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
941	2025-10-30	Interpretable multitask deep learning models for odor perception based on molecular structure 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101219 PMID:41140575	研究论文	开发基于分子结构的可解释多任务深度学习模型用于气味感知预测	使用图神经网络架构(kMoL)同时预测多种气味类别，通过多任务学习捕获相关气味间的共享表征，并应用集成梯度方法实现原子级贡献解释	模型在14种气味类别上进行训练，可能无法覆盖所有气味类型；化学结构可视化显示气味类型无明显聚类模式	研究分子结构与气味感知之间的关系，为香料配方、食品开发和药物设计提供支持	化学分子结构及其对应的气味感知特征	机器学习	NA	图神经网络，多任务学习	GNN	分子结构数据	涵盖14种气味类别的实验数据	NA	kMoL	准确率，稳定性	NA
942	2025-10-30	New avenues for understanding what deep networks learn from EEG 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1625732 PMID:41140778	研究论文	本研究通过可解释性方法探索深度网络从EEG信号中学习到的特征	引入两种互补架构和专用可视化技术来理解完整网络学习的特征，包括使用可逆网络生成典型输入信号和设计完全可视化的紧凑网络	研究仅针对二分类任务（非病理性和病理性EEG），网络理解仍为近似性质	理解深度网络在EEG解码任务中学习到的特征	脑电图信号	机器学习	神经系统疾病	EEG信号分析	深度神经网络,可逆网络	EEG信号	NA	NA	可逆网络架构,紧凑网络架构	解码性能	NA
943	2025-10-30	Analysis of breast region segmentation in thermal images using U-Net deep neural network variants 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1609004 PMID:41142198	研究论文	本研究评估了三种U-Net变体在热成像图像中乳房区域分割的性能	首次系统比较U-Net及其变体在热成像乳房分割中的表现，发现简单架构的原始U-Net反而优于更复杂的变体	仅针对热成像数据，未验证在其他医学影像模态上的泛化能力	提高热成像在乳腺癌检测中乳房区域分割的准确性	热成像图像中的乳房区域	计算机视觉	乳腺癌	热成像	CNN	图像	NA	NA	U-Net, U-Net with Spatial Attention, U-Net++	IoU, Dice系数, 精确率, 召回率, 灵敏度, 特异度, 像素准确率, ROC-AUC, PR-AUC	NA
944	2025-10-30	Deep Learning with Contrast-Enhanced Ultrasound for Preoperative Prediction of Early Recurrence in Hepatocellular Carcinoma After Hepatectomy 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S555110 PMID:41142639	研究论文	开发基于对比增强超声和深度学习的框架，用于术前预测肝细胞癌患者肝切除术后早期复发	首次将多期相CEUS影像与深度学习相结合构建预测模型，并通过列线图整合临床变量	回顾性研究设计，样本量相对有限（115例患者）	提高肝细胞癌患者肝切除术后早期复发的术前预测准确性	早期肝细胞癌患者	计算机视觉	肝细胞癌	对比增强超声	深度学习	超声影像	115例早期肝细胞癌患者（训练集75例，验证集40例）	NA	四种深度学习模型（CEUS-AP, CEUS-PP, CEUS-LP, CEUS-MP）	AUC, 敏感性, 特异性	NA
945	2025-10-30	BrainScape: An open-source framework for integrating and preprocessing anatomical MRI datasets 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.944 PMID:41143077	研究论文	介绍BrainScape开源框架，用于整合和预处理160个公开MRI数据集	开发了首个基于插件的开源Python框架，可自动下载、组织和预处理多源MRI数据	主要依赖公开数据集，可能无法覆盖所有临床场景和人口统计学特征	解决神经影像数据整合中的不一致性问题，促进可重复性研究	27227名受试者的46583个多模态MRI扫描	医学影像分析	脑部疾病	MRI	NA	医学影像	27227名受试者，46583个MRI扫描	Python	NA	NA	NA
