深度学习在生物医药领域中的应用

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
21	2025-09-26	Segmentation-model-based framework to detect aortic dissection on non-contrast CT images: a retrospective study 2025-Sep-25, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02098-z PMID:40996604	研究论文	开发基于分割模型的深度学习框架用于在非增强CT图像上自动检测主动脉夹层并可视化其形态	首次提出在非增强CT图像上通过分割真假腔来检测主动脉夹层的深度学习框架	回顾性研究设计，样本来源仅限于两家三级医院	开发自动检测主动脉夹层的深度学习框架	接受主动脉CTA检查的患者	数字病理	心血管疾病	深度学习分割模型	分割模型	CT医学图像	701名患者（中心1：545例，中心2：156例）
22	2025-09-26	Decoding the limits of deep learning in molecular docking for drug discovery 2025-Sep-24, Chemical science IF:7.6Q1 DOI:10.1039/d5sc05395a PMID:40901622	研究论文	分析深度学习在分子对接中的性能局限并提出优化策略	首次从五个关键维度系统评估传统与深度学习对接方法的性能差异，揭示生成扩散模型的优势及泛化挑战	深度学习方法对新型蛋白结合口袋的泛化能力不足，多数方法存在高空间容忍度问题	评估深度学习在药物发现分子对接中的性能局限与发展前景	传统分子对接方法与深度学习范式（生成扩散模型、回归架构、混合框架）	机器学习	NA	分子对接、虚拟筛选	生成扩散模型、回归模型、混合框架	蛋白质-配体结构数据	NA
23	2025-09-26	A novel hybrid deep learning model for segmentation and uzzy Res-LeNet based classification for Alzheimer's disease 2025-Sep-24, Neurogenetics IF:1.6Q3 DOI:10.1007/s10048-025-00837-4 PMID:40991056	研究论文	提出一种用于阿尔茨海默病分割和分类的混合深度学习模型	创新性地结合O-SegNet和U-Net进行分割，并集成模糊逻辑、ResNeXt和LeNet构建Fuzzy Res-LeNet分类器	NA	阿尔茨海默病的早期检测和分类	阿尔茨海默病患者的大脑MRI图像	数字病理学	阿尔茨海默病	深度学习、图像处理	O-SegUNet、Fuzzy Res-LeNet（集成模糊逻辑、ResNeXt和LeNet）	医学影像（MRI）	NA
24	2025-09-26	Beyond application-specific design: a generalized deep learning framework for optical property prediction in TiO2/GaN nanophotonic metasurfaces 2025-Sep-24, Nanoscale advances IF:4.6Q2 DOI:10.1039/d5na00550g PMID:40880600	研究论文	提出基于人工智能的通用深度学习框架，用于预测TiO2/GaN纳米光子超表面光学特性	采用迁移学习模型处理两种材料纳米柱的光学响应，建立通用预测框架而非特定应用设计	仅验证了特定波长范围（600-700nm）和有限尺寸透镜（最大直径100μm）的性能	开发通用深度学习框架以预测纳米光子超表面的光学特性	二氧化钛和氮化镓纳米柱超表面	机器学习	NA	迁移学习	深度学习框架	光学响应数据	两个包含GaN和TiO2纳米柱光学响应的大型数据集
25	2025-09-26	Cell-APP: A generalizable method for cell annotation and cell-segmentation model training 2025-Sep-24, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E25-02-0076 PMID:40991412	研究论文	提出一种名为Cell-APP的自动化工具，用于生成高质量细胞分割训练数据	通过结合透射光和核荧光图像，实现细胞标注和分割模型训练的自动化流程	NA	开发通用化的细胞标注方法以解决人工标注效率低下的问题	显微镜图像中的细胞	计算机视觉	NA	深度学习、显微镜成像	Vision Transformer	图像	NA
26	2025-09-26	Fuzzy Rule-Based Differentiable Representation Learning 2025-Sep-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3609722 PMID:40991592	研究论文	提出一种基于模糊规则的可微分表示学习方法，在保持可解释性的同时提升表示学习性能	首次将TSK模糊系统与可微分优化结合，通过高维模糊特征空间映射和第二阶几何保持策略实现可解释的表示学习	NA	开发兼具可解释性和高性能的表示学习方法	复杂数据集的特征表示	机器学习	NA	TSK模糊系统、可微分优化	模糊规则模型	结构化数据	多个基准数据集（未指定具体数量）
27	2025-09-26	BrainAuth: A Neuro-Biometric Approach for Personal Authentication 2025-Sep-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3613234 PMID:40991601	研究论文	提出基于深度强化学习的脑电波生物认证框架BrainAuth，用于个人身份认证	首次将深度强化学习与Dyna框架、双重估计技术结合用于脑电波认证，引入分层架构减少探索时间	未明确说明模型对脑电信号采集环境的要求及跨设备泛化能力	开发用户友好、鲁棒可靠的个人生物特征认证系统	人脑伽马(γ)和贝塔(β)脑电波	机器学习	NA	脑电信号处理、深度强化学习	深度强化学习、深度神经网络	脑电信号	NA
