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
1821	2026-01-30	Predicting the incidence of common intestinal infectious diseases in Changzhou, China based on environmental factors and deep learning 2025-Dec-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25998-7 PMID:41421987	研究论文	本研究基于环境因素和深度学习模型，构建了常州市常见肠道传染病的短期发病率预测模型	提出了一种结合季节性趋势分解（STL）、Transformer和LSTM的先进混合模型（STL-T-L），用于预测肠道传染病发病率，并整合了历史发病率、多种环境因素及工程化的时间特征	研究局限于中国常州市的数据，模型在其他地区的泛化能力有待验证	构建常州市常见肠道传染病的短期日发病率预测模型	手足口病和其他感染性腹泻的日发病率数据	机器学习	肠道传染病	NA	LSTM, Transformer, 混合模型	时间序列数据（发病率、气象、空气污染物）	2014年5月13日至2024年12月31日期间常州市的日发病率、气象及空气污染物数据	NA	LSTM, Transformer, STL-T-L（季节性趋势分解-Loess、Transformer、LSTM混合架构）	RMSE, MAE, MAPE, MASE	NA
1822	2026-01-30	Examination of new clinical dental caries in school children using real intra oral photos with artificial intelligence model YOLO-V8x 2025-Dec-20, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07486-x PMID:41422004	研究论文	本研究评估了基于YOLOv8x模型的HI Bogi应用在印度尼西亚小学生中检测龋齿的有效性	首次将YOLOv8x模型应用于真实口腔照片的龋齿检测，并与牙医诊断进行对比验证	模型在特定类别上的精度存在差异，需要进一步优化以提高罕见病变类别的检测率	评估人工智能模型在龋齿诊断中的性能，以替代传统耗时的人工诊断方法	印度尼西亚Cimahi地区小学生的口腔照片	计算机视觉	龋齿	人工智能图像分析	YOLO	图像	3221张JPG格式的口腔照片	YOLOv8	YOLOv8x	mAP, IoU, 精确率, 召回率, 灵敏度, 特异度	NA
1823	2026-01-30	Deep learning discriminates thymic epithelial tumors' histological subtypes using digital pathology 2025-Dec-11, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.12.003 PMID:41390119	研究论文	本研究开发了一种基于深度学习的模型，利用数字病理图像对胸腺上皮肿瘤的组织学亚型进行自动分类	引入了一种新颖的分层损失函数，该函数基于临床治疗策略和患者预后对肿瘤进行分组，从而更好地反映临床相关性	模型在六分类WHO标准下的准确率为77.7%，仍有提升空间；研究基于特定数据集，需在更广泛的外部数据集中验证	开发一种深度学习工具，以减少胸腺上皮肿瘤组织学分类的诊断变异性和提高诊断一致性	胸腺上皮肿瘤的H&E染色全切片数字病理图像	数字病理	胸腺癌	H&E染色	深度学习模型	图像	训练集来自癌症基因组图谱，验证集包含112例来自芝加哥大学的连续病例	NA	NA	准确率, Cohen's κ系数, 灵敏度	NA
1824	2026-01-30	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	研究论文	本研究提出了PRISM-CRC，一种新颖的深度学习框架，通过整合组织病理学、放射学、内窥镜和临床数据，旨在改善结直肠癌的诊断和预后	提出了一种多模态融合的深度学习框架，显著超越了单一数据类型的模型，并提供了比传统TNM分期更精细的风险分层	存在因'领域偏移'导致的性能轻微下降，以及在形态学模糊病例中的分类错误，需要未来前瞻性试验验证临床效用	改善结直肠癌的诊断和预后，实现个性化治疗	结直肠癌患者	数字病理学	结直肠癌	深度学习	深度学习框架	组织病理学图像, 放射学图像, 内窥镜图像, 临床数据	未明确	未明确	PRISM-CRC	一致性指数, AUC	未明确
