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
441	2025-10-05	Multimodal data driven deep learning based seismic impedance inversion optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331952 PMID:40982555	研究论文	本研究采用深度学习方法来优化地震波阻抗反演，提高地震数据分辨率和合成地震记录生成质量	首次将LeNet、AlexNet和传统CNN架构应用于地震波阻抗反演，通过连续小波变换进行特征提取，显著提升了反演精度	方法在复杂地质区域的适用性仍需进一步验证，且依赖于合成地震记录进行训练	优化地震波阻抗反演技术，提高地下结构表征精度	地震数据和测井数据	地球物理数据分析	NA	连续小波变换(CWT)	CNN, LeNet, AlexNet	地震数据，测井数据	NA	NA	LeNet, AlexNet, 传统CNN	MSE, RMSE, MAE, R2分数	NA
442	2025-10-05	An interpretable multi-transformer ensemble for text-based movie genre classification 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2945 PMID:40989307	研究论文	提出一种基于电影情节文本的多标签电影类型分类的可解释集成模型	首次将BERT、DistilBERT和ROBERTa三种Transformer模型通过加权软投票集成，并引入LIME方法增强模型可解释性	仅使用文本模态数据，未结合音频视觉等多模态信息	开发基于文本的自动化电影类型分类系统	电影情节文本数据	自然语言处理	NA	文本挖掘	Transformer,BERT,DistilBERT,ROBERTa	文本	Trailers12K和LMTD9两个基准数据集	NA	BERT,DistilBERT,ROBERTa	微平均精确率	NA
443	2025-10-05	An End-to-End autonomous driving model based on visual perception for temporary roads 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3152 PMID:40989386	研究论文	提出一种基于视觉感知的端到端自动驾驶模型，专门用于临时道路环境下移动机器人的自主导航	首次将全局上下文视觉Transformer(GCViT)网络与Transformer网络、门控循环单元(GRU)网络相结合，用于临时道路的端到端自动驾驶	仅针对低速车辆设计，未测试高速场景下的性能表现	开发适用于临时道路环境的端到端自动驾驶模型	移动机器人和无人地面车辆	计算机视觉	NA	视觉感知	Transformer, GRU	图像	NA	NA	Global Context Vision Transformer (GCViT), Transformer, GRU	轨迹规划时间, 平均轨迹偏差	NA
444	2025-10-05	Parametrically guided design of beta barrels and transmembrane nanopores using deep learning 2025-Jan-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.22.604663 PMID:39091726	研究论文	本研究开发了一种结合参数化生成和深度学习的方法来设计β桶蛋白和跨膜纳米孔	将参数化表示与基于RoseTTAFold的深度学习方法相结合，实现了对β桶蛋白全局形状的精确控制设计	方法依赖于参数化生成的骨架结构，可能对某些非理想几何结构的适应性有限	开发一种能够精确控制蛋白质全局形状的设计方法	β桶蛋白和跨膜纳米孔	蛋白质设计	NA	深度学习，X射线晶体学	深度学习	蛋白质结构数据	12、14和16链跨膜纳米孔	RoseTTAFold	RFjoint, RFdiffusion	计算成功率，实验成功率，原子精度	NA
445	2025-10-05	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Jan-03, Research square DOI:10.21203/rs.3.rs-5743704/v1 PMID:39801521	研究论文	提出多尺度细胞间交互空间转录组学分析方法，整合多尺度拓扑表示与空间深度学习技术	首次在空间转录组学分析中考虑多尺度细胞间相互作用，结合多尺度拓扑表示与先进空间深度学习技术	未明确说明方法在特定组织类型或实验条件下的适用性限制	开发能够捕捉多尺度细胞间相互作用的空间转录组学分析方法	空间转录组学数据中的细胞间相互作用模式	生物信息学	NA	空间转录组学	深度学习	空间基因表达数据	37个基准空间转录组学数据集	NA	NA	聚类评分	NA
