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
7001	2026-01-13	A Federated Hierarchical DQN-Based Distributed Intelligent Anti-Jamming Method for UAVs 2025-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s26010181 PMID:41516616	研究论文	本文提出了一种基于联邦分层深度Q网络的多无人机协同智能抗干扰决策方法，以解决无人机集群系统中的数据隔离和决策不一致问题	将联邦学习框架与分层深度强化学习模型相结合，通过仅共享本地模型参数而非原始数据，在保护数据隐私和降低通信开销的同时，实现了任务子网内决策的一致性，并采用分层设计克服了多域干扰参数带来的维度灾难	仅通过仿真验证了方法的有效性，未在真实无人机集群环境中进行实地测试，且未讨论模型在动态变化或极端干扰环境下的鲁棒性	开发一种高效、安全的多无人机协同智能抗干扰决策方法，以提升无人机集群在复杂电磁环境中的通信性能	无人机集群系统及其在干扰环境下的通信决策	机器学习	NA	联邦学习，深度强化学习	深度Q网络	仿真数据	NA	NA	分层深度Q网络	决策准确率	NA
7002	2026-01-13	Spatial Transcriptomics As Rasterized Image Tensors (STARIT) characterizes cell states with subcellular molecular heterogeneity 2025-Dec-22, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.18.695193 PMID:41497642	研究论文	本文提出了一种名为STARIT的方法，将成像空间转录组学数据转换为图像张量表示，以利用亚细胞异质性识别细胞类型和状态	开发了STARIT方法，首次将imSRT数据中的转录本转换为图像张量表示，结合深度学习计算机视觉模型，能够捕捉传统基因计数分析忽略的亚细胞转录定位异质性	未明确说明方法在复杂组织或大规模数据集上的可扩展性及计算效率	利用成像空间转录组学数据中的分子分辨率信息，基于亚细胞异质性识别细胞状态	成像空间转录组学数据中的细胞及其亚细胞转录本	计算机视觉	NA	成像空间转录组学	深度学习计算机视觉模型	图像张量	模拟数据和真实imSRT数据（具体数量未提供）	Python	NA	NA	NA
7003	2026-01-13	An attention-based transfer learning model for diagnosing subluxation in temporomandibular joint panoramic radiographs 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31462-8 PMID:41413172	研究论文	本研究提出了一种基于注意力机制的迁移学习模型，用于在颞下颌关节全景X光片中诊断半脱位	通过将自注意力机制集成到性能最佳的DenseNet201模型中，进一步提升了半脱位检测性能，并公开了包含3,425张标注图像的数据集以促进可重复性研究	未明确提及模型在临床环境中的泛化能力或外部验证结果	提高颞下颌关节全景X光片中半脱位的检测准确性，支持临床决策	颞下颌关节全景X光片图像	计算机视觉	颞下颌关节疾病	深度学习	CNN	图像	3,425张标注的颞下颌关节全景X光片图像	NA	MobileNet, ResNet50V2, InceptionV3, Xception, EfficientNetV2B0, InceptionResNetV2, DenseNet201	准确率, 精确率, 召回率, 特异性, F1分数	NA
7004	2026-01-13	The impact of pre-processing techniques on deep learning breast image segmentation 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30724-9 PMID:41402475	研究论文	本研究探讨了不同预处理技术对深度学习乳腺图像分割模型性能的影响	系统比较了通用和特定领域预处理流程，并识别出针对乳腺成像的优化策略，首次在医学图像分析中详细评估预处理作用	数据集规模和范围存在限制	评估预处理技术对乳腺图像分割模型性能的影响	乳腺图像	医学影像分析	乳腺癌	深度学习图像分割	U-Net	图像	两个公共数据集：CBIS-DDSM和Duke-Breast-Cancer-MRI	NA	U-Net	3-way ANOVA F-test	NA
