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
461	2025-12-03	Capuchin Red Kite-optimized Swin Transformer-based Convolutional Block Attention Module for Early Diagnosis and Classification of Pneumonia 2025-Nov-28, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392646251021111437 PMID:41327768	研究论文	提出一种结合Capuchin Red Kite优化算法与Swin Transformer注意力模块的深度学习模型，用于肺炎、COVID-19和正常病例的早期诊断与分类	首次将Capuchin Red Kite优化算法与Swin Transformer注意力模块结合，并采用混合特征提取与自适应门控循环单元进行特征融合	模型仅在公开数据集上验证，未来需要在多样化真实世界数据集中验证泛化能力	开发高效的深度学习模型用于肺炎、COVID-19和正常病例的准确分类	胸部X光和CT图像	计算机视觉	肺炎	医学影像分析	深度学习	图像	Kaggle公开胸部X光数据集	NA	Swin Transformer, ResNet, Vision Transformer, 卷积块注意力模块	准确率, AUC	NA
462	2025-12-03	Deep Learning and Attention Mechanism-based Prediction of Vaginal Invasion in Early-Stage Cervical Cancer 2025-Nov-28, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392471251103125700 PMID:41327769	研究论文	本研究提出了一种结合3D ResNet分类和Grad-CAM可视化的新方法，利用T2WI-MRI预测早期宫颈癌的阴道侵犯，以提高诊断准确性并实现侵袭性病变的解剖定位	创新性地融合了3D ResNet分类与Grad-CAM可视化，通过各向异性卷积层和复杂数据增强优化模型，并整合瘤内及瘤周（3mm）区域特征，实现了对阴道侵犯的非侵入性预测及病变定位	研究基于单中心回顾性队列，样本量有限，限制了结果的普适性，需要外部验证和前瞻性研究才能进行临床转化	预测早期宫颈癌（IB-IIA期）的阴道侵犯，以辅助保留生育功能的决策	160例经病理证实的IB-IIA期宫颈癌患者的矢状位T2WI-MRI图像	计算机视觉	宫颈癌	T2WI-MRI	深度学习	医学影像（MRI图像）	160例患者	NA	3D ResNet-18	AUC, 敏感性, 特异性, 准确率, 精确率	NA
463	2025-12-03	Spatial Attention-guided Hybrid Deep Learning with Sharpened Cosine Similarity for Accurate Chest X-ray Interpretation 2025-Nov-28, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056396626251105115902 PMID:41327770	研究论文	提出了一种结合空间注意力引导的混合深度学习框架VSAG-HDL Net，用于提高胸部X射线图像中病变分割和疾病分类的准确性和可解释性	整合了变分空间注意力融合U-Net（VSA-FU-Net）进行病变分割和锐化余弦相似度（SCS）网络进行疾病分类，通过消除冗余特征提取和空间注意力机制提升诊断性能和计算效率	在分类准确率上略低于DenseNet+VIT和DenseNet+VIT+GAP模型（分别低2.0%和2.3%）	提高胸部X射线图像中呼吸系统疾病（如COVID-19和肺炎）的诊断准确性和可解释性	胸部X射线图像	计算机视觉	呼吸系统疾病	NA	混合深度学习框架	图像	21,165张胸部X射线图像	NA	VSA-FU-Net, SCS Network	Dice相似系数, 交并比, 准确率	NA
464	2025-12-03	Active learning framework leveraging transcriptomics identifies modulators of disease phenotypes 2025-Nov-27, Science (New York, N.Y.) DOI:10.1126/science.adi8577 PMID:41129612	研究论文	本文提出了一种利用转录组学的主动深度学习框架，用于高效识别诱导复杂疾病表型的化合物	开发了一种结合组学数据的主动深度学习框架，相比现有模型在表型命中率上实现了13至17倍的提升，并通过实验室闭环签名优化步骤进一步提高了命中率	NA	克服表型药物筛选中的化学空间广阔性和实验规模化挑战，加速药物发现	化合物及其对疾病表型的调控作用	机器学习	血液疾病	转录组学	深度学习	组学数据	NA	NA	NA	召回率, 表型命中率	NA
