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
7101	2026-01-08	Solution for sports image classification using modified MobileNetV3 optimized by modified battle royal optimization algorithm 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e21603 PMID:38027597	研究论文	本文提出了一种结合深度学习与优化算法的混合框架，用于体育图像分类	采用改进的Battle Royal优化算法作为特征选择器，以降低图像维度并仅使用关键特征实现更高分类准确率	NA	提升体育图像分类的准确性与效率	体育图像	计算机视觉	NA	图像处理与机器视觉	深度学习	图像	NA	NA	改进的MobileNetV3	分类准确率	NA
7102	2026-01-08	Performance of ChatGPT on the pharmacist licensing examination in Taiwan 2023-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000942 PMID:37227901	研究论文	本研究评估了ChatGPT在台湾药师执照考试中的表现，并探讨了其在药学教育中的潜在作用	首次将ChatGPT应用于台湾药师执照考试，比较了中英文版本的表现，并提出了对药学教育改革的建议	排除了图形题、化学式和表格，仅基于文本问题进行评估，且使用的是ChatGPT 3.5版本	评估ChatGPT在药师执照考试中的准确性，并探讨其在药学教育中的潜在角色	2023年台湾药师执照考试的第一阶段和第二阶段试题	自然语言处理	NA	深度学习	ChatGPT	文本	2023年台湾药师执照考试的第一阶段和第二阶段试题	NA	ChatGPT 3.5	正确率	NA
7103	2026-01-08	A study on surprisal and semantic relatedness for eye-tracking data prediction 2023, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2023.1112365 PMID:36818086	研究论文	本研究通过回归实验评估了语言模型中的惊奇度与语义关联性对眼动数据预测的贡献	对比了惊奇度与语义关联性在眼动数据预测中的独立作用，并发现语义关联性对功能词预测也有贡献	仅基于两个英语语料库进行实验，未涉及其他语言或更大规模的数据集	探究语言模型中的惊奇度与语义关联性对眼动数据预测的影响	眼动数据预测	自然语言处理	NA	语言建模、分布语义模型	深度学习语言模型、BERT	眼动数据、文本数据	两个英语语料库	NA	BERT	方差解释量	NA
7104	2026-01-08	Deep learning for myocardial ischemia auxiliary diagnosis using CZT SPECT myocardial perfusion imaging 2023-01-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000833 PMID:36306391	研究论文	本研究利用深度学习技术，基于CZT SPECT心肌灌注静息态图像，开发了一个用于辅助诊断心肌缺血的原型系统	结合YOLO目标检测技术定位心肌缺损区域并进行图像裁剪，随后使用三维CNN模型对冠心病进行分类，实现了较高的诊断性能	研究数据仅来自单一医疗中心，可能限制了模型的泛化能力；未详细讨论模型对不同类型心肌缺损的区分能力	开发一个基于深度学习的辅助诊断系统，以缩短图像解读时间并提高冠心病诊断质量	冠心病患者的心肌灌注静息态图像	计算机视觉	心血管疾病	CZT SPECT心肌灌注成像	CNN	图像	NA	NA	三维CNN, YOLO	AUC, 准确率, 灵敏度, 特异度	NA
7105	2026-01-07	Predictive modeling of hospital emergency department demand using artificial intelligence: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106215 PMID:41401760	系统综述	本文系统综述了使用人工智能预测医院急诊科需求的相关研究	系统比较了传统时间序列模型与AI模型（特别是机器学习和深度学习）在急诊需求预测中的表现，并强调了整合外部变量（如天气、空气质量）的重要性	纳入研究数量有限（11篇），缺乏外部验证，且可解释性AI方法应用不足	系统回顾用于医院急诊科需求预测的预测模型，重点关注算法、变量、验证策略及疫情前后的发展	关于医院急诊科需求预测的同行评审研究文献	机器学习	NA	NA	ARIMA, SARIMA, XGBoost, Random Forest, LSTM, CNN	时间序列数据	NA	NA	NA	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
