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
781	2025-10-06	Hyperparameter tuned deep learning-driven medical image analysis for intracranial hemorrhage detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326255 PMID:40720400	研究论文	提出一种基于超参数调优深度学习驱动的医学图像分析方法，用于颅内出血检测	结合改进的EfficientNet特征提取、黑猩猩优化算法进行超参数调优，以及集成LSTM、堆叠自编码器和双向LSTM的分类模型	NA	开发自动化的颅内出血检测系统以提高诊断准确率	计算机断层扫描（CT）图像中的颅内出血区域	计算机视觉	颅内出血	计算机断层扫描（CT）	CNN, LSTM, Autoencoder, Bi-LSTM	医学图像	NA	NA	EfficientNet, LSTM, Stacked Autoencoder, Bi-LSTM	准确率	NA
782	2025-10-06	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出基于AMFormer的交通事故责任认定框架，通过时空特征建模实现可解释的多标签责任分类	开发AMFormer（算术特征交互Transformer）框架，结合SHAP分析提供责任认定的可解释性	未明确说明数据集的具体规模和多样性限制	开发准确且可解释的交通事故责任认定方法	交通事故数据及责任认定	自然语言处理	NA	深度学习，SHAP可解释性分析	Transformer	交通事故特征数据	真实世界数据集（未明确具体数量）	NA	AMFormer（算术特征交互Transformer）	准确率，F1分数	NA
783	2025-10-06	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	开发深度学习模型用于超声图像中肝脏肿瘤的自动实时检测和诊断	在大型数据集上比较多种深度学习模型对肝脏肿瘤的诊断性能，并实现基于超声的实时病变检测和分类	回顾性研究设计，数据集时间跨度较长（2002-2020年）	开发自动诊断和检测肝脏病变的深度学习模型，以肝细胞癌为主要恶性肿瘤	肝脏肿瘤患者，包括恶性和良性病变	计算机视觉	肝癌	超声成像	CNN, Transformer	超声图像	1576名患者，4599张图像，6001个病变	NA	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	AUC, mAP	NA
784	2025-10-06	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	开发并验证一种能够在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度的深度学习模型	在DeepLabv3-ResNet101架构中集成通道和空间注意力模块、dropout强化的空洞空间金字塔池化以及加权交叉熵损失函数，专门针对真实世界儿童烧伤图像的多类分割和严重程度识别	仅使用单中心回顾性数据，图像分辨率统一调整为256×256像素可能损失部分细节信息	开发适用于真实世界成像条件的儿童烧伤自动分割和深度分级系统	儿童烧伤患者的智能手机或相机拍摄照片	计算机视觉	烧伤	深度学习图像分析	CNN	图像	4785张照片，包含14,355个烧伤区域标注	PyTorch	DeepLabv3, ResNet101	Dice系数, 交并比, 准确率, 精确率, 召回率, F1分数, AUC	NVIDIA GTX 1060 GPU
785	2025-10-06	Cohort protocol: risk assessment of maternal inflammation and early brain development in infants and young children based on multi-source data modeling 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1530285 PMID:40726941	研究方案	基于多源数据建模评估母体炎症对婴幼儿早期大脑发育风险的研究方案	首次在'基因-影像-环境-行为'多因素复杂交互作用下，利用深度学习构建婴幼儿大脑发育早期风险评估模型	样本量相对有限（360对母子），随访时间仅至3岁	评估母体炎症对婴幼儿早期大脑发育的风险，理解早期发育机制并预防大脑发育障碍	360对孕妇及其后代组成的厦门儿童大脑发育队列	数字病理学	儿科疾病	全外显子组测序，神经影像学，行为评估，生物标志物分析	深度学习	问卷数据，医学记录，神经影像数据，行为评估数据，基因测序数据，生物标志物数据	360对孕妇及其后代	NA	NA	NA	NA
