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
1361	2025-12-23	Prior knowledge informs graph neural networks to improve phenotype prediction from proteomics 2025-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.23.25340814 PMID:41358286	研究论文	本文提出了一种利用先验知识增强图神经网络以从蛋白质组学数据中预测表型的深度学习框架	创新性地设计了一种结合基因本体库构建二分图结构的图神经网络模型，通过整合生物学先验知识来提升表型预测性能	模型性能在训练数据有限的情况下可能受限，且依赖于蛋白质集合库的构建质量	开发一种能够从高通量蛋白质组学数据中准确预测疾病相关表型的机器学习方法	英国生物银行中的血浆蛋白质组学数据及个体表型数据	机器学习	NA	高通量蛋白质组学	图神经网络	蛋白质表达数据	NA	NA	图神经网络	NA	NA
1362	2025-12-23	Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data 2025-Nov-24, Research square DOI:10.21203/rs.3.rs-7687810/v1 PMID:41356360	研究论文	本研究提出RoentGen-v2，一种用于胸部X光片的文本到图像扩散模型，通过精细控制放射学发现和患者人口统计学属性生成合成数据，以提升下游疾病分类模型的性能、鲁棒性和公平性	首次开发了能够显式控制人口统计学属性（如性别、年龄、种族/民族）的临床可信胸部X光片生成模型，并提出了利用合成数据进行监督预训练再在真实数据上微调的改进训练策略	未明确提及模型在更广泛疾病类型或不同成像模态上的泛化能力，以及合成数据与真实数据之间可能存在的分布差异对长期部署的影响	开发临床可部署的深度学习模型，通过合成数据提升诊断成像模型的性能、鲁棒性和公平性	胸部X光片图像	计算机视觉	未指定具体疾病，但涉及胸部疾病分类	文本到图像扩散模型	扩散模型	图像	合成数据集包含超过565,000张图像，并在来自五个机构的超过137,000张保留胸部X光片上进行评估	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	RoentGen-v2（基于扩散模型的架构）	准确率，公平性差距（如误诊公平性差距）	未明确指定，但可能使用GPU（如NVIDIA系列）进行模型训练和生成
1363	2025-12-23	Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8000504/v1 PMID:41333422	研究论文	本研究利用术前认知状态（通过画钟测试评估）结合术中变量、人口统计学、身体状况和合并症，预测住院时间、费用、随访疼痛和一年死亡率等医院结局	首次将术前认知状态（通过半监督深度学习算法提取的画钟测试特征）整合到围手术期人工智能模型中，用于预测多种手术结局，并发现认知特征在预测中的重要性	仅分析了6个手术组，数据可用性有限；画钟测试特征可能无法全面代表认知状态；模型未在外部数据集上验证	预测围手术期医院结局，包括住院时间、费用、疼痛和死亡率	接受手术的患者，特别是其术前认知状态、术中变量和人口统计学特征	机器学习	围手术期并发症	画钟测试，半监督深度学习算法	机器学习模型	结构化临床数据（包括认知测试特征、术中变量、人口统计学信息）	6个手术组中可用的足够数据样本	NA	NA	NA	NA
1364	2025-12-23	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	本研究开发并验证了一种基于一维注意力门控U-Net架构的深度学习模型，用于机械通气波形中吸气和呼气起始点的分割	首次将一维注意力门控U-Net架构应用于机械通气波形分割，在嘈杂的真实世界数据中实现了优于传统启发式方法的高精度分割性能	研究样本量相对有限（33名患者），未在更广泛的患者群体或不同型号呼吸机上进行外部验证	开发高精度的机械通气波形分割方法以检测患者-呼吸机异步性	机械通气波形数据	数字病理学	呼吸系统疾病	机械通气波形分析	U-Net	时间序列数据	33名患者的9,719次呼吸波形	NA	一维注意力门控U-Net	F1分数	NA
1365	2025-12-23	CUSP: Complex Spike Sorting from Multi-electrode Array Recordings with U-net Sequence-to-Sequence Prediction 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689109 PMID:41332555	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞的复杂尖峰信号	提出了一种结合U-Net架构与混合自注意力inception块的序列到序列预测方法，能够整合局部场电位和动作电位信号，实现复杂尖峰的自动化、高精度检测	方法主要在小脑神经像素记录数据上验证，在其他神经系统的泛化能力需进一步测试	开发一种自动化、鲁棒的复杂尖峰排序方法，以改善小脑及其他神经系统中爆发式或动态复杂尖峰模式的分析	小脑浦肯野细胞的复杂尖峰信号	机器学习	NA	多电极阵列记录，神经像素记录	U-Net	神经电生理信号序列	基于恒河猴的小脑神经像素记录数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
