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
321	2025-12-06	HAttFFNN: Hybridized attention mechanism-based feedforward neural network deep learning model for the plastic material classification of three stage materials on spectroscopic data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336927 PMID:41329750	研究论文	提出一种基于混合注意力机制的前馈神经网络深度学习模型，用于光谱数据上的三阶段塑料材料分类	提出了一种新颖的混合注意力机制前馈神经网络模型，专门用于处理复杂的光谱数据，并在区分视觉和光谱相似材料方面优于传统模型	仅针对PET材料的三阶段分类进行研究，未扩展到其他塑料类型或更多阶段	提高基于光谱数据的塑料材料分类精度，特别是在自动化回收、环境监测和质量控制等应用中	三阶段聚对苯二甲酸乙二醇酯材料	机器学习	NA	数字光处理近红外扫描	前馈神经网络	光谱数据	295,327个样本	NA	HAttFFNN	准确率, 精确率, 召回率, F1分数, 特异性, 均方根误差	NA
322	2025-12-06	Computational Landscape in Drug Discovery: From AI/ML Models to Translational Application 2025, Scientifica IF:2.3Q2 DOI:10.1155/sci5/1688637 PMID:41332459	综述	本文综述了人工智能和机器学习在药物发现领域的应用、模型、工具、挑战及未来趋势	全面概述了AI/ML在药物研发全流程的应用，并重点讨论了可解释AI、联邦学习等新兴趋势以克服现有挑战	数据可用性有限、异质性、偏差、模型可解释性不足、可重复性问题、临床转化障碍和监管不确定性	概述AI/ML在药物发现中的应用，并讨论其挑战与未来方向	药物发现过程	机器学习	NA	NA	监督学习, 无监督学习, 半监督学习, 深度学习, 强化学习	NA	NA	NA	NA	NA	NA
323	2025-12-06	SZBC-AI4TCM: a comprehensive web-based computing platform for traditional Chinese medicine research and development 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1698202 PMID:41333020	研究论文	本文介绍了一个名为SZBC-AI4TCM的综合性网络计算平台，旨在通过集成人工智能算法和生物信息学工具，加速传统中医药研究并降低成本	开发了一个用户友好的网络平台，集成了多种AI技术和生物信息学工具，使非计算背景的研究者也能进行全面的中医药数据分析，体现了'数字本草'概念	未在摘要中明确提及具体限制	开发一个综合性网络计算平台，以支持传统中医药的研究与开发，解决传统实验方法在处理复杂大数据时的不足	传统中医药数据，包括方剂、机制阐明和药物筛选等	机器学习	阿尔茨海默病	机器学习，深度学习，大数据分析	NA	中医药数据	NA	NA	NA	NA	硬件-软件加速
324	2025-12-06	Benchmarking complete-to-partial point cloud registration techniques for laparoscopic surgery 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1702360 PMID:41333278	研究论文	本文提出一个基准测试，评估深度学习点云配准方法在腹腔镜手术中的泛化能力，并开发了一个完整的到部分点云配准框架	首次系统性地评估了多种深度学习点云配准方法在手术场景中的表现，并提出了一个结合关键点提取、重叠估计和Transformer架构的完整到部分点云配准框架	在DePoll数据集上，由于存在大变形，性能显著下降，表明当前方法在处理严重非刚性变化时准确性不足	评估点云配准技术在腹腔镜手术中的泛化能力，并为开发先进非刚性算法提供指导	腹腔镜手术中的器官点云数据，包括变形的IRCAD肝脏数据集和DePoll数据集	计算机视觉	肝脏疾病	点云配准	Transformer, GMM-based, correspondence-based, correspondence-free, matching-based	点云数据	两个手术数据集：变形的IRCAD肝脏集和DePoll数据集	NA	Transformer	TRE, MAE(R), MAE(t)	NA
325	2025-12-06	Advances in DCE-MRI Radiomics for Non-Invasive Prediction of Breast Cancer Molecular Subtypes: Research Progress and Clinical Translation 2025, Breast cancer (Dove Medical Press) DOI:10.2147/BCTT.S552019 PMID:41333886	综述	本文系统评估了DCE-MRI影像组学在非侵入性预测乳腺癌分子亚型方面的研究进展与临床转化	整合标准化DCE-MRI协议与多维影像组学特征（形态、纹理、小波变换参数），结合深度学习实现多任务预测模型，并通过前瞻性多中心试验验证其临床替代潜力	存在数据异质性挑战及影像组学生物标志物的机制解释困难	非侵入性预测乳腺癌分子亚型并推动精准影像引导治疗	乳腺癌分子亚型（ER、HER2、三阴性）	数字病理	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	深度学习多任务预测模型	医学影像（DCE-MRI）	NA	NA	NA	NA	NA
