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	2026-01-01	Zero-shot deep learning for the annotation of unknown eDNA sequences using co-occurrences and phylogenetic embeddings 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013776 PMID:41417866	研究论文	本文提出一种零样本深度学习方法来注释未知环境DNA序列，结合物种共现数据和系统发育嵌入以提高分类注释的准确性	利用系统发育嵌入和物种共现数据，通过人工神经网络直接从原始序列预测未见物种，无需依赖完整参考数据库	方法在测试案例中对未见物种的正确预测率约为24%，仍有提升空间，且可能受数据质量和覆盖范围影响	开发自动化且改进的环境DNA序列分类注释方法，以应对大规模生物多样性监测中的数据处理挑战	环境DNA序列及其相关的物种参考数据库、物种共现数据和系统发育信息	机器学习	NA	环境DNA宏条形码技术	人工神经网络	DNA序列数据	超过31,000种可能性物种的测试案例	NA	人工神经网络	正确预测率	NA
462	2026-01-01	A novel computational analysis integrating social determinants information from EHR and literature with Alzheimer's disease biological knowledge through large language models and knowledge graphs 2025-Dec, Innovation in aging IF:4.9Q1 DOI:10.1093/geroni/igaf102 PMID:41458885	研究论文	本研究利用大语言模型和知识图谱整合电子健康记录与文献中的社会决定因素信息，结合阿尔茨海默病的生物学知识，通过图深度学习进行链接预测分析	首次将社会决定因素信息通过大语言模型和知识图谱整合到阿尔茨海默病的生物学研究中，并利用图深度学习进行链接预测，揭示了社会因素与生物因素之间的潜在相互作用	研究主要基于现有文献和电子健康记录数据，可能受数据质量和覆盖范围的限制，且验证依赖于单细胞RNA-seq和蛋白质组学数据，需进一步实验验证	探索社会决定因素对阿尔茨海默病风险的影响，并整合社会与生物学知识以提升疾病预测和干预策略	阿尔茨海默病及相关痴呆症患者的社会决定因素和生物学数据	自然语言处理, 机器学习	阿尔茨海默病	单细胞RNA-seq, 蛋白质组学	图深度学习	文本, 结构化数据	NA	NA	NA	准确率	NA
463	2026-01-01	Prediction of chronic obstructive pulmonary disease based on multimodal data and deep learning 2025-Dec, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0289414 PMID:41459345	研究论文	提出一种基于深度学习的多模态动态融合网络（MMDF-Net），用于整合胸部CT图像、肺功能指标和环境暴露数据，以提升慢性阻塞性肺疾病的早期预测性能	提出多模态动态融合网络，通过双塔跨模态对比学习模块对齐图像与非图像特征，使用条件生成对抗网络生成高保真环境暴露数据，并采用动态门控融合机制根据患者属性自适应调整多模态权重	未明确说明模型在其他独立数据集上的泛化能力验证情况，也未讨论计算复杂度或临床部署可行性	解决慢性阻塞性肺疾病早期预测中多模态信息利用不足、模态异质性和数据缺失导致的模型泛化能力差的问题	慢性阻塞性肺疾病患者的多模态医疗数据	数字病理学	慢性阻塞性肺疾病	胸部CT成像、肺功能检测、环境暴露数据采集	深度学习, 生成对抗网络	图像, 结构化数据	COPD Gene数据集（具体样本量未说明）	未明确说明	双塔跨模态对比学习模块, 条件生成对抗网络, 动态门控融合机制	AUC, 敏感性, 特异性	未明确说明
464	2025-12-31	Enhanced Informer Network for Stress Recognition and Classification via Spatial and Channel Attention Mechanisms 2025-Dec-31, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500036 PMID:41467573	研究论文	本文提出了一种基于深度学习的增强型Informer网络，通过集成空间和通道注意力机制，用于心理压力的识别与分类	设计了专门的空间注意力机制来优先处理时间敏感的生理信号片段，并利用通道注意力机制动态加权与压力相关的互补特征，从而精确捕捉细微的压力相关模式	仅在单一公开数据集上进行了实验验证，未在更多样化的数据集或真实场景中进行广泛测试	开发一种有效的心理压力自动检测技术	职业环境中的心理压力	机器学习	NA	深度学习	Informer	生理信号	NA	NA	Informer	准确率, 召回率, F1分数	NA
465	2025-12-31	DUDE: deep unsupervised domain adaptation using variable nEighbors for physiological time series analysis 2025-Dec-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2231 PMID:41265030	研究论文	提出了一种名为DUDE的深度无监督域适应框架，用于处理生理时间序列分析中的分布偏移问题	引入了一种基于动态邻居选择策略的新型对比损失，根据潜在空间密度自适应确定每个样本的邻居数量	未明确说明模型在极端分布偏移或小样本目标域下的性能限制	解决生理信号分析中源域和目标域分布不完全重叠时的域适应挑战	连续生理信号，如心电图或血氧饱和度数据	机器学习	NA	深度无监督域适应	深度学习	时间序列数据	多个真实世界数据集，涉及不同人口统计、种族、地理和共病条件	NA	DUDE	与基线比较的性能提升百分比	NA
