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
8841	2026-01-02	Cognitive embodied learning for anomaly active target tracking 2025-Nov-27, Communications engineering DOI:10.1038/s44172-025-00556-6 PMID:41310085	研究论文	本文提出了一种受人类大脑双决策系统启发的认知具身学习方法，用于解决复杂物理场景中的异常主动目标跟踪问题	提出了一种新颖的认知具身学习方法，该方法能动态切换正常跟踪与异常处理模式，并引入了分类目标函数来解决严重异常导致的函数不可测性和数据混淆问题	未在摘要中明确说明	解决复杂物理场景中主动目标跟踪的鲁棒性和准确性问题	无人机异常主动目标跟踪	机器视觉	NA	具身智能、强化学习、深度学习	NA	模拟场景数据、真实世界场景数据	NA	NA	NA	成功率、任务完成效率	NA
8842	2026-01-02	A clinically validated AI framework for kidney cancer detection and characterization 2025-Nov-27, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01264-0 PMID:41310187	研究论文	本文介绍了一种名为BMVision的深度学习工具，用于检测和表征肾癌，并通过临床验证评估其性能	BMVision是首个经过临床验证的商业化AI工具，用于肾癌检测和表征，能显著提高放射科医生的工作效率和诊断一致性	研究为回顾性设计，可能未完全反映实际临床环境中的表现	开发并验证一个AI工具，以辅助放射科医生提高肾癌诊断的准确性和效率	肾细胞癌的对比增强计算机断层扫描图像	计算机视觉	肾癌	对比增强计算机断层扫描	深度学习	图像	200份扫描图像	NA	NA	诊断敏感性、病变测量、报告效率、放射科医生间一致性	NA
8843	2026-01-02	A deep learning-based multiscale integration of spatial omics with tumor morphology 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66691-y PMID:41310346	研究论文	本文提出了一种基于深度学习的多尺度集成方法MISO，用于从H&E染色组织切片预测空间转录组学数据	开发了MISO方法，首次实现从常规H&E切片预测高分辨率空间基因表达，达到近单细胞水平	方法依赖于现有数据集，未来需在更多癌症类型和更大样本中验证	整合空间转录组学与肿瘤形态学，实现从H&E切片预测基因表达	肿瘤组织样本，包括72个10X Genomics Visium样本和348个MOSAIC联盟样本	数字病理学	肿瘤	空间转录组学，H&E染色	深度学习模型	图像，基因表达数据	420个样本（72个验证样本+348个测试样本）	NA	NA	NA	NA
8844	2026-01-02	Expediting hit-to-lead progression in drug discovery through reaction prediction and multi-dimensional optimization 2025-Nov-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66324-4 PMID:41290653	研究论文	本研究展示了一种集成药物化学工作流程，通过反应预测和多维优化加速药物发现中的命中到先导优化阶段	结合微型化高通量实验与深度学习及分子性质优化，显著缩短命中到先导的周期时间	NA	加速药物发现中的命中到先导优化阶段	单酰基甘油脂肪酶（MAGL）抑制剂候选分子	机器学习	NA	高通量实验（HTE），Minisci型C-H烷基化反应	图神经网络	化学反应数据	13,490个新颖的Minisci型C-H烷基化反应	NA	深度图神经网络	NA	NA
8845	2026-01-02	Deep learning model outperforms traditional models in clinical data-based prognostic prediction for adult-type diffuse glioma 2025-Nov-26, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04123-5 PMID:41296239	研究论文	本研究系统比较了传统统计方法与机器学习方法在成人型弥漫性胶质瘤生存预测中的表现，发现深度学习模型DeepSurv在性能与稳定性上优于传统模型	首次在成人型弥漫性胶质瘤预后预测中系统比较了传统统计模型与深度学习模型，并公开了模型包	基于回顾性真实世界数据，存在异质性和部分数据缺失	比较不同方法在成人型弥漫性胶质瘤生存预测中的性能、可解释性和临床适用性	成人型弥漫性胶质瘤患者	机器学习	胶质瘤	NA	Cox Proportional Hazards, Random Survival Forest, Neural Multi Task Logistic Regression, DeepSurv	临床数据	两个公共数据集和一个私人回顾性队列	NA	DeepSurv	生存预测性能、稳定性	NA
