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
161	2025-12-28	A hybrid model combining 1D-CNN and BERT for intelligent ECG arrhythmia classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28023-4 PMID:41266734	研究论文	提出一种结合1D-CNN和BERT的混合模型ECGBert，用于智能心电图心律失常分类	首次将1D-CNN的局部特征提取能力与BERT的全局上下文建模优势结合，通过Transformer机制捕获异常心跳间的长程依赖关系，无需手工特征且保持端到端学习结构	仅基于MIT-BIH心律失常数据库进行实验，未在其他数据集或临床环境中验证泛化能力	开发智能算法以实现心电图心律失常的自动准确分类	心电图信号中的不同类型心律失常	机器学习	心血管疾病	心电图信号处理	CNN, BERT	信号数据	MIT-BIH心律失常数据库中的样本	NA	1D-CNN, BERT	多个评估指标	NA
162	2025-12-28	Contrasting low- and high-resolution features for HER2 scoring using deep learning 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100529 PMID:41446275	研究论文	本研究利用深度学习技术，通过对比低分辨率和高分辨率特征，自动化乳腺癌HER2免疫组化三分类评分	提出使用端到端的ConvNeXt网络处理低分辨率IHC图像，在HER2三分类任务中实现了比基于patch的方法更高的F1分数	在区分HER2-0和HER2-low病例方面仍存在挑战，类间F1分数差异明显	自动化乳腺癌HER2免疫组化三分类评分，以提高分类准确性和可重复性	乳腺癌患者的HER2免疫组化切片	数字病理学	乳腺癌	免疫组化	CNN	图像	500名患者的HER2 IHC切片	NA	ConvNeXt	F1-score	NA
163	2025-12-27	[Research on Demand Prediction for Coronary Stents Based on Deep Learning] 2025-Nov-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250318 PMID:41448929	研究论文	本研究基于深度学习模型预测冠状动脉支架需求，以优化供应计划并提高使用效率	首次将Transformer模型应用于冠状动脉支架需求预测任务，并验证其在特征提取和模式识别方面的优越性	研究仅基于单家大型三甲医院的数据，可能缺乏普适性；数据时间范围有限（2022年1月至2024年8月）	预测冠状动脉支架需求，优化医院库存管理，确保支架供应与使用效率	冠状动脉支架的集中采购数据	机器学习	心血管疾病	NA	Transformer, 其他深度学习模型	时间序列数据	一家大型三甲医院2022年1月至2024年8月的冠状动脉支架集中采购数据	NA	Transformer	MSE, 预测需求评估指标体系	NA
164	2025-12-27	Explainable OptiCNN-SLSTM hybrid model for enhanced lithium-ion battery state of health prediction 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28091-6 PMID:41318802	研究论文	本文提出了一种名为OptiCNN-SLSTM的混合深度学习框架，用于准确预测锂离子电池的健康状态	结合了1D CNN进行时序特征压缩和状态保持的LSTM以捕获样本内和样本间的依赖关系，并采用两步超参数优化过程	未明确说明模型在更广泛电池类型或极端工况下的泛化能力	提高锂离子电池健康状态预测的准确性，以改善电动汽车性能和充电策略	锂离子电池	机器学习	NA	NA	CNN, LSTM	时序数据	NASA数据集、牛津数据集和真实世界电动汽车E-kart电池数据集	NA	1D CNN, Stacked LSTM	RMSE, MSE, MAE	NA
165	2025-12-27	Capturing atomic wetting dynamics in real time 2025-Nov-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66416-1 PMID:41315237	研究论文	本文通过原位原子分辨率透射电子显微镜结合深度学习卷积神经网络，实时捕捉了碳纳米管内金属纳米线生长的原子级润湿动力学过程	揭示了纳米线生长的两阶段机制：曲率驱动成核和毛细作用驱动伸长，并建立了预测性框架，将纳米级润湿动力学与先进纳米材料制备联系起来	研究仅限于多壁碳纳米管内的SnO纳米线生长，未涵盖其他材料或更广泛的润湿条件	研究纳米尺度下原子级润湿动力学，特别是在受限环境中的金属纳米线生长机制	多壁碳纳米管内的金属纳米线生长过程	材料科学	NA	原位原子分辨率透射电子显微镜，深度学习卷积神经网络	CNN	图像	NA	NA	卷积神经网络	NA	NA
