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
1321	2026-01-26	Genetic Insights into Head-to-Body Ratios Via Deep Learning-Based Image Segmentation and Implications for Common Diseases 2025-Dec-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67578-8 PMID:41444482	研究论文	本研究利用深度学习模型分析英国生物库中的全身双能X射线吸收测定图像，生成头身比表型，并通过全基因组关联分析揭示了其遗传基础及其与多种常见疾病的关联	首次大规模应用深度学习模型从全身DEXA图像中自动提取头身比表型，并系统性地探索其遗传结构、疾病关联及进化背景	研究样本主要来自英国生物库，可能存在人群代表性偏差；表型基于二维图像测量，可能无法完全反映三维解剖结构	探究头身比的遗传基础及其与人类常见疾病的关联	英国生物库中的38,202名参与者的全身双能X射线吸收测定图像	计算机视觉	心血管疾病, 代谢疾病, 肌肉骨骼疾病, 神经精神疾病	双能X射线吸收测定	深度学习模型	图像	38,202张全身DEXA图像	NA	NA	NA	NA
1322	2026-01-26	Real-world performance evaluation of a commercial deep learning model for intracranial hemorrhage detection 2025-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02244-3 PMID:41444826	研究论文	本研究评估了一款商业深度学习模型在真实世界中对颅内出血检测的性能	首次在大型真实世界数据集（超过10万次CT检查）中，使用GPT-4o自动提取放射学报告标签并验证，系统评估了FDA批准的商业AI模型在不同出血类型和临床场景下的性能差异	研究为回顾性设计，依赖自动提取的放射学报告标签，可能未完全捕捉所有临床细微差别；评估集中于单一商业模型，结果可能无法推广到其他AI工具	评估商业深度学习模型在真实临床环境中检测颅内出血的准确性和可靠性	颅内出血（ICH）	数字病理学	心血管疾病	深度学习，自然语言处理（用于报告标签提取）	深度学习模型（具体架构未公开）	医学影像（非增强头部CT扫描），文本（放射学报告）	101,944次非增强头部CT检查，来自74,142名患者，涉及17个医疗机构的学术健康系统	NA	NA（商业模型，具体架构未公开）	灵敏度，特异度，准确度，Cohen's kappa系数	NA
1323	2026-01-26	A deep learning-based method combines manual and non-manual features for sign language recognition 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32768-3 PMID:41413190	研究论文	本研究提出了一种结合手动和非手动特征的深度学习手语识别方法	利用3D人体姿态估计架构从RGB视频中提取手部关节的3D坐标，并通过注意力编码器-解码器融合多流特征	未提及	提升手语识别的准确性	手语视频数据	计算机视觉	NA	深度学习	CNN, 注意力编码器-解码器	RGB视频	AUTSL和WLASL数据集中的孤立手语样本	未提及	未指定具体架构	准确率, F1分数	未提及
1324	2026-01-26	An AI-powered tongue image model for home-based monitoring of liver fibrosis 2025-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02246-1 PMID:41419633	研究论文	本研究开发了一个名为TongVMoe的多任务深度学习模型，用于通过舌象分析进行肝纤维化的居家监测	首次将多任务深度学习模型应用于舌象分析以检测肝纤维化，并同时识别七种关键舌象特征，模型性能优于现有先进方法	研究样本量相对有限（1601名患者），且模型在模拟远程筛查中的准确率为77.8%，仍有提升空间	开发一种非侵入性、可解释且移动兼容的工具，用于肝纤维化的早期检测和监测，特别是在资源有限地区	肝纤维化患者及相关的舌象图像	数字病理学	肝纤维化	舌象诊断	多任务深度学习模型	图像	来自1601名患者的2202张舌象图像	NA	TongVMoe	AUC, 准确率, 灵敏度	NA
1325	2026-01-26	Deep learning-based fractured tooth detection in occlusal radiographs 2025-Dec-18, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07445-6 PMID:41413887	研究论文	本研究提出了一种基于深度学习的自动检测和分类牙齿骨折的方法，利用YOLOv9进行牙齿定位，并结合多个预训练CNN模型进行骨折分类	首次将YOLOv9与多个预训练CNN模型（VGG19、EfficientNetB0、InceptionResNetV2、InceptionV3）结合，并通过多数投票融合策略提升牙齿骨折检测性能	数据集仅包含200张咬合片X光片，样本量较小，且仅针对牙齿11和21进行检测，泛化能力有待验证	开发一种自动、准确的牙齿骨折检测与分类系统，以辅助牙科临床诊断	牙齿11和21的咬合片X光图像	计算机视觉	牙齿骨折	咬合片X光摄影	CNN, YOLO	图像	200张咬合片X光片	YOLOv9, TensorFlow/Keras	YOLOv9, VGG19, EfficientNetB0, InceptionResNetV2, InceptionV3	平均精度均值(mAP50), mAP50-95, 准确率	NA
