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
1661	2026-01-23	Prior knowledge-guided multimodal deep learning system for biomarker exploration and prognosis prediction of urothelial carcinoma 2025-Dec-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02232-7 PMID:41454198	研究论文	本研究开发了一个融合先验知识的多模态深度学习系统，用于尿路上皮癌的生物标志物探索和预后预测	首次将先验知识整合到多模态（组织病理学、放射学、结构化病理文本）深度学习系统中，用于尿路上皮癌的预后预测，并发现了与肌肉和肾实质浸润模式相关的新型预后生物标志物	未明确说明模型的可解释性细节或临床部署的可行性	开发一个准确预测尿路上皮癌预后的多模态人工智能系统	尿路上皮癌患者	数字病理学	尿路上皮癌	组织病理学成像、放射学成像、结构化病理文本分析	深度学习	图像、文本	多中心、大规模、多队列验证（具体数量未提供）	未明确说明	CTContextNet, MacroContextNet, IM-NCTNet	C-index	未明确说明
1662	2026-01-23	Optimized federated learning framework with RegNetZ and Swin-Transformer for multimodal pancreatic cancer detection1 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31967-2 PMID:41444372	研究论文	本研究提出了一种结合RegNetZ和Swin-Transformer的联邦学习框架，用于从多模态数据中实现胰腺癌的自动检测、亚型分类和预后预测	提出了一种新颖的联邦学习框架，集成了Swin-Transformer和轻量级RegNetZ，并引入了混合Aquila-灰狼优化器（HA-GWO）进行超参数调优，在保护隐私的同时实现了高性能	研究在5-7个模拟客户端机构上进行评估，需要在真实世界的多机构环境中进一步验证其可扩展性和鲁棒性	开发一个隐私保护、高精度的自动化系统，用于胰腺癌的早期检测、亚型分类和预后预测	胰腺癌患者的多模态医疗数据，包括CT、MRI、组织学、基因组和临床记录	数字病理学	胰腺癌	多模态数据融合，联邦学习	CNN, Transformer	图像, 文本, 基因组数据, 临床记录	在5-7个模拟客户端机构上进行评估，具体样本数量未明确说明	PyTorch（推断，因提及Swin-Transformer和RegNetZ）	RegNetZ, Swin-Transformer	准确率, 灵敏度, 精确率, AUC	未明确指定，但提到框架具有较低的计算成本
1663	2026-01-23	Efficient multi-finger vein recognition using layer-wise progressive MobileNet fine-tuning and a Dense-Head Probabilistic Siamese Network 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32132-5 PMID:41413639	研究论文	本文提出了一种结合轻量级MobileNet特征提取器和新型Dense-Head Probabilistic Siamese匹配器的两阶段深度学习框架，用于高效多指静脉识别	首次实现多指静脉识别，用户可使用任意手指认证而不损失精度或速度；采用分层渐进式MobileNet微调平衡模型紧凑性与判别力；引入DHPS匹配器，用校准概率输出替代传统基于边界的损失函数	未明确提及	解决资源受限设备上部署指静脉识别系统时面临的高计算成本和单指注册僵化问题	指静脉生物特征	计算机视觉	NA	深度学习	MobileNet, Siamese Network	图像	三个公共指静脉数据集（FV-USM、UTFVP、VERA）	NA	MobileNet, Dense-Head Probabilistic Siamese Network	等错误率, F1分数	嵌入式平台
1664	2026-01-23	A cone-beam photon-counting CT dataset for spectral image reconstruction and deep learning 2025-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06246-4 PMID:41413072	研究论文	本文介绍了一个用于光谱图像重建和深度学习的锥束光子计数CT数据集	提供了首个公开可用的真实锥束光子计数CT数据集，包含原始多能量投影数据、系统参数和校准信息，填补了该领域数据稀缺的空白	数据集仅基于15个核桃样本采集，样本多样性有限，且使用自定义微PCCT系统，可能限制通用性	解决光子计数CT领域公开数据集稀缺的问题，促进光谱CT重建、材料分解和深度学习方法的公平可重复比较	核桃样本	计算机视觉	NA	锥束光子计数CT，双能量阈值扫描	NA	图像	15个核桃样本，共172,800张原始投影图像	NA	NA	NA	NA
