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
1201	2025-11-09	Deep learning-based automated detection of supernumerary teeth in pediatric panoramic radiographs 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335845 PMID:41191613	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在儿童全景X光片中自动检测和定位多生牙	首次将YOLOv8模型应用于儿童全景X光片中多生牙的自动检测和定位	验证样本量有限，分割模型的召回率较低，存在漏检情况	评估基于卷积神经网络的深度学习模型在儿童全景X光片中自动定位和分类多生牙的诊断准确性和临床适用性	儿童患者的多生牙	计算机视觉	口腔疾病	全景X光摄影	CNN	医学影像	2000张儿童全景X光片，其中140张用于标注（71张阳性，69张阴性），20张用于独立验证	YOLOv8	YOLOv8	精确率, 召回率, F1分数, McNemar检验	NA
1202	2025-11-08	FastKAN-DDD: A novel fast Kolmogorov-Arnold network-based approach for driver drowsiness detection optimized for TinyML deployment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332577 PMID:41191636	研究论文	提出一种基于快速Kolmogorov-Arnold网络的轻量级驾驶员疲劳检测模型FastKAN-DDD，专为TinyML部署优化	首次将FastKAN架构应用于驾驶员疲劳检测，采用基于径向基函数的可学习非线性激活函数，并通过后训练量化技术实现极致轻量化	仅使用单一数据集UTA-RLDD进行验证，未在其他数据集上测试泛化能力	开发适用于资源受限环境的实时驾驶员疲劳检测系统	驾驶员疲劳状态	机器学习	NA	TinyML, 后训练量化	FastKAN	图像	UTA-RLDD数据集	TensorFlow Lite Micro	FastKAN with RBF激活函数	准确率, 推理延迟, 内存占用	微控制器
1203	2025-11-09	Deep-learning-based automatic liver segmentation using computed tomography images in dogs 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1681820 PMID:41195076	研究论文	开发基于3D U-Net的深度学习模型用于犬类腹部CT图像的肝脏自动分割	首次将深度学习应用于犬类肝脏CT图像分割，填补了兽医领域自动化分割的技术空白	样本量相对有限（221例），未明确说明模型在更广泛犬种和病理条件下的泛化能力	开发并验证用于犬类肝脏自动分割的深度学习模型	犬类腹部CT扫描图像	计算机视觉	肝脏疾病	计算机断层扫描（CT）	3D U-Net	医学影像（CT图像）	221例犬类腹部CT扫描（159例无肝脏肿块，62例有肝脏肿块）	NA	3D U-Net	Dice相似系数	NA
1204	2025-11-09	Deep learning-based automated quantification system for abdominal aortic calcification: multicenter cohort study for algorithm development and clinical validation 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1647882 PMID:41195129	研究论文	开发基于深度学习的腹主动脉钙化自动量化系统，并通过多中心研究进行算法开发和临床验证	首次建立结合nnUnet分割和ResNet回归的自动化腹主动脉钙化评分系统，实现多中心标准化定量分析	研究样本仅来自浙江省五个医疗中心，可能存在地域局限性	建立自动化腹主动脉钙化评分系统以支持动脉粥样硬化管理的临床决策	2,941名个体的腹主动脉X射线图像	计算机视觉	心血管疾病	X射线成像	CNN	图像	2,941例（训练集1,737例，内部验证471例，外部验证733例）	PyTorch	nnUnet, ResNet	平均绝对误差, Spearman相关系数, 组内相关系数, 敏感性, 特异性	NA
1205	2025-11-09	A hybrid AI approach for predicting academic performance in RBE students 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1651100 PMID:41195199	研究论文	本研究提出一种混合人工智能方法，用于预测RBE学生的学业表现	首次在私立宗教性质的EBR机构中应用机器学习预测学业表现，并采用结合深度学习和机器学习的集成模型	研究局限于特定类型的私立教育机构，未提及其他潜在限制因素	开发预测学业表现的决策支持工具	常规基础教育学生	机器学习	NA	机器学习，深度学习	Logistic Regression, Support Vector Machine, Random Forest, GRU, BiGRU, AlexNet, 集成模型	教育数据	NA	NA	AlexNet, Gated Recurrent Unit, Bidirectional Gated Recurrent Unit	准确率，精确率，灵敏度	NA
