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
8741	2025-10-06	Human and Deep Learning Predictions of Peripheral Lung Cancer Using a 1.3 mm Video Endoscopic Probe 2025-Sep, Respirology (Carlton, Vic.) DOI:10.1111/resp.70057 PMID:40433758	研究论文	本研究评估了不同经验水平的医生和深度学习模型在使用1.3mm视频内窥镜探头预测周围型肺结节恶性性质的能力	首次将深度学习应用于1.3mm视频内窥镜探头图像，用于周围型肺结节的恶性预测	样本量较小（61例患者），深度学习模型性能未超越资深医生	评估人类医生和AI在周围型肺结节恶性预测中的诊断能力	周围型肺结节患者	计算机视觉	肺癌	视频内窥镜成像	深度学习	视频序列，图像	61例患者（37例癌症，24例良性病变）	NA	NA	诊断准确率，敏感性，特异性，F1分数，平衡准确率	NA
8742	2025-10-06	Deep learning algorithms from histopathological images stratify molecular subtypes for leiomyosarcoma: a proof-and-concept diagnostic study 2025-Sep-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002667 PMID:40557542	研究论文	本研究开发并验证了基于深度学习的算法，通过组织病理学图像对平滑肌肉瘤进行分子亚型分层和生存预测	首次使用单张H&E染色全切片图像开发深度学习模型进行平滑肌肉瘤分子亚型分层和生存预测	需要大型前瞻性队列进一步验证	开发用于平滑肌肉瘤分子亚型分层和生存预测的深度学习算法	平滑肌肉瘤患者	数字病理学	平滑肌肉瘤	H&E染色全切片图像	CNN	图像	训练集154例(1,579,215个图块)，外部测试集80例(555,211个图块)	NA	DenseNet121, ResNet50	AUROC, 准确率, 召回率, 特异性, 精确率, F1分数	NA
8743	2025-10-06	Peripheral neural interfaces for reading high-frequency brain signals 2025-Sep, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01445-1 PMID:40579488	研究论文	本文提出利用外周神经接口通过肌肉传感器非侵入式读取中枢神经系统高频信号的方法	首次提出通过运动神经元输出信号逆向估计中枢神经系统输入信号的创新方法	需要进一步在受控环境和真实场景中验证运动神经元中枢接口的性能	开发非侵入式中枢神经系统活动监测技术	运动神经元和中枢神经系统信号	神经工程	神经系统疾病	肌肉信号记录, 深度学习解码	深度学习	神经信号, 肌肉信号	NA	NA	NA	实时解码精度	NA
8744	2025-10-06	Dynamics-informed reservoir computing with visibility graphs 2025-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0293030 PMID:40965304	研究论文	提出一种基于可见性图的动态信息储备计算框架，通过从训练序列直接推断储备网络结构来改进时间序列预测	首次将可见性图技术引入储备计算，直接从训练数据构建储备网络结构，避免昂贵的超参数调优	在某些条件下，密度匹配的Erdős-Rényi图可能优于所提方法	提高复杂非线性时间序列预测的准确性和一致性	非线性时间序列数据	机器学习	NA	可见性图技术	储备计算	时间序列数据	NA	NA	可见性图网络结构	预测准确性, 一致性	NA
8745	2025-10-06	Designing the CORI score for COVID-19 diagnosis in parallel with deep learning-based imaging models 2025-Aug, Narra J DOI:10.52225/narra.v5i2.1606 PMID:40951492	研究论文	开发结合胸部X光影像和临床数据的AI辅助诊断模型，用于COVID-19检测	提出COVID-19风险指数（CORI评分）并实现基于ResNet架构的深度学习模型	回顾性数据收集、医院间变异性和有限的外部验证	开发COVID-19的AI辅助诊断工具	COVID-19患者、非COVID-19肺炎患者和健康个体	医学影像分析	COVID-19	胸部X光成像	CNN	图像、临床数据、实验室数据	367名参与者（100名COVID-19阳性、100名非COVID-19肺炎、100名健康个体）	NA	ResNet	准确率、灵敏度、特异性、阴性预测值、阳性预测值、ROC曲线下面积	NA