786	2025-10-06	Enhancing action recognition in educational settings using AI-driven information systems for public health monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1592228 PMID:40726947	研究论文	提出一种融合自适应知识嵌入网络和动态个性化学习策略的AI驱动信息系统，用于教育场景中的行为识别和公共卫生监测	首次将自适应知识嵌入网络(AKEN)与动态个性化学习策略(DPLS)相结合，通过强化学习和可解释AI技术实现教育环境中复杂行为模式的实时识别与干预	未明确说明实验规模和数据采集的具体环境限制	提升教育环境中行为识别的准确性，增强公共卫生监测能力	学生行为模式（久坐行为、社交互动、卫生依从性等）	计算机视觉, 自然语言处理	公共卫生	深度学习, 强化学习, 可解释AI	深度学习模型	行为数据, 环境数据	NA	NA	自适应知识嵌入网络(AKEN)	识别准确率	NA
787	2025-10-06	Integrating Gene Ontology Relationships for Protein Function Prediction Using PFresGO 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_9 PMID:40728613	研究论文	提出了一种基于注意力机制的深度学习模型PFresGO，利用基因本体层次结构关系进行高通量蛋白质功能预测	首次将基因本体图的层次结构关系整合到蛋白质功能预测中，克服了传统方法忽略功能间关系的局限性	NA	开发高效的计算方法进行蛋白质功能注释，弥合高通量序列数据与未知蛋白质功能之间的差距	蛋白质功能预测	生物信息学	NA	基因本体分析	深度学习,注意力机制	基因本体图数据,蛋白质序列数据	NA	NA	基于注意力的图神经网络	NA	NA
788	2025-10-06	Machine Learning for Protein Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_2 PMID:40728606	综述	本章全面回顾和分类了基于Gene Ontology术语的蛋白质功能预测计算方法	系统梳理了蛋白质功能预测的计算方法分类体系，涵盖模板检测、统计机器学习、深度学习和组合方法	NA	开发高效准确的计算方法进行蛋白质功能预测	蛋白质功能	生物信息学	NA	计算预测方法	NA	蛋白质功能注释数据	NA	NA	NA	NA	NA
789	2025-10-06	A Survey of Deep Learning Methods and Tools for Protein Binding Site Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_5 PMID:40728609	综述	全面综述深度学习在蛋白质结合位点预测中的方法和工具	系统整理并评估了最新的深度学习预测方法，提供了从数据收集到模型实现的完整指南	作为综述文章，不包含原创性实验验证	为开发和应用深度学习模型预测蛋白质结合位点提供全面指导	蛋白质与配体（肽段、小分子、离子、核酸）的相互作用	生物信息学	NA	深度学习	CNN, GNN	蛋白质结构数据	NA	NA	卷积神经网络, 图神经网络	NA	NA
790	2025-10-06	Annotating genomes with DeepGO protein function prediction tools 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_10 PMID:40728614	综述	本章探讨了DeepGO蛋白质功能预测工具套件的演变及其在基因组注释中的应用	介绍了DeepGO系列工具的演进历程，重点展示了最新版本DeepGO-SE在细菌基因组注释中的实际应用效果	NA	为研究人员提供使用深度学习进行蛋白质功能预测和基因组注释的实用指南	蛋白质功能预测工具DeepGO系列及其在基因组注释中的应用	生物信息学	NA	深度学习	深度学习模型	蛋白质序列数据	NA	NA	DeepGO系列模型（包括DeepGO-SE）	效率, 准确率	NA
