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
7501	2025-10-06	Remaining Useful Life Prediction for Rolling Bearings Based on TCN-Transformer Networks Using Vibration Signals 2025-Jun-05, Sensors (Basel, Switzerland) DOI:10.3390/s25113571 PMID:40719529	研究论文	提出一种基于TCN-Transformer网络和振动信号的滚动轴承剩余使用寿命预测方法	开发了TCN-Transformer混合网络，通过专门设计的特征融合注意力模块有效整合振动信号的局部和全局特征	NA	提高滚动轴承剩余使用寿命预测的准确性	滚动轴承	机器学习	NA	振动信号分析	TCN, Transformer	振动信号	IEEE PHM 2012数据挑战数据集	NA	TCN-Transformer	RMSE, MAE, SCORE	NA
7502	2025-10-06	Harnessing Deep Learning for Accurate Pathological Assessment of Brain Tumor Cell Types 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01107-9 PMID:39150595	研究论文	本研究开发了一种基于深度学习的脑肿瘤病理图像分类方法，用于区分原发性弥漫性中枢神经系统大B细胞淋巴瘤和高级别胶质瘤	结合预训练CNN网络提取深度特征与支持向量机分类器，解决了医学影像数据有限的问题	基于相对有限的医学影像数据集	提高脑肿瘤病理诊断的准确性和效率	脑肿瘤病理图像	数字病理学	脑肿瘤	病理图像分析	CNN, SVM	图像	NA	NA	ResNet50	准确率	NA
7503	2025-10-06	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	研究论文	提出一种基于深度学习的DNA存储高风险序列预测方法LQSF，通过主动过滤低质量序列提高存储效率	首次将深度学习模型应用于DNA存储的序列质量预测，在编码阶段实现主动序列过滤而非传统被动纠错	NA	开发高效的DNA存储序列质量预测方法以减少合成和测序过程中的错误	DNA存储中的易错序列	机器学习	NA	DNA存储技术，Illumina测序	深度学习，分类模型	DNA序列数据	NA	NA	AlexNet, VGG16, VGG19	AUC, ROC曲线, PR曲线	NA
7504	2025-10-06	Unlocking the potential of AI: Machine learning and deep learning models for predicting carcinogenicity of chemicals 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2396731 PMID:39228157	综述	本文综述了利用机器学习和深度学习模型预测化学物质致癌性的研究进展	系统比较了传统机器学习与深度学习算法在化学致癌性预测中的表现，并指出深度学习模型受限于数据集规模的问题	深度学习模型受限于可用的致癌性数据集规模	开发有效的化学物质致癌性预测方法	化学物质的致癌性	机器学习	癌症	机器学习，深度学习	SVM,随机森林,集成学习,前馈神经网络,CNN,图卷积神经网络,胶囊神经网络,混合神经网络	化学数据	NA	NA	前馈神经网络,卷积神经网络,图卷积神经网络,胶囊神经网络,混合神经网络	NA	NA
7505	2025-10-06	Automated Brain Tumor segmentation using hybrid YOLO and SAM 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392711250718201911 PMID:40754882	研究论文	提出一种结合YOLO和SAM的混合深度学习框架用于脑肿瘤自动分割	首次将YOLOv11实时目标检测与SAM精确分割模型相结合，并通过加深CNN卷积层增强特征提取能力	仅使用896张MRI图像进行验证，样本规模有限	开发自动化脑肿瘤分割方法以实现早期诊断	脑部MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	CNN, YOLO, SAM	医学图像	896张脑部MRI图像（包含肿瘤和健康脑部图像）	NA	YOLOv11, SAM, 增强型CNN	精确率, 召回率, mAP50(B)	NA
7506	2025-10-06	Explainable AI to unveil cellular autophagy dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331045 PMID:40934250	研究论文	开发了一个结合深度学习和可解释AI的计算流程，用于自动化分析细胞自噬动态过程	首次将目标检测、细胞分割、分类、跟踪和可解释性方法集成到自噬分析流程中，无需标注跟踪数据即可处理细胞分裂和形态变化	未提及模型在更大规模数据集或不同实验条件下的泛化能力	开发自动化分析细胞自噬动态的计算方法	细胞自噬过程	计算机视觉	癌症,神经退行性疾病	荧光显微镜成像	CNN,Transformer	图像	6,240张荧光显微镜图像	NA	YOLOv8,U-Net++,Vision Transformer	mAP50,IoU,准确率	NA
7507	2025-10-06	Enhanced gallbladder cancer detection via active and self-supervised learning integration: Innovating B-ultrasound image analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330781 PMID:40956796	研究论文	本文提出了一种结合主动学习和自监督学习的新型分类算法ASGBC，用于改进B超图像中胆囊癌的检测	结合主动学习与自监督学习降低标注数据依赖，提出MsHop模块整合多尺度高阶信息，开发双分支损失函数增强特征提取和模型稳定性	需要进一步优化算法以适应更广泛的临床应用，可能还存在其他可提升诊断准确性的特征未被发掘	开发高效算法提升B超图像中胆囊癌的早期检测准确率	胆囊癌B超图像	计算机视觉	胆囊癌	B超成像	深度学习	医学图像	胆囊超声数据集（具体数量未明确说明）	NA	ASGBC（包含MsHop模块的双分支架构）	准确率, 特异性, 敏感性	NA
