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
5761	2026-01-25	Development of a deep learning model to classify choroidal melanoma risk factors based on color fundus photographs 2025-Dec-11, AJO international DOI:10.1016/j.ajoint.2025.100167 PMID:41567739	研究论文	本研究开发了一种基于彩色眼底照片的深度学习模型，用于分类脉络膜黑色素瘤的风险因素	首次利用深度学习模型仅基于眼底图像来识别脉络膜痣转化为黑色素瘤的五个关键风险因素，无需多模态成像设备	模型依赖于眼底图像，可能无法完全替代需要专业设备和专家的多模态评估	开发一种基于深度学习的方法，以在资源有限的环境中识别高风险脉络膜痣	脉络膜痣的眼底图像	计算机视觉	脉络膜黑色素瘤	彩色眼底摄影	深度学习模型	图像	NA	NA	NA	预测性能评估	NA
5762	2026-01-25	Auxiliary Teaching and Student Evaluation Methods Based on Facial Expression Recognition in Medical Education 2025-May-22, JMIR human factors IF:2.6Q3 DOI:10.2196/72838 PMID:40402552	研究论文	提出一种基于面部表情识别技术的医学教育辅助教学与学生评估方法	将面部表情识别技术应用于医学教育，通过计算机视觉和深度学习算法识别学生情绪状态，以优化教学策略	面临技术准确性、设备依赖性和隐私保护等挑战	改善医学教育中的教学效果、优化个性化学习并促进师生互动	医学教育中的学生	计算机视觉	NA	面部表情识别	深度学习算法	面部表情图像	NA	NA	NA	NA	NA
5763	2026-01-25	A multimodal and fully automated system for prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer 2025-05-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr1576 PMID:40305609	研究论文	本研究开发了一种多模态集成全自动管道系统（MIFAPS），用于预测乳腺癌患者对新辅助化疗的病理完全缓解	通过整合多模态数据（包括磁共振成像、全切片图像和临床风险因素）并采用全自动化流程，显著提升了预测性能	NA	预测乳腺癌患者对新辅助化疗的病理完全缓解	1004名局部晚期乳腺癌患者	数字病理学	乳腺癌	磁共振成像, 全切片图像	深度学习	图像, 临床数据	1004名患者	NA	NA	AUC	NA
5764	2026-01-25	FlyVISTA, an integrated machine learning platform for deep phenotyping of sleep in Drosophila 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adq8131 PMID:40073129	研究论文	本文介绍了FlyVISTA，一个用于果蝇睡眠深度表型分析的集成机器学习平台	开发了结合高分辨率闭环视频成像系统、深度学习网络和计算流程的平台，用于注释35个身体部位并提取高维数据中的行为，揭示了睡眠和觉醒相关微行为的时空动态	NA	深入分析果蝇睡眠的表型特征	果蝇	机器学习	NA	高分辨率闭环视频成像系统	深度学习网络	视频	NA	NA	NA	NA	NA
5765	2026-01-25	Deep Unsupervised Clustering for Prostate Auto-segmentation With and Without Hydrogel Spacer 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/ada8f3 PMID:41078605	研究论文	本文提出了一种基于深度无监督聚类和文本引导分割的方法，用于前列腺自动分割，以处理临床数据集中的异质性问题，特别是针对使用水凝胶间隔物的患者	结合UMAP降维和k-means聚类识别数据集中的隐藏簇，并开发了CLIP-UNet模型，通过文本编码器整合簇信息以提升分割性能	研究仅基于909名患者的数据，可能未涵盖所有临床异质性情况，且聚类方法依赖于特定降维和聚类算法	提高前列腺自动分割在异质临床数据集中的准确性，特别是在使用水凝胶间隔物的场景下	前列腺癌患者的CT图像，包括使用两种类型水凝胶间隔物及未使用的患者	数字病理学	前列腺癌	CT成像	深度学习模型	图像	909名患者	NA	UNet, CLIP-UNet	Dice系数	NA