466	2025-12-31	RSR-MSI: Reference-Based Super-Resolution for Mass Spectrometry Imaging of Tissues and Single Cells 2025-Dec-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05933 PMID:41308162	研究论文	提出一种基于参考图像的超分辨率方法（RSR-MSI），利用光学显微镜图像作为参考帧，结合原始质谱成像的离子强度数据，从单张低分辨率质谱图像重建高分辨率图像	首次将基于参考图像的超分辨率方法应用于单细胞质谱成像领域，仅需单张低分辨率质谱图像和参考光学图像即可实现亚细胞级分辨率重建，无需大规模训练数据集或配对图像	未明确说明方法对特定组织类型或细胞状态的适用性限制，也未讨论参考图像与质谱图像配准误差对重建结果的影响	开发高空间分辨率、高通量的质谱成像方法，减少数据采集时间	生物组织和单细胞	计算成像	NA	质谱成像（MSI），光学显微镜	深度学习超分辨率网络	质谱图像，光学显微镜图像	NA	NA	NA	NA	NA
467	2025-12-31	Lightweight residual graph augmented transformer for cassava leaf disease recognition using spectral directional features 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33748-3 PMID:41461849	研究论文	本文提出了一种轻量级残差图增强的图-Transformer网络（Lite-RGA-GTNet），用于基于光谱方向特征的木薯叶病害识别	引入了轻量级残差图增强的图-Transformer网络，结合光谱方向预处理和渐进式令牌剪枝，以联合捕获精细病变纹理和长距离空间关系	未明确提及模型在更广泛环境条件或不同作物病害上的泛化能力	开发一种轻量级深度学习模型，用于木薯叶病害的实时识别，以支持可持续农业实践	木薯叶图像，包括健康和病害样本	计算机视觉	木薯叶病害	光谱方向预处理（包括方向梯度和植被指数图）	图-Transformer网络	图像	基准木薯叶图像数据集，包含五类样本（健康及病害）	NA	Lite-RGA-GTNet（轻量级残差图增强的图-Transformer网络）	准确率, 精确率, 召回率, F1分数	NA
468	2025-12-31	Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations 2025-Dec-30, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001333 PMID:41462401	研究论文	本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较	开发了基于复合图像输入的深度学习模型，在检测桶柄状半月板撕裂方面表现优于骨科医生	研究样本主要来自单一机构，外部验证集规模较小，可能影响模型的泛化能力	评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的诊断性能	膝关节X光片（包括前后位和侧位视图）	计算机视觉	骨科疾病	X光成像	CNN	图像	来自406名本院患者和90名外部医院患者的膝关节X光片	NA	NA	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值, 精确率, F1分数	NA
469	2025-12-31	Diagnostic accuracy of artificial intelligence-based deep learning models in detecting furcation involvement: A systematic review and meta-analysis 2025-Dec-30, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70055 PMID:41466554	系统综述与荟萃分析	本文系统综述并荟萃分析了基于人工智能的深度学习模型在检测牙根分叉病变方面的诊断准确性	首次对深度学习模型在牙科影像中检测牙根分叉病变的诊断性能进行了系统性的定量评估和荟萃分析	纳入研究数量有限（8项），需要更大、更多样化的数据集来减少假阳性并实现安全的临床整合	系统评估深度学习模型在牙科影像中检测牙根分叉病变的诊断潜力	牙科影像（根尖片、全景片、锥形束CT）中的磨牙及其牙根分叉病变	数字病理学	牙周病	牙科影像学（根尖片、全景片、锥形束CT）	深度学习模型	影像	7814张影像，涉及12373颗磨牙	NA	NA	灵敏度，特异度，F1分数，曲线下面积，诊断比值比	NA
