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
301	2025-11-20	Training With Local Data Remains Important for Deep Learning MRI Prostate Cancer Detection 2025-Sep-11, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251367620 PMID:40936310	研究论文	评估本地数据训练对深度学习MRI前列腺癌分割模型性能的重要性	首次在大规模队列（超过1000例）中验证领域偏移对MRI前列腺癌分割模型的影响	研究基于模拟的多机构联盟，实际临床应用效果需进一步验证	评估本地数据训练是否在超过1000例的大规模队列中仍优于外部数据训练	前列腺癌MRI图像分割	数字病理	前列腺癌	MRI	nnUNet-v2	医学图像	PICAI数据集：1241训练+259测试；本地数据集：1400训练+308测试	PyTorch	nnUNet	PICAI Score	NA
302	2025-11-20	Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18406 PMID:40265999	研究论文	开发并验证基于腕戴加速度计和深度学习可调算法的全身性强直阵挛发作自动检测系统	提出集成卷积神经网络架构，通过分位数聚合实现可调灵敏度，首次在独立测试集上验证腕戴设备检测癫痫发作的性能	一名患者因传感器手臂被床栏卡住导致漏检，样本量相对有限（训练集37名患者54次发作，测试集347名患者49次发作）	开发可集成到商用智能手表的癫痫发作自动检测算法	384名接受视频脑电图监测的癫痫患者	医疗健康监测	癫痫	三维加速度计传感，视频脑电图监测	CNN	加速度计振幅数据	384名患者（训练集37名患者54次发作，测试集347名患者49次发作）	NA	集成卷积神经网络	灵敏度，误报率，检测延迟	NA
303	2025-11-20	Spatio-temporal learning from molecular dynamics simulations for protein-ligand binding affinity prediction 2025-Aug-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf429 PMID:40828893	研究论文	本研究开发了MDbind数据集和新型神经网络，通过分子动力学模拟增强蛋白质-配体结合亲和力预测	首次构建包含63,000个分子动力学模拟的MDbind数据集，并开发能够从时空动态信息中学习的新型神经网络	训练数据可用性有限，模型对蛋白质-配体相互作用的学习能力仍需改进	提高蛋白质-配体结合亲和力预测的准确性和泛化能力	蛋白质-配体复合物	机器学习	NA	分子动力学模拟	神经网络	分子动力学模拟轨迹，3D结构数据	63,000个蛋白质-配体相互作用的分子动力学模拟	NA	NA	结合亲和力预测准确率	NA
304	2025-11-20	Machine learning applications in risk management: Trends and research agenda 2025, F1000Research DOI:10.12688/f1000research.161993.2 PMID:41059130	综述	通过文献计量分析探讨机器学习在风险管理中的应用趋势和研究议程	识别机器学习在风险管理中的新兴趋势（如城市树木评估和SARS-CoV-2疫情风险管理）和跨领域应用	基于文献计量分析，缺乏对具体技术实施效果的实证研究	分析机器学习在风险管理领域的研究趋势和发展方向	Scopus和Web of Science数据库中的相关科学文献	机器学习	SARS-CoV-2	文献计量分析	随机森林,支持向量机,深度学习	文献数据	2018-2023年间相关文献（增长98.99%）	NA	NA	NA	NA
305	2025-11-20	Deep learning-based forest fire detection using an improved SSD algorithm with CBAM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333574 PMID:41252362	研究论文	提出一种基于改进SSD算法和CBAM模块的深度学习森林火灾检测模型	将CBAM模块集成到SSD主干网络中，通过通道和空间维度自适应加权火焰颜色和烟雾纹理特征，提升关键火灾特征的感知能力	未明确说明数据集的具体规模和多样性，实际环境干扰的泛化能力需进一步验证	解决森林火灾检测中火焰烟雾尺度多变、特征复杂以及环境干扰导致的误检漏检问题	森林火灾中的火焰和烟雾	计算机视觉	NA	深度学习	SSD, CBAM-SSD	图像	未明确具体数量，通过几何和颜色变换的数据增强技术扩充数据集	未明确说明	SSD, CBAM-SSD	mAP@0.5, AP50, 召回率	未明确说明