446	2025-10-05	DWI-based Biologically Interpretable Radiomic Nomogram for Predicting 1-year Biochemical Recurrence after Radical Prostatectomy: A Deep Learning, Multicenter Study 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056403104250527045320 PMID:40511648	研究论文	开发基于DWI和深度学习的放射组学列线图预测前列腺癌根治术后1年生化复发	首次将深度学习提取的放射组学特征与临床参数结合构建预测模型，并探索放射组学评分与肿瘤微环境的关联	回顾性研究设计，样本量有限(n=349)，需要更大规模前瞻性验证	预测前列腺癌根治术后1年生化复发风险	接受根治性前列腺切除术的前列腺癌患者	数字病理	前列腺癌	多参数磁共振成像(mpMRI), 扩散加权成像(DWI), 单细胞RNA测序	深度学习	医学影像, 临床数据, 基因表达数据	349例患者(两个独立队列), 4例前瞻性参与者的单细胞RNA测序数据	NA	3D U-Net	AUC, Hosmer-Lemeshow检验, 决策曲线分析	NA
447	2025-10-05	OSFormer: One-Step Transformer for Infrared Video Small Object Detection 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3598426 PMID:40828723	研究论文	提出一种用于红外视频小目标检测的单步Transformer方法OSFormer	首次将小目标友好的Transformer与单步检测范式相结合，提出可变尺寸补丁注意力模块和多普勒自适应滤波器	NA	改进红外视频中小目标检测的性能和效率	红外视频序列中的小目标	计算机视觉	NA	红外视频分析	Transformer	红外视频序列	AntiUAV和InfraredUAV数据集	NA	OSFormer, Transformer	mAP50, mAP50-95, Params, FLOPs	NA
448	2025-10-05	Analysis of Freezing of Gait in Parkinson's Disease Detection Using a Multimodal Prototype Learning Framework 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3605204 PMID:40892658	研究论文	提出一种名为CSE-ProtoNet的多模态原型学习框架，用于检测帕金森病患者的步态冻结现象	结合CondenseNet与SEBlock的原型学习框架，首次应用于多模态数据（EEG和步态数据）的FOG检测	医学数据样本量有限，特别是EEG数据稀缺	提高帕金森病患者步态冻结检测的准确性和鲁棒性	帕金森病患者	机器学习	帕金森病	脑电图, 步态分析	深度学习, 原型学习	多模态数据（EEG和步态数据）	有限样本（具体数量未明确说明）	深度学习框架	CondenseNet, SEBlock, CSE-ProtoNet	准确率, F-score, 召回率, 特异性, 精确率, AUC	NA
449	2025-10-05	Large-scale multi-center CT and MRI segmentation of pancreas with deep learning 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103382 PMID:39541706	研究论文	提出一种名为PanSegNet的深度学习方法，用于大规模多中心的CT和MRI胰腺分割	结合nnUNet和Transformer网络的优势，引入新的线性注意力模块实现体积计算，并在多模态多中心数据上进行验证	回顾性研究，缺乏前瞻性验证	开发自动化的胰腺体积分割方法用于胰腺疾病的诊断和随访	胰腺	医学影像分析	胰腺疾病	CT扫描，T1加权MRI，T2加权MRI	深度学习	医学影像	767例MRI扫描（来自499名参与者），1,350例CT扫描（来自公开数据集），总计2,117例扫描	PyTorch	nnUNet, Transformer	Dice系数，Hausdorff距离（HD95），Cohen's kappa，相关系数R	NA
450	2025-10-05	Histopathological image analysis and enhanced diagnostic accuracy explainability for oral cancer detection 2025, Polish journal of pathology : official journal of the Polish Society of Pathologists IF:0.7Q4 DOI:10.5114/pjp.2025.153973 PMID:40977550	研究论文	提出一种用于口腔癌组织病理图像分类的深度学习模型，通过特征选择和可解释性增强诊断准确性	结合Vahadane颜色归一化、加权Fisher评分特征选择和可解释人工智能技术，改进U-Net分类器使用特征输入而非完整图像	NA	开发高精度可解释的口腔癌检测系统以减少诊断错误	口腔癌组织病理图像	数字病理	口腔癌	组织病理图像分析	U-Net	图像	NA	NA	U-Net, DenseNet201, VGG10	准确率, 精确率, 可靠性	NA
