知障碍	1,320名参与者，包括认知正常成年人（未来转换者和非转换者）以及阿尔茨海默病患者	数字病理学	阿尔茨海默病	磁共振成像	深度学习神经网络	图像	1,320名参与者	NA	NA	NA	NA
2708	2026-01-12	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107381 PMID:41520137	研究论文	本研究利用MRI图像和深度学习技术，通过结合SMOTE的卷积神经网络模型，实现了对痴呆症不同阶段的分类，旨在提高早期诊断和准确分期的能力	提出了一种结合SMOTE技术的6层CNN模型，有效解决了数据集类别不平衡问题，显著提升了痴呆症分期的分类性能	数据集高度不平衡，且仅使用了单一来源的Kaggle数据集，未来需要独立数据集验证和更平衡的数据以提高泛化能力	早期检测和准确分期痴呆症，以减缓症状进展并改善患者生活质量	MRI图像数据，涵盖非痴呆、极轻度痴呆、轻度痴呆和中度痴呆四个类别	数字病理学	老年疾病	MRI成像	CNN	图像	来自Kaggle的MRI数据集，具体样本数量未明确说明，但提到中度痴呆类别仅占1%	未明确说明，推测可能为TensorFlow或PyTorch	6层卷积神经网络	准确率, 精确率, 召回率, F1分数, 混淆矩阵, 准确率和损失曲线	未明确说明
2709	2026-01-12	Forensic identification using siamese, transfer learning and custom deep learning models 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30703-0 PMID:41318679	研究论文	本研究探索了多种深度学习模型在人类头骨法医鉴定中的应用，并提出了一个性能优异的孪生神经网络方法	提出了一个用于法医鉴定的孪生神经网络方法，在准确率上超越了现有文献中的最先进方法	NA	开发自动化方法用于人类头骨的法医鉴定，以确定性别、祖先等特征	人类头骨图像	计算机视觉	NA	深度学习	CNN, 孪生神经网络	图像	来自新墨西哥州死者图像数据库（NMDID）的DICOM文件头骨图像	NA	VGG-16, ResNet50, DenseNet, MobileNet, InceptionV3, EfficientNet, AlexNet, 自定义CNN	准确率	NA
2710	2026-01-12	Combining citation and productivity metrics through harmonic mean enhances researcher ranking accuracy 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30432-4 PMID:41318760	研究论文	本研究提出了一种通过调和平均数结合引文和生产指标的新指数，以提升研究者排名的准确性	开发了一种基于调和平均数结合最不相关参数对的新指数，以整合多样化的评估标准，减少偏见并增强排名鲁棒性	研究仅基于1060名神经科学研究者数据集，可能限制了在其他领域的普适性	预测科学影响力并准确排名研究者，以提升研究生产力、支持决策制定和推进科学评估方法	神经科学领域的研究者，包括获奖者和非获奖者	机器学习	NA	深度学习技术	NA	文本数据（研究者指标数据）	1060名神经科学研究者	NA	NA	平均影响力得分	NA
2711	2026-01-12	[Application of Explainable Deep Learning in Differentiating Benign from Malignant  Pulmonary Space-occupying Lesions and Classifying Pathological Subtypes of Lung Cancer] 2025-Oct-20, Zhongguo fei ai za zhi = Chinese journal of lung cancer DOI:10.3779/j.issn.1009-3419.2025.102.36 PMID:41500778	研究论文	本研究探讨了可解释深度学习算法在诊断肺占位性病变良恶性及肺癌病理亚型分类中的性能，提出了一种基于Tab-Transformer和ResMLP的混合架构TT-ResMLP	提出了一种结合Tab-Transformer和ResMLP的混合架构TT-ResMLP，用于处理多源临床数据，并利用SHAP分析增强模型的可解释性，揭示了关键预测特征及其交互机制	研究样本量相对较小（345例患者），且未提及外部验证集，可能影响模型的泛化能力	开发可解释的深度学习模型，以区分肺占位性病变的良恶性并分类肺癌的病理亚型	345例经病理证实的肺占位性病变患者	机器学习	肺癌	深度学习	Tab-Transformer, ResMLP, TT-ResMLP	表格数据（包括影像学特征、病史和实验室检查结果）	345例患者	NA	Tab-Transformer, ResMLP, TT-ResMLP	AUC, 准确率, 特异性, 敏感性, 微平均ROC	NA