946	2025-10-30	CausalFormer-HMC: a hybrid memory-driven transformer with causal reasoning and counterfactual explainability for leukemia diagnosis 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1674393 PMID:41158308	研究论文	提出一种结合卷积神经网络、视觉变换器和因果图学习器的混合AI架构CausalFormer-HMC，用于从外周血涂片图像中诊断急性淋巴细胞白血病	首次将因果推理和反事实可解释性集成到混合内存驱动的变换器架构中，用于白血病诊断	NA	提高急性淋巴细胞白血病的诊断精度和可解释性	外周血涂片图像中的白血病细胞	医学影像分析	白血病	外周血涂片图像分析	CNN, Transformer, 因果图学习器	图像	ALL数据集：89名患者的3,256张图像；C-NMC数据集：118名患者的15,135张分割细胞图像	NA	CausalFormer-HMC（混合架构）	准确率, F1分数, ROC-AUC	NA
947	2025-10-30	Correction: DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1704319 PMID:41158509	修正	对先前发表的RNA N4-乙酰胞苷位点预测深度学习框架论文进行内容修正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
948	2025-10-30	GOUHFI: A novel contrast- and resolution-agnostic segmentation tool for ultra-high-field MRI 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.960 PMID:41158555	研究论文	提出一种名为GOUHFI的新型深度学习分割工具，专门用于超高频磁共振图像的分割	首次提出对对比度和分辨率不敏感的超高频MRI分割方法，无需微调或重新训练	训练数据仅包含206个标注图，可能限制模型泛化能力	开发适用于超高频MRI的自动分割技术	超高频磁共振脑部图像	医学影像分析	神经系统疾病	超高频磁共振成像	深度学习	3D磁共振图像	来自4个数据集的206个标注图（包含3T、7T和9.4T数据）	NA	3D U-Net	Dice-Sørensen相似系数	NA
949	2025-10-30	Anomaly detection and early risk identification in digital disaster response-based on deep learning in public health 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1624345 PMID:41158574	研究论文	提出基于深度学习的异常检测和早期风险识别框架，用于数字灾难响应中的公共卫生危机管理	结合LSTM和Transformer架构分析时空数据，在异常检测精度上提升23%，误报率降低31%	未提及模型在极端灾难场景下的泛化能力和计算效率限制	提升公共卫生危机中的实时决策能力和态势感知	来自医院、急救服务、社交媒体和环境传感器的多源异构数据	机器学习	公共卫生事件	深度学习	LSTM, Transformer	时空数据	多个数据集（EM-DAT、FEMA、UNOSAT、Earthquake）	NA	LSTM, Transformer	精确度, 误报率	NA
950	2025-10-30	New-generation rice seed germination assessment: high efficiency and flexibility via SeedRuler web-based platform 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1671998 PMID:41158679	研究论文	开发了一个基于网络的稻种发芽评估平台SeedRuler，结合传统图像处理和深度学习技术提高分析效率和准确性	整合了三种核心模块（传统图像处理、YOLOv5目标检测和SAM分割模型），支持用户自定义发芽标准，提供自动种子尺寸测量功能	NA	提高稻种发芽评估的准确性、效率和可用性	水稻种子	计算机视觉	NA	图像处理，深度学习	YOLOv5, Segment Anything Model (SAM)	图像	1,200张水稻种子图像	NA	YOLOv5, SAM	平均精度均值(mAP), 平均绝对误差(MAE)	基于网络平台