166	2025-12-27	AdaptPest-Net: A Task-Adaptive Network with Graph-Mamba Fusion for Multi-Scale Agricultural Pest Recognition 2025-Nov-28, Entropy (Basel, Switzerland) DOI:10.3390/e27121211 PMID:41440414	研究论文	本文提出了一种名为AdaptPest-Net的任务自适应网络，用于多尺度农业害虫识别	提出了三个关键创新：基于样本难度的动态路由、图卷积与Mamba状态空间模型的融合、以及双向跨模态注意力机制，以实现计算效率与特征关系建模的平衡	NA	提高农业害虫分类的准确性和计算效率	农业害虫图像	计算机视觉	NA	深度学习	CNN, GCN, Mamba	图像	IP102和D0数据集	NA	AdaptPest-Net	准确率	NA
167	2025-12-27	Lightweight 3D CNN for MRI Analysis in Alzheimer's Disease: Balancing Accuracy and Efficiency 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120426 PMID:41440565	研究论文	本文提出了一种用于阿尔茨海默病MRI分析的轻量级3D CNN框架，旨在平衡诊断准确性与计算效率	提出了一种集成自适应多尺度特征提取、结构剪枝和参数优化的轻量级MRI分类框架，显著降低了模型复杂度和资源消耗	仅使用了ADNI数据集进行评估，未在其他独立数据集上验证模型的泛化能力	开发一种计算效率高且诊断性能优异的深度学习模型，用于阿尔茨海默病的早期检测	阿尔茨海默病患者的大脑MRI扫描图像	数字病理学	阿尔茨海默病	MRI扫描	CNN	图像	阿尔茨海默病神经影像学倡议数据集	NA	3D CNN	准确率, 性能密度	NA
168	2025-12-27	SegClarity: An Attribution-Based XAI Workflow for Evaluating Historical Document Layout Models 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120424 PMID:41440566	研究论文	本文提出了一种名为SegClarity的基于归因的可解释人工智能工作流，用于评估历史文档布局模型的解释性	提出了一种结合视觉和定量评估的新型工作流，并引入了归因一致性分数作为新的可解释性度量指标	未明确说明工作流在其他类型文档或更复杂场景下的适用性限制	提高历史文档语义分割模型的可解释性和可靠性	历史文档图像	计算机视觉	NA	语义分割，可解释人工智能	U-Net	图像	两个历史文档图像数据集	未明确说明	U-Net	归因一致性分数，其他五种XAI评估指标	NA
169	2025-12-27	Transformer and Pre-Transformer Model-Based Sentiment Prediction with Various Embeddings: A Case Study on Amazon Reviews 2025-Nov-27, Entropy (Basel, Switzerland) DOI:10.3390/e27121202 PMID:41440405	研究论文	本研究对亚马逊评论数据集进行了全面的情感分类模型比较评估，涵盖传统机器学习、Transformer前深度学习及Transformer模型，并分析了不同嵌入方法的性能	提出了一个可扩展的、考虑熵感知的评估框架，结合了定量比较和系统性的误分类样本定性分析，以揭示模型特定的不确定性模式，并采用资源感知方法模拟真实硬件限制	研究主要基于亚马逊特定产品类别（杂志订阅和礼品卡）的评论，可能无法完全推广到其他领域或更广泛的语言变体	比较不同范式的情感分类模型及嵌入方法的性能，为实际应用提供基于上下文感知的模型选择指导	亚马逊评论数据（Magazine Subscriptions 2023数据集和Gift Card Reviews数据集）	自然语言处理	NA	情感分析	传统机器学习模型, LSTM, Transformer	文本	初始25K条评论，后缩减至20K条以模拟资源限制	NA	BERT, DistilBERT, LSTM	准确率, 精确率, 召回率, F1分数, 分类交叉熵	NA
170	2025-12-27	A Masi-Entropy Image Thresholding Based on Long-Range Correlation 2025-Nov-27, Entropy (Basel, Switzerland) DOI:10.3390/e27121203 PMID:41440406	研究论文	本文提出了一种基于Masi熵和长程相关性的图像阈值分割方法，改进了现有Tsallis和Shannon熵技术	使用Masi熵替代Tsallis熵来捕捉长程相互作用，并结合模拟退火算法进行参数优化，提升了分割性能	方法依赖于熵参数，需通过优化算法调整，可能增加计算复杂度	改进图像阈值分割技术，提高在多种图像类型上的分割准确性	红外图像、无损检测图像以及BSDS500数据集的RGB图像	计算机视觉	NA	图像阈值分割	支持向量机	图像	BSDS500数据集中的图像	NA	核支持向量机	分割准确性	NA
