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
3401	2026-01-04	Subject-specific modeling framework for particle deposition using computational fluid dynamics 2025-Nov, Journal of aerosol science IF:3.9Q2 DOI:10.1016/j.jaerosci.2025.106660 PMID:41472839	研究论文	本文提出了一种用于计算流体动力学模拟的、完全自动化的个体化呼吸道颗粒沉积建模框架	首次提出了一个从CT图像分割到CFPD模拟的完全自动化工作流程，集成了形态学和深度学习方法进行气道分割，并包含几何质量检查、网格处理和出口自动识别与封盖等预处理算法	未明确说明框架在不同人群或病理条件下的普适性验证，也未详细讨论计算成本或所需时间	开发一个自动化框架，用于获取人体呼吸道中个体化的颗粒沉积分布，以支持个性化治疗和辐射防护剂量评估	人体呼吸道（上下气道）的几何结构及其中颗粒的沉积行为	计算流体动力学，医学图像分析	NA	CT成像，计算流体与颗粒动力学，蒙特卡洛辐射传输模拟	深度学习模型	CT图像，三维几何模型	NA	NA	NA	预测颗粒沉积和剂量分布的高精度	开源求解器（OpenFOAM）或商业求解器（StarCCM+）
3402	2026-01-04	Assessing body composition using auto-segmentations of muscle and subcutaneous adipose tissue in prostate cancer patients receiving magnetic resonance-guided radiotherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100882 PMID:41476866	研究论文	本研究利用深度学习框架对前列腺癌患者磁共振引导放疗图像进行自动分割，以评估身体成分变化	首次在磁共振引导放疗背景下，开发了用于肌肉和皮下脂肪组织自动分割的深度学习模型，并比较了使用肠道和骨骼掩模对性能的影响	样本量较小（71例患者），且仅针对中危前列腺癌患者，可能限制了结果的普适性	评估前列腺癌患者在接受磁共振引导放疗期间的身体成分变化，以早期发现肌肉减少症风险	接受磁共振引导放疗的中危前列腺癌患者	数字病理学	前列腺癌	磁共振成像（MRI），T2加权图像	深度学习模型	医学图像	71例中危前列腺癌患者	NA	NA	平均表面距离，95百分位Hausdorff距离，Dice相似系数	NA
3403	2026-01-04	AI-Integrated QSAR Modeling for Enhanced Drug Discovery: From Classical Approaches to Deep Learning and Structural Insight 2025-Sep-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26199384 PMID:41096653	综述	本文综述了人工智能与定量构效关系（QSAR）结合在药物发现中的演变，从经典方法到深度学习，并讨论了相关工具、挑战和未来趋势	整合了AI与QSAR，涵盖了从经典回归到图神经网络和基于SMILES的Transformer等先进方法，并强调了分子对接、分子动力学模拟、PROTACs、ADMET预测及云平台在药物发现中的应用	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行总结和讨论	概述AI集成QSAR建模在药物发现中的发展，旨在提供更快、更准确、可扩展的化合物识别方法	药物发现中的计算模型、数据库和工具，包括QSAR方法、机器学习算法、分子模拟技术以及公共云平台	机器学习	NA	定量构效关系（QSAR）、分子对接、分子动力学模拟、ADMET预测	图神经网络（GNN）、Transformer	化学结构数据（如SMILES）、分子描述符	NA	NA	NA	NA	云平台（如公共数据库和基于云的计算建模平台）
3404	2026-01-04	Enhancing placental pathology detection with GAMatrix-YOLOv8 model 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42441 PMID:41477509	研究论文	本研究提出了一种名为GAMatrix-YOLOv8的新模型，用于增强胎盘病理组织（特别是延迟绒毛成熟）的实时识别和精确定位检测	将GAM注意力机制嵌入YOLOv8骨干网络，并结合图像增强和归一化等关键预处理步骤，使模型中间层能更有效地关注关键图像特征，从而提升计算效率和检测精度	摘要中未明确提及研究的局限性	旨在增强和验证YOLOv8模型，并探究其在胎盘组织病理学检测中的意义	胎盘病理组织，特别是延迟绒毛成熟	计算机视觉	胎盘病理	NA	CNN, YOLO	图像	摘要中未提及具体样本数量	摘要中未明确提及，但YOLOv8通常基于PyTorch	YOLOv8, GAMatrix-YOLOv8, GoogleNet, ResNet18	准确率, 精确率, 召回率, F1分数	摘要中未提及具体计算资源