951	2025-10-30	Deep learning for scene understanding in mitochondrial dysregulation and blood cancer diagnosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1609851 PMID:41158859	研究论文	提出一种集成医学影像、基因组信息和临床参数的新型深度学习框架，用于线粒体失调相关血癌的全面场景理解和诊断	结合自监督学习、视觉Transformer和图神经网络，采用基于注意力的多模态融合机制，并整合对抗域适应和不确定性量化模块	NA	开发精确可扩展的血癌早期检测和管理框架	线粒体失调相关血癌	数字病理	血癌	医学影像、基因组信息、临床参数多模态数据整合	Transformer, GNN	图像, 基因组数据, 临床数据	NA	NA	视觉Transformer, 图神经网络	分类性能	NA
952	2025-10-30	Deep learning radiomics model of epicardial adipose tissue for predicting postoperative atrial fibrillation after lung lobectomy in lung cancer patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1623248 PMID:41158854	研究论文	开发并验证基于心外膜脂肪组织的深度学习影像组学模型，用于预测肺癌患者肺叶切除术后心房颤动的风险	首次结合心外膜脂肪组织的手工和深度学习影像组学特征，构建术后房颤预测模型	机器学习算法和重采样技术未显著提升模型性能	预测肺癌患者肺叶切除术后心房颤动的发生风险	来自两个中心的1,008名肺癌患者	医学影像分析	肺癌	对比增强胸部CT成像	深度学习,逻辑回归	医学影像	1,008名患者	NA	NA	AUC,G-mean,F-measure	NA
953	2025-10-30	LiT: limit order book transformer 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1616485 PMID:41159129	研究论文	提出一种基于Transformer架构的限价订单簿预测模型LiT，用于预测短期市场走势	首次将结构化补丁和基于Transformer的自注意力机制应用于限价订单簿预测，能够同时建模市场微观结构中的空间和时间特征	NA	开发能够准确预测短期市场走势的深度学习模型	高频限价订单簿数据	机器学习	NA	深度学习	Transformer	金融时间序列数据	多个限价订单簿数据集	NA	Transformer	NA	NA
954	2025-10-30	Enhancing COVID-19 classification of X-ray images with hybrid deep transfer learning models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1646743 PMID:41159128	研究论文	提出一种混合深度迁移学习框架用于COVID-19 X射线图像分类	整合三种不同实验流程，将传统用于目标检测的YOLOV4应用于COVID-19特征检测，并采用遗传算法进行超参数优化	NA	开发高效的COVID-19 X射线图像分类方法	COVID-19 X射线图像	计算机视觉	COVID-19	深度迁移学习	CNN	X射线图像	超过5000个样本的Kaggle数据集	NA	AlexNet, EfficientNetB1, ResNet18, VGG16, YOLOV4	准确率, F1分数, 精确率, AUC	NA
955	2025-10-30	Intracranial aneurysm segmentation on digital subtraction angiography: a retrospective and multi-center study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1646517 PMID:41159199	研究论文	本研究开发了一种新型深度学习模型SDAN，用于数字减影血管造影中颅内动脉瘤的精确分割	提出了形状感知双流注意力网络，包含边缘感知局部注意力模块和全局形状感知融合块，专门解决小动脉瘤分割难题	回顾性研究，数据来自三个机构，需要进一步前瞻性验证	提高数字减影血管造影中颅内动脉瘤的分割性能，特别是小动脉瘤的分割准确性	颅内动脉瘤	数字病理	脑血管疾病	数字减影血管造影	深度学习	医学图像	62,187张回顾性DSA图像用于训练和测试，26,415张图像用于外部验证	NA	SDAN, ELAM, GSFB	DSC, HD95, 敏感度	NA
956	2025-10-05	Continuous Reaching and Grasping With a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals 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.2025.3611821 PMID:40966144	研究论文	提出一种基于运动想象的脑机接口范式，通过添加“点击”信号实现机械臂的连续抓取控制	将计算机鼠标机制引入运动想象范式，增加额外输出信号，提升脑机接口系统的自由度	脑电信号信噪比低和空间分辨率有限	开发能够同时控制移动和点击的脑机接口系统，实现连续抓取任务	健康受试者和中风幸存者	脑机接口	中风	脑电信号处理	深度学习	EEG信号	健康受试者和中风患者（具体数量未提及）	NA	NA	任务完成数量（5分钟内平均移动7个杯子）	NA