1665	2026-01-23	MFU-Net: a multi-scale fusion U-Net for seismic phase picking 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32145-0 PMID:41408109	研究论文	本文提出了一种用于地震相位拾取的多尺度融合U-Net架构（MFU-Net），旨在通过简单的增强实现显著的识别性能	在U-Net的跳跃连接中设计了多尺度特征融合模块，并在瓶颈层引入了多头注意力机制，以增强关键特征区域的识别能力	未明确提及具体限制，但可能包括对特定数据集或地震类型的泛化能力	提高地震波形数据中P波和S波到达时间的准确识别和标注性能	地震波形数据，特别是P波和S波的到达时间	机器学习	NA	NA	U-Net	波形数据	NA	NA	MFU-Net	P波拾取准确率, S波拾取准确率	NA
1666	2026-01-23	Comprehensive discovery of m6A sites in the human transcriptome at single-molecule resolution 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67417-w PMID:41398146	研究论文	本研究开发了一个基于纳米孔测序的深度学习框架DeepRM，用于在单分子分辨率下全面发现人类转录组中的m6A位点	构建了大规模、高质量的训练数据集，其规模比先前数据集大三个数量级，并实现了近乎完美的m6A位点检测和修饰化学计量测量精度	未明确提及具体局限性，但可能依赖于纳米孔测序技术的准确性	开发一种准确、定量的RNA修饰检测方法，以理解其生物学功能	人类转录组中的m6A修饰位点	机器学习	NA	纳米孔测序	深度学习	测序数据	NA	NA	NA	准确度	NA
1667	2026-01-23	Deep learning-based detection of power transmission lines using YOLOv4 and YOLOv8 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32200-w PMID:41392299	研究论文	本研究利用YOLOv4和YOLOv8算法，基于无人机技术进行电力传输线的深度学习目标检测	将YOLO算法与无人机技术结合，用于电力传输线检测，并比较了YOLOv8各版本相对于YOLOv4的性能优势	未提及具体的数据集规模或环境多样性限制，可能影响模型泛化能力	提高电力传输线检测的准确性和效率，以支持能源基础设施的维护	电力传输线（PTLs）	计算机视觉	NA	无人机（UAV）技术	CNN	图像	NA	NA	YOLOv4, YOLOv8	精确度, 召回率, F1分数, mAP50, mAP50-95	NA
1668	2026-01-23	Intelligent cybersecurity management in industrial IoT system using attribute reduction with collaborative deep learning enabled false data injection attack detection approach 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32035-5 PMID:41392216	研究论文	提出一种结合特征选择与投票分类器的智能虚假数据注入攻击检测方法，用于工业物联网系统的网络安全防护	提出IMFDIA-FSVC方法，整合统计与信息论特征选择技术，并采用TCN、DBN和AE三种深度学习模型构建集成分类器进行攻击检测	未明确说明方法在动态攻击模式或大规模网络环境中的适应性，以及计算开销分析	开发工业物联网系统中虚假数据注入攻击的检测与缓解模型，确保系统安全可靠运行	工业物联网系统中的虚假数据注入攻击	网络安全	NA	深度学习	TCN, DBN, AE, 集成学习	传感器数据	使用IIoT和FDIA数据集（具体数量未说明）	未明确说明	时间卷积网络, 深度信念网络, 自编码器	准确率	NA
1669	2025-12-15	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-Dec-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1670	2026-01-23	A machine learning-based framework for prognostic prediction and tumor microenvironment characterization of locally advanced cervical cancer with concurrent chemoradiotherapy 2025-Dec-12, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01234-8 PMID:41387521	研究论文	本研究开发了一个基于机器学习的框架，用于局部晚期宫颈癌同步放化疗后的预后预测和肿瘤微环境表征	提出了一个结合深度学习自动预测模型与蛋白质组学分析的多任务框架，首次实现了基于放射组学-蛋白质组学的风险分层，并揭示了高风险组的免疫抑制微环境特征	模型在外部测试队列中的C指数相对较低（0.65-0.70），表明泛化能力有待进一步提升；蛋白质组学分析仅基于配对活检样本，可能无法完全代表肿瘤异质性	开发一个多任务预后模型，用于局部晚期宫颈癌同步放化疗后的精准预后预测和肿瘤微环境表征	局部晚期宫颈癌患者	数字病理学	宫颈癌	T2加权磁共振成像, 蛋白质组学分析	深度学习模型	医学影像, 蛋白质组学数据	训练、内部测试和外部测试队列的局部晚期宫颈癌患者	NA	DeepMR-LACC	C指数	NA
