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
5621	2026-01-27	Practical applications of AI in body imaging 2026-Jan, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上针对腹盆腔器官及相关疾病评估的FDA批准AI算法的实际应用	聚焦于FDA批准的商业可用AI算法在腹盆腔成像中的实际应用，评估其潜在优势并展望未来方向	NA	评估AI算法在腹盆腔成像中的实际应用、优势及未来发展趋势	FDA批准的商业可用AI算法	医学影像分析	腹盆腔器官相关疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
5622	2026-01-27	Deep learning-enabled segmentation of knee cartilage in conventional magnetic resonance images: Internal and external validation of different models 2026-Jan, The Knee DOI:10.1016/j.knee.2025.10.024 PMID:41241647	研究论文	本研究提出了一种深度学习模型，用于在常规质子密度脂肪饱和MRI序列中分割膝关节软骨，以评估软骨形态并辅助后续损伤分级	采用3D Res U-net模型进行膝关节软骨分割，并在内部和外部验证中展示了优于3D U-net和3D V-net的性能	研究为回顾性设计，样本量相对有限（共254例），且仅基于两个放射中心的MRI数据，可能影响模型的泛化能力	开发并验证深度学习模型以准确分割膝关节软骨，用于临床评估膝痛来源和骨关节炎的分类与治疗	膝关节软骨，具体包括外侧股胫关节、内侧股胫关节和髌股关节的软骨区域	医学影像分析	骨关节炎	常规质子密度脂肪饱和MRI序列	深度学习	MRI图像	254例膝关节MRI数据（来自254名患者），其中219例用于训练和内部验证，35例用于外部验证	NA	3D Res U-net, 3D U-net, 3D V-net	Dice系数, Jaccard指数	NA
5623	2026-01-27	Fast electromagnetic field simulation using a current-density- based physics-informed neural network 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33166-5 PMID:41476089	研究论文	本研究提出了一种基于电流密度的物理信息神经网络模型，用于高效解决电磁场模拟中的泊松方程，提升计算速度和适应性	结合物理数学先验知识与深度学习，构建了基于电流密度的PINN模型，克服了传统数值方法效率低和适应性差的局限	NA	解决电磁场模拟和电流密度相关问题的计算效率与适应性挑战	电磁场模拟中的泊松方程求解	机器学习	NA	物理信息神经网络	PINN	模拟数据	NA	NA	NA	相对误差	NA
5624	2026-01-27	A PIKAN-based model for the prediction of the temperature fields of castings 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32973-0 PMID:41469430	研究论文	本研究提出了一种基于PIKAN的深度学习模型，用于预测铸件凝固过程中的二维温度场演化	采用分组时空参数输入MLP模型，结合物理损失和数据损失的损失函数，并通过贝叶斯优化确定最优权重参数，利用多铸件几何形状进行预训练以提高预测效率	未明确提及模型在复杂三维温度场或极端工艺条件下的泛化能力	通过深度学习技术优化铸造过程中的温度场预测，支持新仿真方法在工程中的应用	铸件凝固过程中的温度场	机器学习	NA	深度学习	MLP	时空参数数据	未明确指定样本数量，但涉及多铸件几何形状	未明确指定，可能为TensorFlow或PyTorch	PIKAN模型	绝对误差（平均温度误差5.62 K），平均准确率（88.74%）	未明确指定
5625	2026-01-27	Multimodal deep learning for cancer prognosis prediction with clinical information prompts integration 2025-Dec-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02257-y PMID:41455823	研究论文	本文提出了一种名为SurvPGC的多模态深度学习模型，用于整合病理图像、基因组数据和临床记录以预测癌症预后	通过文本模板和基础模型将临床信息转换为高维向量，并利用交叉注意力模块实现多模态数据的有效整合	临床信息具有离散、稀疏和低维度的特点，其利用仍不充分	提高癌症生存预测的准确性，以指导治疗和评估疗效	癌症患者的多模态数据，包括病理图像、基因组数据和临床记录	数字病理学	癌症	多模态深度学习	深度学习模型	图像, 基因组数据, 文本	三个来自癌症基因组图谱的数据集	NA	交叉注意力模块	NA	NA
