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
901	2025-10-06	A novel contrastive Dual-Branch Network (CDB-Net) for robust EEG-Based Alzheimer's disease diagnosis 2025-Oct-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149863 PMID:40730254	研究论文	提出一种新颖的对比双分支网络(CDB-Net)，用于基于EEG的阿尔茨海默病鲁棒诊断	采用对比学习框架的双分支网络架构，能够学习噪声干扰下保持一致的EEG特征	仅在公开EEG数据集上验证，未提及临床实际应用验证	提高基于EEG的阿尔茨海默病诊断的准确性和鲁棒性	阿尔茨海默病患者和健康对照的EEG信号	机器学习	阿尔茨海默病	脑电图(EEG)	深度学习,对比学习	EEG信号	公开EEG数据集(具体数量未提及)	NA	双分支网络(CDB-Net)	准确率	NA
902	2025-10-06	De Novo Design of Highly Stable Binders Targeting Dihydrofolate Reductase in Klebsiella pneumoniae 2025-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26835 PMID:40371895	研究论文	本研究利用深度学习技术设计针对肺炎克雷伯菌二氢叶酸还原酶的新型稳定抑制剂	结合深度学习模型(OmegaFold、ProteinMPNN)从头设计具有细胞穿透肽基序的稳定抑制剂，并发现两个具有强结合亲和力的候选复合物	计算模型预测体内行为存在局限性，需要进一步的体外和体内实验验证	设计针对肺炎克雷伯菌DHFR蛋白的新型治疗性抑制剂	肺炎克雷伯菌DHFR蛋白及其设计的肽类抑制剂	生物信息学	细菌感染	深度学习、分子对接、分子动力学模拟	深度学习模型	蛋白质序列	60个从头设计的结合剂，生成7200个序列，最终筛选出10个候选序列	OmegaFold, ProteinMPNN	NA	结合亲和力、热稳定性(熔点)、分子动力学稳定性	NA
903	2025-10-06	3D-ΔΔG: A Dual-Channel Prediction Model for Protein-Protein Binding Affinity Changes Following Mutation Based on Protein 3D Structures 2025-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26837 PMID:40375059	研究论文	提出一种基于蛋白质3D结构的双通道深度学习模型3D-ΔΔG，用于预测蛋白质-蛋白质结合亲和力在突变后的变化	开发了能够处理多点突变的双通道预测模型，结合侧链序列信息和3D结构信息，相比现有方法在复杂突变场景下表现更优	NA	预测氨基酸残基突变引起的蛋白质-蛋白质结合亲和力变化(ΔΔG)	蛋白质-蛋白质相互作用	计算生物学	NA	深度学习	图注意力网络,蛋白质语言模型	蛋白质3D结构,氨基酸序列	SKEMPIv1和SKEMPIv2混合突变数据集	NA	双通道深度学习架构,图注意力网络	预测值与实验值的相关性	NA
904	2025-10-06	DeepUSPS: Deep Learning-Empowered Unconstrained-Structural Protein Sequence Design 2025-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26847 PMID:40448386	研究论文	提出DeepUSPS模型解决无约束结构蛋白质序列设计中的热稳定性不足和与天然蛋白质相似性高的问题	提出IDRNet网络增强热稳定性，构建SPFESN网络降低设计蛋白质与天然蛋白质的相似性，引入WRA优化器高效优化3Dpssm	仅通过计算机模拟实验验证，缺乏实际生物实验验证	开发高效的无约束结构蛋白质序列设计方法	无约束结构蛋白质序列	机器学习	NA	计算机模拟实验	深度学习	蛋白质序列数据，3D结构数据	1000个理想化蛋白质序列	NA	Inverted Dense Residual Network (IDRNet), Sequence-Pairwise Features Extraction Synthetic Network (SPFESN)	lg(E-value), TM-score, 迭代次数, 熔点温度, pLDDT	NA
905	2025-10-06	ComPtr: Toward Diverse Bi-Source Dense Prediction Tasks via a Simple Yet General Complementary Transformer 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3578494 PMID:40489289	研究论文	提出一种名为ComPtr的互补Transformer模型，用于处理多样化的双源密集预测任务	从更通用的双源密集预测概念出发，提出一致性增强和差异感知组件，能够为不同任务分别提取和收集来自不同图像源的重要视觉语义线索	NA	构建一个通用的双源密集预测统一模型	双源图像数据	计算机视觉	NA	深度学习	Transformer	图像	NA	NA	Transformer,序列到序列	NA	NA