1366	2025-12-23	CIRPIN: Learning Circular Permutation-Invariant Representations to Uncover Putative Protein Homologs 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689110 PMID:41332582	研究论文	本文提出了一种名为CIRPIN的循环置换不变图神经网络，用于检测因拓扑重排（特别是循环置换）而相关的蛋白质同源物	提出了一种新颖的数据增强策略，使用合成循环置换（synCPs）来训练模型，使其学习对循环置换不变的蛋白质表示	未明确说明模型在非循环置换相关蛋白质检测上的性能比较或潜在误检情况	开发一种能够识别因循环置换而相关的蛋白质同源物的深度学习工具	蛋白质结构	机器学习	NA	图神经网络，结构比对	GNN	蛋白质结构数据	来自SCOPe和AlphaFold Cluster Representatives数据库的蛋白质	NA	循环置换不变图神经网络	NA	NA
1367	2025-12-23	Inferring binding specificities of human transcription factors with the wisdom of crowds 2025-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.16.688692 PMID:41332515	研究论文	本文报告了IBIS社区挑战赛的结果，该挑战赛旨在通过多实验数据构建人类转录因子结合特异性模型，并评估不同机器学习方法在DNA基序建模中的表现	通过大规模开放社区挑战赛，系统比较了深度学习模型与传统位置权重矩阵在转录因子结合特异性建模中的性能，并建立了丰富的基准数据集和评估框架	研究主要针对人类转录因子，可能无法直接推广到其他物种；且挑战赛数据可能未覆盖所有转录因子类型	评估和比较不同计算方法在推断转录因子结合特异性方面的性能，以找到最佳的DNA基序表示方法	人类转录因子的结合特异性模型	生物信息学	NA	多实验数据整合分析	深度学习模型, 位置权重矩阵, 其他机器学习方法	DNA序列数据	NA	NA	NA	NA	NA
1368	2025-12-23	A Novel Improvement of Feature Selection for Dynamic Hand Gesture Identification Based on Double Machine Learning 2025-02-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041126 PMID:40006355	研究论文	本文提出了一种基于双重机器学习的新方法，用于动态手势识别中的特征选择，以提高模型性能和可解释性	引入因果机器学习概念，通过双重机器学习方法选择与手势结果具有因果关系的变量，而非仅依赖相关性	未明确说明方法在更广泛数据集或实际应用场景中的泛化能力	探索因果机器学习在特征选择中的应用，以提升手势识别模型的效率和可靠性	动态手势识别问题中的变量选择	机器学习	NA	双重机器学习	NA	NA	NA	NA	NA	NA	NA
1369	2025-12-23	Training Generalized Segmentation Networks with Real and Synthetic Cryo-ET data 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.31.635598 PMID:39975172	研究论文	本文开发了CryoTomoSim软件，通过结合真实和合成数据训练通用分割网络，用于冷冻电子断层扫描图像中的细胞特征分割	开发了开源的CryoTomoSim软件包，通过模拟分子拥挤和多样性的合成数据集训练分割网络，并采用协同训练方法构建了跨生命领域的通用分割网络NeuralSeg	仅基于合成数据训练的网络的准确性有限，需要真实细胞数据进行最准确和可泛化的训练	解决冷冻电子断层扫描图像分割中真实训练数据不足的问题，并构建通用分割网络	冷冻电子断层扫描图像中的大分子复合物和细胞特征，特别是神经元生长锥的细胞骨架分布	计算机视觉	NA	冷冻电子断层扫描	U-Net	图像	超过100张来自神经元生长锥的断层扫描图	NA	U-Net	NA	NA
1370	2025-12-23	Multi-modal remote sensory learning for multi-objects over autonomous devices 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1430222 PMID:40462839	研究论文	本文提出了一种结合马尔可夫随机场和Alex Net模型的多模态远程感知学习方法，用于自主设备上多目标对象的识别与分割	创新性地将马尔可夫随机场用于精确标注和空间上下文建模，与Alex Net模型结合进行场景识别，以应对远程感知图像中对象像素密度不均、分布不匀、视角光照变化及数量波动等挑战	未明确讨论模型在极端光照或视角条件下的鲁棒性，也未涉及计算效率或实时处理能力的详细分析	提高远程感知图像中多目标对象的识别准确性和泛化能力	远程感知图像中的多种对象，包括军事和民用领域中的各类目标	计算机视觉	NA	远程感知技术	CNN	图像	基于UC Merced Land Use和AID等基准数据集	NA	Alex Net	准确率, 精确率, 召回率, 错误率, F1分数	NA