5626	2026-01-27	Deep learning-based joint analysis of diabetic retinopathy and glaucoma in retinal fundus images 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32991-y PMID:41449171	研究论文	提出一种基于Vision Transformer与双向特征融合的深度学习架构，用于视网膜眼底图像中糖尿病视网膜病变与青光眼的联合分析	提出ViT-BiFusionDRNet-HGS模型，首次将双向特征融合模块与Vision Transformer结合，并引入Hunger Games Search算法优化超参数与融合权重，实现复杂眼底图像的跨疾病联合分析	模型仅在开源数据集上验证，未在临床多中心数据中进行大规模验证，且未说明对图像质量变化的鲁棒性	开发能够同时诊断糖尿病视网膜病变和青光眼的自动化分析系统	视网膜眼底图像	计算机视觉	糖尿病视网膜病变, 青光眼	眼底成像	Vision Transformer	图像	NA	NA	Vision Transformer, ViT-BiFusionDRNet-HGS	准确率, 敏感度	NA
5627	2026-01-27	Research on the performance inspection of large-span cable-stayed bridges under multi-physics field information guidance 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32954-3 PMID:41422307	研究论文	本研究提出了一种集成多物理场编码的异构图神经网络，用于大跨度斜拉桥的有限元模型参数更新与结构性能评估	提出了IMPFE-HGNN模型，通过元路径子图和关系感知编码显式建模应变、挠度、温度、索力和加速度传感器之间的异质拓扑关系，能够提取传统架构无法获取的高阶多物理场语义信息	研究仅针对大跨度斜拉桥进行案例验证，未涉及其他类型桥梁或结构，且模型性能可能受传感器布置密度和数据质量影响	提高大跨度桥梁有限元模型参数更新的精度，以支持准确的安全评估和使用寿命预测	大跨度斜拉桥的结构性能	机器学习	NA	有限元分析，多物理场传感器数据融合	异构图神经网络	多源传感器数据（应变、挠度、温度、索力、加速度）	NA	NA	IMPFE-HGNN	参数修正率，应变预测误差，挠度预测精度	NA
5628	2026-01-27	Innovative AI model for bladder cancer diagnosis 2025-Dec-20, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04278-1 PMID:41420667	研究论文	本研究开发了一种基于CT影像的AI模型，用于膀胱癌的准确诊断	利用深度学习技术自动从CT图像中学习并提取特征，结合Grad-CAM提供可解释性，实现了高精度的膀胱癌检测	研究为回顾性分析，需要前瞻性验证来进一步确认模型的临床适用性	开发一种AI模型以改善膀胱癌的早期诊断	膀胱癌患者	计算机视觉	膀胱癌	CT成像	深度学习模型	CT图像	来自医院和TCIA的大型CT图像数据集	NA	NA	准确率	NA
5629	2026-01-27	Evidential deep learning for interatomic potentials 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67663-y PMID:41422077	研究论文	本文提出了一种基于证据深度学习的原子间势能框架，用于分子模拟中的不确定性量化	该方法通过物理启发式设计，在不增加显著计算开销或降低预测准确性的情况下提供不确定性量化，并在多种数据集上优于现有方法	NA	开发一种高效且准确的不确定性量化方法，以提升机器学习原子间势能在分子模拟中的可靠性	原子间势能模型及其在分子模拟中的应用，例如水和通用势能	机器学习	NA	证据深度学习	深度学习	原子配置数据	NA	NA	NA	预测准确性，不确定性量化性能	NA
5630	2026-01-27	Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33010-w PMID:41422297	研究论文	本研究开发了一种基于常规2D超声的AI框架，用于标准化辅助生殖技术中的卵巢储备评估，通过融合放射组学和深度学习模型预测窦卵泡计数和抗缪勒管激素水平	首次提出结合放射组学和深度学习的融合模型，利用常规2D超声图像标准化卵巢储备评估，克服了传统AFC评估的观察者间变异性和AMH检测的局限性	研究为多中心回顾性设计，样本量相对有限（共395名患者），外部验证队列仅来自两家附属医院	开发AI框架以标准化辅助生殖技术中的卵巢储备评估，实现个性化卵巢刺激方案优化	395名不孕症女性患者	数字病理学	不孕症	常规2D超声成像	CNN, 放射组学模型	超声图像	395名患者（训练集210例，内部测试集91例，外部测试集94例）	NA	ResNet50	R², AUC, 敏感性, 特异性	NA