8846	2026-01-02	Deep learning-extracted high-resolution dataset of rural courtyards and rooftops in northern China 2025-Nov-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06260-6 PMID:41290723	研究论文	本研究利用深度学习技术从亚米级遥感影像中提取了中国北方农村地区庭院和屋顶的高分辨率空间数据集	首次通过深度学习自动化方法生成了农村宅基地庭院边界和屋顶足迹的精细尺度数据集，填补了微观尺度农村数据的空白	未明确说明模型在更广泛地理区域或不同季节条件下的泛化能力	分析农村聚落结构以支持可持续农村发展、资源管理和环境规划	中国北方代表性地区的农村家庭庭院和建筑屋顶	计算机视觉	NA	亚米级遥感影像	CNN	图像	NA	NA	NA	准确性	NA
8847	2026-01-02	Interpretable multimodal MRI radiomics for predicting neoadjuvant chemotherapy response in nasopharyngeal carcinoma 2025-Nov-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02071-8 PMID:41291491	研究论文	本研究探讨了多模态MRI影像组学模型在预测鼻咽癌新辅助化疗反应中的价值，并比较了机器学习和深度学习模型的性能差异	结合DCE-MRI特征的多模态MRI影像组学深度学习模型，通过SHAP分析增强模型可解释性，在预测鼻咽癌新辅助化疗反应中表现出优越性能	回顾性研究设计，样本量有限（370例患者），且仅部分患者（126例）进行了DCE-MRI检查	预测鼻咽癌患者对新辅助化疗的反应	鼻咽癌患者	数字病理学	鼻咽癌	多模态MRI（包括T1WI、PDWI、CE-T1WI和DCE-MRI）	机器学习模型（逻辑回归、支持向量机、随机森林、极端梯度提升）和深度学习模型（多层感知机）	MRI图像	370例鼻咽癌患者，其中126例进行了DCE-MRI检查	Scikit-learn, TensorFlow或PyTorch（具体未明确说明）	多层感知机	AUC, 敏感性, 特异性	NA
8848	2026-01-02	OMetaNet: an efficient hybrid deep learning model based on multimodal data fusion and contrastive learning for predicting 2'-O-methylation sites in human RNA 2025-Nov-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06324-9 PMID:41286599	研究论文	本文提出了一种基于多模态数据融合和对比学习的混合深度学习模型OMetaNet，用于预测人类RNA中的2'-O-甲基化位点	构建了低冗余数据集，创新性地提出了KN-PairMatrix编码方案，并开发了集成残差和降采样优化CNN模块、Mamba网络及专有跨模态交互融合模块的深度学习框架，采用对比学习驱动的自适应混合损失函数和渐进特征解缠策略	未在摘要中明确提及	准确识别RNA 2'-O-甲基化位点，以深入理解RNA调控机制	人类RNA中的2'-O-甲基化位点	机器学习	NA	KN-PairMatrix编码方案	CNN, Mamba网络	多模态数据	NA	NA	残差和降采样优化CNN模块, Mamba网络, 跨模态交互融合模块	NA	NA
8849	2025-11-26	Mood states recognition based on Mandarin speech and deep learning in patients with bipolar disorder 2025-Nov-24, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-07630-5 PMID:41286671	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8850	2026-01-02	Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography 2025-Nov-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02082-5 PMID:41286703	研究论文	本研究评估了使用深度学习重建的超低剂量脑CT在检测颅内出血方面的诊断性能、图像质量和辐射剂量，并与迭代重建的超低剂量CT及常规剂量CT进行比较	首次将深度学习重建技术应用于超低剂量脑CT，在显著降低辐射剂量的同时，保持了与常规剂量CT相当的图像质量和诊断性能	研究为回顾性设计，样本量相对较小（93例患者），且仅针对颅内出血检测，未涵盖其他脑部病变	评估超低剂量CT结合深度学习重建在颅内出血检测中的有效性，以降低患者辐射暴露	93例患者（中位年龄67岁，61例男性）的脑CT图像	计算机视觉	颅内出血	CT扫描	深度学习重建	医学图像	93例患者	NA	NA	灵敏度, 特异性	NA