7106	2026-01-07	Physics-constrained deep learning for reservoir thermal structure prediction: Enhanced interpretability and extrapolation capability 2026-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125086 PMID:41344133	研究论文	提出一种物理约束深度学习框架（P-DL），用于预测水库垂直热结构，以提高预测精度、物理可解释性和外推能力	结合机制驱动过程模型增强训练数据，将温度剖面转化为物理可解释参数，并通过弱物理约束改进外推能力	NA	快速预测水库垂直热结构，以支持生态保护导向的灵活水库优化策略	向家坝（XJB）水库	机器学习	NA	NA	LSTM	温度数据	NA	NA	LSTM	RMSE, R², KLD, KSS	NA
7107	2026-01-07	A prior knowledge-enhanced Transformer model for data anomaly identification and processing in industrial park wastewater treatment plants 2026-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125125 PMID:41389419	研究论文	本研究提出了一种先验知识增强的Transformer模型，用于工业园污水处理厂数据异常识别与处理	将污水处理领域专业知识融入深度学习架构，显著提升了复杂时空耦合异常的高精度识别与重建能力	NA	为工业污水处理提供稳健的数据管理和智能运行创新解决方案	中国两个工业园污水处理厂的运行数据	机器学习	NA	深度学习	Transformer	时序数据	两个污水处理厂一年的运行数据	NA	先验知识增强Transformer	异常识别准确率, 数据重建精度	NA
7108	2026-01-07	Deep-Learning Virtual Superior Mesenteric Artery Modeling for Risk Stratification in Pancreas Surgery 2026-Feb, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18543-8 PMID:41251913	研究论文	本研究评估了基于深度学习的虚拟肠系膜上动脉建模，用于三维可视化其走行和分支模式，并关联解剖特征与手术结果	首次将深度学习虚拟建模应用于肠系膜上动脉解剖分析，以预测胰腺手术风险	样本量相对较小（124例），且仅基于两家医疗中心的数据，可能存在选择偏差	评估深度学习虚拟建模在胰腺手术中用于风险分层和预后预测的可行性	接受胰腺切除术的胰腺恶性肿瘤患者	数字病理学	胰腺癌	计算机断层扫描（CT）	深度学习模型	医学影像（CT扫描）	124例患者	NA	NA	NA	NA
7109	2026-01-07	Deep Learning for Video Anomaly Detection: A Review 2026-Jan-05, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3647892 PMID:41489948	综述	本文对基于深度学习的视频异常检测方法进行了全面综述，涵盖了不同监督级别的分类、公共数据集、开源代码和评估指标	弥补了过去综述仅关注半监督VAD和小模型方法的局限性，深入探讨了基于预训练大模型和开放世界学习的最新工作	NA	视频异常检测（VAD）旨在发现视频中偏离正常行为或事件	视频数据	计算机视觉	NA	深度学习	NA	视频	NA	NA	NA	NA	NA
7110	2026-01-07	Revisiting Out-of-Distribution Detection in Real-time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-Jan-05, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文重新审视了实时目标检测中的分布外检测问题，揭示了现有基准测试的缺陷，并提出了一种新的训练时缓解范式	揭示了广泛使用的评估基准存在根本性缺陷（OoD测试集中高达13%的对象实际上属于分布内类别），并提出了一种独立于外部OoD检测器的新型训练时缓解范式，通过使用语义上类似于分布内对象的合成OoD数据集微调检测器来塑造防御性决策边界	未明确说明合成OoD数据集的构建细节及其在不同场景下的泛化能力限制	有效减少目标检测器中由分布外输入引起的幻觉错误	实时目标检测模型	计算机视觉	NA	NA	CNN	图像	使用BDD-100K数据集	PyTorch	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
7111	2026-01-07	A deep learning-based markerless gait analysis model for dogs shows promising accuracy when validated with 2-dimensional marker-based data 2026-Jan-05, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.25.09.0337 PMID:41490686	研究论文	本文开发并验证了一种基于深度学习的无标记步态分析模型，用于犬类步态分析，并与二维标记系统进行比较	首次从随机初始化训练专门针对犬类步态分析的深度学习模型，并在临床环境中验证其准确性	需要进一步在不同犬种和环境条件下进行验证，目前仍处于早期阶段	开发适用于犬类步态分析的深度学习模型，并验证其准确性	犬类步态分析	计算机视觉	NA	深度学习	ViTPose-L	图像	408只客户拥有的犬只，涉及超过30个品种，包括小型到大型体型	NA	ViTPose-L	COCO风格的平均精度均值, 归一化关键点误差, 正确关键点百分比	NA