957	2025-10-05	Reduced Biquaternion Dual-Branch Deraining U-Network via Multi-Attention Mechanism 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3612841 PMID:41004362	研究论文	提出一种基于约化双四元数的双分支去雨U-Net网络，通过多注意力机制提升图像去雨性能	首次将约化双四元数值神经网络应用于图像去雨任务，利用其代数特性更准确建模雨痕伪影同时保留背景图像空间结构	未明确说明对真实雨景数据的泛化能力限制及计算复杂度分析	解决现有去雨方法对多变雨型适应能力不足和从合成数据到真实数据迁移效果差的问题	雨纹/雨雾/雨滴/真实雨等多种雨型图像	计算机视觉	NA	深度学习	U-Net, 注意力机制	图像	NA	NA	U-Net, 双分支结构, 自注意力机制, 卷积注意力机制	目标检测精度, 分割精度, 图像恢复质量	NA
958	2025-10-05	Ecological suitability evaluation of traditional village locations in Jiangxi Province based on multi-model integration using artificial intelligence 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332375 PMID:41032510	研究论文	基于人工智能多模型集成方法评估江西省传统村落选址的生态适宜性	首次将多种机器学习与深度学习方法集成应用于传统村落生态适宜性评价，构建综合适宜性指数(CSI)	研究范围仅限于江西省413个传统村落，未涵盖其他地区	评估传统村落选址的生态适宜性并分析祖先选址的生态智慧	江西省413个传统村落选址点	机器学习	NA	GIS空间分析，机器学习，深度学习	Random Forest, Support Vector Machine, Gradient Boosting Decision Trees, CNN, Multilayer Perceptron	空间栅格数据	413个传统村落选址点	NA	卷积神经网络，多层感知机	混淆矩阵，特征重要性分析，ROC曲线	NA
959	2025-10-05	Development of a novel artificial intelligence algorithm for interpreting fetal heart rate and uterine activity data in cardiotocography 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1638424 PMID:41035563	研究论文	开发一种新型人工智能算法用于分析胎心监护中的胎心率和子宫活动数据	采用三并行一维U-Net架构处理双输入信号，结合深度学习和基于规则的技术识别胎心监护关键事件	仅使用美国19个分娩中心的数据，模型对减速事件的识别性能相对较低(F1=0.520)	开发辅助临床决策的胎心监护自动分析算法	胎心监护曲线中的加速、减速和宫缩事件	医疗人工智能	产科监护	胎心监护信号处理	深度学习, 规则基础系统	胎心率信号, 子宫活动信号	133,696个患者文件，最终使用1,600条曲线训练，421条验证，591条测试	NA	一维U-Net	召回率, 精确率, F1分数, 基线准确率	NA
960	2025-10-05	Bibliometric analysis of the application of artificial intelligence techniques in bacteriology: a PRISMA-guided research agenda 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1641967 PMID:41035885	文献计量分析	通过PRISMA指导的文献计量分析，探讨人工智能技术在细菌学领域的应用现状和未来研究方向	首次将PRISMA框架的严谨性与文献计量技术相结合，系统分析细菌学中AI应用的全球科研产出和趋势演变	主要依赖Scopus和Web of Science数据库，可能未涵盖所有相关文献；分析基于文献计量指标而非原始研究数据	分析细菌学中人工智能技术应用的全球科研产出，并基于文献计量趋势提出未来研究议程	细菌学领域的人工智能应用相关科学文献	机器学习	NA	文献计量分析，PRISMA框架，共现网络分析，主题映射	传统机器学习方法，深度学习，基于Transformer的模型	文献元数据	从Scopus和Web of Science检索的细菌学AI应用相关文献	NA	NA	定量指标，共现网络分析，主题演化分析	NA