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
7581	2026-01-01	Interpretable deep learning for dynamic rainfall-runoff prediction: Integrating adaptive signal decomposition and spatiotemporal feature extraction 2025-Dec-29, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128444 PMID:41468612	研究论文	本研究提出了一种结合自适应信号分解和时空特征提取的降雨径流预测模型，以提高预测精度和可解释性	创新点包括应用自适应粒子群优化变分模态分解算法进行多尺度分解和去噪，以及采用时空注意力机制动态探索降雨径流数据的时空依赖关系，并通过注意力权重可视化增强模型可解释性	未明确提及具体局限性，如模型泛化能力或计算复杂度	提高降雨径流预测的准确性，并增强模型对复杂非线性时空数据的建模和预测能力	降雨径流数据，特别是具有非线性和非平稳特性的时间序列	机器学习	NA	自适应粒子群优化变分模态分解算法，时空注意力机制	门控循环单元	时间序列数据	NA	NA	NA	纳什效率系数, 均方根误差, 平均绝对误差, 相关系数	NA
7582	2026-01-01	[Image classification of osteoarthritis based on improved shifted windows transformer and graph convolutional networks] 2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504039 PMID:41448761	研究论文	本文提出了一种基于改进的Swin Transformer和图卷积网络的骨关节炎自动诊断方法	设计了移位窗口水平注意力机制以增强水平方向特征提取能力，并引入了中心注意力图SAGE模块通过动态注意力机制对病灶区域特征信息进行加权聚合，同时利用跨层连接技术实现多层特征的高效融合	NA	提高骨关节炎早期诊断的准确性	骨关节炎的X射线图像	计算机视觉	骨关节炎	X射线成像	Transformer, 图卷积网络	图像	NA	NA	改进的Swin Transformer, 图SAGE	准确率, 召回率, 精确率, F1分数, AUC	NA
7583	2026-01-01	[Research progress on quantitative magnetic susceptibility imaging reconstruction method based on improved U-network model] 2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202412074 PMID:41448772	综述	本文总结了2020年至今基于改进U-Net架构在定量磁化率成像（QSM）偶极子反演中的应用进展	将基于U-Net架构的改进模型系统分为三类：基于结构优化、物理约束和泛化能力提升的改进U-Net，并梳理了其设计出发点	NA	通过总结和比较不同改进U-Net模型，解决偶极子反演的困难与挑战，提高QSM图像准确性，为疾病辅助诊断提供支持	定量磁化率成像（QSM）的偶极子反演过程	计算机视觉	NA	磁共振成像（MRI）相位信号处理与反演	U-Net	图像	NA	NA	U-Net	NA	NA
7584	2026-01-01	[Review of application of U-Net and Transformer in colon polyp image segmentation] 2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202405039 PMID:41448773	综述	本文综述了U-Net和Transformer在结肠息肉图像分割中的应用，包括常用评估指标、数据集、模型改进方法及未来研究方向	系统性地回顾了基于U-Net、Transformer及其混合方法在结肠息肉分割领域的应用，并总结了算法的改进方法、优势与局限性	NA	探讨深度学习技术在结肠息肉图像分割中的应用，以辅助临床诊断	结肠息肉图像	计算机视觉	结直肠癌	深度学习	CNN, Transformer	图像	NA	NA	U-Net, Transformer	NA	NA
7585	2026-01-01	Learning to learn ecosystems from limited data 2025-Dec-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2525347122 PMID:41405860	研究论文	本文提出了一种基于元学习的框架，利用时间延迟前馈神经网络从有限数据中预测生态系统的长期行为	通过元学习框架，结合非生态非线性动力系统的合成数据，显著减少对生态系统观测数据的需求，提高预测准确性和鲁棒性	未明确说明框架在极端或高度非线性生态系统中的泛化能力，且对真实世界数据的适用性仍需进一步验证	开发数据驱动方法，解决生态系统状态估计和预测中数据稀缺的挑战	生态系统，包括基准种群模型（如Hastings-Powell模型、Lotka-Volterra系统）和真实世界生态数据集（微生物时间序列数据集、全球种群动态数据库）	机器学习	NA	元学习、时间延迟前馈神经网络	神经网络	时间序列数据	未明确具体样本数量，但涉及三个基准种群模型和两个真实世界数据集	未指定	时间延迟前馈神经网络	准确性、鲁棒性	NA
