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
2781	2026-01-12	Deep Learning Workflow In Echocardiography: John Henry's Saga Revisited? 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.07.4071 PMID:41519548	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2782	2026-01-12	Development and validation of a deep learning-based model for predicting prostate cancer in patients with gray-zone PSA levels: a comparative study with clinician observations 2025-Dec-31, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06174-3 PMID:41474500	研究论文	本研究开发并验证了一种基于深度学习的模型，用于利用多参数磁共振成像（mp-MRI）检测灰区PSA水平患者的前列腺癌	开发了一种整合ADC和T2WI数据的多模态卷积神经网络模型，在灰区PSA水平患者的前列腺癌检测中表现出高准确性，并与资深放射科医师的诊断性能相当	研究为回顾性多中心设计，样本量相对有限（最终队列274例患者），且仅基于特定MRI序列（T2WI和ADC）	开发并验证一种深度学习模型，用于预测灰区PSA水平患者的前列腺癌	疑似前列腺病变的患者，特别是PSA水平处于灰区的患者	数字病理学	前列腺癌	多参数磁共振成像（mp-MRI），包括T2加权成像（T2WI）和表观扩散系数（ADC）值	CNN, Transformer	图像（MRI影像）	最终研究队列包括274例患者（90例前列腺癌，184例非癌），按6:2:2比例分为训练集（162例）、验证集（56例）和测试集（56例）	NA	多属性卷积神经网络（CNNs），Transformer	AUC（曲线下面积）	NA
2783	2026-01-12	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	本研究提出了一种基于联邦学习与混合和声搜索及互信息特征选择方法的癫痫预测与管理系统，旨在通过去中心化的EEG分析实现高精度、实时的癫痫发作检测	提出了一种集成联邦学习、混合和声搜索与互信息特征选择以及结合LSTM与DenseNet-121的新型架构EpilepNet-LD，用于在保护患者隐私的同时，实现高精度的癫痫发作检测	摘要中未明确提及本研究的局限性	开发一个高精度、实时且能保护患者隐私的癫痫发作检测与管理系统	癫痫患者的脑电图数据	机器学习	癫痫	脑电图分析	LSTM, DenseNet	EEG信号	NA	NA	LSTM, DenseNet-121	准确率, 灵敏度	NA
2784	2026-01-12	Application of deep learning towards automated electromyographic wave classification for neuromonitoring in thyroid and parathyroid surgery 2025-Dec-29, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zraf158 PMID:41504705	研究论文	本文开发了一种多任务一维卷积神经网络，用于自动分类甲状腺和甲状旁腺手术中的肌电图信号，以识别和纠正错误标记的神经监测数据	首次应用多任务一维卷积神经网络实现肌电图信号的自动分类，用于术中神经监测的错误标记警报	研究基于单中心数据，未来需纳入更广泛的临床场景和外部数据集以优化模型	开发自动化工具以识别和纠正甲状腺和甲状旁腺手术中肌电图信号的错误标记	甲状腺和甲状旁腺手术中的肌电图信号	数字病理	甲状腺和甲状旁腺疾病	肌电图信号记录	CNN	肌电图信号	1541例连续术中神经监测手术和508例间歇术中神经监测手术，共包含16305个肌电图信号	NA	一维卷积神经网络	准确率, AUC	NA
2785	2026-01-12	Integration of finite element method and artificial intelligence for evaluating PEEK composites in rib cage reconstruction process under impact conditions 2025-Dec-24, Journal of materials science. Materials in medicine DOI:10.1007/s10856-025-06972-6 PMID:41436650	研究论文	本研究通过结合有限元方法和人工智能技术，评估了PEEK复合材料在冲击条件下用于肋骨重建的可行性	首次将有限元模拟与人工智能回归模型相结合，用于预测PEEK复合材料在肋骨重建中的机械响应，并系统比较了多种复合材料的性能	研究基于计算机模拟，未进行体内实验验证；复合材料的具体生物相容性和长期体内性能需进一步评估	评估PEEK复合材料作为金属植入物替代品在肋骨重建中的可行性，并开发能预测应力、应变和变形的人工智能模型	用于肋骨重建的PEEK、碳纤维增强PEEK、玻璃纤维增强PEEK和羟基磷灰石PEEK复合材料植入物	机器学习	NA	有限元方法，人工智能预测建模	线性回归，岭回归，支持向量回归，决策树，神经网络，LightGBM	有限元模拟生成的机械响应数据集	基于定制化3D胸部缺陷模型，使用多种PEEK复合材料植入物进行有限元模拟生成的数据集	Scikit-learn, LightGBM	NA	R², MAE, MSE, RMSE, 计算效率	NA