1326	2026-01-26	Research on engine power-loss fault diagnosis method based on time-series data mining 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32777-2 PMID:41402412	研究论文	本研究提出了一种基于时间序列数据挖掘的商用车发动机功率损失故障智能诊断新方法	提出了一种结合时间序列数据挖掘的双框架诊断策略，根据油门开度变化率将数据分类，并针对不同类别分别采用机器学习算法和深度学习模型进行诊断	未明确说明模型在更广泛车型或不同工况下的泛化能力，也未讨论数据采集终端的标准化问题	开发一种远程、在线的商用车发动机功率损失故障智能诊断方法，以减少对现场路测的依赖并节省人力物力资源	商用车的发动机功率损失故障	机器学习	NA	时间序列数据挖掘	机器学习算法, 深度学习模型	时间序列数据	NA	NA	NA	准确率, 特异性	NA
1327	2026-01-26	Multicenter study on the versatility and adoption of AI-driven automated radiotherapy planning across cancer types 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67581-z PMID:41398177	研究论文	本研究提出了一种结合深度学习剂量预测与临床目标导向逆向优化的混合策略，用于在五分钟内生成可直接交付的放疗计划，并在多中心癌症类型中验证其灵活性和应用潜力	通过整合深度学习剂量预测与临床目标导向的逆向优化，实现了快速生成个性化、可直接交付的放疗计划，提高了自动化计划的灵活性和临床适用性	研究基于单机构数据训练模型，虽在多中心测试，但可能未完全覆盖所有临床场景的多样性，且自动化计划的采纳率仍有提升空间	开发并验证一种高效、灵活的自动化放疗计划策略，以简化放疗工作流程并减少计划质量变异性	五种不同疾病部位的癌症患者放疗计划	数字病理	癌症	深度学习	深度学习模型	放疗计划数据	250个自动化计划，涉及多中心数据集	NA	NA	临床标准符合率、偏好率、剂量学分析	NA
1328	2026-01-26	Deep learning based thyroid prediction with opposition learning based red panda optimization feature selection 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32801-5 PMID:41398443	研究论文	本文提出了一种结合级联自编码器、新型特征选择算法和增强Transformer模型的甲状腺预测深度学习方法	提出了基于对立学习的红熊猫优化算法进行特征选择，并构建了级联自编码器-简单循环模型与增强Transformer模型的混合架构	未提及模型在临床环境中的验证情况、跨数据集泛化能力的详细分析以及计算复杂度评估	开发高精度的甲状腺疾病预测模型	甲状腺疾病患者数据	机器学习	甲状腺疾病	深度学习	自编码器, Transformer, 循环神经网络	医学数据（具体类型未明确）	三个公开数据集（具体样本量未说明）	未明确说明	级联自编码器-简单循环模型, 增强Transformer模型	准确率, 特异性, 敏感性, F分数, 阳性预测值, 阴性预测值, 错误率	NA
1329	2026-01-26	The legacy and future of recurrent neural networks in personalized medicine: A reflection on the 2024 Nobel Physics Prize 2025-Dec-13, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100933 PMID:41397676	综述	本文回顾了2024年诺贝尔物理学奖得主在神经网络领域的贡献，探讨了循环神经网络在个性化医疗中的发展、应用及未来挑战	将2024年诺贝尔物理学奖与循环神经网络在个性化医疗中的发展相结合，系统梳理了从基础模型到高级架构的演进，并展望了未来融合算法严谨性与生成能力的方向	当前模型在可解释性、泛化能力及伦理考量方面仍存在挑战，需进一步探索	探讨循环神经网络在个性化医疗中的应用潜力与发展轨迹	循环神经网络及其在医疗诊断、图像分析、报告生成和治疗效果评估中的应用	机器学习	NA	NA	RNN	图像, 文本	NA	NA	NA	诊断准确性	NA
1330	2026-01-26	Reconstruction of Antarctic sea ice thickness from sparse satellite laser altimetry data via deep learning 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06390-x PMID:41372249	研究论文	本研究利用深度学习技术，基于稀疏的卫星激光测高数据，重建了高时空分辨率的南极海冰厚度数据集	首次开发了基于深度学习、覆盖全南极、具有5天和12.5公里高时空分辨率的连续海冰厚度数据集，并具备近实时更新能力	数据重建依赖于稀疏的卫星轨道观测，可能在某些区域或时段存在不确定性	重建高时空分辨率的南极海冰厚度数据，以支持大规模海冰质量平衡过程的研究	南极海冰厚度	机器学习	NA	卫星激光测高	深度学习	卫星遥感数据	ICESat (2003-2009) 和 ICESat-2 (2018-2024) 的沿轨激光测高海冰厚度反演数据	NA	NA	准确性	NA
