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
3221	2026-01-07	Diagnostic performance of real-time artificial intelligence using deep learning analysis of endoscopic ultrasound videos for gallbladder polypoid lesions 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29179-9 PMID:41361233	研究论文	本研究评估了基于深度学习的人工智能模型在分析内镜超声视频以诊断胆囊息肉样病变方面的诊断性能	首次将人工智能应用于内镜超声视频（而非静态图像）进行胆囊息肉分析，利用视频提供的更丰富诊断信息	样本量相对较小（训练队列96个视频，验证队列36个视频），且需要进一步的前瞻性验证	评估人工智能模型通过分析内镜超声视频来诊断胆囊息肉的准确性	经组织学证实的胆囊息肉患者的内镜超声视频	计算机视觉	胆囊疾病	内镜超声	CNN, Transformer	视频	训练队列：96个视频（来自50名患者）；验证队列：36个视频（来自17名患者）	NA	Attention U-Net, Residual U-Net, DUCK Net, EfficientNet-B2, ResNet101, Vision Transformer	准确率, 召回率, F1分数, AUC	NA
3222	2026-01-07	Deep learning for head and neck radiation dose prediction: a systematic review and meta-analysis 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28442-3 PMID:41361342	综述与荟萃分析	本文通过系统综述和荟萃分析，评估了卷积神经网络及其相关架构在头颈部放疗剂量分布预测中的效能	首次对头颈部放疗剂量预测的深度学习模型进行系统综述和荟萃分析，比较了经典与先进CNN架构在不同靶区和危及器官上的预测性能，并识别了影响模型表现的关键因素	研究存在显著的异质性（I² > 99%），限制了结果的可解释性；模型对其他危及器官（除脊髓外）的泛化能力有限；部分训练参数需从补充材料中获取	评估深度学习模型（特别是CNN）在头颈部放疗剂量分布预测中的准确性和一致性，为临床任务定制模型提供依据	头颈部放疗中的计划靶区（PTV）和危及器官（以脊髓为代表）的剂量分布	数字病理学	头颈部癌症	放疗剂量预测，深度学习	CNN	医学图像数据（剂量分布图）	NA	NA	经典CNN，先进CNN（可能包含密集块等设计）	平均绝对误差，置信区间	NA
3223	2026-01-07	Identification of plant-parasitic nematode genera in turfgrass using deep learning algorithms 2025-Dec-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29467-4 PMID:41354739	研究论文	本研究评估了多种深度学习模型在草坪草植物寄生线虫属分类中的性能	首次将EfficientNet V2-S、MobileNetV3-L、ResNet101和Swin Transformer V2-B等先进CNN架构应用于草坪草线虫分类，并采用BOHB算法进行超参数优化	研究仅针对7个线虫类群，且用户端平台测试准确率（82.47%）较内部测试有所下降，表明模型在实际应用场景中可能存在泛化挑战	开发基于深度学习的植物寄生线虫自动识别工具，以辅助草坪草病害诊断	与草坪草相关的7种植物寄生线虫属	计算机视觉	植物寄生线虫病	深度学习图像分类	CNN, Transformer	图像	5406张植物寄生线虫图像	未明确提及	EfficientNet V2-S, MobileNetV3-L, ResNet101, Swin Transformer V2-B	平衡分类准确率	未明确提及