171	2025-12-27	The Influence of Hobby Engagement on Cognitive Function Among Older Adults: A Population-Based Cohort Study Using Statistical Analysis and Machine Learning Predictions 2025-Nov-27, Neurology international IF:3.2Q2 DOI:10.3390/neurolint17120192 PMID:41441211	研究论文	本研究探讨了兴趣爱好参与对老年人认知功能的影响，通过统计分析和机器学习预测方法，发现兴趣爱好参与与较低的持续低认知功能轨迹风险相关	采用多方法分析策略，结合传统统计模型（如线性回归、混合效应模型）与机器学习算法（包括梯度提升回归器），并应用基于组的轨迹建模识别异质性认知亚组，以全面评估兴趣爱好与认知功能的关联及预测性能	研究为观察性设计，无法确立因果关系；认知功能测量可能受自我报告偏差影响；样本主要来自英国社区居住的老年人，可能限制结果的普遍性	评估兴趣爱好参与与老年人认知功能之间的关联，并探索其作为保护性因素对认知健康轨迹的影响	50岁及以上的社区居住老年人	机器学习	老年疾病	NA	梯度提升回归器	纵向队列数据	6854名参与者	Scikit-learn	NA	RMSE, R2	NA
172	2025-12-27	A Lightweight Cross-Gated Dual-Branch Attention Network for Colon and Lung Cancer Diagnosis from Histopathological Images 2025-Nov-26, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci13040286 PMID:41440518	研究论文	本文提出了一种轻量级交叉门控双分支注意力网络，用于从组织病理学图像中诊断结肠癌和肺癌	通过交叉门控融合机制集成EfficientNetV2-B0和MobileNetV3-Small骨干网络，自适应平衡全局上下文和精细结构细节，无需外部特征提取或优化阶段	未提及具体局限性	开发一种端到端的双分支注意力网络，以实现高精度、计算效率和透明度的组织病理学分类	结肠和肺癌的组织病理学图像	数字病理学	肺癌, 结肠癌	NA	CNN	图像	NA	NA	EfficientNetV2-B0, MobileNetV3-Small	准确率, 精确率, 召回率, F1分数, MCC	NA
173	2025-12-27	A Deep Learning Approach for Microplastic Segmentation in Microscopic Images 2025-Nov-25, Toxics IF:3.9Q1 DOI:10.3390/toxics13121018 PMID:41441239	研究论文	本文提出了一种用于显微图像中微塑料分割和形态学表征的深度学习模型	开发了MNv4-Conv-M-fpn模型，结合迁移学习、特征金字塔网络和特征融合模块，实现了高精度、高效率的微塑料多类别分割	未明确说明模型在极端环境样本或不同成像条件下的泛化能力	解决微塑料形态学表征的测量瓶颈，为环境风险评估提供高精度工具	显微图像中的微塑料颗粒	计算机视觉	NA	显微成像	深度学习	图像	未明确说明具体样本数量，但提及使用了多样化数据集	未明确说明	MNv4-Conv-M-fpn, Feature Pyramid Network, Feature Fusion Module	准确性, 计算效率, 推理速度	未明确说明
174	2025-12-27	Deep learning enabled rapid detection of live bacteria in the presence of food debris 2025-Nov-21, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00636-z PMID:41271775	研究论文	本研究开发了一种基于深度学习的策略，利用白光显微镜图像快速检测和分类活细菌，即使在存在形态相似食物残渣的情况下也能实现	结合ResNet50与区域提议网络，首次实现在复杂食物基质中快速（3小时内）且高精度地检测活细菌，同时有效区分细菌与食物残渣	研究仅针对三种特定细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）和三种食物残渣（鸡肉、菠菜、奶酪）进行验证，可能无法泛化到其他细菌或食物类型	开发一种快速、准确且成本效益高的活细菌检测方法，以应对食品安全中的病原体污染问题	活细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）及食物残渣（鸡肉、菠菜、奶酪）	计算机视觉	NA	白光显微镜成像	CNN	图像	涉及三种细菌和三种食物残渣的微菌落图像数据集	NA	ResNet50, Region Proposal Network	精确度, 召回率, 假阳性率	NA
175	2025-12-27	Degrees of uncertainty: conformal deep learning for non-invasive core body temperature prediction in extreme environments 2025-Nov-20, Communications engineering DOI:10.1038/s44172-025-00548-6 PMID:41266785	研究论文	本文介绍了一种结合深度学习与保形预测的框架，用于在极端环境中进行非侵入性核心体温预测，并提供校准的不确定性估计	首次将保形预测与深度学习结合，为实时非侵入性核心体温预测提供统计校准的不确定性估计，显著提升了概率准确性	研究主要针对热应激环境，在其他极端环境或疾病条件下的适用性尚需进一步验证	开发一种具有校准不确定性的实时非侵入性核心体温预测方法，以支持安全关键的生理监测	核心体温预测，特别是在高风险热应激环境下的应用	机器学习	NA	深度学习, 保形预测	深度学习模型	生理测量数据, 人口统计学数据, 环境数据	超过140,000个生理测量数据，涵盖六个操作领域	NA	NA	测试误差, 校准概率准确性, 预测区间	NA
176	2025-12-26	On the public dissemination and open sourcing of ultrasound resources, datasets and deep learning models 2025-Nov-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02162-4 PMID:41286495	研究论文	本文评估了公开可用的超声数据集和深度学习模型，并提出了质量评分系统SonoDQS和SonoMQS	提出了原创的超声数据集质量评分SonoDQS和模型质量评分SonoMQS，系统性地分类和评估了公开资源	未提及具体的技术实施细节或模型性能验证，主要侧重于资源调查和评估	提高超声数据在医学影像机器学习研究中的利用率，促进公开资源的传播和使用	公开的超声数据集和深度学习模型	医学影像	NA	超声成像	深度学习模型	超声图像	72个公开超声数据集和56个开源模型	NA	NA	SonoDQS, SonoMQS	NA
177	2025-11-24	Deep Learning for Automatic Detection of Aortic Dissection on Non-contrast Computed Tomography 2025-Nov-21, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2025.09.072 PMID:41274488	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
178	2025-12-26	MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits 2025-Nov-19, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101620 PMID:41267404	研究论文	提出了一种名为MeNet的混合效应深度神经网络，用于多环境下的农艺性状基因组预测	将混合效应模型的统计严谨性与神经网络的非线性建模能力统一起来，通过双嵌入和自适应学习遗传复杂性来动态调整随机效应和固定效应的贡献，能够直接利用基因组变异而不需降维，并能在仅使用10%田间样本进行训练的情况下进行跨环境预测	未明确说明模型在更广泛作物或极端环境条件下的泛化能力，以及计算效率的具体分析	提高多环境下农艺性状基因组预测的准确性和可解释性	水稻、小麦和玉米的农艺性状	机器学习	NA	基因组预测	深度神经网络	基因组数据	三个数据集，包括12个水稻性状（三个环境）、小麦籽粒产量（四个环境）和三个玉米性状	NA	MeNet（混合效应深度神经网络）	NA	NA
179	2025-12-26	Component puzzle protein-protein interaction prediction 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf685 PMID:41428392	研究论文	本文提出了一种名为C3PI的新型基于序列的深度学习框架，用于预测蛋白质-蛋白质相互作用	引入了包含puzzler和entangler两种新颖组件的复杂架构，首次在无数据泄露的金标准数据集上实现了显著优于随机预测的性能	未明确说明模型在特定蛋白质类型或复杂相互作用场景下的局限性	提高蛋白质-蛋白质相互作用预测的准确性和可靠性	蛋白质序列及其相互作用	生物信息学	NA	蛋白质嵌入（ProtT5）	深度学习	蛋白质序列数据	多个数据集（具体数量未在摘要中说明）	NA	包含puzzler和entangler组件的定制架构	AUPRC, AUROC	NA
180	2025-12-26	Structure-enhanced deep learning accelerates aptamer selection for small molecule families like steroids 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf680 PMID:41428391	研究论文	本文提出了一种名为DL-SELEX的两步深度学习框架，通过变分自编码器加速和优化小分子家族（如类固醇）的适配体选择	首次将深度学习整合到SELEX工作流中，利用AptaVAE和AptaClux两个VAE模型，基于分子家族的结构共性设计初始适配体库并从NGS数据中识别高性能候选物	NA	加速和优化小分子家族（如类固醇）的高亲和力适配体发现	小分子家族（如类固醇），具体以氢化可的松和睾酮为例	机器学习	NA	SELEX, NGS	VAE	序列数据	NA	NA	AptaVAE, AptaClux	亲和力提升倍数, SELEX迭代减少百分比	NA