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
2621	2025-12-08	Decoding brand sentiments: Leveraging customer reviews for insightful brand perception analysis using natural language processing and Tableau 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334330 PMID:41343444	研究论文	本研究提出一个结合机器学习、深度学习、主题建模和交互式可视化的端到端分析流程，用于从智能手机客户评论中解码品牌情感和品牌感知	将基于CNN的情感分析与高一致性NMF主题建模相结合，并通过交互式Tableau仪表板提供商业洞察，超越了单一情感分析的传统方法	所有模型在处理中性评论时表现不佳，且存在因数据不平衡或文化细微语言差异导致的潜在偏见	利用自然语言处理技术分析客户评论，以获取可操作的品牌感知洞察并支持产品策略	亚马逊上十个智能手机品牌的客户评论	自然语言处理	NA	NA	CNN, RNN, LSTM, Decision Trees, Logistic Regression, SVM, Naive Bayes	文本	约68,000条评论	NA	CNN, RNN, LSTM	准确率, 一致性分数	NA
2622	2025-12-08	Capsule-based federated reinforcement learning adaptive sliding mode for anomaly detection and control of floating wind turbines 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336410 PMID:41343520	研究论文	本文提出了一种基于胶囊网络和联邦强化学习的自适应滑模控制方法，用于浮动风力发电机的异常检测与控制	结合联邦学习、胶囊网络和深度强化学习，实现分布式训练和自适应鲁棒控制，提高扰动检测的准确性和系统稳定性	研究基于仿真结果，未在真实环境中验证；未详细讨论计算资源需求和实际部署的挑战	开发一种智能控制机制，以增强浮动风力发电机在动态环境条件下的性能和稳定性	浮动风力发电机及其在海洋波浪和风扰动下的控制系统	机器学习	NA	联邦学习, 深度强化学习, 滑模控制	胶囊网络, 深度强化学习	传感器数据	NA	NA	胶囊网络	准确性, 稳定性	NA
2623	2025-12-08	Advances in deep reinforcement learning enable better predictions of human behavior in time-continuous tasks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338034 PMID:41343519	研究论文	本研究利用深度强化学习模型预测人类在时间连续任务中的行为表现	首次将先进的深度Q网络模型（Ape-X和SEED）应用于人类行为建模，并验证其在时间连续任务中的预测能力优于传统模型	样本量较小（N=23），仅针对三种街机游戏任务，未涵盖更广泛的行为场景	探索深度强化学习模型在预测人类时间连续任务行为方面的有效性	人类参与者在三种街机游戏中的运动反应数据	机器学习	NA	深度强化学习	DQN	时间连续视觉刺激和运动反应数据	23名人类参与者	NA	Ape-X, SEED, 基线DQN	预测准确率	NA
2624	2025-12-08	What does my network learn? Assessing interpretability of deep learning for EEG 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1033 PMID:41346402	研究论文	本文评估了深度学习在脑电图（EEG）数据中可解释性的影响因素，包括预处理选择、网络架构和特征提取可视化方法	通过比较两种卷积神经网络（ResNet和EEGNet）以及两种基于梯度的特征可视化技术（显著性和GradCam），揭示了不同架构和可视化方法对EEG数据可解释性的影响	研究仅针对视觉和听觉数据集，可能未涵盖所有EEG应用场景；可解释性评估主要基于特征相似性，缺乏更全面的量化指标	评估深度学习在EEG数据中的可解释性，并探讨如何通过网络架构和可视化方法改进解释性	单次试验EEG响应，包括对三种不同视觉刺激（视觉数据集）和声音存在（听觉数据集）的解码	机器学习	NA	脑电图（EEG）	CNN	脑电图（EEG）数据	NA	NA	ResNet, EEGNet	NA	NA
2625	2025-12-08	Using deep networks for knee range of motion monitoring in total knee arthroplasty rehabilitation 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1691591 PMID:41346475	研究论文	本研究提出了一种基于深度学习的膝关节活动度监测模型KROMNet，用于全膝关节置换术后的康复评估	开发了KROMNet模型，结合了卷积、空洞卷积和通道注意力层，在小样本条件下实现了高精度的膝关节活动度分类，优于现有方法	研究未明确说明模型在真实家庭环境中的泛化能力，且样本量相对有限	开发一种简单、准确、低成本的膝关节活动度评估方法，以支持社区和家庭康复	全膝关节置换术后患者的膝关节图像	计算机视觉	骨科疾病	深度学习	CNN	图像	从1,790名患者收集的1,103张膝关节图像	未指定	KROMNet（包含卷积层、空洞卷积层、通道注意力层和全连接层）	准确率, 精确率, 召回率, F1分数	NA