306	2025-11-20	DeepAttNet: deep neural network incorporating cross-attention mechanism for subject-independent mental stress detection in passive brain-computer interfaces using bilateral ear-EEG 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1685087 PMID:41255549	研究论文	提出一种基于双耳EEG和交叉注意力机制的深度神经网络DeepAttNet，用于独立于受试者的心理压力检测	引入休息对休息范式消除任务参与效应，开发结合交叉注意力和点态时间压缩的深度学习模型，专门建模半球间神经动态	样本量相对有限（32名成人参与者），仅使用双通道EEG记录	开发独立于受试者的心理压力检测方法，推动被动脑机接口在现实场景中的应用	32名成年人的双耳EEG数据	脑机接口	心理健康	脑电图（EEG）	深度学习	EEG信号	32名成人参与者	NA	DeepAttNet（基于交叉注意力和点态时间压缩）	准确率, 宏F1值	NA
307	2025-11-20	Multi-Omics Meets Premalignancy: Paving the Way for Early Prevention of Cancer 2025, Research (Washington, D.C.) DOI:10.34133/research.0930 PMID:41255572	综述	探讨多组学技术与人工智能在癌前病变研究中的整合应用及其对癌症早期预防的推动作用	首次系统梳理15种癌症类型的临床公认癌前病变，并强调多组学与人工智能融合在肿瘤发生轨迹推断和极早期风险分层中的创新应用	未涉及具体实验验证数据，主要基于现有研究进行系统性综述	推动癌症早期检测与药物预防策略发展	癌前病变（PMLs）及其向恶性肿瘤的演化过程	数字病理, 机器学习	泛癌研究	多组学技术（包括单细胞组学、空间组学）、深度学习	深度学习	多组学数据（基因组、转录组等）	NA	NA	NA	NA	NA
308	2025-11-20	Two-decade dialogue between artificial intelligence and osteoporosis: research trajectories and frontier projections under bibliometric and visual analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606361 PMID:41255602	文献计量分析	通过文献计量和可视化分析方法系统评估2004-2024年间人工智能在骨质疏松症研究领域的知识进展	首次对骨质疏松症领域人工智能研究进行全面的文献计量分析，识别了该领域的发展轨迹和新兴前沿	仅基于Web of Science数据库的英文文献，可能遗漏其他语言或数据库的重要研究	系统评估人工智能在骨质疏松症研究中的知识进展和发展趋势	2004-2024年间发表的骨质疏松症与人工智能相关的研究文献	文献计量学	骨质疏松症	文献计量分析，可视化分析	NA	文献元数据	408篇出版物（343篇文章，65篇综述）	VOSviewer, CiteSpace, Scimago Graphica, Bibliometrix	NA	年度发表趋势，国家/机构贡献度，期刊/作者影响力指标，关键词共现分析	NA
309	2025-11-20	Deep learning-driven MRI for accurate brain volumetry in murine models of neurodegenerative diseases 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1632169 PMID:41255818	研究论文	本研究开发了一种基于深度学习的MRI分割方法，用于精确测量神经退行性疾病小鼠模型中的脑体积	采用深度学习分割方法，在7特斯拉MRI上仅需4.3分钟即可完成高分辨率脑体积定量分析，大幅缩短采集时间并提高动物福利	需要麻醉可能影响采集参数，且方法主要在小鼠模型上验证	开发高效可靠的脑体积定量方法用于神经退行性疾病研究	健康C57BL/6J小鼠、肌萎缩侧索硬化模型、铜宗诱导脱髓鞘模型和多发性硬化模型	数字病理	神经退行性疾病	MRI, T加权成像	深度学习分割模型	医学影像	多种疾病模型小鼠	NA	NA	重现性验证	7特斯拉MRI，常规射频线圈
310	2025-11-20	Thyroid nodule and lymph node metastasis assessment from ultrasound images using deep learning 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1684104 PMID:41255824	研究论文	本研究开发了一种基于深度学习的AI超声诊断模型，用于术前精确区分良性甲状腺结节、非转移性恶性甲状腺结节和转移性恶性甲状腺结节	首次建立能够同时区分三种甲状腺结节类型（BTN/NMTN/MMTN）的AI超声诊断模型，并在多中心数据上验证其性能优于放射科医生	样本量相对有限（195例患者），特别是非转移性恶性甲状腺结节组样本较少（仅15例）	开发AI辅助诊断系统以提高甲状腺结节超声诊断的准确性和一致性	甲状腺结节患者及其超声图像	计算机视觉	甲状腺癌	超声成像	CNN	图像	195例患者（BTN=60，NMTN=15，MMTN=120），共3,537张超声图像	NA	NA	AUC, 准确率, ROC曲线, 混淆矩阵	NA