3405	2026-01-04	FedKBP: Federated dose prediction framework for knowledge-based planning in radiation therapy 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3044379 PMID:41472880	研究论文	本文提出了一种名为FedKBP的联邦学习框架，用于评估放射治疗中基于知识的计划剂量预测模型的集中式、联邦式和个体化训练性能	开发了FedKBP框架，首次在放射治疗剂量预测中系统比较了集中式、联邦式和个体化训练，并分析了数据分布（IID与非IID）对联邦学习性能的影响	非IID数据分布下联邦学习性能下降，表明需要更复杂的联邦学习方法超越简单的模型平均来处理站点间数据差异	评估联邦学习在放射治疗剂量预测中的应用，比较不同训练策略的性能	放射治疗计划中的剂量预测模型	医疗人工智能	放射治疗相关疾病	深度学习，联邦学习	深度学习模型	放射治疗计划数据	340个计划，来自OpenKBP数据集，分为8个训练站点	NA	NA	模型优化速度，样本外测试分数	NA
3406	2026-01-04	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	本文提出了一种基于神经最优传输的无监督多域腹部医学图像配准框架OTMorph	提出了一种新颖的无监督多域图像配准框架，通过神经最优传输学习数据分布映射来缓解不同域图像间的特征差异	未明确说明模型在极端解剖变异或病理严重变形情况下的表现	解决多域腹部医学图像（如多模态、多参数图像）的变形配准问题	腹部医学图像，特别是用于诊断肝癌和淋巴瘤等疾病的多域图像	计算机视觉	肝癌，淋巴瘤	医学图像配准	深度学习模型	医学图像（体积数据）	NA	NA	OTMorph（包含传输模块和配准模块）	NA	NA
3407	2026-01-04	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	本研究利用人工智能分析数字语音录音，旨在通过语音特征早期检测阿尔茨海默病及相关痴呆症	结合特征工程机器学习与端到端深度学习（包含大型语言模型）两种分类方法，用于从语音中检测认知障碍并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	样本量相对有限（共188名参与者），且研究聚焦于特定任务（Craft Story Recall）的语音数据，可能影响模型的泛化能力	早期检测阿尔茨海默病及相关痴呆症，并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	来自LEADS研究的120名患者和68名认知未受损对照者的数字语音录音	自然语言处理	阿尔茨海默病	数字语音分析	特征工程机器学习模型, 端到端深度学习模型	语音	188名参与者（120名患者，68名对照）	NA	大型语言模型	AUC	NA
3408	2026-01-03	Correction: Leveraging deep learning models to increase the representation of nomadic pastoralists in health campaigns and demographic surveillance 2025, PLOS global public health DOI:10.1371/journal.pgph.0005757 PMID:41474694	correction	本文是对先前发表文章（DOI: 10.1371/journal.pgph.0004018）的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3409	2026-01-04	Deep learning for deep learning performance: How much data is needed for segmentation in biomedical imaging? 