326	2025-12-06	An EEG-based machine learning framework for diagnosing acute sleep deprivation 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1668129 PMID:41334558	研究论文	本文开发了一个基于EEG和机器学习的框架，用于诊断急性睡眠剥夺	结合了传统机器学习分类器（如LightGBM、XGBoost）和深度学习模型（CNN、LSTM、Transformer）对EEG数据进行多特征分析，并在有无受试者级别分离两种条件下评估模型性能	在跨受试者评估条件下模型准确率显著下降，表明模型在个体间泛化能力有限	开发一种客观、可靠的急性睡眠剥夺诊断方法	71名参与者的61通道睁眼静息态EEG数据	机器学习	睡眠障碍	EEG	LightGBM, XGBoost, RF, SVC, CNN, LSTM, Transformer	EEG时间序列数据	71名参与者	NA	CNN, LSTM, Transformer	准确率, F1分数, AUC	NA
327	2025-12-06	Machine learning insights into vaccine adjuvants and immune outcomes 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1654060 PMID:41126836	研究论文	本研究引入一种基于非人灵长类RNA转录组数据的机器学习方法，用于预测疫苗接种后的免疫原性抗体水平，并分析佐剂刺激的免疫反应机制	首次利用机器学习结合非人灵长类转录组数据预测疫苗佐剂效果，并通过深度学习模型解析佐剂激活的免疫机制	研究依赖非人灵长类数据，可能限制对人类疫苗的普适性；未提及模型在独立验证集上的性能评估	加速疫苗佐剂筛选过程，促进更有效疫苗的开发	疫苗佐剂及其激发的免疫反应	机器学习	NA	RNA转录组测序	深度学习模型	转录组数据	NA	NA	NA	NA	NA
328	2025-12-06	Enhanced SQL injection detection using chi-square feature selection and machine learning classifiers 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1686479 PMID:41346567	研究论文	本研究提出了一种结合卡方特征选择和机器学习分类器的增强型SQL注入检测方法	采用卡方特征选择来提升多种机器学习分类器在SQL注入检测中的性能，并通过Jensen-Shannon散度分析评估数据集领域差异	未在真实生产网络环境中评估模型的可迁移性和实时检测可靠性，且未探索特征选择对深度学习架构的影响	提高SQL注入攻击检测的准确性并降低误报率	SQL查询语句	机器学习	NA	卡方特征选择，TF-IDF向量化	多项式朴素贝叶斯，支持向量机，逻辑回归，决策树，K近邻	文本	合并数据集（自定义数据集与Kaggle的SQLiV3.csv文件）	Scikit-learn	NA	准确率，精确率，召回率，F1分数，误报率，误分类率	NA
329	2025-12-05	Intelligent grading of sugarcane leaf disease severity by integrating physiological traits with the SSA-XGBoost algorithm 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698808 PMID:41169726	研究论文	本研究提出了一种基于生理特征和SSA-XGBoost算法的甘蔗叶片病害严重程度智能分级方法	结合生理特征（SPAD值、叶面温度、氮含量）与麻雀搜索算法优化XGBoost模型，实现高效、透明的甘蔗病害严重程度分级	未与基于图像的深度学习方法进行直接性能对比，且仅针对三种特定甘蔗病害进行验证	开发一种智能方法，用于准确评估甘蔗叶片病害严重程度，以支持早期预警和有效病害控制	感染褐条病、环斑病和花叶病的甘蔗叶片	机器学习	植物病害	植物营养分析仪（TYS-4N）测量	XGBoost, KNN, AdaBoost, Random Forest, Logistic Regression, Decision Tree	生理特征数据（SPAD值、叶面温度、氮含量）	从田间收集的感染三种病害、四个严重程度等级的甘蔗叶片数据	Scikit-learn, XGBoost	XGBoost, KNN, AdaBoost, Random Forest, Logistic Regression, Decision Tree	精确率, 召回率, F1分数, 准确率, PRFA综合评分	未明确说明
330	2025-12-05	Identifying escaped farmed salmon from fish scales using deep learning 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf078 PMID:41311715	研究论文	本文利用深度学习技术，通过鱼鳞图像自动识别逃逸养殖鲑鱼，以解决传统方法劳动密集和时间消耗大的问题	首次在包含近90,000张鱼鳞图像的大型多样化数据集上训练和验证卷积神经网络，涵盖异质成像协议、数百条河流及自1930年代的时间序列数据，展示了模型在生态和方法学背景下的强泛化能力	未明确提及模型在极端环境或新型养殖技术下的适用性限制	开发一个自动化、高精度的工具，用于大规模监测逃逸养殖鲑鱼，以保护野生大西洋鲑鱼种群	挪威的逃逸养殖鲑鱼和野生大西洋鲑鱼	计算机视觉	NA	鱼鳞图像分析	CNN	图像	近90,000张鱼鳞图像，来自两个国家档案库，涵盖数百条河流和自1930年代的时间序列	NA	卷积神经网络	F1分数	NA