7508	2025-10-06	A deep learning approach to gender equality: Forecasting educational indicators with 1D-CNN aligned with SDG 5 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332273 PMID:40956848	研究论文	提出基于1D-CNN的时间序列预测模型，用于预测五个国家性别相关的教育指标	首次将1D-CNN应用于性别平等教育指标的时间序列预测，能够揭示时序模式和差异	仅针对五个特定国家进行研究，模型普适性有待验证	预测性别相关教育结果以促进可持续发展目标5（性别平等）的实现	美国、沙特阿拉伯、中国、埃及和瑞典的性别分类教育数据	机器学习	NA	时间序列分析	CNN	时间序列数据	五个国家的历史性别分类数据	NA	1D-CNN	NA	NA
7509	2025-10-06	In-silico tool for predicting and scanning rheumatoid arthritis-inducing peptides in an antigen 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1630863 PMID:40959057	研究论文	开发了一种用于预测和扫描抗原中类风湿关节炎诱导肽的计算工具	结合了基于基序的方法和机器学习方法，开发了集成模型RAIpred，显著提高了预测性能	数据集规模有限（291个RA诱导肽和165个非诱导肽），模型性能仍有提升空间	开发预测HLA II类结合RA诱导肽的计算工具，用于评估蛋白质治疗剂的安全性	类风湿关节炎诱导肽和非诱导肽	生物信息学	类风湿关节炎	蛋白质语言模型，机器学习，深度学习	XGBoost, ProtBERT, 集成模型	肽序列数据	456个肽（291个RA诱导肽和165个非诱导肽）	NA	ProtBERT, XGBoost	AUC, MCC	NA
7510	2025-10-06	Prediction of TP53 mutations across female reproductive system pan-cancers using deep multimodal PET/CT radiogenomics 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1608652 PMID:40959426	研究论文	开发基于多模态PET/CT影像和深度学习的模型预测女性生殖系统癌症中TP53突变状态	首次整合肿瘤和棕色脂肪组织的多模态PET/CT影像特征，构建跨癌症类型的TP53突变预测模型	回顾性研究，样本量相对有限(259例患者)，需要外部验证	开发非侵入性AI模型预测女性生殖系统癌症中TP53突变状态	宫颈癌、子宫内膜癌和卵巢癌患者	数字病理	妇科恶性肿瘤	PET/CT影像，放射组学分析	Transformer	医学影像(PET/CT)	259例患有宫颈癌、子宫内膜癌或卵巢癌的患者	nn-UNet	Transformer	准确率	NA
7511	2025-10-06	Image steganalysis using LSTM fused convolutional neural networks for secure telemedicine 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1619706 PMID:40959435	研究论文	提出一种结合CNN和LSTM的混合模型用于医学图像隐写分析，以增强数字医疗解决方案的安全性	将传统CNN架构中的全连接层替换为LSTM层，利用局部图像特征之间的相关性进行增强特征提取	NA	开发高效的图像隐写分析方法以确保医学图像的安全性和完整性	医学图像和敏感成像数据集中的隐藏数据检测	计算机视觉	NA	图像隐写分析	CNN, LSTM	图像	BOSS Base 1.01、BOWS和ALASKA2图像隐写分析数据集	NA	CNN-LSTM混合架构	检测准确率, 敏感性特征	NA
7512	2025-10-06	Deep learning for cardiovascular management: optimizing pathways and cost control under diagnosis-related group models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1580445 PMID:40959774	综述	探讨深度学习在诊断相关分组支付模式下优化心血管疾病管理和成本控制的策略	将深度学习与DRG支付模型结合，提出数据驱动的心血管疾病成本控制新范式	面临数据质量、监管合规、伦理问题和可扩展性有限等挑战	优化心血管疾病管理路径和成本控制	心血管疾病患者医疗数据和管理流程	医疗人工智能	心血管疾病	深度学习	NA	医学影像、患者数据、临床登记数据	基于回顾性研究和大型临床登记数据	NA	NA	死亡率降低3.13%	NA
7513	2025-10-06	Effective Feature Extraction for Knee Osteoarthritis Detection on X-ray Images using Convolutional Neural Networks 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056360714250612080450 PMID:40574391	研究论文	提出基于EfficientNetB4的TPAFFKnee模型用于膝关节骨关节炎X射线图像检测	引入路径聚合网络改进特征提取，使用任务对齐检测头替代全卷积网络，并采用EIoU损失函数解决正负样本不平衡问题	未明确说明模型泛化能力，未来需要整合更多临床数据	提高膝关节骨关节炎检测准确率，辅助精准治疗和手术决策	膝关节骨关节炎X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	1650张膝关节骨关节炎X射线图像，来自多家医院	NA	EfficientNetB4,路径聚合网络,任务对齐检测头	mAP,各类别检测精度	NA
