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
5961	2026-01-23	Radiomics of hepatopancreatobiliary cancer diagnosis, management, and future prospects 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107167 PMID:41365695	综述	本文综述了影像组学在肝胆胰癌症诊断、管理和未来前景中的应用	展示了影像组学作为非侵入性肿瘤异质性标记物的潜力，并探讨了其与基因组学、代谢组学和免疫学数据的整合，以开发高预测性集成模型	需要进一步评估最佳成像策略、图像标准化以及在多样化患者群体中的前瞻性验证，才能广泛用于常规临床实践	探讨影像组学在改善肝胆胰癌症诊断和管理中的应用潜力	肝胆胰癌症，包括肝细胞癌、胰腺癌和胆管癌	医学影像分析	肝胆胰癌症	影像组学	深度学习, 机器学习	影像数据	NA	NA	NA	NA	NA
5962	2026-01-23	Artificial intelligence in oncological positron emission tomography: advancing image analysis and interpretation 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107187 PMID:41401681	综述	本文综述了人工智能在肿瘤学正电子发射断层扫描中的应用，重点讨论了其在改善图像质量和定量分析方面的进展与挑战	强调了AI在提升PET图像诊断准确性和预后建模中的价值，并指出了未来发展方向如多模态集成、联邦学习和概率深度学习	面临图像数据标准化、可解释性方法开发及监管框架建立等挑战，临床实践应用仍需克服这些障碍	探讨人工智能在肿瘤学PET成像中的应用，以优化临床管理和个体化治疗	肿瘤患者的正电子发射断层扫描图像	医学影像分析	癌症	正电子发射断层扫描	深度学习	图像	NA	NA	NA	诊断准确性	NA
5963	2026-01-23	Clinical value of deep learning image reconstruction in chest computed tomography (CT) imaging: a systematic review 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107184 PMID:41411962	系统综述	本文系统综述了深度学习图像重建（DLIR）在胸部CT成像中的临床诊断价值，并与传统重建方法进行比较	首次系统评估DLIR在胸部CT中的诊断性能，并量化其在结节检测、纹理分析和间质性肺病分类方面的优势	纳入研究存在异质性，缺乏大规模临床结局数据，需要更多研究验证对患者预后的影响	评估DLIR在胸部CT成像中的临床诊断价值	胸部CT图像及人类参与者	医学影像分析	肺部疾病	CT成像	深度学习图像重建（DLIR）	CT图像	13项研究（来自1967条记录）	NA	NA	敏感性, AUC, Cohen's κ	NA
5964	2026-01-23	Uncertainty-aware genomic deep learning with knowledge distillation 2026, NPJ artificial intelligence DOI:10.1038/s44387-025-00053-3 PMID:41523993	研究论文	提出一种名为DEGU的方法，通过集成学习和知识蒸馏提升基因组学中深度神经网络预测的鲁棒性和可解释性	结合集成学习与知识蒸馏，同时捕捉预测平均值和变异性以量化认知不确定性，并可选择性地建模数据不确定性	未明确说明方法在计算资源消耗或特定基因组任务中的潜在限制	提高基因组学中深度神经网络预测的可靠性和可解释性	调控基因组学中的功能基因组预测任务	机器学习	NA	NA	DNN	基因组序列数据	NA	NA	NA	校准不确定性估计, 覆盖率保证	NA
5965	2026-01-23	Multimodal deep learning for breast tumor classification: Integrating mammography and ultrasound for enhanced diagnostic accuracy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70464 PMID:41549611	研究论文	本研究开发了一种结合乳腺X线摄影和超声成像的多模态深度学习模型，用于提高乳腺肿瘤分类的准确性	提出了一种结合乳腺X线摄影和超声的多模态深度学习模型，并采用改进的模态特异性注意力机制（ECA-Net用于超声，CBAM用于乳腺X线摄影），以及基于堆叠集成模块的特征融合方法	研究为回顾性设计，样本量相对有限（663例患者），且未在外部数据集上进行验证	开发并验证一种多模态深度学习方法，以结合乳腺X线摄影和超声成像来改善乳腺肿瘤分类，并增强临床决策	2018年至2021年间663名患有乳腺病变的女性患者，包括384例良性和279例恶性病例	计算机视觉	乳腺癌	乳腺X线摄影，超声成像	深度学习，集成学习	图像	663名患者（384例良性，279例恶性），按7:2:1比例分为训练集（464例）、验证集（133例）和测试集（66例）	NA	ECA-Net, CBAM, 多层感知机（MLP）神经网络	AUC（曲线下面积）	NA
