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
5661	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
5662	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
5663	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
5664	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
5665	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
5666	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
5667	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
5668	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
5669	2026-01-27	Leveraging artificial intelligence for cardiovascular risk: a primary care perspective 2025 Jul-Sep, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.3.13 PMID:41382952	研究论文	本研究探讨了基于人工智能的时间深度学习模型在初级保健中支持心血管风险分层的潜力	利用时间深度学习模型（LSTM和GRU）对心血管风险进行多时间范围预测，并将预测结果转化为临床可解释的建议	基于临床现实的合成患者队列，可能未完全反映真实世界数据的复杂性	支持初级保健中心血管风险的分层和早期干预	心血管疾病风险患者	机器学习	心血管疾病	时间深度学习	LSTM, GRU	序列数据（包括人口统计学和临床变量）	临床现实的合成患者队列	NA	LSTM, GRU	NA	NA
5670	2026-01-27	Artificial intelligence in four-dimensional imaging for motion management in radiation therapy 2025-Apr, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11109-w PMID:40963558	综述	本文综述了人工智能在放射治疗运动管理四维成像中的应用，探讨了AI如何解决现有挑战并推动该领域发展	系统性地综述了AI在四维成像领域的最新研究进展，并深入分析了该领域尚未解决的技术挑战与未来发展方向	作为综述文章，未提出具体的原创性算法模型，主要聚焦于现有研究的总结与趋势分析	探讨人工智能技术如何提升放射治疗中四维成像的精度与效率，实现更精准的运动管理	放射治疗中的四维成像技术及其在运动管理中的应用	医学影像分析	肿瘤放射治疗相关疾病	四维成像技术	深度学习	四维医学影像数据	NA	NA	NA	NA	NA
5671	2026-01-27	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-12-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	研究论文	本文提出了一种结合灰狼优化、混合特征提取和深度学习方法的增强型椎间盘突出分类方法	采用灰狼优化算法优化混合特征提取和深度学习模型，以提高椎间盘突出分类的准确性	NA	提高椎间盘突出分类的准确性和效率	椎间盘突出患者或相关医学影像数据	计算机视觉	椎间盘突出	深度学习，混合特征提取	深度学习模型	医学影像	NA	NA	NA	NA	NA
5672	2026-01-27	Parallel Multistage Wide Neural Network 2023-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3120331 PMID:34699372	研究论文	本文提出了一种并行多级宽神经网络（PMWNN），旨在高效处理图像和非图像数据，实现增量学习和并行测试	设计了一种宽径向基函数（WRBF）网络，可在单轮训练中高效学习特征，并通过多级结构专注于错误分类样本，支持增量学习和并行测试	未明确提及模型在极端数据分布或实时应用中的性能限制	开发一种能减少计算资源、支持增量学习并加速测试过程的神经网络架构	图像数据（如MNIST、高光谱遥感数据）和非图像数据集	机器学习	NA	NA	神经网络, RBF网络	图像, 非图像数据	涉及MNIST数据、多个大型高光谱遥感数据集及不同类型应用领域的数据集	NA	宽径向基函数网络（WRBF）, 并行多级宽神经网络（PMWNN）	准确率	NA
5673	2026-01-26	Artificial intelligence in metagenome-assembled genome reconstruction: Tools, pipelines, and future directions 2026-Feb, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107390 PMID:41506577	综述	本文综述了人工智能在宏基因组组装基因组重建中的应用工具、流程及未来方向	系统整合了传统与基于AI的宏基因组组装基因组重建工作流，并重点介绍了表示学习、基于图的分箱方法、AI组装器和抛光工具等创新点，以及可解释AI、联邦学习、多模态整合和基于大语言模型的注释等新兴趋势	NA	探讨人工智能如何克服宏基因组组装基因组重建中的技术挑战，并展望未来发展方向	宏基因组组装基因组重建流程，包括质量控制、组装、分箱、细化和注释	机器学习	NA	宏基因组测序	机器学习, 深度学习	宏基因组测序数据	NA	NA	NA	NA	NA
5674	2026-01-26	ProteinDJ: A high-performance and modular protein design pipeline 2026-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70464 PMID:41562285	研究论文	本文介绍了一个名为ProteinDJ的高性能模块化蛋白质设计流程，旨在解决现有蛋白质设计工具在可扩展性和吞吐量方面的限制	开发了一个专为高性能计算系统优化的开源蛋白质设计流程，通过Nextflow和Apptainer实现工作流并行化，显著提高了设计生成和测试的效率	未明确说明该流程在不同蛋白质靶点或结构类型上的通用性验证程度，也未提供与其他现有流程的直接性能比较数据	开发一个高效、可扩展的蛋白质设计流程，以加速新型合成蛋白质（特别是结合剂）的发现过程	合成蛋白质（蛋白质结合剂）的设计与验证	机器学习	NA	深度学习、蛋白质结构预测、序列设计	扩散模型、神经网络	蛋白质结构数据、序列数据	NA	Nextflow, Apptainer	RoseTTAFold Diffusion, ProteinMPNN, Full-Atom MPNN, AlphaFold2, Boltz-2	NA	高性能计算系统、GPU和CPU并行计算
