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
1281	2025-10-06	Novel dataset and model for restroom sound event classification 2025-Sep-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18154-z PMID:40890315	研究论文	提出一种用于卫生间声音事件分类的隐私保护深度学习框架	使用自适应一维CNN动态合成空间线索的三通道梅尔频谱图，结合半监督学习和数据增强技术	仅基于五个声学多样化卫生间的音频数据，样本来源有限	开发能够准确分类卫生间环境中细粒度卫生和水使用事件的智能监测系统	卫生间环境中的11种不同声音事件，包括水龙头变化、冲马桶和洗手活动	机器学习	NA	音频信号处理	CNN, 集成学习	立体声音频	约460分钟的立体声音频记录，来自五个声学多样化卫生间	NA	RegNetY-008, 1D-CNN	准确率, 宏平均F1分数	NA
1282	2025-10-06	CNN-LSTM-AM approach for outdoor wireless optical communication systems 2025-Sep-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16828-2 PMID:40890334	研究论文	提出一种基于深度学习的CNN-LSTM-AM方法，用于增强车对车可见光通信系统的性能	首次将CNN、GAN、GRU和深度去噪自编码器集成到统一框架中，通过四个专用模块分别解决功率效率、性能增强、误码率降低和干扰消除问题	研究基于仿真数据，未在真实环境中验证；模型复杂度较高	提高车对车可见光通信系统的吞吐量、功率效率、误码率性能和抗干扰能力	车对车可见光通信系统	机器学习	NA	可见光通信	CNN, GAN, GRU, DDAE	通信信号数据	NA	NA	U-Net	吞吐量, 功率效率, 误码率, 干扰消除	NA
1283	2025-10-06	Automated rating of Fazekas scale in fluid-attenuated inversion recovery MRI for ischemic stroke or transient ischemic attack using machine learning 2025-Sep-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17287-5 PMID:40890345	研究论文	开发并验证了一种基于深度学习的自动分割和分级模型，用于评估中风患者FLAIR MRI中的白质高信号	首次在卒中患者中应用空间概率方法的深度学习流程，结合残差神经网络和3D卷积神经网络实现Fazekas量表的自动评分	研究样本量相对有限（471例），且仅基于三个数据来源	开发自动化的白质高信号分割和Fazekas量表评分系统	缺血性卒中或短暂性脑缺血发作患者的FLAIR MRI图像	医学影像分析	缺血性卒中	FLAIR MRI	CNN	医学影像	471名卒中患者来自三个不同数据源	NA	U-Net, 3D CNN	AUPRC, Dice相似系数, 绝对误差, R平方, 一致性相关系数, 二次加权kappa	NA
1284	2025-10-06	Feature-guided multilayer encoding-decoding network for segmentation for 3D intraoral scan data 2025-Sep-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16360-3 PMID:40890358	研究论文	提出一种基于分层特征引导的U形3D牙科模型分割方法，用于口腔内扫描数据的错颌畸形分割	结合局部均值与全局标准差的正规化方法、推拉策略优化点云密度、倒置瓶颈全局特征提取流程	NA	提高3D口腔内扫描数据中错颌畸形分割的准确性和鲁棒性	错颌畸形牙齿	计算机视觉	口腔畸形	3D口腔内扫描	U-Net	3D点云数据	自建畸形牙齿数据集、公开数据集Teeth3DS和3D-IOSSeg	NA	U形编码器-解码器网络	整体准确率(OA), 平均交并比(mIoU)	NA
1285	2025-10-06	Deep hierarchical subtyping of multi-organ systemic sclerosis trajectories - a EUSTAR study 2025-Sep-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01962-y PMID:40890392	研究论文	提出一种半监督生成深度学习框架，用于系统性硬化症的多器官疾病轨迹分层亚型识别	利用专家驱动的器官特异性受累定义，通过深度学习识别超越传统皮肤分型的多器官疾病亚型	基于观察性数据库，可能存在数据缺失和选择偏倚	改善系统性硬化症患者分层和预后预测	系统性硬化症患者	数字病理学	系统性硬化症	深度学习	生成模型	临床医疗数据	14,000名患者，67,000次医疗访问	NA	NA	预测准确性、对缺失数据的鲁棒性、临床可解释性	NA
