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
6941	2026-01-10	Robust Fall Army Worm detection in maize using multimodal RGB and thermal image fusion 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29784-8 PMID:41449234	研究论文	本研究提出了一种基于深度学习的多模态图像融合框架，用于自动检测玉米作物是否受草地贪夜蛾侵害	提出了一种新颖的混合DNN-ViT模型，通过特征级和图像级两种互补的融合策略，首次将RGB图像与热成像数据结合用于草地贪夜蛾检测	未在真实田间环境中进行大规模部署验证，环境鲁棒性有待进一步研究	通过多模态图像融合提高玉米作物中草地贪夜蛾的自动检测精度	受草地贪夜蛾侵害与健康的玉米作物	计算机视觉	NA	多模态图像融合（RGB与热成像）	CNN, DNN, Vision Transformer	图像（RGB图像、热成像）	NA	NA	混合DNN-ViT模型（包含CNN特征提取器、DNN分类器和改进的Vision Transformer）	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
6942	2026-01-10	Neuroimaging-derived brain endophenotypes link molecular mechanisms to Alzheimer's disease and aging 2025-Dec-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.25.25340884 PMID:41358312	研究论文	本文开发了一个DNE-xQTL框架，通过整合深度学习衍生的神经影像内表型和脑分子定量性状位点，解析阿尔茨海默病和衰老相关脑变异的遗传通路	提出了一种结合深度学习和多组学数据的框架，用于连接遗传变异、脑影像变化和分子机制，增强了对阿尔茨海默病风险位点的生物学解释并揭示了新的调控通路	未明确说明样本量或数据来源的具体细节，且框架的普适性有待在其他疾病或独立队列中验证	解析阿尔茨海默病和衰老相关脑变异的遗传分子机制，实现早期风险分层	阿尔茨海默病相关的遗传位点、神经影像内表型及脑分子定量性状	神经影像学与计算生物学	阿尔茨海默病	GWAS, 深度学习, xQTL分析	深度学习模型	神经影像数据, 基因组数据, 分子表型数据	NA	NA	NA	NA	NA
6943	2026-01-10	Deep learning-based high dynamic range 3D reconstruction 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30204-0 PMID:41419546	研究论文	本文提出了一种基于深度学习的高动态范围三维重建方法，通过修复条纹投影轮廓术中因过曝而饱和的条纹图像，以提高三维重建精度	首次将U-Net及其衍生网络（Res-U-Net、SE-U-Net）应用于高动态范围场景下的条纹图像修复，无需额外硬件或多组图像采集即可提升重建精度	研究仅对比了三种U-Net变体网络，未探索其他可能的网络架构；实验场景可能未覆盖所有极端反射率变化情况	解决高动态范围环境下条纹投影轮廓术因图像过曝导致的三维重建精度下降问题	工业制造中具有高反射率变化物体表面的三维形貌测量	计算机视觉	NA	条纹投影轮廓术	CNN	图像	NA	NA	U-Net, Res-U-Net, SE-U-Net	定量实验分析（具体指标未明确说明）	NA
6944	2026-01-10	Deep learning-based diagnosis of temporomandibular joint osteoarthritis using whole-body bone scans 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114027 PMID:41497394	研究论文	本研究开发了基于深度学习的模型，利用全身骨扫描自动诊断颞下颌关节骨关节炎，并评估全身骨关节炎特征作为潜在预测因子	首次应用深度学习模型于全身骨扫描数据以诊断颞下颌关节骨关节炎，并比较了头颈部与全身扫描特征的预测价值	全身扫描（排除头颈部）对颞下颌关节骨关节炎的预测价值有限（AUC约0.65），表明仅依赖全身特征可能效用不足	开发自动诊断颞下颌关节骨关节炎的深度学习模型，并探索全身骨关节炎特征与颞下颌关节骨关节炎的关联	颞下颌关节骨关节炎患者	计算机视觉	骨关节炎	骨闪烁扫描（骨扫描）	CNN	图像	1,943名患者（3,886个颞下颌关节）	NA	VGG16, VGG16-Lite	AUC	NA
6945	2026-01-10	Deep learning-assisted diagnosis of pubertal breast development on multicenter ultrasound images 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113937 PMID:41497395	研究论文	本研究开发并验证了一种名为STransXNet的混合深度学习模型，用于基于多中心超声图像自动分期青春期乳房发育	提出了一种混合深度学习模型STransXNet，在青春期乳房发育的自动分期中表现出色，特别是在区分临床实践中最具挑战性的中间阶段方面优于基线模型和住院放射科医生，并展示了跨外部数据集和成像系统的强大泛化能力	研究为回顾性设计，可能受到数据选择和潜在偏倚的影响，且未在更广泛或前瞻性临床环境中进行验证	开发一种自动、标准化且可重复的青春期乳房发育评估方法，以支持临床决策，特别是在放射学专业知识有限的场景中	青春期乳房发育的超声图像	计算机视觉	青春期发育障碍	超声成像	深度学习	图像	2,576张来自三家医院的超声图像	NA	STransXNet	准确率	NA