331	2025-12-05	Scale-up Unlearnable Examples Learning with High-Performance Computing 2025, IS&T International Symposium on Electronic Imaging DOI:10.2352/ei.2025.37.12.hpci-184 PMID:41323016	研究论文	本文通过在高性能计算环境下扩展不可学习示例学习，探索批量大小对数据不可学习性的影响，以增强医疗数据安全	首次在Summit超级计算机上使用分布式数据并行训练扩展不可学习聚类方法，实现理论上无限资源下的不可学习示例性能提升	批量大小与不可学习性的关系因数据集而异，需针对不同数据集定制策略，且实验仅限于特定图像数据集	防止未经授权的深度学习模型学习，特别是在医疗AI诊断工具中保护敏感数据隐私和知识产权	医疗影像数据及其他图像数据集（如Pets、MedMNist、Flowers、Flowers102）	机器学习	NA	不可学习示例学习，不可学习聚类	深度学习模型	图像	多个数据集（Pets、MedMNist、Flowers、Flowers102），具体样本数量未在摘要中指定	PyTorch（基于DDP框架推断）	NA	准确性，不可学习性	Summit超级计算机，高性能GPU，分布式数据并行训练
332	2025-12-05	Histolytics: A panoptic spatial analysis framework for interpretable histopathology 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.022 PMID:41328400	研究论文	本文介绍了Histolytics，一个用于可解释性组织病理学分析的开源Python框架	将全景分割与空间查询、形态学分析和基于图的分析相结合，提供高分辨率、可解释的组织特征量化方法	NA	开发一个可扩展的计算病理学框架，用于量化组织空间组织模式	宫颈和卵巢高级别浆液性癌的H&E染色全切片图像	数字病理学	宫颈癌,卵巢癌	H&E染色,全景分割	深度学习模型	图像	NA	Python	NA	NA	NA
333	2025-12-04	Brain-inspired learning rules for spiking neural network-based control: a tutorial 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00436-6 PMID:39781065	综述	本文回顾了受大脑启发的学习规则及其在基于脉冲神经网络的机器人控制任务中的应用	系统性地总结了脉冲神经网络在控制任务中的应用，并探讨了将全局第三因子与脉冲时序依赖可塑性结合的方法及其改进	NA	探讨脉冲神经网络在机器人控制任务中的应用，以解决深度神经网络在实时处理中的能耗和延迟问题	脉冲神经网络、生物启发学习规则、机器人控制系统	机器学习	NA	脉冲神经网络、脉冲时序依赖可塑性	脉冲神经网络	时空信息	NA	NA	NA	NA	神经形态硬件
334	2025-12-04	High-Resolution Underwater Creature Segmentation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3633990 PMID:41284419	研究论文	本文提出了首个用于水下生物分割的高分辨率数据集UCS4K，并设计了一种名为RADAR的双分支网络来解决高分辨率水下图像分割中的效率与精度权衡问题	首次构建了大规模高分辨率水下生物分割数据集UCS4K，并提出了一种分辨率非对称的双分支对齐与精炼网络RADAR，通过CNN分支保持高分辨率空间细节，Transformer分支建模全局语义，并引入全局语义对齐和双向协作精炼模块解决分支间的语义错位问题	未明确提及，但可能包括数据集的物种覆盖范围、在极端水下环境下的泛化能力等	解决高分辨率水下生物图像分割的挑战，提升分割精度	水下生物图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	4,096张带有像素级标注的高分辨率图像	PyTorch	RADAR（基于CNN和Transformer的双分支架构）	准确率, 精度, 召回率, F1分数, AUC, Dice系数	NA
335	2025-12-04	Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/8074581 PMID:41321694	研究论文	本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性	提出了一种混合CNN-ML方法，相比传统仅使用CNN的方法，在寄生虫分类任务中实现了更高的准确率	数据集规模较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力	构建一个预测模型，用于从显微镜图像中分类土壤传播性蠕虫病和血吸虫病	显微镜图像中的寄生虫卵，包括钩虫、血吸虫病、阴性样本等五类	计算机视觉	寄生虫病	显微镜成像	CNN, ViT, SVM, XGBoost, KNN, RF, DT	图像	1490张图像	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT	准确率	NA
