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
3961	2025-12-27	Deep learning enabled rapid detection of live bacteria in the presence of food debris 2025-Nov-21, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00636-z PMID:41271775	研究论文	本研究开发了一种基于深度学习的策略，利用白光显微镜图像快速检测和分类活细菌，即使在存在形态相似食物残渣的情况下也能实现	结合ResNet50与区域提议网络，首次实现在复杂食物基质中快速（3小时内）且高精度地检测活细菌，同时有效区分细菌与食物残渣	研究仅针对三种特定细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）和三种食物残渣（鸡肉、菠菜、奶酪）进行验证，可能无法泛化到其他细菌或食物类型	开发一种快速、准确且成本效益高的活细菌检测方法，以应对食品安全中的病原体污染问题	活细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）及食物残渣（鸡肉、菠菜、奶酪）	计算机视觉	NA	白光显微镜成像	CNN	图像	涉及三种细菌和三种食物残渣的微菌落图像数据集	NA	ResNet50, Region Proposal Network	精确度, 召回率, 假阳性率	NA
3962	2025-12-27	Degrees of uncertainty: conformal deep learning for non-invasive core body temperature prediction in extreme environments 2025-Nov-20, Communications engineering DOI:10.1038/s44172-025-00548-6 PMID:41266785	研究论文	本文介绍了一种结合深度学习与保形预测的框架，用于在极端环境中进行非侵入性核心体温预测，并提供校准的不确定性估计	首次将保形预测与深度学习结合，为实时非侵入性核心体温预测提供统计校准的不确定性估计，显著提升了概率准确性	研究主要针对热应激环境，在其他极端环境或疾病条件下的适用性尚需进一步验证	开发一种具有校准不确定性的实时非侵入性核心体温预测方法，以支持安全关键的生理监测	核心体温预测，特别是在高风险热应激环境下的应用	机器学习	NA	深度学习, 保形预测	深度学习模型	生理测量数据, 人口统计学数据, 环境数据	超过140,000个生理测量数据，涵盖六个操作领域	NA	NA	测试误差, 校准概率准确性, 预测区间	NA
3963	2025-12-27	Evaluating the quality of multiple automatically produced segmentation variants of the prostate on Magnetic Resonance Imaging scans for brachytherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100852 PMID:41439244	研究论文	评估一种基于深度学习的（半）自动医学图像分割方法在MRI前列腺分割中的质量，并与传统DL方法进行比较	提出了一种能生成多个分割变体（反映手动分割的变异）的新型DL方法，而非仅单一分割结果，旨在提高临床医生偏好自动分割的可能性	研究为回顾性设计，样本量较小（仅13名前列腺癌患者），可能限制结果的普遍性	评估新型DL分割方法在前列腺MRI分割中的质量，并探讨其临床应用的潜力	前列腺癌患者的MRI扫描图像	数字病理	前列腺癌	MRI扫描	深度学习（DL）	图像	13名前列腺癌患者	NA	NA	手动校正需求等级（无校正、不可接受等），偏好排名	NA
3964	2025-12-27	Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Aug-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01903-9 PMID:40760164	研究论文	本研究开发并验证了名为CerviPro的多模态深度学习模型，用于预测接受根治性放疗的局部晚期宫颈癌患者的无病生存期	通过融合治疗前后CT影像、手工放射组学特征和临床变量，构建了首个针对局部晚期宫颈癌的多模态预后预测模型，并证明了多模态特征融合优于单一数据源模型	研究样本量相对有限（1018例），且外部验证队列的C-index（0.70和0.66）低于内部验证队列（0.81），表明模型泛化能力有待进一步提升	开发精准的生存预测模型以指导局部晚期宫颈癌的个性化治疗	接受根治性放疗的局部晚期宫颈癌患者	数字病理学	宫颈癌	CT成像	深度学习模型	CT影像、放射组学特征、临床变量	1018例局部晚期宫颈癌患者	NA	CerviPro	C-index	NA
3965	2025-12-27	Deep learning-based polygenic scores enhance generalizability of psychiatric disorders prediction 2025-May-05, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.05.25326794 PMID:40385437	研究论文	本研究比较了深度学习模型Genome-Local-Net与线性模型bigstatsr在预测五种精神疾病方面的性能，并探讨了结合个体和GWAS来源的多基因评分及家族遗传风险评分的预测效果	首次系统评估深度学习模型在精神疾病多基因评分预测中的泛化能力，并探索了多种评分整合策略的增效作用	深度学习整合策略未显示一致优势，研究仅针对五种精神疾病，样本代表性可能受限	提升精神疾病遗传风险预测的准确性和泛化能力	注意力缺陷多动障碍、自闭症谱系障碍、双相情感障碍、重度抑郁症和精神分裂症	机器学习	精神疾病	全基因组关联研究	深度学习, 线性模型	基因型数据	未明确	未明确	Genome-Local-Net	AUROC	未明确