7586	2026-01-01	Deep learning enables accurate diagnosis of acute cholecystitis and prediction of suppuration using noncontrast CT 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114180 PMID:41458913	研究论文	本研究开发了一种基于腹部非增强CT的深度学习模型，用于诊断急性胆囊炎并预测其进展为急性化脓性胆囊炎	首次利用深度学习从非增强CT中准确诊断急性胆囊炎并预测化脓性进展，模型性能超越传统放射组学模型和放射科医生评估	研究为回顾性分析，可能存在选择偏倚；外部验证样本量相对较小	开发一种高效的深度学习系统，以支持时间敏感的临床工作流程，实现急性胆囊炎及其化脓性进展的准确诊断	来自三个医疗中心的641名患者的腹部非增强CT图像	计算机视觉	胆囊炎	非增强CT成像	深度学习模型	医学图像	641名患者	NA	NA	准确率	NA
7587	2026-01-01	Continuous tobacco smoking increases mortality in diffuse large B-cell lymphoma but not follicular lymphoma, a Finnish population-based study 2025-Dec-17, Acta oncologica (Stockholm, Sweden) DOI:10.2340/1651-226X.2025.44776 PMID:41408704	研究论文	本研究探讨了持续吸烟对弥漫性大B细胞淋巴瘤和滤泡性淋巴瘤患者死亡率的影响	利用深度学习自然语言处理算法提取吸烟状态，并在利妥昔单抗时代评估吸烟与淋巴瘤预后的关联	研究基于芬兰两个大学医院的数据，可能无法完全推广到其他人群或地区	评估吸烟状态对B细胞淋巴瘤患者生存结局的影响	弥漫性大B细胞淋巴瘤和滤泡性淋巴瘤患者	自然语言处理	淋巴瘤	深度学习自然语言处理算法	NA	电子病历文本数据	DLBCL患者1258人，FL患者529人	NA	NA	总生存率，风险比	NA
7588	2026-01-01	The reliability of remote photoplethysmography under low illumination and elevated heart rates 2025-Dec-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02192-y PMID:41339699	研究论文	本研究系统评估了远程光电容积描记术（rPPG）在低光照和高心率条件下的可靠性，并引入新的CHILL数据集进行验证	引入了包含不同光照条件和运动诱发心率范围的CHILL数据集，首次系统揭示了现有rPPG方法在高心率条件下的性能显著下降问题	研究样本量相对有限（45名参与者），且仅针对特定挑战条件进行评估，未涵盖所有可能影响rPPG性能的环境因素	评估远程光电容积描记术在真实世界数字健康环境中的可靠性和鲁棒性	远程光电容积描记术算法在低光照和高心率条件下的性能表现	数字健康	心血管疾病	远程光电容积描记术	信号处理方法,深度学习模型	视频,PPG信号	45名参与者在两种光照条件和运动诱发心率条件下的数据	NA	NA	NA	NA
7589	2026-01-01	ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction 2025-Dec, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3573581 PMID:40418608	研究论文	本文提出并评估了一种名为ECG-SMART-NET的深度学习架构，用于精确诊断闭塞性心肌梗死	提出了一种临床信息引导的ResNet-18架构改进，通过先学习时间特征再学习空间特征的方式，更好地捕捉ECG信号中的时间和空间信息	未明确提及研究的局限性	开发并评估一种深度学习架构，用于从12导联心电图识别闭塞性心肌梗死	闭塞性心肌梗死患者的心电图数据	数字病理学	心血管疾病	心电图	CNN	图像	来自7,397名独特患者的10,393份心电图	NA	ResNet-18, ECG-SMART-NET	AUC	NA
7590	2026-01-01	Zero-shot deep learning for the annotation of unknown eDNA sequences using co-occurrences and phylogenetic embeddings 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013776 PMID:41417866	研究论文	本文提出一种零样本深度学习方法来注释未知环境DNA序列，结合物种共现数据和系统发育嵌入以提高分类注释的准确性	利用系统发育嵌入和物种共现数据，通过人工神经网络直接从原始序列预测未见物种，无需依赖完整参考数据库	方法在测试案例中对未见物种的正确预测率约为24%，仍有提升空间，且可能受数据质量和覆盖范围影响	开发自动化且改进的环境DNA序列分类注释方法，以应对大规模生物多样性监测中的数据处理挑战	环境DNA序列及其相关的物种参考数据库、物种共现数据和系统发育信息	机器学习	NA	环境DNA宏条形码技术	人工神经网络	DNA序列数据	超过31,000种可能性物种的测试案例	NA	人工神经网络	正确预测率	NA