465	2025-12-03	scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression 2025-Nov-25, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf638 PMID:41288963	研究论文	本文提出了一种名为scRegulate的生成式深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性和基因调控网络	scRegulate通过变分推理整合先验生物知识与数据驱动推断，能够捕获新颖、动态和上下文特异的调控相互作用，相比现有方法更具可扩展性和生物学基础	未在摘要中明确提及	开发一个从单细胞RNA测序数据中准确推断转录因子活性和基因调控网络的计算框架	单细胞RNA测序数据，转录因子及其靶基因关系	计算生物学	NA	单细胞RNA测序	变分自编码器	基因表达数据	公共实验和合成数据集，人类PBMC单细胞RNA测序数据	PyTorch	变分推理模型	准确性，效率（速度比较）	NA
466	2025-12-03	One-click reconstruction in single-molecule localization microscopy via experimental parameter-aware deep learning 2025-Nov-25, Npj imaging DOI:10.1038/s44303-025-00123-w PMID:41291118	研究论文	本文介绍了AutoDS和AutoDS3D两种软件程序，用于单分子定位显微镜数据的超分辨率重建，基于Deep-STORM和DeepSTORM3D，通过实验参数感知的深度学习实现一键式重建	通过自动从原始成像数据中提取实验参数，显著减少了分析过程中的人工干预，在2D情况下从预训练模型集中选择最优模型，在3D情况下提高了计算效率并集成为图形用户界面	未明确提及具体局限性，但可能依赖于预训练模型的覆盖范围或实验条件的通用性	开发自动化软件以减少单分子定位超分辨率显微镜中的人工干预和计算时间	单分子定位显微镜数据	计算机视觉	NA	单分子定位超分辨率显微镜	深度神经网络	图像	NA	NA	Deep-STORM, DeepSTORM3D	NA	NA
467	2025-12-03	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Nov-24, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3636745 PMID:41284461	研究论文	本研究利用Swin Transformer深度学习框架，结合多壳层扩散MRI数据，旨在支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	首次将Swin Transformer应用于多壳层扩散MRI数据，并集成低秩适应技术以在有限标记神经影像数据下有效适应模型	研究基于有限标记数据，可能影响模型泛化能力，且性能在淀粉样蛋白检测任务中仍有提升空间	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	多壳层扩散MRI	Transformer	图像	未明确指定	PyTorch	Swin Transformer	平衡准确率	NA
468	2025-12-03	Formaldehyde emissions in tanker truck cabins: Observation, deep learning prediction and health risk assessment 2025-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180740 PMID:41130112	研究论文	本研究首次量化了油罐车驾驶室内甲醛排放动态，并开发了深度学习模型进行长期预测，同时评估了健康风险	首次提供了油罐车驾驶室内甲醛排放的真实世界数据与建模，识别了材料表面温度为关键影响因素，并开发了优于传统模型的深度学习预测方法	研究仅基于一个月的数据，且未详细探讨其他潜在影响因素如通风条件或驾驶行为	评估油罐车驾驶室内甲醛排放动态、预测长期浓度并评估驾驶员健康风险	油罐车驾驶室内的甲醛浓度	机器学习	NA	现场监测、特征重要性分析	深度学习模型	时间序列数据	一个月内的现场监测数据	NA	NA	预测准确性	NA