2626	2025-12-08	Emerging technologies and neuroscience-based approaches in dyslexia: a narrative review toward integrative and personalized solutions 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1683924 PMID:41346795	综述	本文是一篇关于阅读障碍新兴技术与神经科学方法的叙述性综述，旨在探讨整合性与个性化解决方案	整合了神经科学机制与新兴技术（AI诊断、沉浸式工具、神经调控），提出了向个性化、可扩展解决方案转变的跨学科视角	研究方法存在异质性，样本量普遍较小，长期读写能力迁移证据有限，可推广性受限	综述阅读障碍的神经生物学基础、诊断技术创新、干预方法及政策伦理，推动整合性个性化解决方案	发展性阅读障碍（神经发育障碍）患者，重点关注儿童	自然语言处理, 数字病理	阅读障碍	眼动追踪, 手写分析, 神经调控（TMS, tDCS）, VR/AR	深度学习	眼动数据, 手写数据, 行为数据	多个试点研究，但样本量普遍较小	NA	NA	准确率	NA
2627	2025-12-08	MTMixG-Net: mixture of Transformer and Mamba network with a dual-path gating mechanism for plant gene expression prediction 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718258 PMID:41346834	研究论文	提出了一种名为MTMixG-Net的新型深度学习框架，用于植物基因表达预测，该框架结合了Transformer和Mamba架构，并引入了双路径门控机制	首次将Transformer的自注意力能力与Mamba的状态空间效率相结合，并引入双路径门控机制，以捕获多尺度调控依赖性，同时保持较低的计算复杂度	未明确提及模型在跨物种泛化能力方面的具体限制，也未讨论对未知植物物种的适用性	提高植物基因表达的预测准确性，以阐明植物发育和应激适应的调控机制	植物基因组数据	机器学习	NA	深度学习	Transformer, Mamba, CNN	基因组序列数据	多个植物基因组数据集（具体数量未提及）	NA	MTMixEnc（混合Transformer和Mamba编码器）, DPGM（双路径门控机制）, ResCNNChn（残差CNN链）	准确性, 计算效率	NA
2628	2025-12-08	Comparative analysis of optimized logistic regression with state-of-the-art models for complex gastroenterological image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1655612 PMID:41346992	研究论文	本文比较了优化的逻辑回归与多种先进机器学习模型在胃肠息肉图像多分类任务中的性能	在低数据场景下，通过系统优化逻辑回归并与多种机器学习模型对比，发现集成方法（如XGBoost）在保持临床可解释性的同时实现了更高的分类性能	样本量较小（仅152个实例），且未使用深度学习模型，可能限制了在更复杂图像特征下的性能上限	评估和比较机器学习模型在胃肠息肉图像多分类中的性能，以支持临床决策	结肠镜图像中检测到的胃肠道息肉	机器学习	结直肠癌	结肠镜成像	逻辑回归, k近邻, 支持向量机, 随机森林, XGBoost	图像	152个实例，包含698个提取特征	Scikit-learn	NA	准确率, 宏平均F1分数	NA
2629	2025-12-07	Engineering enhanced signal peptides: A high-throughput computational pipeline for optimizing therapeutic protein production in CHO cells 2025-Dec-25, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2025.10.007 PMID:41115608	研究论文	本文开发了一种高通量计算筛选流程，用于优化中国仓鼠卵巢细胞中治疗性蛋白质生产的信号肽	利用深度学习模型SignalP 6.0筛选数百万信号肽变体，揭示了新型高效信号肽的水合特性特征及mRNA二级结构与高表达水平之间的新相关性	研究主要针对人血清白蛋白在CHO细胞中的表达进行验证，其广泛适用性需进一步在其他蛋白质和细胞系统中测试	优化治疗性蛋白质在CHO细胞中的分泌效率	信号肽及其变体，用于人血清白蛋白表达	机器学习	NA	深度学习，高通量计算筛选	深度学习模型	序列数据	数百万信号肽变体，来自小鼠/人野生型文库和C区突变体	NA	SignalP 6.0	预测易位效率，切割准确性	NA
2630	2025-12-07	Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model 2025-Dec-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70200 PMID:41348562	研究论文	本研究开发并前瞻性评估了一种基于Xception与逻辑回归的集成模型，用于在MRCP图像上自动区分良恶性胆管扩张	提出了一种结合深度学习（Xception）与逻辑回归的集成模型，用于自动化区分良恶性胆管扩张，并在前瞻性队列中验证了其与放射科医生相当的性能	研究样本量相对有限，且仅基于3T MRCP图像，未探索其他成像模态或更广泛的临床变量	构建并评估基于MRCP图像的深度学习模型及集成策略，以准确识别良恶性胆管扩张	良性与恶性胆管扩张患者的MRCP图像	计算机视觉	胆管疾病	磁共振胰胆管成像（MRCP），3D turbo spin echo序列（VISTA和SPACE）	CNN, 集成学习	图像	回顾性队列378例（来自两个机构），前瞻性队列60例	NA	Xception	AUC, 准确率, 敏感性, 特异性	NA