3966	2025-12-27	Research on partial discharge signal recognition and classification of power transformer based on acoustic-VMD and CNN-LSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335447 PMID:41264639	研究论文	本研究提出了一种基于声学-VMD和CNN-LSTM的混合模型，用于电力变压器局部放电信号的识别与分类	提出了一种新颖的混合模型，结合了样本熵优化的变分模态分解、并行1D-CNN和双向LSTM分支以及分层注意力机制，实现了自适应信号处理与基于注意力的深度学习的协同集成	未明确说明模型在更广泛或不同噪声环境下的泛化能力，也未讨论模型对计算资源的具体需求	提高电力变压器局部放电信号的识别与分类准确性，以预防绝缘故障	电力变压器的局部放电信号	机器学习	NA	声学信号处理，变分模态分解	CNN, LSTM	声学信号	未明确说明	NA	1D-CNN, 双向LSTM	分类准确率, 平均绝对定位误差, 角度精度, 处理时间	NA
3967	2025-12-27	Brand public opinion data analysis method based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339563 PMID:41433265	研究论文	本文提出了一种基于深度学习的品牌舆情数据分析方法，通过改进情感词典并结合BERT模型进行情感分类	利用主题词和基准词算法增强情感词典，并结合预训练词向量与BERT线性情感分类模型，以提高舆情事件情感分析的准确性	NA	提升品牌舆情事件的情感分析准确性，为品牌所有者应对突发网络舆情提供技术支持	微博评论数据，针对特定品牌A在特定时间范围内的舆情事件相关话题数据	自然语言处理	NA	潜在狄利克雷分配主题模型，情感词典增强算法，预训练词向量	BERT	文本	NA	NA	BERT线性情感分类模型	NA	NA
3968	2025-12-27	Identification and classification of oil and gas pipeline intru-sion events based on 1-D CNN network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338205 PMID:41433319	研究论文	本研究提出了一种结合相位敏感光时域反射计分布式声学传感与优化一维卷积神经网络的多模态传感交互框架，用于油气管道入侵事件的识别与分类	整合原始光纤振动信号与手工特征，并利用公开人体活动数据集进行迁移学习以提升特征泛化能力	数据集多样性有限，需进一步扩展并增强多传感器融合与自适应交互能力	开发实时、高灵敏度的油气管道安全监测系统	油气管道入侵事件（如手动敲击、机械挖掘、人类脚步）	机器学习	NA	相位敏感光时域反射计分布式声学传感	CNN	振动信号	NA	NA	一维卷积神经网络	分类准确率	NA
3969	2025-12-27	Generational stability of environmentally induced epigenetic transgenerational inheritance of adult-onset disease over ten mammalian generations 2025, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvaf033 PMID:41438350	研究论文	本研究通过连续繁殖10代大鼠，评估了环境暴露诱导的表观遗传跨代遗传对成年期疾病的影响	首次在哺乳动物中证明环境诱导的表观遗传跨代遗传可稳定维持长达10代，远超以往仅研究3-4代的范围	研究仅关注大鼠模型，未涉及其他哺乳动物；病理评估主要基于特定组织，可能未全面覆盖所有器官	探究环境暴露导致的表观遗传跨代遗传在哺乳动物中是否能在多代间稳定维持	远交大鼠群体，包括雄性和雌性谱系	表观遗传学	成年期疾病	DNA甲基化分析，深度学习组织学协议	深度学习	组织病理图像，DNA甲基化数据	连续10代大鼠群体	NA	NA	NA	NA
3970	2025-12-27	Design and development of an mHealth application for pressure ulcer care and caregiver support 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1694486 PMID:41438477	研究论文	本研究旨在设计和开发一款名为IPI的移动健康应用程序，该应用集成了基于人工智能的压力性损伤分期、针对护理人员的教育、个性化营养支持和视觉伤口监测功能，以辅助护理人员和医疗专业人员提供及时有效的护理	开发了一个集成了AI压力性损伤分期、护理人员教育、个性化营养支持和伤口视觉监测的综合性移动健康应用程序，并采用了针对类别不平衡和类间细微差异的类别自适应增强流程以及增强的Vision Transformer架构	未来需要通过实验研究验证该应用程序的临床效用、对患者结局的影响以及改善家庭压力性损伤管理质量的潜力	设计和开发一个支持家庭压力性损伤护理和护理人员支持的移动健康应用程序	压力性损伤图像数据集（包括健康组织和1-4期溃疡）以及相关的护理人员和医疗专业人员	计算机视觉	压力性损伤	深度学习	Vision Transformer	图像	临床验证的压力性损伤图像数据集，涵盖六个类别（健康组织和1-4期溃疡）	NA	增强的Vision Transformer架构（具有分层特征表示和专门的自注意力机制）	准确率, 宏F1分数	NA