3224	2026-01-07	Dual-phase optimized deep learning framework for accurate, efficient, and robust battery SoC estimation 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29449-6 PMID:41350347	研究论文	本文提出了一种名为KANBiLSTMAtt的新型混合深度学习模型，用于锂离子电池荷电状态（SoC）的准确、高效和鲁棒性估计	提出了一种结合Kolmogorov-Arnold网络（KAN）、双向长短期记忆网络（BiLSTM）和注意力机制的新型混合深度学习模型，并采用Optuna进行超参数调优和NSGA-II进行多目标优化，实现了高预测精度与低计算开销的平衡	研究仅在两种特定的电池化学体系和有限的环境温度变化下进行了验证，模型在其他电池类型或更极端工况下的泛化能力有待进一步评估	开发一种准确、高效且鲁棒的锂离子电池荷电状态（SoC）估计方法，以支持电动汽车的电池性能优化、续航里程可靠性和运行安全	锂离子电池的荷电状态（SoC）	机器学习	NA	NA	KAN, BiLSTM, 注意力机制	时间序列数据（电池数据）	使用了LG数据集和CALCE数据集的驾驶循环数据，涉及两种不同的电池化学体系	NA	KANBiLSTMAtt（KAN、BiLSTM与注意力机制的混合架构）	RMSE, MAE, R²	NA
3225	2026-01-07	Novel mapping approach for coastal boulders using deep learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29044-9 PMID:41350551	研究论文	本研究提出了一种结合无人机与Mask R-CNN的深度学习新方法，用于海岸巨石的快速精确检测与体积计算	首次将无人机与Mask R-CNN结合用于海岸巨石自动测绘，实现了传统人工方法无法达到的速度与精度	方法仅在冲绳石垣岛单一区域验证，未在不同海岸类型或更大范围测试其普适性	开发自动化海岸巨石测绘方法以研究历史淹没事件动态	海岸线分布的巨石	计算机视觉	NA	无人机航测	CNN	图像	日本冲绳石垣岛海岸区域	NA	Mask R-CNN	F1分数	NA
3226	2026-01-07	ReHA-Net: a ReVIN-hybrid attention network with multiscale convolution for robust EEG artifact removal in brain-computer interfaces 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28855-0 PMID:41345432	研究论文	本文提出了一种名为ReHA-Net的深度学习框架，用于脑电信号中伪影的鲁棒去除	结合了U-Net编码器-解码器结构、混合注意力机制（时空频）、多尺度可分离卷积块以及可逆实例归一化，以增强跨被试泛化能力	未明确提及模型在实时或在线脑机接口系统中的计算效率或延迟表现	开发一种鲁棒的脑电信号去噪方法，以提升脑机接口中信号质量	脑电图信号	机器学习	NA	脑电图	深度学习	时间序列信号	基于增强版EEGdenoiseNet数据集，具体样本量未明确	未明确提及	U-Net	PSNR, SNR, 相关系数, RRMSE	NA
3227	2026-01-07	Urban expansion identification and change analysis in Panjin China from 1990 to 2020 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29448-7 PMID:41331411	研究论文	本研究利用深度学习模型和时间-光谱-纹理组合优化方法，分析了盘锦市1990年至2020年的城市扩张动态和空间形态变化	提出了一种新颖的深度学习模型和时间-光谱-纹理组合优化方法，用于识别基于像素的土地覆盖变化轨迹，并利用分段线性回归模型确定城市扩张的时间节点	NA	优化城市空间结构并促进可持续发展，通过动态映射不透水表面变化来分析城市扩张	中国盘锦市（一个资源型城市）的城市扩张过程	计算机视觉	NA	深度学习，时间-光谱-纹理组合优化方法，分段线性回归模型	深度学习模型	遥感图像（时间序列的土地覆盖数据）	盘锦市1990年至2020年的土地覆盖数据	NA	NA	轨迹分类准确率，宏观F1分数，城市扩张时间识别准确率	NA
3228	2026-01-07	UNet with self-adaptive Mamba-like attention and causal-resonance learning for medical image segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28885-8 PMID:41339647	研究论文	本文提出了一种名为SAMA-UNet的新型U形架构，用于医学图像分割，通过引入自适应Mamba类注意力块和因果共振多尺度模块，在效率和准确性之间取得了更好的平衡	提出了两个关键创新：1. 自适应Mamba类聚合注意力块，通过动态注意力权重自适应整合局部和全局特征；2. 因果共振多尺度模块，通过调整特征分辨率和跨尺度的因果依赖关系，改善编码器-解码器交互	未明确提及具体限制，但暗示了现有状态空间序列模型在医学图像分割中的直接应用有限，主要由于与图像结构不兼容和自回归假设	开发一种能够平衡效率与准确性的医学图像分割模型	医学图像分割任务	数字病理学	NA	深度学习	U-Net	图像	使用了多个公开数据集（BTCV、ACDC、EndoVis17、ATLAS23），但未明确说明总样本数量	NA	U-Net, SAMA-UNet	DSC, NSD	NA