7591	2026-01-01	A novel computational analysis integrating social determinants information from EHR and literature with Alzheimer's disease biological knowledge through large language models and knowledge graphs 2025-Dec, Innovation in aging IF:4.9Q1 DOI:10.1093/geroni/igaf102 PMID:41458885	研究论文	本研究利用大语言模型和知识图谱整合电子健康记录与文献中的社会决定因素信息，结合阿尔茨海默病的生物学知识，通过图深度学习进行链接预测分析	首次将社会决定因素信息通过大语言模型和知识图谱整合到阿尔茨海默病的生物学研究中，并利用图深度学习进行链接预测，揭示了社会因素与生物因素之间的潜在相互作用	研究主要基于现有文献和电子健康记录数据，可能受数据质量和覆盖范围的限制，且验证依赖于单细胞RNA-seq和蛋白质组学数据，需进一步实验验证	探索社会决定因素对阿尔茨海默病风险的影响，并整合社会与生物学知识以提升疾病预测和干预策略	阿尔茨海默病及相关痴呆症患者的社会决定因素和生物学数据	自然语言处理, 机器学习	阿尔茨海默病	单细胞RNA-seq, 蛋白质组学	图深度学习	文本, 结构化数据	NA	NA	NA	准确率	NA
7592	2026-01-01	Prediction of chronic obstructive pulmonary disease based on multimodal data and deep learning 2025-Dec, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0289414 PMID:41459345	研究论文	提出一种基于深度学习的多模态动态融合网络（MMDF-Net），用于整合胸部CT图像、肺功能指标和环境暴露数据，以提升慢性阻塞性肺疾病的早期预测性能	提出多模态动态融合网络，通过双塔跨模态对比学习模块对齐图像与非图像特征，使用条件生成对抗网络生成高保真环境暴露数据，并采用动态门控融合机制根据患者属性自适应调整多模态权重	未明确说明模型在其他独立数据集上的泛化能力验证情况，也未讨论计算复杂度或临床部署可行性	解决慢性阻塞性肺疾病早期预测中多模态信息利用不足、模态异质性和数据缺失导致的模型泛化能力差的问题	慢性阻塞性肺疾病患者的多模态医疗数据	数字病理学	慢性阻塞性肺疾病	胸部CT成像、肺功能检测、环境暴露数据采集	深度学习, 生成对抗网络	图像, 结构化数据	COPD Gene数据集（具体样本量未说明）	未明确说明	双塔跨模态对比学习模块, 条件生成对抗网络, 动态门控融合机制	AUC, 敏感性, 特异性	未明确说明
7593	2026-01-01	AI in drug repurposing for cancer therapies 2025-Nov, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003893 PMID:41180633	评论	本文探讨了人工智能在癌症治疗药物再利用中的变革潜力，包括其方法、成功案例及面临的挑战	强调了AI（特别是机器学习和深度学习）在快速识别现有药物抗癌潜力方面的创新应用，为传统药物开发提供了成本效益高且省时的替代方案	讨论了AI整合到药物再利用中面临的挑战和伦理考虑，包括需要稳健的验证和监管监督以确保患者安全和疗效	研究人工智能在癌症治疗药物再利用领域的应用潜力	现有药物及其潜在的抗癌特性	机器学习	癌症	机器学习（ML），深度学习（DL）	NA	大规模数据集	NA	NA	NA	NA	NA
7594	2026-01-01	Artificial intelligence in genomics: transforming the diagnosis of hereditary spastic paraplegia 2025-Nov, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003882 PMID:41180748	综述	本文综述了人工智能在基因组学中的应用，特别是如何改变遗传性痉挛性截瘫的诊断	整合了AI驱动的基因组学工具，如Dynamicasome结合分子动力学模拟与深度学习，以捕捉超越序列保守性的结构破坏，并利用SpliceAI和Exomiser等工具改进剪接预测和表型驱动的变异优先排序	未提及具体研究中的样本量限制或数据偏差	探讨人工智能如何加速遗传性痉挛性截瘫的分子诊断和临床管理	遗传性痉挛性截瘫患者及其基因组数据	基因组学	遗传性痉挛性截瘫	下一代测序	深度学习	基因组序列数据	NA	NA	NA	临床级准确性	NVIDIA Parabricks, Illumina DRAGEN
7595	2026-01-01	Proformer: a multimodal proteomics transformer model for multidisease early risk assessment 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf686 PMID:41454831	研究论文	本文提出了一种名为Proformer的多模态蛋白质组学Transformer模型，用于评估20种常见慢性疾病的多疾病早期风险	首次开发了一种能够整合蛋白质表达、序列和功能信息的多模态Transformer模型，用于从单一测量中提供多疾病风险预测，超越了现有疾病特异性工具	模型训练依赖于英国生物银行的数据，可能在其他人群中的泛化能力有限，且未详细讨论模型的可解释性或临床部署的可行性	开发一种基于蛋白质组学数据的多疾病早期风险评估工具，以改善慢性疾病的预防和干预策略	来自英国生物银行的47,124名个体的真实蛋白质组学数据，用于评估20种常见慢性疾病的风险	机器学习	慢性疾病	蛋白质组学	Transformer	蛋白质表达、序列和功能信息	47,124名个体	NA	Transformer	10年判别性能	NA