2712	2026-01-12	Optimized deep learning for brain tumor detection: a hybrid approach with attention mechanisms and clinical explainability 2025-Aug-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04591-3 PMID:40858650	研究论文	本研究提出了一种结合VGG16、注意力机制和优化超参数的混合深度学习模型，用于从MRI图像中分类脑肿瘤，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤类别	整合了注意力机制和Grad-CAM可视化，实现了自动特征提取和临床可解释性，提升了分类准确性和透明度	未明确提及模型在外部验证数据集上的泛化能力或计算资源需求的具体限制	开发一种高性能且可解释的深度学习模型，用于脑肿瘤的自动检测和分类，以辅助临床诊断和治疗规划	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤的样本	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	7023张MRI图像	未明确提及，但可能基于TensorFlow或PyTorch（基于常见深度学习实践）	VGG16	准确率、精确率、召回率	未明确提及
2713	2026-01-12	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025-May-22, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于自动预测CT扫描中蝶窦气化模式	首次应用深度学习模型自动识别蝶窦气化模式，通过数据增强技术有效解决了小样本和不平衡数据问题，显著提升了诊断准确率	数据集规模有限（仅249张CT图像），且仅使用中矢状位CT图像进行测试，可能未充分利用三维空间信息	开发自动化工具辅助放射科医生和外科医生识别蝶窦气化变异，以提高经蝶窦手术的安全性	蝶窦气化模式	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	249张CT图像（训练集174张，测试集75张），数据增强后训练集扩至378张	NA	NA	准确率, AUC, 敏感性, 特异性, F1分数	NA
2714	2026-01-12	Neurospectrum: A Geometric and Topological Deep Learning Framework for Uncovering Spatiotemporal Signatures in Neural Activity 2025-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533807 PMID:40654845	研究论文	本文介绍了一个名为Neurospectrum的几何与拓扑深度学习框架，用于从神经活动中提取时空特征	提出了一种结合图注意力机制、流形正则化自编码器及多尺度几何、拓扑和动态描述符的端到端可训练框架，以编码神经活动的潜在轨迹	NA	开发一个深度学习框架，以从高维、噪声和动态的神经信号中提取可解释的特征，用于行为或疾病研究	神经活动信号	机器学习	强迫症	钙成像, fMRI	自编码器, 图神经网络, 循环神经网络	神经信号数据	NA	NA	NA	NA	NA
2715	2026-01-12	Computational Stabilization of a Non-Heme Iron Enzyme Enables Efficient Evolution of New Function 2025-Jan-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202414705 PMID:39394803	研究论文	本文展示了使用深度学习工具ProteinMPNN对Fe(II)/αKG超家族酶进行重新设计，以提高其稳定性、溶解性和表达量，同时保留其天然活性和工业相关的非天然功能	利用深度学习工具ProteinMPNN对非血红素铁酶进行稳定化设计，并证明这种稳定化变体在定向进化中能更高效地获得新功能	NA	评估深度学习工具在酶工程工作流程中的有效性，并开发一种通用框架用于蛋白质稳定化和定向进化	Fe(II)/αKG超家族酶，特别是针对非天然远程C(sp)-H羟基化反应	机器学习	NA	深度学习, 定向进化	深度学习模型	蛋白质序列和结构数据	NA	ProteinMPNN	ProteinMPNN	活性增加倍数（6倍和80倍）	NA