3971	2025-12-27	Real-time segmentation and phenotypic analysis of rice seeds using YOLOv11-LA and RiceLCNN 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1673143 PMID:41439182	研究论文	提出了一种结合YOLOv11-LA目标检测、RiceLCNN分类、DeepSORT跟踪和亚像素边缘检测的集成智能分析模型，用于水稻种子的实时分割、分类和表型分析	在YOLOv11架构基础上，通过引入可分离卷积、CBAM注意力机制和模块剪枝策略，开发了轻量化的YOLOv11-LA模型，参数减少63.2%，计算复杂度降低51.6%，同时检测精度提升	未明确说明模型在极端光照条件、不同水稻品种或大规模田间部署时的泛化能力	实现水稻种子的实时、准确检测、分类和表型测量，以提升农业生产效率和粮食质量	水稻种子	计算机视觉	NA	深度学习，亚像素边缘检测，动态尺度校准	CNN，目标检测模型，分类模型，多目标跟踪算法	图像	未明确说明具体样本数量，但使用了私有数据集和公共基准数据集	未明确说明，可能为PyTorch（基于YOLO系列常见实现）	YOLOv11-LA（基于YOLOv11改进），RiceLCNN（自定义轻量CNN），DeepSORT	mAP@0.5:0.95，分类准确率，测量误差（毫米）	未明确说明具体硬件资源
3972	2025-12-27	GAME-Net: an ensemble deep learning framework integrating Generative Autoencoders and attention mechanisms for automated brain tumor segmentation in MRI 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1702902 PMID:41439240	研究论文	本文提出了一种集成深度学习框架GAME-Net，结合生成式自编码器和注意力机制，用于自动化脑肿瘤MRI分割	通过集成生成式自编码器、注意力机制和卷积神经网络，创新性地结合了无监督表示学习和注意力驱动的特征细化，提升了肿瘤分割的准确性和鲁棒性	需要在外部数据集上进行更广泛的验证以进一步证实其泛化能力	提升脑肿瘤在MRI图像中的自动分割性能，以改善治疗规划和临床结果	脑肿瘤	计算机视觉	脑肿瘤	MRI	CNN, 自编码器, Transformer	图像	5880张MRI图像	NA	U-Net, 注意力增强U-Net, 生成式自编码器	Dice系数, Jaccard指数, 准确率, 灵敏度, 特异性, AUC-ROC	NA
3973	2025-12-26	U-Net-based deep learning architecture for automated CBCT segmentation of the mandibular canal in dental implant treatment planning: A systematic review and meta-analysis 2025-Dec-23, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.12.003 PMID:41444033	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于U-Net的深度学习架构在CBCT影像中自动分割下颌管用于牙科种植治疗规划的准确性和临床相关性	首次对基于U-Net的深度学习模型在CBCT下颌管自动分割中的应用进行系统综述和定量荟萃分析，综合评估其分割精度和临床潜力	纳入研究数量有限（8项），存在高度异质性，且外部验证和模型可解释性分析报告不足，可能影响结果的普遍适用性	评估深度学习（主要是U-Net架构）在CBCT影像中自动分割下颌管用于牙科种植规划的准确性和临床价值	锥形束计算机断层扫描（CBCT）影像中的下颌管结构	数字病理	NA	锥形束计算机断层扫描（CBCT）	深度学习	医学影像（CBCT扫描）	NA	NA	U-Net, 注意力机制U-Net, 残差U-Net	Dice相似系数（DSC）, 95%豪斯多夫距离（HD）, 交并比（IoU）	NA
3974	2025-12-26	MRI-based habitat radiomics and deep learning for predicting vessels encapsulating tumor clusters and survival in hepatocellular carcinoma 2025-Dec-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02167-3 PMID:41428280	研究论文	本研究开发并验证了一种基于MRI的深度学习放射组学列线图模型，用于术前预测肝细胞癌中的血管包绕肿瘤簇和无复发生存期	首次结合栖息地放射组学和深度学习特征构建了多模态预测模型，并利用SHAP方法增强了模型的可解释性	回顾性研究设计可能存在选择偏倚，且外部验证集规模相对有限	开发术前预测肝细胞癌血管包绕肿瘤簇状态和无复发生存期的预测模型	肝细胞癌患者	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	深度学习,机器学习分类器	MRI图像	625例肝细胞癌患者（训练集296例，内部测试集126例，外部测试集203例）	NA	NA	AUC,F1-score,C-index	NA