28	2025-09-26	Reliable Multimodal Cancer Survival Prediction with Confidence-aware Risk Modeling 2025-Sep-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3613406 PMID:40991606	研究论文	提出一种可靠的多模态癌症生存预测框架ReCaSP，通过置信感知风险建模整合组织学全切片图像和转录组数据	首次引入置信感知风险建模机制为生存预测提供置信度评估，并设计跨注意力对齐模块解决多模态数据对齐噪声问题	NA	开发可靠的多模态癌症生存预测方法以提高患者预后评估准确性	癌症患者的组织学全切片图像和转录组数据	数字病理	癌症	多模态融合、证据深度学习	跨注意力对齐模块、风险分类器	图像、转录组数据	五个数据集（具体样本数未提及）
29	2025-09-26	STANet: A Surgical Gesture Recognition Method Based on Spatiotemporal Fusion 2025-Sep-24, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70053 PMID:40991934	研究论文	提出一种基于时空融合的手术手势识别方法STANet，用于机器人手术中的动作序列建模	设计了时空自适应网络，通过时间模块和空间模块分别提取特征，并采用时间自适应卷积策略进行时空特征融合	NA	提高机器人手术中手术手势识别的准确性和效率	手术手势动作序列	计算机视觉	NA	深度学习	STANet（时空自适应网络）	视频序列数据	公开手术手势数据集JIGSAWS和RARP-45
30	2025-09-26	Development of deep learning-based narrow-band imaging endocytoscopic classification for predicting colorectal lesions from a retrospective study 2025-Sep-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63812-5 PMID:40993107	研究论文	开发基于深度学习的窄带成像内镜细胞镜分类系统，用于预测结直肠病变	采用多阶段预训练策略结合监督深度聚类，首次将大规模语言模型的渐进式预训练思想应用于内镜细胞镜图像分析	基于回顾性多中心研究，需要未来更大规模的多中心数据验证	提高结直肠病变诊断的准确性和一致性，为早期癌症筛查奠定基础	结直肠病变（非肿瘤性病变、腺瘤和浸润性癌症）	计算机视觉	结直肠癌	窄带成像内镜细胞镜（EC-NBI）	深度学习	内镜图像	多中心回顾性队列
31	2025-09-26	Attention-enhanced residual autoencoder for NIR spectral feature extraction and classification of grain varieties 2025-Sep-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17676-w PMID:40993134	研究论文	提出一种注意力增强残差自编码器SpecFuseNet，用于近红外光谱特征提取和谷物品种分类	集成融合高效通道注意力机制和光谱残差门控的轻量级深度学习模型，同时支持光谱重建和品种分类	NA	开发轻量级深度学习模型实现谷物品种的快速准确分类	大麦、鹰嘴豆和高粱三种谷物	机器学习	NA	近红外光谱技术	注意力增强残差自编码器（SpecFuseNet）	光谱数据	大麦1,200样本24品种、鹰嘴豆950样本19品种、高粱500样本10品种
32	2025-09-26	Multi-resolution transfer learning for tampered image classification using SE-enhanced fused-MBConv and optimized CNN heads 2025-Sep-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17799-0 PMID:40993163	研究论文	提出一种基于迁移学习的篡改图像分类模型，通过SE增强的融合MBConv层和优化CNN头实现多分辨率图像检测	结合EfficientNetV2B0主干网络、轻量级正则化CNN分类头和Focal Loss损失函数，首次在篡改图像检测中集成复合缩放、融合MBConv层和SE注意力机制	NA	开发高精度、强泛化能力的数字图像篡改检测系统	篡改数字图像	计算机视觉	NA	迁移学习、深度学习	EfficientNetV2B0、CNN、SE注意力机制、融合MBConv层	图像	四个基准数据集（CASIA v1、Columbia、MICC-F2000、Defacto拼接数据集）
33	2025-09-26	Deep fusion based transfer learning with bald eagle search algorithm for sign language recognition to assist individuals with hearing and speech impairments 2025-Sep-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10660-4 PMID:40993179	研究论文	提出一种基于秃鹰搜索算法优化的融合迁移学习模型，用于手语识别以帮助听力和语言障碍人士	结合四种预训练模型（InceptionV3、MobileNetV2、NASNetMobile、ResNet50V2）进行特征融合，并采用秃鹰搜索算法优化随机向量功能链接网络的超参数	仅在美国手语字母数据集上进行评估，未涉及更复杂的手语句子或不同国家手语体系	开发高精度的手语识别系统，改善听力和语言障碍人士的沟通体验	手语手势图像数据	计算机视觉	听力与语言障碍	深度学习、迁移学习、优化算法	InceptionV3、MobileNetV2、NASNetMobile、ResNet50V2、RVFL、BES	图像	美国手语字母数据集（具体数量未明确说明）