791	2025-10-06	A Benchmarking Platform for Assessing Protein Language Models on Function-Related Prediction Tasks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_14 PMID:40728618	研究论文	介绍了一个用于评估蛋白质语言模型在功能相关预测任务上性能的基准测试平台PROBE	开发了首个综合评估蛋白质表示方法的基准框架PROBE，支持评估传统方法和新兴的多模态蛋白质语言模型	基准测试任务范围有限，仅包含四个核心任务，可能无法覆盖所有蛋白质功能预测场景	建立标准化基准平台，系统评估不同蛋白质表示方法在功能预测任务上的性能	蛋白质序列、结构和功能数据	自然语言处理, 生物信息学	NA	蛋白质语言模型, 深度学习	蛋白质语言模型	蛋白质序列, 结构信息	NA	NA	ESM2, ESM3, ProstT5, SaProt	语义相似度推理, 本体功能预测, 药物靶点家族分类, 蛋白质-蛋白质结合亲和力估计	NA
792	2025-10-06	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	本研究开发了一种主动学习方法，用于训练能够区分神经视网膜发育中增强子和沉默子的深度学习模型	将主动学习与合成生物学相结合，通过不确定性采样生成多轮训练数据，解决了传统模型无法解释相同转录因子在不同环境中具有相反功能的问题	模型主要针对CRX结合位点进行研究，可能不适用于其他转录因子或调控元件	开发能够准确区分增强子和沉默子的深度学习模型	光感受器转录因子CRX的结合位点	机器学习	NA	大规模并行报告基因检测	深度学习	基因组序列	几乎所有基因组中结合的CRX位点	NA	NA	NA	NA
793	2025-10-06	Data augmentation of time-series data in human movement biomechanics: A scoping review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327038 PMID:40591732	综述	对生物力学时间序列数据增强技术进行范围综述，分析当前方法并评估其有效性	首次系统综述生物力学领域时间序列数据增强技术的应用现状与挑战	仅纳入21篇相关文献，缺乏对数据增强方法的统一评估标准	评估生物力学时间序列数据增强技术的现状、效果和应用建议	2013-2024年间发表的生物力学时间序列数据增强研究	生物力学	NA	数据增强技术	NA	时间序列数据	21篇相关出版物	NA	NA	NA	NA
794	2025-10-06	A deep learning software tool for automated sleep staging in rats via single channel EEG 2025, NPP - digital psychiatry and neuroscience DOI:10.1038/s44277-025-00035-y PMID:40656054	研究论文	开发了一种基于深度学习的软件工具，用于通过单通道脑电图对大鼠睡眠阶段进行自动分类	首次开发专门针对大鼠单通道脑电图数据的深度学习睡眠分期工具，提供超过700小时的专家标注睡眠数据	仅使用单通道脑电图数据，样本量相对较小（16只大鼠）	开发自动化睡眠阶段分类方法以替代耗时的人工标注	大鼠睡眠脑电图数据	机器学习	睡眠障碍	脑电图	DNN	脑电图时间序列数据	16只大鼠，每只进行两次24小时记录会话	NA	深度神经网络	F1分数	NA
795	2025-10-06	Closed-Loop Transcranial Ultrasound Stimulation Based on Deep Learning Effectively Suppresses Epileptic Seizures in Mice 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.2025.3589089 PMID:40658582	研究论文	本研究开发了一种基于深度学习的闭环经颅超声刺激系统，用于实时检测并抑制小鼠癫痫发作	首次将深度学习与经颅超声刺激结合构建闭环系统，实现癫痫信号的实时识别与动态干预	研究仅使用青霉素诱导的癫痫小鼠模型，未验证其他癫痫模型的有效性	开发能动态响应癫痫发作的闭环神经调控系统	青霉素诱导的癫痫小鼠海马区	机器学习	癫痫	经颅超声刺激	深度学习网络	神经信号	未明确说明具体样本数量的小鼠实验	NA	NA	癫痫信号识别准确率、发作放电率、功率强度、相位-幅度耦合、样本熵	NA
796	2025-10-06	Detecting early gastrointestinal polyps in histology and endoscopy images using deep learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1571075 PMID:40703309	研究论文	提出一种基于深度学习的三阶段方法用于早期胃肠道息肉检测	开发了结合编码器-解码器网络、预训练模型和SVM分类器的三阶段深度学习框架	InceptionV3模型性能略低于其他模型，未说明具体原因	早期胃肠道癌变检测	胃肠道息肉	计算机视觉	胃肠道癌	深度学习	CNN, SVM	图像	5个数据集（CRC-VAL-HE-7K、CRC-VAL-HE-100K、Kvasir_v2、北京肿瘤医院数据集、弱标注数据集）	NA	编码器-解码器网络, VGG16, VGG19, ResNet50, InceptionV3	准确率	NA
