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
1001	2025-12-25	Intelligent multimodal sensor fusion for early knee disorder detection and injury prevention using prosthetic gait control 2025-Dec, International journal of injury control and safety promotion IF:2.3Q2 DOI:10.1080/17457300.2025.2572095 PMID:41175030	研究论文	本研究提出了一种结合非侵入式筛查与自适应假肢控制的两阶段集成框架，用于膝关节疾病的早期检测和损伤预防	提出了新颖的时频特征（增强平均绝对值/增强波长）用于异常检测，并利用多模态传感器融合实现实时健康自适应假肢控制，动态调整相位转换时间、肌电阈值和电机增益	研究在基于LabVIEW的控制环境中进行验证，尚未在真实临床环境中大规模应用	开发一种用于膝关节疾病早期检测和自适应假肢控制的智能多模态传感器融合系统	膝关节疾病患者和假肢使用者	机器学习	肌肉骨骼疾病	多模态传感器融合（EMG, FSR, IMU）	Extra Trees, XGBoost	传感器信号（肌电信号、力敏电阻信号、惯性测量单元数据）	未明确说明样本数量，但使用了10折交叉验证	未明确说明	Extra Trees, XGBoost	准确率, SHAP分析, 95%置信区间, Friedman/Nemenyi统计检验	未明确说明
1002	2025-12-25	Skin Lesion Classification Using Focal Modulation Networks 2025-Dec, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70139 PMID:41178745	研究论文	本研究提出了一种基于焦点调制网络（FMNs）的框架，用于皮肤病变分类，并在多个公开数据集上验证了其性能	首次将焦点调制网络应用于皮肤病变分类，该网络能高效捕获局部和全局特征，解决了基于Transformer的模型在处理高分辨率医学图像时的局限性，同时通过调制器可视化提供模型可解释性	未提及	开发一种准确、高效且透明的自动皮肤病变分类方法，以辅助皮肤癌的早期诊断和治疗	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	NA	焦点调制网络	图像	三个公开数据集：ISIC 2017、ISIC 2018和ISIC 2019	NA	焦点调制网络（Tiny, Small, Base, Large 变体）	准确率	NA
1003	2025-12-25	Privacy-hardened and hallucination-resistant synthetic data generation with logic-solvers 2025-Dec-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf600 PMID:41191651	研究论文	本文介绍了一种名为Genomator的逻辑求解方法，用于生成隐私强化且抗幻觉的合成数据，特别应用于基因组数据	采用逻辑求解方法（SAT求解）高效生成隐私且真实的合成数据，相比现有方法在准确性、隐私保护和效率方面有显著提升，并能扩展到全基因组规模	未明确提及具体局限性，但可能涉及方法在非基因组数据上的泛化能力或计算资源需求	开发一种能平衡隐私与准确性的合成数据生成方法，以支持医疗研究和全球数据交换	基因组数据，作为最复杂和私密的信息类型	机器学习	NA	逻辑求解（SAT求解）	NA	基因组数据	NA	NA	NA	准确性, 隐私度	NA
1004	2025-12-25	Chick embryo development assessment and fertility detection using pixel-wise hyperspectral image analysis and deep learning 2025-Dec, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106064 PMID:41205430	研究论文	本研究利用线扫高光谱成像系统和深度学习技术，对白壳鸡蛋的受精情况和胚胎发育进行非破坏性实时评估	结合像素级高光谱图像分析和深度学习模型，实现了对鸡蛋受精和胚胎发育阶段的高精度分类与空间可视化	研究仅针对白壳鸡蛋，且仅覆盖了孵化前四天，未涉及更长孵化周期或其他蛋壳颜色的鸡蛋	提高家禽孵化过程中的受精检测准确性和胚胎发育评估效率	白壳鸡蛋（包括受精蛋和未受精蛋）	计算机视觉	NA	线扫高光谱成像	人工神经网络, 随机森林, 深度神经网络, 卷积神经网络	高光谱图像	未明确具体数量，但涉及受精和未受精鸡蛋在孵化前四天的数据	NA	NA	F1分数	NA
1005	2025-12-25	Periodicity-aware deep learning for polymers 2025-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00903-9 PMID:41266677	研究论文	本文提出了一种名为PerioGT的周期性感知深度学习框架，用于聚合物化学研究，通过整合周期性先验知识提升模型性能	首次构建了化学知识驱动的周期性先验，并通过对比学习和微调中的周期性提示将其融入深度学习框架，同时采用虚拟节点图增强策略建模复杂化学相互作用	未明确说明模型在处理非周期性或高度不规则聚合物结构时的适用性限制	为聚合物化学开发统一的深度学习框架，以解决现有方法忽略结构周期性导致的泛化能力不足问题	聚合物化学系统	机器学习	NA	深度学习，对比学习，图增强	图神经网络	化学结构数据	NA	NA	PerioGT	在16个下游任务中达到最先进性能	NA