7005	2026-01-13	AI-powered epidemic control: Deepseek's role in global health resilience 2025-Dec-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07082-1 PMID:41402882	研究论文	本文介绍了DeepSeek这一AI驱动平台如何通过早期预警系统、趋势预测、治疗优化和公众咨询革新流行病管理	通过整合多源实时数据（流行病学、社交媒体、移动性数据）与深度学习模型（LSTM、Transformers）及可解释决策框架，提升公共卫生响应能力	面临数据隐私和模型准确性的挑战	利用AI技术增强全球卫生韧性，改进流行病控制	流行病管理平台DeepSeek及其在公共卫生中的应用	自然语言处理, 机器学习	NA	深度学习	LSTM, Transformers	流行病学数据, 社交媒体数据, 移动性数据	NA	NA	LSTM, Transformers	NA	NA
7006	2026-01-13	Graph Neural Networks Model Based on Atomic Hybridization for Predicting Drug Targets 2025-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.19.689219 PMID:41473273	研究论文	本文开发了一种结合图神经网络与分子描述符的混合深度学习框架，用于预测药物靶点的半抑制浓度（IC）值	提出了一种混合深度学习框架，将图神经网络与显式分子描述符相结合，以同时捕获局部结构模式和全局理化性质，从而提高了预测精度和模型可解释性	模型在部分可解释性方面仍有局限，且仅在9个生物靶点上进行了验证，泛化能力需在更广泛靶点上进一步测试	加速药物发现过程，通过更准确地预测化合物对生物靶点的半抑制浓度（IC）值来优化化合物筛选	14,316种化合物，涵盖激酶、核受体和蛋白酶等9个不同的生物靶点	机器学习	NA	定量构效关系（QSAR）建模，图神经网络	图神经网络（GNN）	分子图数据（原子和键特征），分子描述符（理化性质和结构指纹）	14,316种化合物	NA	图神经网络（具体架构未指定）	测试R²（决定系数）	NA
7007	2026-01-13	Dual-feature selectivity enables bidirectional coding in visual cortical neurons 2025-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665209 PMID:40777393	研究论文	本研究揭示了猕猴视觉皮层神经元采用双特征编码策略，即单个神经元对两种不同的视觉特征具有选择性，一种增强其活动，另一种抑制其活动	发现了神经元对增强和抑制活动的两种不同视觉特征具有选择性，并利用基于深度学习的“功能数字孪生”模型系统识别这些特征	未明确说明样本量或模型训练的计算资源细节	探究视觉皮层神经元的编码策略及其在种群表征中的作用	猕猴视觉皮层V1和V4区的神经元，以及小鼠初级和外侧视觉皮层的神经元	计算神经科学	NA	神经元记录，深度学习建模	深度学习模型	神经元电生理记录数据，自然图像	NA	NA	功能数字孪生模型	NA	NA
7008	2026-01-13	Blockchain-based cryptographic framework for secure data transmission in IoT edge environments using ECaps-Net 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30906-5 PMID:41350368	研究论文	本研究提出了一种集成区块链密码算法与增强深度学习模型的入侵检测系统，用于保障物联网边缘环境下的安全数据传输	首次将增强胶囊网络（ECaps-Net）与基于Merkle-Damgard算法的区块链技术相结合，用于物联网边缘环境的入侵检测与数据安全传输	未提及模型在更复杂或新兴攻击模式下的泛化能力，也未说明在实际大规模物联网部署中的性能表现	开发一个安全可靠的入侵检测与数据保护框架，以应对物联网边缘环境中的数据隐私、完整性和安全问题	物联网边缘环境中的网络流量、设备交互和实时异常数据	机器学习	NA	区块链技术，密码学算法（Merkle-Damgard）	深度学习，增强胶囊网络（ECaps-Net）	网络流量数据，入侵检测数据集	使用KDD Cup-99和UNSW-NB15两个公开数据集进行实验	NA	增强胶囊网络（ECaps-Net），包含挤压与激励（SE）模块	准确率	NA