7112	2026-01-07	Osteoarthritis Severity Classification in Knee X-Rays Using Optimized Deep Learning Approaches 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01818-7 PMID:41491733	研究论文	本研究提出了一种基于深度学习的系统，利用膝关节X射线图像对骨关节炎的严重程度进行分类	使用灰狼优化算法自动优化全连接层的超参数，以提高模型在区分骨关节炎等级时的学习效率和准确性	数据集仅来自单一医院，样本量相对较小（每类200张图像，共1000张），可能影响模型的泛化能力	开发一个准确分类骨关节炎严重程度的系统，以辅助早期诊断和治疗决策	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	1000张膝关节X射线图像（每类200张，共5类）	NA	EfficientNetB1, DenseNet169, Xception	准确率, 精确率, 召回率, F1分数, ROC曲线	NA
7113	2026-01-07	MMCT-Net: a Multi-Modal Hybrid CNN-Transformer Fusion Network for Preoperative Prediction of Malignant Invasion in Pulmonary Ground-Glass Nodules 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01795-x PMID:41491731	研究论文	提出一种多模态混合CNN-Transformer融合网络，用于术前预测肺磨玻璃结节中的恶性浸润	开发了MMCT-Net模型，结合局部到全局的上下文信息与2D到3D空间表示，并自适应融合深度学习特征、临床参数和影像组学特征	研究为多中心回顾性设计，可能存在选择偏倚；样本量相对有限（421例患者）	提高肺磨玻璃结节中浸润性腺癌的术前预测准确性，降低手术不匹配率	接受磨玻璃结节手术的421例患者的薄层CT扫描和临床病理数据	计算机视觉	肺癌	薄层计算机断层扫描	CNN, Transformer	图像, 临床数据	421例患者	NA	MMCT-Net（多模态混合CNN-Transformer融合网络）	AUC	NA
7114	2026-01-07	TET Loss: A Temperature-Entropy Calibrated Transfer Loss for Reliable Medical Image Classification 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01816-9 PMID:41491738	研究论文	本文提出了一种用于医学图像分类的温度-熵校准迁移损失函数（TET Loss），旨在提高模型的可靠性和泛化能力	提出了一种即插即用的损失函数，结合温度缩放调节逻辑值锐度和熵正则化促进不确定性感知学习，无需增加推理时间开销	仅在四个公开基准数据集上进行了验证，未在更大规模或更多样化的临床数据集上进行测试	提高医学图像分类模型的预测可靠性和领域适应性，减少过自信预测和领域不匹配问题	医学图像分类模型	计算机视觉	乳腺癌, 皮肤病, 肺炎, 视网膜疾病	NA	CNN, Transformer, 混合骨干网络	图像	四个公开基准数据集（BreastMNIST, DermaMNIST, PneumoniaMNIST, RetinaMNIST）	NA	EfficientViT-M2, BiFormer-Tiny, RMT-T3	F1分数, AUC	NA
7115	2026-01-07	From Liver to Brain: A 2.5D Deep Learning Model for Predicting Hepatic Encephalopathy Using Opportunistic Non-contrast CT in Hepatitis B Related Acute-on-Chronic Liver Failure Patients 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01802-1 PMID:41491737	研究论文	本研究开发了一种基于2.5D深度学习的框架，利用非对比CT扫描预测乙型肝炎相关慢加急性肝衰竭患者的肝性脑病风险	首次提出利用常规非对比CT扫描结合2.5D深度学习和多示例学习方法，从肝脏影像中预测肝性脑病风险，为无创个体化风险评估提供了新方法	回顾性研究设计，样本量相对有限（228例），仅针对乙型肝炎相关慢加急性肝衰竭患者，未在其他病因肝病患者中验证	开发早期预测肝性脑病的深度学习模型，实现个体化风险评估	乙型肝炎相关慢加急性肝衰竭患者	数字病理学	肝性脑病	非对比CT扫描	深度学习	医学影像	228例患者（训练集102例，内部验证集44例，外部测试集82例）	PyTorch, Scikit-learn	DenseNet121, DenseNet201, ResNet50, InceptionV3	AUC	NA