906	2025-10-06	SAS: A General Framework Induced by Sequence Association for Shape From Focus 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3577595 PMID:40489288	研究论文	提出了一种基于序列关联的SAS框架，用于改进多焦点图像序列的深度估计方法	将图像序列视为完整3D数据，通过多视图分解、选择性融合和多尺度特征聚合处理，并引入更严格的多视图学习泛化误差界	未明确说明计算资源需求和具体实现细节	提高形状聚焦(SFF)方法的泛化能力	多焦点图像序列	计算机视觉	NA	形状聚焦技术	深度学习	图像序列	7个合成数据集和2个真实场景	NA	SAS框架	泛化能力评估	NA
907	2025-10-06	Event-Based Stereo Depth Estimation: A Survey 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3586559 PMID:40644099	综述	本文全面调查了基于事件相机的立体深度估计方法的发展历程、技术分类和未来方向	首次系统综述深度学习方法和立体数据集，提供创建新基准测试的实用建议，涵盖瞬时立体和长期SLAM方法	基于事件相机的立体深度估计在精度和效率方面仍需进一步优化	为基于事件相机的立体深度估计领域提供全面的技术概览和发展指导	事件相机立体深度估计算法、数据集和性能评估方法	计算机视觉	NA	事件相机感知技术	深度学习	事件流数据	NA	NA	NA	精度,效率	NA
908	2025-10-06	Deep learning-based temporal muscle quantification on MRI predicts adverse outcomes in acute ischemic stroke 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112332 PMID:40716184	研究论文	开发基于深度学习的端到端流程，用于急性缺血性卒中患者MRI颞肌自动量化并评估其预后价值	首次构建集成了切片选择、颞肌分割和量化功能的端到端深度学习流程，并验证颞肌厚度和面积作为急性缺血性卒中预后标志物的临床价值	研究样本量相对有限（1020例），且为单中心研究	开发自动化的颞肌量化方法并评估其在急性缺血性卒中预后预测中的作用	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	MRI成像	CNN, Transformer	MRI图像	1020例急性缺血性卒中患者（数据集1：295例，数据集2：258例，数据集3：467例）	NA	ResNet50, TransUNet	准确率, ±1切片准确率, 平均绝对误差, Dice相似系数, 风险比	NA
909	2025-10-06	Rician Likelihood Loss for Quantitative MRI With Self-Supervised Deep Learning 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70136 PMID:40904047	研究论文	本文提出了一种用于定量磁共振成像的自监督深度学习新损失函数——Rician似然损失	开发了负对数Rician似然损失函数，首次在自监督学习中显式考虑MR幅度信号的分布特性	在低信噪比下虽然提高了准确性但降低了精度	改进定量磁共振成像中的参数估计性能	体素内不相干运动(IVIM)模型参数	医学影像分析	NA	磁共振成像(MRI)	深度学习	磁共振图像	模拟数据和真实数据	Python	NA	偏差, 标准差, 均方根误差	NA
910	2025-10-06	MOL: Joint Estimation of Micro-Expression, Optical Flow, and Landmark via Transformer-Graph-Style Convolution 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3581162 PMID:40536836	研究论文	提出一种端到端的微表情识别框架，通过联合训练微表情识别、光流估计和面部关键点检测任务来提升性能	设计了新颖的F5C模块，结合全连接卷积和通道对应卷积，无需关键帧先验知识即可从原始帧序列直接提取局部-全局特征	未明确说明模型在小规模数据集上的泛化能力，也未提及计算复杂度分析	解决面部微表情识别中因动作短暂细微而带来的挑战	面部微表情、光流、面部关键点	计算机视觉	NA	深度学习	Transformer, 图卷积, 卷积神经网络	视频序列	CASME II, SAMM, SMIC基准数据集	NA	Transformer-Graph-Style卷积, F5C模块	NA	NA
