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
2801	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
2802	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
2803	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
2804	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
2805	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
2806	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
2807	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
2808	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
2809	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
2810	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
2811	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
2812	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
2813	2026-01-12	Segmentation and classification of skin lesions using hybrid deep learning method in the Internet of Medical Things 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.13524 PMID:38009016	研究论文	本研究提出了一种混合深度学习方法，用于在医疗物联网环境中对皮肤病变进行分割和分类	结合了Mask R-CNN进行语义分割和ResNet50进行病变检测的混合深度学习模型，在皮肤病变分析中实现了高精度分割和分类	未明确说明模型在多样化或临床实际数据上的泛化能力及计算资源需求	提高皮肤病变分析的准确性和效率，以支持医疗物联网环境下的精确诊断	皮肤病变，具体通过皮肤镜图像进行分析	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	大量带标注的皮肤镜图像数据集，包括ISIC 2020挑战赛数据集	TensorFlow, PyTorch	Mask R-CNN, ResNet50	准确率	NA
2814	2026-01-12	An Approach to Developing Benchmark Datasets for Protein Secondary Structure Segmentation from Cryo-EM Density Maps 2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3584371.3612947 PMID:41509644	研究论文	本文提出了一种生成用于蛋白质二级结构分割的基准数据集的方法，并评估了数据特性对深度学习模型性能的影响	提出了一种生成具有特定规格（如蛋白质序列同一性、结构内容和数据质量）的基准数据集的方法，以系统研究影响分割性能的因素	仅针对DeepSSETracer这一特定深度学习方法进行了测试，可能未涵盖所有潜在影响因素	开发基准数据集以评估和提升从冷冻电镜密度图中分割蛋白质二级结构的深度学习方法的性能	冷冻电镜密度图中的蛋白质二级结构	计算机视觉	NA	冷冻电镜（Cryo-EM）	深度学习	图像（密度图）	NA	NA	DeepSSETracer	NA	NA
2815	2026-01-11	Integrating Kolmogorov-Arnold networks with ordinary differential equations for efficient, interpretable, and robust deep learning: Epidemiology of infectious diseases as a case study 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.006 PMID:41503372	研究论文	本研究通过将Kolmogorov-Arnold网络与常微分方程结合，提出KAN-UDE框架，用于实现高效、可解释且稳健的深度学习，并以新发传染病流行病学为案例进行验证	将Kolmogorov-Arnold网络整合到通用微分方程框架中，相比基于多层感知机的UDE，显著提升了拟合性能，并在部分时间序列数据下实现了非线性函数的精确重建，同时保持了可解释性	在考虑真实世界数据随机性时，KAN-UDE模型的稳健性和准确性较低	开发一种高效、可解释且稳健的深度学习框架，用于建模和分析复杂动态系统	新发传染病的流行病学动态	机器学习	传染病	常微分方程建模	Kolmogorov-Arnold网络, 通用微分方程	时间序列数据	NA	NA	Kolmogorov-Arnold网络	损失函数	NA
2816	2026-01-11	A comprehensive evaluation of self-attention for detecting regulatory feature interactions 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf209 PMID:41503157	研究论文	本文全面评估了自注意力机制在检测调控特征相互作用中的应用，并通过引入熵项提高了注意力图的可解释性	通过添加熵项生成高精度稀疏注意力图，增强了模型的可解释性，并首次对不同注意力变体在转录因子协同性发现中的性能进行了全面评估	NA	评估自注意力机制在计算生物学中提取生物信息的能力，特别是用于预测转录因子结合的协同性	基因调控网络中的转录因子协同性	计算生物学	NA	自注意力机制	自注意力模型	NA	NA	NA	自注意力层	精度	NA
2817	2025-11-05	Decoding the regulatory genome with large-scale deep learning 2026-Feb, Nature reviews. Genetics DOI:10.1038/s41576-025-00914-2 PMID:41184593	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2818	2026-01-11	Artificial intelligence for personalized management of vestibular schwannoma: a multidisciplinary clinical implementation study 2026-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf163 PMID:41502533	研究论文	本研究介绍并评估了一种用于前庭神经鞘瘤多学科团队会议的新型计算机辅助报告工具，旨在支持临床决策	利用深度学习自动分割肿瘤并提取体积和线性测量，为个性化管理提供自动化报告工具	自动化报告在28%的病例中需要人工修订，且初始准备时间略有增加	评估计算机辅助报告工具在前庭神经鞘瘤多学科团队会议中对决策效率和个性化管理的支持作用	前庭神经鞘瘤患者	数字病理学	前庭神经鞘瘤	MRI（对比增强T1和T2序列）	深度学习	医学影像	50名患者	NA	NA	Dice系数	NA
2819	2026-01-11	Electrode Net: tailoring deep learning with signed distance field for fast and accurate multiscale design of porous electrodes 2026-Jan-15, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.08.026 PMID:40975668	研究论文	本研究开发了一个名为Electrode Net的定制深度学习框架，用于高效准确地预测多孔电极的各向异性传输特性	结合符号距离场（SDF）与3D卷积神经网络，显著加速多孔电极设计，计算成本降低高达96%，并实现高精度预测	未明确说明模型在极端或非典型微结构下的泛化能力限制	旨在通过深度学习框架优化多孔电极的设计，以提升燃料电池、水电解槽和液流电池等下一代高性能流动电池的性能	多孔电极的微结构及其各向异性传输特性（如孔隙率、曲折度和渗透率）	机器学习	NA	符号距离场（SDF）	CNN	3D几何样本数据	15,433个真实和生成的几何样本	NA	3D卷积神经网络	R-squared	NA
2820	2026-01-11	Regional-aware and sequence-informed multi-decoder network for robust brain glioma segmentation in multi-parametric MRI 2026-Jan-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111387 PMID:41411810	研究论文	本文提出了一种用于多参数MRI中脑胶质瘤稳健分割的区域感知与序列信息引导的多解码器网络	提出了一种新颖的深度学习框架，包含三个创新点：1）独立分割关键肿瘤亚区的多解码器架构；2）将每个解码器与最适合其诊断目标的MRI序列对齐的序列信息引导策略；3）用于增强特征重新校准的改进自注意力机制	未在摘要中明确说明	实现脑胶质母细胞瘤亚区的精确分割，以支持神经肿瘤学的诊断、手术规划和治疗监测	多参数MRI图像中的脑胶质母细胞瘤亚区，包括周围非增强FLAIR高信号区、非增强肿瘤核心和增强肿瘤	数字病理学	脑胶质瘤	多参数MRI	深度学习	图像	使用了BraTS 2023数据集，并在四个外部数据集（BraTS 2020、BraTS Africa、MRBrainS18和BraTS 2024治疗后）上进行了验证	NA	多解码器网络	Dice相似系数, 95百分位Hausdorff距离	NA