7596	2026-01-01	Harnessing Artificial Intelligence for Precision Cardiovascular Medicine 2025-Nov, Cureus DOI:10.7759/cureus.97837 PMID:41458747	综述	本文探讨了人工智能在心血管医学中的应用，特别是其在提高诊断精度、效率和早期识别心脏疾病方面的作用	综述了AI在心血管医学中的多种应用，包括ECG、超声心动图和心脏成像的AI驱动诊断工具，以及非侵入性AI工具如HeartFlow在治疗规划中的作用	AI系统需要访问敏感患者数据，引发隐私、数据安全和伦理监督的担忧，可能削弱公众信任	评估人工智能在心血管医学中的诊断能力和临床应用，以改善患者预后和临床决策	心脏疾病，特别是冠状动脉疾病和心脏自主神经功能障碍	机器学习	心血管疾病	NA	支持向量机, 深度学习, 人工神经网络	心电图数据, 心脏CT图像, 超声心动图, 心脏成像	NA	NA	NA	NA	NA
7597	2026-01-01	Deep learning-based autonomous weld quality inspection in battery pack manufacturing using a two-stage model 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251409224 PMID:41442326	研究论文	本研究提出了一种基于深度学习的两阶段模型，用于电池包制造中的激光焊缝质量自主检测	提出了一种两阶段深度学习框架，即使在缺陷数据稀缺的情况下也能保持有效；第一阶段使用仅基于正常数据训练的CNN自编码器，并引入了一种新颖的损失函数来捕捉分布特征；第二阶段利用第一阶段的编码器和瓶颈层作为共享骨干网络进行多类缺陷分类	未明确说明模型在更广泛工业环境或不同焊接工艺中的泛化能力	开发一种自动化、智能化的焊缝质量检测解决方案，以替代传统人工检测方法	电池包制造中的激光焊缝	计算机视觉	NA	激光焊接	CNN, 自编码器	图像	来自实际工业环境的高质量数据集（具体数量未说明）	NA	自编码器	准确率, F1分数	NA
7598	2026-01-01	Can AI find the cavities in caries prediction and diagnosis? 2025-Sep, Evidence-based dentistry DOI:10.1038/s41432-025-01181-0 PMID:40715738	评论	本文是对一篇关于人工智能在早期儿童龋齿检测和预测中应用的系统综述和荟萃分析的评论	评论了人工智能在早期儿童龋齿检测和预测中的最新进展，并强调了深度学习算法的潜力	评论本身未进行原始研究，依赖于所评论综述的数据和方法，可能受限于原综述的纳入标准和数据质量	评估人工智能在早期儿童龋齿检测和预测中的应用效果和潜力	早期儿童龋齿	机器学习	龋齿	NA	机器学习, 深度学习, 神经网络	NA	21项研究	NA	NA	准确率, 灵敏度, 特异性, 汇总接收者操作特征曲线	NA
7599	2026-01-01	Fusing Tool Segmentation Predictions from Pose-Informed Morphological Polar Transform of Endoscopic Images 2025-Aug, IEEE International Conference on Automation Science and Engineering (CASE) : [proceedings]. IEEE Conference on Automation Science and Engineering DOI:10.1109/case58245.2025.11164078 PMID:41458100	研究论文	本文提出并评估了融合语义图像分割预测的方法，重点介绍了一种结合空间频率和边缘特征的新型混合方法	提出了一种基于低层特征融合灰度分割预测的混合方法，包括梯度估计、拉普拉斯金字塔和改进的空间频率方法，并探索了通过无监督聚类和ResNet-18模型进行可解释性分析	未提及具体的数据集规模限制或计算资源需求，可能缺乏大规模验证	通过融合两种基于形态学极坐标变换的分割预测，生成更优的手术工具分割结果，以支持机器人辅助微创手术中的视觉力估计	鼻窦手术中的内窥镜图像，特别是手术工具的分割	计算机视觉	NA	形态学极坐标变换，深度学习分割	CNN	图像	NA	NA	U-Net, ResNet-18	NA	NA
7600	2026-01-01	Automated identification of autism spectrum disorder from facial images using explainable deep learning models 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11847-5 PMID:40695996	研究论文	本研究提出了一种基于可解释深度学习模型的自动化自闭症谱系障碍面部图像识别框架	整合了多种预训练CNN模型、数据增强技术和可解释AI方法（如LIME），在提升准确率的同时增强了模型的可解释性	未明确说明模型在不同人群和临床环境中的泛化能力，以及数据集的多样性限制	开发自动化、高效且可解释的自闭症谱系障碍早期检测方法	自闭症谱系障碍患者的面部图像	计算机视觉	自闭症谱系障碍	面部图像分析	CNN	图像	NA	TensorFlow, Keras	VGG16, VGG19, InceptionV3, VGGFace, MobileNet	准确率	NA