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
3721	2026-01-02	Accurate Mediterranean Sea forecasting via graph-based deep learning 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31177-w PMID:41353460	研究论文	本文介绍了一种名为SeaCast的基于图神经网络的深度学习模型，用于高分辨率区域海洋（地中海）预报，相比传统数值模型，在预测精度和时效上均有显著提升	提出了一种结合图神经网络框架以处理复杂海洋网格几何形状的深度学习模型SeaCast，并整合了针对区域海洋环境定制的外部强迫数据，将有效预测窗口从10天扩展至15天	NA	开发一种高效、准确的区域海洋预报系统，以替代传统计算昂贵的数值求解器	地中海区域海洋动力学	机器学习	NA	图神经网络，深度学习	神经网络	海洋网格数据，大气强迫数据	NA	NA	图神经网络	预测精度，技能预测时长	NA
3722	2026-01-02	AI-assisted sentinel lymph node examination and metastatic detection in breast cancer: the potential of ChatGPT for digital pathology research 2025-Dec, Pathologica IF:4.4Q1 DOI:10.32074/1591-951X-N1068 PMID:41454765	研究论文	本研究评估了ChatGPT-4在乳腺癌前哨淋巴结冰冻切片中检测转移的潜力	首次将ChatGPT-4应用于乳腺癌前哨淋巴结冰冻切片的转移检测，探索其在数字病理研究中的实际应用	样本量较小（仅90个前哨淋巴结），且为回顾性研究，可能影响结果的普遍性	评估AI模型在乳腺癌前哨淋巴结转移检测中的诊断性能，以提升病理工作流程的准确性和效率	乳腺癌患者的前哨淋巴结冰冻切片	数字病理	乳腺癌	冰冻切片，数字病理	深度学习模型	图像	90个前哨淋巴结	NA	ChatGPT-4	准确率，灵敏度，特异性	NA
3723	2026-01-02	Accurate Generation of Conformational Ensembles for Intrinsically Disordered Proteins with IDPFold 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511636 PMID:41082321	研究论文	本文介绍了一种名为IDPFold的新方法，该方法利用微调的扩散模型直接从序列生成内在无序蛋白的构象集合	IDPFold消除了对多序列比对或实验数据的依赖，能够更详细地表征IDP集合的结构特征	NA	研究内在无序蛋白的构象特性	内在无序蛋白	机器学习	癌症, 糖尿病, 阿尔茨海默病	扩散模型	扩散模型	蛋白质序列	27个IDP系统	NA	IDPFold	回转半径误差, Cα二级化学位移的均方根偏差	NA
3724	2026-01-02	RiboMicrobe: An Integrated Translatome Atlas for Microorganism 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509877 PMID:41082396	研究论文	本文介绍了RiboMicrobe，一个专为原核微生物Ribo-seq数据设计的综合数据库，并集成了基于Transformer的深度学习模型用于sORF预测	开发了首个专门针对原核微生物翻译组的综合数据库，并引入了两种基于Transformer架构的新型sORF预测模型	数据库目前仅涵盖36种原核生物和2种病毒，数据覆盖范围有限	构建一个集成数据库和工具平台，以支持微生物翻译组学研究和sORF注释	原核微生物和病毒的翻译组数据	生物信息学	NA	Ribo-seq, RNA-seq, 蛋白质组学	Transformer	测序数据	891个Ribo-seq数据集、369个匹配的RNA-seq数据集和62个蛋白质组数据集	NA	Transformer	NA	NA
3725	2026-01-02	Cytological Classification Diagnosis for Thyroid Nodules via Multimodal Model Deep Learning 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511369 PMID:41098080	研究论文	本文开发了AI-TFNA平台，通过多模态深度学习模型提高甲状腺结节细胞学分类诊断的准确性和临床效率	提出了结合BRAF突变数据和图像外观迁移（IAM）技术的多模态模型，显著提升了模型在不同机构间的泛化能力	研究主要基于中国七个医疗中心的数据，可能在其他地区或人群中的适用性有待进一步验证	开发一个稳健的人工智能平台，以提高甲状腺结节诊断的准确性和临床效率	甲状腺结节样本，特别是甲状腺细针穿刺（TFNA）样本	数字病理学	甲状腺结节	甲状腺细针穿刺（TFNA）、BRAF突变检测	深度学习模型	图像、突变数据	总样本20,803个，其中4,421个TFNA样本用于训练，2,153个样本用于外部验证	NA	多模态模型	准确率、灵敏度、特异性	NA
