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
2821	2025-12-14	A cross-domain framework for emotion and stress detection using WESAD, SCIENTISST-MOVE, and DREAMER datasets 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1659002 PMID:41376700	研究论文	本文提出了一种基于双深度学习框架的情绪和压力检测方法，利用WESAD、SCIENTISST-MOVE和DREAMER数据集进行跨域分析	结合了1D-CNN和时序Conformer架构，采用迁移学习和可解释AI技术，实现了跨数据集的情绪与压力检测	Grad-CAM提供的解释信息不明确，未能清晰指示信号中影响预测的具体部分	开发准确、鲁棒且可解释的情绪识别系统，用于心理健康监测和日常活动检测	生理和行为数据，包括生物信号（如ECG）和运动信号	机器学习	情绪和压力相关障碍	深度学习，特征工程，可解释AI	CNN, Transformer	生理信号数据，运动信号数据	WESAD、SCIENTISST-MOVE和DREAMER三个数据集的样本	未明确指定	1D-CNN, 时序Conformer	准确率, 精确率, 召回率, R2分数	NA
2822	2025-12-14	Scoping review of image-based overall survival prediction in glioma using machine learning 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/209963 PMID:41376800	综述	本文通过范围综述系统评估了基于影像的胶质瘤总体生存预测模型，重点关注肿瘤特征、影像模态、预处理技术和机器学习方法	系统性地总结了胶质瘤影像生存预测的最新进展，强调了多模态MRI、深度学习与混合模型的潜力，并指出数据质量与特征选择比单纯增加样本量更重要	纳入研究存在图像质量有限、模型可解释性不足以及混合模型性能不一致等问题	评估胶质瘤患者基于影像的总体生存预测模型的现状与挑战	胶质瘤患者的影像数据与生存预测模型	数字病理	胶质瘤	多模态磁共振成像（MRI），包括T1加权增强MRI	深度学习模型，传统机器学习方法，混合模型	影像数据	约450例（平均数据集大小）	NA	NA	NA	NA
2823	2025-12-14	Towards standardizing mitral transcatheter edge-to-edge repair with deep-learning algorithm: a comprehensive multi-model strategy 2025, Frontiers in network physiology DOI:10.3389/fnetp.2025.1701758 PMID:41376828	研究论文	本文开发了三种深度学习算法，用于标准化二尖瓣经导管缘对缘修复术的资格评估，结合超声心动图数据支持二尖瓣反流的全流程评估	提出了一种综合多模型策略，结合质量控制、动态4D瓣膜量化和小叶级解剖解释，首次将AI应用于M-TEER资格评估的全流程标准化	研究样本主要来自单一机构（蒙特利尔心脏研究所），可能限制模型的泛化能力；2D小叶级分割的平均Dice分数仅为0.534，表明某些解剖结构的性能有待提升	开发AI算法以标准化二尖瓣经导管缘对缘修复术的资格评估流程，辅助非专家中心完成从诊断到手术的整个决策过程	接受二尖瓣经导管缘对缘修复术患者的经胸超声心动图和经食管超声心动图数据	数字病理学	心血管疾病	经胸超声心动图, 经食管超声心动图	深度学习算法	超声心动图图像	TTE样本530例, TEE样本2,222例, 4D分割样本221例, 2D分割样本992例	NA	NA	准确率, 相关系数, p值, Dice系数	NA
2824	2025-12-14	Artificial intelligence in hemovigilance: A narrative review on advancing blood safety and monitoring systems 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406306 PMID:41376849	综述	本文是一篇叙述性综述，探讨了人工智能在血液安全监测（输血警戒）中的应用潜力，包括数据整合、不良事件检测、个性化风险管理和血液供应链优化	系统性地回顾了人工智能（包括机器学习、深度学习、自然语言处理和预测分析）在输血警戒领域的应用，并提出了未来发展方向，如联邦学习、可解释人工智能和标准化	面临数据隐私、算法偏见、监管缺失以及对数据质量的依赖等挑战	探讨人工智能技术如何增强输血警戒系统，以提升患者安全和操作效率	输血警戒系统及其相关的数据、不良事件和血液供应链	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 预测分析	NA	非结构化临床数据	NA	NA	NA	NA	NA