2786	2026-01-12	Realistic daily discharge modelling in data-deficient regions using DL-assisted, parametrically-optimized hydrological model 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30670-6 PMID:41413115	研究论文	本研究评估了深度学习、传统及混合水文模型在数据稀缺地区模拟日径流量的有效性	提出了深度学习辅助的参数优化GR4J混合模型，在数据稀缺地区实现了更可靠和现实的径流模拟	研究仅在菲律宾萨马岛的四个子流域进行，结果可能受区域特定条件限制	评估不同水文模型在数据稀缺地区的径流模拟效果	菲律宾萨马岛四个子流域的日径流量	机器学习	NA	水文建模	LSTM, GR4J	水文时间序列数据	四个子流域的日径流数据	NA	单变量长短期记忆网络, GR4J水文模型	纳什效率系数, 一致性指数, Legates-McCabe指数, 平均绝对百分比误差, 均方根误差与标准差之比	NA
2787	2026-01-12	Rapid culture-free diagnosis of clinical pathogens via integrated microfluidic-Raman micro-spectroscopy 2025-Dec-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66996-y PMID:41402282	研究论文	本文提出了一种集成了微流控、拉曼显微光谱和深度学习的无培养诊断平台，可在20分钟内完成临床病原体的快速检测	开发了一种结合透析-介电泳（DEP）技术的微流控富集系统，可直接从临床样本中快速分离病原体，检测限低至<2 CFU/ml，并建立了包含29种细菌和7种真菌共342株临床分离株的单细胞拉曼指纹数据库，结合一维ResNet深度学习模型实现快速诊断	需要进行更广泛的验证才能实现临床应用	开发一种快速、准确的诊断平台以应对抗菌素耐药性（AMR）这一全球健康挑战，指导及时的抗微生物治疗	临床病原体（细菌和真菌）	数字病理学	感染性疾病	微流控技术、拉曼显微光谱技术、深度学习	CNN	光谱数据	342株临床分离株（来自29种细菌和7种真菌）的拉曼指纹数据库，并在包含305名患者的临床研究中进行了验证	NA	1D ResNet	准确率、灵敏度	NA
2788	2026-01-12	FireCastNet: earth-as-a-graph for seasonal fire prediction 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30645-7 PMID:41392185	研究论文	本文提出了一种名为FireCastNet的新型深度学习架构，用于全球季节性野火预测	结合3D卷积编码与基于GraphCast的图神经网络，将地球视为互连图以捕捉局部火灾动态和远程遥相关	未明确说明模型在非火灾高发区域的预测性能，也未讨论计算复杂度与实时部署的可行性	开发一种能够提前6个月预测全球燃烧面积模式的季节性野火预测模型	全球野火燃烧面积模式	机器学习	NA	深度学习	CNN, GNN	多变量地球系统数据立方体	基于SeasFire数据集，具体样本量未明确说明	NA	FireCastNet, GraphCast	NA	NA
2789	2026-01-12	Critical role of EEG signals in assessment of sex-specific insights in neurological diagnostics via machine learning approach 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30848-y PMID:41372360	研究论文	本研究利用机器学习方法探讨了EEG信号中性别特异性模式在神经病理诊断中的可检测性及其影响	首次系统评估了EEG信号中性别特异性模式对病理检测的影响，揭示了其在病理检测中的可忽略作用，并展示了跨数据集性别相关神经模式的稳健性	AI模型在存在显著分布偏移的数据集上性能下降，且研究依赖于特定数据集，可能影响泛化能力	通过AI方法研究EEG信号中生物性别的可检测性及其在病理EEG诊断中的混淆效应	健康及病理受试者的EEG信号数据	机器学习	神经系统疾病	脑电图（EEG）	CNN	EEG信号	三个EEG数据集（TUEG、TUAB、NMT），包括健康及病理受试者	未明确指定	轻量级卷积神经网络	平衡准确度	NA