3726	2026-01-02	Molecular Motif Learning as a pretraining objective for molecular property prediction 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66685-w PMID:41309631	研究论文	本文提出了一种名为分子基序学习的无监督预训练方法，用于学习分子表示，以提升分子性质预测的准确性	MotiL方法直接从原生分子图中学习，同时保留整体分子结构和基序水平信息，能够捕捉小分子和蛋白质的相似结构与功能	NA	提高分子性质预测的准确性，以支持药物发现	小分子和蛋白质	机器学习	NA	分子图学习	NA	分子图	至少16个分子基准数据集	NA	NA	准确性	NA
3727	2026-01-02	Optimized YOLOv8s framework with deformable convolution for underwater object detection 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28989-1 PMID:41309854	研究论文	本文提出了一种优化的YOLOv8s框架O-YOLOv8s-DC，用于解决水下物体检测中的小目标、遮挡目标、形态变化和图像质量低等挑战	集成了四个核心增强模块：可变形卷积特征模块（C2f_DC）、深度加权双向特征金字塔（DeepBiFPN）、内容感知特征重组（CARAFE）和高效多尺度注意力（EMA），以提升水下复杂环境中的检测性能	NA	开发一种深度学习框架，以改进水下物体检测的准确性和鲁棒性	水下环境中的物体，特别是小目标、遮挡目标和形态多变的物体	计算机视觉	NA	深度学习	YOLOv8s	图像	使用LFIW和OI数据集进行实验，具体样本数量未明确说明	PyTorch	YOLOv8s, C2f_DC, DeepBiFPN, CARAFE, EMA	AP@[0.50:0.05:0.95], AP@0.75	NA
3728	2026-01-02	A novel spatiotemporal transformer network with multivariate fusion for short-term precipitation forecasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29415-2 PMID:41309915	研究论文	本文提出了一种名为ST-MFTransNet的新型时空变换器网络，通过多变量融合进行短期降水预报	设计了一个基于全维度动态卷积的多变量融合模块，有效整合温度、湿度和风速等多种气象变量信息，并构建了包含Transformer和多尺度卷积模块的编码器-解码器框架来提取时空特征	NA	提高短期降水预报的准确性	降水预报	机器学习	NA	NA	Transformer, CNN	多变量气象数据	NA	NA	Transformer, 多尺度卷积模块	POD, CSI	NA
3729	2026-01-02	A smart assistive system for visually challenged people through efficient object detection using deep learning with tunicate swarm algorithm 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29947-7 PMID:41309919	研究论文	本文提出了一种基于深度学习与樽海鞘群算法的智能辅助系统，用于通过高效目标检测帮助视障人士	结合YOLOV8、CapsNet和深度置信网络进行目标检测与分类，并利用樽海鞘群算法优化深度置信网络参数以提高性能	仅使用室内目标检测数据集进行评估，未在更广泛的室外或动态场景中测试	开发一个智能辅助系统，以帮助视障人士通过自动目标检测完成日常任务	视障人士	计算机视觉	视力障碍	深度学习	YOLOV8, CapsNet, DBN	图像	使用室内目标检测数据集，具体样本数量未明确说明	NA	YOLOV8, CapsNet, DBN	准确率	NA
3730	2026-01-02	Quantitative and longitudinal monitoring of cancer cell invasion in a three-dimensional in vitro model of oral cancer using optical coherence tomography 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28471-y PMID:41309958	研究论文	本研究利用光学相干断层扫描（OCT）结合深度学习，在三维口腔鳞状细胞癌模型中定量和纵向监测癌细胞侵袭行为	首次将OCT与深度学习结合，用于三维器官型癌症模型中癌细胞侵袭的定量、纵向监测，实现了非破坏性组织微结构可视化	研究基于体外三维模型，可能无法完全模拟体内复杂环境；未详细说明深度学习模型的具体架构和训练细节	评估OCT结合深度学习在三维口腔癌模型中定量监测癌细胞侵袭的适用性和可行性	口腔鳞状细胞癌（OSCC）的三维器官型培养模型，包含癌症相关成纤维细胞以模拟肿瘤微环境	数字病理学	口腔癌	光学相干断层扫描（OCT），深度学习	深度学习模型	三维OCT图像	NA	NA	NA	侵袭性参数与组织形态计量学数据的相关性	NA