336	2025-12-04	Automated Technique for Brain Tumor Detection From Magnetic Resonance Imaging Based on Local Features, Ensemble Classification, and YOLOv3 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5531209 PMID:41321695	研究论文	本文探索了一种基于局部特征、集成分类和YOLOv3的自动化方法，用于从脑部MRI扫描中检测脑肿瘤	提出了两种新颖技术：一种使用SVM和KNN的集成分类方法，另一种采用YOLOv3深度学习模型进行肿瘤检测和定位	未明确说明研究的具体局限性，如数据集规模、模型泛化能力或临床验证的不足	开发一种新颖的自动化脑肿瘤检测技术，以解决传统方法识别缓慢和人为错误的问题	脑部MRI扫描图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI	集成分类器, YOLOv3	图像	开源数据集和从巴基斯坦拉合尔医院收集的数据，具体样本数量未明确	NA	YOLOv3	准确率, 精确率, 召回率, 平均交并比	NA
337	2025-12-04	Differences in abundance and functional intensity of characteristic microorganisms of tea plant rhizosphere soils contribute to the differentiation of tea quality in different rocky zones 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1704146 PMID:41321831	研究论文	本研究通过分析武夷岩茶不同岩区（正岩、半岩、洲茶）茶树根际土壤和叶片样本，揭示了根际微生物群落差异对茶叶品质形成的影响机制	首次结合机器学习深度学习识别出关键特征微生物属（如Aspergillus和Penicillium），并揭示其丰度与茶叶品质指标、土壤理化性质及功能强度的显著正相关关系	研究主要基于相关性分析，未通过实验验证微生物功能对茶叶品质的直接因果作用，且样本范围限于武夷岩茶特定岩区	探究不同岩区茶树根际微生物群落差异如何影响武夷岩茶“岩韵”品质的形成	武夷岩茶茶树根际土壤微生物群落及茶叶品质指标（儿茶素、茶氨酸、咖啡因含量）	微生物生态学	NA	土壤理化分析、微生物群落分析、功能预测分析	机器学习深度学习	土壤样本、叶片样本、微生物群落数据	来自正岩、半岩、洲茶三个岩区的茶树根际土壤和叶片样本	NA	NA	NA	NA
338	2025-12-04	An integrative structural biology approach to identify the binding mode of a nanobody towards the pea ascorbate peroxidase 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.024 PMID:41321999	研究论文	本研究通过整合交联质谱、氢氘交换质谱与建模技术，预测了纳米抗体与豌豆抗坏血酸过氧化物酶的结合模式	提出了一种结合实验数据与建模的混合方法，以较低实验成本获得准确的生物分子结合模式预测，并设计了验证性突变体	深度学习模型对新靶标及难建模生物分子类别（如纳米抗体）的无约束预测仍不够可靠	优化生物传感器等诊断设备，需理解捕获与靶标生物分子相互作用的分子细节	纳米抗体与豌豆抗坏血酸过氧化物酶（植物氧化应激生物标志物）的复合物	结构生物学	NA	交联质谱、氢氘交换质谱、建模	深度学习模型	质谱数据、结构模型	NA	NA	NA	NA	NA
339	2025-12-04	AI driven network pharmacology: Multi-scale mechanisms of traditional Chinese medicine from molecular to patient analysis 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.016 PMID:41322006	综述	本文系统回顾了人工智能驱动的网络药理学方法在揭示中药从分子到患者的多尺度作用机制方面的最新进展	将人工智能（特别是机器学习、深度学习和图神经网络）与网络药理学结合，以系统、准确地分析中药从分子相互作用到患者疗效的跨尺度机制	传统网络药理学方法存在噪声大、维度高、难以捕捉动态和时间序列、跨尺度整合不足等局限性，限制了其在精确机制分析和临床转化中的应用	探索人工智能驱动的网络药理学方法，以克服传统方法的局限，揭示中药“多成分-多靶点-多通路”的整体作用机制	传统中药（TCM）	网络药理学	NA	网络药理学，整合化学信息、组学数据和临床疗效证据	机器学习（ML），深度学习（DL），图神经网络（GNN）	化学信息，组学数据，临床疗效证据	NA	NA	NA	NA	NA
340	2025-12-04	Using deep learning to detect upper limb compensation in individuals post-stroke using consumer-grade webcams-A feasibility study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1645369 PMID:41322226	研究论文	本研究探讨了使用消费级网络摄像头结合人体姿态估计和深度学习算法，自动检测中风患者在执行饮水任务时的代偿性运动的可行性	首次将消费级网络摄像头与MediaPipe人体姿态估计及深度学习模型结合，用于中风患者上肢代偿运动的自动检测，为家庭康复评估提供了新方法	模型泛化能力受限，主要受限于人体姿态估计的测量不确定性、代偿策略数据不足以及准确标签的缺乏	开发一种基于消费级摄像头的自动检测系统，用于评估中风患者的上肢代偿运动，以支持家庭康复	20名轻度至中度上肢功能障碍的中风患者	计算机视觉	中风	人体姿态估计，光学运动捕捉系统	CNN, LSTM	视频	20名参与者，多次重复饮水任务	MediaPipe	卷积神经网络，长短期记忆网络	准确率	NA