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339064 PMID:41474709	研究论文	本文提出了一种深度学习专用的框架，用于估计医学图像分割任务中达到稳定性能所需的最小数据集规模	提出了一个针对深度学习特性的样本量估计框架，并引入基于LSTM的代理建模流程来预测性能曲线，为医学AI开发中的资源分配提供了实用的经验方法	研究仅验证了两种特定的临床任务（结直肠息肉分割和胶质瘤分割），框架在其他医学图像分割任务中的普适性仍需进一步验证	研究深度学习模型在医学图像分割任务中达到稳定性能所需的最小数据集规模，并开发相应的估计框架	结直肠息肉（来自2D内窥镜图像）和脑胶质瘤（来自3D脑部MRI）	数字病理	结直肠癌, 脑胶质瘤	医学图像分割	CNN, LSTM	2D图像, 3D MRI图像	Kvasir-SEG数据集（2D内窥镜图像）和BraTS 2020数据集（3D脑部MRI），训练配置分别达到200种和40种	NA	Residual U-Net, LSTM	Dice相似系数（DSC）, 平均绝对误差	NA
3410	2026-01-04	Alveolar Bone Segmentation Methods in Assessing the Effectiveness of Periodontal Defect Regeneration Through Machine Learning of CBCT Data: A Systematic Review 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/9065572 PMID:41476447	系统综述	本文系统综述了用于评估牙周缺损再生效果的锥形束CT影像中牙槽骨分割方法，重点关注机器学习技术的应用	首次系统性地比较了不同牙槽骨分割方法在牙周缺损再生数字工作流程中的效果，并明确了深度学习（特别是U-Net）在该领域的主导地位	纳入研究数量有限（仅23项），时间范围限制在5年内，且不同研究的分割性能评估指标存在差异	评估锥形束CT影像中牙槽骨分割方法的有效性及其在牙周缺损再生数字工作流程中的潜在价值	牙周缺损患者的锥形束CT影像数据	数字病理学	牙周病	锥形束CT成像	深度学习	医学影像（DICOM格式）	NA	NA	U-Net	Dice相似系数	NA
3411	2026-01-04	Risk stratification for early-stage NSCLC progression: a federated learning framework with large-small model synergy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1719433 PMID:41476584	研究论文	本研究开发了一种名为FedCPI的联邦学习框架，用于早期非小细胞肺癌进展的风险分层，并在胃癌和子宫内膜癌任务中验证了其通用性	提出了一种结合大型与小模型特征分解与融合（LMSF）以及联邦自适应通信机制（FACM）的新型联邦学习框架，实现了多中心数据协同下的精准风险分层	研究为回顾性设计，样本量有限（926例），且仅包含四个中心的患者数据	开发一个精确的风险分层系统，以提高预测准确性并优化分层管理，从而指导临床决策	接受根治性手术的I-IIA期非小细胞肺癌患者，并在后续任务中扩展至胃癌和子宫内膜癌患者	数字病理学	肺癌	深度学习	CNN	医学影像数据（推断）	926名来自四个中心的I-IIA期非小细胞肺癌患者	PyTorch（推断）	ResNet18，并结合了视觉基础模型（VFMs）	AUC，准确率，灵敏度，特异度，阳性预测值，阴性预测值	NA
3412	2026-01-04	Noninvasive MGMT-promotor methylation prediction in high grade gliomas using conventional MRI and deep learning-based segmentations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1689003 PMID:41476598	研究论文	本研究利用深度学习模型分割常规MRI图像，分析高级别胶质瘤中MGMT启动子甲基化状态的非侵入性预测	首次结合两种深度学习分割模型（DeepBraTumIA和Raidionics）分析肿瘤水肿、增强肿瘤、坏死等体积特征，用于预测MGMT启动子甲基化状态	样本量较小（70例患者），未纳入其他分子影像序列，手动分割验证仅覆盖部分病例	通过深度学习分割的MRI体积数据预测高级别胶质瘤的MGMT启动子甲基化状态，并分析其与生存预后的关联	高级别胶质瘤（包括胶质母细胞瘤和4级星形细胞瘤）患者	数字病理	脑肿瘤	常规磁共振成像	深度学习模型	MRI图像	70例高级别胶质瘤患者（其中45例男性，32例MGMT启动子甲基化），37例用于手动分割验证	NA	DeepBraTumIA, Raidionics	Dice系数, 组内相关系数, 受试者工作特征曲线下面积, 敏感性, 特异性	NA