3731	2026-01-02	Tri branch attention enhanced 3DUNet for remote sensing based hyperspectral image classification 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29357-9 PMID:41309972	研究论文	提出了一种三分支注意力增强的3DUNet架构，用于遥感高光谱图像分类	设计了三分支3DUNet架构，每个分支针对特定问题（光谱依赖、空间特征、联合表示），并配备特定注意力机制，有效整合光谱和空间信息	未明确说明模型计算复杂度、训练时间或在小样本场景下的泛化能力	提高高光谱图像分类的准确性和鲁棒性	遥感高光谱图像	计算机视觉	NA	高光谱成像	3DUNet, 注意力机制	高光谱图像	三个公开数据集（Indian Pines, Pavia University, Houston-2018）	NA	三分支3DUNet	平均准确率, 总体准确率	NA
3732	2026-01-02	Feature centric based deep learning approach for music mood recognition with HuBERT transformer model 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29200-1 PMID:41309989	研究论文	本研究探索了使用先进的深度学习和基于Transformer的模型进行音乐情绪分类，以准确预测音乐的情感内容	采用最先进的基于Transformer的模型（HuBERT）与传统深度学习模型（ConvFormer、LSTM）和预训练模型（YAMNet）进行比较，在音乐情绪分类任务中取得了95%的最高准确率	研究仅使用了包含5种情绪标签的公开数据集，每类500个音频文件，样本量相对有限，且未探讨模型在其他音乐类型或更复杂情绪分类场景下的泛化能力	准确分类音乐情绪，以支持音乐推荐系统、AI情感智能和心理健康监测等应用	音乐音频文件	自然语言处理	NA	音频特征提取（短时傅里叶变换、梅尔频率倒谱系数）	Transformer, CNN, LSTM	音频	2500个音频文件（5个类别，每类500个）	NA	HuBERT, ConvFormer, LSTM, YAMNet	准确率	NA
3733	2026-01-02	Modifier guided resilient CNN inference enables fault-tolerant edge collaboration for IoT 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28454-z PMID:41310049	研究论文	本文提出了一种基于边缘的分布式CNN架构，通过轻量级Modifier Module实现容错推理，适用于资源受限的IoT场景	引入轻量级Modifier Module，通过聚合对等CNN输出和权重来合成故障设备的预测，并采用新型故障模拟训练技术实现实时容错，无需模型复制或云回退	仅在MNIST和CIFAR-10数据集上进行评估，且最多模拟五个同时设备故障，未涉及更复杂的数据集或大规模IoT部署	在资源受限的IoT场景中实现鲁棒且准确的深度学习推理，消除对云的依赖	IoT设备中的分布式CNN推理系统	机器学习	NA	故障模拟训练技术	CNN	图像	使用MNIST和CIFAR-10数据集，具体样本数量未明确说明	NA	分布式CNN架构	准确率, 错误率	资源受限的IoT边缘设备，具体GPU类型未说明
3734	2026-01-02	EnCTN: an enhanced AI-enabled deep learning framework for security enhancement in blockchain transactions 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29160-6 PMID:41310051	研究论文	本文提出了一种增强的AI驱动深度学习框架EnCTN，用于提升区块链交易的安全性	结合区块链与深度学习，通过增强卷积时序网络（EnCTN）和滑动窗口提取技术，提升数据持久性和异常检测性能	未明确提及框架的扩展性限制或在不同区块链环境中的适用性	增强区块链交易的安全性和异常检测能力	区块链交易数据	机器学习	NA	深度学习，滑动窗口提取，扩张卷积	CNN, Auto Encoder	时序数据	使用NSL-KDD数据集，具体样本数量未提及	Python	增强卷积时序网络（EnCTN）	异常分类准确率	在以太坊环境中实现，具体计算资源未提及
3735	2026-01-02	Integration of corpus linguistics and deep learning techniques for enhanced semantic-driven emotion detection on textual data 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28929-z PMID:41310067	研究论文	提出一种结合语料库语言学和深度学习的文本情感检测方法，通过融合多种词向量表示和多模型深度神经网络来提升情感识别的准确性	提出EDTIWVR-MDNN方法，融合TF-IDF、BERT和GloVe三种词向量技术，并采用基于注意力机制的时序卷积网络与双向门控循环单元的混合模型进行情感分类	仅在一个特定数据集（Emotion Detection from Text）上进行评估，未提及跨领域或跨语言的泛化能力测试	开发有效的文本情感识别与分析技术，以增强自然语言中的情感理解能力	带有情感标签的文本数据	自然语言处理	NA	语料库语言学分析、词向量表示、深度学习分类	注意力机制、时序卷积网络、双向门控循环单元	文本	NA	NA	AM-T-BiG（注意力机制-时序卷积-双向门控循环单元混合模型）	准确率	NA
