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
6141	2026-01-19	Attention-guided hybrid learning for accurate defect classification in manufacturing environments 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31654-2 PMID:41381637	研究论文	提出了一种用于工业缺陷分类的注意力引导混合深度学习框架	集成了YOLOv11和EfficientNet-B7，并引入了CBAM注意力模块和轻量级FPN进行多尺度细化，支持跨不同物体类别和缺陷类型的统一分类	未明确提及	解决工业缺陷分类中因视觉复杂性、稀有性和多样性带来的挑战	工业制造环境中的缺陷	计算机视觉	NA	深度学习	CNN	图像	两个数据集：MVTec-FS基准（包含14个工业类别中的46种缺陷类型）和专有Window数据集（包含3个真实世界缺陷类别）	NA	YOLOv11, EfficientNet-B7, Convolutional Block Attention Module (CBAM), Feature Pyramid Network (FPN)	准确率	NA
6142	2026-01-19	A computationally efficient hybrid framework combining deep feature extraction and gradient boosting for early diagnosis of Olive leaf diseases 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31918-x PMID:41381664	研究论文	提出一种结合深度学习特征提取与梯度提升的混合框架，用于橄榄叶病害的早期诊断	提出一种混合框架，将深度学习模型的强大特征提取能力与机器学习分类器的计算效率相结合，以解决深度学习模型在分类和检测过程中对高计算处理的需求限制其普及性的问题	研究仅针对两种特定的橄榄叶病害（孔雀斑病和橄榄芽螨），模型在其他病害或作物上的泛化能力未经验证	开发一种计算效率高的方法，用于橄榄叶病害的早期诊断	橄榄树叶图像	计算机视觉	植物病害	图像分析	CNN, Boosting	图像	3400张属于三个类别（健康、橄榄孔雀斑病、橄榄芽螨）的橄榄叶图像	NA	MobileNetV2, DenseNet121, EfficientNetV2B0, ConvNext Tiny	准确率, 宏平均F1分数	NA
6143	2026-01-19	Dynamic context-aware multi-modal deep learning for longitudinal prediction of Parkinson's disease progression 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31898-y PMID:41381668	研究论文	本文提出了一种新颖的动态上下文感知多模态深度学习框架，用于纵向预测早期至中期帕金森病的运动症状进展	提出了一种结合高级语音生物标志物、信号处理技术、临床进展特征、人口统计学元数据以及通过自然语言处理从临床叙述中提取的语义丰富患者摘要嵌入的动态上下文感知多模态深度学习框架，并利用双向LSTM与多头自注意力机制来捕获复杂的时间依赖性同时防止信息泄露	样本量有限（42名患者）	纵向预测早期至中期帕金森病运动症状的进展，以支持及时干预和个性化患者护理	帕金森病患者	自然语言处理, 机器学习	帕金森病	信号处理, 自然语言处理	LSTM	语音生物标志物, 临床特征, 人口统计学元数据, 临床叙述文本	42名患者	NA	双向LSTM, 多头自注意力	R², RMSE, MAE	NA
6144	2026-01-19	Automated forest fire detection in ecological monitoring using enhanced deep learning networks 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31707-6 PMID:41381831	研究论文	本研究提出了一种名为DeepFire S3GA-Net的新型深度学习分割框架，用于从无人机航拍图像中自动检测和分割森林火灾区域	提出了一种新颖的深度学习分割框架DeepFire S3GA-Net，该框架在编码器中采用空洞空间金字塔池化以捕获多尺度上下文特征，在解码器中采用分组卷积模块以提高空间细化能力和特征多样性	未明确说明模型在极端天气条件或夜间环境下的性能表现	开发一种准确、可靠的森林火灾自动检测与分割方法，以支持实时生态监测和风险管理	无人机航拍图像中的森林火灾区域	计算机视觉	NA	无人机航拍成像	深度学习分割网络	图像	未明确说明	未明确说明	全卷积编码器-解码器网络	平均交并比, 准确率, 精确率, 召回率, Dice系数	未明确说明