311	2025-11-20	Prospects and challenges of deep learning in gynecologic malignancies 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592078 PMID:41256318	综述	概述深度学习在妇科恶性肿瘤诊疗中的应用现状与挑战	系统探讨了基于放射组学和病理图像的深度学习模型在妇科肿瘤诊疗中的创新应用前景	未涉及具体临床验证数据，主要聚焦技术前景与挑战分析	探讨深度学习技术在妇科恶性肿瘤诊疗中的应用潜力与发展方向	妇科恶性肿瘤（GMs）的医学影像数据	数字病理学	妇科肿瘤	医学影像分析（X射线、CT、MRI、SPECT）	深度学习	放射学图像、病理学图像	NA	NA	NA	NA	NA
312	2025-11-20	Predicting alcohol use disorder risk in firefighters using a multimodal deep learning model: a cross-sectional study 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1643552 PMID:41256950	研究论文	开发并验证了一种多模态深度学习框架，通过整合结构磁共振成像和神经心理学评估来预测消防员的酒精使用障碍风险	首次将ResNet-50卷积神经网络、Vision Transformer模块和多层感知器协同整合，用于消防员酒精使用障碍的客观风险分层，避免了传统自我报告方法的系统性漏报问题	横断面研究设计无法建立因果关系，样本性别分布不均（93%为男性），缺乏外部验证队列	开发客观的酒精使用障碍风险预测模型，用于高风险职业人群的筛查	689名现役消防员	数字病理	酒精使用障碍	结构磁共振成像，神经心理学评估	CNN, Transformer, MLP	图像，临床数据	689名现役消防员（平均年龄43.3±8.8岁，93%男性）	NA	ResNet-50, Vision Transformer, 多层感知器	准确率，AUC	NA
313	2025-11-20	Deep learning-based classification of colorectal cancer in histopathology images for category detection 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf077 PMID:41256969	研究论文	本研究开发了一种基于深度学习的结直肠癌组织病理图像分类方法，用于自动检测不同癌症类别	提出两阶段预测框架，先进行异常检测再进行多类癌症分类，显著提升了分类鲁棒性	Swin Transformer模型计算需求较高，某些类别样本可能不足	开发自动化的结直肠癌分类工具以支持病理学家诊断	结直肠癌组织病理图像	数字病理	结直肠癌	苏木精-伊红染色组织病理学	CNN, Transformer	图像	NA	NA	ResNet-34, ResNet-50, Swin Transformer V2	准确率, ROC AUC, F1-score	NA
314	2025-11-19	Methods for sample preparation and signal amplification in antibiotic detection using surface-enhanced Raman scattering 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146294 PMID:40934785	研究论文	本文综述了基于表面增强拉曼散射的抗生素检测中样品制备与信号放大方法的最新进展	提出将深度学习与微尺度萃取和功能化磁性纳米材料相结合，显著提高SERS检测抗生素的准确性	SERS耦合固/液相萃取方法研究不足，需要开发兼容的纳米颗粒和新型纳米吸附剂	开发先进的抗生素检测工具以应对环境和食品安全挑战	环境和水体中的抗生素污染物	分析化学	NA	表面增强拉曼散射(SERS), 固相/溶剂(微)萃取, 微流控, 侧流(免疫)分析, 磁性富集, 分子印迹聚合物	深度学习	拉曼光谱数据	NA	NA	NA	准确性	NA
315	2025-11-19	Nondestructive detection of biogenic amines in muscle of Chinese mitten crab (Eriocheir sinensis): A basis for quality assessment using infrared spectroscopy and deep learning 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146354 PMID:40945266	研究论文	本研究结合近红外光谱和深度学习技术，开发了一种用于中华绒螯蟹肌肉中生物胺无损检测和质量评估的方法	首次将CNN-LSTM-SE混合深度学习模型应用于蟹类生物胺的无损检测，实现了对腐败蟹100%的准确识别	研究仅针对特定储存条件（8±1°C）下的中华绒螯蟹，模型在其他温度或蟹类物种的适用性未验证	开发水生产品质量评估的无损检测方法	中华绒螯蟹肌肉组织中的生物胺含量	机器学习	NA	近红外光谱技术	CNN, LSTM	光谱数据	NA	NA	CNN-LSTM-SE（卷积神经网络-长短期记忆网络-挤压激励混合模型）	相关系数R, 均方根误差RMSE, 准确率	NA