2825	2025-12-14	Interpretable Artificial Intelligence Decodes the Chemical Structural Essence of Twisted Intramolecular Charge Transfer and Planar Intramolecular Charge Transfer Fluorophores 2025, Research (Washington, D.C.) DOI:10.34133/research.1021 PMID:41377019	研究论文	本研究利用可解释机器学习方法，深入解析了扭曲分子内电荷转移和平面分子内电荷转移荧光团的化学结构本质	首次构建了真实世界的TICT和PICT数据集，并基于可解释机器学习建立了AI指导的结构规则，相比社区建议规则在准确性上提升了20%以上	NA	解码TICT和PICT荧光团的化学结构本质，以指导荧光探针的设计	D-π-A型荧光材料，特别是TICT和PICT荧光团	机器学习	NA	可解释机器学习，深度学习	深度学习	化学结构数据	NA	NA	NA	AUC	NA
2826	2025-12-13	An Interpretable Hybrid AI Model for Breast Fine Needle Aspiration Cytology Image Classification 2025-Dec-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02267-z PMID:41381926	研究论文	本文提出了一种用于乳腺细针穿刺细胞学图像分类的可解释混合AI模型	探索了18种混合架构，结合深度学习特征提取器与机器学习分类器，并利用Grad-CAM实现模型可解释性，获得了95%的临床验证率	研究为概念验证性质，数据来源于两个中心，样本量相对有限	开发一种高精度、可解释的混合AI模型，用于乳腺细针穿刺细胞学图像的二元分类	乳腺细针穿刺细胞学图像	数字病理学	乳腺癌	细针穿刺细胞学	混合模型	图像	原始数据集427张图像（152张良性，275张恶性），数据增强后扩展至2866张图像（1216张良性，1650张恶性）	NA	Inception-V3, MobileNet-V2, DenseNet-121, Support Vector Machine, Decision Tree, k-Nearest Neighbours	准确率, 灵敏度, 特异性	NA
2827	2025-12-13	Beyond Implicit Mapping: Advancing Generative Models Through Smoothed Optimal Transport 2025-Dec-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3638632 PMID:41379885	研究论文	本文提出了一种通过平滑最优传输来提升生成模型的方法，以解决传统模型中映射关系隐式化的问题	引入Nesterov平滑技术平滑Brenier势能，从而推导出显式最优传输映射，构建了更先进的生成模型	未在摘要中明确说明	提升生成模型的解释性和条件生成能力，同时提高生成效率	生成模型中的最优传输映射	机器学习	NA	最优传输（OT）、Nesterov平滑技术	生成模型	NA	NA	NA	NA	NA	NA
2828	2025-12-13	Clinically Generalizable Low-Dose CT Denoising for Pediatric Imaging via Enhanced Diffusion Posterior Sampling 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642922 PMID:41379899	研究论文	本文提出了一种增强的扩散后验采样框架，用于儿科低剂量CT图像的降噪，以提升临床泛化能力	提出结合一步去噪U-Net与无条件扩散模型的E-DPS框架，利用U-Net提供结构约束，扩散模型增强真实感与泛化性，并引入中间阶段初始化策略以减少采样步数	未明确说明在极低剂量或运动伪影严重情况下的性能，以及模型在不同医疗机构设备间的泛化能力验证	开发一种具有强临床泛化能力的低剂量CT图像降噪方法，以减少儿科患者的辐射暴露	儿科患者的全身正电子发射断层扫描与计算机断层扫描（PET/CT）图像	计算机视觉	儿科疾病	计算机断层扫描（CT）	扩散模型, U-Net	医学图像（CT图像）	NA	NA	U-Net	峰值信噪比（PSNR）	NA
2829	2025-12-13	Graph Attention Fusion With Kolmogorov-Arnold Network for Drug-Gene Interaction Prediction 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625672 PMID:41379905	研究论文	提出一种结合图注意力融合与Kolmogorov-Arnold网络的方法dgKAN，用于预测药物-基因相互作用	通过构建可解释的KAN网络解析药物-基因关系中的异构注意力相互影响，并融合全局与局部注意力机制	NA	预测药物-基因相互作用以辅助疾病治疗的药物开发	药物与基因	机器学习	NA	NA	Transformer, GNN	图数据	NA	NA	Transformer, GNN, KAN	NA	NA
2830	2025-12-13	Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment 2025-Dec-11, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04669-8 PMID:41381876	研究论文	本研究首次应用视觉语言模型进行新生儿自动疼痛评估，通过设计新颖的提示类别来利用模型的潜在临床知识或指导其评估特定面部特征，实现了高精度性能	首次将视觉语言模型应用于新生儿自动疼痛评估，并设计了基于临床知识和面部特征的提示策略，无需微调即可实现高精度	模型在评估临床相关面部特征时召回率较低（40.1%），且依赖于提示设计，可能受限于预训练知识	开发一种客观的新生儿疼痛评估方法，以替代当前主观的评估量表	新生儿，特别是在重症监护中经历疼痛程序的婴儿	计算机视觉	NA	视觉语言模型	VLM	图像	NA	NA	NA	精确度, 召回率	NA
