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
16641	2025-10-07	NucleoSeeker-precision filtering of RNA databases to curate high-quality datasets 2025-03, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf021 PMID:40104673	研究论文	开发了名为NucleoSeeker的工具，用于从蛋白质数据库(PDB)中筛选高质量RNA结构数据集	提出了首个统一框架，结合多种工具简化RNA结构数据筛选流程，提供结构、序列和注释级别的多重过滤功能	未明确说明工具处理的数据规模上限和计算效率	解决RNA结构预测中数据质量差和冗余问题，提升深度学习模型训练效果	蛋白质数据库(PDB)中的RNA结构数据	生物信息学	NA	数据筛选与质量控制	NA	RNA结构数据	NA	NA	NA	NA	NA
16642	2025-10-07	Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks 2025-03, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf027 PMID:40124711	研究论文	提出一种基于SO(3)-等变图神经网络的机器学习方法，用于从单细胞Hi-C数据重建染色体三维结构	首次将SO(3)-等变图神经网络应用于单细胞Hi-C数据的三维染色体结构重建	未明确说明方法在极低信噪比数据下的性能表现	从稀疏的单细胞Hi-C数据中准确重建染色体的三维空间结构	单细胞染色体三维结构	机器学习	NA	单细胞Hi-C技术	图神经网络	染色体接触数据	NA	NA	SO(3)-等变图神经网络	NA	NA
16643	2025-10-07	OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91914-z PMID:40021723	研究论文	提出一种基于树莓派的低成本便携式医疗设备框架OVision，用于辅助癌症病理诊断	利用树莓派开发无需互联网连接和高性能基础设施的独立诊断设备，显著降低成本同时保持诊断准确性	目前仅针对卵巢癌亚型进行概念验证，需要进一步验证在其他癌症类型的适用性	开发低成本便携式医疗设备以改善资源有限地区的癌症诊断可及性	卵巢癌组织病理切片	数字病理	卵巢癌	深度学习	NA	组织病理图像	NA	NA	NA	准确率	树莓派
16644	2025-10-07	Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84497-8 PMID:39900572	研究论文	提出基于三维自适应图卷积神经网络的脑电图分类模型用于精神分裂症识别	首次将三维空间特征与自适应图卷积结合，能动态学习脑网络节点间相互作用	未明确说明样本量大小和模型泛化能力验证	开发精神分裂症的早期诊断和识别方法	首发精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图信号分析	图卷积神经网络, 图注意力网络	脑电图信号	NA	NA	3D-AGCN, GAT+GCN	分类准确率	NA
16645	2025-10-07	Automated strabismus detection and classification using deep learning analysis of facial images 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88154-6 PMID:39890897	研究论文	提出一种基于深度学习的面部图像分析方法，用于自动检测和分类斜视	首次使用卷积神经网络实现斜视的自动检测和八类偏差角度分类	数据集规模有限，多分类任务仅包含622张图像	开发自动斜视检测和分类系统以辅助医疗诊断	面部图像中的斜视患者和正常对照者	计算机视觉	斜视	面部图像采集	CNN	图像	二分类：4,257张面部图像（1,599正常，2,658斜视）；多分类：622张图像（480斜视，142正常）	NA	CNN	敏感度，准确率，F1分数，召回率	NA
16646	2025-10-07	An interpretable machine learning model for seasonal precipitation forecasting 2025, Communications earth & environment IF:8.1Q1 DOI:10.1038/s43247-025-02207-2 PMID:40125292	研究论文	提出一种名为TelNet的可解释机器学习模型，用于季节降水预测	开发了具有变量选择权重的序列到序列模型，支持实例和提前期预测解释	训练数据量有限，这是气候预测领域的常见问题	开发短期到中期提前期的季节降水预测模型	目标区域的季节降水值和气候指数	机器学习	NA	序列到序列机器学习	序列到序列模型	时间序列数据（降水值和气候指数）	小数据集，通过多次重采样训练、验证和测试集	NA	编码器-解码器-头部架构	确定性性能、概率性能、准确性、校准度	NA