470	2025-12-31	A hybrid model for structured illumination microscopy reconstruction using attention mechanism and deep Laplacian pyramid network with Fourier loss 2025-Dec-30, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70057 PMID:41467734	研究论文	提出一种结合注意力机制和深度拉普拉斯金字塔网络的混合模型，用于结构光照明显微镜图像的超分辨率重建	提出Att-SIM-LapSRN混合深度学习框架，首次将注意力U-Net与拉普拉斯金字塔超分辨率网络结合，并引入基于FFT的损失函数，以解决SIM重建中的伪影、噪声和高频细节丢失问题	未提及模型在极低信噪比或极端光照条件下的鲁棒性，也未讨论计算复杂度和实时处理能力	提升结构光照明显微镜在低光条件下的超分辨率成像质量，减少重建伪影并增强高频细节	生物样本的超分辨率显微图像	计算机视觉	NA	结构光照明显微镜	深度学习, 混合模型	图像	使用BioSR数据集（具体样本数量未说明）	未明确说明（可能为PyTorch或TensorFlow）	Attention U-Net, Laplacian pyramid super-resolution network	PSNR, SSIM, 感知质量指标	NA
471	2025-12-31	Explainable deep learning for predicting HER-2 expression in breast cancer: a multicenter study 2025-Dec-30, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251392501 PMID:41468007	研究论文	本研究开发了一个可解释的深度学习成像框架，用于术前无创预测乳腺癌HER-2表达	结合了基于ResNet的深度学习模型与临床预测因子，构建了一个可解释的、用于无创预测HER-2表达的联合预测框架	回顾性研究，样本量有限（450例），且依赖于多中心数据的一致性	开发一个可解释的深度学习框架，用于术前无创预测乳腺癌HER-2表达，以指导治疗决策	450例经病理证实HER-2状态的乳腺癌患者的磁共振成像数据和临床记录	数字病理	乳腺癌	磁共振成像	深度学习, 机器学习	图像, 临床记录	450例患者（来自四个医疗中心）	NA	ResNet	AUC	NA
472	2025-12-31	AI-driven molecular modeling and design: from property prediction to drug generation 2025-Dec-29, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00745-7 PMID:41460590	研究论文	本文提出了一种名为ME&PP-MG&RC的深度学习框架，用于分子建模与设计，包括属性预测和药物生成	整合了分子编码与属性预测（ME&PP）以及分子生成与真实性分类（MG&RC）组件，提供统一的分子设计管道，实现了精确属性预测、新分子生成和真实性验证	未明确提及模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算成本或实际应用中的潜在挑战	通过深度学习技术推进计算分子设计和药物发现，实现自动化药物候选物识别	分子化合物，特别是针对QM9和ZINC数据集中的分子	机器学习	NA	深度学习，图神经网络	图神经网络	分子结构数据	涉及QM9和ZINC数据集，但未指定具体样本数量	未明确指定，可能为PyTorch或TensorFlow	未指定具体架构，但基于图神经网络模型	平均绝对误差	NA
473	2025-12-31	Interpretable machine learning algorithms for diagnostic prediction of diabetic retinopathy 2025-Dec-29, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251410736 PMID:41460717	研究论文	本研究提出了一种新颖、标准化且可解释的机器学习框架，旨在提高糖尿病视网膜病变风险预测的诊断效率和准确性	采用动态加权投票集成方法，并结合SHAP进行可解释性分析，以增强模型的临床可信度	未明确提及研究的局限性	开发一种高精度且可解释的机器学习框架，用于糖尿病视网膜病变的诊断预测	糖尿病患者的临床数据	机器学习	糖尿病视网膜病变	机器学习算法	LightGBM, CatBoost, Extreme Random Tree, 集成模型	临床特征数据	未明确提及具体样本数量	未明确提及具体框架	动态加权投票集成	准确率, 灵敏度, AUC	未明确提及计算资源
474	2025-12-31	A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images 2025-Dec-29, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70110 PMID:41460794	研究论文	本文提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案	针对不完美细胞结构图像，结合图像增强与无需额外训练的Cellpose预训练模型，显著提升了分割精度	NA	开发一种高效且高精度的细胞分割方法，以支持细胞形态学分析和疾病诊断	不完美的细胞结构图像	数字病理学	NA	细胞图像增强，深度学习分割	CNN	图像	NA	NA	Cellpose	IoU, ACC, MCC, Dice	NA
475	2025-12-31	A Fully Automated Multistage Deep Learning System for Lenke Classification: Enhanced Diagnostic Precision in Adolescent Idiopathic Scoliosis 2025-Dec-29, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.01015 PMID:41460944	研究论文	本研究开发并验证了一个用于青少年特发性脊柱侧凸Lenke分型的全自动多阶段深度学习系统	首次提出一个集成了椎骨分割、腰椎椎弓根定位和特征融合模块的全自动端到端Lenke分型系统，实现了高精度的客观分类	研究为回顾性设计，样本主要来自汉族人群，外部验证的普适性有待进一步研究	开发一个自动化系统以减少青少年特发性脊柱侧凸Lenke分型的主观性和观察者间差异	青少年特发性脊柱侧凸患者和健康对照者的全脊柱X光片	数字病理学	青少年特发性脊柱侧凸	X光成像	深度学习	医学影像	650名个体（467名AIS患者，183名健康对照）	NA	Swin-Unet, DeepLabv3+	准确率, F1分数, Dice系数, 组内相关系数	NA