316	2025-11-19	Molecular networking and deep learning synergy for bioactive metabolite discovery in L. plantarum-Fermented Sea buckthorn milk 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146361 PMID:40945267	研究论文	本研究开发了结合分子网络与深度学习的代谢组学方法，用于分析植物乳杆菌发酵沙棘奶中的生物活性代谢物	首次将基于特征的分子网络与深度学习相结合，克服传统数据库驱动方法的注释限制，成功发现两种未报道的异戊酰基黄酮醇苷和四氢哈尔满-3-羧酸	NA	识别新型生物活性化合物并改善发酵沙棘奶的营养和感官特性	植物乳杆菌发酵的沙棘奶代谢物	代谢组学	NA	非靶向代谢组学，基于特征的分子网络，深度学习	深度学习	代谢组学数据	NA	NA	NA	NA	NA
317	2025-11-19	Leveraging pre-trained computer vision models for accurate classification of meat freshness 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146430 PMID:41045854	研究论文	本研究通过预训练深度卷积神经网络和随机编码聚合深度激活图的方法，开发了一种基于图像数据的肉类新鲜度分类新方法	提出结合预训练DCNN特征提取与随机编码聚合深度激活图(RADAM)的新方法，实现了更简单高效的肉类新鲜度分类	NA	开发快速、非破坏性的肉类新鲜度评估方法	牛肉和鸡肉的新鲜度	计算机视觉	NA	图像分类	深度卷积神经网络, 传统机器学习分类器	图像	三个数据集中的牛肉和鸡肉样本	NA	预训练深度卷积神经网络	准确率	NA
318	2025-11-19	Deciphering Gut Microbiome Dynamics in Irritable Bowel Syndrome Using Deep Learning 2025-Dec, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.70153 PMID:40908531	研究论文	本研究利用深度学习技术分析肠道微生物组数据以识别肠易激综合征	将深度神经网络应用于高维度、复杂相互作用的微生物组数据分析，在疾病分类中实现92.79%的准确率	未详细说明数据预处理的具体方法，模型比较的深度可能不足	探索肠道微生物组在肠易激综合征诊断中的应用价值	人类肠道微生物组数据和肠易激综合征患者	机器学习	肠易激综合征	微生物组分析	DNN, XGBoost, RandomForest, Logistic Regression, LightGBM	微生物组谱数据	综合微生物组谱数据集（具体数量未说明）	Python库	深度神经网络（密集层结构）	准确率, 敏感性, 特异性	NA
319	2025-11-19	Understanding the relationship between rosemary odor and mental workload through deep learning 2025-Nov-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.09.038 PMID:41072604	研究论文	本研究通过深度学习分析脑电图信号，探索迷迭香气味与心理负荷之间的关系	首次结合嗅觉刺激和深度学习直接分析原始EEG信号进行心理负荷分类，无需手动特征工程	样本量较小(30名志愿者)，仅研究单一气味(迷迭香)	研究迷迭香气味对心理负荷的影响及其通过深度学习的检测方法	30名志愿者在迷迭香气味暴露下执行神经心理学测试时的EEG信号	机器学习	NA	脑电图(EEG)	LSTM, CNN	EEG信号	30名志愿者	NA	LSTM, CNN	准确率	NA
320	2025-11-19	A deep learning approach to artifact removal in Transcranial Electrical Stimulation: From shallow methods to deep neural networks and state space models 2025-Nov-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.10.004 PMID:41101623	研究论文	本研究分析机器学习方法在经颅电刺激噪声伪影去除中的应用，比较了从浅层方法到深度神经网络和状态空间模型的性能差异	首次系统比较11种伪影去除技术在不同tES刺激类型下的性能，发现最优方法取决于刺激类型，并为不同tES模式提供了方法选择指南	使用合成数据集而非真实临床数据，可能无法完全反映实际应用场景	开发有效的经颅电刺激伪影去除方法以改善脑电信号分析	经颅电刺激产生的EEG伪影	机器学习	神经系统疾病	经颅电刺激，脑电图	CNN, 状态空间模型	脑电信号	合成数据集（清洁EEG数据与合成tES伪影组合）	NA	Complex CNN, M4	RRMSE, 相关系数	NA