1825	2026-01-30	Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01287-4 PMID:39953255	研究论文	本研究探讨了结合深度学习图像重建（DLIR）与金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	首次在猪颌面区域模型中，结合DLIR与MAR算法，并评估了在不同剂量水平和重建方法下的图像质量	研究基于猪模型（幻影），未涉及人体临床数据，样本量较小（四个幻影）	评估DLIR与MAR算法结合对CT图像质量的影响，特别是在减少金属伪影方面	猪颌面区域模型（幻影）	医学影像	NA	CT扫描	深度学习图像重建（DLIR）	CT图像	四个猪颌面区域幻影	NA	NA	标准偏差（SD）、信噪比（SNR）、对比噪声比（CNR）、金属伪影指数（MAI）、主观图像质量评分（5点Likert量表）	NA
1826	2026-01-30	Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review 2025-Dec, Veterinary clinical pathology IF:1.2Q3 DOI:10.1111/vcp.70012 PMID:40462415	综述	本文介绍了人工智能在兽医临床病理学中的应用，并探讨了其资格认证与整合方法	以非技术性方式介绍AI基本概念，并强调兽医临床病理学家在AI方法设计、资格认证及负责任应用中的主动角色	NA	探索人工智能在兽医临床病理学工作流程中的增强机会	兽医临床病理学领域	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1827	2026-01-30	Deep Learning-Based Segmentation of Coronary Arteries and Stenosis Detection in X-Ray Coronary Angiography 2025-Dec, JACC. Advances DOI:10.1016/j.jacadv.2025.102360 PMID:41447280	研究论文	本文利用深度学习模型对X射线冠状动脉造影图像进行冠状动脉分割和狭窄检测，并进行外部验证与专家变异性比较	开发了基于深度学习的冠状动脉分割和狭窄检测模型，首次在多中心数据上进行训练和验证，并证明其性能与专家水平相当	研究仅基于两个医疗中心的数据，可能无法完全代表所有临床场景；狭窄检测率仍有提升空间	训练深度学习模型用于自动分割冠状动脉并检测显著狭窄，以辅助临床诊断	X射线冠状动脉造影图像	计算机视觉	心血管疾病	X射线冠状动脉造影	深度学习模型	图像	10,573张ICA图像用于训练（中心1: 9,065张，中心2: 1,508张），验证集309张图像	NA	NA	Dice系数, 检测率, 置信区间	NA
1828	2026-01-30	Artificial Intelligence and Augmented Reality in Orthopedic Surgery: A Narrative Review of Current Applications and Future Directions 2025-Dec, Cureus DOI:10.7759/cureus.100177 PMID:41602239	综述	本文综述了人工智能和增强现实在骨科手术中的当前应用与未来发展方向	系统性地总结了AI和AR技术在骨科手术全流程（从术前规划到术后评估及教育）中的整合应用现状，并指出了未来实现广泛临床转化所需的关键研究方向	现有研究多为单中心小样本队列，结局指标异质性大，AI模型缺乏外部验证，AR系统在人体工学、工作流整合、配准精度和设备可用性方面仍面临实际挑战	探讨人工智能和增强现实技术在骨科手术领域的应用潜力与临床转化路径	骨科手术流程，包括影像解读、术前规划、术中导航、术后评估及外科教育	计算机视觉, 机器学习	骨科疾病	机器学习, 深度学习, 计算机视觉, 增强现实, 混合现实	NA	影像数据, 手术导航数据	NA	NA	NA	放置精度（度/毫米）, 透视使用减少量	NA