476	2025-12-31	Dynamic graph neural network-based framework to increase detection accuracy in SDN under DDOS 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32102-x PMID:41461853	研究论文	提出了一种基于动态图神经网络的框架GCTNetwork，用于实时检测软件定义网络中的DDoS攻击	提出了一种创新的动态图神经网络框架，结合了门控卷积时序层、边缘感知LSTM和图注意力层，以集成分析节点-边缘特征、建模时序依赖并强调关键通信路径	未明确提及，但可能包括对特定SDN数据集或环境的依赖，以及动态攻击模式适应性的进一步验证需求	提高软件定义网络（SDN）中分布式拒绝服务（DDoS）攻击的检测精度	软件定义网络（SDN）中的DDoS攻击	机器学习	NA	动态图神经网络（DGNN）	GNN, LSTM, GAT	网络流量数据（图结构数据）	使用SDN数据集，具体样本数量未明确说明	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	GCTNetwork（包含Gated Convolutional Temporal层、Edge-Aware LSTM、Graph Attention Layer）	准确率, F1分数, 误报指数（FAI）	未明确说明
477	2025-12-31	Deep learning denoising enables rapid SEM imaging under charging conditions for FE SEM, CD SEM, and review SEM 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33273-3 PMID:41461855	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
478	2025-12-31	A painting art rendering system by deep learning framework and machine translation 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34058-4 PMID:41461861	研究论文	本研究提出了一种基于深度学习和机器翻译的绘画艺术渲染系统，旨在解决民族大学绘画教学中技术传承、跨语言障碍和个性化不足等问题	提出了一种集成了“技术传承-风格渲染-文化解读-个性化指导”的协作教学框架，引入了改进的生成对抗网络实现八种民族绘画风格的自动渲染，以及视觉上下文Transformer实现跨民族语言的绘画术语语义映射	NA	为民族绘画技术的数字化保存和跨文化交流提供一种实用的方法	民族绘画艺术作品和跨民族语言的绘画术语	计算机视觉, 自然语言处理	NA	深度学习, 机器翻译	生成对抗网络, Transformer	图像, 文本	包含12,000件艺术作品和5,000条术语条目的多模态数据集	NA	生成对抗网络, Transformer	F1分数, 语义匹配率	NA
479	2025-12-31	Explainable fusion of EfficientNetB0 and ResNet50 for liver fibrosis staging in ultrasound imaging 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33544-z PMID:41461883	研究论文	本文提出了一种结合EfficientNetB0和ResNet50的多流深度学习架构，用于超声成像中的肝纤维化分期	提出了一种特征级融合的多流深度学习架构，结合了EfficientNetB0和ResNet50模型，并采用了先进的归一化/正则化技术	NA	开发一种用于肝纤维化分期的深度学习模型，以辅助临床诊断和治疗决策	超声成像中的肝纤维化分期	计算机视觉	肝纤维化	超声成像	CNN	图像	NA	NA	EfficientNetB0, ResNet50	准确率, 损失值	NA
480	2025-12-31	Improving sign Language recognition system for assisting deaf and dumb people using pathfinder algorithm with representation learning model 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34283-x PMID:41461898	研究论文	本文提出了一种基于Pathfinder算法和表示学习模型的新型手语识别系统，旨在提高系统的鲁棒性、准确性和实际应用效果	整合了Pathfinder算法优化策略与SE-DenseNet特征提取模型，结合Elman神经网络进行分类，并通过PFA进行参数调优，提升了手语识别的性能	NA	提高手语识别系统的准确性和鲁棒性，以辅助聋哑人士进行有效沟通	美国手语数据集中的手语图像	计算机视觉	NA	高斯滤波, SE-DenseNet特征提取, Elman神经网络分类, Pathfinder算法优化	ENN, DenseNet	图像	NA	NA	SE-DenseNet, Elman神经网络	准确率	NA