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
7121	2026-01-07	Intersection of Big Five Personality Traits and Substance Use on Social Media Discourse: AI-Powered Observational Study 2025-Dec-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/79454 PMID:41418319	研究论文	本研究利用AI技术分析社交媒体话语，探讨大五人格特质与物质使用之间的关联及其在疫情期间的变化	首次通过大规模数字话语数据揭示神经质作为物质使用保护因子的反直觉发现，挑战了传统的自我治疗假说	研究基于公开社交媒体帖子，可能存在选择偏差，且无法完全控制混杂因素	评估大五人格特质与物质使用话语在2019-2021年间的关联变化，并分析这些特质如何预测物质使用及其与特定物质类型、情感表达和人口因素的关系	数亿条来自主要社交媒体平台的公开帖子（2019-2021年）	自然语言处理	物质使用障碍	自然语言处理，深度学习	深度学习模型	文本	数亿条社交媒体帖子	NA	NA	比值比，95%置信区间，Cohen's d	NA
7122	2026-01-07	Vision and convolutional transformers for Alzheimer's disease diagnosis: a systematic review of architectures, multimodal fusion and critical gaps 2025-Dec-17, Brain informatics DOI:10.1186/s40708-025-00286-7 PMID:41405782	系统综述	本文系统综述了使用Vision Transformers和Convolutional Vision Transformers进行阿尔茨海默病诊断的研究，分析了架构、多模态融合及关键研究空白	引入了新颖的分类法，按模型架构、数据模态、融合策略和诊断目标对研究进行系统分类，并前瞻性地分析了大型视觉模型	研究主要关注2021-2025年的文献，可能未涵盖更早的研究；且指出算法可重复性存在广泛挑战	系统分析Vision Transformers和Convolutional Vision Transformers在阿尔茨海默病诊断中的应用，识别趋势与关键研究空白	从Scopus、Web of Science、ScienceDirect、IEEE Xplore和PubMed数据库中筛选的68项研究（源自564篇出版物）	计算机视觉	阿尔茨海默病	深度学习	Vision Transformer, Convolutional Vision Transformer	多模态数据	NA	NA	Vision Transformer, Convolutional Vision Transformer	NA	NA
7123	2026-01-07	Cutting-edge bayesian deep learning and statistical strategies for bias mitigation in COVID-19 detection via chest x-ray imaging 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28723-x PMID:41392298	研究论文	本文提出了一种多阶段贝叶斯深度学习框架，用于通过胸部X光图像进行COVID-19检测和严重程度分级，并缓解偏差和噪声问题	结合肺部分割、分割引导分类、校准集成和不确定性估计的多阶段贝叶斯深度学习框架，用于COVID-19分类和严重程度分级	数据集规模有限，缺乏外部多站点验证	开发一个鲁棒的深度学习框架，用于COVID-19检测和严重程度分级，同时缓解偏差、标签噪声和域偏移问题	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	贝叶斯深度学习	图像	1,531张胸部X光图像（来自70名患者的100张COVID-19图像和来自ChestX-ray14的1,431张非COVID图像）	NA	NA	准确率, 敏感性, AUC	NA
7124	2026-01-07	Predicting critical crack propagation length in sustainable additive-enhanced concrete using explainable machine learning 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31900-7 PMID:41390865	研究论文	本文提出了一种可解释的机器学习框架，用于预测可持续添加剂增强混凝土的临界裂纹扩展长度	首次将神经正切核高斯过程模型应用于断裂力学领域，并结合可解释性分析和不确定性量化	未提及	提高可持续添加剂增强混凝土临界裂纹扩展长度的预测准确性和计算效率	可持续添加剂增强混凝土样本	机器学习	NA	实验测试	集成学习, 核方法, 深度学习	结构化数据	800个SAEC样本	NA	神经正切核高斯过程	R, RMSE, MAPE, VAF	NA
