深度学习在生物医药领域中的应用

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
61	2025-08-12	Deep learning with ensemble-based hybrid AI model for bipolar and unipolar depression detection using demographic and behavioral based on time-series data 2025-12, Dialogues in clinical neuroscience DOI:10.1080/19585969.2025.2524337 PMID:40588165	research paper	该研究提出了一种基于深度学习和集成学习的混合AI模型，用于通过人口统计和行为时间序列数据检测双相和单相抑郁症	结合了结构化人口统计特征与合成活动图时间序列数据，采用XGBoost集成和深度CNN进行建模，提高了分类性能和预测准确性	尚未经过临床验证，仅作为未来真实世界数据集研究的方法学基础	开发自动化检测双相和单相抑郁症的方法	双相和单相抑郁症患者	machine learning	geriatric disease	XGBoost, CNN, SHAP, Grad-CAM	hybrid AI model (XGBoost + CNN)	time-series data, demographic data	NA
62	2025-08-11	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	该研究开发了一种基于深度学习的两阶段级联网络，用于在多中心非增强CT图像中自动识别肾上腺偶发瘤	首次提出使用两阶段级联网络（3D Res-Unet分割网络+分类器）实现肾上腺偶发瘤的自动识别，并在多中心数据上验证了模型性能	研究为回顾性设计，未在外部独立验证集上测试模型泛化能力	开发自动识别肾上腺偶发瘤的AI系统以辅助肾上腺疾病管理	肾上腺偶发瘤患者的非增强CT图像	数字病理	肾上腺疾病	深度学习	3D Res-Unet + 分类器的级联网络	CT图像	778例患者（443例训练/验证集，335例测试集）
63	2025-08-06	A multi-model deep learning approach for human emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10304-3 PMID:40761311	研究论文	本文提出了一种名为音频、视觉和文本情感融合网络的新框架，用于高效整合语音、面部和文本等多种模态的情感识别	提出了一种基于注意力机制的多模态融合方法，结合了Graph Attention Network-based Transformer Network、Hybrid Wav2Vec 2.0和CNN以及BERT与BiGRU，显著提升了情感识别的准确率	未提及模型在跨文化和不同语言环境下的泛化能力	提升多模态情感识别的准确性和效率	人类情感表达（语音、面部表情和文本）	自然语言处理	NA	Graph Attention Networks, Wav2Vec 2.0, CNN, BERT, BiGRU	多模型深度学习框架（包含Transformer、CNN和RNN）	多模态数据（音频、图像、文本）	NA
64	2025-08-05	An adaptive mechanism of improved heuristic algorithm and multiscale feature integration with residual GRU for emotion with mental health recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10302-5 PMID:40756004	研究论文	提出一种基于自适应深度学习模型的自动化系统，用于情感与心理健康识别	结合改进的启发式算法和多尺度特征融合的残差GRU模型，用于心理健康识别	未提及具体的数据集规模或实验环境的限制	通过自动化系统更精确地识别心理健康问题，以提供早期治疗建议	在线公开数据源中的文本数据	自然语言处理	心理健康疾病	BiLSTM-HA, TF-IDF, Glove嵌入, MFF-ARGRU, IRV-SOA	BiLSTM, GRU	文本	NA
65	2025-08-04	Deep learning approach with ConvNeXt-SE-attn model for in vitro oral squamous cell carcinoma and chemotherapy analysis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103519 PMID:40747534	研究论文	该论文提出了一种结合ConvNeXt-SE-attn模型的深度学习方法，用于体外口腔鳞状细胞癌（OSCC）和化疗分析	采用残差连接与Squeeze-and-Excitation块、混合注意力系统以及增强的激活函数和优化算法，提升特征提取中的梯度流动，相比传统CNN模型在多项指标上表现更优	未提及具体的数据集规模或外部验证结果，可能影响模型的泛化能力	提升口腔鳞状细胞癌的诊断精度和非侵入性治疗方法	口腔鳞状细胞癌（OSCC）的体外样本	数字病理学	口腔鳞状细胞癌	深度学习	ConvNeXt-SE-Attn（结合SE块和混合注意力的ConvNeXt主干网络）	图像	NA（未明确提及具体样本数）
66	2025-08-03	Deep-learning-based 3D content-based image retrieval system on chest HRCT: Performance assessment for interstitial lung diseases and usual interstitial pneumonia 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100670 PMID:40741449	研究论文	开发了一种基于深度学习的3D内容图像检索系统，用于评估间质性肺疾病和普通间质性肺炎的临床实用性	利用深度学习技术开发了一个原型系统，能够自动分析薄层全肺HRCT图像并在数据库中检索相似图像	样本量相对较小，且仅评估了视觉相似性和标签一致性	解决间质性肺疾病和普通间质性肺炎在CT影像上的鉴别难题	间质性肺疾病（ILDs）和普通间质性肺炎（UIP）患者	数字病理学	肺疾病	HRCT成像	深度学习	图像	2058例用于搜索性能评估，301例用于临床实用性评估