7514	2025-10-06	Fundus blood flow density changes in the smoking population by artificial intelligence-based optical coherence tomography angiography 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.09.01 PMID:40881442	研究论文	利用基于人工智能的光学相干断层扫描血管成像技术研究吸烟人群眼底血流密度变化	首次结合AI去噪技术与OCTA分析吸烟对眼底血流密度的影响	样本量较小（36名吸烟者），仅包含男性参与者	确定慢性吸烟是否影响眼底血流密度	吸烟人群与不吸烟对照组的眼底血管	医学影像分析	眼科疾病	光学相干断层扫描血管成像（OCTA）	深度学习	医学影像	36名吸烟者（全部男性，平均年龄44.17±9.85岁）和年龄性别匹配的非吸烟对照组	NA	NA	NA	NA
7515	2025-10-06	Analyzing mental disorders with a CNN-GRU deep learning model on motor activity 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10335-w PMID:40964443	研究论文	使用CNN-GRU深度学习模型分析运动活动数据以识别情绪障碍	首次将CNN-GRU架构应用于连续运动活动数据来分析情绪障碍，相比现有方法实现了更高的准确率	仅使用单一数据集（Depresjon数据集）进行验证，需要更多样化的数据来验证泛化能力	开发基于深度学习的情感障碍自动检测方法	情绪障碍患者的运动活动数据	机器学习	情绪障碍	腕戴式活动记录技术	CNN, GRU	连续运动活动序列数据	Depresjon数据集中的样本	NA	CNN-GRU混合架构	准确率	NA
7516	2025-09-19	Response to letter regarding "A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score" 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2561801 PMID:40964794	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7517	2025-10-06	A Salient Object Detection Network Enhanced by Nonlinear Spiking Neural Systems and Transformer 2025-Nov, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500455 PMID:40539244	研究论文	提出了一种融合非线性脉冲神经系统和Transformer的RGB-D显著目标检测网络TranSNP-Net	首次将非线性脉冲神经P系统与Transformer网络结合，提出增强特征融合模块和分层特征解码器	未明确说明模型在极端噪声条件下的表现和计算效率	解决RGB-D显著目标检测中的跨模态特征融合不充分、深度信息噪声和模型泛化能力有限等问题	RGB-D图像中的显著目标检测	计算机视觉	NA	NA	Transformer, 脉冲神经网络	RGB-D图像	六个RGB-D基准数据集	NA	Swin Transformer, NSNP系统	S-measure, F-measure, E-measure, MEA	NA
7518	2025-10-06	Synthetic electroretinogram signal generation using a conditional generative adversarial network 2025-Oct, Documenta ophthalmologica. Advances in ophthalmology DOI:10.1007/s10633-025-10019-0 PMID:40240677	研究论文	使用条件生成对抗网络生成合成视网膜电图信号以改善自闭症谱系障碍的分类性能	首次将条件生成对抗网络应用于视网膜电图信号的合成生成，并通过结合合成数据显著提升了深度学习分类模型的性能	样本量相对较小（18名ASD患者和31名对照组），仅针对特定神经发育障碍进行研究	开发合成视网膜电图信号生成方法以解决罕见疾病或异质性人群中数据稀缺问题	自闭症谱系障碍患者和健康对照组的视网膜电图信号	医学人工智能	自闭症谱系障碍	视网膜电图记录	条件生成对抗网络, Transformer	时间序列信号, 图像	18名ASD患者（平均年龄12.2±2.7岁）和31名对照组（平均年龄11.8±3.3岁），共560个ASD记录和498个对照组记录	NA	Time Series Transformer, Visual Transformer	平衡准确度	NA
7519	2025-10-06	Predicting fixations and gaze location from EEG 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03362-6 PMID:40338479	研究论文	本研究使用深度学习模型从脑电图信号预测眼动注视点和凝视位置	提出了基于Transformer和LSTM的两种模型架构，在有限EEG信号长度和通道数约束下实现眼动预测	Transformer模型对短信号长度和较少通道数更为敏感	探索从脑电图信号预测眼动注视点和凝视位置的方法	脑电图信号与眼动数据的关联分析	机器学习	NA	脑电图	Transformer, LSTM	脑电图信号	NA	NA	Transformer, LSTM	NA	NA
7520	2025-10-06	Deep learning algorithms reveal genomic markers for anxiety disorder in a large cohort of children with down syndrome 2025-Oct, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03065-2 PMID:40413309	研究论文	本研究利用深度学习算法分析唐氏综合征儿童基因组数据，揭示焦虑障碍的独特分子标记	首次结合全基因组测序数据与深度学习模型系统研究唐氏综合征焦虑障碍的分子机制，发现与其他精神障碍不同的分子模式	样本量相对有限，环境因素影响未完全量化，结果需要在更大多样性人群中验证	探索唐氏综合征患者焦虑障碍的基因组基础及其与其他精神障碍的共享变异	1479名唐氏综合征个体及家庭成员，其中255名确诊至少一种精神障碍，74名确诊焦虑障碍	基因组学	焦虑障碍,唐氏综合征	全基因组测序(WGS)	神经网络	基因组序列数据	1479个唐氏综合征个体及家庭成员样本	NA	NA	NA	NA