1671	2026-01-23	The application of artificial intelligence in veterinary oncology: a scoping review 2025-Dec-12, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-025-05192-y PMID:41388461	综述	本文对人工智能在兽医肿瘤学中的应用进行了范围综述，系统性地梳理了相关文献，识别了临床应用、技术和数据来源，并指出了阻碍临床转化的主要挑战	首次对人工智能在兽医肿瘤学领域的研究现状进行了系统性范围综述，揭示了该领域以犬类患者诊断应用为主、数据集小且缺乏外部验证的现状，并提出了向大规模协作研究转变的路径	作为一篇范围综述，本文本身不产生新的实验数据，其结论受限于所纳入的69项研究的质量和代表性	系统性地梳理人工智能在兽医肿瘤学中的应用研究现状，识别主要临床应用、技术方法、数据来源及临床转化面临的挑战	兽医肿瘤学，特别是伴侣动物（如犬）的自发性肿瘤	数字病理学, 机器学习	淋巴瘤, 皮肤及皮下肿瘤, 乳腺肿瘤	深度学习, 放射组学	深度学习模型	图像数据（数字病理图像、医学影像）	基于69项研究的汇总分析	NA	NA	NA	NA
1672	2026-01-23	Can artificial intelligence optimize treatment planning and outcome prediction in fixed tooth- and implant-supported prosthodontics? A scoping review 2025-Dec-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07300-8 PMID:41372901	综述	本文旨在探讨人工智能在固定修复学和种植体支持固定修复中的应用，重点关注AI模型在优化治疗计划和预测临床结果方面的准确性、有效性和临床适用性	首次系统性地将AI在固定修复学中的应用分为种植规划、冠设计、全牙弓框架优化和预后建模四个领域进行综述，并总结了不同AI技术的性能表现	现有证据多为早期阶段和基于模拟的研究，缺乏前瞻性验证和临床可靠性评估	探索人工智能在优化固定修复和种植体支持修复治疗计划及预测临床结果中的应用	固定修复学和种植体支持固定修复中的AI应用研究	数字牙科	NA	深度学习，生成对抗网络，回归模型，优化算法	CNN, GAN, 回归模型	NA	20项研究	NA	卷积神经网络，生成对抗网络	准确率，形态偏差，内部间隙，设计时间，应力集中	NA
1673	2026-01-23	Enhanced pedestrian walkway object detection using deep learning and pelican optimization algorithm for assisting disabled persons 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32129-0 PMID:41372505	研究论文	提出一种结合深度学习与鹈鹕优化算法的增强型行人步道物体检测方法，用于辅助视障人士导航	首次将Faster R-CNN、CapsNet、小波神经网络与鹈鹕优化算法集成，通过POA优化WNN超参数以提升检测性能	仅在UCSD异常检测数据集上进行评估，未在真实室外复杂场景中验证	通过物体检测技术增强视障人士的行人步道导航能力	行人步道环境中的物体	计算机视觉	视力障碍	深度学习, 优化算法	Faster R-CNN, CapsNet, WNN	图像	UCSD异常检测数据集（未说明具体样本数量）	NA	Faster R-CNN, CapsNet, 小波神经网络	NA	NA
1674	2026-01-23	Award for Distinguished Scientific Early Career Contributions to Psychology: Wilma A. Bainbridge 2025-Dec, The American psychologist DOI:10.1037/amp0001584 PMID:41428526	奖项介绍	本文介绍了Wilma A. Bainbridge获得2025年APA杰出科学早期职业贡献奖的情况，表彰其在记忆与感知交叉领域的早期职业贡献	Bainbridge开创性地发现某些刺激比其他刺激更易被记住，推动了以刺激为中心的记忆研究新议程，并率先开发了量化视觉记忆主观内容的复杂方法	NA	表彰在心理学领域做出杰出早期职业贡献的研究人员	记忆与感知的交叉领域研究	认知神经科学	NA	计算认知神经科学技术	深度学习网络	大数据刺激集	NA	NA	NA	NA	NA
1675	2026-01-23	Artificial Intelligence Has Varied Diagnostic and Predictive Performance in Diagnosing Patellofemoral Osteoarthritis, Trochlear Dysplasia, and Patellofemoral Tracking Abnormalities: A Systematic Review 2025-Dec, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2025.101269 PMID:41541530	系统综述	本文系统综述了人工智能模型在诊断髌股关节病理（包括骨关节炎、滑车发育不良及轨迹异常）方面的诊断效能和预测能力	首次系统性地评估和比较了多种AI模型在髌股关节病理诊断中的性能，并分析了其相对于传统临床专家方法的优势与局限性	研究存在样本量小、单中心数据集、泛化能力有限、数据集不平衡导致的偏倚以及模型架构、成像方式和参考标准存在显著异质性等问题	评估人工智能模型在检测髌股关节病理方面的诊断效能和预测能力，并与临床专家进行性能比较	髌股关节骨关节炎、滑车发育不良、髌股关节不稳定及轨迹异常的诊断	医学影像分析	骨关节炎	计算机断层扫描、磁共振成像、X射线摄影	深度学习架构、机器学习算法	图像	17项符合纳入标准的研究，具体样本量未统一报告，但普遍存在样本量小的问题	NA	NA	准确率、AUC、精确率-召回率曲线平均精确度、敏感性、特异性、阳性预测值、阴性预测值	NA