3229	2026-01-07	Empowering emotional intelligence through deep learning techniques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29073-4 PMID:41339679	研究论文	本文提出了一种结合多种深度学习模型的多模态情感智能系统，用于增强对人类情感的识别和适应性响应	采用集成深度学习模型（CNN、BERT、RNN、GAN）构建多模态情感智能系统，相比单一模型能更准确地识别和响应情感	未明确说明数据集的样本量、模型泛化能力及在真实世界应用中的潜在挑战	通过深度学习技术提升情感智能，以创建更具同理心和用户导向的AI系统	人类情感（面部表情、文本情绪、时序情感变化）	自然语言处理,计算机视觉,机器学习	NA	深度学习	CNN,BERT,RNN,GAN	图像,文本	Kaggle数据集（包括FER-2013面部表情数据集和标注文本数据）	TensorFlow,Keras,PyTorch	CNN,BERT,RNN,GAN	准确率	NA
3230	2025-12-03	Comparing deep learning CNN method with traditional MRI-based hippocampal segmentation and volumetry for early Alzheimer's disease diagnosis across diverse populations 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29366-8 PMID:41326490	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3231	2026-01-07	How Will AI Shape the Future of Pandemic Response? Early Clues From Data Analytics 2025-Dec, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70103 PMID:40926588	综述	本文回顾了人工智能和数据分析在增强大流行防范、应对和恢复方面的10个关键领域，探讨了其潜力与挑战	系统性地分析了AI在疫情响应中的10个关键应用领域，并强调了其在提升预警系统、实时数据分析和流行病模型方面的创新潜力	实施AI在疫情响应中面临重大的伦理和治理挑战，如隐私、公平性和问责制问题	探讨人工智能和数据分析如何塑造未来大流行响应，以增强防范、应对和恢复能力	大流行（特别是COVID-19）的响应系统、预警机制、资源分配和决策过程	机器学习	NA	数据分析和人工智能技术	机器学习, 深度学习	实时数据、流行病学数据	NA	NA	NA	NA	NA
3232	2026-01-07	A transfer learning-driven fine-tuning of YOLOv10 for improved brain tumor detection in MRI images 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28813-w PMID:41326486	研究论文	本文提出了一种基于YOLOv10的迁移学习微调方法，用于提高MRI图像中脑肿瘤的检测精度	采用迁移学习策略，将预训练于COCO数据集的YOLOv10模型参数微调至脑肿瘤检测任务，显著提升了模型在有限医疗数据下的性能	研究依赖于有限的标记脑肿瘤数据集，可能影响模型在更广泛临床场景中的泛化能力	开发一种自动、高效且精确的脑肿瘤检测系统，以支持计算机辅助诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	NA	NA	YOLOv10	mAP, 精度	NA