1006	2025-12-25	Immunological risk factors for recurrent implantation failure using a deep learning model: a multicenter retrospective cohort study 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27561-1 PMID:41326470	研究论文	本研究利用深度学习模型（TabNet）分析复发性种植失败患者的免疫学风险因素，以预测活产结局	首次将TabNet深度学习模型应用于复发性种植失败患者的活产预测，并识别出关键的免疫学风险因素组合	研究为回顾性队列设计，可能存在选择偏倚；样本仅来自特定医疗中心，外部验证尚需进行	预测复发性种植失败患者的活产结局，并识别相关的免疫学风险因素	2463名无妇科及解剖异常的复发性种植失败患者	机器学习	生殖系统疾病	临床免疫学检测	深度学习	临床数据	2463名患者	TabNet	TabNet	准确率, AUROC, 混淆矩阵, ROC曲线, 校准图	NA
1007	2025-12-25	Deep-learning-based polarization-dependent switching metasurface in dual-band for optical communication 2025-Dec, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2025-0370 PMID:41426087	研究论文	本研究提出了一种基于深度学习的智能逆向设计框架，用于设计偏振复用超表面，实现双波段光通信的动态波段切换	提出了一种结合并行卷积层和级联回归模块的混合深度神经网络架构，用于单步计算发现能在一个平面器件中编码两种不同光学功能的超表面设计，实现了仅通过偏振调制即可在O波段和C波段产生独立传输峰的动态波段切换机制	NA	解决传统波段切换技术速度慢、能耗高和机械不稳定的关键限制，为下一代光通信开发超快、智能和高效的光子系统	偏振复用超表面	机器学习	NA	深度学习驱动的逆向设计	深度神经网络	NA	NA	NA	并行卷积层与级联回归模块的混合架构	切换效率	NA
1008	2025-12-25	Diffusion model-based inverse design of photonic crystals for customized refraction 2025-Dec, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2025-0499 PMID:41426119	研究论文	本文提出了一种基于扩散模型的新型生成设计框架，用于实现高精度和定制化折射结构的光子晶体逆向设计	采用扩散模型结合U-Net模型进行光子晶体的逆向设计，解决了传统生成模型如生成对抗网络和变分自编码器在训练不稳定或噪声过多方面的挑战	如果数据集中的结构类型增加，解决方案空间可以进一步扩展，但当前研究可能受限于数据集规模和多样性	实现光子晶体的自动化逆向设计，以定制化折射结构	光子晶体（PhCs）及其折射结构	机器学习	NA	有限差分时域（FDTD）模拟和数值分析	扩散模型，U-Net	图像（结构模式）	包含操作频率、折射角和相应结构模式的数据集，分辨率64×64，测试了1000个折射角	NA	U-Net	L2范数测量的折射角误差	NA
1009	2025-12-25	Dosimetric evaluation of synthetic kilo-voltage CT images generated from megavoltage CT for head and neck tomotherapy using a conditional GAN network 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01603-4 PMID:40719836	研究论文	本研究提出了一种基于条件GAN网络（pix2pix）的深度学习方法，用于从兆伏级CT（MVCT）生成高质量的合成千伏级CT（skVCT）图像，以提升头颈部螺旋断层放疗中的剂量学评估准确性	首次将pix2pix网络应用于从MVCT生成skVCT图像，显著提升了图像质量，并验证了其在剂量学评估中的等效性	研究样本量较小（训练集25例，测试集15例），且仅针对头颈部肿瘤进行了验证，未涉及其他解剖部位	提升兆伏级CT图像的对比度，以支持更准确的放疗剂量计算和自适应放疗	头颈部肿瘤患者的MVCT和kVCT配对图像	医学影像分析	头颈部肿瘤	CT成像（MVCT与kVCT）	GAN	医学影像（CT图像）	40例患者（25例训练，15例测试）	NA	pix2pix	PSNR, SSIM, gamma pass rate	NA
1010	2025-12-25	Comparative study of multi-headed and baseline deep learning models for ADHD classification from EEG signals 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01609-y PMID:40856936	研究论文	本研究比较了多头深度学习框架与传统基线单模型方法在利用EEG信号分类ADHD方面的性能	提出了一种多头深度学习框架，通过并行使用BiLSTM、LSTM和GRU架构来捕获通道间关系并提取更丰富的时序特征，以降低计算复杂度并避免过拟合	研究样本量相对较小（79名参与者），且仅使用了五个EEG通道，可能限制了模型的泛化能力	开发并比较深度学习模型，以实现基于EEG信号的ADHD准确分类与早期诊断	ADHD患者与健康成人的EEG信号	机器学习	注意缺陷多动障碍	脑电图	LSTM, BiLSTM, GRU	信号	79名参与者（42名健康成人，37名ADHD患者）	NA	Bidirectional Long Short-Term Memory, Long Short-Term Memory, Gated Recurrent Unit	准确率	NA
