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
821	2026-01-30	Deep learning for multitask prediction on thyroid nodule frozen sections 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1676360 PMID:41607540	研究论文	本研究开发了基于深度学习的模型，用于甲状腺结节冰冻切片的术中病理诊断，包括良恶性分类、BRAFV600E基因突变预测和淋巴结转移识别	整合了深度学习和传统影像组学，并探索了弱监督策略在甲状腺冰冻切片中的应用，以减轻对病理学家标注的依赖	淋巴结转移预测模型的性能（AUC 0.671）相对较低，可能受限于数据质量或模型架构	辅助甲状腺结节的术中病理诊断，提高诊断准确性	甲状腺结节冰冻切片的Whole-Slide Images	数字病理学	甲状腺癌	冰冻切片成像	CNN, Transformer	图像	436张Whole-Slide Images	TensorFlow, PyTorch	InceptionV3, ResNet50, ViT	AUC, 准确率	NA
822	2026-01-30	Deep learning-based multimodal approach for non-invasive prediction and prognostic analysis of immune and angiogenic biomarkers in extrahepatic cholangiocarcinoma 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1658122 PMID:41607783	研究论文	本研究开发了一种基于深度学习的多模态框架，整合MRI、临床和实验室数据，用于预测肝外胆管癌患者的PD-L1和VEGF表达，并评估其预后价值	提出了一种结合深度学习特征、放射组学特征及临床实验室特征的多模态深度学习框架，通过重复注意力机制进行整合，用于非侵入性预测免疫和血管生成生物标志物	研究为回顾性队列研究，样本量相对较小（96例患者），且仅涉及两个机构，可能存在选择偏倚	开发非侵入性预测肝外胆管癌患者PD-L1和VEGF表达的方法，并评估其预后价值	肝外胆管癌患者	数字病理学	肝外胆管癌	磁共振成像	深度学习	图像, 临床数据, 实验室数据	96例患者，包含16050张原始MRI图像和1570张含肿瘤图像	NA	NA	AUC	NA
823	2026-01-30	Deep transfer learning and explainable AI framework for autism spectrum disorder detection across multiple datasets 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1617446 PMID:41607838	研究论文	本文提出了一种基于深度神经网络和可解释AI的迁移学习框架，用于跨多个数据集检测自闭症谱系障碍	利用迁移学习框架在三个不同数据集上进行ASD检测，并结合可解释AI技术揭示跨人群的关键分类特征	未明确说明模型在更广泛人群或不同年龄段中的泛化能力，以及数据预处理和特征选择的详细方法	开发一个能够跨数据集有效检测自闭症谱系障碍的深度学习框架	自闭症谱系障碍的筛查数据，涉及来自沙特阿拉伯的幼儿数据集及其他两个ASD数据集	机器学习	自闭症谱系障碍	合成少数类过采样技术	深度神经网络, LSTM, Attention LSTM	筛查数据	涉及三个数据集，具体样本数量未明确说明	未明确说明	深度神经网络	标准评估指标	NA
824	2026-01-30	Correction: Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1768205 PMID:41608033	correction	本文是对先前发表的一篇关于基于深度学习神经网络的V2X通信网络交通预测器的文章进行更正	NA	NA	NA	NA	machine learning	NA	NA	NA	NA	NA	NA	NA	NA	NA
825	2026-01-30	Transformative Impact of Artificial Intelligence on Internal Medicine: Current Applications, Challenges, and Future Horizons for Urban Health 2025, Juntendo medical journal DOI:10.14789/ejmj.JMJ25-0019-R PMID:41608225	综述	本文全面概述了人工智能在内科医学中的扩展作用，重点关注其在城市健康背景下的应用、挑战与未来前景	批判性地审视了包括机器学习、深度学习和大型语言模型在内的关键技术，并探讨了基于电子健康记录的基础模型等新兴创新，特别强调了AI在城市医疗环境中应对资源有限和慢性病负担的变革潜力	许多技术仍处于研究或概念验证阶段，验证通常仅限于回顾性或对照试验环境	探讨人工智能在内科医学中的变革性影响，旨在改善患者预后和公共卫生	内科医学，特别是城市医疗环境中的诊断、治疗和患者管理	机器学习	慢性病	NA	机器学习, 深度学习, 大型语言模型	文本, 心电图, 胸部X光, 听诊数据	NA	NA	NA	NA	NA