16647	2025-10-07	AADNet: Exploring EEG Spatiotemporal Information for Fast and Accurate Orientation and Timbre Detection of Auditory Attention Based on a Cue-Masked Paradigm 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3555542 PMID:40168202	研究论文	提出基于线索掩蔽范式的AADNet深度学习模型，用于快速准确解码脑电信号中的听觉注意定向和音色信息	提出线索掩蔽听觉注意范式防止信息泄露，开发端到端深度学习模型AADNet利用短时间窗口脑电信号的时空信息	NA	开发快速准确的听觉注意解码技术，用于神经导向助听设备和其他辅助听力设备	脑电信号中的听觉注意定向和音色检测	脑机接口	听力障碍	脑电图	深度学习	脑电信号	NA	NA	AADNet	准确率	NA
16648	2025-10-07	Practical implementation and impact of the 4R principles in ethnopharmacology: Pursuing a more humane approach to research 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1543316 PMID:40223937	研究论文	探讨4R原则在民族药理学研究中的实际应用及其影响，追求更人性化的研究方法	在传统3R原则基础上引入'责任'原则，强化研究人员对实验动物福利的伦理义务	未提供具体实施案例的量化数据支持	推动民族药理学研究中动物实验的伦理管理	民族药理学研究中的动物实验伦理框架	民族药理学	NA	3D器官oids、深度学习技术	NA	NA	NA	NA	NA	NA	NA
16649	2025-10-07	Enhancing multilevel tea leaf recognition based on improved YOLOv8n 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1540670 PMID:40225027	研究论文	提出改进的T-YOLOv8n模型用于多层级茶叶识别，通过集成CBAM注意力模块和BiFPN多尺度特征融合提升检测性能	提出重叠标签茶叶数据集生成方法，集成CBAM和BiFPN改进YOLOv8n模型，结合CIOU和Focal Loss优化边界框预测	NA	提升自动化茶叶采摘中不同类别茶叶的识别精度	茶叶图像中的多层级复合特征	计算机视觉	NA	深度学习	CNN, YOLO	图像	NA	PyTorch	YOLOv8n, CBAM, BiFPN	mAP50, 精确率, 召回率	边缘计算环境
16650	2025-10-07	Motor imagery EEG decoding based on TS-former for spinal cord injury patients 2025-May, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111298 PMID:40081503	研究论文	提出基于Transformer的TS-former网络架构，用于脊髓损伤患者的运动想象脑电信号解码	结合FBCSP特征提取和Transformer多头注意力机制，在时空域处理脑电信号，并采用迁移学习适应新分类任务	仅在16名脊髓损伤患者的数据集上进行验证，样本规模有限	开发用于脊髓损伤患者康复训练的脑机接口系统	脊髓损伤患者的运动想象脑电信号	脑机接口	脊髓损伤	脑电图(EEG), 滤波器组共空间模式(FBCSP)	Transformer	脑电信号	16名脊髓损伤患者	NA	TS-former, Transformer	分类准确率	NA
16651	2025-10-07	Predicting infant brain connectivity with federated multi-trajectory GNNs using scarce data 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103541 PMID:40107118	研究论文	提出一种联邦图多轨迹演化网络FedGmTE-Net++，用于从单次基线观测预测婴儿脑连接多轨迹演化	首个专为数据稀缺环境下脑多轨迹演化预测设计的联邦学习框架；在局部目标函数中加入辅助正则化器以最大化利用纵向脑连接数据；引入包含K近邻预补全和回归器精修的两步插补流程	NA	解决婴儿脑网络多轨迹预测中数据稀缺和隐私保护问题	婴儿出生后第一年的脑连接网络演化	图神经网络	NA	脑连接成像	图神经网络	脑连接图数据	NA	联邦学习	FedGmTE-Net++	NA	NA