7009	2026-01-13	Knowledge distillation-based lightweight MobileNet model for diabetic retinopathy classification 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30893-7 PMID:41350373	研究论文	本文提出了一种基于知识蒸馏的轻量级MobileNet模型，用于糖尿病视网膜病变的分类	利用知识蒸馏技术将复杂模型的知识迁移到轻量级MobileNet架构中，实现高效且适合边缘设备部署的糖尿病视网膜病变分类模型	模型在资源受限设备上的性能可能受到限制，且仅使用APTOS 2019数据集进行评估，泛化能力未在其他数据集上验证	开发一种轻量级深度学习模型，用于糖尿病视网膜病变的自动分类，以解决资源受限环境下的筛查需求	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习, 知识蒸馏	CNN	图像	APTOS 2019数据集（具体样本数量未在摘要中说明）	NA	MobileNet	准确率, 精确率, 召回率	NA
7010	2026-01-13	Enhancing marine magnetic anomaly interpretation with anisotropic diffusion and deep transfer learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30926-1 PMID:41350564	研究论文	本文提出了一种结合各向异性扩散和深度迁移学习的方法，以增强海洋磁异常的解释，减少主观性并提高效率	首次将各向异性扩散与深度迁移学习结合应用于海洋磁异常解释，以处理数据稀疏性和标记数据有限的问题	非线性预测部分可能源于数据覆盖不足或复杂构造，模型在数据稀疏区域的表现可能受限	通过深度学习最小化海洋磁异常解释的主观性并加速处理过程	海洋线性磁异常（LMAs），具体来自东太平洋隆起、雷克雅内斯、沙茨基海隆和阿索尔高原等区域	机器学习	NA	各向异性扩散，深度迁移学习	CNN	图像（海洋磁异常数据图）	NA	NA	标准卷积神经网络	准确率	NA
7011	2026-01-13	A lightweight dual-stream architecture for flow enhanced anomaly detection (FEAD) 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30911-8 PMID:41350601	研究论文	本文提出了一种轻量级双流架构用于视频异常检测，通过光流引导的特征融合机制增强对运动异常的敏感性	提出了一种新颖的光流引导特征融合机制，利用预提取的光流信息作为动态先验，有效引导原始图像流在特征提取过程中关注关键运动区域	NA	开发一种轻量级、高效的视频异常检测模型，适用于资源受限环境中的实时部署	视频流中的异常行为或物体	计算机视觉	NA	光流提取	双流架构	视频帧, 光流图	三个基准数据集：Ped2, Avenue, ShanghaiTech	NA	双流架构	AUC	NA
7012	2026-01-13	Rayleigh-wave dispersion data selection and model fine-tuning based on uncertainty estimation 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30603-3 PMID:41350801	研究论文	本研究提出了一种基于不确定性估计的代表性数据选择和模型优化策略，用于改进瑞利波反演中的深度学习模型	通过并行训练的多个预训练模型预测不一致性识别高不确定性样本，并利用自动微分驱动的反演方法生成高置信度伪标签来微调模型，无需钻孔信息	未明确说明模型在极端地质条件下的泛化能力，且伪标签生成依赖于预训练模型的准确性	提高瑞利波反演中深度学习模型的预测精度、鲁棒性和泛化能力	瑞利波频散数据	机器学习	NA	瑞利波反演	深度学习模型	地震数据	NA	NA	NA	预测精度, 鲁棒性	NA