7125	2026-01-07	A personalized automated system of 3D facial soft tissue landmarks annotation based on deep learning and computer vision 2025-Dec-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07448-3 PMID:41372865	研究论文	本研究开发了一种基于深度学习和计算机视觉的个性化自动化系统，用于标注三维面部软组织标志点，并通过与手动标注对比评估其准确性和临床适用性	通过标准化面部模板构建、三维面部非线性配准和个性化关键点转移，实现了一次性个性化标注标准模板并自动批量映射到多个面部扫描模型，针对严重错颌畸形构建了畸形特异性个性化模板	样本量相对较小（55名患者），且主要针对中国正畸患者，可能限制了结果的普适性	开发并评估一个用于三维面部软组织标志点自动化标注的个性化系统，以提高面部形态学研究的效率和精度	55名中国正畸患者（包括40名正常面部形态和15名严重颅面畸形患者）	计算机视觉	错颌畸形	三维面部扫描	深度学习	三维图像	55名患者（24名男性，31名女性；平均年龄23.4±7.01岁）	NA	NA	平均欧几里得距离, 比例分析, 线性测量误差, 角度测量误差	NA
7126	2026-01-07	Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04676 PMID:41283773	研究论文	本研究开发了一种结合结构光照明显微镜成像与深度学习的快速表型抗菌药物敏感性测试平台，用于评估抗生素处理后细菌的亚细胞表型	首次将结构光照明显微镜成像与深度学习相结合，在亚细胞水平进行快速表型AST，无需培养要求，并能在抗生素浓度接近最低抑菌浓度时进行单细胞分析，揭示传统方法掩盖的异质性	NA	开发一种快速、准确的表型抗菌药物敏感性测试方法，以减少培养时间并提高检测分辨率	细菌（包括大肠杆菌、肺炎克雷伯菌和BCG）	计算机视觉	NA	结构光照明显微镜成像	深度学习	图像	NA	NA	C3D, DenseNet-121, MobileNet-V2, MobileNet-V3 Large, ResNet-50, ResNet-101, MobileNet-V3 Small	准确率	NA
7127	2026-01-07	A hybrid BiLSTM-CNN approach for intrusion detection for IoT applications 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29079-y PMID:41366268	研究论文	本研究提出了一种混合BiLSTM-CNN方法，用于物联网应用的入侵检测	结合BiLSTM和CNN的优势，分别提取时间和空间特征，设计了一种新颖的混合入侵检测系统	NA	改进入侵检测系统以增强网络安全性	物联网网络中的安全攻击	机器学习	NA	深度学习	BiLSTM, CNN	网络流量数据	UNSW-NB15数据集	NA	BiLSTM, CNN	精确度, 灵敏度, F1分数, 误算率, 假阳性率, 假阴性率, 马修斯相关系数	GPU和CPU
7128	2026-01-07	A multi-task deep learning approach for landslide displacement prediction with applications in early warning systems 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29084-1 PMID:41354745	研究论文	本文提出了一种多任务深度学习方法，用于滑坡位移预测，并应用于早期预警系统	通过引入多任务训练方法，优化模型在预警阈值附近的预测性能，而不仅仅是降低整体预测残差	方法仅在斯洛文尼亚Urbas滑坡的单一数据集上进行了验证，需要更多案例研究以证明其普适性	提高滑坡位移预测的准确性，以支持可靠的滑坡早期预警系统建设	斯洛文尼亚西北部深层Urbas滑坡的位移数据	机器学习	NA	GNSS监测	CNN	滑坡活动、水文气象测量和地震学数据	自2019年以来通过GNSS监测的Urbas滑坡数据	NA	卷积神经网络	R²分数, 平均绝对误差	NA
7129	2026-01-07	Diagnostic performance of real-time artificial intelligence using deep learning analysis of endoscopic ultrasound videos for gallbladder polypoid lesions 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29179-9 PMID:41361233	研究论文	本研究评估了基于深度学习的人工智能模型在分析内镜超声视频以诊断胆囊息肉样病变方面的诊断性能	首次将人工智能应用于内镜超声视频（而非静态图像）进行胆囊息肉分析，利用视频提供的更丰富诊断信息	样本量相对较小（训练队列96个视频，验证队列36个视频），且需要进一步的前瞻性验证	评估人工智能模型通过分析内镜超声视频来诊断胆囊息肉的准确性	经组织学证实的胆囊息肉患者的内镜超声视频	计算机视觉	胆囊疾病	内镜超声	CNN, Transformer	视频	训练队列：96个视频（来自50名患者）；验证队列：36个视频（来自17名患者）	NA	Attention U-Net, Residual U-Net, DUCK Net, EfficientNet-B2, ResNet101, Vision Transformer	准确率, 召回率, F1分数, AUC	NA
7130	2026-01-07	Deep learning for head and neck radiation dose prediction: a systematic review and meta-analysis 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28442-3 PMID:41361342	综述与荟萃分析	本文通过系统综述和荟萃分析，评估了卷积神经网络及其相关架构在头颈部放疗剂量分布预测中的效能	首次对头颈部放疗剂量预测的深度学习模型进行系统综述和荟萃分析，比较了经典与先进CNN架构在不同靶区和危及器官上的预测性能，并识别了影响模型表现的关键因素	研究存在显著的异质性（I² > 99%），限制了结果的可解释性；模型对其他危及器官（除脊髓外）的泛化能力有限；部分训练参数需从补充材料中获取	评估深度学习模型（特别是CNN）在头颈部放疗剂量分布预测中的准确性和一致性，为临床任务定制模型提供依据	头颈部放疗中的计划靶区（PTV）和危及器官（以脊髓为代表）的剂量分布	数字病理学	头颈部癌症	放疗剂量预测，深度学习	CNN	医学图像数据（剂量分布图）	NA	NA	经典CNN，先进CNN（可能包含密集块等设计）	平均绝对误差，置信区间	NA