469	2025-12-03	An Open-source Protocol for Deep Learning-based Segmentation of Tubular Structures in 3D Fluorescence Microscopy Images 2025-Nov-14, Journal of visualized experiments : JoVE DOI:10.3791/68004 PMID:41325317	研究论文	本文介绍了一个用于3D荧光显微镜图像中管状结构分割的开源、用户友好工具箱	提出了基于模拟的数据增强策略，可在极少训练数据（如仅一张3D图像）下提升模型性能，并整合了两种高效的深度学习架构	未明确说明该方法在其他组织类型或成像模式中的泛化能力	开发一个易于使用的端到端分割工具，用于研究复杂生物组织中的管状结构	小鼠肝组织中的胆管网络和正弦网络	数字病理学	NA	3D荧光显微镜成像	CNN	3D图像	至少一张3D图像（通过数据增强扩展）	NA	3D U-Net, 3D U-Net with attention mechanisms	定性评估、定量评估	本地GPU、高性能计算集群、云平台
470	2025-12-03	Discovery and artificial intelligence-guided mechanistic elucidation of a narrow-spectrum antibiotic 2025-Nov, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02142-0 PMID:41044363	研究论文	本研究通过筛选小分子化合物发现了一种针对肠杆菌科细菌的窄谱抗生素enterololin，并利用深度学习技术揭示了其通过干扰脂蛋白转运机制发挥抗菌作用	首次发现enterololin作为肠杆菌科特异性抗生素，结合深度学习预测分子相互作用机制，并验证其与SPR741联用可克服临床耐药性	耐药突变频率约10⁻¹⁰，需进一步评估长期使用下的耐药演化风险	开发针对肠杆菌科细菌的窄谱抗生素以保护肠道微生物群	粘附侵袭性大肠杆菌（AIEC）及肠杆菌科细菌	机器学习	炎症性肠病	小分子筛选、深度学习、分子相互作用预测	深度学习模型	化学结构数据、抗菌活性数据	10,747种生物活性小分子	NA	NA	半数抑制浓度（IC50）、耐药频率	NA
471	2025-12-03	Physics-informed deep learning for infectious disease forecasting 2025-Nov, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0379 PMID:41290140	研究论文	本文实现了一种基于物理信息神经网络（PINNs）的传染病预测方法，通过整合流行病学理论和数据来改善预测准确性	将动力学系统表示的疾病传播模型融入损失函数，并引入子网络处理移动性、疫苗剂量等协变量，以防止过拟合并提升预测性能	仅使用加利福尼亚州级COVID-19数据进行验证，未在其他地区或疾病上广泛测试	提高传染病预测方法的准确性和能力，以支持公共卫生决策	传染病（如COVID-19）的病例数、死亡数和住院数预测	机器学习	传染病	NA	物理信息神经网络（PINNs）	时间序列数据（病例、死亡、住院数）	加利福尼亚州级COVID-19数据	NA	物理信息神经网络（PINNs）	与基准模型比较的预测一致性	NA
472	2025-12-02	Enhancing Pediatric Fracture Detection: Multicenter Evaluation of a Deep Learning AI Model and Its Impact on Radiologist Performance 2025-Nov-29, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.022 PMID:41320594	研究论文	本研究评估了一种基于深度学习的AI模型在儿科骨折检测中的效能，并分析了AI辅助对放射科医生诊断性能的影响	通过多中心、多读者研究验证AI模型在儿科骨折检测中的高准确性，并首次量化了AI辅助对放射科医生诊断效率和信心的提升效果	研究为回顾性设计，可能受到选择偏倚的影响；未评估AI模型在罕见骨折类型或复杂病例中的表现	评估深度学习AI模型在儿科骨折检测中的临床效用及其对放射科医生诊断性能的影响	儿科患者的肌肉骨骼X光片	计算机视觉	儿科骨折	X光成像	深度学习模型	图像	第一阶段3016张X光片，第二阶段189个病例	NA	NA	准确率, 灵敏度, 特异性	NA