911	2025-10-06	Evidence-Based Multi-Feature Fusion for Adversarial Robustness 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3582518 PMID:40549525	研究论文	提出一种基于证据的多特征融合方法，通过量化特征可信度提升深度神经网络对抗鲁棒性	首次将证据深度学习引入对抗鲁棒性领域，提出基于Dempster规则的多特征证据融合机制	需要额外参数且计算成本略有增加	提升深度神经网络在对抗攻击下的鲁棒性	深度神经网络的特征表示	机器学习	NA	证据深度学习	CNN, Transformer	图像	NA	NA	传统CNN和视觉Transformer	白盒攻击鲁棒性, 黑盒攻击鲁棒性	NA
912	2025-10-06	Accelerated Self-Supervised Multi-Illumination Color Constancy With Hybrid Knowledge Distillation 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3583090 PMID:40560704	研究论文	提出一种基于自监督学习和知识蒸馏的多光照颜色恒常性方法	结合自监督预训练、监督微调和混合知识蒸馏的三阶段框架，首次在颜色恒常性任务中应用Transformer和U-Net编码器	受限于当前多光照数据集的规模和模型大小	解决多光照条件下的颜色恒常性问题	多光照图像的颜色感知	计算机视觉	NA	自监督学习, 知识蒸馏	Transformer, U-Net, CNN	多光照图像	NA	NA	Transformer, U-Net	在多光照和单光照基准测试中优于现有技术	NA
913	2025-10-06	Revisiting Essential and Nonessential Settings of Evidential Deep Learning 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3583410 PMID:40569804	研究论文	本文重新审视了证据深度学习的核心与非核心设置，并提出了一种简化但更有效的Re-EDL变体	识别并修正了EDL中三个非必要的设置：将先验权重改为可调超参数、移除了方差最小化优化项和KL散度正则化项	未明确说明实验数据集的具体规模和多样性限制	改进证据深度学习方法的设置，提高不确定性估计性能	证据深度学习方法的理论框架和实际应用	机器学习	NA	证据深度学习	神经网络	NA	NA	NA	NA	NA	NA
914	2025-10-06	A physics-informed deep learning approach to predicting bilateral ground reaction forces and centre of pressure from a single forceplate during gait 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.07.005 PMID:40618708	研究论文	开发了一种物理信息残差循环神经网络，用于从单个测力台数据预测步态中的双侧地面反作用力和压力中心	首次提出结合物理信息的残差循环神经网络(PI-ResRNN)，能够仅使用单个测力台数据准确预测双侧地面反作用力和压力中心	研究主要关注双接触阶段的步态分析，未涵盖完整步态周期的所有阶段	开发一种能够从单个测力台数据准确预测双侧地面反作用力和压力中心的方法，简化步态分析流程	315名参与者，包括健康人群和六种神经肌肉骨骼疾病患者	机器学习	神经肌肉骨骼疾病	测力台数据采集	RNN, ResRNN	测力台数据	315名参与者的6765次试验数据	NA	物理信息残差循环神经网络(PI-ResRNN)	均方根误差(RMSE), 相对均方根误差(rRMSE)	NA
915	2025-10-06	Recognition of Parkinson disease using Kriging Empirical Mode Decomposition via deep learning techniques 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.06.024 PMID:40628146	研究论文	本研究通过克里金经验模态分解和深度学习技术开发帕金森病的识别方法	结合克里金经验模态分解与深度学习技术进行帕金森病识别	NA	开发帕金森病的自动识别方法	帕金森病患者	机器学习	帕金森病	克里金经验模态分解	深度学习	NA	NA	NA	NA	NA	NA