5631	2026-01-27	Structural configuration of sustainable sports industry based on deep learning and genetic algorithm 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32847-5 PMID:41419589	研究论文	本研究构建了一个融合深度学习与遗传算法的智能优化框架，用于解决体育产业高质量发展转型中的结构失衡与可持续性挑战	突破了传统静态描述范式，首次将一维卷积神经网络与遗传算法结合，构建了动态建模、多目标优化与定量求解的智能决策工具，为产业结构精准优化与跨区域应用提供了新范式	未明确说明模型对特定区域或新兴细分产业的适用性限制，且数据时间范围（2010-2022）可能无法完全捕捉长期结构性变化	优化体育产业结构，协同提升经济、社会与环境效益，推动产业向服务化转型	体育产业（基于2010-2022年行业统计数据及2018-2020年省级面板数据）	机器学习	NA	深度学习, 遗传算法	CNN, 遗传算法	高维行业数据, 面板数据	2010-2022年行业统计数据及2018-2020年省级面板数据，并包含美国与德国的验证数据	NA	一维卷积神经网络	跨区域预测误差（<6%）	NA
5632	2026-01-27	YOLO-TME: A UAV landing detection algorithm that is suitable for Polar ice Floe base stations 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32923-w PMID:41420005	研究论文	本文提出了一种名为YOLO-TME的无人机着陆检测算法，适用于极地冰浮基站环境，旨在解决GPS和RTK信号误差导致的无人机返航与着陆问题	将基于Transformer的卷积（TransConv）集成到YOLOv11中，增强了网络对雾雪遮挡图像全局信息的建模能力；设计了雾全局特征金字塔网络（MistGFPN）以提升小目标特征提取能力；提出了高效非对称检测头（EADH）以提高模型的实时检测性能	NA	开发一种适用于极地环境的无人机着陆检测算法，以克服GPS和RTK信号误差及恶劣图像条件带来的挑战	极地冰浮基站环境中的无人机着陆标志检测	计算机视觉	NA	深度学习目标检测	CNN, Transformer	图像	自制数据集（具体数量未提及）	NA	YOLOv11, TransConv, MistGFPN, EADH	准确率, 召回率, 平均精度, F1分数, FPS	NA
5633	2025-12-20	A geometric graph-based deep learning model for drug-target affinity prediction 2025-Dec-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06347-2 PMID:41413775	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5634	2026-01-27	A Comprehensive Hyperspectral Image Dataset for Forest Fire Detection and Classification 2025-Dec-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06404-8 PMID:41407751	研究论文	本文介绍了一个名为OHID-FF的大规模高光谱卫星图像数据集，专为森林火灾检测和分类任务设计	相比现有火灾数据集，OHID-FF提供了更丰富的数据量和更高的成像质量，为高光谱图像分类设定了新基准	NA	森林火灾检测和分类	高光谱卫星图像	计算机视觉	NA	高光谱成像	深度学习模型	高光谱图像	1,197张高光谱图像，覆盖22个澳大利亚不同场景	NA	NA	NA	NA
5635	2026-01-27	Patch-sampled contrastive learning for dense prediction pretraining in metallographic images 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32855-5 PMID:41402416	研究论文	提出一种用于金相图像密集预测预训练的补丁采样对比学习方法，以解决标注成本高的问题	设计了结合图像级和补丁级对比学习的框架，引入多尺度策略和基于特征相似性的采样方法，专门针对金相图像分割任务特性	仅使用一张标注图像进行微调，可能在不同类型合金或更复杂场景中的泛化能力有待验证	开发适用于金相图像的自监督预训练框架，以降低标注成本并提升微观结构分割性能	金相图像中的微观结构（形状、尺寸和分布）	计算机视觉	NA	自监督学习	对比学习	图像	未明确说明具体数量，但强调仅需一张标注图像进行微调	未明确说明	未明确说明具体架构，但提及与现有自监督方法使用相同模型结构	Dice系数	NA
5636	2026-01-27	An enhanced dual inception-attention-BiGRU-attention model integrating wavelet transform for wearable sensor-based human activity recognition 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32859-1 PMID:41402537	研究论文	本文提出了一种结合小波变换的双重Inception-Attention-BiGRU-Attention模型，用于基于可穿戴传感器的人类活动识别	提出了一种新型混合模型Dual-INABA，集成了Inception、注意力机制和BiGRU，并通过小波变换进行信号去噪以提高分类性能	未明确说明模型的计算复杂度或实时性限制，且自收集数据集规模可能有限	提高基于可穿戴传感器的人类活动识别系统的准确性和效率	人类活动识别，使用加速度传感器信号	机器学习	NA	小波变换，信号去噪	CNN, LSTM	传感器信号	自收集WSMC-HAR数据集及基准数据集PAMAP2、UCI-HAR、WISDM	NA	Inception, BiGRU	准确率	NA