473	2025-12-02	Clinical applications of artificial intelligence in the histopathology of lymphoma: diagnosis, treatment and prognosis 2025-Nov-28, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03970-6 PMID:41313419	综述	本文综述了人工智能在淋巴瘤组织病理学中的临床应用，涵盖诊断、治疗和预后评估	创新性地总结了人工智能在淋巴瘤三维病理学中的前沿应用，并系统分析了其在诊断、治疗和预后方面的临床价值	NA	概述人工智能在淋巴瘤各领域的应用，促进淋巴瘤的精准诊断和治疗	淋巴瘤的HE病理切片和PET/CT图像	数字病理学	淋巴瘤	NA	深度学习, 决策树, 回归模型	图像	NA	NA	NA	NA	NA
474	2025-12-02	Preserving and enhancing cultural heritage through art design using feature pyramid network optimized by modified builder optimization algorithm 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26564-2 PMID:41315302	研究论文	本文提出了一种结合特征金字塔网络和改进型建造者优化算法的深度学习框架，用于文化遗产艺术品的分类、修复与合成	首次将特征金字塔网络与改进型建造者优化算法相结合，并引入创新的仿生搜索策略优化超参数，提升了模型收敛性、性能与训练效率	研究仅基于WikiArt数据集，未涵盖所有文化遗产艺术形式；优化算法在更复杂场景下的泛化能力有待验证	通过数字技术保护和增强文化遗产，开发艺术品分类、修复与生成的新方法	文化遗产艺术品（绘画等视觉艺术作品）	计算机视觉	NA	深度学习，神经风格迁移	CNN, 生成模型	图像	WikiArt数据集（具体数量未说明）	未明确说明	Feature Pyramid Network (FPN)	准确率, PSNR, SSIM, FID	NA
475	2025-12-02	The usage of artificial Intelligence-empowered text analysis model with convolutional neural network in english reading 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26720-8 PMID:41315338	研究论文	本研究首次在真实课堂环境中系统应用Text CNN模型，开发了一个集动态内容推荐与实时反馈于一体的教学辅助框架，以解决高中英语阅读教学中个性化不足的核心问题	首次在真实课堂环境中系统应用Text CNN模型，并开发了结合动态内容推荐与实时反馈的教学辅助框架	研究仅在2000篇文本的有限数据集上验证，模型在非结构化文本（如社交媒体帖子或法律文件）上的性能仍有待探索	解决高中英语阅读教学中个性化不足的问题，开发智能教学辅助工具	高中英语阅读教学与学生	自然语言处理	NA	深度学习，多尺度特征提取，注意力机制	CNN	文本	60名学生（分为实验组和对照组），2000篇文本数据集	NA	Text CNN	分类准确率，阅读理解平均分	NA
476	2025-12-02	AI meets endodontics a deep learning approach to precision diagnosis 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26768-6 PMID:41315402	研究论文	本文提出了一种基于改进Swin Transformer的深度学习模型，用于牙髓病的精确诊断	采用改进的Swin Transformer架构，结合非重叠局部窗口和交替层中的移位窗口，实现分层注意力机制，并引入混沌粒子群优化与序列二次规划的混合方法进行超参数优化	未明确提及模型在临床实际应用中的泛化能力或外部验证结果	提高牙髓病的自动分类准确性，以辅助治疗规划和临床决策	牙髓病影像数据	计算机视觉	牙髓病	放射影像分析	Transformer	图像	基于公开的根管数据集，包含七类牙髓疾病，具体样本数量未明确	未明确指定，可能为PyTorch或TensorFlow	改进的Swin Transformer（MSViT）	分类准确率, 平均适应度值, 精确率, 均方误差, 计算时间	未明确指定，学习率为0.0001
477	2025-12-02	Exploring the predictive performance of deep learning for fracturing fluid flowback and shale gas production 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26761-z PMID:41315455	研究论文	本文开发了一种结合CNN和Transformer网络的深度学习系统，用于预测页岩气产量和压裂液返排量	首次将CNN与Transformer网络结合，构建CNN-Transformer模型，以处理页岩气生产中的复杂两相流和噪声干扰问题	未明确提及模型的具体泛化能力或在不同地质条件下的适用性	预测页岩气产量和压裂液返排量，并分析两者之间的关系	页岩气生产数据和压裂液返排数据	机器学习	NA	深度学习	CNN, Transformer, LSTM, GRU	时间序列数据	NA	NA	CNN-Transformer, CNN-LSTM, CNN-GRU-AM	R², RMSE, R	NA