6145	2026-01-19	Image-based explainable artificial intelligence accurately identifies myelodysplastic neoplasms beyond conventional signs of dysplasia 2025-Dec-11, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01222-y PMID:41381839	研究论文	本文开发了一种基于图像的深度学习方法，用于准确识别骨髓增生异常肿瘤，超越了传统的形态学评估	利用端到端深度学习模型，通过遮挡敏感度映射揭示了核结构在诊断中的重要性，无需繁琐的细胞级标注	未提及模型在更广泛或多样化数据集上的泛化能力，以及潜在的临床实施挑战	提高骨髓增生异常肿瘤的诊断准确性和可解释性，减少人工评估的主观性	骨髓涂片图像	数字病理学	骨髓增生异常肿瘤	NA	深度学习模型	图像	未明确指定样本数量，但涉及内部测试和外部验证数据集	未指定	未指定具体架构	准确性	未指定
6146	2026-01-19	Knowledge-informed deep learning to mitigate bias in joint air pollutant prediction 2025-Dec, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109915 PMID:41260014	研究论文	本文提出了一种新颖的物理信息深度学习框架，用于联合空气污染物预测，通过整合平流-扩散方程和流体动力学约束来减少系统偏差	将平流-扩散方程和流体动力学约束直接集成到神经网络架构中，用于多污染物预测，并生成物理可解释参数	NA	提高大气空气污染物预测的准确性，以减少系统偏差并改进流行病学研究的暴露评估	空气污染物对（如NO/NO₂和PM₂.₅/PM₁₀）在加利福尼亚和中国大陆的地理区域	机器学习	NA	NA	深度学习	大气污染物数据	NA	NA	NA	偏差减少百分比	NA
6147	2026-01-19	Automated Assessment of Choroidal Mass Dimensions Using Static and Dynamic Ultrasonographic Imaging 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.30 PMID:41533875	研究论文	本研究开发并验证了一种基于人工智能的模型，用于在B扫描眼科超声图像上自动检测和测量脉络膜肿块的尺寸	提出了一种两阶段U-Net架构，能够同时处理静态图像和动态视频序列，并自动选择肿块横截面积最大的帧进行分析	在外部验证子集中检测准确率为83.9%，动态视频分析中高度测量在1毫米误差范围内的比例为68.2%，表明模型在泛化性和动态图像处理精度方面仍有提升空间	开发并验证一种人工智能模型，用于自动评估脉络膜肿块的尺寸	脉络膜肿块	计算机视觉	脉络膜肿瘤	B扫描眼科超声成像	深度学习	图像, 视频	1822张静态图像、130个动态视频序列，以及额外的180张静态图像和374张对照图像用于外部验证	NA	U-Net	准确率, 假阳性率, 平均绝对误差, R²	NA
6148	2026-01-19	Artificial Intelligence in Cardiology: The Current Applications and Future Directions 2025-Dec, Cureus DOI:10.7759/cureus.99270 PMID:41541923	综述	本文是一篇叙述性综述，概述了人工智能（特别是机器学习和深度学习）在心血管医学中的当前应用和未来前景	强调了人工智能在预测分析和个性化医疗中的核心作用，并指出了可解释人工智能（XAI）、数据偏见和监管框架等未来创新方向	作为一篇综述文章，未涉及具体研究数据或实验验证，主要基于现有文献进行总结和展望	探讨人工智能在心脏病学领域的应用现状、发展趋势及其对精准、高效、以患者为中心的心血管治疗的推动作用	心血管医学领域，包括预测分析、个性化医疗、可穿戴设备、远程医疗等	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