34	2025-09-26	NeoCLIP: a self-supervised foundation model for the interpretation of neonatal radiographs 2025-Sep-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01922-6 PMID:40993183	研究论文	开发了针对新生儿X光片解读的自监督基础模型NeoCLIP，用于检测病理特征和医疗设备	首个专门为新生儿X光片解读设计的深度学习模型，采用对比学习方法，在检测效果上超越了同类成人模型	门静脉积气检测效果未优于对照组，纳入人口统计学数据虽能提升性能但无统计学显著性	开发专门用于新生儿X光片自动解读的深度学习模型	新生儿重症监护室收治的婴儿及其X光影像	医学影像分析	新生儿疾病	对比学习	深度学习模型	X光图像和文本报告	4629名婴儿的20,154张X光片和15,795份对应报告
35	2025-09-26	RCANE: a deep learning algorithm for whole-genome pan-cancer somatic copy number aberration prediction using RNA-seq data 2025-Sep-24, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08712-6 PMID:40993228	研究论文	提出一种基于RNA-seq数据预测全基因组泛癌体细胞拷贝数变异的深度学习算法RCANE	首次开发能够直接从RNA-seq数据预测跨癌种全基因组SCNAs的深度学习框架，实现低成本的双重数据分析	NA	开发一种仅使用RNA-seq数据即可准确预测多种癌症类型全基因组体细胞拷贝数变异的计算方法	癌症RNA-seq数据（来自TCGA和DepMap细胞系队列）	机器学习	泛癌种	RNA-seq	深度学习	RNA测序数据	TCGA和DepMap细胞系队列数据集
36	2025-09-26	Progress, challenges and future of linguistic neural decoding with deep learning 2025-Sep-24, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08511-z PMID:40993271	综述	本文综述了基于深度学习的语言神经解码研究进展、挑战与未来方向	提出聚焦深度学习架构（特别是大语言模型）的神经解码分类法，强调其在语言信息理解与生成中的创新应用	NA	为脑科学家和深度学习研究者提供语言感知与产生过程中大脑相关性研究的方法论视角	人类大脑在文本和口语信息交互中的神经活动	自然语言处理	NA	深度学习、大语言模型（LLMs）	LLMs	神经信号数据	NA
37	2025-09-26	Searching for effective preprocessing method and CNN based architecture with efficient channel attention on speech emotion recognition 2025-Sep-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19887-7 PMID:40993294	研究论文	本文研究语音情感识别中有效的预处理方法和基于CNN的高效通道注意力架构	提出多尺度短时傅里叶变换数据增强方法，并首次将高效通道注意力机制应用于语音情感识别的CNN模型	仅在两个公开数据集上进行验证，未涉及更多复杂场景	探索语音情感识别中最优的预处理方法和CNN架构设计	语音情感数据	自然语言处理	NA	短时傅里叶变换、数据增强、高效通道注意力	CNN、ECA	语音信号、频谱图	两个公开数据集（IEMOCAP和EMO-DB）
38	2025-09-26	Multi-branch and multi-label tree species classification using deep learning for UAV aerial photography and Sentinel remote sensing images 2025-Sep-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19827-5 PMID:40993302	研究论文	提出一种针对多源遥感数据的多分支多标签图像分类模型MMTSC，用于无人机航拍和哨兵遥感图像中的15种树种分类识别	设计专门针对多源遥感数据的多分支多标签分类模型，在数据不平衡的复杂林分场景中实现较高性能，并将分类结果应用于生物量估算	树种图像差异小、人工标注困难、数据集获取难度大导致相关研究较少	解决树种多标签图像分类难题，提升森林资源监测效率	TreeSatAI数据集中的15种树种	计算机视觉	NA	深度学习、遥感图像分析	多分支多标签分类模型MMTSC（基于DenseNet121主干网络）	多源遥感图像（无人机航拍和哨兵遥感图像）	TreeSatAI数据集（具体样本数未明确说明）
39	2025-09-26	Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment 2025-Sep-24, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03206-y PMID:40993310	综述	探讨人工智能在癌症组织学评估中从辅助诊断工具发展为临床决策核心组件的转型过程	提出多模态方法整合组织学图像与临床分子数据，实现癌症分层和治疗个性化的创新范式	AI预测验证存在挑战，特别是在预后应用和资源有限环境中的可及性不足	推动人工智能在癌症诊断和个性化治疗中的临床转化应用	组织病理学全切片图像（WSIs）及相关的基因组与临床数据	数字病理学	癌症	深度学习、空间转录组学	深度学习模型	全切片图像、基因组数据、临床数据	基于TCGA等公共数据库的大规模样本（具体数量未明确说明）
40	2025-09-26	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2025-Sep-24, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	开发用于新生儿超声心动图视频中肺动脉高压自动检测的深度学习模型	首次将时空卷积神经网络应用于新生儿肺动脉高压的自动检测，并通过显著性图谱提供模型可解释性	样本量相对有限（共1353个视频），需要进一步外部验证	实现新生儿肺动脉高压的自动化筛查和早期诊断	3-90天龄新生儿的超声心动图视频	医学影像分析	肺动脉高压	超声心动图	CNN（空间和时空卷积神经网络）	视频	训练验证集975个视频，测试集378个视频，总计1353个视频帧