451	2025-10-05	Explaining solar forecasts with generative AI: A two-stage framework combining transformers and LLMs 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331516 PMID:40961090	研究论文	提出结合Transformer和大型语言模型的两阶段混合框架，用于提高太阳能功率预测的准确性和可解释性	首次将深度学习时间序列预测与生成式大语言模型耦合，通过结构化提示微调实现领域相关的自然语言解释生成	仅在两个光伏电站34天的数据集上进行验证，样本规模有限	开发准确且可解释的太阳能功率预测方法	光伏系统的直流功率预测	机器学习	NA	时间序列预测，自然语言生成	Transformer, LLM	多元时间序列数据（逆变器数据、天气数据、时间特征）	两个光伏电站34天的公开数据集	NA	Transformer编码器-解码器, Flan-T5	MAE, RMSE, R2, ROUGE-1, ROUGE-2, ROUGE-L, ROUGE-Lsum, BLEU	NA
452	2025-10-05	Robust emotion recognition for complex environments: ChildEmoNet model based on DETR-ResNet50 cascaded architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332130 PMID:40966300	研究论文	提出一种基于DETR-ResNet50级联架构的儿童情感识别模型ChildEmoNet，用于复杂环境下的鲁棒情感识别	开发了DETR-ResNet50级联架构，同时解决多人检测和分类挑战，并针对面部遮挡场景设计了增强鲁棒性机制	NA	开发在复杂现实环境中具有鲁棒性的情感识别技术	儿童情感识别，特别是在面部遮挡条件下的情感识别	计算机视觉	NA	深度学习	DETR, CNN	图像	OMG情感数据集	PyTorch	DETR, ResNet50	AUC, 准确率, 一致性相关系数(CCC)	NA
453	2025-10-05	An AI-powered framework for assessing teacher performance in classroom interactions: a deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1553051 PMID:40969168	研究论文	提出基于人工智能的框架，通过深度学习技术评估课堂互动中的教师表现	首次将三种先进目标检测模型应用于课堂互动分析，实现教师表现的客观评估	研究仅基于7,259张图像数据，未涉及音频或其他教学情境因素	开发客观评估课堂互动中教师表现的AI框架	课堂互动中的教师行为	计算机视觉	NA	目标检测	CNN	图像	7,259张来自真实课堂环境的标注图像	NA	YOLOv8, Faster R-CNN, RetinaNet	mAP（平均精度均值）	NA
454	2025-10-05	Deep learning in breast cancer risk prediction: a review of recent applications in full-field digital mammography 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1656842 PMID:40969257	综述	本文综述了深度学习在全视野数字乳腺摄影中乳腺癌风险预测的最新应用进展	填补了文献中关于利用影像生物标志物进行AI风险预测研究的空白，探索了个性化筛查的新途径	尚未实现临床应用，存在需要克服的技术挑战	探索人工智能在乳腺癌风险预测领域的应用潜力	全视野数字乳腺摄影图像	计算机视觉	乳腺癌	全视野数字乳腺摄影	深度学习	医学影像	NA	NA	NA	NA	NA
455	2025-10-05	Enhanced prediction of gene mutation and risk stratification in non-small-cell lung cancer through dual-pathway fusion of radiomics and pathomics 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1646851 PMID:40969259	研究论文	开发并验证了一种融合影像组学、病理组学和临床特征的多模态模型，用于预测非小细胞肺癌的EGFR突变状态和风险分层	首次将影像组学、病理组学和临床特征通过双路径融合，构建综合预测模型，并采用弱监督学习和多示例学习开发病理组学特征	回顾性研究设计，样本量相对有限（387例患者）	精确预测非小细胞肺癌的EGFR突变状态和风险分层	非小细胞肺癌患者	数字病理	肺癌	影像组学、病理组学、深度学习	CNN, 弱监督学习, 多示例学习	医学影像、病理图像、临床数据	387例NSCLC患者（训练集193例，内部验证集83例，外部验证集111例）	NA	3D CNN	AUC, 95%CI, log rank检验	NA