67	2025-08-03	Automated removal of corrupted tilts in cryo-electron tomography 2025-Dec, Journal of structural biology: X DOI:10.1016/j.yjsbx.2025.100130 PMID:40741136	研究论文	提出一种基于深度学习的自动化方法，用于去除冷冻电子断层扫描中的损坏倾斜图像	首次使用深度学习技术自动识别和去除冷冻电子断层扫描中的损坏倾斜图像，提高了数据处理的效率和一致性	研究仅基于435个标注的倾斜系列数据集，可能无法涵盖所有可能的损坏类型	提高冷冻电子断层扫描数据处理的自动化水平和数据质量	冷冻电子断层扫描中的倾斜图像	计算机视觉	NA	冷冻电子断层扫描(cryo-ET)	CNN, transformers	图像	435个标注的倾斜系列
68	2025-07-31	Comparative evaluation of four reconstruction techniques for prostate T2-weighted MRI: Sensitivity encoding, compressed sensing, deep learning, and super-resolution 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100671 PMID:40735490	研究论文	比较评估四种前列腺T2加权MRI重建技术的图像质量和病灶显着性	首次比较了四种重建技术（SENSE、CS、DL和SR）在前列腺T2加权MRI中的应用效果，并发现SR重建在图像质量和病灶显着性方面表现最佳	样本量较小（49例患者），且病灶显着性分析仅基于18例病理确诊的前列腺癌患者	评估和比较四种重建技术在前列腺T2加权MRI中的图像质量和病灶显着性	49例疑似前列腺癌患者的多参数或双参数MRI数据	数字病理	前列腺癌	MRI重建技术（SENSE、CS、DL、SR）	深度学习模型（DL、SR）	MRI图像	49例患者（其中18例病理确诊前列腺癌）
69	2025-07-31	Bridging spatiotemporal wildfire prediction and decision modeling using transformer networks and fuzzy inference systems 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103498 PMID:40735517	research paper	该研究提出了一种结合Transformer网络和模糊推理系统的时空野火预测与决策模型	将符号模糊推理与基于深度注意力的架构相结合，实现了高准确性和可解释性	未提及模型在极端环境条件下的适用性	开发准确且可解释的野火预测系统以支持实时决策	野火预测与响应策略	machine learning	NA	Transformer, Fuzzy Rule-Based System (FRBS)	Transformer, FRBS	卫星数据（Sentinel、ERA5、SRTM）、气候数据	加拿大火灾蔓延数据集（Canadian Fire Spread Dataset）
70	2025-07-29	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出了一种基于改进SqueezeNet模型的增强检测框架，用于检测IoT-Bot攻击	集成了改进的SqueezeNet模型、DCNN和优化的随机混合Lp层，以提高检测准确性并保持计算效率	未提及在更广泛或多样化数据集上的泛化能力	提高IoT环境中Botnet攻击的检测准确性和计算效率	IoT-Bot攻击	机器学习	NA	深度学习	SqueezeNet, DCNN, 随机混合Lp层	入侵检测数据集	大规模入侵检测数据集（具体数量未提及）
71	2025-07-24	QCAE-QOC-SVM: A hybrid quantum machine learning model for DoS and Fuzzy attack detection on autonomous vehicle CAN bus 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103471 PMID:40687355	研究论文	提出了一种混合量子机器学习模型QCAE-QOC-SVM，用于检测自动驾驶车辆CAN总线上的DoS和Fuzzy攻击	结合量子卷积自编码器(QCAE)和基于支持向量机的量子正交分类器(QOC-SVM)，利用量子计算能力进行精确异常检测	模型在特定批次大小比例(7741:31)下表现最佳，可能对其他比例适应性有限	提高自动驾驶车辆CAN总线的网络安全防御能力	自动驾驶车辆的CAN总线通信数据	量子机器学习	NA	量子机器学习(QML)	QCAE-QOC-SVM(量子卷积自编码器与量子正交分类器的混合模型)	CAN总线通信数据	300,000个实例(来自CARLA模拟器的公开和自定义数据集)
72	2025-07-23	Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34102 PMID:40443946	研究论文	本文提出了一种平台灵活的深度学习方法，用于减少光声成像中的光漂白效应，从而提高图像质量和实时可视化能力	引入了一种平台灵活的深度学习框架，能够从单激光脉冲数据中增强信噪比，无需多脉冲信号平均，从而减少光漂白效应	实验主要基于体外和离体样本，尚未在临床环境中进行大规模验证	解决分子光声成像中因光漂白导致的组织可视化问题，提高成像质量和临床决策支持	光声成像中的外源性染料	医学影像处理	NA	光声成像，深度学习	cGAN, U-Net	图像	体外和离体样本，包括ICG填充管的3D扫描实验
73	2025-07-23	AlphaBind, a domain-specific model to predict and optimize antibody-antigen binding affinity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2534626 PMID:40693434	研究论文	本文介绍了AlphaBind，一种特定领域的模型，用于预测和优化抗体-抗原结合亲和力	AlphaBind利用蛋白质语言模型嵌入和基于数百万抗体-抗原结合强度定量实验室测量的预训练，实现了在指导亲本抗体亲和力优化方面的最先进性能	仅针对四种亲本抗体进行了验证，且每种亲本抗体仅进行了一轮数据生成	通过深度学习预测和优化抗体序列，以设计具有最佳特性的抗体	抗体-抗原结合亲和力	机器学习	NA	深度学习	蛋白质语言模型	定量实验室测量数据	四种亲本抗体
74	2025-07-21	Predictive modeling of adolescent suicidal behavior using machine learning: Key features and algorithmic insights 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103454 PMID:40678447	综述	本文系统分析了28项关于应用机器学习技术早期检测自杀意念的研究	强调了现有研究在跨文化泛化方面的不足，并呼吁开发可解释和混合模型以提高风险预测	现有文献中缺乏对混合和集成深度学习模型的广泛分析	通过应用AI和机器学习技术实现自杀意念的早期检测	学生群体的自杀意念	机器学习	心理健康	机器学习	Random Forest, SVM, 深度学习	调查数据	28项研究
75	2025-07-21	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	review	本文综述了过去十年中气候时间序列缺失数据插补的最相关方法	总结了不同地区和国家在气候时间序列缺失数据插补方面的研究进展，并比较了传统统计方法和深度学习方法的应用效果	主要关注亚洲和欧洲的研究，对其他地区的覆盖可能不足	描述气候时间序列缺失数据插补的最相关方法	气候时间序列数据	machine learning	NA	mean techniques, simple and multiple linear regression, interpolation, PCA, artificial neural networks, GAN	artificial neural networks, GAN	time series	NA
76	2025-07-21	AI-driven pharmacovigilance: Enhancing adverse drug reaction detection with deep learning and NLP 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103460 PMID:40678458	研究论文	本研究提出了一种结合深度学习和NLP的混合AI驱动框架，用于提高药物警戒中不良反应检测的准确性和可解释性	整合结构化和非结构化数据，应用先进的深度学习和NLP方法，显著提升了药物不良反应检测的准确性和实时性	研究依赖于临床数据的多样性和质量，可能存在数据不平衡和异质性问题	提高药物警戒中严重不良事件检测的准确性和效率	临床实验数据中的药物不良反应	自然语言处理	NA	NLP, 深度学习	CNN, BERT, GPT, Random Forest, Gradient Boosting Machines	结构化数据（如患者人口统计、实验室结果）和非结构化数据（如临床记录）	未明确提及具体样本量
77	2025-07-21	Integrated deep learning for cardiovascular risk assessment and diagnosis: An evolutionary mating algorithm-enhanced CNN-LSTM 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103466 PMID:40678461	research paper	该研究提出了一种基于混合CNN-LSTM模型的双输出深度学习模型，用于心血管风险评估和诊断，并通过进化配对算法（EMA）进行优化	使用进化配对算法（EMA）优化双输出CNN-LSTM模型，提高了预测准确性和模型鲁棒性	诊断任务的准确率为70%，仍有提升空间	开发一种准确且高效的心血管疾病预测模型	心血管疾病（CVD）患者	machine learning	cardiovascular disease	deep learning	CNN-LSTM	NA	NA
78	2025-07-18	Multimodal deep learning improving the accuracy of pathological diagnoses for membranous nephropathy 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2528106 PMID:40659521	研究论文	开发一种多模态病理诊断系统，协助病理学家诊断膜性肾病	结合PASM染色、免疫荧光和电子显微镜图像，构建三种深度学习模型，综合提供病理诊断	未提及具体局限性	提高膜性肾病的病理诊断准确性和效率	膜性肾病患者	数字病理	膜性肾病	深度学习	CNN（假设基于图像处理）	图像（PASM染色、免疫荧光、电子显微镜图像）	138名各种肾病患者
79	2025-07-17	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	research paper	提出了一种基于张量的分类框架SSTC，用于高光谱图像分类，通过学习共享的空间和光谱子空间来保持数据的多维结构	采用部分Tucker分解学习共享子空间，有效降维的同时保留维度间关键关系，提供可解释的特征提取	未提及具体样本量限制或计算资源需求	开发高效且可解释的高光谱图像分类方法	高光谱图像数据	computer vision	NA	partial Tucker decomposition	tensor-based classification framework (SSTC)	hyperspectral image	未明确提及具体样本量，但涉及李子皮下淤伤检测和芒果成熟度分类两个任务
80	2025-07-17	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络，提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	通过引入门控循环单元(GRU)和注意力机制，构建了CNN-GRU-Attention增强混合神经网络，显著提升了特征提取能力和非线性关系建模	NA	开发一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	水中的溴氰菊酯残留	机器学习和光谱分析	NA	表面增强拉曼光谱(SERS)	CNN-GRU-Attention混合神经网络	光谱数据	NA