7116	2026-01-07	Imaging-Based Artificial Intelligence in Vascular and Interventional Radiology: A Narrative Review 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01803-0 PMID:41491740	综述	本文是一篇关于影像学人工智能在血管与介入放射学中应用的叙事性综述	系统性地回顾了人工智能在血管介入放射学（VIR）术前、术中和术后各阶段基于不同影像模态的应用，并强调了其在解剖结构分割、病变检测和预后预测方面的卓越性能	数据集规模较小、存在潜在偏倚以及模型可解释性问题	探讨人工智能在血管介入放射学领域的应用现状与潜力	血管介入放射学（VIR）中基于影像的AI应用研究	数字病理学	心血管疾病	影像学模态（CT, MRI, 荧光透视/DSA, 超声, X射线, 多模态）	深度学习模型, 机器学习	影像	NA	NA	NA	Dice相似系数, 准确率, AUC	NA
7117	2026-01-07	Contactless biometric verification from in-air signatures using deep siamese networks 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29100-4 PMID:41484193	研究论文	本研究开发了一种基于深度孪生网络的非接触式生物特征验证系统，利用空中签名数据进行身份认证	采用基于双向LSTM和对比损失的孪生神经网络架构，学习签名验证的判别性嵌入空间，并引入更严格的留两样本交叉验证协议来评估泛化能力	研究样本量较小（仅25名参与者），训练数据有限，可能影响模型的泛化性能和实际应用范围	探索空中签名作为一种非接触式生物特征在身份验证中的可行性和有效性	25名参与者的空中签名数据，包括200个正负签名对	机器学习	NA	指尖跟踪或深度感知	孪生神经网络	三维空间中的签名手势数据	25名参与者，200个签名对	NA	基于双向LSTM的孪生神经网络	准确率, F1分数, 召回率	NA
7118	2026-01-07	Discovery of selective GluN1/GluN3A NMDA receptor inhibitors using integrated AI and physics-based approaches 2026-Jan, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01607-6 PMID:40659855	研究论文	本研究通过结合人工智能与物理模型，开发了一个化合物虚拟筛选流程，用于发现针对GluN1/GluN3A NMDA受体亚型的高选择性抑制剂	整合了两种基于序列的深度学习预测模型（TEFDTA和ESMLigSite）与分子对接方法，构建了一个高效的虚拟筛选管道，显著提高了针对复杂离子通道的抑制剂发现命中率	研究依赖于商业数据库的化合物，可能未涵盖所有潜在活性分子；且针对GluN1/GluN3A受体的结构数据有限，可能影响模型精度	发现针对GluN1/GluN3A NMDA受体亚型的高效、选择性抑制剂，以探索其在情绪调节等神经系统疾病中的治疗潜力	GluN1/GluN3A NMDA受体（一种作为兴奋性甘氨酸受体的非常规NMDA受体亚型）	计算药物发现	神经系统疾病（涉及情绪调节）	虚拟筛选、分子对接、深度学习预测	深度学习模型	化合物序列数据、分子结构数据	从包含1800万种化合物的商业数据库中进行筛选	NA	TEFDTA, ESMLigSite	命中率（50%）、抑制活性（IC50值）、选择性倍数（>23倍）	NA
7119	2026-01-07	Deep learning-based ultrasound diagnostic model for follicular thyroid carcinoma 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11840-6 PMID:40681777	研究论文	本研究开发了一种基于深度学习的端到端超声诊断模型，用于术前区分甲状腺良性肿瘤、滤泡状甲状腺癌和其他恶性肿瘤	提出了一种新的数据增强方法和混合损失函数来处理类别不平衡问题，并将其应用于预训练的卷积神经网络和Transformer模型，以有效提取超声图像特征	回顾性多中心研究，可能存在选择偏倚；样本中滤泡状甲状腺癌的比例较低（3.6%），可能影响模型泛化能力	开发一个基于深度学习的超声诊断模型，以术前准确分类甲状腺肿瘤为良性、滤泡状甲状腺癌和其他恶性肿瘤	甲状腺肿瘤患者，包括良性肿瘤、滤泡状甲状腺癌和其他恶性肿瘤	数字病理学	甲状腺癌	超声成像	CNN, Transformer	图像	10771名连续成年患者，其中测试集包括1078名患者（滤泡状甲状腺癌39例，其他恶性肿瘤385例）	NA	预训练的卷积神经网络和Transformer模型	平衡准确率, AUC, 敏感性, 特异性	NA
7120	2026-01-07	EICSeg: Universal Medical Image Segmentation via Explicit In-Context Learning 2026-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3591565 PMID:40694460	研究论文	提出了一种名为EICSeg的通用医学图像分割框架，通过显式上下文学习实现无需重新训练即可适应新任务的分割	首次将上下文学习的核心交互机制重新定义为显式检索过程（E-ICL），并构建了首个端到端的通用医学图像分割框架，结合了互补的视觉基础模型	未明确说明在极端数据分布或罕见解剖结构下的性能表现，也未讨论计算效率与实时应用的平衡	开发一种能够泛化到未见过的医学图像分割任务的通用框架，减少对任务特定模型重新训练的需求	医学图像分割任务，涵盖多种解剖结构、标签和成像模态	计算机视觉	NA	医学图像分割	视觉基础模型	医学图像	训练使用47个数据集，测试使用9个未见过的数据集	PyTorch	SD-Adapter	Dice系数	NA