5966	2026-01-23	Reviewing Marine Bioactive Compounds From the Red Sea: Advancing Therapeutic Applications While Navigating Translational and Conservation Challenges 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502652 PMID:41563944	综述	本文综述了红海海洋生物活性化合物的研究进展，重点分析了其分离、表征、生物活性及在治疗应用中的潜力，同时探讨了临床转化和生态保护面临的挑战	系统整合了过去十年红海海洋生物活性化合物的研究，并强调了结合深度学习等新兴技术及跨学科方法以克服转化障碍的创新方向	化合物可用性有限、提取过程复杂、监管限制以及临床转化面临多重挑战	分析红海海洋生物活性化合物的研究进展，推动其治疗应用，并应对转化和生态保护挑战	海绵、珊瑚、微藻、海藻、海洋鱼类和微生物中提取的生物活性化合物	NA	NA	传统溶剂提取、超临界流体提取、超声辅助提取、色谱纯化、生物测定引导的分级分离	NA	NA	NA	NA	NA	NA	NA
5967	2026-01-23	Advancing Diagnostic Accuracy in Liver Cancer: A Systematic Review of Artificial Intelligence Applications in Hepatocellular Carcinoma and Cholangiocarcinoma Detection Using Abdominal CT Imaging 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.5 PMID:41569166	系统综述	本研究系统评估了人工智能在利用腹部CT和MRI区分肝细胞癌与胆管癌中的诊断性能及其临床意义	系统综述了AI在肝细胞癌与胆管癌鉴别诊断中的应用，并强调了多模态成像（CT+MRI）和放射组学-基因组学特征融合对提升诊断性能的潜力	纳入研究多为回顾性设计，外部验证有限，存在中低偏倚风险	评估人工智能在肝细胞癌与胆管癌鉴别诊断中的性能及其临床管理意义	肝细胞癌与胆管癌	数字病理学	肝癌	腹部CT成像，MRI成像	CNN，深度学习模型，混合放射组学-临床模型	医学影像（CT，MRI）	44项符合纳入标准的研究	NA	卷积神经网络	灵敏度，特异性，准确率，AUC	NA
5968	2026-01-23	Integrating Ant Colony Optimization with Deep Learning for Improved Lung Cancer Diagnosis and Prognosis 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.129 PMID:41569180	研究论文	本研究提出了一种结合蚁群优化算法与深度学习的集成方法，用于提高肺癌诊断和预后的准确性与可靠性	创新性地将蚁群优化算法与多种深度学习模型（DenseNet、ResNet 50、VGG 19、LSTM）集成，用于特征选择优化，显著提升了模型性能	NA	提高肺癌诊断的准确性和可靠性，为AI驱动的医疗解决方案奠定基础	肺癌	计算机视觉	肺癌	CT扫描	CNN, LSTM	图像, 文本	NA	NA	DenseNet, ResNet 50, VGG 19, LSTM	准确率	NA
5969	2026-01-23	Dynamic graph neural network-based framework to increase detection accuracy in SDN under DDOS 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32102-x PMID:41461853	研究论文	提出一种基于动态图神经网络（DGNN）的创新框架GCTNetwork，用于实时检测软件定义网络（SDN）中的分布式拒绝服务（DDoS）攻击	首次将动态图神经网络（DGNN）应用于SDN环境中的DDoS攻击检测，通过Gated Convolutional Temporal（GCT）层进行节点-边缘特征集成分析，结合Edge-Aware LSTM进行时序依赖建模，并利用图注意力层（GAT）突出关键通信路径	未明确说明模型在不同规模或拓扑结构的SDN网络中的泛化能力，以及在实际部署中的计算开销和延迟表现	提高SDN网络中DDoS攻击的检测精度和实时性	软件定义网络（SDN）中的网络流量和攻击模式	机器学习	NA	NA	动态图神经网络（DGNN），LSTM，GAT	网络流量数据（图结构数据）	使用SDN数据集（具体数量未说明）	NA	GCTNetwork（包含Gated Convolutional Temporal层、Edge-Aware LSTM、Graph Attention Layer）	准确率，F1分数，误报指数（FAI）	NA
5970	2026-01-23	Prior knowledge-guided multimodal deep learning system for biomarker exploration and prognosis prediction of urothelial carcinoma 2025-Dec-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02232-7 PMID:41454198	研究论文	本研究开发了一个融合先验知识的多模态深度学习系统，用于尿路上皮癌的生物标志物探索和预后预测	首次将先验知识整合到多模态（组织病理学、放射学、结构化病理文本）深度学习系统中，用于尿路上皮癌的预后预测，并发现了与肌肉和肾实质浸润模式相关的新型预后生物标志物	未明确说明模型的可解释性细节或临床部署的可行性	开发一个准确预测尿路上皮癌预后的多模态人工智能系统	尿路上皮癌患者	数字病理学	尿路上皮癌	组织病理学成像、放射学成像、结构化病理文本分析	深度学习	图像、文本	多中心、大规模、多队列验证（具体数量未提供）	未明确说明	CTContextNet, MacroContextNet, IM-NCTNet	C-index	未明确说明