7013	2026-01-13	Deep learning-based object detection of restorative dental instruments with potential implications for workflow automation and infection control in dental supply units 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30774-z PMID:41339466	研究论文	本研究提出了一种基于深度学习的概念验证方法，用于在标准化托盘上自动检测和分类修复性牙科器械，旨在支持牙科供应单元的工作流程自动化和感染控制	首次将YOLOv8模型应用于修复性牙科器械的自动检测与分类，并与YOLOv5、YOLOv6、YOLOv7等前代模型在相同实验设置下进行性能比较，证明了其在牙科供应单元自动化工作流程中的可行性	研究结果需要在更多样化的临床环境中进行进一步验证，以确保模型的泛化能力	开发一种自动化工具，以提高牙科供应单元的工作效率和感染控制水平	修复性牙科器械	计算机视觉	NA	深度学习	YOLOv8, YOLOv5, YOLOv6, YOLOv7	图像	1000张图像，包含14个类别的14000个标注实例	NA	YOLOv8	精确率, 召回率, mAP@0.5, mAP@[0.5:0.95]	NA
7014	2026-01-13	An efficient dimensionality reduction framework using metaheuristic optimization with deep learning models for amyotrophic lateral sclerosis disease progression prediction 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30913-6 PMID:41345272	研究论文	本文提出了一种结合元启发式优化与深度学习模型的降维框架，用于预测肌萎缩侧索硬化疾病的进展	创新点包括使用二元剑鱼移动优化算法进行特征选择，以及结合时间卷积网络、长短期记忆网络和注意力机制的混合模型进行分类，并利用海洋捕食者算法优化超参数	NA	为肌萎缩侧索硬化疾病进展预测提供一个有效的模型	肌萎缩侧索硬化疾病患者数据	机器学习	肌萎缩侧索硬化	深度学习, 机器学习, 元启发式优化	TCN, LSTM, 注意力机制	临床数据	NA	NA	时间卷积网络, 长短期记忆网络	准确率	NA
7015	2026-01-13	SATrans-Net: Sparse Attention Transformer for EEG-based motor imagery decoding 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30806-8 PMID:41345285	研究论文	提出了一种名为SATrans-Net的端到端框架，用于基于EEG的运动想象解码，通过稀疏注意力Transformer建模长序列依赖关系以提高性能	将Top-K稀疏注意力机制融入Transformer架构，在增强长程建模能力的同时降低了计算成本，并融合了局部与全局特征	未明确提及模型在跨被试或临床实时应用中的泛化能力限制	提升基于脑电图（EEG）的运动想象（MI）信号的解码精度，为运动障碍患者提供辅助解决方案	脑电图（EEG）信号，特别是与运动想象（MI）相关的信号	生物医学信号处理	运动障碍	脑电图（EEG）	Transformer, CNN	时间序列信号（EEG）	使用了三个公开数据集（BCI IV-2a, BCI IV-2b, High-Gamma），具体样本数量未在摘要中说明	未明确提及	SATrans-Net（基于Transformer并融合2D深度可分离卷积和Top-K稀疏注意力机制）	准确率	未明确提及
7016	2026-01-13	Evaluation of deep learning MRI reconstruction for dental implant crowns in a phantom study 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30934-1 PMID:41345497	研究论文	本研究通过体模实验评估了深度学习MRI重建技术对不同牙科种植冠材料成像质量和金属伪影的影响	首次系统评估深度学习MRI重建在牙科种植冠成像中对多种材料（氧化锆、PMMA、金、镍铬合金）金属伪影的改善效果	仅为体模研究，缺乏在体验证；样本类型有限；仅评估了特定MRI序列	评估深度学习MRI重建技术在减少牙科金属伪影和改善图像质量方面的效果	含钛种植体及四种牙冠材料（氧化锆、PMMA、金、镍铬合金）的丙烯酸体模	医学影像分析	NA	磁共振成像，深度学习图像重建	深度学习重建模型	MRI图像	含四种牙冠材料的体模（氧化锆、PMMA、金、镍铬合金各一）	NA	NA	图像噪声，信噪比，视觉评分，伪影比率	3.0-T MRI系统
