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
3301	2025-12-14	Convolutional Neural Networks for Estimation of Uniaxial Tensile Test Equivalent Properties from Small Punch Test 2025-Nov-22, Materials (Basel, Switzerland) DOI:10.3390/ma18235276 PMID:41374120	研究论文	本研究利用卷积神经网络从小冲杆试验数据预测单轴拉伸试验等效性能	首次将卷积神经网络应用于小冲杆试验与单轴拉伸试验之间的曲线到曲线预测，以减小系统偏差	研究仅针对三种锅炉钢材料，未验证其他材料类型的适用性	开发基于深度学习的方法，从小冲杆试验数据准确估计单轴拉伸试验等效性能	三种锅炉钢（10H2M、13HMF和15HM）在新状态和使用退化状态下的材料	机器学习	NA	小冲杆试验、单轴拉伸试验	CNN	曲线数据	三种锅炉钢材料在两种状态下的配对SPT和UTT实验数据库	NA	卷积神经网络	NA	NA
3302	2025-12-14	General Intelligence-based Fragmentation (GIF): A framework for peak-labeled spectra simulation 2025-Nov-11, ArXiv PMID:41293535	研究论文	提出了一种基于大语言模型的质谱模拟框架GIF，用于提高代谢组学中质谱注释的效率	首次将大语言模型通过结构化提示和推理引导应用于质谱模拟，提供了一种系统化的替代方案	未明确说明模型在复杂分子或低丰度化合物上的泛化能力限制	开发一个基于大语言模型的框架，以改进质谱模拟和注释	质谱数据	自然语言处理	NA	质谱分析	LLM	文本	基于MassSpecGym数据集衍生的QA-sim数据集	NA	GPT-4o, GPT-4o-mini, GPT-5, Llama-3.1, ChemDFM	余弦相似度	NA
3303	2025-12-14	buzzdetect: an open-source deep learning tool for automated bioacoustic pollinator monitoring 2025-Nov-07, Journal of insect science (Online) DOI:10.1093/jisesa/ieaf104 PMID:41369586	研究论文	本文介绍了一种名为“buzzdetect”的开源深度学习工具，用于通过音频数据进行生物声学传粉者自动监测	开发了首个开源深度学习工具“buzzdetect”，专门用于传粉者的被动声学监测，能够从环境噪声中区分昆虫飞行嗡嗡声	模型在检测昆虫飞行嗡嗡声时的灵敏度仅为28%，可能影响对低强度活动的捕捉能力	开发并测试一个自动化工具，以支持生态学中传粉者的大规模、长期监测研究	传粉昆虫（通过其飞行嗡嗡声进行监测）	机器学习	NA	被动声学监测	深度学习模型	音频数据	来自4种作物和1种野花的录音数据	NA	NA	灵敏度, 精确度	NA
3304	2025-12-14	StoPred: Accurate Stoichiometry Prediction for Protein Complexes Using Protein Language Models and Graph Attention 2025-Nov-05, Research square DOI:10.21203/rs.3.rs-7909758/v1 PMID:41282093	研究论文	本文提出了一种名为StoPred的新方法，通过整合蛋白质语言模型嵌入和图注意力网络来预测蛋白质复合物的化学计量比	首次提出基于深度学习的异源寡聚体化学计量比预测方法，无需模板组装或预定义组成，并利用图注意力网络建模亚基间相互作用	未在摘要中明确说明	开发一种准确预测蛋白质复合物化学计量比的计算方法	蛋白质复合物（包括同源和异源寡聚体）	计算生物学	NA	蛋白质语言模型，图注意力网络	图注意力网络	序列特征，结构特征	NA	NA	图注意力网络	top-1准确率	NA
3305	2025-12-14	A Systematic Review on Machine Learning Techniques for Survival Analysis in Cancer 2025-Nov, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71375 PMID:41264402	系统综述	本文系统综述了机器学习技术在癌症生存分析中的应用，比较了不同方法的预测性能	首次系统性地比较了机器学习与传统统计方法在癌症生存分析中的表现，并识别了多任务学习和深度学习方法在少数研究中显示出优越性能	仅分析了39项可比研究，且深度学习方法仅在少数论文中报告，方法学及实施存在较大变异性	评估机器学习技术在癌症生存分析中是否优于传统统计方法，并比较不同机器学习策略的性能	癌症患者的生存数据	机器学习	癌症	NA	深度学习, 多任务学习	生存数据	196项研究中的39项可比研究	NA	NA	预测性能	NA
3306	2025-12-14	PBIP: a deep learning framework for predicting phage-bacterium interactions at the strain level 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf656 PMID:41370631	研究论文	本文提出了一种名为PBIP的深度学习框架，用于在菌株级别预测噬菌体-细菌相互作用	PBIP框架首次在菌株级别整合了预训练的统一表示模型、合成少数类过采样技术以及结合CNN、双向GRU和注意力机制的深度神经网络，以捕获序列中的复杂生物模式	研究主要基于从湘雅医院临床环境中分离的肺炎克雷伯菌，可能限制了模型在其他细菌种类或环境中的泛化能力	开发一个深度学习框架来准确预测噬菌体与细菌在菌株级别的相互作用，以支持噬菌体疗法的临床应用	噬菌体和细菌（具体为肺炎克雷伯菌）的蛋白质序列	机器学习	NA	生物感染实验和测序	CNN, 双向GRU	蛋白质序列	NA	NA	结合CNN、双向GRU和注意力机制的深度神经网络	NA	NA