3233	2026-01-07	Quantum resistant blockchain and deep learning revolutionize secure communications for autonomous vehicles 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28938-y PMID:41326509	研究论文	提出了一种结合抗量子区块链技术和深度学习的新型架构，以增强智能交通系统中自动驾驶车辆网络的安全性	首次将抗量子区块链与深度学习模型集成，为自动驾驶车辆网络提供针对量子计算威胁的端到端安全通信、数据共享和实时威胁检测解决方案	未详细讨论模型在极端网络条件或大规模攻击下的鲁棒性，也未提及框架在实际部署中的计算开销和延迟影响	解决自动驾驶车辆网络面临的网络安全威胁，特别是量子计算对传统加密防御的挑战，旨在构建安全、高效的智能交通系统	自动驾驶车辆网络、车辆到一切通信、智能交通系统	机器学习	NA	深度学习、区块链技术	深度学习模型	车辆通信数据、交易数据	NA	NA	NA	准确率, 精确率, 召回率, 数据完整性, 吞吐量, 区块验证时间	NA
3234	2026-01-07	Automated Retinal Vascular Analysis Reveals Response to Acetazolamide in Idiopathic Intracranial Hypertension 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.9 PMID:41342622	研究论文	本研究利用深度学习自动分析视网膜血管，评估乙酰唑胺对特发性颅内高压继发视乳头水肿的治疗反应	首次应用深度学习自动化流程量化视网膜血管参数，并将其与临床指标关联，为特发性颅内高压治疗监测提供非侵入性生物标志物	研究为回顾性分析，样本量相对有限（n=165），且仅针对特发性颅内高压患者，结果推广需进一步验证	评估自动化视网膜血管分析能否识别特发性颅内高压继发视乳头水肿的治疗反应	特发性颅内高压继发视乳头水肿患者	数字病理学	特发性颅内高压	彩色眼底照相、光学相干断层扫描（OCT）	深度学习	图像	165名轻度视力丧失患者	NA	AutoMorph	R2、P值	NA
3235	2026-01-07	From multi-omics to deep learning: advances in cfDNA-based liquid biopsy for multi-cancer screening 2025-Nov-28, Biomarker research IF:9.5Q1 DOI:10.1186/s40364-025-00874-z PMID:41310905	综述	本文综述了基于循环游离DNA（cfDNA）的液体活检在多癌筛查中的关键生物标志物、多模态特征融合方法以及机器学习与深度学习技术的应用进展	强调了多模态cfDNA生物标志物（如基因突变、拷贝数变异、DNA甲基化、片段化模式和末端基序）的整合与特征融合方法，结合机器学习与深度学习框架，以提升癌症分类模型的性能并稳定低丰度信号	面临肿瘤异质性、数据处理标准化、模型可解释性以及成本限制等挑战	探讨cfDNA液体活检在多癌筛查中的技术进展与临床应用潜力	循环游离DNA（cfDNA）生物标志物及其在癌症检测与监测中的应用	机器学习	癌症	cfDNA分析，包括基因突变、拷贝数变异、DNA甲基化、片段化模式和末端基序检测	传统机器学习，深度学习	多组学数据（遗传与表观遗传数据）	NA	NA	NA	NA	NA
3236	2026-01-07	Global and regional accuracy of deep learning-based tumor segmentation from whole-body [18F]fluorodeoxyglucose PET/CT images 2025-Nov-28, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01333-4 PMID:41313553	研究论文	本研究评估了基于深度学习的nnU-Net模型在全身体[18F]FDG PET/CT图像中肿瘤分割的全局和区域准确性	首次在全身体PET/CT图像中系统评估nnU-Net的分割性能，并揭示了肿瘤背景比（TBR）与分割准确性之间的显著关系	研究仅针对三种癌症类型（肺癌、淋巴瘤、黑色素瘤），且未在外部数据集上进行验证	测试深度学习算法预测体积与手动分割体积之间的关系，并评估预测准确性与正常背景摄取的相关性	1334例经组织学确诊的肺癌、淋巴瘤和黑色素瘤患者的[18F]FDG-PET/CT扫描图像	数字病理学	肺癌, 淋巴瘤, 黑色素瘤	[18F]FDG-PET/CT成像	CNN	医学图像（PET/CT扫描）	1334例PET/CT扫描（训练集933例，内部验证集267例，测试集134例）	MONAI	nnU-Net	Dice分数, F1分数, 线性相关系数	NA