1286	2025-10-06	Automated drug design for druggable target identification using integrated stacked autoencoder and hierarchically self-adaptive optimization 2025-Sep-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18091-x PMID:40890450	研究论文	提出一种结合堆叠自编码器和分层自适应粒子群优化的新型药物设计框架，用于药物分类和靶点识别	集成堆叠自编码器(SAE)进行鲁棒特征提取和分层自适应粒子群优化(HSAPSO)算法进行自适应参数优化的创新框架	方法性能依赖于训练数据质量，高维数据集可能需要微调	开发高效可靠的药物分类和靶点识别方法	药物分子和靶点蛋白	机器学习	NA	药物信息学分析	自编码器,粒子群优化	药物和蛋白质数据	来自DrugBank和Swiss-Prot的数据集	NA	堆叠自编码器(SAE)	准确率,ROC分析,收敛分析	NA
1287	2025-10-06	DeepSEA: an alignment-free explainable approach to annotate antimicrobial resistance proteins 2025-Sep-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06256-4 PMID:40890570	研究论文	提出了一种无需序列比对的深度学习方法DeepSEA，用于注释抗菌素耐药性蛋白	开发了基于卷积神经网络的无需序列比对的AMR蛋白注释方法，相比传统比对方法具有更高召回率，并能解释模型分类与蛋白结构域特征的关系	未明确说明模型在未知AMR蛋白类型上的泛化能力	开发更准确的抗菌素耐药性蛋白注释方法	抗菌素耐药性蛋白和非耐药性蛋白	生物信息学	抗菌素耐药性感染	深度学习	CNN	蛋白质序列数据	NA	NA	卷积神经网络	召回率	NA
1288	2025-09-05	Deep learning model for predicting lymph node metastasis around rectal cancer based on rectal tumor core area and mesangial imaging features 2025-Sep-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01878-9 PMID:40890619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1289	2025-09-05	CT-based deep learning radiomics model for predicting proliferative hepatocellular carcinoma: application in transarterial chemoembolization and radiofrequency ablation 2025-Sep-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01913-9 PMID:40890681	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1290	2025-10-06	Box embeddings for extending ontologies: a data-driven and interpretable approach 2025-Sep-01, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01086-1 PMID:40890838	研究论文	提出一种使用盒形嵌入表示本体类别的方法，通过数据驱动方式学习多标签数据集中的隐含层次关系	无需显式分类法即可捕获标签间的隐含层次关系，同时保持与底层本体概念化的一致性	NA	开发可解释的深度学习方法，从多标签数据集中学习本体类别间的逻辑关系	ChEBI本体中的化学类别	机器学习	NA	盒形嵌入	深度学习模型	多标签数据	NA	NA	盒嵌入模型	多标签分类性能指标	NA
1291	2025-10-06	Deep Learning-Driven Automated Assessment of Left Ventricular Diastolic Function in Echocardiography 2025-Sep, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70290 PMID:40892533	研究论文	本研究评估了基于深度学习的全自动模型在二维经胸超声心动图中评估左心室舒张功能的可行性、准确性和诊断性能	开发了首个全自动深度学习模型用于左心室舒张功能评估，实现了超声心动图参数的自动分析和舒张功能分级	对中度舒张功能不全的分类存在变异性，三尖瓣反流速度的一致性较低，需要进一步验证	评估基于AI的自动化左心室舒张功能评估系统的临床可行性	302名疑似舒张功能不全的患者	医学影像分析	心血管疾病	二维经胸超声心动图	深度学习	超声心动图图像	302名患者	NA	NA	测量成功率, 相关系数, 分类准确率	NA