2716	2026-01-12	An Artificial Intelligence Pipeline for Hepatocellular Carcinoma: From Data to Treatment Recommendations 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S529322 PMID:40621598	综述	本文提出一个针对肝细胞癌的统一人工智能管道，涵盖从数据到治疗建议的全过程	构建了一个整合多模态数据（影像、基因组、临床记录）并应用于肿瘤检测、个性化治疗规划、药物研发及患者管理的统一AI管道	面临数据质量、标准化和隐私保护等挑战	利用人工智能技术解决肝细胞癌在早期诊断和治疗选择方面的临床挑战	肝细胞癌	机器学习	肝细胞癌	机器学习, 深度学习	NA	影像, 基因组数据, 临床记录	NA	NA	NA	NA	NA
2717	2026-01-12	Prediction of 131I uptake in lung metastases of differentiated thyroid cancer using deep learning 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1697233 PMID:41473240	研究论文	本研究开发了一个深度卷积神经网络模型，用于预测分化型甲状腺癌肺转移灶的131I摄取能力	首次利用深度卷积神经网络模型预测分化型甲状腺癌肺转移灶的131I摄取能力，为放射性碘治疗前的患者筛选提供了新方法	研究为回顾性、多中心队列研究，可能存在选择偏倚；样本量相对有限，需要更大规模的前瞻性研究验证	开发一个深度学习模型，用于预测分化型甲状腺癌肺转移灶的131I摄取能力，以指导放射性碘治疗	分化型甲状腺癌患者的肺转移灶	数字病理学	甲状腺癌	胸部CT成像	CNN	图像	主要数据集261例患者（131I摄取阳性140例，阴性121例），内部验证数据集59例，外部验证数据集1为43例，外部验证数据集2为41例	NA	ResNeSt50, Inception V3, ResNet50	AUC	NA
2718	2026-01-12	On relational pedagogy in occupational therapy education: What it is and why it matters 2025-Jan, Scandinavian journal of occupational therapy IF:1.9Q2 DOI:10.1080/11038128.2026.2613622 PMID:41518199	研究论文	本文探讨了关系教育学在瑞典职业治疗教育中的相关性和应用	将关系教育学概念应用于职业治疗教育领域，强调人际、伦理和对话维度在竞争性高等教育环境中的重要性	研究基于单一瑞典大学的资深讲师访谈，可能缺乏广泛代表性；数字或混合学习环境可能削弱关系协调	描述和讨论关系教育学在职业治疗教育中的相关性和应用	瑞典职业治疗教育中的教学关系和实践	NA	NA	NA	NA	访谈数据、反思笔记、文献资料	瑞典某大学的资深讲师访谈（具体数量未明确说明）	NA	NA	NA	NA
2719	2026-01-12	Boosting the performance of pretrained CNN architecture on dermoscopic pigmented skin lesion classification 2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13505 PMID:38009020	研究论文	本研究通过数据增强和贝叶斯超参数调优，提升了预训练CNN模型在皮肤镜色素性皮肤病变分类中的性能	采用数据增强解决数据集不平衡问题，并结合贝叶斯超参数调优来优化预训练CNN模型，显著提高了分类性能，特别是敏感性	未明确说明模型在外部验证集上的泛化能力，且可能受限于ISIC 2019数据集的特定采集条件	提升预训练卷积神经网络在皮肤镜色素性皮肤病变分类中的性能	色素性皮肤病变（PSLs），包括八种疾病类别，特别是黑色素瘤	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	使用ISIC 2019数据集，具体样本数量未在摘要中明确	未明确指定，可能基于TensorFlow或PyTorch	Inception-V3	准确率, AUC	未在摘要中明确说明
2720	2026-01-12	Lyme rashes disease classification using deep feature fusion technique 2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13519 PMID:38009027	研究论文	本文提出了一种基于深度特征融合技术的莱姆病皮疹分类新方法	开发了一种深度特征融合机制（元分类器），将Densenet201、InceptionV3和Exception三个深度学习模型提取的特征进行融合，显著提升了分类准确率	NA	自动分类莱姆病皮疹，以辅助临床医生和皮肤科医生有效探查和研究莱姆病皮肤皮疹	莱姆病皮疹图像，特别是游走性红斑（EM）图像	计算机视觉	莱姆病	深度学习	CNN	图像	NA	NA	Densenet201, InceptionV3, Exception	准确率	NA