6946	2026-01-10	HOES: an efficient multi-evolutionary expert system for deep learning model optimization in time series prediction 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30014-4 PMID:41407749	研究论文	本研究设计了一种基于六种进化算法的混合优化专家系统（HOES），用于优化深度学习模型在时间序列预测中的性能	HOES整合了多种进化算法，并引入了传输机制、记忆系统和惩罚系统来实现协同优化，提高了优化效率和全局搜索能力	NA	优化深度学习模型在时间序列预测中的训练策略，提升预测准确性和收敛速度	时间序列预测任务，包括交通、天气、家庭用电、风能、太阳能和ETT_m1数据集	机器学习	NA	进化算法	LSTM	时间序列数据	六个公共数据集（Traffic, Weather, Household, Wind Power, Solar Power, ETT_m1）	NA	SJ-LSTM	RMSE, MAE	NA
6947	2026-01-10	Automatic classification of criminal activities for security surveillance by keyframes detection and advanced inception techniques 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30199-8 PMID:41392027	研究论文	本文提出了一种基于关键帧检测和高级Inception技术的自动犯罪活动分类方法，用于安全监控	引入了关键帧提取方法，通过仅识别和选择关键帧来减少数据量，提高了模型效率	NA	开发有效的自动化异常行为检测机制，以提升视频监控系统的效率	视频监控数据中的异常行为或犯罪活动	计算机视觉	NA	深度学习	CNN	视频	标准数据集	NA	Inceptionv4	准确率	NA
6948	2026-01-10	A Mycelium Dataset with Edge-Precise Annotation for Semantic Segmentation 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06265-1 PMID:41372240	研究论文	本文介绍了MyceliumSeg，首个用于语义分割的大规模菌丝体数据集，包含高质量图像和像素级标注，并评估了主流深度学习模型	创建了首个大规模菌丝体分割基准数据集，包含多物种全生长周期图像，并提出了菌丝体标注框架，包括多盲精炼标注指南和新型分歧解决方案	数据集仅涵盖四种真菌物种，标注过程耗时较长（37人日），可能限制泛化能力	解决菌丝体语义分割任务中的数据集稀缺和边缘标注困难问题	菌丝体在培养皿图像中的精确分割和边缘标注	计算机视觉	NA	NA	深度学习模型	图像	20,176张高质量图像和567个像素级标注样本	NA	NA	经典分割指标和边界感知分割指标	NA
6949	2026-01-10	STD-Net: a spatio-temporal decoupling network for multiphasic liver lesion segmentation and characterization 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02181-1 PMID:41361359	研究论文	本文提出了一种时空解耦网络（STD-Net），用于多期相肝脏病变的分割和表征，通过分离空间特征提取与时间动态建模来提升性能	引入时空解耦网络设计，将空间特征提取与时间动态建模明确分离，使用共享权重的3D编码器学习稳健的解剖表示，并采用基于Transformer的时间模块捕获序列对比模式（如动脉期高强化和静脉期洗脱），模拟临床推理并减少空间外观、时间变化和运动伪影的纠缠	未明确提及具体局限性，但可能包括对数据质量和标注的依赖，以及在小样本或异质数据集上的泛化能力需进一步验证	提升多期相肝脏病变（如肝细胞癌）在CT和MRI图像中的分割和表征准确性，以辅助临床诊断和治疗指导	肝细胞癌（HCC）病变，使用多期相CT和MRI图像	数字病理学	肝癌	多期相CT和MRI成像	CNN, Transformer	图像	基于TCGA-LIHC、LiTS和MSD数据集，具体样本数量未明确提及	未明确提及，但可能基于PyTorch或TensorFlow等深度学习框架	STD-Net（时空解耦网络），包含共享权重的3D编码器和基于Transformer的时间模块	Dice系数, HD95, 分类准确率	未明确提及
6950	2026-01-10	Cross-modal deep learning framework for 3D reconstruction and information integration of Zhejiang wood carving heritage 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30042-0 PMID:41350556	研究论文	本文提出了一种用于浙江木雕遗产三维重建与信息融合的自适应跨模态深度学习框架	引入了表面复杂度感知的门控网络，可根据局部信息丰富度动态加权几何与视觉模态，克服了传统固定权重融合策略忽略文物局部表面特性的问题	未明确说明框架在不同类型文化遗产（如石雕、金属文物）上的泛化能力，也未讨论计算效率与实时性表现	开发高精度三维重建与语义信息融合框架，用于文化遗产数字化保护与传承	浙江木雕遗产文物	计算机视觉	NA	混合激光扫描与八相机RGB-D阵列采集	深度学习框架	三维点云、RGB-D图像	300件带标注的木雕文物	未明确说明（可能为PyTorch或TensorFlow）	表面复杂度感知门控网络	倒角距离、F分数、平均交并比	NA