826	2026-01-30	Applications and prospects of artificial intelligence in the auxiliary diagnosis of pediatric pulmonary tuberculosis 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1738926 PMID:41608688	综述	本文系统回顾了人工智能在儿童肺结核辅助诊断中的研究与应用现状，并探讨了未来的发展路径	聚焦于儿童肺结核这一研究不足的领域，提出构建跨机构多中心协作数据集和开展以临床疗效为中心的可解释性人工智能验证的未来方向	受限于儿童高质量数据稀缺、模型可解释性不足、缺乏外部验证以及临床转化路径不明确等瓶颈	探索人工智能在儿童肺结核“预防-诊断-治疗-管理”全链条管理中的应用发展路径	儿童肺结核	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
827	2026-01-30	Inferring Taxonomic Affinities and Genetic Distances Using Morphological Features Extracted from Specimen Images: A Case Study with a Bivalve Data Set 2024-11-29, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae042 PMID:39046773	研究论文	本研究探索使用深度学习从双壳类标本图像中推断分类学亲缘关系和遗传距离	结合监督分类和无监督相似性学习，利用图像数据推断生物关系，为缺乏分子数据的物种提供新方法	基于观察到的相关性进行细粒度重建（如姐妹类群关系）需要进一步工作	从标本图像中推断生物的分类学亲缘关系和遗传距离	双壳类（Bivalvia）标本图像，涵盖4144个物种、74个科	计算机视觉	NA	深度学习	CNN	图像	4144个物种的图像数据集	NA	NA	准确率	NA
828	2026-01-30	Toward a Semi-Supervised Learning Approach to Phylogenetic Estimation 2024-10-30, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae029 PMID:38916476	研究论文	本文提出了一种结合随机模拟和深度学习的新方法，用于推断分子进化参数，无需已知系统发育树	开发了一种监督深度学习模型，直接分析多序列比对，估计位点特异性进化速率和分歧度，无需依赖已知系统发育树，并在复杂速率变异模式下超越了传统基于似然的方法	未明确说明模型在极端进化场景或非标准数据格式下的泛化能力，且依赖于模拟数据进行训练	改进系统发育推断，通过更灵活的速率变异模型提高参数估计和树重建的准确性	分子进化参数，包括位点特异性进化速率和序列分歧度	机器学习	NA	随机模拟，深度学习	深度学习模型	多序列比对数据	包含2600万核苷酸的小丑鱼支系数据集	NA	NA	准确性，分支长度估计精度	NA
829	2026-01-30	Deep Deblurring in Teledermatology: Deep Learning Models Restore the Accuracy of Blurry Images' Classification 2024-09, Telemedicine journal and e-health : the official journal of the American Telemedicine Association DOI:10.1089/tmj.2023.0703 PMID:38934135	研究论文	本研究评估了深度学习去模糊模型在远程皮肤病学中恢复模糊图像诊断准确性的能力	首次系统评估了多种去模糊模型对皮肤病诊断模型性能的恢复效果，并比较了模型预测与皮肤科医生主观清晰度评分	研究使用的模糊图像数据集相对较小（54张公共数据集图像和53张医疗中心咨询照片），可能限制了结果的普适性	确定深度学习模型对模糊图像进行去模糊处理后，诊断准确性能够恢复的程度	皮肤病图像，包括23种皮肤病类别	计算机视觉	皮肤病	深度学习图像处理	深度学习模型	图像	19,191张皮肤图像（公共数据集）+ 54张模糊皮肤图像（公共数据集）+ 53张模糊皮肤病咨询照片（医疗中心）	NA	NA	灵敏度, 精确度, 清晰度评分（4点量表）	NA
830	2026-01-30	Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong 2024-05-27, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad074 PMID:38189575	研究论文	本文比较了基于深度学习的无似然推理方法与基于似然的贝叶斯推理方法在病毒系统地理学中的应用，发现两者在准确性和鲁棒性上表现相当，但深度学习方法在推理速度上快三个数量级	将深度学习无似然推理方法扩展到病毒系统地理学中，并与传统贝叶斯方法进行系统性比较，同时引入保形化分位数回归进行不确定性量化，展示了深度学习在模拟数据训练下能准确模拟生成模型的统计特性	研究基于模拟数据训练，可能受限于模拟模型的复杂性；在真实数据应用中仅测试了欧洲SARS-Cov-2案例，泛化能力需进一步验证；不确定性量化的精度较低（更保守）	比较深度学习无似然推理与基于似然的贝叶斯推理在病毒系统地理学中的性能，评估模型错误指定下的鲁棒性，并开发快速推理方法以支持疫情实时决策	病毒传播的系统发育树，特别是涉及5个地理位置的模拟疫情数据以及欧洲SARS-Cov-2疫情的真实数据	机器学习	NA	系统发育分析，模拟疫情数据生成	深度神经网络	系统发育树（树结构数据）	使用模拟疫情生成的系统发育树进行训练和测试，并应用了欧洲SARS-Cov-2疫情的真实数据	NA	深度神经网络（具体架构未指定）	准确性，鲁棒性，偏差，不确定性量化（与贝叶斯最高后验密度比较），推理速度	NA