478	2025-12-02	Comparative study of single and hybrid deep learning models for daily rainfall prediction in selected African cities 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26739-x PMID:41315470	研究论文	本研究比较了单一和混合深度学习模型在非洲选定城市日降雨量预测中的性能	首次在非洲多个城市中系统比较了单一深度学习模型（CNN、LSTM、ANN、RNN）与三种混合架构（RNN+ANN、LSTM+ANN、LSTM+RNN）的预测效果，并揭示了不同城市降雨动态的空间变异性	研究仅基于NASA MERRA-2再分析数据，未结合地面观测数据；模型性能评估限于四个误差指标，可能未全面反映预测质量；研究城市数量有限，结论的普适性有待进一步验证	评估和比较不同深度学习模型在日降雨量预测中的准确性和可靠性，以支持农业规划和粮食安全	非洲选定城市（如阿布贾、利伯维尔、拉巴特、比勒陀利亚等）的日降雨量及相关气象变量	机器学习	NA	深度学习建模	CNN, LSTM, ANN, RNN	时间序列气象数据	1980年1月1日至2024年12月31日的日尺度数据，按80/20比例划分训练验证集	NA	CNN, LSTM, ANN, RNN, RNN+ANN, LSTM+ANN, LSTM+RNN	MSE, RMSE, MAE, Huber loss	NA
479	2025-12-02	A novel deep neural model for efficient and scalable historical place image classification 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26897-y PMID:41315472	研究论文	本文提出了一种名为HistoNet的新型混合深度学习框架，用于高效且可扩展的历史地点图像分类	提出了一种结合CNN、Transformer和Mamba状态空间模型的混合架构，具有线性时间复杂度，计算效率显著高于传统Transformer；集成了Squeeze-and-Exitation注意力模块和基于SHAP的可解释性方法，提供像素级归因图	未明确说明模型在更广泛地理区域或更古老建筑风格上的泛化能力，也未讨论模型对极低质量或严重损坏图像的鲁棒性	开发一个高效、可扩展且可解释的深度学习系统，用于历史地点图像分类，以促进文化遗产的数字保护	历史地点和建筑的图像	计算机视觉	NA	NA	CNN, Transformer, Mamba	图像	NA	NA	VGG16, ResNet50, HistoNet（自定义混合架构）	准确率	NA
480	2025-12-02	Computed tomography-based nnU-Net for region-specific brain structural changes across the alzheimer's continuum and frontotemporal dementia subtypes 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26604-x PMID:41315482	研究论文	本研究开发了一种基于nnU-Net的深度学习框架，利用计算机断层扫描（CT）进行脑部分割，以评估脑脊液体积变化作为组织损失的间接标志物，并在阿尔茨海默病（AD）阶段和额颞叶痴呆（FTD）亚型中评估其效用	首次使用CT图像结合nnU-Net进行脑部分割，以脑脊液体积变化作为间接标志物，评估神经退行性疾病的结构变化，并应用于AD连续体和FTD亚型的鉴别诊断	研究依赖于CT图像，其分辨率可能低于MRI，且脑脊液体积变化仅为组织损失的间接标志物，可能无法直接反映所有结构变化	开发一种基于CT的深度学习框架，用于评估神经退行性疾病中的脑结构变化，以支持早期检测和鉴别诊断	2357名参与者，包括认知未受损者、轻度认知障碍者、阿尔茨海默型痴呆患者以及额颞叶痴呆亚型患者	数字病理学	阿尔茨海默病, 额颞叶痴呆	计算机断层扫描（CT）, 3D T1加权磁共振成像（MRI）	CNN	图像	2357名参与者	nnU-Net	nnU-Net	Dice相似系数（DSC）, 相关性分析, Bland-Altman分析	NA