6951	2026-01-10	Artificial intelligence-assisted prediction of Demodex mite density in facial erythema 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29791-9 PMID:41345235	研究论文	本研究开发并评估了用于预测面部红斑中蠕形螨密度的深度学习模型DemodexNet，并评估了其对皮肤科医生诊断性能的影响	开发了首个基于深度学习的非侵入性、自动化预测面部红斑中蠕形螨密度的模型，并证明了AI辅助能显著提升皮肤科医生的诊断准确性	概念验证研究仅限于韩国患者（Fitzpatrick皮肤类型III-IV），需要在多样化人群中进行验证	预测面部红斑中的蠕形螨密度并提升皮肤科医生的诊断准确性	面部红斑患者	数字病理学	皮肤疾病	深度学习	CNN	图像	1,124名患者	NA	DemodexNet	AUC	NA
6952	2026-01-10	HyperGraph-based capsule temporal memory network for efficient and explainable diabetic retinopathy detection in retinal imaging 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30128-9 PMID:41339440	研究论文	提出了一种基于超图胶囊时序记忆网络（HGCTN）的深度学习框架，用于高效且可解释的糖尿病视网膜病变检测	结合超图神经网络建模视网膜病变的高阶空间关系、胶囊网络实现特征层次结构，以及时序胶囊记忆单元（TCMU）处理长短期时序依赖，通过元学习和噪声注入提升模型适应性和鲁棒性	未明确提及模型在更大规模或多样化临床数据集上的泛化能力验证，以及计算资源消耗的具体比较	开发一种准确、可扩展且可解释的糖尿病视网膜病变检测方法，以解决现有深度学习模型计算成本高、鲁棒性差和可解释性不足的问题	视网膜图像中的糖尿病视网膜病变病变，如微动脉瘤、出血和渗出物	计算机视觉	糖尿病视网膜病变	视网膜成像	超图神经网络, 胶囊网络, 时序记忆网络	图像	使用DRIVE和Diabetic Retinopathy数据集进行验证，具体样本数量未明确提及	未明确提及具体框架，推断可能基于PyTorch或TensorFlow	HyperGraph Capsule Temporal Network (HGCTN)	准确率, 召回率, 特异性	未明确提及具体计算资源
6953	2026-01-10	A transformer-based prognostic signature integrating tumor and body composition CT images predicts postoperative recurrence in gastric cancer 2025-Dec-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02183-z PMID:41339473	研究论文	本研究开发了一种基于Vision Transformer的深度学习模型，整合肿瘤和身体成分CT图像，以预测胃癌患者的术后复发风险	首次将骨骼肌、脂肪组织等身体成分CT图像与原发性肿瘤CT图像进行多模态整合，用于胃癌预后预测，并构建了SMAT-TC综合评分	研究为回顾性设计，外部验证队列的样本代表性可能有限，模型在更广泛人群中的泛化能力需进一步验证	提高胃癌患者术前预后分层的准确性，以指导个体化治疗策略	胃癌患者	计算机视觉	胃癌	CT成像	Transformer	CT图像	1862名患者（整个队列）	NA	Vision Transformer	C-index, 净重分类改善, 综合判别改善, 3年及5年无复发生存率	NA
6954	2025-12-04	A deep learning model for multiclass lung cancer classification using multimodal data fusion 2025-Dec-02, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04168-6 PMID:41331169	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6955	2026-01-10	DeepRNA-DTI: a deep learning approach for RNA-compound interaction prediction with binding site interpretability 2025-Dec-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01132-y PMID:41331479	研究论文	本文提出了一种基于深度学习的RNA-化合物相互作用预测方法DeepRNA-DTI，该方法具有结合位点可解释性	采用迁移学习结合预训练嵌入（RNA-FM和Mole-BERT），并利用多任务学习框架同时预测相互作用存在和核苷酸级结合位点，提供RNA-化合物识别模式的机制性见解	未明确说明实验数据的具体限制或模型可能存在的泛化边界	开发一种计算预测RNA-化合物相互作用的方法，以支持RNA靶向治疗和药物发现	RNA序列和化合物	自然语言处理	NA	深度学习	深度学习模型	序列数据	整合了蛋白质数据库和文献来源的综合数据集，并应用于超过4800万种化合物的高通量虚拟筛选	未明确指定	未明确指定	未明确指定	未明确指定