3413	2026-01-04	Image-text guided fundus vessel segmentation via attention mechanism and gated residual learning 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1710343 PMID:41476610	研究论文	本研究提出了一种结合图像-文本引导、注意力机制和门控残差学习的眼底血管分割模型，以提升细血管分割性能并减少对像素级标注的依赖	首次成功将图像-文本模型引入眼底血管分割，并改进了模型架构，包括在CNN主干中嵌入SE模块以自适应重校准通道权重，以及在ViT主干中集成门控残差学习以动态调节图像与文本特征间的信息流	未明确说明模型在更广泛或临床数据集上的泛化能力，以及计算资源需求的具体细节	提高眼底血管分割的准确性，特别是在细血管分割方面，并探索减少对像素级标注依赖的新方法	眼底血管图像及其对应的文本标签	计算机视觉	眼科疾病	深度学习	CNN, ViT	图像, 文本	两个公开数据集（DRIVE和ROSE-1），具体样本数量未在摘要中明确说明	NA	CNN with SE module, ViT with gated residual learning	F1-score, accuracy, sensitivity, specificity	NA
3414	2026-01-04	Multi-perspective hotel operation process anomaly prediction method based on graph transformer and autoencoder 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1682701 PMID:41476691	研究论文	提出一种基于多视角图Transformer与自编码器的酒店业务流程异常预测方法，以提升运营稳定性	首次将Petri网与数据属性结合构建多视角轨迹图，并利用注意力机制实现流程行为与数据的深度语义交互	未明确说明方法在超大规模流程或实时流数据场景下的适用性	解决酒店业务流程中因控制流与数据流交互建模不足导致的异常预测精度问题	酒店运营流程中的活动序列及其时间、资源等数据属性	自然语言处理	NA	Petri网建模, 注意力机制	Transformer, Autoencoder	图结构数据, 时序数据	多个真实世界数据集（未明确具体数量）	NA	Graph Transformer, Auto Encoder	准确性	NA
3415	2026-01-04	An explainable deep learning-based feature fusion model for acute lymphoblastic leukemia diagnosis and severity assessment 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1694024 PMID:41476880	研究论文	本文提出了一种名为XIncept-ALL的新型深度学习框架，用于急性淋巴细胞白血病的自动检测和严重程度分类	通过特征融合块整合预训练的InceptionV3和Xception网络，并采用数据自动增强技术和Grad-CAM可视化以提升性能与可解释性	使用了新开发的私有数据集Pak-ALL，可能限制模型在其他人群或数据集上的泛化能力	开发一个可靠、可解释的计算机辅助诊断系统，用于急性淋巴细胞白血病的早期检测和严重程度评估	急性淋巴细胞白血病细胞图像	数字病理学	急性淋巴细胞白血病	NA	CNN	图像	新开发的私有数据集Pak-ALL（来自巴基斯坦医院）以及来自可靠网络来源的额外数据集	NA	InceptionV3, Xception	准确率	NA
3416	2026-01-04	Nature's cryptographic codebreaker: in silico decoding of apigenin's triple defense against SARS-CoV-2 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1708660 PMID:41477204	研究论文	本研究通过计算建模方法探索了芹菜素对SARS-CoV-2的潜在抗病毒机制	首次结合矩阵分解、深度学习、多尺度分子建模和网络药理学，系统预测并验证了芹菜素通过多靶点机制（包括GRP78、HSPG、Nsp15、AKT1和PTGS2）对抗SARS-CoV-2的潜力	研究主要基于计算模拟，缺乏实验验证；预测结果需进一步体内外实验确认	探索芹菜素治疗SARS-CoV-2的潜在作用及机制，为开发基于天然产物的抗病毒疗法提供依据	芹菜素（一种天然黄酮类化合物）及其与SARS-CoV-2相关蛋白（如GRP78、HSPG、Nsp15）和宿主因子（如AKT1、PTGS2）的相互作用	计算生物学	COVID-19	矩阵分解、深度学习、多尺度分子建模、网络药理学、分子对接	基于图的高斯核相似性模型（GiGs）、卷积自注意力模型（CSatDTA）	分子结构数据、蛋白质结构数据、药物-靶点相互作用数据	NA	NA	GiGs, CSatDTA	结合自由能（kcal/mol）	NA