2831	2025-12-13	Real-time generation of renal artery hemodynamic parameters using a point cloud-based deep learning model 2025-Dec-11, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2595135 PMID:41383106	研究论文	本研究提出了一种结合Mamba状态空间建模和分层点云处理的深度学习框架，用于实时预测肾动脉血流动力学参数	创新性地将Mamba的选择性机制与PointNet++结合，用于点云数据上的血流动力学预测，实现了计算效率的显著提升	NA	开发一种实时生成肾动脉血流动力学参数的深度学习方法，以辅助肾动脉狭窄的临床评估	三维肾动脉模型及其血流动力学参数	数字病理学	心血管疾病	计算流体动力学模拟	深度学习模型	点云数据	NA	NA	PointNet++, Mamba	NA	NA
2832	2025-12-13	PatternFusion: a hybrid model for pattern recognition in time-series data using ensemble learning 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28649-4 PMID:41365945	研究论文	提出了一种名为PatternFusion的新型集成框架，用于时间序列数据的模式识别	通过动态注意力驱动融合机制，无缝集成BiLSTM、CNN和LightGBM，实现了统计模型与深度学习结构的协同；引入了自适应注意力融合、多尺度时间特征编码、显式置信度量化和时间后处理等关键创新	NA	克服经典时间序列分析的缺点，实现高性能、可解释且能进行多尺度时间检测的模式识别	时间序列数据	机器学习	NA	NA	BiLSTM, CNN, LightGBM	时间序列数据	NA	NA	BiLSTM, CNN	F1-score, AUC, EER	NA
2833	2025-12-13	Gaussian mixture model for enhancing the quality of transmission estimation in optical networks: a machine learning approach 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27355-5 PMID:41365970	研究论文	本文提出了一种基于高斯混合模型的机器学习方法，用于提升光网络中传输质量估计的准确性	采用高斯混合模型算法来预测未知光路径的误码率和信噪比，结合阈值、流量和调制格式等参数，实现了高精度的传输质量估计	模型仅在韩国网络拓扑特征上进行训练和测试，未在其他网络拓扑或实际环境中验证其泛化能力	开发一种基于机器学习的光网络传输质量估计方法，以优化光纤通信系统	光网络中的传输路径，特别是未知光路径的质量参数	机器学习	NA	高斯混合模型	GMM	网络拓扑特征数据	NA	NA	高斯混合模型	AUC, 准确率, F1分数, Brier分数, 期望校准误差	NA
2834	2025-12-13	A Review of Topological Data Analysis and Topological Deep Learning in Molecular Sciences 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02266 PMID:41235667	综述	本文全面回顾了拓扑数据分析（TDA）和拓扑深度学习（TDL）在分子科学中的发展、方法和应用	综述了从早期定性工具到先进定量和预测模型的TDA演变，重点介绍了持久同调、持久拉普拉斯算子及拓扑机器学习等创新点	讨论了当前TDA方法的局限性，并概述了未来方向，如与先进AI模型的整合及新拓扑不变量的开发	旨在为研究人员利用拓扑学在分子科学中的力量提供基础性参考	分子科学中的复杂分子数据，包括生物分子稳定性、蛋白质-配体相互作用、药物发现、材料科学、拓扑序列分析和病毒进化等领域	机器学习	NA	拓扑数据分析（TDA），拓扑深度学习（TDL）	NA	复杂分子数据	NA	NA	NA	NA	NA
2835	2025-12-13	eRMSF: A Python Package for Ensemble-Based RMSF Analysis of Biomolecular Systems 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02413 PMID:41254899	研究论文	介绍了一个名为eRMSF的Python软件包，用于对生物分子系统进行基于集合的均方根涨落分析	eRMSF扩展了传统的分子动力学轨迹分析，能够处理由不同方法生成的集合，如MD模拟、BioEmu深度学习工具、子采样AlphaFold2等，提供了统一的框架来评估模拟和预测结构中的残基或原子涨落	NA	开发一个快速且用户友好的工具，用于分析生物分子系统的分子灵活性和动力学	生物分子系统	计算生物学	NA	均方根涨落分析	NA	结构集合数据	NA	Python, MDAnalysis	NA	NA	NA