5971	2026-01-23	Optimized federated learning framework with RegNetZ and Swin-Transformer for multimodal pancreatic cancer detection1 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31967-2 PMID:41444372	研究论文	本研究提出了一种结合RegNetZ和Swin-Transformer的联邦学习框架，用于从多模态数据中实现胰腺癌的自动检测、亚型分类和预后预测	提出了一种新颖的联邦学习框架，集成了Swin-Transformer和轻量级RegNetZ，并引入了混合Aquila-灰狼优化器（HA-GWO）进行超参数调优，在保护隐私的同时实现了高性能	研究在5-7个模拟客户端机构上进行评估，需要在真实世界的多机构环境中进一步验证其可扩展性和鲁棒性	开发一个隐私保护、高精度的自动化系统，用于胰腺癌的早期检测、亚型分类和预后预测	胰腺癌患者的多模态医疗数据，包括CT、MRI、组织学、基因组和临床记录	数字病理学	胰腺癌	多模态数据融合，联邦学习	CNN, Transformer	图像, 文本, 基因组数据, 临床记录	在5-7个模拟客户端机构上进行评估，具体样本数量未明确说明	PyTorch（推断，因提及Swin-Transformer和RegNetZ）	RegNetZ, Swin-Transformer	准确率, 灵敏度, 精确率, AUC	未明确指定，但提到框架具有较低的计算成本
5972	2026-01-23	Efficient multi-finger vein recognition using layer-wise progressive MobileNet fine-tuning and a Dense-Head Probabilistic Siamese Network 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32132-5 PMID:41413639	研究论文	本文提出了一种结合轻量级MobileNet特征提取器和新型Dense-Head Probabilistic Siamese匹配器的两阶段深度学习框架，用于高效多指静脉识别	首次实现多指静脉识别，用户可使用任意手指认证而不损失精度或速度；采用分层渐进式MobileNet微调平衡模型紧凑性与判别力；引入DHPS匹配器，用校准概率输出替代传统基于边界的损失函数	未明确提及	解决资源受限设备上部署指静脉识别系统时面临的高计算成本和单指注册僵化问题	指静脉生物特征	计算机视觉	NA	深度学习	MobileNet, Siamese Network	图像	三个公共指静脉数据集（FV-USM、UTFVP、VERA）	NA	MobileNet, Dense-Head Probabilistic Siamese Network	等错误率, F1分数	嵌入式平台
5973	2026-01-23	A cone-beam photon-counting CT dataset for spectral image reconstruction and deep learning 2025-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06246-4 PMID:41413072	研究论文	本文介绍了一个用于光谱图像重建和深度学习的锥束光子计数CT数据集	提供了首个公开可用的真实锥束光子计数CT数据集，包含原始多能量投影数据、系统参数和校准信息，填补了该领域数据稀缺的空白	数据集仅基于15个核桃样本采集，样本多样性有限，且使用自定义微PCCT系统，可能限制通用性	解决光子计数CT领域公开数据集稀缺的问题，促进光谱CT重建、材料分解和深度学习方法的公平可重复比较	核桃样本	计算机视觉	NA	锥束光子计数CT，双能量阈值扫描	NA	图像	15个核桃样本，共172,800张原始投影图像	NA	NA	NA	NA
5974	2026-01-23	MFU-Net: a multi-scale fusion U-Net for seismic phase picking 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32145-0 PMID:41408109	研究论文	本文提出了一种用于地震相位拾取的多尺度融合U-Net架构（MFU-Net），旨在通过简单的增强实现显著的识别性能	在U-Net的跳跃连接中设计了多尺度特征融合模块，并在瓶颈层引入了多头注意力机制，以增强关键特征区域的识别能力	未明确提及具体限制，但可能包括对特定数据集或地震类型的泛化能力	提高地震波形数据中P波和S波到达时间的准确识别和标注性能	地震波形数据，特别是P波和S波的到达时间	机器学习	NA	NA	U-Net	波形数据	NA	NA	MFU-Net	P波拾取准确率, S波拾取准确率	NA
5975	2026-01-23	Comprehensive discovery of m6A sites in the human transcriptome at single-molecule resolution 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67417-w PMID:41398146	研究论文	本研究开发了一个基于纳米孔测序的深度学习框架DeepRM，用于在单分子分辨率下全面发现人类转录组中的m6A位点	构建了大规模、高质量的训练数据集，其规模比先前数据集大三个数量级，并实现了近乎完美的m6A位点检测和修饰化学计量测量精度	未明确提及具体局限性，但可能依赖于纳米孔测序技术的准确性	开发一种准确、定量的RNA修饰检测方法，以理解其生物学功能	人类转录组中的m6A修饰位点	机器学习	NA	纳米孔测序	深度学习	测序数据	NA	NA	NA	准确度	NA