2631	2025-12-07	EmbryoProfiler: a Visual Clinical Decision Support System for IVF 2025-Dec-05, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3634780 PMID:41348784	研究论文	本文介绍了一个名为EmbryoProfiler的可视化临床决策支持系统，用于辅助体外受精（IVF）中的胚胎选择和评估	开发了一个结合深度学习和可视化分析的半自动工作流，提供可解释的胚胎活力评分，以支持临床医生进行透明、基于临床信息的决策	未明确说明系统在广泛临床环境中的验证程度或潜在的数据偏差问题	提高体外受精（IVF）治疗中胚胎选择和评估的效率和准确性	体外受精（IVF）过程中的胚胎，基于延时显微镜图像	数字病理学	不孕症	延时显微镜成像	深度学习分类器	图像	NA	NA	NA	NA	NA
2632	2025-12-07	Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies 2025-Dec-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70189 PMID:41348934	综述	本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域	综合了AI在前列腺MRI中多个应用领域的最新进展，包括FDA批准的加速重建工具、PI-CAI国际读者研究提供的非劣效性证据，以及将MRI特征扩展到预后建模	分流、质量控制和预后应用仍处于早期开发阶段，需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流程试验	探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，如成本、解读变异性和可扩展性	前列腺MRI图像及其在癌症检测、风险分层和预后评估中的应用	数字病理学	前列腺癌	MRI	机器学习, 深度学习	图像	NA	NA	NA	非劣效性	NA
2633	2025-12-07	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2025-Dec-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	本文提出了一种用于低剂量CT去噪的多尺度残差密集Transformer生成对抗网络（MRDT-GAN），旨在增强噪声抑制并保留解剖细节	引入了多尺度残差密集Transformer块（MRDTB）和混合注意力模块（HAM），结合多尺度策略和长程依赖捕获，以解决过平滑和细节丢失问题	未明确提及模型在极端噪声水平或不同扫描协议下的泛化能力限制	开发一个低剂量CT去噪框架，以提升图像质量并支持下游诊断任务	低剂量CT图像	计算机视觉	NA	CT成像	GAN, Transformer	图像	使用NIH-AAPM-Mayo Clinic LDCT数据集和真实世界数据集进行验证	NA	MRDT-GAN, Multi-Scale Residual Dense Transformer Block (MRDTB), Patching Transformer Block (PTB), Hybrid Attention Module (HAM)	NA	NA
2634	2025-12-07	Cloud-enabled automatic modulation classification using deep feature fusion and Moth-Flame Optimized ELM approach 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30753-4 PMID:41350379	研究论文	本文提出了一种基于云环境的自动调制分类方法，通过深度特征融合和飞蛾火焰优化的极限学习机来提高分类准确性和可靠性	结合预训练深度学习模型提取特征，并使用飞蛾火焰优化算法优化极限学习机的隐藏节点参数，同时引入可解释AI技术分析模型预测	NA	开发一种鲁棒的自动调制分类方法，以提高在云环境中的分类准确性和可靠性	无线通信信号	机器学习	NA	自动调制分类	极限学习机	信号数据	NA	NA	Inception V3, ResNet 50, VGG 16	准确率, 敏感性, 特异性	云虚拟机（vCPU-4/16GB RAM, vCPU-8/32GB RAM, vCPU-16/64GB RAM）
2635	2025-12-07	Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning 2025-Dec-05, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-02083-z PMID:41350440	研究论文	本文提出了一种利用深度学习在单域蛋白质中同时支架多个功能位点的方法，并设计了针对呼吸道合胞病毒的小型单域免疫原	首次使用生成式深度学习方法在小型单域蛋白质中成功支架三个非重叠且不规则的病毒表位，实现了多表位免疫原的设计	NA	解决在单域蛋白质中同时支架多个功能位点的复杂蛋白质设计问题	呼吸道合胞病毒的三个不同且不规则的表位	机器学习	呼吸道合胞病毒感染	深度学习	深度学习模型	蛋白质序列和结构数据	NA	NA	生成式深度学习模型	交叉反应滴度, 中和反应	NA