2836	2025-12-13	Benchmarking Sequence-Based Compound-Protein Interaction Prediction through Constructing a Debiased Data Set CDPN 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02040 PMID:41264813	研究论文	本文提出了一种名为CDPN的去偏数据构建协议，用于基准测试基于序列的化合物-蛋白质相互作用预测模型	通过化合物聚类降采样和从未探索化学空间生成推定负样本，构建去偏CPI基准数据集，解决了现有数据集中分子支架过代表和标签分布不平衡导致的模型泛化问题	在PDBbind上的系统评估揭示了注意力可解释性存在关键局限性	准确预测化合物-蛋白质相互作用以促进药物发现	化合物-蛋白质相互作用	机器学习	NA	NA	深度学习模型	序列数据	NA	NA	KPGT-Ankh	NA	NA
2837	2025-12-13	Volumetric localization microscopy with deep learning 2025-Dec-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65941-3 PMID:41360790	研究论文	本文提出了一种结合深度学习与波前优化光场配置的体积极位显微技术，用于高保真三维单分子成像	VLM方法首次将仪器优化与深度学习算法结合，仅使用系统感知的内在点扩散函数进行训练，无需依赖外部成像模式或样本特定数据	NA	开发一种超分辨率显微技术，以克服荧光显微镜在光学复杂性、计算需求和用户可访问性方面的限制	生物样本中的单分子成像	计算机视觉	NA	超分辨率显微技术，波前优化光场配置	深度学习，神经网络	图像数据	多种生物样本（未指定具体数量）	NA	级联神经网络	横向定位精度10纳米，轴向定位精度25纳米，有效成像深度超过4微米	NA
2838	2025-12-13	Deep-DPC: Deep learning-assisted label-free temporal imaging discovery of anti-fibrotic compounds by controlling cell morphology 2025-Dec, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.028 PMID:40010605	研究论文	本文提出了一种名为deep-DPC的新方法，结合无标记时间序列数字相位对比成像、细胞形态分析和无监督机器学习，用于动态控制和监测细胞形态，以发现抗纤维化先导化合物	将无标记时间序列DPC成像与细胞形态分析及深度学习相结合，动态监测纤维化过程中的细胞形态变化，克服了传统方法仅关注最终生物指标的局限	NA	开发一种基于深度学习和细胞形态动态分析的新策略，用于评估纤维化并发现抗纤维化先导化合物	纤维细胞（包括静息和活化状态）	数字病理学	纤维化疾病	无标记时间序列数字相位对比成像	神经网络	图像	12,000张图像用于训练，超过100,000张图像来自1,400种化合物	NA	NA	NA	NA
2839	2025-12-13	Reinforcement learning-based generative artificial intelligence for novel pesticide design 2025-Dec, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.030 PMID:40032026	研究论文	本研究提出了一种基于强化学习的生成式人工智能框架PestiGen，用于设计具有高结合亲和力的类农药分子	首次将生成式人工智能应用于农药设计领域，结合字符和片段生成模型与强化学习算法，探索类农药化学空间	研究为概念验证性质，实际应用需进一步实验验证，且生成分子可能存在假阳性率	开发一种基于强化学习的生成式人工智能框架，用于新型绿色农药的分子设计	类农药分子，特别是针对4-羟基苯丙酮酸双加氧酶抑制剂的分子设计	机器学习	NA	生成式人工智能，强化学习，蒙特卡洛树搜索	生成模型，强化学习模型	化学分子数据	NA	NA	PestiGen-G, PestiGen-S	农药相似性，结合亲和力，酶抑制活性，除草效力	NA
2840	2025-12-13	Model-based deep learning with fully connected neural networks for accelerated magnetic resonance parameter mapping 2025-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03356-7 PMID:40317423	研究论文	本文提出了一种基于模型的深度学习框架qDC-CNN，用于加速磁共振参数映射，通过结合图像重建网络和全连接神经网络来提高定量磁共振成像的准确性和效率	提出了一种新颖的集成深度学习框架qDC-CNN，结合了展开的图像重建网络和全连接神经网络，用于加速定量参数映射，相比传统方法在重建误差上表现更优	研究基于模拟数据集进行训练和测试，可能未完全覆盖真实临床场景的复杂性；未详细讨论计算资源需求或实际部署的可行性	验证提出的qDC-CNN模型在加速定量磁共振参数映射方面的性能，并评估其在不同加速因子和对比图像减少情况下的表现	模拟的多切片多回波（MSME）数据集，源自BrainWeb数据库，用于S0和T2参数的估计	医学影像分析	NA	定量磁共振成像（qMRI），多切片多回波（MSME）序列	CNN, 全连接神经网络	模拟磁共振图像数据	基于BrainWeb数据库生成的模拟数据集，具体样本数量未明确说明	NA	qDC-CNN（定量深度级联卷积网络），结合了图像重建网络和全连接神经网络	归一化均方根误差（NRMSE）	NA