1829	2026-01-30	Detection of blueberry based on hyperspectral imaging and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117141 PMID:41606917	研究论文	本研究结合高光谱成像与深度学习技术，开发了一种用于复杂场景下不同品种和成熟度蓝莓糖含量快速检测的方法	提出了结合分数阶导数（FOD）和改进拉普拉斯特征映射（ILE）的预处理与特征波段选择方法，并构建了轻量化的定制CNN模型，显著提升了复杂场景下蓝莓糖含量预测的精度和鲁棒性	研究仅针对三个蓝莓品种（F6、L11、L25）和三种成熟度（成熟、半熟、未熟）进行分类，模型在其他品种或更细粒度成熟度分级上的泛化能力有待验证	探索高光谱成像技术结合深度学习模型检测不同品种和成熟度蓝莓糖含量的能力，以满足蓝莓大规模生产中对糖含量快速检测的需求	三个不同品种（F6、L11、L25）且处于三种成熟度（成熟、半熟、未熟）的蓝莓	计算机视觉	NA	高光谱成像	CNN	高光谱图像	未明确说明具体样本数量，但涉及三个蓝莓品种的三种成熟度类别	未明确说明，可能为TensorFlow或PyTorch	定制的浅层卷积神经网络	决定系数（Rp）、均方根误差（RMSEP）、相对预测偏差（RPDP）	NA
1830	2026-01-30	AI-based smart pretreatment of fresh fruits and vegetables before processing: Research progress and application prospects 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117175 PMID:41606923	综述	本文综述了人工智能在果蔬预处理中的研究进展与应用前景，包括机器学习、深度学习等技术在分选、分级、清洗等环节的应用	系统整合了多种AI技术（如机器学习、深度学习、人工神经网络）在果蔬预处理中的应用，并展望了多学科融合下的自动化控制前景	NA	探讨人工智能技术在果蔬加工预处理环节的应用潜力与发展方向	果蔬（水果和蔬菜）的预处理过程，包括分选、分级、清洗、去皮、切割、护色、烫漂等	计算机视觉, 机器学习	NA	NA	机器学习, 深度学习, 人工神经网络	图像, 传感器数据（如电子鼻）	NA	NA	NA	NA	NA
1831	2026-01-30	Seasonal changes driving shifts in core microbes of Nongxiangxing Daqu: a integrated multi-omics analysis and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117216 PMID:41606940	研究论文	本研究通过整合多组学分析和深度学习，揭示了浓香型大曲在不同季节和压制模式下的风味动态、微生物演替，并识别了核心微生物及其群落组装过程	结合高通量测序与深度学习，首次应用数据驱动的关键物种识别（DKI）框架揭示大曲核心微生物，并分析季节性变化下的群落组装以随机漂移为主导	研究样本仅基于120个大曲样本，可能无法完全代表所有生产条件下的变异，且深度学习模型的泛化能力未在外部数据集中验证	识别和调控浓香型大曲的核心微生物，以优化其生产质量	浓香型大曲（发酵启动剂）及其微生物群落	机器学习	NA	高通量测序，多组学分析（包括理化性质和风味化合物分析）	深度学习	微生物序列数据，理化数据，风味化合物数据	120个大曲样本	NA	NA	NA	NA
1832	2026-01-30	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.15.670535 PMID:40894573	研究论文	本研究利用AlphaFold2多聚体模型预测并分析了蛋白质-蛋白质相互作用，特别关注了内在无序区域在相互作用中的重要性	首次结合物理和功能数据集，系统性地预测了非哺乳动物物种的蛋白质相互作用网络，并揭示了内在无序区域在结合干扰中的关键作用	研究主要基于计算预测，缺乏实验验证；且专注于特定非哺乳动物物种，可能限制了结果的普适性	预测和分析蛋白质-蛋白质相互作用的结构网络，特别关注内在无序区域的功能	非哺乳动物物种的蛋白质	机器学习	NA	深度学习，结构预测	AlphaFold2	蛋白质序列和结构数据	NA	AlphaFold2	AlphaFold2多聚体模型	高置信度预测	NA