1292	2025-10-06	Deep Learning for Automated 3D Assessment of Rotator Cuff Muscle Atrophy and Fat Infiltration prior to Total Shoulder Arthroplasty 2025-Sep-01, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.07.025 PMID:40902715	研究论文	开发基于深度学习的自动化模型，用于在肩关节CT扫描中评估肩袖肌肉萎缩和脂肪浸润	首次提出基于深度学习的自动化3D评估方法，引入T-score分类系统量化肌肉萎缩，并定义独特的萎缩表型、3D脂肪浸润百分比和前-后平衡指标	研究样本量相对有限（952例），且为单中心研究，需要更大规模验证	开发自动化工具量化评估肩袖肌肉病理变化，改善全肩关节置换术前的评估精度	肩袖肌肉（冈上肌、肩胛下肌、冈下肌、小圆肌）	医学影像分析	肩关节疾病	CT扫描，Hounsfield单位阈值分析	深度学习模型	3D CT影像	952例肩关节CT扫描（762例对照组，103例aTSA患者，87例rTSA患者）	NA	NA	T-score分类，3DFI%，AP肌肉体积比，统计学显著性(p值)	NA
1293	2025-10-06	Identification and application of promoters and terminators for plant synthetic biology 2025-Sep-01, Molecules and cells IF:3.7Q2 DOI:10.1016/j.mocell.2025.100273 PMID:40902856	综述	本文综述了植物合成生物学中启动子和终止子的鉴定与应用进展	重点关注双向启动子的鉴定利用、启动子与终止子组合平衡对转基因表达稳定性的影响，以及基于ATAC-Seq、STARR-Seq和大规模深度学习的启动子鉴定方法	NA	探讨植物合成生物学中生物元件的鉴定与应用，实现高效精确的基因调控	植物合成生物学中的启动子和终止子等生物元件	合成生物学	NA	ATAC-Seq, STARR-Seq, 深度学习	深度学习模型	基因组测序数据	NA	NA	NA	NA	NA
1294	2025-10-06	A dual-encoder U-net architecture with prior knowledge embedding for acoustic source mapping 2025-Sep-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0039104 PMID:40905669	研究论文	提出一种基于双编码器U-net架构的声源映射方法，通过嵌入先验知识提高定位精度	采用双编码器结构分别处理延迟求和与功能波束形成图，引入对比损失函数学习一致潜在特征，设计频率和位置编码器嵌入先验知识	未明确说明在极端噪声环境或复杂声场条件下的性能表现	开发高分辨率声源映射的深度学习方法	声源强度分布	信号处理	NA	波束形成，深度学习	U-net	波束形成图	仿真数据和MIRACLE数据集	NA	双编码器U-net	四种评估指标	NA
1295	2025-10-06	A bi-directional cascaded transformer network for underwater narrowband signal enhancement 2025-Sep-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0039112 PMID:40905671	研究论文	提出一种双向级联Transformer网络用于水下窄带信号增强	首次将双向级联Transformer架构应用于水下窄带信号增强，通过双分支结构同时提取目标信号和环境噪声特征	NA	提升水下低信噪比环境下窄带信号的增强性能	船舶辐射噪声中的窄带成分	信号处理	NA	深度学习去噪	Transformer	声学信号	NA	NA	双向级联Transformer网络(BCT-Net)	多种评估指标	NA