8746	2025-10-06	Artificial Intelligence in Neuro-Ophthalmology: Opportunities for the Diagnosis of Optic Neuropathies and Visual Pathway Disorders 2025-Aug, Cureus DOI:10.7759/cureus.90142 PMID:40955247	综述	本文探讨人工智能在神经眼科领域诊断视神经病变和视觉通路障碍的应用前景与挑战	系统阐述深度学习技术在神经眼科多模态影像诊断中的创新应用，包括移动诊断应用和集成决策支持系统的开发	存在数据异质性、模型可解释性不足以及缺乏标准化监管和伦理指南等关键挑战	评估人工智能在神经眼科疾病诊断中的机遇与临床转化前景	视神经病变和视觉通路障碍（包括视神经炎、缺血性视神经病变、视乳头水肿和青光眼性视神经损伤）	医学人工智能	神经眼科疾病	眼底摄影、光学相干断层扫描（OCT）、磁共振成像（MRI）、视野检查	CNN, 深度学习	医学影像	NA	NA	NA	NA	NA
8747	2025-10-06	Identifying mating events of group-housed broiler breeders via bio-inspired deep learning models 2025-Jul, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105126 PMID:40300323	研究论文	开发基于深度学习的生物启发模型来识别群养肉种鸡的交配行为	结合鸟类计数变化和交配生物特征，开发了集成目标检测、跟踪和分割的深度学习框架	交配事件识别在不同时间和鸟类年龄间存在波动，受鸟类重叠、聚集密度和遮挡影响	开发深度学习模型识别肉种鸡交配行为以优化繁殖管理	罗斯708品种的20只肉种母鸡和2-3只公鸡（56周龄）	计算机视觉	NA	视频监控系统	CNN, 目标检测, 目标跟踪, 实例分割	图像	4个实验围栏中的20-23只肉种鸡	PyTorch	YOLOv7, YOLOv8, DeepSORT, StrongSORT, ByteTrack, SAM2, YOLOv8-segmentation, Track Anything	准确率, 精确率, 召回率, mAP50, mAP95, F1分数, 阳性预测值, 阴性预测值	NA
8748	2025-10-06	Integrative Protein Assembly With LZerD and Deep Learning in CAPRI 47-55 2025-Mar-17, Proteins IF:3.2Q2 DOI:10.1002/prot.26818 PMID:40095385	研究论文	本文报告了在CAPRI 47-55轮中蛋白质复合物预测方法的性能与结果	整合了传统蛋白质组装流程与深度学习流程，并采用文献信息增强建模	排除了CASP 50和54轮以及COVID-19特别轮次51的数据	开发并评估蛋白质复合物结构预测方法	蛋白质复合物结构	计算生物学	NA	蛋白质结构预测，深度学习	生成模型	蛋白质结构数据，文献信息	CAPRI 47-55轮中的多个蛋白质复合物（具体数量未明确说明）	NA	NA	CAPRI质量等级	NA
8749	2025-10-06	Automated detection and prediction of suicidal behavior from clinical notes using deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331459 PMID:40953025	研究论文	本研究使用深度学习模型从临床笔记中自动检测和预测自杀行为	验证了深度学习模型在多个学术医疗中心的泛化能力，并比较了不同初始化方法的CNN模型性能	研究环境相对受控，未来需要在更多场景下验证	验证深度学习模型检测和预测故意自伤行为的能力及其跨机构泛化性	电子健康记录中的临床笔记	自然语言处理	精神疾病	电子健康记录分析	CNN, Naïve Bayes, Random Forest	文本	1,538名故意自伤患者和3,012名匹配对照	NA	卷积神经网络, Word2Vec	AUC, F1分数	NA
8750	2025-10-06	Enhancing epidemic forecasting with a physics-informed spatial identity neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331611 PMID:40953050	研究论文	提出一种融合流行病学领域知识的物理信息空间身份神经网络模型，用于多区域疫情预测	结合时空身份神经网络与经典SIR流行病动力学模型，无需依赖图结构即可编码时空信息	未明确说明模型在极端疫情波动情况下的鲁棒性	提高多区域传染病确诊病例数的预测准确性	各地区的传染病传播数据	机器学习	传染病	深度学习	神经网络	时空序列数据	NA	NA	STID, SIR, 全连接神经网络	预测性能指标	约2.7万参数，每轮训练平均0.45秒