2636	2025-12-07	Chemistry-informed deep learning model for predicting stereoselectivity and absolute configuration in asymmetric hydrogenation 2025-Dec-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00920-8 PMID:41350458	研究论文	本文提出了一种基于反应机制的深度学习模型ChemAHNet，用于预测烯烃不对称氢化反应中的立体选择性和绝对构型	开发了首个能够同时预测双前手性位点烯烃不对称氢化反应的立体选择性和绝对构型的深度学习模型，无需预定义描述符，仅需SMILES输入即可捕捉原子级空间和电子相互作用	未明确说明模型在特定催化剂或底物类型上的性能边界，也未提及计算效率或可解释性方面的潜在限制	开发能够准确预测不对称氢化反应立体选择性和绝对构型的化学信息深度学习模型	烯烃不对称氢化反应（特别是具有双前手性位点的体系）	机器学习	NA	不对称氢化反应	深度学习	分子结构（SMILES格式）	NA	NA	Chemistry-Informed Asymmetric Hydrogenation Network (ChemAHNet)	NA	NA
2637	2025-12-07	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	本研究提出了一个名为PRISM-CRC的新型深度学习框架，通过整合组织病理学、放射学和临床数据来改善结直肠癌的诊断和预后预测	开发了一种新颖的多模态深度学习框架，首次将组织病理学、放射学和临床数据深度融合用于结直肠癌的生存预测和微卫星不稳定性状态识别，其性能显著优于单一数据类型的模型	在外部数据集上性能有所下降（由于“域偏移”），且在形态学模糊病例中存在分类错误，需要前瞻性试验验证其临床效用	改善结直肠癌的诊断和预后预测，提供更精细的风险分层以指导个性化治疗	结直肠癌患者	数字病理学	结直肠癌	深度学习	深度学习多模态融合模型	组织病理学图像, 放射学图像, 临床数据	未明确说明	未明确说明	PRISM-CRC	一致性指数, AUC	未明确说明
2638	2025-12-07	From gaze to proficiency: deep learning-driven prediction of novice performance in laparoscopic training using AOI-dependent metrics 2025-Dec-05, Surgical endoscopy DOI:10.1007/s00464-025-12369-x PMID:41350780	研究论文	本研究通过结合计算机视觉-深度学习算法与眼动追踪数据，自动检测兴趣区域并提取相关指标，用于区分和预测腹腔镜训练中新手的技能水平	整合计算机视觉-深度学习与眼动追踪数据，自动提取兴趣区域依赖指标和运动指标，以在动态训练环境中实现新手技能水平的分类和预测	研究主要关注新手，可能未涵盖专家级表现；模拟器环境（成人及儿科解剖）可能无法完全代表真实手术场景	开发基于眼动追踪和运动指标的客观评估方法，以个性化腹腔镜训练并实时反馈	医学生和住院医师在成人和儿科箱式训练器上执行peg转移任务	计算机视觉	NA	眼动追踪, 运动分析	随机森林, 支持向量机, 人工神经网络, 决策树	眼动追踪数据, 视频数据	医学生和住院医师（具体数量未在摘要中提供）	NA	NA	准确率, Gini重要性	NA
2639	2025-12-07	Development of a YOLOv8-based deep learning model for detecting and segmenting dental restorations and dental applications in panoramic radiographs of mixed dentition 2025-Dec-05, British dental journal IF:2.0Q2 DOI:10.1038/s41415-025-9009-4 PMID:41350931	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在混合牙列期儿童的全景X光片中检测和分割六种类型的牙齿修复体与应用	首次将YOLOv8模型应用于混合牙列期儿童全景X光片中多种牙齿修复体的自动检测与分割任务	牙套的检测性能较低（F1分数仅0.46），模型在特定修复体类型上的泛化能力有待提升	开发用于牙齿修复体自动检测与分割的深度学习模型，辅助儿科牙科诊断	混合牙列期儿童的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2033张全景X光片	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
2640	2025-12-07	The engagement behaviors and treatment barriers for depressed patients in an online health community: a pre-/post-treatment comparison 2025-Dec-04, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106051 PMID:41349269	研究论文	本研究通过分析在线健康社区中抑郁症患者的发帖行为，比较了治疗前与治疗后用户在参与度及治疗障碍方面的差异	结合关键词过滤与深度学习分类方法，首次在中文抑郁症在线社区中识别并比较了治疗前与治疗后用户群体的行为模式及治疗障碍	数据仅来源于单一在线社区，且时间跨度有限，可能无法完全代表所有抑郁症患者群体	探究抑郁症患者在在线健康社区中的参与行为差异及治疗障碍，以优化心理健康支持策略	中国某抑郁症主题在线健康社区中的用户，包括治疗前用户（4,891人）与治疗后用户（25,743人）	自然语言处理	抑郁症	深度学习分类	NA	文本	1,585,429条帖子，涉及30,634名用户（25,743名治疗后用户，4,891名治疗前用户）	NA	NA	NA	NA