2790	2026-01-12	Integration of multi-scale radiomics and deep learning for Ki-67 prediction in clear cell renal carcinoma 2025-Dec-06, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01214-y PMID:41353523	研究论文	本研究开发并验证了一种融合多尺度影像组学与深度学习特征的多模态模型，用于肾透明细胞癌术前无创预测Ki-67表达	首次将多尺度影像组学（瘤内、生境、瘤周）与2D/3D深度学习特征结合，并采用堆叠策略融合最优单模态模型，显著提升了Ki-67术前预测性能	回顾性研究设计可能存在选择偏倚，外部验证集样本量相对有限	开发术前无创预测肾透明细胞癌Ki-67表达的多模态模型，以指导个体化手术和监测策略	627例肾透明细胞癌患者的术前CT影像及临床数据	数字病理学	肾癌	CT影像分析	深度学习, 集成机器学习	医学影像（CT）, 临床数据	627例肾透明细胞癌患者（多中心回顾性研究）	未明确说明	未明确说明具体架构（提及2D/3D DL）	AUC, 校准曲线, 临床净收益	未明确说明
2791	2026-01-12	Evaluation of the effectiveness of panoramic radiography in maxillary 3rd molars on an artificial intelligence model developed with findings obtained with cone beam computed tomography 2025-Dec-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07438-5 PMID:41340110	研究论文	本研究旨在通过基于CBCT数据训练的深度学习模型，评估全景X光片中上颌第三磨牙与上颌窦底的位置关系，并比较不同深度学习架构的分类性能	首次利用CBCT数据训练的深度学习模型来分析全景X光片中上颌第三磨牙与上颌窦底的关系，并采用多数投票融合策略提升分类性能	研究仅基于1,054张全景X光片，样本量相对有限；且多分类问题（三类）的准确率较低（约69%）	评估深度学习模型在全景X光片上识别上颌第三磨牙与上颌窦底位置关系的有效性，以减少对CBCT成像的依赖	上颌第三磨牙与上颌窦底的位置关系	计算机视觉	口腔疾病	锥形束计算机断层扫描（CBCT），全景X光摄影（PR）	CNN	图像	1,054张全景X光图像	NA	VGG16, VGG19, ResNet50, ResNet101, GoogleNet	准确率, 混淆矩阵	NA
2792	2026-01-12	Sleep-wakeup based secure multipath routing in wsn using fennec fox optimized deep learning framework 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30622-0 PMID:41345208	研究论文	本文提出了一种基于睡眠-唤醒机制的安全多路径路由框架，用于降低无线传感器网络的能耗并延长其寿命	提出了一种结合Fennec Fox优化算法和深度学习的混合框架（SCS-EEF），采用Fuzzy-BIRCH聚类、FFO优化簇头选择以及动态睡眠-唤醒调度，并引入TCN-BiGRU网络进行多路径路由预测	未明确说明实验环境的具体配置、网络规模或节点部署的详细参数，也未讨论框架在动态拓扑变化或大规模网络中的可扩展性	解决无线传感器网络中能耗过高、网络寿命短以及数据传输安全性的问题	无线传感器网络（WSN）中的传感器节点、簇头选择、多路径路由以及能量管理	机器学习	NA	深度学习、优化算法、聚类分析	TCN, BiGRU	网络传输数据、节点能量状态数据	未明确说明具体样本数量，但涉及与HBWCO、IBORSDFFNL和EER-CGHHOA等基准方法的对比实验	NA	Temporal Convolutional Network, Bidirectional Gated Recurrent Unit	能耗降低百分比、延迟降低百分比	NA
2793	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
2794	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
2795	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
2796	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
2797	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
2798	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
2799	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
2800	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