8751	2025-10-06	Lightweight deep models based on domain adaptation and network pruning for breast cancer HER2 scoring: IHC vs. H&E histopathological images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332362 PMID:40953092	研究论文	本研究开发了基于领域适应和网络剪枝的轻量级深度学习模型，用于乳腺癌HER2评分，比较了IHC和H&E染色图像的性能	提出了两种轻量级模型PrunEff4和ATHER2，结合了网络剪枝、领域适应和注意力机制，在保持高性能的同时大幅减少参数数量	研究中使用的数据集可能有限，需要进一步验证在更广泛数据集上的泛化能力	开发适用于资源受限设备的轻量级深度学习模型，实现基于组织病理图像的自动HER2评分	乳腺癌组织病理图像（IHC和H&E染色）	数字病理	乳腺癌	免疫组织化学染色，苏木精-伊红染色	CNN	图像	NA	NA	EfficientNetV2B0, CBAM	准确率	资源受限设备（如移动电话和嵌入式系统）
8752	2025-10-06	Bone-tissue decomposition of a single X-ray image via solving a Laplace equation 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20016 PMID:40955305	研究论文	提出一种通过求解拉普拉斯方程从单张X射线图像中虚拟分解骨骼和软组织成分的创新方法	建立了将X射线图像分解为骨骼和软组织成分的新型数学模型，并通过合理假设简化为标准拉普拉斯方程	NA	提升X射线图像中骨骼结构的可见度和对比度	X射线医学图像	医学影像处理	骨骼疾病	X射线成像	数学模型	X射线图像	NA	数值求解器	拉普拉斯方程	处理速度（每秒880万像素）	笔记本电脑
8753	2025-10-06	Deep learning-based Alzheimer's disease detection using magnetic resonance imaging and gene expression data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330085 PMID:40824894	研究论文	本研究开发了一种基于深度学习的阿尔茨海默病诊断模型，融合磁共振成像和基因表达数据	提出混合TWIN-Performer特征提取模型处理MRI数据，采用注意力机制特征融合方法，并集成多种分类器提升诊断性能	未明确说明数据集的样本规模和多样性限制	开发可解释的阿尔茨海默病早期诊断人工智能模型	认知正常(CN)和阿尔茨海默病(AD)患者	医学人工智能	阿尔茨海默病	磁共振成像(MRI), 基因表达分析	CNN, Transformer, 集成学习	图像, 基因表达数据	NA	NA	MobileNet V3, EfficientNet B7, TWIN-Performer	AUROC	NA
8754	2025-10-06	HCNS:A deep learning model for identifying essential proteins based on hypergraph convolution and sequence features 2025-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115949 PMID:40783109	研究论文	提出一种基于超图卷积和序列特征的深度学习模型HCNS，用于准确识别必需蛋白质	首次将超图卷积网络与多模态序列特征提取相结合，同时考虑蛋白质相互作用网络的复杂结构关系和蛋白质氨基酸序列信息	NA	提高必需蛋白质识别的准确性	必需蛋白质	生物信息学	NA	蛋白质相互作用网络分析，蛋白质序列分析	HGCN, CNN, Bi-LSTM, Transformer, MLP	蛋白质相互作用网络数据，蛋白质复合物数据，蛋白质氨基酸序列数据	NA	NA	超图卷积网络，卷积神经网络，双向长短期记忆网络，多头自注意力机制，NAG Transformer，多层感知机	准确率，AUC，AUPR	NA
8755	2025-10-06	Deep learning-enabled fluorescence imaging for oral cancer margin classification in preclinical models 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34109 PMID:40949530	研究论文	本研究开发了一种结合深度学习与空间频率域成像的系统，用于口腔癌手术边界的亚表面深度量化评估	首次将深度学习与空间频率域成像结合，实现了对荧光标记物亚表面深度的精确量化，突破了传统荧光成像无法量化亚表面结构的限制	研究主要基于模拟数据和体外组织验证，尚未进行临床人体试验验证	开发一种能够术中评估口腔癌三维手术标本边界的新方法	口腔癌肿瘤边界、荧光标记物	数字病理	口腔癌	空间频率域成像、荧光成像	CNN	图像	模拟数据集、患者来源的舌肿瘤形状模拟数据、体模数据集、离体动物组织	NA	ResNet, U-Net	深度预测误差、浓度预测误差	NA