1206	2025-11-09	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	利用人工智能分析数字语音录音，实现认知障碍的早期检测和阿尔茨海默病亚型区分	首次结合特征工程机器学习和端到端深度学习（包含大语言模型）分析语音特征，实现早期认知障碍的高精度检测	样本量相对有限（188名参与者），需要在更大群体中验证	通过语音分析实现阿尔茨海默病及相关痴呆症的早期检测和亚型区分	LEADS研究中的早期发病AD患者、早期发病非AD认知障碍患者和认知正常对照组	自然语言处理	阿尔茨海默病	数字语音录音分析	机器学习,深度学习,大语言模型	语音	120名患者和68名认知正常对照	NA	NA	AUC	NA
1207	2025-11-09	Enhancing drug-target interaction prediction with graph representation learning and knowledge-based regularization 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1649337 PMID:41195325	研究论文	提出结合图表示学习和知识正则化的新框架，用于提升药物-靶点相互作用预测性能	开发了结合图神经网络与知识整合的新方法，通过定制化图消息传递机制和知识正则化策略将生物医学知识融入表示学习	未明确说明模型在更大规模数据集上的泛化能力及计算效率分析	提高药物-靶点相互作用预测的准确性和可解释性，加速药物发现和重定位	药物分子结构和蛋白质序列	机器学习	NA	图表示学习，知识整合	图神经网络	分子结构图，蛋白质序列	多个基准数据集（具体数量未明确说明）	NA	图神经网络，消息传递网络	AUC, AUPR	NA
1208	2025-11-09	Enhancing deep learning models for predicting smoking Status using clinical data in patients with chronic obstructive pulmonary disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393380 PMID:41195375	研究论文	本研究开发并评估了深度学习模型，通过整合行为和心理社会变量与临床数据来改善COPD患者持续吸烟状态的预测	将行为和心理社会变量与临床数据整合到深度学习模型中，提高了COPD患者吸烟状态预测的准确性，同时通过SHAP分析保持模型可解释性	研究样本相对有限（350名患者），缺乏大型外部数据集中常见的行为变量，需要在更多样化人群中验证模型性能	开发改进的深度学习模型来预测慢性阻塞性肺疾病患者的持续吸烟状态	350名COPD患者，其中包括51名当前吸烟者	机器学习	慢性阻塞性肺疾病	临床数据分析，行为和心理社会变量整合	深度学习，机器学习	临床数据，行为数据，心理社会数据	350名COPD患者（51名当前吸烟者）	Optuna	Residual Neural Network	macro F1 score, 95%置信区间	NA
1209	2025-11-08	Toxic effects of environmental biotoxin okadaic acid by network toxicology analysis and deep learning prediction 2025-Dec, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2025.107578 PMID:40987019	研究论文	通过网络毒理学和深度学习策略研究环境生物毒素冈田酸(OA)的神经毒性分子机制	首次整合网络毒理学和深度学习方法，在系统生物学和分子相互作用层面实现多维互补分析	研究主要基于计算预测，实验验证相对有限	探究冈田酸(OA)的神经毒性分子机制及其与腹泻性脑损伤的关联	冈田酸(OA)及其相关毒性靶点	机器学习	神经毒性疾病	网络毒理学分析,深度学习预测,分子对接,生物层干涉技术	深度学习	生物分子相互作用数据	95个中枢靶点	DeepPurpose	NA	相互作用能量(INTERACTION_ENERGY),结合常数(K)	NA