3237	2026-01-07	Consensus Molecular Subtypes (CMS) Classification: a progress towards Subtype-Driven treatments in colorectal cancer 2025-Nov-24, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-04117-1 PMID:41276825	综述	本文综述了结直肠癌的共识分子亚型分类及其在预后预测和个性化治疗中的应用	系统总结了CMS分类的预后和预测作用、识别方法、与息肉和免疫治疗的关联、瘤内异质性以及临床应用的障碍，并探讨了基于深度学习的图像分类器（imCMS）等新兴策略	瘤内异质性和技术障碍阻碍了CMS分类的临床广泛应用	回顾CMS分类，旨在改善结直肠癌的预后预测并指导个性化治疗	结直肠癌及其分子亚型	数字病理学	结直肠癌	基因表达谱分析、免疫组织化学、单细胞RNA测序	深度学习	基因表达数据、图像数据	NA	NA	NA	NA	NA
3238	2026-01-07	Direct video-based spatiotemporal deep learning for cattle lameness detection 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29118-8 PMID:41274941	研究论文	本研究提出了一种基于时空深度学习的端到端视频分类框架，用于自动检测牛跛行	采用直接的端到端视频分类方法，避免了传统方法中依赖目标检测和姿态估计的多阶段流程，显著降低了延迟和复杂性，更适合实时农场部署	数据集规模相对较小（50个视频片段，涉及42头牛），且模型仅在公开视频数据上进行了评估	开发一种自动化、准确的牛跛行检测方法，以改善动物福利并减少经济损失	牛（特别是其步态视频）	计算机视觉	牛跛行	视频分析	3D CNN, ConvLSTM	视频	50个在线视频片段，涉及42头个体牛	NA	3D CNN, ConvLSTM2D	准确率, 精确率, 召回率, F1分数	NA
3239	2026-01-07	DLCPD-25: A Large-Scale and Diverse Dataset for Crop Disease and Pest Recognition 2025-Nov-20, Sensors (Basel, Switzerland) DOI:10.3390/s25227098 PMID:41305306	研究论文	本文介绍了一个用于作物病虫害识别的大规模、多样化公开基准数据集DLCPD-25，并验证了其通过自监督学习模型预训练的有效性	构建了首个大规模、覆盖多种作物与病虫害类别、包含真实田间复杂环境和自然长尾分布的公开数据集，弥补了现有数据集的不足	未明确说明数据集中各类别样本的具体数量分布细节，也未对比其他数据集的详细性能差异	为作物病虫害识别领域提供高质量的数据资源，以支持鲁棒深度学习模型的开发	23种作物类型中的203种病虫害类别及健康状态	计算机视觉	作物病虫害	图像采集与整合	自监督学习模型	图像	221,943张图像	NA	MAE, SimCLR v2, MoCo v3	准确率, F1分数	NA
3240	2026-01-07	Next-generation antifungal peptide discovery: the synergy of artificial intelligence and omics technologies 2025-Nov-18, World journal of microbiology & biotechnology IF:4.0Q2 DOI:10.1007/s11274-025-04662-7 PMID:41251968	综述	本文综述了人工智能与组学技术在下一代抗真菌肽发现中的协同作用，强调了AI在克服传统方法局限性和推动抗真菌肽临床转化中的关键角色	探讨了AI（包括机器学习、深度学习和自然语言处理）与组学技术结合，用于高效设计和识别新型抗真菌肽，并提出了利用基因编辑技术（如CRISPR-Cas9）提升生产规模的创新思路	AI在抗真菌肽预测模型中存在模型复杂性高、数据规模有限、决策过程影响性能等限制，需通过迁移学习、可解释AI、特征选择等方法优化	旨在通过人工智能和组学技术加速新型抗真菌肽的发现与开发，以应对真菌感染和耐药性问题	抗真菌肽（AFPs）及其相关基因、生物合成基因簇（BGCs）	自然语言处理, 机器学习	真菌感染	组学技术, CRISPR-Cas9基因编辑	机器学习, 深度学习	文本, 基因序列数据	NA	NA	NA	精度, 准确率	NA