3417	2026-01-04	TIC-FusionNet: A multimodal deep learning framework with temporal decomposition and attention-based fusion for time series forecasting 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333379 PMID:41066756	研究论文	提出了一种名为TIC-FusionNet的多模态深度学习框架，用于时间序列预测，特别针对金融环境中的噪声问题	结合了指数移动平均分解进行去噪和趋势提取、轻量级线性Transformer进行高效长序列建模、以及带有CBAM注意力的空间-通道CNN从K线图图像中捕捉形态模式，并通过门控融合机制自适应地整合数值和视觉模态	未明确提及模型在极端市场事件或数据极度稀缺情况下的表现	解决单模态和短程依赖模型在嘈杂金融环境中的局限性，提升时间序列预测的准确性和泛化能力	六家真实世界公司的股票数据集，包括亚马逊、特斯拉、贵州茅台、中国平安、万科和苹果	机器学习	NA	时间序列分析，图像分析	Transformer, CNN	数值时间序列数据，图像数据	六个股票数据集，涵盖中美主要公司及不同市场板块和波动模式	NA	线性Transformer, CNN with CBAM	预测准确性，泛化能力	NA
3418	2026-01-04	Deep learning-based idiomatic expression recognition for the Amharic language 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295339 PMID:38096324	研究论文	本文提出了一种基于卷积神经网络和FastText嵌入的模型，用于检测阿姆哈拉语中的惯用表达	首次将深度学习模型应用于阿姆哈拉语的惯用表达识别，结合CNN和FastText嵌入以提高检测准确性	数据集规模相对较小（总计3300个表达），且测试集准确率为80%，仍有提升空间	开发一个能够准确识别阿姆哈拉语中惯用表达的自然语言处理模型	阿姆哈拉语中的惯用表达和非惯用表达	自然语言处理	NA	NA	CNN	文本	1700个惯用表达和1600个非惯用表达，总计3300个样本	NA	CNN	准确率	NA
3419	2026-01-03	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	本文提出了一种结合卷积非线性脉冲神经模型与双向长短期记忆的多元云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型（ConvNSNP），增强处理非线性数据的能力，并与BiLSTM结合构建混合预测模型，有效捕获多元时间序列的变量间相关性和时间模式	NA	解决云计算环境中多元工作负载预测的关键研究问题	多元时间序列数据	机器学习	NA	NA	CNN, BiLSTM	时间序列数据	三个公共云工作负载轨迹数据集（来自阿里巴巴和Google）	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
3420	2026-01-03	Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70056 PMID:41035163	研究论文	本研究提出了一种基于深度学习的计算机辅助诊断系统，利用射频时间序列动态处理（RFTSDP）方法增强乳腺病变的分类和分级	引入了RFTSDP方法，通过分析受控刺激下组织的动态响应和散射体位移对射频回波的影响，以增强诊断信息，并结合深度学习实现自动化特征提取	研究仅使用了11个离体乳腺组织样本，样本量较小，且为离体数据，可能无法完全代表体内情况	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺病变分类和分级的准确性	离体乳腺组织样本	计算机视觉	乳腺癌	射频时间序列动态处理（RFTSDP），超快超声数据采集	CNN	超快超声数据（射频时间序列）	11个离体乳腺组织样本	NA	CNN	准确率	NA