8851	2026-01-02	Deep vision in agriculture: assessing the function of YOLO in the classification of plant leaf diseases (PLDs) 2025-Nov-24, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00497-y PMID:41286934	综述	本文对基于YOLO模型的植物叶片病害分类方法进行了全面综述，包括从YOLOv1到YOLOv10的版本演进、领域特定变体，并提供了数据集目录、性能基准分析以及未来研究方向	提供了结构化的数据集目录，包含大小、分辨率、病害类别及局限性信息；进行了YOLO各版本在性能指标上的比较基准分析；讨论了开放挑战和未来研究方向，如轻量化模型	NA	评估YOLO模型在植物叶片病害分类中的应用，促进可持续农业发展	植物叶片病害	计算机视觉	植物病害	深度学习	YOLO	图像	NA	NA	YOLOv1, YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10, CTB-YOLO, BED-YOLO, RAG-augmented YOLOv8	准确率, 精确率, 召回率, F1分数, 平均精度均值, 每秒帧数	NA
8852	2026-01-02	Artificial intelligence-driven prediction of lymph node metastasis in T1 esophageal squamous cell carcinoma using whole slide images 2025-Nov-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01186-z PMID:41274958	研究论文	本研究开发了一种基于深度学习的人工智能模型，利用全切片图像预测T1期食管鳞状细胞癌的淋巴结转移，以减少过度治疗	首次使用全切片图像和深度学习模型来预测T1期食管鳞状细胞癌的淋巴结转移，并在内外部验证中展示了高准确性和高阴性预测值	研究样本主要来自未接受内镜黏膜下剥离术的患者，且外部验证队列仅包含临床高风险病例，可能限制了模型的泛化能力	预测T1期食管鳞状细胞癌的淋巴结转移，以指导内镜黏膜下剥离术后的治疗决策	T1期食管鳞状细胞癌患者	数字病理学	食管癌	全切片图像分析	深度学习模型	图像	160例手术切除病例（72例LNM+，88例LNM-），来自374名患者，外加一个外部内镜黏膜下剥离术队列	NA	NA	AUC, 准确率, 灵敏度, 特异性, F1分数, 阴性预测值	NA
8853	2026-01-02	A dataset of building surface defects collected by UAVs for machine learning-based detection 2025-Nov-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06318-5 PMID:41274920	研究论文	本研究构建了一个基于无人机采集的建筑表面缺陷数据集，用于支持基于机器学习的缺陷检测研究	构建了首个大规模、高质量、多场景的无人机建筑表面缺陷数据集，涵盖多种结构类型和缺陷类别，并提供了标准化标注和数据集划分	未提及模型性能的具体评估结果，也未讨论数据集在特定光照或环境条件下的潜在偏差	解决建筑表面缺陷检测中高质量标注数据集缺乏的问题，推动深度学习在实际工程中的应用	建筑表面缺陷图像	计算机视觉	NA	无人机图像采集	NA	图像	14,471张高分辨率图像，涵盖6种结构类型和5种缺陷类别	NA	NA	NA	NA
8854	2026-01-02	Development and validation of an artificial intelligence-based model for cardiovascular disease prediction using longitudinal data 2025-Nov-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03280-5 PMID:41275275	研究论文	本研究开发并验证了一种基于人工智能的模型，利用纵向数据预测心血管疾病	使用基于LSTM和GRU的深度学习模型分析纵向数据中的风险因素动态变化，以预测10年心血管疾病发病率，并在有限特征集下达到与使用更多变量研究相当的性能	模型仅限于21个常用临床变量，可能未涵盖所有相关风险因素	评估深度学习和混合效应逻辑模型在预测10年心血管疾病发病率方面的有效性	伊朗30岁及以上无心血管疾病史的成年人	机器学习	心血管疾病	临床历史检查	LSTM, GRU	纵向数据	4872名成年人（最终分析样本包括1942名男性和2930名女性）	NA	Long Short-Term Memory, Gated Recurrent Unit	AUC	NA
8855	2026-01-02	A global bibliometric and visualization study of the adaptive radiotherapy research landscape 2025-Nov-20, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04066-x PMID:41264148	研究论文	本文通过文献计量学分析，揭示了自适应放疗（ART）的研究格局、趋势及合作网络	首次对自适应放疗领域进行全面的文献计量与可视化分析，识别了从器官运动/剂量递增到深度学习及MR引导放疗的研究趋势演变	分析基于Web of Science数据库，可能未涵盖所有相关文献；且为回顾性分析，无法预测未来具体技术发展	揭示自适应放疗的流行研究模式、新兴趋势及合作网络，以指导未来临床研究方向	自适应放疗相关的科学出版物	医学信息学/放射肿瘤学	癌症	文献计量分析、网络可视化	NA	文本（科学出版物元数据）	3,941篇出版物（1999-2024年）	CiteSpace, Excel	NA	NA	NA