3307	2025-12-14	Artificial intelligence guided Raman spectroscopy in biomedicine: Applications and prospects 2025-Nov, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101271 PMID:41377140	综述	本文综述了人工智能（特别是深度学习）如何增强拉曼光谱在生物医学中的应用，包括药物分析、疾病诊断和治疗优化	通过人工智能（尤其是深度学习算法）提升拉曼光谱的数据处理、特征提取和模型优化，从而扩展其在生物医学中的应用范围	存在计算需求高、数据要求严格以及伦理考虑等挑战	探讨人工智能如何推动拉曼光谱在生物制药研究和临床诊断中的进步	拉曼光谱在生物医学领域的应用，包括药物结构表征、疾病早期诊断和治疗优化	机器学习	NA	拉曼光谱	深度学习	光谱数据	NA	NA	NA	准确性, 效率	NA
3308	2025-12-14	Labeled dataset of X-ray protein ligand images in 3D point cloud and validated deep learning models 2025-Oct-31, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06002-8 PMID:41173949	研究论文	本文介绍了首个化学标记的蛋白质配体3D点云数据集LigPCDS，并验证了基于该数据集的深度学习模型用于语义分割以恢复配体化学结构	首次创建了基于X射线蛋白质晶体学实验数据的化学标记3D点云配体数据集，并采用类似积木的标记方法进行点云标注	NA	构建并验证一个标记的3D点云配体数据集，以支持蛋白质配体结构解析、计算机辅助药物设计和蛋白质功能研究	蛋白质配体（小有机分子）的3D点云图像	计算机视觉	NA	X射线蛋白质晶体学	深度学习模型	3D点云图像	NA	NA	NA	NA	NA
3309	2025-12-14	Structure-based Predictions of Conformational B Cell Epitopes by Protein Language Model and Deep Learning 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.29.685313 PMID:41278910	研究论文	本文介绍了一种基于蛋白质语言模型和深度学习的框架，用于预测抗原结构上的构象B细胞表位	提出了一种以表面“斑块”（由三个相邻残基组成的三元组）为中心的框架，直接预测抗原结构上的表位，结合蛋白质语言模型（ESM-2）和卷积神经网络，显著优于现有工具	模型在开发过程中未见的五个外部复合物上表现良好，但可能仍需更多样化的数据集验证泛化能力，且实验成本较高的问题未完全解决	预测构象B细胞表位，以支持抗体发现、抗原优先排序、抗体工程和疫苗设计	抗体-抗原复合物，特别是构象B细胞表位	自然语言处理, 机器学习	NA	蛋白质语言模型, 深度学习	多层感知机, 卷积神经网络	蛋白质结构数据	1,151个AbDb抗体-抗原复合物	NA	ESM-2, 多层感知机, 卷积神经网络	F1分数, ROC-AUC, PR-AUC	NA
3310	2025-12-14	PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification 2025-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01250-3 PMID:39633210	研究论文	提出一种名为PixCUE的深度学习方法，用于在MRI重建中同时生成重建图像和不确定性图	首次将像素分类框架应用于MRI重建中的不确定性估计，能够在单次前向传播中同时输出重建图像和不确定性图，显著降低了计算成本	未明确说明方法在极端噪声或复杂病理情况下的鲁棒性，也未与其他非MC类不确定性估计方法进行系统比较	解决深度学习MRI重建中的不确定性估计问题，降低计算成本	磁共振成像（MRI）数据	医学影像分析	NA	磁共振成像（MRI）	深度学习模型	图像（k空间数据及重建图像）	NA	NA	NA	NMSE, PSNR, SSIM	NA
3311	2025-12-14	URDM: Hyperspectral Unmixing Regularized by Diffusion Models 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3638151 PMID:41348789	研究论文	本文提出了一种基于扩散模型正则化的新型高光谱解混方法，结合传统优化算法和深度生成模型的优势	将变分视角下的解混目标函数整合到扩散采样过程中，引入去噪扩散概率模型的生成先验，并通过分裂策略简化优化	未明确提及方法在计算效率或大规模数据集上的具体限制	克服传统模型驱动方法和深度学习方法在高光谱解混中的局限性，提高解混性能	高光谱图像中的混合像素	计算机视觉	NA	高光谱成像	扩散模型	图像	合成和真实数据集，具体数量未说明	NA	DDPM	未明确指定，但提及效率和性能优越性	NA
3312	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
3313	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
3314	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
3315	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
3316	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
3317	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
3318	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
3319	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
3320	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