6149	2026-01-19	Integrated meteocean and seismic dataset for AI-based seawater CO2 estimation at Deception Island, Antarctica 2025-Nov-29, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06351-4 PMID:41318724	研究论文	本文提供了一个用于基于人工智能估算南极欺骗岛海水二氧化碳的高分辨率综合气象海洋与地震数据集，并应用双向长短期记忆神经网络进行数据驱动建模	首次在南极活跃火山口环境整合了海水pCO2、气象参数与地震信号（长周期事件和震颤事件）的多源观测数据，并采用深度学习技术填补观测空白	数据仅采集于2025年2月，时间覆盖范围有限；研究区域局限于南极欺骗岛特定火山口环境，可能限制模型的泛化能力	通过多源数据融合与深度学习技术，提升南极沿海系统碳通量模型的精度，支持极地海洋碳循环研究	南极南设得兰群岛欺骗岛（活跃火山口）的表层海水及内陆观测站	机器学习	NA	环境观测（海水pCO2、温度、盐度、风速、气温、太阳辐射、潮位）、地震信号监测	Bi-LSTM	多变量时间序列数据（气象、海洋、地震）	2025年2月在南极欺骗岛表层海水及内陆站采集的高分辨率观测数据集	NA	双向长短期记忆神经网络	五折交叉验证	NA
6150	2026-01-19	EgoVision a YOLO-ViT hybrid for robust egocentric object recognition 2025-Oct-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18341-y PMID:41053140	研究论文	提出一种名为EgoVision的新型轻量级混合深度学习框架，用于解决第一人称视角下的静态物体识别问题	首次将YOLOv8与Vision Transformers融合的架构应用于HOI4D数据集上的静态物体识别，并针对机器人和增强现实应用进行实时优化	仅处理静态图像帧，未涉及连续视频流中的时序建模	开发适用于可穿戴和边缘设备的实时第一人称物体识别系统	静态自我中心视角图像中的物体	计算机视觉	NA	关键帧提取策略，特征金字塔网络	CNN, Transformer	图像	HOI4D数据集中的静态图像	NA	YOLOv8, Vision Transformer (ViT)	准确率	可穿戴设备，边缘设备
6151	2026-01-19	Breast cancer classification in point-of-care ultrasound imaging-the impact of training data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014502 PMID:39830074	研究论文	本研究旨在通过比较不同训练数据增强技术，提升用于分类点式护理超声（POCUS）图像的深度学习网络性能，以改善低收入和中等收入国家乳腺癌的早期检测	比较了多种数据增强技术（包括直方图匹配、直方图均衡化和CycleGAN）在POCUS图像分类中的应用，并展示了CycleGAN生成图像能显著提升分类性能	未详细讨论模型在临床环境中的泛化能力或不同数据增强技术对计算资源的具体需求	通过增加训练数据量来改进用于乳腺癌分类的POCUS图像深度学习网络	乳腺癌组织图像，包括点式护理超声（POCUS）和标准超声（US）图像	计算机视觉	乳腺癌	点式护理超声（POCUS），标准超声（US）	CNN, GAN	图像	两个数据集（POCUS和标准US图像），具体样本数量未明确说明	NA	CycleGAN	AUC（曲线下面积），95%置信区间	NA
6152	2026-01-19	Training a high accuracy model to visualize blood clots during mechanical thrombectomy for the treatment of Acute Ischemic Stroke 2025, Frontiers in stroke DOI:10.3389/fstro.2025.1610399 PMID:41541866	研究论文	本研究提出了一种利用Medtronic Solitaire™支架上的不透射线标记空间排列的血栓可视化方法，并开发了基于U-Net架构的深度学习模型Clot[U]-Net进行血栓边界预测	首次利用支架上的不透射线标记空间排列实现机械取栓过程中的血栓可视化，无需改变现有临床工作流程	需要进一步的临床前和临床验证，目前仅在体外图像上进行训练和测试	提高急性缺血性卒中机械取栓手术中血栓的可视化能力，以提升首次取栓成功率	急性缺血性卒中患者的血栓	数字病理学	急性缺血性卒中	荧光透视成像	CNN	图像	800张体外前后位和侧位图像	NA	U-Net	交并比, AUROC	NA