8856	2026-01-02	Development and validation of a deep learning model for individualized survival prediction in advanced cervical cancer 2025-Nov-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03920-2 PMID:41258562	研究论文	本研究开发并验证了一种基于深度学习的个体化生存预测模型，用于晚期宫颈癌患者的预后评估	首次利用晚期宫颈癌数据库结合深度学习方法，开发了一种新颖的预后模型，能够捕捉数据的复杂非线性关系	NA	开发并验证一种个体化生存预测模型，以改善晚期宫颈癌患者的预后评估	晚期宫颈癌患者	机器学习	宫颈癌	深度学习	深度生存学习模型	流行病学、临床和血液学变量数据	内部数据集1143名患者（训练集914名，测试集229名），外部验证SEER数据库3495名患者	NA	DSLM	AUROC	NA
8857	2026-01-02	Functional diversity of visual cortex improves constraint-free natural image reconstruction from human brain activity 2025-Nov, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2023.08.010 PMID:41467019	研究论文	本文提出了一种基于人类视觉皮层功能多样性的生成网络（FDGen），用于从fMRI脑活动数据中无约束地重建自然图像	提出FDGen网络，首次实现无需额外语义类别或文本提示的自然图像重建，并引入基于功能特化的输入模块（FIM）和功能级注意力特征权重模块（FSM）	未明确说明模型在更广泛或复杂视觉刺激下的泛化能力，以及计算资源需求的具体细节	开发基于fMRI的脑解码算法，实现从大脑活动无约束重建自然图像	人类视觉皮层功能多样性及fMRI脑活动数据	计算机视觉	NA	功能磁共振成像（fMRI）	生成网络	图像，脑活动数据	NA	NA	FDGen	NA	NA
8858	2026-01-02	Advancements in artificial intelligence for prostate cancer: Optimizing diagnosis, treatment, and prognostic assessment 2025-Oct, Asian journal of urology IF:2.4Q2 DOI:10.1016/j.ajur.2024.12.001 PMID:41467190	综述	本文综述了人工智能在前列腺癌管理中的当前研究进展，重点探讨其在优化诊断、改善医疗图像质量、促进风险分层和辅助预后方面的潜力	强调了人工智能在提升前列腺癌诊断准确性、实现个性化治疗计划以及改善患者预后方面的创新应用，特别是在医学图像分析和手术技能评估方面的实证证据	需要更大规模、更多样化的数据集，并面临临床实施中的障碍	全面概述人工智能在前列腺癌管理中的研究现状，探讨其临床整合的机遇与挑战	前列腺癌管理，包括诊断、治疗和预后评估	数字病理学	前列腺癌	NA	机器学习, 深度学习	医学图像	NA	NA	NA	敏感性, 特异性	NA
8859	2026-01-02	Federated prediction for scalable and privacy-preserved knowledge-based planning in radiotherapy 2025-May-20, ArXiv PMID:40470470	研究论文	本文介绍了FedKBP+，一个用于放射治疗规划预测任务的全面联邦学习平台，旨在解决数据稀缺和隐私问题	开发了支持集中式和完全去中心化联邦学习策略的统一通信栈，并引入了Gossip Contrastive Mutual Learning算法以增强对站点故障的鲁棒性	未明确讨论平台在更大规模或更多样化临床环境中的可扩展性验证	开发一个高效、隐私保护的联邦学习平台，以提升放射治疗规划的预测任务性能	放射治疗规划中的预测任务，包括剂量预测和肿瘤/器官分割	机器学习	脑肿瘤	联邦学习	深度学习模型	医学影像数据	OpenKBP挑战赛340例（训练200，验证40，测试100）；BraTS挑战赛数据集227例（训练152，验证27，测试48）；PanSeg数据集384例（训练269，验证39，测试76）	FedKBP+（基于gRPC），NVFlare	SA-Net	DSC（Dice相似系数），预测准确性，训练效率（小时）	未明确指定，但涉及多工作站分布式计算
8860	2026-01-02	Development of an automated ultrasonographic detection method for fecal retention using a transgluteal cleft approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338926 PMID:41460916	研究论文	本研究开发了一种基于人工智能的超声图像分类系统，用于通过经臀裂扫描方法检测下直肠粪便潴留，以支持家庭护理中护士进行准确、客观的便秘评估	首次提出结合经臀裂超声扫描方法与深度学习模型（U-Net + ResNeXt-50编码器）自动检测粪便潴留，克服了传统经腹扫描因肥胖、膀胱排空或肠道气体干扰的局限性	研究样本量较小（仅24名患者），且所有患者均来自透析人群，可能限制模型的泛化能力	开发一种适用于家庭护理环境的自动化超声检测工具，以客观评估便秘情况	下直肠的超声图像（来自透析患者）	计算机视觉	老年疾病	超声成像	深度学习分割模型	图像	24名透析患者的90段超声视频，从中提取了2,855张静态图像	NA	U-Net, ResNeXt-50	准确率, 灵敏度, 特异性, IoU	NA