1210	2025-11-08	Sequence-based chromatin activity modeling and regulatory impact prediction of genetic variants in farmed animals using deep learning 2025-Dec, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf139 PMID:41189647	研究论文	开发基于深度学习的框架，利用功能基因组数据预测农场动物非编码变异的调控影响	首次为多种农场动物构建物种特异性的序列到功能模型，通过染色质活性建模预测遗传变异的调控影响	受限于农场动物基因组资源不足，缺乏专门的计算工具	预测农场动物非编码遗传变异的调控功能并改进基因组预测	牛、鸡、猪和大西洋鲑四种农场动物	机器学习	NA	ATAC-seq, DNase I hypersensitive site sequencing, ChIP-seq	深度学习网络	基因组序列数据，染色质图谱数据	NA	NA	NA	序列建模准确度，功能评分预测能力，基因组预测性能提升	NA
1211	2025-11-08	Upright-Net+: Enhanced Learning of Upright Orientation for 3D Point Clouds 2025-Dec, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3605201 PMID:40892647	研究论文	提出Upright-Net+模型，通过改进的图卷积网络和位置编码模块增强3D点云的直立方向估计能力	引入基于相对距离直方图统计的全局位置编码模块(GPE-RDHS)解决特征平滑问题，增强加权残差损失项惩罚假阳性预测，将连续方向问题转化为离散分类任务	NA	解决3D模型姿态对形状分析的影响，提升3D点云直立方向估计的准确性	3D点云数据	计算机视觉	NA	3D点云分析	图卷积网络	3D点云	NA	NA	Upright-Net+	NA	NA
1212	2025-11-08	AttentionPainter: An Efficient and Adaptive Stroke Predictor for Scene Painting 2025-Dec, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3618184 PMID:41052120	研究论文	提出一种高效自适应的单步神经绘画模型AttentionPainter，用于将输入图像分解为参数化笔划序列	提出可扩展笔划预测器实现单次前向过程预测大量笔划参数、快速笔划堆叠算法提升13倍训练速度、笔划密度损失函数提升重建质量、笔划扩散模型支持基于笔划的图像修复和编辑	NA	解决现有神经绘画方法推理时间长和训练不稳定的问题	基于笔划的图像渲染和绘画生成	计算机视觉	NA	深度学习	注意力机制,扩散模型	图像	NA	NA	AttentionPainter,Stroke Diffusion Model	推理速度,训练效率,重建质量	NA
1213	2025-11-08	High-level STING expression in tumour and inflammatory cells is linked to microsatellite instability and favourable tumour parameters in a cohort of over 1,900 colorectal cancer patients 2025-Dec, Pathology IF:3.6Q1 DOI:10.1016/j.pathol.2025.05.008 PMID:40816937	研究论文	通过多重荧光免疫组化和深度学习算法分析1905例结直肠癌患者中STING表达与临床参数的关系	首次在大规模结直肠癌队列中系统评估不同细胞类型（肿瘤细胞与炎症细胞）中STING表达的临床意义	研究为回顾性分析，需进一步功能实验验证机制	评估STING表达在结直肠癌不同细胞类型中的临床意义	1905例结直肠癌患者组织样本	数字病理学	结直肠癌	多重荧光免疫组化，组织芯片	深度学习	组织图像	1905例结直肠癌患者	NA	NA	p值	NA
1214	2025-11-08	SFT-HN: a novel spatial-frequency-temporal hybrid network for EEG-based emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10366-3 PMID:41199757	研究论文	提出一种新颖的空间-频率-时间混合网络用于基于脑电图的情绪识别	首次提出结合空间频率残差模块和注意力双向LSTM的混合架构，能够同时提取脑电信号的空间-频率特征和时间上下文信息	NA	解决脑电信号中空间、频率和时间信息融合的挑战，充分利用不同情绪间的判别性局部模式	脑电图信号	脑机接口	NA	脑电图	深度学习混合模型	脑电图信号	在DEAP、SEED和FACED三个数据集上进行验证	NA	空间频率残差模块,注意力双向LSTM	准确率	NA
1215	2025-11-08	Emotion recognition using spatially unidimensional self-attention with fusion feature of brain effective connectivity network and spectral power 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10364-5 PMID:41199759	研究论文	提出一种融合脑有效连接网络和频谱功率特征的新策略，并设计基于空间一维自注意力的双通道1D-CNN模型用于脑电情绪识别	提出保留空间信息的二维脑有效连接网络与一维频谱功率特征融合策略，以及基于空间一维自注意力的双通道1D-CNN架构	未明确说明模型计算复杂度和实时性表现，缺乏在其他脑电数据集上的泛化性验证	提升基于脑电信号的情绪识别性能	脑电信号和情绪状态	脑机接口, 机器学习	NA	脑电图(EEG), 脑有效连接网络分析	1D-CNN, 自注意力机制	脑电信号	SEED和SEED-IV数据集	NA	双通道1D-CNN, 空间一维自注意力(SAD-1D-CNN)	准确率	NA