6153	2026-01-19	Leveraging molecular graphs for natural product classification 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.031 PMID:41542071	研究论文	本研究探索了使用图神经网络直接从分子图结构学习神经指纹，用于天然产物的自动分类	首次系统地评估了多种图神经网络架构在天然产物分类任务上的性能，并强调了基于图表示的数据驱动方法优于传统指纹方法	模型性能高度依赖于架构选择和特征表示，需要针对特定任务进行定制化设计	开发一种能够更好地捕捉天然产物结构和生物合成复杂性的自动分类方法	天然产物分子	机器学习	NA	图神经网络	GNN	分子图	NA	NA	多种图神经网络架构	准确率, 鲁棒性	NA
6154	2026-01-19	AOP-DRL: A deep representation learning framework for the computational prediction of antioxidant peptides 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.014 PMID:41542079	研究论文	本文提出了一种名为AOP-DRL的深度学习框架，用于高通量预测抗氧化肽，结合了蛋白质语言模型和分层卷积网络	开发了结合蛋白质语言模型与分层卷积网络的深度学习框架AOP-DRL，有效处理可变肽长度并捕获非线性残基相互作用，相比现有模型在多个数据集上显著提升了预测准确率	未明确提及具体局限性，但可能依赖于公开数据集的覆盖范围和验证质量	开发一个计算框架以高效预测抗氧化肽，替代传统湿实验室方法	抗氧化肽序列	机器学习	NA	深度学习，蛋白质语言模型，卷积网络	深度学习框架	肽序列数据	来自公开研究的实验验证抗氧化序列和负对照序列，具体数量未明确	NA	分层卷积网络	准确率	NA
6155	2026-01-19	TBM preferred to AlphaFold 3 for functional models of insect odorant receptors 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.028 PMID:41542085	研究论文	本文比较了基于模板的建模与AlphaFold 3在构建昆虫气味受体功能模型上的表现，并基于功能突变数据支持前者	首次系统比较了传统模板建模与最新AI模型AlphaFold 3在昆虫气味受体结构预测上的优劣，并引入了脂质分子模拟膜环境	研究仅涉及来自三个昆虫目的六个受体序列，样本量有限	评估并比较不同计算方法在预测昆虫气味受体结构和功能上的可靠性，以支持基于结构的害虫控制策略	昆虫气味受体	计算生物学	NA	模板建模，深度学习结构预测	AlphaFold 3	蛋白质序列，实验结构数据	来自三个昆虫目的六个气味受体序列	NA	AlphaFold 3	功能突变数据支持度	NA
6156	2026-01-19	STAG-LLM: Predicting TCR-pHLA binding with protein language models and computationally generated 3D structures 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.004 PMID:41542080	研究论文	本文提出了一种名为STAG-LLM的多模态机器学习模型，用于预测TCR-pHLA结合特异性，该模型结合了蛋白质序列数据和计算生成的3D结构	通过结合蛋白质语言模型与几何深度学习架构，利用计算生成的3D蛋白质结构作为额外数据模态，显著提升了预测性能，即使在训练数据量减少三倍的情况下仍优于现有方法	使用计算生成的3D结构可能带来推理成本增加、训练数据有限以及对生成结构中噪声的鲁棒性等挑战	预测T细胞受体（TCR）与肽-HLA（pHLA）复合物的结合特异性，以支持个性化免疫治疗设计	T细胞受体（TCR）和肽-HLA（pHLA）复合物	机器学习	NA	计算建模工具生成3D蛋白质结构	蛋白质语言模型, 几何深度学习	蛋白质序列, 3D结构	NA	NA	STAG-LLM	NA	NA