5976	2026-01-23	Deep learning-based detection of power transmission lines using YOLOv4 and YOLOv8 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32200-w PMID:41392299	研究论文	本研究利用YOLOv4和YOLOv8算法，基于无人机技术进行电力传输线的深度学习目标检测	将YOLO算法与无人机技术结合，用于电力传输线检测，并比较了YOLOv8各版本相对于YOLOv4的性能优势	未提及具体的数据集规模或环境多样性限制，可能影响模型泛化能力	提高电力传输线检测的准确性和效率，以支持能源基础设施的维护	电力传输线（PTLs）	计算机视觉	NA	无人机（UAV）技术	CNN	图像	NA	NA	YOLOv4, YOLOv8	精确度, 召回率, F1分数, mAP50, mAP50-95	NA
5977	2026-01-23	Intelligent cybersecurity management in industrial IoT system using attribute reduction with collaborative deep learning enabled false data injection attack detection approach 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32035-5 PMID:41392216	研究论文	提出一种结合特征选择与投票分类器的智能虚假数据注入攻击检测方法，用于工业物联网系统的网络安全防护	提出IMFDIA-FSVC方法，整合统计与信息论特征选择技术，并采用TCN、DBN和AE三种深度学习模型构建集成分类器进行攻击检测	未明确说明方法在动态攻击模式或大规模网络环境中的适应性，以及计算开销分析	开发工业物联网系统中虚假数据注入攻击的检测与缓解模型，确保系统安全可靠运行	工业物联网系统中的虚假数据注入攻击	网络安全	NA	深度学习	TCN, DBN, AE, 集成学习	传感器数据	使用IIoT和FDIA数据集（具体数量未说明）	未明确说明	时间卷积网络, 深度信念网络, 自编码器	准确率	NA
5978	2025-12-15	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-Dec-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5979	2026-01-23	A machine learning-based framework for prognostic prediction and tumor microenvironment characterization of locally advanced cervical cancer with concurrent chemoradiotherapy 2025-Dec-12, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01234-8 PMID:41387521	研究论文	本研究开发了一个基于机器学习的框架，用于局部晚期宫颈癌同步放化疗后的预后预测和肿瘤微环境表征	提出了一个结合深度学习自动预测模型与蛋白质组学分析的多任务框架，首次实现了基于放射组学-蛋白质组学的风险分层，并揭示了高风险组的免疫抑制微环境特征	模型在外部测试队列中的C指数相对较低（0.65-0.70），表明泛化能力有待进一步提升；蛋白质组学分析仅基于配对活检样本，可能无法完全代表肿瘤异质性	开发一个多任务预后模型，用于局部晚期宫颈癌同步放化疗后的精准预后预测和肿瘤微环境表征	局部晚期宫颈癌患者	数字病理学	宫颈癌	T2加权磁共振成像, 蛋白质组学分析	深度学习模型	医学影像, 蛋白质组学数据	训练、内部测试和外部测试队列的局部晚期宫颈癌患者	NA	DeepMR-LACC	C指数	NA
5980	2026-01-23	The application of artificial intelligence in veterinary oncology: a scoping review 2025-Dec-12, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-025-05192-y PMID:41388461	综述	本文对人工智能在兽医肿瘤学中的应用进行了范围综述，系统性地梳理了相关文献，识别了临床应用、技术和数据来源，并指出了阻碍临床转化的主要挑战	首次对人工智能在兽医肿瘤学领域的研究现状进行了系统性范围综述，揭示了该领域以犬类患者诊断应用为主、数据集小且缺乏外部验证的现状，并提出了向大规模协作研究转变的路径	作为一篇范围综述，本文本身不产生新的实验数据，其结论受限于所纳入的69项研究的质量和代表性	系统性地梳理人工智能在兽医肿瘤学中的应用研究现状，识别主要临床应用、技术方法、数据来源及临床转化面临的挑战	兽医肿瘤学，特别是伴侣动物（如犬）的自发性肿瘤	数字病理学, 机器学习	淋巴瘤, 皮肤及皮下肿瘤, 乳腺肿瘤	深度学习, 放射组学	深度学习模型	图像数据（数字病理图像、医学影像）	基于69项研究的汇总分析	NA	NA	NA	NA