16652	2025-10-07	Segment Like A Doctor: Learning reliable clinical thinking and experience for pancreas and pancreatic cancer segmentation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103539 PMID:40112510	研究论文	提出一种模拟医生临床思维的分割框架SLAD，用于胰腺和胰腺癌的CT图像分割	首次模拟医生在胰腺癌渐进诊断阶段（器官、病灶、边界）的逻辑思维和诊断经验，提出三个创新模块：解剖感知掩码自编码器、因果驱动图推理模块和基于扩散的差异校准模块	仅针对胰腺癌进行验证，未扩展到其他癌症类型；在极端不确定边界情况下性能仍有提升空间	提高胰腺和胰腺癌在CT图像上的分割准确性和可靠性	胰腺和胰腺癌的CT图像分割	数字病理	胰腺癌	计算机断层扫描(CT)	自编码器,图神经网络,扩散模型	CT图像	三个独立数据集（具体数量未明确说明）	NA	Anatomy-aware Masked AutoEncoder (AMAE), Causality-driven Graph Reasoning Module (CGRM), Diffusion-based Discrepancy Calibration Module (DDCM)	分割准确率	NA
16653	2025-10-07	An extragradient and noise-tuning adaptive iterative network for diffusion MRI-based microstructural estimation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103535 PMID:40157297	研究论文	提出一种用于扩散MRI微观结构估计的外梯度和噪声调谐自适应迭代网络	引入自适应机制根据具体dMRI模型、数据集和下采样策略灵活调整稀疏表示过程，并提出噪声调谐模块帮助网络逃离局部极小值/鞍点	NA	改进扩散MRI模型参数估计的准确性和泛化能力	扩散MRI微观结构估计	医学影像分析	NA	扩散MRI	优化网络	扩散MRI数据	两个3T HCP数据集和一个7T HCP数据集	NA	外梯度和噪声调谐自适应迭代网络	准确性, 泛化性	NA
16654	2025-10-07	ArtiDiffuser: A unified framework for artifact restoration and synthesis for histology images via counterfactual diffusion model 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103567 PMID:40188685	研究论文	提出ArtiDiffuser框架，通过反事实扩散模型统一处理组织学图像中的伪影修复与合成	首次将反事实扩散模型应用于组织学图像伪影处理，统一伪影修复与合成功能，并采用Swin-Transformer骨干网络和类别引导的专家混合机制	未明确说明模型计算复杂度及在更大规模数据集上的泛化能力	解决组织学图像中伪影导致的误诊问题，提升深度学习模型的诊断准确性	组织学图像中的伪影区域	数字病理学	NA	扩散模型	扩散模型	组织学图像	723个标注图像块，涵盖多种伪影类别	PyTorch	Swin-Transformer, Mixture of Experts	准确性, 一致性正则化指标	NA
16655	2025-10-07	Unsupervised brain MRI tumour segmentation via two-stage image synthesis 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103568 PMID:40199108	研究论文	提出一种通过两阶段图像合成实现无监督脑肿瘤MRI分割的方法	采用两阶段图像合成策略解决真实与合成数据间的领域差异，通过初级模型生成伪标签并创建更真实的合成数据	方法依赖于手工制作的肿瘤形状和强度模型生成初始合成数据	开发无需专家标注的无监督脑肿瘤分割方法	脑部磁共振图像中的肿瘤区域	计算机视觉	脑肿瘤	磁共振成像	深度学习模型	医学图像	五个脑成像数据集	NA	NA	NA	NA