7131	2026-01-07	Identification of plant-parasitic nematode genera in turfgrass using deep learning algorithms 2025-Dec-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29467-4 PMID:41354739	研究论文	本研究评估了多种深度学习模型在草坪草植物寄生线虫属分类中的性能	首次将EfficientNet V2-S、MobileNetV3-L、ResNet101和Swin Transformer V2-B等先进CNN架构应用于草坪草线虫分类，并采用BOHB算法进行超参数优化	研究仅针对7个线虫类群，且用户端平台测试准确率（82.47%）较内部测试有所下降，表明模型在实际应用场景中可能存在泛化挑战	开发基于深度学习的植物寄生线虫自动识别工具，以辅助草坪草病害诊断	与草坪草相关的7种植物寄生线虫属	计算机视觉	植物寄生线虫病	深度学习图像分类	CNN, Transformer	图像	5406张植物寄生线虫图像	未明确提及	EfficientNet V2-S, MobileNetV3-L, ResNet101, Swin Transformer V2-B	平衡分类准确率	未明确提及
7132	2026-01-07	Dual-phase optimized deep learning framework for accurate, efficient, and robust battery SoC estimation 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29449-6 PMID:41350347	研究论文	本文提出了一种名为KANBiLSTMAtt的新型混合深度学习模型，用于锂离子电池荷电状态（SoC）的准确、高效和鲁棒性估计	提出了一种结合Kolmogorov-Arnold网络（KAN）、双向长短期记忆网络（BiLSTM）和注意力机制的新型混合深度学习模型，并采用Optuna进行超参数调优和NSGA-II进行多目标优化，实现了高预测精度与低计算开销的平衡	研究仅在两种特定的电池化学体系和有限的环境温度变化下进行了验证，模型在其他电池类型或更极端工况下的泛化能力有待进一步评估	开发一种准确、高效且鲁棒的锂离子电池荷电状态（SoC）估计方法，以支持电动汽车的电池性能优化、续航里程可靠性和运行安全	锂离子电池的荷电状态（SoC）	机器学习	NA	NA	KAN, BiLSTM, 注意力机制	时间序列数据（电池数据）	使用了LG数据集和CALCE数据集的驾驶循环数据，涉及两种不同的电池化学体系	NA	KANBiLSTMAtt（KAN、BiLSTM与注意力机制的混合架构）	RMSE, MAE, R²	NA
7133	2026-01-07	Novel mapping approach for coastal boulders using deep learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29044-9 PMID:41350551	研究论文	本研究提出了一种结合无人机与Mask R-CNN的深度学习新方法，用于海岸巨石的快速精确检测与体积计算	首次将无人机与Mask R-CNN结合用于海岸巨石自动测绘，实现了传统人工方法无法达到的速度与精度	方法仅在冲绳石垣岛单一区域验证，未在不同海岸类型或更大范围测试其普适性	开发自动化海岸巨石测绘方法以研究历史淹没事件动态	海岸线分布的巨石	计算机视觉	NA	无人机航测	CNN	图像	日本冲绳石垣岛海岸区域	NA	Mask R-CNN	F1分数	NA
7134	2026-01-07	ReHA-Net: a ReVIN-hybrid attention network with multiscale convolution for robust EEG artifact removal in brain-computer interfaces 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28855-0 PMID:41345432	研究论文	本文提出了一种名为ReHA-Net的深度学习框架，用于脑电信号中伪影的鲁棒去除	结合了U-Net编码器-解码器结构、混合注意力机制（时空频）、多尺度可分离卷积块以及可逆实例归一化，以增强跨被试泛化能力	未明确提及模型在实时或在线脑机接口系统中的计算效率或延迟表现	开发一种鲁棒的脑电信号去噪方法，以提升脑机接口中信号质量	脑电图信号	机器学习	NA	脑电图	深度学习	时间序列信号	基于增强版EEGdenoiseNet数据集，具体样本量未明确	未明确提及	U-Net	PSNR, SNR, 相关系数, RRMSE	NA