1371	2025-12-23	Artificial intelligence in Brazilian Primary Health Care: scoping review 2025, Revista brasileira de enfermagem IF:1.2Q3 DOI:10.1590/0034-7167-2024-0363 PMID:41370529	综述	本文是关于人工智能在巴西初级卫生保健中应用的范围综述	系统性地综述了人工智能在巴西初级卫生保健中的具体应用、优势与挑战，为政策制定提供了证据	研究为范围综述，未进行定量荟萃分析；仅基于截至2025年2月的文献，可能未涵盖最新进展	提供人工智能在巴西初级卫生保健中应用的证据	巴西初级卫生保健系统及相关人工智能应用研究	机器学习	NA	NA	机器学习, 深度学习	NA	从981篇文献中筛选出27项研究	NA	NA	NA	NA
1372	2025-12-23	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	本研究通过光子计数CT和深度学习图像分割，探讨了运动对高脂饮食诱导的心脏功能障碍的缓解作用，并分析了APOE基因型和免疫状态的影响	结合光子计数CT成像、深度学习自动分割和人类化APOE靶向替换小鼠模型，首次系统评估了运动、饮食与APOE基因型及免疫状态的交互作用对心脏功能的影响	研究仅使用小鼠模型，结果外推到人类需谨慎；样本量虽较大，但未涵盖所有年龄阶段或更复杂的遗传背景	探究运动在高脂饮食环境下对心脏功能的保护作用，并阐明APOE基因型和免疫依赖机制在其中扮演的角色	人类化APOE靶向替换小鼠（APOE2、APOE3、APOE4基因型），包括雄性和雌性，具有不同的人类化NOS2介导的先天免疫反应状态	数字病理学	心血管疾病	光子计数计算机断层扫描（PCCT）、脂质体碘纳米颗粒对比增强成像	CNN	图像	251只中老年雄性和雌性小鼠	NA	3D U-Net	NA	NA
1373	2025-12-22	Real-time construction safety monitoring using a drone based deep hybrid attention model 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31392-5 PMID:41422095	研究论文	本文提出了一种基于无人机和深度混合注意力模型的实时建筑工地安全监控系统，用于检测个人防护装备（PPE）的使用情况	创新性地结合了离散膨胀余弦因果卷积多头自注意力（DCCMSA）和离散余弦-Krawtchouk-Tchebichef变换（DCKTKT），并利用猩猩优化算法（OOA）调整模型参数，实现了在变化环境下的稳定高性能检测	未明确说明模型在极端天气或复杂遮挡条件下的鲁棒性，以及大规模部署时的计算成本	提高建筑工地个人防护装备（PPE）检测的准确性和鲁棒性，以实现实时安全监控	建筑工地工人及其个人防护装备（如头盔、安全带、生命线）	计算机视觉	NA	无人机实时监控、图像预处理（熵滤波和τ-Kendall相关分析）	混合注意力模型（2D-3CKO-MTHSAN）	图像	来自实际建筑工地和受控实验室环境的实时视觉数据	NA	离散膨胀余弦因果卷积Krawtchouk猩猩多头Tchebichef自注意力网络（2D-3CKO-MTHSAN）、自适应因果决策变换器	检测准确率	NA
1374	2025-12-22	Research on the performance inspection of large-span cable-stayed bridges under multi-physics field information guidance 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32954-3 PMID:41422307	研究论文	本研究提出了一种集成多物理场编码的异构图神经网络，用于大跨度斜拉桥有限元模型参数的精确更新	提出IMPFE-HGNN架构，通过元路径子图和关系感知编码显式建模应变、挠度、温度、索力和加速度传感器之间的异质拓扑，以捕获传统架构无法访问的高阶多物理场语义	研究基于单一案例（大跨度斜拉桥）进行验证，其普适性有待在不同类型和规模的桥梁上进一步测试	提高大跨度桥梁结构性能评估中有限元模型参数更新的精度和可靠性	大跨度斜拉桥	机器学习	NA	NA	异构图神经网络	多物理场传感器数据（应变、挠度、温度、索力、加速度）	NA	NA	IMPFE-HGNN	参数修正率（泊松比、弹性模量）、应变预测误差减少率、挠度预测精度提升率	NA
1375	2025-12-22	Artificial intelligence-based apps for screening and diagnosing diabetic retinopathy and common ocular disorders 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.107166 PMID:40900875	综述	本文综述了人工智能（AI）在眼科疾病筛查和诊断中的应用，特别是针对糖尿病视网膜病变等常见眼病	全面总结了AI在眼科的应用现状，并探讨了AI与远程医疗结合的未来前景	实施AI算法仍面临挑战，尤其是在发展中国家	探讨AI在眼科疾病诊断和筛查中的应用及未来整合前景	糖尿病视网膜病变、糖尿病性黄斑水肿、青光眼、年龄相关性黄斑变性等眼部疾病	机器学习	糖尿病视网膜病变	NA	深度学习	NA	NA	NA	NA	NA	NA