5766	2026-01-25	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文提出了一种名为SPURS的新型深度学习框架，通过整合蛋白质语言模型和逆折叠模型，以增强蛋白质稳定性预测	提出了一种轻量级神经网络模块，将ProteinMPNN学习的结构表示重新连接到ESM的注意力层，从而整合序列和结构数据中的进化模式	未明确说明模型在特定蛋白质家族或极端条件下的泛化能力限制	提高蛋白质热稳定性变化的预测准确性，以理解人类疾病并设计用于临床和工业应用的蛋白质	蛋白质氨基酸替换对热稳定性的影响	机器学习	NA	深度学习	神经网络, 蛋白质语言模型, 逆折叠模型	序列数据, 结构数据	基于最新发布的大规模热稳定性数据集进行监督训练	PyTorch	ESM, ProteinMPNN	准确性, 速度, 可扩展性, 泛化能力	NA
5767	2026-01-25	Advanced EEG signal classification for neural prosthetic devices using metaheuristic and deep learning techniques 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1706660 PMID:41567346	研究论文	本文提出了一种结合改进的浣熊优化算法特征选择与多种机器学习/深度学习分类器的统一优化驱动框架，用于提高基于EEG的运动想象信号解码精度	提出了一种动态且无参数的浣熊优化算法，结合对立学习机制，在高维特征空间中实现更好的探索与利用平衡，用于特征选择	NA	提高神经假体设备中高维脑电图信号的分类准确性，以增强分类器泛化能力和计算效率	脑电图信号，特别是运动想象任务相关的信号	机器学习	NA	脑电图信号处理	SVM, RF, CNN, RNN	脑电图信号	使用了PhysioNet运动运动/想象数据集等常用基准EEG数据集	NA	卷积神经网络，循环神经网络	准确率，精确率，召回率，F1分数	NA
5768	2026-01-25	Early detection of soybean mosaic virus using portable Raman spectroscopy coupled with machine learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1750535 PMID:41567393	研究论文	本研究提出了一种结合便携式拉曼光谱与机器学习算法，用于大豆花叶病毒早期非侵入性检测的方法	首次将便携式拉曼光谱与深度学习模型（1D-CNN）结合，实现了大豆花叶病毒的早期（接种后4天）检测，相比传统方法（7-10天）显著提前	研究仅针对特定大豆品种和病毒株（SC3），模型在其他品种或病毒株上的泛化能力未验证，且样本量相对有限	开发一种非侵入性、早期检测大豆花叶病毒的方法，以支持疾病预警和精准管理	抗性和易感大豆栽培品种的叶片，在不同感染阶段（接种后0、2、4、6天）采集	机器学习	植物病毒病	便携式拉曼光谱	1D-CNN, SVM, KNN, BP-ANN	光谱数据	未明确具体样本数量，但涉及抗性和易感品种在不同感染阶段的叶片光谱	未明确指定，但可能涉及TensorFlow或PyTorch（基于CNN使用）	1D-CNN	准确率	NA
5769	2026-01-25	Deep learning models for predicting heart disease risk using the UCI database: methods, performance, and clinical context 2025, American journal of cardiovascular disease DOI:10.62347/CEBK2916 PMID:41567845	研究论文	本研究利用UCI心脏病数据集开发和评估深度学习模型，用于预测心脏病风险，并与传统机器学习方法进行性能对比	首次在UCI心脏病数据集上应用深度学习模型进行风险预测，并系统性地与经典机器学习方法（如随机森林）进行性能比较，揭示了特定临床特征（如运动诱发心绞痛）的高预测价值	研究基于1988年收集的回顾性数据，样本量相对较小（1025例），且未在外部独立数据集上进行验证，可能限制模型的泛化能力	开发和评估深度学习模型以预测心脏病风险，并提升临床诊断和治疗策略	UCI心脏病数据集中的1025名患者，涵盖克利夫兰、匈牙利、瑞士和长滩V四个来源的数据	机器学习	心血管疾病	NA	深度学习模型, Random Forest	结构化临床数据	1025名患者	NA	NA	准确率	NA
5770	2026-01-25	Hybrid deep learning models for fake news detection: case study on Arabic and English languages 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1683786 PMID:41568095	研究论文	本文提出了一种结合多通道CNN和双向BiLSTM的混合深度学习模型，用于检测阿拉伯语和英语的假新闻	首次针对阿拉伯语和英语语言，集成多通道CNN和双向BiLSTM并行捕获语义和局部文本特征，并利用预训练FastText模型进行嵌入，提升了假新闻检测的准确率	研究主要基于三个基准数据集，可能未覆盖所有语言变体或新兴假新闻类型，且阿拉伯语资源限制和语言复杂性仍带来挑战	开发有效的深度学习技术以检测阿拉伯语和英语的假新闻，提升社交媒体信息的可靠性	阿拉伯语和英语的新闻文本数据	自然语言处理	NA	深度学习	CNN, BiLSTM	文本	三个基准数据集：AFND和ANS（阿拉伯语数据集）、WELFake（英语数据集）	NA	多通道CNN, 双向BiLSTM	准确率	NA