916	2025-10-06	Pharmacoutilization data-driven artificial intelligence-assisted diagnosis algorithm to improve the pharmacological treatment of pain and agitation in patients suffering from severe dementia 2025-Oct, Current opinion in pharmacology IF:4.0Q1 DOI:10.1016/j.coph.2025.102563 PMID:40815967	研究论文	本研究开发了一种基于药物利用数据的人工智能算法，用于改善重度痴呆患者的疼痛和躁动药物治疗	首次将药物流行病学数据与深度学习技术结合，通过管理药物治疗时间序列和使用自编码器来识别漏诊的阿尔茨海默病患者	需要进一步研究和纵向患者监测来提高疾病检测和管理水平	通过先进的人工智能方法诊断阿尔茨海默病，改善痴呆患者的药物治疗	298,000名个体，其中84,235名年龄超过60岁，包括114,920名无AD诊断患者和1,150名确诊患者	医疗人工智能	阿尔茨海默病	药物流行病学数据分析	自编码器	药物利用时间序列数据	298,000名个体	深度学习	自编码器	准确率79.12%	NA
917	2025-09-12	Deploying a novel deep learning framework for segmentation of specific anatomical structures on cone-beam CT 2025-Oct, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00831-4 PMID:40445488	研究论文	本研究开发了一种基于深度学习的新型框架，用于在锥束CT图像上自动分割特定解剖结构	采用nnUNetv2框架实现高精度解剖结构分割，在牙科CBCT图像处理中表现出色	样本量相对较小（70名患者），且下颌管分割性能相对较低	通过深度学习算法自动预测CBCT图像中的解剖结构，以增强诊断和治疗规划流程	70名患者的CBCT图像数据，包含鼻腔、上颌窦、腭前管、下颌管等解剖结构	计算机视觉	NA	锥束CT成像，深度学习分割	nnUNetv2	医学影像	70名患者的CBCT数据，共28,350个切片（每例405个切片）	NA	NA	NA	NA
918	2025-09-12	Beyond explainable AI: Enhancing trust and robustness in machine learning for sleep apnea diagnosis 2025-Oct, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2025.102152 PMID:40819476	评论	本文扩展了对睡眠呼吸暂停诊断中机器学习可解释性工具的批判，提出结合无监督ML和非线性非参数统计方法的综合策略以增强临床信任	主张超越传统XAI方法，通过无监督学习和统计方法结合来验证特征重要性并减少模型偏差	未提供具体实验验证或实际临床数据支持所提出方法的有效性	提升机器学习在睡眠呼吸暂停诊断中的可信度和鲁棒性	睡眠呼吸暂停诊断的机器学习模型及其特征解释方法	machine learning	睡眠呼吸暂停	无监督ML（特征聚合、高变基因选择），非线性非参数统计方法（如Spearman相关）	NA	NA	NA	NA	NA	NA	NA
919	2025-10-06	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发了一种不确定性感知的自动化方法，用于联合评估肺气肿和死亡风险，并量化数据和模型不确定性	提出了多任务贝叶斯神经网络，能够在不同辐射剂量CT图像中一致评估肺气肿和死亡风险，并提供不确定性量化	研究样本仅来自COPDGene研究，需要进一步验证在其他人群中的适用性	开发对成像协议更鲁棒的CT肺气肿定量评估方法	COPDGene研究中的1350名参与者，接受全剂量和减剂量胸部CT扫描	医学影像分析	慢性阻塞性肺疾病	胸部CT扫描	贝叶斯神经网络	CT图像	1350名参与者（平均年龄64.4岁±8.7；659名女性）	NA	多任务贝叶斯神经网络	均值差异, Pearson相关系数, p值	NA
920	2025-10-06	Preoperative prediction of malignant transformation in sinonasal inverted papilloma: a novel MRI-based deep learning approach 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11655-5 PMID:40355636	研究论文	开发基于MRI的深度学习模型用于术前区分鼻腔鼻窦内翻性乳头状瘤与其恶性转化	首次提出基于多中心大样本MRI数据的深度学习诊断模型，通过注意力机制整合多序列特征	研究样本量相对有限，需要进一步多中心验证	术前预测鼻腔鼻窦内翻性乳头状瘤的恶性转化	568例来自四个中心的鼻腔鼻窦内翻性乳头状瘤患者（421例）和恶性转化患者（147例）	医学影像分析	鼻腔鼻窦肿瘤	MRI成像	深度学习模型	医学影像（T1WI、T2WI、CE-T1WI）	568例患者（421例SIP，147例SIP-SCC）来自四个医疗中心	NA	基于注意力机制的组合模型	AUC, Brier分数, 校准曲线, 决策曲线分析	NA