7017	2026-01-13	MallaNet residual branch merge convolutional neural network with homogeneous filter capsules for Devanagari character recognition 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30871-z PMID:41339442	研究论文	本研究提出了一种名为MallaNet的鲁棒深度学习模型，用于高精度识别手写天城文字符	在BMCNNwHVCs基础上，集成了优化的残差块、改进的均匀滤波器胶囊层和合并层，以捕获多尺度特征并保留空间层次结构，同时显著减少了模型参数	NA	开发一个鲁棒的深度学习模型，以高精度识别手写天城文字符，支持文档数字化和文化保护	天城文手写字符	计算机视觉	NA	NA	CNN	图像	92,000张图像，涵盖46个类别	NA	MallaNet, BMCNNwHVCs	测试准确率, 宏平均F1分数	NA
7018	2026-01-13	Automated cardiac MRI analysis for robust profiling of heart failure models in mice 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30810-y PMID:41339487	研究论文	本文提出了一种用于小鼠心力衰竭模型的高通量、自动化心脏MRI分析流程，结合优化的非对比增强MRI协议和深度学习分割方法	开发了结合高通量非对比增强心脏MRI协议与3D CNN的自动化分析流程，实现了对小鼠心脏功能的高精度、可重复性量化，并首次在小鼠HFpEF模型中检测到心肌灌注的细微变化	研究仅在小鼠模型中进行验证，尚未在人类临床数据中测试；模型依赖于特定MRI协议，可能不适用于其他成像参数	加速和标准化临床前心血管研究中的心脏表型分析，特别是针对射血分数保留的心力衰竭（HFpEF）模型	两种多因素诱导的小鼠HFpEF模型：饮食诱导肥胖（DIO）模型和DIO联合高血压药物（DOCP）模型	数字病理学	心血管疾病	心脏磁共振成像（MRI），包括电影动脉自旋标记（ASL）和多巴酚丁胺负荷测试	CNN	图像	使用两种小鼠HFpEF模型（DIO和DIO+DOCP）及对照组，具体样本数量未在摘要中明确说明	NA	3D CNN	Dice相似系数，组内相关系数（ICC）	NA
7019	2026-01-13	A linear-attention based network for estimating continuous upper limb movement from surface electromyography 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30665-3 PMID:41339702	研究论文	本文提出了一种基于线性注意力的模型（LABD），用于从表面肌电信号（sEMG）连续估计上肢运动，包括肘部和肩部关节角度	采用线性注意力机制替代传统的点积注意力或深度学习模型，以提高上肢运动估计的准确性和鲁棒性	未明确提及样本量大小或数据集的多样性，可能影响模型的泛化能力	开发一种连续运动估计方法，用于人机交互系统，以提供比模式识别方法更自然直观的结果	上肢运动，特别是肘部和肩部关节的角度估计	机器学习	NA	表面肌电信号（sEMG）采集，Vicon运动捕捉系统	线性注意力模型（LABD），多层感知机（MLP），时序卷积网络（TCN），长短期记忆网络（LSTM），点积注意力模型（DABD）	sEMG信号，关节角度数据	NA	NA	线性注意力模型（LABD），点积注意力模型（DABD），多层感知机（MLP），时序卷积网络（TCN），长短期记忆网络（LSTM）	皮尔逊相关系数（PCC），Wilcoxon符号秩检验	NA
7020	2026-01-13	Deep Learning-Based Adrenal Gland Volumetry for the Prediction of Diabetes 2025-Dec, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2025.2336 PMID:40528328	研究论文	本研究利用基于深度学习的肾上腺体积测量方法，探讨了肾上腺体积与2型糖尿病之间的关联	首次使用三维nnU-Net深度学习算法自动测量肾上腺体积，并建立了肾上腺体积与2型糖尿病发病风险的长期关联	研究为观察性设计，无法确定因果关系；仅使用单一外部数据集进行验证	确定基于深度学习的肾上腺体积测量与当前血糖状态及2型糖尿病发病之间的关联	接受腹部盆腔CT检查的成年人，排除肾上腺结节患者	数字病理学	2型糖尿病	腹部盆腔计算机断层扫描	深度学习	CT图像	模型开发使用500例CT扫描，临床队列包括9708名成年人	nnU-Net	三维nnU-Net	Dice系数, 平均体积差异	NA