5637	2026-01-27	Towards smart farming: a real-time diagnosis system for strawberry foliar diseases using deep learning 2025-Dec-12, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07815-w PMID:41387775	研究论文	本文介绍了一种基于深度学习的实时诊断系统，用于草莓叶部病害检测，结合机器人平台实现智能农业应用	提出了一种名为草莓叶部病害检测（SLDI）的实时分析算法，整合了感受野引导通道注意力（RGCA）和深度上下文聚合器（DCA），并引入了多尺度特征融合模块（MSFF），以增强特征表征和实时性能	模型在真实农业环境中的多样性和变化条件下的可靠性仍面临挑战，未提及在更广泛作物或病害类型上的泛化能力	开发一个高效的机器视觉系统，用于实时、非侵入性的作物监测，以支持精准农业中的早期病害检测	草莓叶部病害	计算机视觉	NA	深度学习	CNN	图像	基于两个公开数据集（PlantDoc和PlantVillage）进行训练，具体样本数量未明确说明	NA	整合了RGCA、DCA和MSFF模块的自定义架构	精确率, 召回率, 帧率	NA
5638	2026-01-27	Distinct 3-Dimensional Morphologies of Arthritic Knee Anatomy Exist: CT-Based Phenotyping Offers Outlier Detection in Total Knee Arthroplasty 2025-Oct-15, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.01466 PMID:40880455	研究论文	本研究利用深度学习与计算机视觉技术，基于术前CT扫描对关节炎膝关节进行三维形态学分类，识别出四种不同的解剖形态，为全膝关节置换术的术前规划和术后评估提供了新的分类基础	首次提出基于CT的三维关节炎膝关节形态学分类系统，通过无监督聚类识别出四种基础形态，其中两种为异常类型，突破了传统仅关注冠状面解剖的分类局限	研究为横断面分析，需要纵向研究来评估该分类对术后恢复和患者满意度的影响；且数据来源于单一多中心转诊中心，可能存在选择偏倚	建立关节炎膝关节的三维形态学分类系统，识别异常解剖表型，为全膝关节置换术的术前规划和术后评估提供基础	接受全膝关节置换术患者的术前下肢CT扫描	计算机视觉	关节炎	计算机断层扫描（CT）	深度学习	CT图像	1,352例术前全膝关节置换术患者的下肢CT扫描	NA	NA	NA	NA
5639	2026-01-27	Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2025-Aug-13, JMIR formative research IF:2.0Q4 DOI:10.2196/72115 PMID:40802390	研究论文	本研究开发了一种基于深度学习的诊断系统，结合面部情绪识别和验证问卷，用于检测自闭症谱系障碍（ASD）患者或非ASD个体的恐笑症	创新点在于整合面部情绪识别（使用DeepFace库）与验证问卷（GELOPH<15>），通过混合方法提升恐笑症检测的准确性和可靠性，特别是在面部线索模糊时	局限性包括在面部表情模糊时，仅依赖DeepFace模型可能不足，需结合问卷以提高诊断一致性；样本主要来自Kaggle和ASD相关网站，可能缺乏多样性	研究目标是开发一个自动化诊断系统，用于早期检测恐笑症，以改善ASD患者的生活质量和干预效果	研究对象包括自闭症谱系障碍（ASD）患者和神经典型个体，特别是青少年高功能ASD患者	计算机视觉	自闭症谱系障碍	面部情绪识别，问卷调查	多层感知机	图像	2932张面部图像（1466张来自ASD个体，1466张来自神经典型个体）	PyTorch, scikit-learn, NumPy, Pandas, DeepFace	多层感知机	准确率	使用CUDA加速的兼容GPU
5640	2026-01-27	BOLD-GPCRs: A Transformer-Powered App for Predicting Ligand Bioactivity and Mutational Effects Across Class A GPCRs 2025-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.04.668547 PMID:40799593	研究论文	本研究介绍了一个名为BOLD-GPCRs的深度学习框架，旨在提升A类GPCRs配体生物活性的预测能力	结合了迁移学习和基于Transformer的蛋白质语言模型，以捕获受体序列/功能与配体活性之间的复杂关系	主要针对A类GPCRs，可能不适用于其他GPCR类别；依赖于现有配体和序列数据集，对于数据稀缺的受体预测能力可能受限	开发一个深度学习框架，用于准确预测A类GPCRs的配体生物活性和突变效应	A类G蛋白偶联受体及其配体	自然语言处理	NA	深度学习，迁移学习	Transformer, 密集神经网络	序列数据	NA	NA	BERT, Transformer	NA	NA