3975	2025-12-26	Deep Learning Approaches for Classifying Children With and Without Autism Spectrum Disorder Using Inertial Measurement Unit Hand Tracking Data: Comparative Study 2025-Dec-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73440 PMID:41428363	研究论文	本研究评估了多种深度学习模型，利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类	结合卷积自编码器和长短期记忆层处理IMU手部追踪数据，在自闭症分类任务中实现了高准确率和F1分数，并验证了小规模模型在医疗数据分类中的有效性和泛化能力	样本量相对较小（41名学龄儿童），且仅基于单一任务（伸手清理任务）的IMU数据，可能限制了模型的广泛适用性	评估深度学习模型在利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类中的效果	自闭症谱系障碍儿童和正常发育儿童的惯性测量单元手部追踪数据	机器学习	自闭症谱系障碍	惯性测量单元手部追踪	卷积自编码器, 长短期记忆	时间序列数据	41名学龄儿童（包括自闭症谱系障碍儿童和正常发育儿童）	NA	卷积自编码器+长短期记忆	准确率, F1分数	NA
3976	2025-12-24	Author Correction: Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Dec-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02204-x PMID:41429919	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3977	2025-12-26	A fault classification scheme based on protective agents for microgrid with parameters impact analysis 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28178-0 PMID:41430064	研究论文	本文提出了一种基于保护代理的微电网故障分类方法，结合智能电子设备和混合深度神经网络，并分析了多种参数对方案性能的影响	创新点在于结合保护代理和混合深度神经网络进行故障分类，并全面分析微电网参数对深度学习故障检测与定位方案的影响	未明确说明方法在更复杂或大规模微电网系统中的适用性，且参数分析可能受限于模拟环境	提高微电网故障分类的准确性，并评估不同参数对基于深度学习的故障检测与定位方案的影响	微电网的故障检测、类型识别、相位检测和定位	机器学习	NA	深度学习故障检测与定位	DNN	模拟数据	NA	TensorFlow, Keras	混合深度神经网络（包含单层和混合层类型）	准确率, 故障定位误差	使用DIgSILENT Power Factory、MATLAB和Python软件进行模拟
3978	2025-12-26	From monochromatic waves to realistic tides: deep learning for short-term forecasting of coastal ocean 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31670-2 PMID:41423688	研究论文	本研究提出了一种结合卷积神经网络和长短期记忆网络的混合架构，用于预测德国湾的海平面变化	开发了结合CNN空间重建与LSTM时间预测的混合深度学习框架，能够从有限数量的沿海观测站重建整个海域的海平面，并通过模拟数据同化显著提升预测精度	模型性能受空间信号复杂度和梯度陡度等因素影响，研究主要关注数据丰富区域的应用潜力	开发深度学习模型以补充传统数值模型，实现海岸海洋的短期预报	德国湾的海平面变化数据	机器学习	NA	深度学习	CNN, LSTM	海平面数据	从学术数据到实际数据的海平面数据序列	NA	卷积神经网络, 长短期记忆网络	预测误差	NA
3979	2025-12-26	Decoding aroma perception of grilled lamb skewers: an EEG-MambaFusionNet framework integrating TDS and GC-IMS 2025-Dec-21, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147676 PMID:41443075	研究论文	本研究通过整合感官、化学和神经数据，开发了一个深度学习框架来解码烤羊肉串从生到熟过程中香气感知的动态演变及其神经特征	首次将时间优势感官法、气相色谱-离子迁移谱和脑电图数据融合，并开发了EEG-MambaFusionNet深度学习框架来量化香气感知的动态过程	未在摘要中明确说明	研究烤羊肉串从生到熟过程中香气感知的动态演变及其对应的神经特征	烤羊肉串的香气感知过程	机器学习	NA	时间优势感官法，气相色谱-离子迁移谱，脑电图	深度学习框架	感官数据，化学数据，神经数据	未在摘要中明确说明	NA	EEG-MambaFusionNet	预测准确率	未在摘要中明确说明
3980	2025-12-26	Asymmetric Cross-Reactivity of Nuclear Receptors Reveals an Evolutionary Buffer Between Estrogen and Androgen Signaling 2025-Dec-21, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.18.695200 PMID:41446225	研究论文	本研究通过深度学习框架预测蛋白质-配体相互作用，揭示了雌激素与雄激素信号之间不对称的交叉反应性及其进化缓冲机制	首次通过全对全受体配体亲和力筛选揭示类固醇激素受体结合的不对称性，提出雌二醇作为早期类固醇配体的进化模型	研究主要基于计算预测和结构建模，需要进一步的实验验证来确认预测的亲和力差异和生理功能	探究类固醇激素受体之间的交叉反应性及其进化意义	核受体（特别是类固醇激素受体）及其配体（如雌二醇、睾酮）	计算生物学	前列腺癌	深度学习蛋白质-配体相互作用预测、系统计算机亲和力预测、结构建模、祖先序列重建	深度学习框架	蛋白质序列与结构数据、配体化学数据	NA	Boltz-2	NA	NA	NA