6157	2026-01-19	Using AI and computer vision to analyze technical proficiency in robotic surgery 2023-04, Surgical endoscopy DOI:10.1007/s00464-022-09781-y PMID:36536082	研究论文	本研究利用AI和计算机视觉技术分析机器人手术视频，以评估外科医生的技术熟练度	开发了一种可解释的自动化方法，通过计算机视觉AI算法评估机器人手术中的技术熟练度，并与专家评分进行相关性验证	研究仅针对结直肠机器人手术中的腹膜闭合步骤，样本量相对较小（92个剪辑），且主要关注效率和双手灵巧性两个维度	设计并验证一种客观、高效的计算机视觉方法，用于评估机器人手术中的技术熟练度	结直肠机器人手术视频中的腹膜闭合剪辑	计算机视觉	结直肠癌	计算机视觉视频分析	深度学习	视频	92个腹膜闭合手术视频剪辑	未明确指定	未明确指定	相关性系数（r值），p值	未明确指定
6158	2026-01-18	Dengue fever prediction based on meteorological features and deep learning models 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.010 PMID:41536441	研究论文	本文提出了一种基于多维气象特征和深度学习模型的登革热预测方法，利用时间序列生成对抗网络扩展数据集，并通过信号分解、特征提取和融合技术提高预测性能	结合TimeGAN进行数据增强，采用SGMD和样本熵进行气象序列分解与重构，并引入双向时间卷积网络与注意力机制的BiLSTM进行特征融合与预测	研究仅基于中国广东省的数据，可能无法直接推广到其他地理或气候区域，且未详细讨论模型在不同季节或极端天气条件下的鲁棒性	提高登革热流行病趋势的预测准确性，以支持公共卫生决策	登革热病例数据与多维气象特征（如温度、湿度、降水）	机器学习	登革热	时间序列生成对抗网络（TimeGAN）、辛几何模态分解（SGMD）、样本熵（SE）	GAN, BiTCN, BiLSTM	时间序列数据	基于中国广东省的登革热病例数据，具体样本数量未明确说明	NA	TimeGAN, BiTCN, BiLSTM with attention module	平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
6159	2026-01-18	Deep learning assisted PfAgo-programmable genetic circuit for ultrasensitive visual detection of foodborne pathogen in one-tube 2026-Mar-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118296 PMID:41418735	研究论文	本研究开发了一种基于深度学习辅助的PfAgo可编程遗传电路，用于超灵敏可视化检测食源性病原体	将PfAgo双探针可编程遗传电路与超快V形PCR结合，实现单管操作并显著提高灵敏度；开发深度学习荧光图像识别技术进行批量结果处理	未明确说明方法对其他类型病原体的适用性验证范围	开发快速、灵敏的食源性病原体检测方法	食源性病原体	数字病理学	食源性疾病	PfAgo（激烈火球菌Argonaute）技术、V形PCR、荧光成像	深度学习模型	荧光图像	NA	NA	NA	灵敏度（1 CFU/mL）、检测时间（缩短至1/3）、荧光信号增强（超过200%）	NA
6160	2026-01-18	Graph attention network with comorbidity connectivity embedding for post-traumatic epilepsy risk prediction using sparse time-series electronic health records 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106239 PMID:41478164	研究论文	本文提出了一种基于图注意力网络的方法，利用稀疏时间序列电子健康记录预测创伤后癫痫风险	采用异构图注意力网络整合患者人口统计学数据和共病连通性，有效捕捉电子健康记录中的复杂依赖关系	模型性能可能受电子健康记录数据稀疏性和质量的影响，且仅基于特定数据库，泛化能力需进一步验证	提高创伤后癫痫风险的预测准确性，以支持个性化风险评估和主动管理	创伤性脑损伤患者，包括仅患创伤性脑损伤的患者和创伤后发展为癫痫的患者	机器学习	癫痫	电子健康记录分析	图注意力网络	时间序列电子健康记录	1,598,998名仅患创伤性脑损伤的患者和102,687名创伤后发展为癫痫的患者	PyTorch	异构图注意力网络	灵敏度, 特异度, 宏观F1分数, AUC-ROC	NA