1216	2025-11-08	Mental health support for schools with wearable biosensor monitoring using deep learning 2025-Nov-07, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae16ae PMID:41130226	研究论文	提出基于多模态注意力机制的心理状态网络MAP-Net，通过可穿戴生物传感器监测学生心理健康状态	提出多模态行为-生理信号融合方法，设计注意力机制实现多源信号动态加权建模，能更精准捕捉心理状态细微变化	样本规模较小（仅36名高中生），未提及模型在其他年龄段或教育环境中的泛化能力	开发校园心理健康智能监测与预警系统	高中生心理健康状态	机器学习	心理健康问题	微机电系统传感器，多模态信号融合	深度学习，注意力机制	多模态行为生理信号	36名高中生，30天连续监测数据	NA	MAP-Net，多模态注意力网络	准确率，召回率，F1分数，异常检测率，预警准确率	NA
1217	2025-11-08	Domain generalization for diabetic retinopathy grading with phase augmentation framework 2025-Nov-07, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03469-w PMID:41199099	研究论文	提出基于傅里叶变换的领域泛化框架用于糖尿病视网膜病变分级	提出包含傅里叶频谱增强、协作师生知识蒸馏和特征融合三个创新要素的领域泛化框架	NA	解决糖尿病视网膜病变分级中的领域泛化问题	眼底图像	计算机视觉	糖尿病视网膜病变	傅里叶变换	深度学习,知识蒸馏	图像	六个临床现实DR数据集	NA	双网络架构	泛化性能	NA
1218	2025-11-08	A Biologically Informed Vision-Guided Framework for Interpretable T Cell Receptor-Epitope Binding Prediction 2025-Nov-07, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512544 PMID:41199631	研究论文	提出一种生物信息启发的视觉引导深度学习框架DAISY，用于可解释的T细胞受体-表位结合预测	通过生物启发的条件自适应融合模块整合分层物理化学特征，联合建模残基级空间相互作用和全局生化背景	NA	准确识别T细胞受体与抗原表位之间的相互作用，推动癌症免疫治疗发展	T细胞受体(TCRs)和主要组织相容性复合体(MHC)分子呈递的抗原表位	计算生物学, 生物信息学	癌症	深度学习, 计算机视觉	深度学习框架	生物序列数据, 物理化学特征	NA	深度学习框架	条件自适应融合模块, Score-CAM	ROC-AUC, PR-AUC	NA
1219	2025-11-08	Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology 2025-Nov-07, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000929 PMID:41201255	综述	美国肾脏病学会提出肾脏病护理中人工智能负责任的临床应用框架	首次为肾脏病领域AI应用建立系统性伦理与实践指南，强调医生参与和患者受益原则	属于指导性框架文件，未涉及具体技术验证或临床实践数据	制定肾脏病护理中AI应用的负责任实施指南	肾脏疾病患者群体（包括CKD、AKI、透析和移植患者）	医疗人工智能	肾脏疾病	预测分析、机器学习、深度学习、生成式AI	NA	NA	NA	NA	NA	NA	NA
1220	2025-11-08	MSformer: A Meta-Structure Based Interpretable Framework for Representation Learning of Natural Products 2025-Nov-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03958 PMID:41201272	研究论文	提出基于元结构的可解释框架MSformer，用于天然产物的表示学习	首次使用质谱启发的元结构碎片化算法，在有限天然产物数据上实现预训练，并具备分层可解释性	预训练数据仅包含40万个天然产物，数据稀缺问题仍存在	解决天然产物结构复杂性和数据稀缺问题，加速药物发现	天然产物分子及其元结构碎片	自然语言处理, 机器学习	NA	质谱启发的碎片化算法	Transformer	分子结构数据	40万个天然产物解构为2.34亿个元结构	NA	Transformer	在14个任务上的性能评估	NA