8756	2025-10-06	Design of an iterative hybrid multimodal deep learning method for early skin disease detection with cross-attention and graph-based fusions 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103584 PMID:40949827	研究论文	提出一种用于早期皮肤病检测的迭代混合多模态深度学习框架，融合皮肤镜图像、传感器时序信号和临床文本数据	结合多头交叉注意力机制和图注意力网络，同时优化空间细节、时间动态和临床上下文的多模态特征交互	NA	早期皮肤病检测	皮肤病患者的多模态数据	计算机视觉,自然语言处理,机器学习	皮肤病	皮肤镜检查,传感器监测,临床记录分析	CNN,BiLSTM,Transformer,GAT	图像,时间序列信号,文本	NA	NA	EfficientNet-B4,BiLSTM,ClinicalBERT,Graph Attention Network	准确率,F1分数	NA
8757	2025-10-06	Umami-Transformer: A deep learning framework for high-precision prediction and experimental validation of umami peptides 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145905 PMID:40848351	研究论文	开发了一种基于Transformer架构的深度学习框架Umami-Transformer，用于高精度预测鲜味肽并进行实验验证	首次将Transformer架构与八种物理化学描述符相结合用于鲜味肽预测，并通过实验验证预测结果	仅研究了二肽至五肽，未涉及更长的肽链	开发高效准确的鲜味肽预测方法，克服传统方法效率低和人工评估主观性强的问题	鲜味肽（二肽至五肽）	自然语言处理	NA	分子对接，感官分析，电子舌分析	Transformer	肽序列数据，物理化学描述符	所有二肽至五肽，合成四种预测得分最高的肽（DD, DDE, DDED, DDEDD）	NA	Transformer	准确率，F1分数，马修斯相关系数	NA
8758	2025-10-06	Deep learning-derived optimal annotation strategies to power the systematic mapping of peptide space 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145437 PMID:40639248	研究论文	本文探讨深度学习在肽段识别技术中的应用，提出优化注释策略以提升肽段空间系统映射效率	结合Prosit、pDeep等MS/MS谱图预测工具与数据库搜索，并融合图论与卷积神经网络等深度学习模型实现质谱数据的高效判别	未提及具体实验数据规模与模型泛化能力验证	提升肽段识别方法的效率与准确性，推动蛋白质组学发展	质谱数据中的肽段序列	机器学习	NA	串联质谱、数据依赖性采集(DDA)、数据非依赖性采集(DIA)	深度神经网络, 卷积神经网络	质谱数据	NA	NA	NA	召回率, 精确度	NA
8759	2025-10-06	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	本文提出了两种新型无监督异常检测方法用于时空传感器数据，并开发了集成两种方法优势的融合框架	开发了基于降秩高斯过程的动态贝叶斯时空模型和基于注意力机制的时空LSTM深度学习架构，并提出融合两种方法优势的集成方法	主要针对高度结构化的河流传感器网络数据，对其他类型时空数据的适用性需要进一步验证	开发高效的时空异常检测方法以提高环境和水质监测数据的可靠性	河流传感器网络收集的时空序列数据	机器学习	NA	传感器网络监测	贝叶斯模型,LSTM	时空序列数据	NA	NA	降秩高斯过程,时空注意力LSTM	准确率,计算效率	NA
8760	2025-10-06	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新型四模态深度神经网络，利用Sentinel-2卫星影像估算连云港湖泊水库的叶绿素a浓度	提出了基于多模态学习概念的四模态深度神经网络，整合了双波段、三波段和四波段光谱特征组合以及辅助时空环境变量	研究区域仅限于连云港市的湖泊水库，样本数量相对有限（测试集N=197）	开发有效的叶绿素a浓度估算模型，支持水质评估和湖泊管理	连云港市湖泊水库的叶绿素a浓度	遥感监测	水体富营养化	卫星遥感，多模态学习	深度神经网络	卫星影像，现场测量数据，环境变量	测试集197个样本，数据时间跨度为2017-2024年	NA	四模态深度神经网络	R², MAE, RMSE	NA