1331	2026-01-26	Exploring the social life of urban spaces through AI 2025-Jul-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424662122 PMID:40705424	研究论文	本研究利用计算机视觉和深度学习技术，分析了纽约、波士顿和费城四个城市公共空间在30年间（1979-80年至2008-10年）的行人行为变化	首次将计算机视觉和深度学习技术应用于长期历史视频数据，以量化分析城市公共空间中行人行为的时间演变，扩展了William Whyte的传统观察方法	研究仅涵盖三个美国城市的四个公共空间，样本代表性可能有限；依赖于历史视频质量，可能影响分析准确性	探究城市公共空间中行人行为随时间的变化趋势及其对社会互动的影响	纽约、波士顿和费城四个城市公共空间的行人	计算机视觉	NA	计算机视觉, 深度学习	NA	视频	1979-80年和2008-10年两个时期的视频数据，覆盖四个城市公共空间	NA	NA	NA	NA
1332	2026-01-26	SAHVAI-3D and 4D: Automated AI Volumetric Measurement of Subarachnoid Hemorrhage on Noncontrast Head CT 2025-May, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001620 PMID:41573412	研究论文	本文开发了基于人工智能的自动化蛛网膜下腔出血体积测量方法SAHVAI-3D和4D，用于非增强头部CT扫描，并与手动测量方法进行比较	首次实现了蛛网膜下腔出血体积的自动化三维和四维测量，并创建了SAH脑图作为新型影像生物标志物	研究仅基于10名患者的训练集，样本量较小，需要更大规模验证	开发自动化蛛网膜下腔出血体积测量工具，探索其作为影像生物标志物在延迟性脑缺血风险评估和神经治疗干预中的潜力	动脉瘤性蛛网膜下腔出血患者	数字病理学	脑血管疾病	非增强头部计算机断层扫描	深度学习算法	医学影像	10名连续患者，共92次CT扫描（每次182个切片）	NA	NA	准确率, Dice系数, 假阳性率, 阴性预测值, 平均绝对误差	NA
1333	2026-01-26	Acute Infarct Core Volume Estimation on Noncontrast Computed Tomography With a Deep Learning Algorithm 2025-Mar, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001509 PMID:41573179	研究论文	本文开发并验证了一种深度学习算法，用于在非对比增强计算机断层扫描上估计急性缺血性卒中患者的梗死核心体积	提出了一种基于深度学习的方法，能够在非对比增强CT上估计梗死核心体积，其性能至少与CT灌注相当，简化了患者选择流程	研究主要针对前循环大血管闭塞患者，外部验证集样本量相对有限，且算法性能在特定指标上仍有提升空间	开发并验证一种深度学习算法，用于在非对比增强CT上估计急性缺血性卒中患者的基线梗死核心体积	急性缺血性卒中前循环大血管闭塞患者	数字病理学	心血管疾病	非对比增强计算机断层扫描, CT血管造影, CT灌注, 扩散加权磁共振成像	深度学习算法	医学影像	训练和内部验证使用2858例卒中警报患者研究，外部验证使用230例大血管闭塞患者	NA	NA	组内相关系数, 交并比, Spearman相关系数	NA
1334	2026-01-26	SEAFEC: a spatial-edge adaptive convolution for multi-scale and boundary-aware plant disease and weed imagery 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1695076 PMID:41573215	研究论文	本文提出了一种名为SEAFEC的新型卷积模块，用于增强农业图像分析中的尺度适应性和边界精度	SEAFEC模块采用双分支设计，动态调整感受野并显式增强边缘特征，以应对多尺度变化和模糊边界的挑战	NA	解决植物病害和杂草图像分析中的多尺度变化和边界模糊问题，以支持可靠的病害诊断和精准杂草管理	植物病害分类、玉米叶病害检测和甘蔗-杂草分割任务	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	SEAFEC	准确率, mAP, mIoU	NA
1335	2026-01-26	Multi-modal AI in precision medicine: integrating genomics, imaging, and EHR data for clinical insights 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1743921 PMID:41573270	综述	本文探讨了多模态人工智能在精准医疗中的应用，重点介绍了其如何整合基因组学、影像学和电子健康记录数据以提供临床洞见	提出了一个整合多模态数据（包括基因组、转录组、蛋白质组、影像、环境和电子健康记录）的统一分析框架，并强调了AI在早期疾病检测、生物标志物发现和药物开发中的创新应用	面临数据互操作性、算法偏见以及患者隐私相关的伦理挑战	研究多模态人工智能在精准医疗中的变革潜力，特别是在多组学数据整合、预测建模和临床决策支持方面的作用	精准医疗中的多模态数据整合，包括基因组、影像和电子健康记录数据	机器学习	肿瘤学、神经学、心血管疾病	NA	机器学习、深度学习	基因组数据、影像数据、电子健康记录数据	NA	NA	NA	NA	NA