7135	2026-01-07	Urban expansion identification and change analysis in Panjin China from 1990 to 2020 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29448-7 PMID:41331411	研究论文	本研究利用深度学习模型和时间-光谱-纹理组合优化方法，分析了盘锦市1990年至2020年的城市扩张动态和空间形态变化	提出了一种新颖的深度学习模型和时间-光谱-纹理组合优化方法，用于识别基于像素的土地覆盖变化轨迹，并利用分段线性回归模型确定城市扩张的时间节点	NA	优化城市空间结构并促进可持续发展，通过动态映射不透水表面变化来分析城市扩张	中国盘锦市（一个资源型城市）的城市扩张过程	计算机视觉	NA	深度学习，时间-光谱-纹理组合优化方法，分段线性回归模型	深度学习模型	遥感图像（时间序列的土地覆盖数据）	盘锦市1990年至2020年的土地覆盖数据	NA	NA	轨迹分类准确率，宏观F1分数，城市扩张时间识别准确率	NA
7136	2026-01-07	UNet with self-adaptive Mamba-like attention and causal-resonance learning for medical image segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28885-8 PMID:41339647	研究论文	本文提出了一种名为SAMA-UNet的新型U形架构，用于医学图像分割，通过引入自适应Mamba类注意力块和因果共振多尺度模块，在效率和准确性之间取得了更好的平衡	提出了两个关键创新：1. 自适应Mamba类聚合注意力块，通过动态注意力权重自适应整合局部和全局特征；2. 因果共振多尺度模块，通过调整特征分辨率和跨尺度的因果依赖关系，改善编码器-解码器交互	未明确提及具体限制，但暗示了现有状态空间序列模型在医学图像分割中的直接应用有限，主要由于与图像结构不兼容和自回归假设	开发一种能够平衡效率与准确性的医学图像分割模型	医学图像分割任务	数字病理学	NA	深度学习	U-Net	图像	使用了多个公开数据集（BTCV、ACDC、EndoVis17、ATLAS23），但未明确说明总样本数量	NA	U-Net, SAMA-UNet	DSC, NSD	NA
7137	2026-01-07	Empowering emotional intelligence through deep learning techniques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29073-4 PMID:41339679	研究论文	本文提出了一种结合多种深度学习模型的多模态情感智能系统，用于增强对人类情感的识别和适应性响应	采用集成深度学习模型（CNN、BERT、RNN、GAN）构建多模态情感智能系统，相比单一模型能更准确地识别和响应情感	未明确说明数据集的样本量、模型泛化能力及在真实世界应用中的潜在挑战	通过深度学习技术提升情感智能，以创建更具同理心和用户导向的AI系统	人类情感（面部表情、文本情绪、时序情感变化）	自然语言处理,计算机视觉,机器学习	NA	深度学习	CNN,BERT,RNN,GAN	图像,文本	Kaggle数据集（包括FER-2013面部表情数据集和标注文本数据）	TensorFlow,Keras,PyTorch	CNN,BERT,RNN,GAN	准确率	NA
7138	2025-12-03	Comparing deep learning CNN method with traditional MRI-based hippocampal segmentation and volumetry for early Alzheimer's disease diagnosis across diverse populations 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29366-8 PMID:41326490	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7139	2026-01-07	How Will AI Shape the Future of Pandemic Response? Early Clues From Data Analytics 2025-Dec, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70103 PMID:40926588	综述	本文回顾了人工智能和数据分析在增强大流行防范、应对和恢复方面的10个关键领域，探讨了其潜力与挑战	系统性地分析了AI在疫情响应中的10个关键应用领域，并强调了其在提升预警系统、实时数据分析和流行病模型方面的创新潜力	实施AI在疫情响应中面临重大的伦理和治理挑战，如隐私、公平性和问责制问题	探讨人工智能和数据分析如何塑造未来大流行响应，以增强防范、应对和恢复能力	大流行（特别是COVID-19）的响应系统、预警机制、资源分配和决策过程	机器学习	NA	数据分析和人工智能技术	机器学习, 深度学习	实时数据、流行病学数据	NA	NA	NA	NA	NA
7140	2026-01-07	A transfer learning-driven fine-tuning of YOLOv10 for improved brain tumor detection in MRI images 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28813-w PMID:41326486	研究论文	本文提出了一种基于YOLOv10的迁移学习微调方法，用于提高MRI图像中脑肿瘤的检测精度	采用迁移学习策略，将预训练于COCO数据集的YOLOv10模型参数微调至脑肿瘤检测任务，显著提升了模型在有限医疗数据下的性能	研究依赖于有限的标记脑肿瘤数据集，可能影响模型在更广泛临床场景中的泛化能力	开发一种自动、高效且精确的脑肿瘤检测系统，以支持计算机辅助诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	NA	NA	YOLOv10	mAP, 精度	NA