5675	2026-01-26	Community Health Nurses' Knowledge and Perceptions of AI in Canada: National Cross-Sectional Survey 2026-Jan-23, JMIR nursing DOI:10.2196/78560 PMID:41576309	研究论文	通过一项全国性的横断面调查，探讨了加拿大社区健康护士对人工智能的认知和看法	首次针对社区健康护士这一特定护理群体，系统调查了他们对人工智能的认知、态度及实践担忧，并分析了知识水平与感知之间的关联	横断面设计无法确定因果关系；样本量相对较小且可能存在自选择偏差；结果可能受加拿大特定医疗环境影响	了解社区健康护士对人工智能的认知、看法及其在实践中的影响，以促进他们更好地参与人工智能的应用	加拿大的社区健康护士	NA	NA	NA	NA	调查问卷数据	228名社区健康护士	NA	NA	卡方检验，比值比	NA
5676	2026-01-26	Effects of Image Degradation on Deep Neural Network Classification of Scaphoid Fracture Radiographs: Comparison Study of Different Noise Types 2026-Jan-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/65596 PMID:41570307	研究论文	本研究评估了深度学习模型在检测舟骨骨折X光片时对不同图像扰动类型的鲁棒性	系统比较了多种图像退化类型（如高斯噪声、模糊、JPEG压缩等）对深度学习模型性能的影响，并量化了图像质量与模型准确性之间的相关性	研究仅针对舟骨骨折这一特定类型，未涵盖其他骨折或医学图像任务，且可能未考虑所有现实世界中的图像变异因素	评估深度学习模型在图像质量变化下的鲁棒性，并探索缓解性能下降的策略	舟骨骨折的X光片	计算机视觉	骨折	X光成像	深度学习模型	图像	NA	NA	NA	准确性, 假阴性率	NA
5677	2026-01-26	Integration of AR and deep learning-based image classification using CNN for construction project monitoring 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30149-4 PMID:41565721	研究论文	本研究开发了一个集成增强现实（AR）和基于深度学习的图像分类系统，用于建筑项目的实时进度监控	通过结合AR技术和CNN图像分类，系统不仅能识别建筑类别，还能判断施工阶段，从而更准确地反映实际进度，避免了传统方法仅基于元素计数的局限性	研究仅基于台湾淡江大学的一个室内装修项目案例进行验证，可能缺乏对不同建筑类型或更大规模项目的普适性测试	开发一个自动更新建筑项目进度的系统，通过识别建筑类别和施工阶段来提升进度监控的准确性	建筑项目的进度监控，特别是室内装修工程	计算机视觉	NA	增强现实（AR）、深度学习图像分类	CNN	图像	NA	NA	CNN	准确性	NA
5678	2026-01-26	Enhancing dietary management and nutritional analysis through deep learning: a multi-model approach for food classification and volume estimation 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32610-w PMID:41559127	研究论文	本文提出了一种基于深度学习的多模型方案，用于食物分类和体积估计，以增强饮食管理和营养分析	采用Inception V3、Mask R-CNN和MiDaS模型相结合的多模型方法，实现了高精度的食物分类和体积估计，并在多个基准数据集上取得了优异的分类准确率	未提及模型在真实世界复杂场景下的泛化能力或计算资源需求	开发一个深度学习解决方案，以精确识别和分析摄入的食物，支持有效的饮食管理	食物图像数据	计算机视觉	NA	深度学习	CNN	图像	使用了多个基准数据集，包括Food101、UEC-food256和Indian Food Images Dataset，但未提供具体样本数量	NA	Inception V3, Mask R-CNN, MiDaS	准确率	NA
5679	2026-01-26	Artificial intelligence for early diagnosis in emergency department 2026-Jan-19, Journal of anesthesia, analgesia and critical care DOI:10.1186/s44158-025-00334-y PMID:41555414	系统综述	本文系统综述了人工智能（AI）在急诊医学中用于早期诊断的应用，探讨了其如何通过机器学习和深度学习技术改变临床实践	系统性地总结了AI在急诊医学早期诊断中的创新应用，强调了其在风险分层、分诊优化和快速诊断方面的预测能力，并指出了算法透明度和临床信任等关键挑战	未提供具体的研究样本量或数据细节，主要基于现有文献的综述，缺乏原始实证数据	探讨人工智能在急诊医学中早期诊断的应用潜力与挑战	急诊医学中的急性疾病，如急性冠脉综合征、中风、脓毒症和呼吸衰竭	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	NA	临床数据、诊断数据、实验室数据、医学影像	NA	NA	NA	NA	NA
5680	2026-01-26	Developing a trustworthy and explainable framework for classifying skin lesions through transfer learning and attention mechanisms 2026-Jan-19, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108914 PMID:41579557	研究论文	本研究开发了一个可信且可解释的深度学习框架，用于皮肤病变分类，结合了迁移学习、注意力机制和集成方法以提高临床准确性和可解释性	创新点包括集成CBAM注意力模块以聚焦临床重要特征，结合EfficientNet-B4、ResNet-50和Inception-v3进行集成预测，并利用Grad-CAM和LIME提供可视化解释	未明确提及具体限制，但可能涉及数据集规模或泛化能力方面的挑战	旨在开发一个高精度且可解释的皮肤病变分类框架，以促进AI在皮肤病学中的安全可靠集成	皮肤病变图像，特别是黑色素瘤	计算机视觉	皮肤癌	深度学习	CNN	图像	HAM10000数据集，并在ISIC-2019和PH2数据集上验证	TensorFlow, PyTorch	U-NET, EfficientNet-B4, ResNet-50, Inception-v3	准确率, 平衡准确率, 灵敏度	NA