1336	2026-01-26	Advances in protein-protein interaction prediction: a deep learning perspective 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1710937 PMID:41574108	综述	本文从深度学习视角全面分析了蛋白质-蛋白质相互作用预测的进展，包括各种模型、特征表示、学习策略和评估基准	系统性地比较了多种深度学习模型在PPI预测中的应用，并强调了它们在捕捉复杂依赖和结构关系方面的优势与局限	NA	综述深度学习在蛋白质-蛋白质相互作用预测领域的最新进展，并指出未来的研究方向	蛋白质-蛋白质相互作用	机器学习	NA	NA	CNN, RNN, DNN, GCN, 集成架构	蛋白质序列和结构数据	NA	NA	卷积神经网络, 循环神经网络, 深度神经网络, 图卷积网络	NA	NA
1337	2026-01-26	Joint segmentation and image reconstruction with error prediction in photoacoustic imaging using deep learning 2024-Dec, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100645 PMID:39347464	研究论文	本文提出了一种混合贝叶斯卷积神经网络，用于光声成像中联合预测图像和分割，并量化误差	提出混合贝叶斯卷积神经网络，首次在光声成像中实现联合图像重建、分割及误差预测，通过概率分布量化每个像素的误差	模型训练依赖于模拟光声数据，在实验数据中的应用效果可能受模拟与真实差异影响	改进光声成像重建质量，并量化预测误差以验证结果	光声成像数据	计算机视觉	NA	光声成像	CNN	图像	NA	NA	混合贝叶斯卷积神经网络	统计相关性	NA
1338	2026-01-26	Non-Invasive Screen Exposure Time Assessment Using Wearable Sensor and Object Detection 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871903 PMID:36086530	研究论文	本文提出了一种使用可穿戴传感器和计算机视觉技术测量屏幕暴露时间的新方法	结合定制化轻量级可穿戴传感器与基于深度学习的物体检测模块，实现非侵入性、客观且鲁棒的屏幕暴露时间评估	未在摘要中明确说明具体限制	开发一种非侵入性、客观且准确的屏幕暴露时间测量方法，用于行为研究	儿童和成人（包括所有人群）的屏幕暴露行为	计算机视觉	NA	可穿戴传感器、计算机视觉、深度学习	深度学习物体检测模块	以自我为中心的图像	未在摘要中明确说明具体样本数量	NA	NA	NA	NA
1339	2026-01-25	Integrated region-specific modeling of H5 avian influenza in Asia using ENSO-based forecasts 2026-Jun, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101322 PMID:41567856	研究论文	本研究通过整合ENSO气候预测与分层统计模型，量化了亚洲地区H5高致病性禽流感的气候驱动动态，并利用深度学习进行风险预测	首次将ENSO指数作为主要预测因子，结合区域-宿主分层GAM模型与RNN预测框架，构建了气候驱动的禽流感动态预测系统	模型主要依赖气候变量，未充分考虑人为干预、家禽贸易网络等社会因素对疫情传播的影响	开发气候驱动的H5高致病性禽流感风险预测框架，支持亚洲地区的早期预警和针对性防控策略	亚洲地区的家禽和野生鸟类种群中的H5高致病性禽流感疫情事件	机器学习	禽流感	广义加性模型（GAM）、递归神经网络（RNN）、多变量ENSO指数（MEI）分析	GAM, RNN	气候指数时间序列、疫情事件记录	亚洲七个区域-宿主分层的数据（具体样本数未明确说明）	NA	NA	NA	NA
1340	2026-01-25	Machine learning-based multi-class classification of bladder pathologies using fused 3D CT radiomic and 3D auto-encoder deep features 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100728 PMID:41568074	研究论文	本文提出了一种结合放射组学和深度学习特征的自动化分析框架，用于基于非增强CT图像对膀胱病理进行多类别分类	开发了一种集成3D放射组学特征和3D自编码器深度特征的混合特征提取方法，并利用XGBoost进行多类别分类，通过SHAP分析提供了模型的可解释性	研究为回顾性设计，样本量相对有限，且仅使用非增强CT图像，未对比其他影像模态	开发自动化分析框架，实现对膀胱病理（正常、结石、癌症、膀胱炎）的多类别分类	膀胱CT扫描图像	数字病理学	膀胱癌	CT成像	3D-UNet, 3D卷积自编码器, XGBoost	3D CT图像	902例CT扫描（584例正常，142例结石，66例癌症，110例膀胱炎）	PyTorch, Scikit-learn, XGBoost	3D-UNet, 3D卷积自编码器	AUROC	NA