797	2025-10-06	Integrating pathomics and deep learning for subtyping uveal melanoma: identifying high-risk immune infiltration profiles 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1585097 PMID:40703526	研究论文	本研究结合病理组学和深度学习技术对葡萄膜黑色素瘤进行亚型分型，识别高风险免疫浸润特征	首次将无监督学习技术与深度学习模型相结合，识别出葡萄膜黑色素瘤的高免疫浸润亚型，并基于死亡率风险改进患者分层方法	样本量相对有限（训练集70例，验证集68例），需要更大规模的多中心研究验证	利用无监督学习技术识别葡萄膜黑色素瘤的高免疫浸润亚型，基于死亡率风险改进患者分层	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	H&E染色全玻片图像分析，基因组数据分析	深度学习，无监督学习	病理图像，基因组数据，临床数据	训练集70例（来自GDC数据库），验证集68例（来自华西医院）	CellProfiler	Inception-V3	生存预测准确性，患者分类准确性	NA
798	2025-10-06	Supervised contrastive loss helps uncover more robust features for photoacoustic prostate cancer identification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592815 PMID:40703547	研究论文	本研究将监督对比学习引入光声光谱分析，用于前列腺癌识别	提出SCL-adjust模型，在光声光谱特征提取中应用监督对比损失函数，显著提升特征鲁棒性和模型迁移性能	个体异质性仍然是影响判别性能的重要因素	从复杂生物组织中提取更可靠特征，提升前列腺癌的判别准确率	前列腺癌的光声光谱数据	医学影像分析	前列腺癌	光声光谱分析	CNN, 监督对比学习	光谱数据	NA	NA	CNN-based模型, SC模型, SCL-adjust模型	准确率	NA
799	2025-10-06	Using deep learning to screen OCTA images for hypertension to reduce the risk of serious complications 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1581785 PMID:40703652	研究论文	使用深度学习分析OCTA图像筛查高血压以降低严重并发症风险	首次结合Xception卷积神经网络和多Swin Transformer架构分析高血压患者的眼底微血管变化	样本量有限（422张OCTA图像），模型准确率有待进一步提升	通过深度学习分析OCTA图像筛查高血压及其并发症风险	高血压患者和健康受试者的眼底血管	计算机视觉	心血管疾病	光学相干断层扫描血管成像（OCTA）	CNN, Transformer	图像	422张OCTA图像（来自136名高血压患者和85名健康受试者）	NA	Xception, Swin Transformer	准确率, 灵敏度	NA
800	2025-10-06	Construction of crown profile prediction model of Pinus yunnanensis based on CNN-LSTM-attention method 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1567131 PMID:40703862	研究论文	基于CNN-LSTM-Attention混合深度学习方法和新型树冠竞争指数构建云南松树冠轮廓预测模型	首次将CNN-LSTM-Attention混合深度学习模型与新型树冠轮廓竞争指数(CPCI)相结合，有效捕捉树冠空间异质性和垂直结构	研究仅基于云南大理苍山5个年龄分层固定样地的629棵树数据，样本来源地域有限	提高云南松树冠轮廓预测精度，更好地理解森林结构和竞争关系	云南松(Pinus yunnanensis)树冠轮廓	计算机视觉	NA	深度学习建模	CNN, LSTM, Attention机制	树冠轮廓数据	629棵树，来自5个年龄分层固定样地	NA	CNN-LSTM, CNN-LSTM-Attention, Vanilla LSTM	MSE, RMSE, MAE, R²	NA