6956	2026-01-10	Non-invasive prediction of Ki-67 and p53 biomarkers in spinal ependymoma via deep learning: using multimodal magnetic resonance imaging and clinical data 2025-Dec-02, Biomarker research IF:9.5Q1 DOI:10.1186/s40364-025-00879-8 PMID:41331485	研究论文	本研究开发了一种深度学习框架，利用术前多模态磁共振成像和临床数据，非侵入性地预测脊髓室管膜瘤的Ki-67和p53生物标志物表达水平	首次将深度学习应用于脊髓室管膜瘤的生物标志物预测，解决了该罕见肿瘤因数据集不足和技术挑战而研究不足的问题；提出了集成神经网络模型LGBMNet，并验证了多模态信息融合（MRI与临床数据）的附加价值	研究基于相对较小的样本量（352例患者），且脊髓室管膜瘤本身罕见，可能影响模型的普适性；依赖自动分割的质量，分割误差可能影响特征提取	开发一种非侵入性方法，在术前预测脊髓室管膜瘤的Ki-67和p53生物标志物表达，以辅助精准神经外科治疗决策	脊髓室管膜瘤患者	数字病理学	脊髓室管膜瘤	磁共振成像（MRI），免疫组织化学（IHC）	集成神经网络	图像（MRI），临床数据	352例经组织学确诊的脊髓室管膜瘤患者，具备术前MRI和IHC评估的Ki-67及p53状态	未明确指定，但提及了SegFormer和LGBMNet模型	SegFormer, LGBMNet（结合多层感知机和Light Gradient Boosting Machine）	AUC（受试者工作特征曲线下面积）	NA
6957	2026-01-10	Mitigating distributed denial of service attacks using attribute subset selection with temporal convolutional networks 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30137-8 PMID:41331500	研究论文	本文提出了一种基于樽海鞘群特征选择和深度学习架构的新型智能攻击检测框架，用于实时检测分布式拒绝服务攻击	结合樽海鞘群算法进行特征选择和时序卷积网络进行攻击分类，构建了一个新型的智能攻击检测框架	NA	开发一个实时DDoS攻击检测系统，利用先进的优化算法提高检测性能	分布式拒绝服务攻击	机器学习	NA	NA	TCN	网络流量数据	使用CIC-IDS-2017和Edge-IIoT两个数据集	NA	时序卷积网络	准确率	NA
6958	2026-01-10	An immersive mirror: a descriptive study of peer observer and active participant experiences in simulation 2025-Dec-02, Advances in simulation (London, England) DOI:10.1186/s41077-025-00395-7 PMID:41331705	研究论文	本研究通过定性描述设计，探索了护理模拟中同伴观察者和积极参与者的体验，以理解共享学习经历如何改善护理实践	首次深入探讨护理模拟中同伴观察者的情感与认知反应，强调观察者角色在促进移情和深层学习中的作用	研究样本仅限于预注册二年级护理学生，可能无法推广到其他教育阶段或专业背景	探索护理模拟中同伴观察者和积极参与者的思维与反应，以提升治疗关系和整体护理	预注册二年级护理学生	护理教育	NA	定性描述设计、反思性主题分析	NA	自我报告体验的定性数据	175名同伴观察者账户和234名积极参与者账户	NA	NA	NA	NA
6959	2026-01-10	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29744-2 PMID:41326549	研究论文	本文介绍了一种用于胎儿MRI中宫颈自动多层分割和生物测量的深度学习流程	首次提出用于妊娠期宫颈3D T2加权重建图像的自动化多层分割和生物测量深度学习流程	仅评估了20个数据集，样本量相对有限	开发自动化方法以改进胎儿MRI中宫颈的测量和分析	妊娠期宫颈的3D T2加权MRI图像	数字病理学	NA	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于处理	NA	NA	与手动测量相比表现出良好性能	NA
6960	2025-12-03	Automated abdominal aortic calcification scoring via deep learning: a multi-center validation of LVLCRNet 2025-Dec-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02072-7 PMID:41327056	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA