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
1581	2025-10-13	Model predictive control of nonlinear dynamical systems based on long sequence stable Koopman network 2025-Nov, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.07.003 PMID:40653404	研究论文	提出一种基于长序列稳定Koopman网络的非线性动力系统模型预测控制方法	提出SDKN-MPC方法，通过稳定Koopman求解器算法获得稳定Koopman算子，结合神经网络训练嵌入函数，解决了传统深度学习方法收敛慢和长期预测稳定性不足的问题	NA	解决非线性动力系统的控制问题	非线性动力系统	机器学习	NA	Koopman算子方法	神经网络	动力系统数据	NA	NA	稳定深度Koopman网络	收敛速度，预测性能	NA
1582	2025-10-05	Efficient Visual Transformer by Learnable Token Merging 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3588186 PMID:40663671	研究论文	提出一种可学习令牌合并的紧凑型视觉Transformer块LTM-Transformer，用于提升视觉任务的效率	通过可学习的令牌合并方案减少计算量，并基于信息瓶颈理论推导出可分离的变分上界来指导模型设计	NA	开发高效的视觉Transformer模型以降低计算成本同时保持或提升预测精度	视觉Transformer模型	计算机视觉	NA	深度学习	Transformer	图像	NA	NA	LTM-Transformer, MobileViT, EfficientViT, ViT, Swin	FLOPs, 推理时间, 预测准确率	NA
1583	2025-10-05	Re-Boosting Self-Collaboration Parallel Prompt GAN for Unsupervised Image Restoration 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3589606 PMID:40668718	研究论文	提出一种用于无监督图像恢复的自协作并行提示生成对抗网络框架	引入自协作策略，通过迭代增强修复器和提示学习模块，在不增加推理复杂度的情况下显著提升性能；提出再增强模块将自集成策略融入自协作框架	未明确说明具体数据集规模和应用场景限制	提升无监督图像恢复方法的性能	退化图像	计算机视觉	NA	生成对抗网络	GAN	图像	NA	NA	并行生成对抗分支架构	PSNR（峰值信噪比）	NA
1584	2025-10-05	NUPES: Non-Uniform Post-Training Quantization via Power Exponent Search 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3593987 PMID:40758517	研究论文	提出一种通过幂指数搜索的非均匀后训练量化方法NUPES，用于深度神经网络特别是大语言模型的压缩部署	利用自同构保持标量乘法，通过幂函数变换实现非均匀量化，并提出在完整量化空间中学习新权重的优化范式	论文未明确说明具体计算资源需求和最大可处理模型规模	降低深度神经网络特别是大语言模型的内存占用和推理延迟	深度神经网络权重和激活值，特别关注大语言模型中的异常值	机器学习	NA	后训练量化	Transformer	神经网络权重和激活值	NA	NA	Transformer, 大语言模型	压缩率，推理延迟，内存占用	NA
1585	2025-10-05	Protecting Feature Privacy in Person Re-Identification 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3590979 PMID:40758524	研究论文	提出一种基于GAN的特征隐私保护行人重识别模型，通过双重对抗目标和两步训练策略平衡隐私保护与识别性能	引入GAN强制重建图像遵循原始图像分布，提出效用-可逆比(URR)评估指标，设计两步训练和惰性更新策略解决双重对抗优化难题	在保护隐私的同时仍会带来微小的识别精度损失	保护行人重识别中深度特征的隐私安全，防止特征被逆向还原为原始图像	行人重识别系统中的深度特征表示	计算机视觉	NA	生成对抗网络(GAN)	GAN, CNN	图像	NA	NA	GAN	效用-可逆比(URR), 识别准确率	NA
1586	2025-10-05	EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3354997 PMID:38227417	研究论文	提出一种广义端到端概率性PnP方法EPro-PnP，用于单目物体姿态估计	将PnP构建为可输出SE(3)流形上姿态分布的概率层，通过最小化预测与目标姿态分布的KL散度来学习2D-3D对应关系	未明确说明方法在极端遮挡或光照条件下的鲁棒性	解决单目RGB图像中3D物体姿态估计问题	3D物体姿态	计算机视觉	NA	深度学习	神经网络	RGB图像	NA	NA	可变形对应网络	姿态精度	NA
1587	2025-10-05	Deep Learning-Based Point Cloud Compression: An In-Depth Survey and Benchmark 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3594355 PMID:40742848	综述	本文系统综述了基于深度学习的点云压缩方法，包括数据集介绍、算法演进、基准测试分析和未来趋势展望	首次对深度学习点云压缩领域进行全面系统综述，并进行了广泛的基准测试比较分析	作为综述性文章，主要依赖现有文献分析，缺乏原创性算法提出	总结深度学习点云压缩的研究进展并指明未来研究方向	点云压缩算法、数据集和国际标准	计算机视觉	NA	深度学习	NA	点云数据	多个点云数据集	NA	NA	基准测试比较	NA