1296	2025-10-06	Deep learning mammography-based breast cancer risk model, its serial change, and breast cancer mortality 2025-Sep-03, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01772-w PMID:40900381	研究论文	本研究评估了基于乳腺X线摄影的深度学习风险预测模型Mirai与乳腺癌特异性死亡率之间的关联	首次在大型韩国女性队列中验证深度学习风险预测模型与乳腺癌死亡率的关联，并分析风险评分随时间变化对死亡率的影响	回顾性研究设计，乳腺癌相关死亡病例数量有限（仅31例）	评估深度学习风险预测模型对乳腺癌特异性死亡率的预测能力	124,653名34岁及以上接受乳腺X线筛查的无癌韩国女性	数字病理	乳腺癌	乳腺X线摄影	深度学习	医学影像	124,653名女性，随访1,075,177人年	NA	Mirai	风险比, 置信区间, p值趋势	NA
1297	2025-10-06	NeXtBrain: Combining local and global feature learning for brain tumor classification 2025-Sep-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149762 PMID:40490088	研究论文	提出NeXtBrain混合架构，结合局部和全局特征学习实现脑肿瘤分类	提出NeXt卷积块和NeXt Transformer块，通过多头卷积注意力与SwiGLU MLP协同增强特征学习，同时捕捉局部肿瘤形态和全局上下文关系	仅在两个公开数据集上进行评估，未在更多临床场景验证	开发高效准确的脑肿瘤分类方法	脑肿瘤医学图像	计算机视觉	脑肿瘤	医学影像分析	CNN,Transformer,混合模型	医学图像	Figshare和Kaggle两个公开基准数据集	NA	NeXtBrain,NeXt Convolutional Block,NeXt Transformer Block	准确率,F1分数	2391万参数,10.32 GFLOPs,0.007 ms推理时间
1298	2025-10-06	Divergent radiative forcing of fine-mode aerosols across tree genera during wildfires in North America and Europe 2025-Sep-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138881 PMID:40532375	研究论文	本研究通过深度学习模型分析北美和欧洲野火期间不同树种对细模态气溶胶辐射强迫的差异性贡献	首次开发深度学习模型精确反演卫星细模态气溶胶光学厚度数据，并揭示不同树种在野火期间对气溶胶辐射强迫的属特异性差异	研究仅聚焦北美和欧洲地区，未涵盖全球其他重要野火区域；数据时间范围限于2003-2023年	量化不同树种在野火期间对细模态气溶胶辐射强迫的贡献差异	北美和欧洲23个树属的139种树种	环境科学, 深度学习	NA	卫星遥感, 深度学习	深度学习模型	卫星遥感数据	2003-2023年北美和欧洲地区139个树种的卫星观测数据	NA	NA	NA	NA
1299	2025-10-06	Reducing Spectral Confusion in Microplastic Analysis: A U-Net Deep Learning Approach 2025-Sep-02, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00584 PMID:40827556	研究论文	本研究采用U-Net深度学习模型对微塑料拉曼光谱进行分类，有效减少脂肪酸与聚乙烯之间的光谱混淆	首次将U-Net深度学习模型与材料化学中常用的二值化技术结合应用于微塑料拉曼光谱分析	未提及模型在其他类型微塑料或更复杂环境样本中的泛化能力	解决微塑料分析中脂肪酸与聚乙烯拉曼光谱结构相似导致的误分类问题	聚乙烯、硬脂酸、油酸、硬脂酸与油酸混合物、十二烷基硫酸钠、聚丙烯的拉曼光谱	机器学习	NA	拉曼光谱分析	U-Net	光谱数据	NA	NA	U-Net	准确率	NA
1300	2025-10-06	Automated detection of anterior crossbite on intraoral images and videos utilizing deep learning 2025-Sep-01, International journal of computerized dentistry IF:1.8Q2 DOI:10.3290/j.ijcd.b5290567 PMID:38700086	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于自动检测和分类口腔内图像和视频中的前牙反颌	首次将深度学习技术应用于口腔内图像和视频的前牙反颌自动检测，并在视频分类中实现了100%的准确率	CNN模型相对于正畸医生的敏感性较低(0.89 vs 0.96和0.92)，且样本量相对有限	开发自动检测前牙反颌的深度学习系统，以促进严重错颌畸形的及时诊断和治疗	口腔内图像和视频中的前牙反颌特征	计算机视觉	口腔错颌畸形	深度学习	CNN	图像, 视频	1865张口腔内图像和10段总时长124秒的视频	NA	卷积神经网络	准确率, 敏感性, 特异性, 精确率, F1分数, AUPR曲线, AUC	NA