1833	2026-01-30	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Oct, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱与深度学习模型ResTransformer的快速、无损方法，用于识别山茶油的掺假类型和浓度	首次提出结合残差模块与Transformer架构的ResTransformer模型，从局部和全局视角同时进行掺假类型的定性检测和掺假浓度的定量检测	研究仅模拟了代表性的掺假场景，未涵盖所有可能的真实掺假情况；模型性能在更广泛的实际样本中需进一步验证	开发一种准确、无损的山茶油掺假检测方法，以保障公众健康和市场秩序	山茶油及其掺假样品	机器学习	NA	激发-发射矩阵荧光光谱，平行因子分析	Transformer, 残差网络	光谱数据	NA	NA	ResTransformer	准确率, 验证集决定系数, 验证集均方根误差, 性能偏差比	NA
1834	2026-01-30	Species habitat modeling based on image semantic segmentation 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09035-6 PMID:41028132	研究论文	本研究提出了一种结合核密度分析和语义分割方法（Segformer）的物种栖息地建模框架，以整合周围环境条件，并应用于台湾鹬科和燕科鸟类的栖息地制图	提出了一个整合周围环境条件的栖息地建模新框架，使用核密度分析将仅存在数据扩展为存在-缺失数据，并首次将深度学习语义分割方法（Segformer）应用于栖息地建模，在鹬科案例中性能优于传统MaxEnt模型	在燕科案例研究中显示了所提方法的局限性，表明方法可能不适用于所有物种或环境	开发更全面的物种栖息地建模方法，以支持生物多样性评估和保护规划	台湾的鹬科鸟类和燕科鸟类	计算机视觉	NA	核密度分析，语义分割	Segformer	图像，地理空间数据	NA	NA	Segformer	AUC	NA
1835	2026-01-30	Sparse Learning Enabled by Constraints on Connectivity and Function 2025-Aug-22, Physical review letters IF:8.1Q1 DOI:10.1103/918k-x6np PMID:40929306	研究论文	本文通过可解模型研究稀疏连接对网络性能的影响，并探索了实现稀疏性的优化方法	利用可解关联学习模型评估多种稀疏诱导约束，发现消除弱连接可达到与ℓ0范数约束相近的稀疏效率，并实现在线稀疏化方法	基于理论模型研究，未在真实生物神经网络或复杂深度学习任务中验证	探索在不损害网络性能的前提下实现稀疏连接的方法	人工神经网络与生物神经网络的稀疏连接特性	机器学习	NA	关联学习模型	人工神经网络	理论模型数据	NA	NA	可解关联学习模型	稀疏效率，网络性能	NA
1836	2026-01-30	Automated Deep Learning Pipeline for Callosal Angle Quantification 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.18.25333901 PMID:40894175	研究论文	本文开发了一个全自动深度学习框架，用于从原始T1 MPRAGE和非MPRAGE MRI扫描中量化胼胝体角，以辅助正常压力脑积水的诊断	提出了一种结合BrainSignsNET模型进行关键解剖标志点检测和基于UNet的分割网络进行侧脑室分割的全自动框架，实现了胼胝体角的鲁棒量化，性能优于报告的人工观察者间变异性	外部验证仅使用了来自单一医院的216个临床MRI扫描，样本来源可能有限；未明确讨论模型在不同MRI扫描仪或协议下的泛化能力	开发一个全自动、可靠的深度学习框架，用于从MRI扫描中量化胼胝体角，以改善正常压力脑积水的诊断	正常压力脑积水患者的MRI扫描图像	数字病理学	正常压力脑积水	T1 MPRAGE MRI, 非MPRAGE MRI	深度学习	3D MRI图像	使用巴尔的摩纵向衰老研究和BIOCARD数据集进行训练和内部验证，外部验证使用约翰霍普金斯湾景医院的216个临床MRI扫描	NA	BrainSignsNET, UNet with EfficientNetB0 encoder	相关系数(r), p值, 平均绝对误差(MAE), 标准差(SD)	NA