1376	2025-12-22	Artificial intelligence for early diagnosis and risk prediction of periodontal-systemic interactions: Clinical utility and future directions 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.105516 PMID:40900876	综述	本文系统综述了人工智能在牙周-系统性疾病相互作用早期诊断和风险预测中的应用与临床价值	整合多组学数据和先进影像技术，利用AI模型显著提升牙周-系统性疾病相互作用的早期诊断准确性和风险预测能力	纳入研究的时间范围限定在2010-2024年，且样本量要求较大（≥500），可能遗漏早期或小样本的重要研究	评估人工智能在诊断和预测牙周-系统性疾病相互作用中的作用	2010年至2024年间发表的、关注牙周病与系统性疾病（如2型糖尿病、心血管疾病等）相互作用的研究	自然语言处理, 机器学习, 数字病理学	牙周病, 2型糖尿病, 心血管疾病, 阿尔茨海默病, 多囊卵巢综合征, 甲状腺功能障碍, 2019冠状病毒病并发症	多组学数据整合, 锥形束计算机断层扫描, 磁共振成像	机器学习, 深度学习, 自然语言处理	结构化临床数据, 影像数据, 临床笔记文本	≥500名参与者，部分研究样本量为1000-1500	NA	NA	诊断准确率, 特异性, 敏感性	NA
1377	2025-12-22	Author Response to "Letter to Editor: Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications" 2025-Dec-20, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.001 PMID:41421880	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1378	2025-12-22	Predicting the incidence of common intestinal infectious diseases in Changzhou, China based on environmental factors and deep learning 2025-Dec-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25998-7 PMID:41421987	研究论文	本研究基于环境因素和深度学习，构建了常州市常见肠道传染病的短期发病率预测模型	提出了一种结合季节性趋势分解（STL）、Transformer和LSTM的先进混合模型（STL-T-L），并利用贝叶斯优化进行超参数调优，以提升预测性能	研究仅针对常州市，模型在其他地区的泛化能力未经验证，且依赖历史数据和环境因素，可能受数据质量和完整性的影响	构建常州市常见肠道传染病的短期日发病率预测模型，以用于疾病监测和预警	手足口病和其他感染性腹泻的日发病率数据，以及同期的气象和空气污染物数据	机器学习	肠道传染病	深度学习	LSTM, Transformer, 混合模型	时间序列数据（发病率、气象、污染物）	2014年5月13日至2024年12月31日的日数据	NA	LSTM, Transformer, STL-T-L（季节性趋势分解-Loess、Transformer、LSTM混合模型）	RMSE, MAE, MAPE, MASE	NA
1379	2025-12-22	Examination of new clinical dental caries in school children using real intra oral photos with artificial intelligence model YOLO-V8x 2025-Dec-20, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07486-x PMID:41422004	研究论文	本研究评估了集成YOLOv8x模型的HI Bogi应用在印度尼西亚小学生中检测龋齿的有效性	首次将YOLOv8x模型应用于真实口腔内照片进行龋齿检测，并与牙医诊断效率进行对比验证	类别特异性精度存在差异，罕见病变类别的检测率和特异性有待提高	评估人工智能模型在龋齿诊断中的效果，以替代传统耗时且依赖专业人员的诊断方法	印度尼西亚Cimahi地区小学生的口腔内照片	计算机视觉	龋齿	口腔内摄影	CNN	图像	3221张JPG照片（训练集2266张，验证集635张，测试集320张）	YOLOv8	YOLOv8x	平均精度均值(mAP), 交并比(IoU), 精确率, 召回率, 敏感性, 特异性	NA
1380	2025-12-22	Evidential deep learning for interatomic potentials 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67663-y PMID:41422077	研究论文	本文提出了一种基于证据深度学习的原子间势能模型框架，用于分子模拟中的不确定性量化	提出了一种物理启发的证据深度学习框架，在不显著增加计算开销或降低预测精度的情况下实现不确定性量化，在多种数据集上表现优于现有方法	NA	开发一种高效且准确的不确定性量化方法，以提高机器学习原子间势能在分子模拟中的可靠性	原子间势能模型、分子模拟系统	机器学习	NA	证据深度学习	深度学习	原子配置数据	NA	NA	NA	预测精度、不确定性量化效果	NA