831	2026-01-30	Deep learning reveals disease-specific signatures of white matter pathology in tauopathies 2021-10-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-021-01271-x PMID:34674762	研究论文	本研究利用深度学习技术，从三种tau蛋白病（阿尔茨海默病、进行性核上性麻痹和皮质基底节变性）的脑组织切片中，识别出白质tau蛋白聚集体的疾病特异性形态学特征	首次采用数据驱动的机器学习方法，系统性地揭示了tau蛋白病中白质病理的疾病特异性形态学签名，挑战了传统神经病理学以皮质为中心的视角	样本量相对较小（49例），且仅分析了三种tau蛋白病，未来需要更大规模的研究来验证和扩展这些发现	识别tau蛋白病中白质tau蛋白聚集体的疾病特异性形态特征，以改进疾病分类和诊断	人类尸检脑组织（来自阿尔茨海默病、进行性核上性麻痹和皮质基底节变性患者）	数字病理学	tau蛋白病（包括阿尔茨海默病、进行性核上性麻痹、皮质基底节变性）	tau免疫染色、全切片成像	深度学习模型	图像（全切片病理图像）	49例人类尸检脑组织（16例阿尔茨海默病、13例皮质基底节变性、20例进行性核上性麻痹）	NA	NA	疾病分类准确性	NA
832	2026-01-29	Real-time vehicle control via edge cloud sensor fusion and CNN based perceptron 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103779 PMID:41583916	研究论文	本研究开发了一种混合边缘-云方法，通过集成深度学习和物联网传感器融合，实现自适应实时车辆控制	提出了一种结合深度学习与物联网传感器融合的混合边缘-云架构，用于自适应车辆控制，并在低成本边缘设备上验证了深度学习部署的可行性	研究在模拟的恶劣驾驶场景下进行评估，可能未完全覆盖所有真实世界的复杂情况	开发一种可靠、自适应的实时车辆控制系统，用于智能交通系统	车辆控制系统	机器视觉	NA	物联网传感器融合	CNN	超声波测距数据	NA	NA	CNN	R², 均方误差	Jetson Nano, Raspberry Pi
833	2026-01-29	A survey on neuro-mimetic deep learning via predictive coding 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108161 PMID:41161207	综述	本文综述了基于预测编码理论的神经拟态深度学习算法的最新研究进展	系统梳理了预测编码理论在机器学习领域的跨学科应用，为生物可解释性AI算法提供了新的研究方向	作为综述文章，未提出新的原创算法，主要进行现有研究的归纳分析	探索具有生物合理性的深度学习算法替代反向传播	预测编码理论及其在机器学习中的应用	机器学习	NA	NA	深度神经网络	NA	NA	NA	NA	NA	NA
834	2026-01-29	DNUNet: A lightweight adaptive medical image segmentation network based on dual-path multilevel interactive convolution and norm sparse fusion module 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108230 PMID:41172804	研究论文	提出了一种名为DNUNet的轻量级自适应医学图像分割网络，旨在平衡模型性能与计算成本	创新性地结合了大核卷积、双路径多级结构和特征稀疏化策略，并设计了双路径多级交互卷积模块和自适应范数稀疏融合模块，以更少的参数增强特征提取与融合能力	未在摘要中明确提及	开发一种高效、轻量级的医学图像分割模型，以适应便携式医疗设备和实时分割的临床部署需求	医学图像	数字病理	NA	深度学习	CNN	图像	NA	NA	DNUNet	NA	NA