16656	2025-10-07	Development and validation of radiomics and deep transfer learning models to assess cognitive impairment in patients with cerebral small vessel disease 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.03.012 PMID:40068720	研究论文	开发和验证基于放射组学和深度迁移学习的模型，用于评估脑小血管病患者认知障碍	结合深度迁移学习和放射组学特征，开发了预测CSVD相关认知障碍的集成模型	样本量有限	预测脑小血管病相关认知障碍	脑小血管病患者和对照受试者	医学影像分析	脑小血管病	3D T1加权MRI	深度学习, 机器学习	医学影像	145名CSVD患者和99名对照受试者	NA	ResNet101_32x8d, Random Forest, Naive Bayes	AUC, 准确率	NA
16657	2025-10-07	Artificial intelligence in stroke rehabilitation: From acute care to long-term recovery 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.03.017 PMID:40068721	综述	探讨人工智能在脑卒中康复领域的应用，涵盖从急性期诊疗到长期恢复的全过程	系统阐述AI技术在脑卒中康复全周期中的创新应用，包括影像诊断、机器人辅助康复和远程康复平台	未提及具体临床研究的样本量限制和技术实施的具体障碍	分析人工智能在脑卒中康复中的技术应用和发展前景	脑卒中患者康复治疗过程	医疗人工智能	脑卒中	深度学习, 机器学习, 脑机接口, 虚拟现实	深度学习模型, 机器学习模型	医学影像(CT, MRI), 神经信号, 运动数据	NA	NA	NA	NA	NA
16658	2025-10-07	Accelerated Missense Mutation Identification in Intrinsically Disordered Proteins Using Deep Learning 2025-Apr-14, Biomacromolecules IF:5.5Q1 DOI:10.1021/acs.biomac.4c01124 PMID:40072940	研究论文	结合布朗动力学模拟和深度学习策略快速识别内在无序蛋白质中错义突变引起的大规模结构变化	首次将布朗动力学模拟与多层感知器神经网络相结合，实现了对内在无序蛋白质错义突变效应的快速预测	方法基于粗粒化单珠氨基酸模型，可能无法捕捉原子级别的结构细节	开发快速识别内在无序蛋白质中致病性错义突变的方法	内在无序蛋白质及其错义突变变体	机器学习	蛋白质构象疾病	布朗动力学模拟，深度学习	多层感知器神经网络	蛋白质序列，回转半径数据	约6500个来自MobiDB数据库的长度20-300的内在无序蛋白质序列	NA	多层感知器神经网络	准确率	NA
16659	2025-10-07	Multitarget Natural Compounds for Ischemic Stroke Treatment: Integration of Deep Learning Prediction and Experimental Validation 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00135 PMID:40084909	研究论文	本研究开发了一种结合深度学习和实验验证的创新药物发现流程，用于识别具有全面神经保护特性的天然化合物治疗缺血性中风	首次将基于Transformer的深度学习模型SELFormer与多种深度学习算法结合，构建了针对七个关键中风相关靶点的天然化合物生物活性预测框架	研究仅针对有限数量的天然化合物进行了实验验证，需要进一步扩大验证范围	开发用于缺血性中风治疗的多靶点天然化合物发现方法	天然化合物及其对缺血性中风的神经保护作用	机器学习	缺血性中风	分子对接，氧糖剥夺实验，QSAR建模	Transformer，深度学习算法	化合物结构数据，生物活性数据	11个中等活性化合物和57个高活性化合物，其中4个高活性化合物进行了实验验证	NA	SELFormer	pIC50值，结合能，细胞活力，乙酰胆碱酯酶活性，脂质过氧化水平	NA
16660	2025-10-07	Accurate Prediction of CRISPR/Cas13a Guide Activity Using Feature Selection and Deep Learning 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02438 PMID:40091632	研究论文	本研究开发了一种用于准确预测CRISPR/Cas13a引导活性的双分支神经网络模型	首次将直接序列编码与描述性特征相结合，通过特征选择识别出99个关键特征，显著提升预测性能	研究仅基于两个独立数据集验证，需要更多数据验证模型泛化能力	开发高精度的CRISPR/Cas13a引导活性预测方法	CRISPR/Cas13a系统的引导RNA与靶标相互作用	机器学习	NA	CRISPR/Cas13a	深度学习,神经网络	序列数据	两个独立CRISPR/Cas13a数据集	NA	双分支神经网络	预测准确度,分类性能	NA