5771	2026-01-25	GeoCrack: A High-Resolution Dataset For Segmentation of Fracture Edges in Geological Outcrops 2024-Dec-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04107-0 PMID:39627257	研究论文	本文介绍了首个用于地质露头裂缝边缘分割的大规模开源标注数据集GeoCrack，并验证了其用于深度学习裂缝分割的潜力	首个大规模开源的地质露头裂缝痕迹标注数据集，为自然裂缝表征设定了新标准，并考虑了真实世界中的多种地质和地貌挑战	NA	通过提供高质量标注数据集，推进地质应用中基于深度学习的裂缝分割研究	地质露头中的裂缝痕迹	计算机视觉	NA	摄影测量	CNN	图像	来自欧洲和中东11个地点的图像，处理后得到12,158个224×224的图像-掩码对	NA	U-Net	IoU	NA
5772	2026-01-25	Deep Learning-Based Spermatogenic Staging in Tissue Sections of Cynomolgus Macaque Testes 2024-01, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233241234059 PMID:38465599	研究论文	本文开发了一种基于深度学习的模型，用于对食蟹猴睾丸组织切片中的生精小管进行生精阶段自动分期	首次将深度学习技术应用于食蟹猴睾丸组织切片的生精阶段自动分期，实现了对大量生精小管的高灵敏度、高精度和高准确度的自动化评估	所生成的阶段频率图的诊断价值尚不明确，需要进一步收集具有生精障碍的睾丸数据来验证其变异性和相关性	开发自动化工具以辅助病理学家对食蟹猴睾丸组织进行生精阶段感知的评估，并探索阶段频率图的潜在诊断价值	食蟹猴睾丸组织切片	数字病理学	生殖系统疾病	数字全玻片成像	深度学习模型	图像	6张全玻片图像，平均每张包含4938个生精小管横截面	NA	NA	灵敏度, 精确度, 准确度	NA
5773	2026-01-24	Multi-scale feature enhancement in multi-task learning for medical image analysis 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103338 PMID:41475079	研究论文	本文提出了一种基于UNet的多任务学习模型，通过集成ResFormer块和多尺度特征增强技术，同时提升医学图像分割和分类的性能	引入ResFormer块结合卷积局部上下文与Transformer长程依赖，并设计扩张特征增强模块以捕获多尺度信息，优化多任务学习中的特征表示	未明确讨论模型在计算资源受限环境下的适用性，且实验数据集的多样性和规模可能影响泛化能力	通过多任务学习提升医学图像分析中分割和分类任务的性能	医学图像数据集	计算机视觉	NA	深度学习	CNN, Transformer	图像	多个医学数据集	PyTorch	UNet, ResFormer	准确率, Dice系数	NA
5774	2026-01-24	UniStain: A unified and organ-aware virtual H&E staining framework for label-free autofluorescence images 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103335 PMID:41478227	研究论文	本文提出了一种名为UniStain的统一、器官感知的虚拟H&E染色框架，利用无标记自发荧光图像和基于提示的深度学习技术，以克服传统化学染色的局限性	提出了首个支持多组织染色的单一模型框架，引入了跨块自注意力引导机制以保持全玻片图像的风格一致性并消除拼接伪影，并发布了首个多器官AF/H&E数据集	未明确提及	开发一种无需化学染料的虚拟H&E染色方法，以替代传统耗时、有批次差异且涉及有害试剂处理的染色流程	人体组织样本的无标记自发荧光图像	数字病理学	癌症	无标记自发荧光成像	深度学习	图像	未明确提及具体数量，但涉及多器官人体组织样本	未明确提及	未明确提及	图像质量指标，视觉图灵测试	未明确提及
5775	2026-01-24	Tackling data scarcity: Synthetic tumour and mask generation to improve image segmentation 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103348 PMID:41494363	研究论文	本文提出了一种基于扩散模型的新方法，用于在真实MRI体积中生成视觉上可信的3D合成肝脏肿瘤及其对应掩模，以解决医学图像分割中的数据稀缺问题	利用扩散模型进行肿瘤合成，结合单纯形变形生成对应掩模，成功在真实MRI中植入1000个合成肿瘤，显著提升了图像分割性能	NA	解决深度学习模型在医学成像中数据需求增加与数据稀缺之间的矛盾，通过合成数据提升图像分割性能	MRI图像中的肝脏肿瘤	数字病理学	肝癌	扩散模型, 单纯形变形	扩散模型	3D MRI图像	1000个合成肿瘤	NA	扩散模型	Dice系数	NA