835	2026-01-29	CNNCaps-DBP: Leveraging protein language models with attention-augmented convolution for DNA-binding protein prediction 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108261 PMID:41172803	研究论文	提出一种名为CNNCaps-DBP的新型深度学习方法，用于从蛋白质一级序列信息中准确预测DNA结合蛋白	结合预训练蛋白质语言模型ESM C，并通过注意力增强卷积模块增强嵌入表示，再采用胶囊网络与MLP的混合深度学习框架构建最终预测模型	未明确说明模型在特定蛋白质家族或结构类别上的泛化能力限制	开发精确高效的DNA结合蛋白计算预测框架	DNA结合蛋白	自然语言处理, 机器学习	神经退行性疾病, 癌症	蛋白质语言模型, 深度学习	CNN, Capsule Network, MLP	蛋白质序列	NA	PyTorch	注意力增强卷积模块, Capsule Network, MLP	准确率, 精确率, 召回率, F1分数, AUC	NA
836	2026-01-29	LCMF-Net: A lightweight collaborative multimodal fusion network for brain tumor segmentation 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108257 PMID:41197263	研究论文	本文提出了一种轻量级协同多模态融合网络（LCMF-Net），用于脑肿瘤分割	提出了跨模态与跨切片注意力模块（CMCSA）和基于状态空间模型的融合模块（SSM-Fusion），在保证高精度的同时显著降低了计算成本	未在文中明确说明	开发一种高精度、高效率的脑肿瘤自动分割方法	多模态MRI序列（T1, T2, T1ce, FLAIR）中的脑肿瘤	数字病理学	脑肿瘤	MRI	深度学习网络	医学图像（MRI）	未在摘要中明确说明	未在摘要中明确说明	LCMF-Net（包含CMCSA模块、SSM-Fusion模块、改进的残差初始块RIB）	分割精度	未在摘要中明确说明
837	2026-01-29	Shallow and ensemble deep randomized neural network for anomaly detection 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108240 PMID:41202707	研究论文	本文提出了一种用于异常检测的集成深度随机向量函数链接网络，结合了深度学习和集成学习原理	提出了OC-RVFL和OC-edRVFL两种新模型，通过融合线性和非线性特征以及多层输出结构，提高了异常检测的泛化能力和稳定性	OC-RVFL的单隐藏层结构限制了其捕捉复杂模式的能力	提升异常检测或单类分类的泛化能力和效率	异常检测模型	机器学习	NA	NA	随机向量函数链接网络, 集成学习模型	人工数据集, UCI数据集, NDC数据集, MNIST图像数据集	高达500万个样本的数据集	NA	OC-RVFL, OC-edRVFL	泛化误差上界	NA
838	2026-01-29	AdaptiveWordBug: Generating adversarial texts with an adaptive scoring strategy against deep learning classifiers 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108262 PMID:41205356	研究论文	提出了一种名为AdaptiveWordBug的黑盒对抗文本生成方法，用于文本分类任务，通过自适应评分策略增强攻击效果	引入自适应评分策略（ASS），结合三种模型依赖和一种模型独立的评分方法，并自动调整参数，以更全面准确地识别重要单词	NA	针对深度学习分类器生成对抗性文本，以促进后续防御措施的设计	中文文本分类数据集	自然语言处理	NA	NA	BERT, ChatGPT	文本	NA	NA	NA	攻击效果	NA
839	2026-01-29	MIEF-Net: multimodal image-enhanced fusion network for intelligent fall risk prediction 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108260 PMID:41213202	研究论文	本文提出了一种新颖的图像增强双流深度学习框架，用于通过IMU步态分析预测老年人跌倒风险	创新性地将原始IMU信号转换为GAF、频谱图和MTF图像，融合时空表征，并采用基于Transformer的多头注意力机制进行自适应模态融合	NA	通过可穿戴传感器多模态融合提高跌倒风险预测准确性，推进预防性老年护理	老年人的步态数据	机器学习	老年疾病	IMU步态分析	RNN, CNN, Transformer	图像	NA	NA	双流网络	准确率, 灵敏度, F1分数	NA
840	2026-01-29	RL-I2IT: Image-to-image translation with deep reinforcement learning 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108264 PMID:41218403	研究论文	本文提出了一种基于深度强化学习的图像到图像翻译框架RL-I2IT，通过迭代决策过程逐步转换图像	将图像到图像翻译重新定义为迭代决策问题，引入元策略和“概念计划”来处理高维连续状态和动作空间	未明确说明具体任务中的性能上限或计算效率的量化比较	开发一种计算高效的图像到图像翻译方法，以应对高维连续动作空间的挑战	图像数据	计算机视觉	NA	深度强化学习	Actor-Critic模型	图像	NA	NA	NA	NA	NA