456	2025-10-05	Diagnostic performance of ultrasound characteristics-based artificial intelligence models for thyroid nodules: a systematic review and meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1614603 PMID:40969266	系统评价与荟萃分析	系统评估基于超声特征的人工智能模型在甲状腺结节良恶性鉴别中的诊断性能	首次通过系统评价和荟萃分析全面比较不同AI辅助诊断模型在甲状腺结节诊断中的表现，并确定最优诊断模型	纳入研究间存在显著异质性，部分亚组分析结果需谨慎解读	评估基于超声的人工智能诊断模型在甲状腺结节良恶性鉴别中的性能	甲状腺结节患者及其超声图像	医学影像分析	甲状腺疾病	超声成像	深度学习, 人工智能诊断模型	超声图像	28项研究，134,028名患者，158,161个甲状腺结节，529,479张超声图像	NA	EDLC-TN	敏感度, 特异度, 诊断比值比, 汇总受试者工作特征曲线下面积, 阳性似然比, 阴性似然比	NA
457	2025-10-05	Key parameters in intratumoral-peritumoral region fusion models: optimizing deep learning radiomics for breast cancer diagnosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1587879 PMID:40969275	研究论文	本研究探索关键参数选择对乳腺肿瘤内-瘤周区域融合模型性能的影响，以优化深度学习影像组学在乳腺癌诊断中的应用	系统评估了伪彩色图像、原始精确ROI和直接扩展策略等关键参数组合对瘤周区域融合模型性能的优化效果	回顾性研究设计，样本量相对有限（411例），仅使用CEUS影像数据	提升深度学习影像组学模型在乳腺良恶性肿瘤鉴别诊断中的非侵入性诊断能力	411例女性乳腺病变患者	医学影像分析	乳腺癌	对比增强超声（CEUS）	深度学习影像组学模型	医学影像	411例来自四家医院的女性乳腺病变患者	NA	瘤周区域融合模型	AUC（曲线下面积）	NA
458	2025-10-05	Federated learning-based virtual dual-energy CT generation from single-energy CT for gout detection 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375570 PMID:40969395	研究论文	开发基于联邦学习的虚拟双能CT生成框架，用于痛风检测	首创基于深度学习的虚拟双能CT图像生成方法，并集成联邦学习实现多机构协作训练	NA	开发早期准确诊断痛风的联邦学习框架，解决现有诊断方法的局限性	痛风患者	医学影像分析	痛风	CT成像	深度学习	医学影像	NA	NA	U-Net	PSNR, SSIM, IoU, Dice score	NA
459	2025-10-05	Gene regulatory network prediction using machine learning, deep learning, and hybrid approaches 2025, Forestry research DOI:10.48130/forres-0025-0014 PMID:40969532	研究论文	本研究开发并评估了机器学习、深度学习和混合方法在构建基因调控网络中的应用	提出结合卷积神经网络与传统机器学习的混合模型，并采用跨物种迁移学习策略解决非模式物种数据稀缺问题	未明确说明训练数据的具体规模和非模式物种数据稀缺程度的具体量化指标	开发高效的基因调控网络预测方法以阐明植物代谢途径的调控机制	拟南芥、杨树和玉米的转录组数据及木质素生物合成途径相关转录因子	机器学习	NA	转录组测序	CNN, 机器学习混合模型	转录组数据	NA	NA	卷积神经网络	准确率	NA
460	2025-10-05	Assessing the accuracy of forest above-ground biomass and carbon storage estimation by meta-analysis based close-range remote sensing 2025, Forestry research DOI:10.48130/forres-0025-0017 PMID:40969538	研究论文	通过荟萃分析评估近距离遥感在森林地上生物量和碳储量估算中的准确性	首次系统评估不同近距离遥感技术（地面激光雷达、无人机、光谱和RGB传感器）在多个尺度（单木、样地和林分）的生物量估算精度	随着研究尺度扩大，精度和样本量均有所下降；不同森林类型间差异显著，需要分别建模	定量评估近距离遥感技术估算森林地上生物量的准确性	全球187项研究和233个数据集	遥感	NA	近距离遥感、地面激光雷达、无人机、光谱传感器、RGB传感器	荟萃分析	遥感数据、生物量测量数据	187项全球研究，233个数据集	NA	NA	R²（决定系数）	NA