1676	2026-01-23	Squeeze-and-Excitation Enhanced Convolutional Neural Networks for Multi-class Pneumonia Classification on Chest Radiographs 2025-Dec, Cureus DOI:10.7759/cureus.99649 PMID:41555979	研究论文	本研究比较了两种结合挤压-激励注意力机制的卷积神经网络架构，用于胸部X光片的多类别肺炎自动分类	将挤压-激励注意力机制集成到ResNet50V2和InceptionV3架构中，用于增强胸部X光片中肺炎亚型的分类性能	研究结果需要在更大、更多样化的临床数据集上进行进一步验证	开发自动分类胸部X光片为正常、细菌性肺炎、病毒性肺炎和COVID-19的深度学习模型	胸部X光片	计算机视觉	肺炎	胸部X光成像	CNN	图像	9,208张后前位胸部X光片	NA	ResNet50V2, InceptionV3	准确率, 精确率, 召回率, F1分数, AUC	NA
1677	2026-01-23	Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110495 PMID:40784463	研究论文	开发了一种高度加速的MRI技术，用于同时量化脑组织血流和T1值	结合双翻转角相位对比星形堆栈序列与深度学习算法，实现16倍加速的同时血流和T1量化	研究仅涉及定量体模和六名健康志愿者，样本量有限，未在患者群体中验证	开发快速、全面的脑血管疾病评估技术	脑组织血流和T1量化	医学影像分析	脑血管疾病	双翻转角相位对比星形堆栈MRI序列	深度学习	MRI图像	定量体模和六名健康志愿者	NA	混合特征哈希编码隐式神经表示与显式稀疏先验知识结合模型	相关系数R2, 组内相关系数ICC	NA
1678	2026-01-23	International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm 2025-Nov, JACC. Advances DOI:10.1016/j.jacadv.2025.102067 PMID:40965401	研究论文	本研究通过多中心回顾性病例对照研究，验证了一种基于计算机视觉的深度学习算法EchoNet-LVH在国际范围内识别心脏淀粉样变性的性能	开发并国际验证了EchoNet-LVH这一计算机视觉深度学习算法，用于基于超声心动图视频检测心脏淀粉样变性，相比传统测量方法（如整体纵向应变）具有更高的特异性	研究为回顾性病例对照设计，可能受到选择偏倚的影响；算法性能在预设优化特异性的阈值下敏感性相对较低（0.644）	评估计算机视觉深度学习算法在国际多中心环境中识别心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照个体的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频（超声心动图胸骨旁长轴和心尖四腔切面视图）	574名心脏淀粉样变性患者和979名对照个体	NA	EchoNet-LVH	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
1679	2026-01-23	Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study 2025-Oct, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.013734 PMID:41025252	研究论文	本研究开发并验证了一种基于心电图（ECG）的深度学习模型，用于预测心房颤动（AF）风险，并在多个国际队列中评估其性能	首次在多国社区队列中验证了单输入ECG深度学习模型预测AF及心血管事件的能力，并与临床风险评分（CHARGE-AF）进行了比较和联合分析	研究基于回顾性队列数据，可能存在选择偏倚；模型在外部验证中的泛化能力需进一步在更多样化人群中确认	开发并验证基于ECG的深度学习模型以预测心房颤动风险，并评估其与心血管结局的关联	来自Framingham心脏研究、英国生物银行和ELSA-Brasil队列的社区参与者	机器学习	心血管疾病	深度学习	深度神经网络	心电图（ECG）	FHS: 10,097人；英国生物银行: 49,280人；ELSA-Brasil: 12,284人	NA	深度神经网络	受试者工作特征曲线下面积（AUC）	NA
1680	2026-01-23	The Clinical Significance of Femoral and Tibial Anatomy for Anterior Cruciate Ligament Injury and Reconstruction 2025-Jun-19, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056361050250605052447 PMID:40551697	综述	本文综述了股骨和胫骨解剖结构对前交叉韧带损伤风险及重建手术效果的影响	整合了年龄和性别特异性解剖差异对ACL损伤及重建的影响，并强调了人工智能和先进成像技术在个性化手术规划中的应用前景	作为一篇综述文章，未提供新的原始数据或临床研究结果	探讨股骨和胫骨解剖参数如何影响前交叉韧带的生物力学、损伤风险及重建手术效果	前交叉韧带、股骨髁间窝形态、胫骨平台后倾角、韧带止点变异	数字病理学	骨科疾病	MRI, CT, 3D重建	深度学习模型	医学影像	NA	NA	NA	NA	NA