1837	2026-01-30	StructVPR++: Distill Structural and Semantic Knowledge With Weighting Samples for Visual Place Recognition 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556859 PMID:40168193	研究论文	本文提出了一种名为StructVPR++的视觉地点识别框架，通过分割引导的蒸馏方法将结构和语义知识嵌入到RGB全局表示中，以在准确性和效率之间取得良好平衡	主要创新点在于从全局描述符中解耦标签特定特征，实现图像对之间的显式语义对齐，而无需在部署时进行分割；并引入了样本加权蒸馏策略，优先处理可靠训练对并抑制噪声对	未在摘要中明确说明	解决自动驾驶和机器人技术中的视觉地点识别挑战，旨在缩小全局检索与重排序之间的差距	视觉地点识别任务	计算机视觉	NA	分割引导的蒸馏方法	深度学习模型	RGB图像	在四个基准数据集上进行实验	NA	StructVPR++	Recall@1	NA
1838	2026-01-30	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	本文通过记录猴子在感知决策任务中DLPFC和PMd的神经元活动，结合多区域循环神经网络模型，揭示了大脑如何通过多区域计算形成最小充分表示，以优化决策过程	发现大脑在决策过程中，DLPFC和PMd分别形成任务相关输入和最小充分选择表示，并通过多区域RNN模型模拟了这一机制，揭示了相关信息在区域间优先传播的神经计算原理	研究仅基于猴子的DLPFC和PMd区域，可能不适用于其他脑区或物种；RNN模型为简化模拟，可能未完全捕捉大脑复杂性	探究大脑在决策过程中如何通过多区域分布式计算形成最优表示	猴子的背外侧前额叶皮层（DLPFC）和背侧前运动皮层（PMd）的单个神经元和多单元活动	机器学习	NA	单神经元和多单元电生理记录，循环神经网络（RNN）训练	RNN	神经电生理数据	NA	NA	多区域循环神经网络	NA	NA
1839	2026-01-30	SpaCE: a spatial counterfactual explainable deep learning model for predicting out-of-hospital cardiac arrest survival outcome 2025-Jan-28, International journal of geographical information science : IJGIS IF:4.3Q1 DOI:10.1080/13658816.2024.2443757 PMID:40881155	研究论文	本文提出了一种名为SpaCE的空间反事实可解释深度学习模型，用于预测院外心脏骤停患者的生存结局	开发了首个结合空间显式健康结果预测器和原型引导反事实解释的统一模型，能够生成最小改变但结果相反的假设案例，以评估不同空间背景下各变量的影响	模型仅在心脏骤停案例中进行评估，其在不同疾病场景中的普适性需要进一步验证	开发能够整合健康变量和空间信息以预测健康结果的可解释深度学习模型	院外心脏骤停患者的生存结局	机器学习	心血管疾病	深度学习	深度学习模型	空间数据, 健康变量数据	NA	NA	SpaCE (Spatial Counterfactual Explainable Deep Learning model)	AUCROC	NA
1840	2026-01-30	Machine and Deep Learning Methods for Predicting 3D Genome Organization 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4136-1_22 PMID:39283464	综述	本文综述了机器学习和深度学习方法在预测三维基因组组织（如增强子-启动子相互作用、染色质相互作用和拓扑关联域边界）中的应用	系统性地比较和分析了现有计算工具在预测三维基因组相互作用方面的优缺点，并指出了当前面临的障碍和未来研究方向	当前三维结构目录仍不完整且不可靠，受技术、工具和数据分辨率差异的限制	探讨利用机器学习和深度学习方法预测三维基因组组织，以补充或提高现有数据的完整性和分辨率	三维染色质相互作用，包括增强子-启动子相互作用、染色质环、拓扑关联域和A/B区室	机器学习	NA	染色质构象捕获技术、ChIP-seq、DNAse-seq	NA	基因组注释数据、DNA序列信息、其他基因组特性	NA	NA	NA	NA	NA