1588	2025-10-05	SEMI-CAVA: A Causal Variational Approach to Semi-Supervised Learning 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3594360 PMID:40742852	研究论文	提出一种结合因果推理和变分推断的半监督学习方法SEMI-CAVA	将Mixup策略解释为随机干预并引入一致性损失以促进潜在表示的一致性，为学习到的潜在表示与真实因果因子对齐提供理论保证	NA	开发用于半监督学习的因果生成模型	医学数据集和标准基准数据集(CIFAR10, CIFAR100, SVHN)	机器学习	NA	变分推断	生成模型	多模态医学数据，图像数据	NA	NA	NA	NA	NA
1589	2025-10-05	VLPose: Bridging the Domain Gap in Pose Estimation With Language-Vision Tuning 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3594097 PMID:40788797	研究论文	提出了一种名为VLPose的新框架，通过语言-视觉调优来解决姿态估计中的领域差距问题	利用语言模型的潜力增强传统姿态估计模型的适应性，通过语言和视觉的协同作用扩展姿态估计模型的泛化能力和鲁棒性	NA	通过高效的调优策略弥合自然场景和人工场景之间的领域差距	人体姿态估计	计算机视觉	NA	语言-视觉调优	NA	图像	HumanArt和MSCOCO数据集	NA	VLPose	准确率提升百分比	NA
1590	2025-10-05	Progress of MRI-based radiomics and deep learning for predicting the prognosis of locally advanced rectal cancer (Review) 2025-Nov, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15282 PMID:41040910	综述	回顾基于MRI的影像组学和深度学习在预测局部晚期直肠癌患者预后方面的最新进展	系统总结了多参数影像组学模型、Delta影像组学和深度学习模型在预测局部晚期直肠癌预后方面的性能提升	NA	改善局部晚期直肠癌患者的长期生存结果	接受新辅助放化疗的局部晚期直肠癌患者	数字病理	直肠癌	MRI影像组学, 深度学习	深度学习模型	MRI图像	NA	NA	NA	AUC, C-index	NA
1591	2025-10-05	An overview of the current situation and future development direction of grain detection: taking computer vision combined with deep learning 2025-Nov, Journal of food science and technology DOI:10.1007/s13197-025-06428-3 PMID:41041505	综述	本文综述了计算机视觉与深度学习在粮食检测领域的应用现状及未来发展方向	系统梳理了计算机视觉与深度学习在粮食质量检测中的结合应用，并探讨了未来发展趋势	NA	探讨计算机视觉与深度学习技术在粮食质量检测领域的应用现状和发展方向	粮食质量检测技术	计算机视觉	NA	计算机视觉，深度学习	NA	图像	NA	NA	NA	NA	NA
1592	2025-10-05	Applications of artificial intelligence and nanotechnology in vaccine development 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126096 PMID:40886810	综述	探讨人工智能和纳米技术在疫苗开发中的协同应用及其对传统疫苗研发局限性的突破	提出人工智能与纳米技术协同整合的创新范式，通过AI算法优化抗原设计结合纳米载体精准递送，实现个性化免疫策略开发	未提及具体临床转化挑战和规模化生产成本控制等实践性限制	推动疫苗研发技术革新以应对新发传染病和复杂疾病挑战	疫苗设计、递送系统和免疫优化策略	机器学习	传染病	基因组学、蛋白质组学、免疫组学数据分析	机器学习,深度学习	基因组数据,蛋白质组数据,免疫学数据	NA	NA	NA	NA	NA
1593	2025-10-05	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究开发了一种结合高光谱成像和深度学习技术的无标记纳米药物递送系统分类方法	首次将3D卷积神经网络与高光谱成像结合用于无标记脂质体分类，并采用SMOTE技术解决药物数据集中的类别不平衡问题	研究中未明确说明样本量的具体数值，且方法在更广泛的纳米颗粒类型上的适用性有待验证	开发无标记、非侵入性的纳米药物递送系统表征方法	治疗性脂质体（对照组和阿霉素负载脂质体）	计算机视觉	NA	高光谱成像，暗场成像	3D CNN	高光谱图像	NA	NA	3D CNN	准确率，F1分数，Cohen's Kappa	NA
1594	2025-10-05	Does Sequence Clustering Confound AlphaFold2? 2025-Nov-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169376 PMID:40780395	评论	本文回应了多篇论文对AF-Cluster方法的误解和错误结论，并进一步分析证实了局部进化耦合在AlphaFold2多构象预测中的重要作用	通过进一步分析证实局部进化耦合在AF-Cluster预测中的关键作用，反驳了相关文献中的错误主张	NA	澄清AlphaFold2多构象采样方法中的误解，解释深度学习模型预测结果的原理	蛋白质多构象状态预测方法	结构生物学	NA	深度学习	AlphaFold2	蛋白质序列	NA	NA	AlphaFold2	NA	NA
1595	2025-10-05	FoldExplorer: Fast and Accurate Protein Structure Search with Sequence-Enhanced Graph Embedding 2025-Nov-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169412 PMID:40889693	研究论文	提出一种名为FoldExplorer的新型深度学习方法，用于快速准确的蛋白质结构搜索	结合图注意力神经网络和蛋白质语言模型，联合编码结构和序列信息，生成专门用于蛋白质结构搜索的嵌入表示	NA	开发高效的蛋白质结构搜索方法以应对蛋白质结构数据库的指数级扩张	蛋白质结构	生物信息学	NA	图注意力神经网络，蛋白质语言模型	图神经网络	蛋白质结构数据，序列数据	NA	NA	图注意力神经网络	几何相似性搜索精度，分类准确率	NA