3736	2026-01-02	Cognitive embodied learning for anomaly active target tracking 2025-Nov-27, Communications engineering DOI:10.1038/s44172-025-00556-6 PMID:41310085	研究论文	本文提出了一种受人类大脑双决策系统启发的认知具身学习方法，用于解决复杂物理场景中的异常主动目标跟踪问题	提出了一种新颖的认知具身学习方法，该方法能动态切换正常跟踪与异常处理模式，并引入了分类目标函数来解决严重异常导致的函数不可测性和数据混淆问题	未在摘要中明确说明	解决复杂物理场景中主动目标跟踪的鲁棒性和准确性问题	无人机异常主动目标跟踪	机器视觉	NA	具身智能、强化学习、深度学习	NA	模拟场景数据、真实世界场景数据	NA	NA	NA	成功率、任务完成效率	NA
3737	2026-01-02	Deep learning-based AI model for predicting academic success and engagement among physical higher education students 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29000-7 PMID:41310101	研究论文	本研究提出了一种名为HybridStackNet的堆叠集成模型，用于联合预测高等教育体育专业学生的学业成功和参与度	提出了结合随机森林和支持向量机作为基础学习器、逻辑回归作为元学习器的堆叠集成模型HybridStackNet，并集成了PDP和LIME可解释性框架	研究基于公开的Kaggle数据集，样本量有限（500个实例），可能影响模型的泛化能力	开发一个可解释的机器学习模型，用于早期检测体育教育环境中的学业表现风险	高等教育体育专业学生	机器学习	NA	NA	集成学习模型	结构化数据（学术、行为和身体属性）	500个实例	Scikit-learn	HybridStackNet（随机森林、支持向量机、逻辑回归的堆叠集成）	准确率, 精确率, 召回率, F1分数, AUC, Jaccard指数, Kappa系数, 汉明损失	NA
3738	2026-01-02	Improved multiscale attention based deep learning approach for automated sugarcane leaf disease detection using BSRI data 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28947-x PMID:41310119	研究论文	提出一种基于多尺度注意力机制的深度学习模型（MADRN），用于甘蔗叶片病害的自动检测	提出了一种新颖的多尺度注意力密集残差网络（MADRN）架构，该架构结合了密集残差学习和多尺度注意力机制，以有效捕捉细粒度的病害特征并应对领域变异性和复杂数据模式的挑战	未明确提及模型在更广泛或更复杂田间条件下的泛化能力，也未讨论计算成本或部署到边缘设备的可行性	实现甘蔗叶片病害的早期和准确检测，以支持精准农业和可持续作物管理	甘蔗叶片图像	计算机视觉	NA	深度学习	CNN	图像	使用了两个数据集：一个Kaggle数据集和一个由Kaggle图像与孟加拉国甘蔗作物研究所（BSRI）图像混合而成的数据集	NA	MADRN, CNN, VGG16, MobileNetV2, XceptionNet	准确率, 精确率, 召回率, F1分数	NA
3739	2026-01-02	A clinically validated AI framework for kidney cancer detection and characterization 2025-Nov-27, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01264-0 PMID:41310187	研究论文	本文介绍了一种名为BMVision的深度学习工具，用于检测和表征肾癌，并通过临床验证评估其性能	BMVision是首个经过临床验证的商业化AI工具，用于肾癌检测和表征，能显著提高放射科医生的工作效率和诊断一致性	研究为回顾性设计，可能未完全反映实际临床环境中的表现	开发并验证一个AI工具，以辅助放射科医生提高肾癌诊断的准确性和效率	肾细胞癌的对比增强计算机断层扫描图像	计算机视觉	肾癌	对比增强计算机断层扫描	深度学习	图像	200份扫描图像	NA	NA	诊断敏感性、病变测量、报告效率、放射科医生间一致性	NA
3740	2026-01-02	A deep learning-based multiscale integration of spatial omics with tumor morphology 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66691-y PMID:41310346	研究论文	本文提出了一种基于深度学习的多尺度集成方法MISO，用于从H&E染色组织切片预测空间转录组学数据	开发了MISO方法，首次实现从常规H&E切片预测高分辨率空间基因表达，达到近单细胞水平	方法依赖于现有数据集，未来需在更多癌症类型和更大样本中验证	整合空间转录组学与肿瘤形态学，实现从H&E切片预测基因表达	肿瘤组织样本，包括72个10X Genomics Visium样本和348个MOSAIC联盟样本	数字病理学	肿瘤	空间转录组学，H&E染色	深度学习模型	图像，基因表达数据	420个样本（72个验证样本+348个测试样本）	NA	NA	NA	NA