5776	2026-01-24	Smiling difficulties in Alzheimer's disease linked to reduced nucleus accumbens and pallidum brain volume: Deep learning insights 2026-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103347 PMID:41506061	研究论文	本研究利用深度学习技术量化阿尔茨海默病患者微笑困难，并发现其与大脑伏隔核和苍白球体积减小相关	首次使用图像分类AI自动量化痴呆患者面部表情，揭示微笑能力与特定脑区体积的关联	未提及样本量限制或方法学局限性	探究阿尔茨海默病患者面部表情障碍的神经机制	阿尔茨海默病患者与正常认知参与者	计算机视觉	阿尔茨海默病	深度学习图像分类	CNN	面部图像	NA	NA	NA	准确率	NA
5777	2026-01-24	Early diagnosis of Alzheimer's disease based on brain morphological changes: A comprehensive approach combining voxel-based morphometry and deep learning 2026-Mar, Neuroimage. Reports DOI:10.1016/j.ynirp.2025.100315 PMID:41561144	研究论文	本文提出了一种结合基于体素的形态测量学和深度学习的综合方法，用于基于脑形态变化早期诊断阿尔茨海默病	将生物学驱动的特征整合到基于体素的形态测量学和深度学习中，而非仅依赖CNN和FCN进行特征提取，以增强神经影像数据的可解释性	未明确说明模型在独立数据集上的泛化能力或临床验证的详细结果	分析T1加权MRI和T2-Flair图像，研究轻度认知障碍患者的灰质、白质、脑脊液和白质高信号特征，以早期诊断阿尔茨海默病	轻度认知障碍患者的脑部MRI扫描图像	数字病理学	阿尔茨海默病	T1加权MRI, T2-Flair成像	CNN, FCN	图像	NA	NA	NA	NA	NA
5778	2026-01-24	The role of artificial intelligence in advancing urologic care: From diagnostics to therapeutics 2026-Mar, Surgery in practice and science IF:0.6Q4 DOI:10.1016/j.sipas.2025.100322 PMID:41561314	综述	本文综述了人工智能在泌尿外科从诊断到治疗中的应用，包括癌症和良性疾病的个体化护理	总结了人工智能在泌尿外科多疾病领域的应用潜力，并强调了未来跨学科合作、数据标准化和伦理实施的方向	数据异质性、模型可解释性、伦理问题及缺乏前瞻性验证限制了其日常实践应用	探讨人工智能在泌尿外科护理中的角色，从诊断到治疗，并定义未来发展方向	泌尿系统疾病，包括前列腺癌、膀胱癌、肾癌、良性前列腺增生、尿石症及功能性泌尿疾病（包括儿科）	机器学习	前列腺癌	机器学习，深度学习，影像组学	NA	NA	NA	NA	NA	NA	NA
5779	2026-01-24	Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3587003 PMID:40627470	研究论文	本文提出了一种基于置信度驱动的深度学习框架，用于早期膝关节骨关节炎的检测，旨在区分KL-0和KL-2阶段	该框架采用Siamese网络结构，结合了新颖的多层次特征提取架构和混合损失策略，通过全局平均池化层从不同网络深度提取特征，并使用针对高、中、低置信度样本的定制损失函数来提高模型鲁棒性和处理标注不确定性	NA	开发一个辅助诊断工具，以增强早期膝关节骨关节炎的检测并减少临床工作量	膝关节骨关节炎患者，特别是KL-0和KL-2阶段的区分	数字病理学	老年疾病	NA	Siamese网络	图像	基于骨关节炎倡议数据集	NA	Siamese网络	准确率, 灵敏度, 特异性, Cohen's kappa, McNemar's test	NA
5780	2026-01-24	AI-Driven Smart Sportswear for Real-Time Fitness Monitoring Using Textile Strain Sensors 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3588051 PMID:40658556	研究论文	本文提出了一种集成石墨烯应变传感器与深度学习框架的智能运动服系统，用于实时监测和分类运动执行质量	首次将屏幕印刷的石墨烯应变传感器与1D ResNet-18深度学习模型结合，实现了对呼吸-力量协调和肌肉激活对称性的无创同步监测	研究仅针对六种运动条件进行验证，样本多样性和运动类型覆盖范围有待扩展	开发用于实时健身监测和运动质量评估的AI驱动智能运动服系统	运动执行过程中的生理与生物力学参数	机器学习	NA	屏幕印刷石墨烯传感器技术	CNN	传感器时序数据	未明确说明具体样本数量，但涉及六种运动条件	未明确说明	1D ResNet-18	分类准确率	未明确说明