1596	2025-10-05	Comparative Study of a Variant Neural Relational Inference Deep Learning Model and Dynamical Network Analysis for p53-DNA Allosteric Interactions 2025-Nov-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169374 PMID:40769488	研究论文	本研究比较了改进的神经关系推理深度学习模型与动态网络分析在p53-DNA变构相互作用中的表现	通过集成Transformer的多头自注意力模块改进神经关系推理模型，首次系统比较深度学习与动态网络分析在蛋白质变构研究中的差异	研究主要针对p53-DNA系统，未验证在其他蛋白质体系中的普适性	比较不同计算方法在蛋白质变构相互作用研究中的性能差异	p53蛋白与DNA的变构相互作用，包括野生型和突变型p53	机器学习	NA	动态网络分析，深度学习	神经关系推理(NRI)，Transformer	蛋白质结构数据，分子动力学数据	野生型和突变型p53-DNA复合物	NA	改进的神经关系推理模型，多头自注意力机制	准确性，全面性	NA
1597	2025-10-05	Segmenting Whole-Body MRI and CT for Multiorgan Anatomic Structure Delineation 2025-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.240777 PMID:40767616	研究论文	开发并验证MRSegmentator深度学习模型，用于MRI和CT扫描的多器官分割	提出跨模态深度学习模型，能够同时处理MRI和CT数据，实现40个解剖结构的自动分割	较小结构的分割性能相对较低，如门静脉或脾静脉(0.64-0.78)、肾上腺(0.56-0.69)	开发用于全身MRI和CT多器官解剖结构分割的深度学习模型	人体多器官解剖结构，包括肺、心脏、肝脏、肾脏等40个结构	计算机视觉	NA	深度学习，跨模态迁移学习	深度学习模型	MRI图像，CT图像	训练数据：1200个UK Biobank Dixon MRI序列(50名参与者)，221个内部腹部MRI序列(177名患者)，1228个TotalSegmentator CT数据集扫描；测试数据：900个NAKO MRI序列(50名参与者)，60个Multi-Modality Abdominal Multi-Organ Segmentation Challenge 2022数据集MRI序列，29个TotalSegmentator MRI序列	NA	MRSegmentator	Dice相似系数(DSC)	NA
1598	2025-10-05	Hybrid deep learning framework for environmental microplastic classification: Integrating CNN-based spectral feature extraction and transformer models 2025-Nov-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126989 PMID:40816460	研究论文	提出一种结合CNN和Transformer的混合深度学习框架，用于环境微塑料的FTIR光谱分类	首次将CNN的局部光谱特征提取能力与Transformer的全局依赖建模能力相结合，形成互补优势的混合架构	未提及模型在极端环境条件下的表现验证	开发高精度的环境微塑料分类方法	来自土壤、空气、沉积物和水体基质的环境微塑料	机器学习	NA	傅里叶变换红外光谱(FTIR)	CNN, Transformer	光谱数据	包含17种聚合物类型的光谱数据集	NA	CNN-Transformer混合架构	准确率	NA
1599	2025-10-05	Surveillance of urban river environment by quantifying distributions of water quality parameters using hyperspectral remote sensing-based ripple propagation graph network 2025-Nov-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126875 PMID:40846259	研究论文	提出混合反馈涟漪网络（HF-RN）从无人机高光谱数据中反演水质参数浓度	集成深度学习、空间分布模式分析和概率统计分析，通过涟漪传播图网络增强采样区与未采样区的空间关联性	未明确说明模型对特定水质条件或地理环境的泛化能力	开发高效的城市河流水质监测方法	城市河流水质参数（总磷、总氮、化学需氧量、生化需氧量、叶绿素a、总悬浮固体）	环境遥感	NA	高光谱遥感	图神经网络	高光谱图像	实际监测数据集（未明确具体样本数量）	深度学习框架	混合反馈涟漪网络（HF-RN）	平均绝对百分比误差（MAPE）	NA
1600	2025-10-05	Interpreting spatiotemporal dynamics of Ulva prolifera blooms in the southern yellow sea using an attention-enhanced transformer framework 2025-Nov-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126999 PMID:40846261	研究论文	本研究开发了一种基于注意力增强Transformer的深度学习框架，用于解释和预测黄海南部浒苔暴发的时空动态	首次将多头自注意力机制的Transformer框架应用于浒苔暴发预测，能够动态捕捉空间依赖性并识别最优环境因子组合	研究区域仅限于黄海南部，模型在其他海域的适用性需要进一步验证	理解和预测浒苔暴发的复杂时空动态，为针对性防控提供科学依据	黄海南部的浒苔暴发现象	机器学习	NA	深度学习，时空数据分析	Transformer	海洋环境数据	NA	NA	Transformer with multi-head self-attention	MAE, MSE, R	NA