1011	2025-12-25	Obsessive-compulsive disorder detection using ensemble of scalp EEG-based convolutional neural network 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01627-w PMID:40875137	研究论文	本研究使用头皮脑电图信号和深度学习集成方法，通过优化加权多数投票策略，实现了对强迫症的早期诊断	提出了一种基于预训练CNN模型（EEGNet、Shallow ConvNet、Deep ConvNet）的集成框架，并采用差分进化算法优化基分类器权重，显著提升了强迫症检测性能	研究仅基于预处理前的原始EEG信号，未探讨不同预处理方法或特征提取技术对模型性能的影响，且样本来源和规模可能限制泛化能力	开发一种基于头皮脑电图信号的深度学习模型，用于强迫症的早期自动诊断	强迫症患者与健康对照者的头皮脑电图信号	机器学习	强迫症	脑电图	CNN	脑电图信号	NA	NA	EEGNet, Shallow ConvNet, Deep ConvNet	准确率, 灵敏度, 特异性	NA
1012	2025-12-24	ZNGEA: ZINB-NMF Integrated Graph Embedding Autoencoder for Metabolite-Disease Association Identification 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05618 PMID:41360747	研究论文	本文提出了一种名为ZNGEA的新型深度学习算法，用于高效识别代谢物与疾病之间的潜在关联	整合了零膨胀负二项分布（ZINB）和非负矩阵分解（NMF），并结合非线性方法融合多相似性网络，以从多角度提取重要信息	NA	开发计算方法来高效识别代谢物与疾病之间的潜在关联	代谢物与疾病之间的关联	机器学习	NA	深度学习	图卷积自编码器	网络数据	NA	NA	图卷积自编码器	AUC, AUPR	NA
1013	2025-12-24	GPMassSimulator: A Graphormer-Based Method for Glycopeptide MS/MS Spectra Prediction 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02375 PMID:41364107	研究论文	本文提出了一种基于Graphormer的深度学习方法GPMassSimulator，用于准确预测完整N-糖肽的串联质谱（MS/MS）谱图和保留时间	利用GpepFormer模块有效表示和整合肽序列与聚糖结构，捕捉其复杂依赖关系，从而提升对相似糖肽（具有类似聚糖/肽骨架的糖肽）的区分能力	NA	开发一种深度学习方法，用于糖蛋白组学中糖肽的准确鉴定，特别是针对结构复杂和异质性的糖肽	糖肽（特别是N-糖肽）及其串联质谱（MS/MS）谱图和保留时间	机器学习	NA	串联质谱（MS/MS）	Graphormer	质谱数据	NA	NA	Graphormer, GpepFormer	鉴定准确率, Top-1鉴定准确率, 灵敏度	NA
1014	2025-12-24	A Deep Learning Model for Efficient Nontargeted Screening of New Psychoactive Substances with Benchtop Nuclear Magnetic Resonance Devices 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05514 PMID:41368808	研究论文	本文提出了一种用于台式核磁共振设备进行新型精神活性物质非靶向筛查的深度学习模型	提出了一种结合通道注意力增强架构、化学信息预处理以及将NMR谱图与SMILES表示对齐的对比预训练方法的深度学习模型，显著增强了低信噪比条件下的谱图特征提取能力	模型目前仅针对九种NPS类别进行分类，未明确提及对其他物质或更广泛类别的泛化能力	开发一种能够利用低信噪比台式核磁共振数据进行高效、准确的新型精神活性物质非靶向筛查的方法	新型精神活性物质	机器学习	NA	核磁共振	深度学习模型	核磁共振谱图数据	NA	NA	通道注意力增强架构	准确率	NA
1015	2025-12-24	DeepMIR: A Hybrid Convolutional Neural Network-Transformer Framework for Accurate Identification of Target Components from Mid-Infrared Spectra of Mixtures 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04545 PMID:41384937	研究论文	提出了一种名为DeepMIR的深度学习框架，用于从混合物的中红外光谱中准确识别目标成分	首次将卷积神经网络与Transformer编码器结合，构建了一种混合架构，用于从混合物的中红外光谱中识别目标成分，该框架能有效处理参考光谱与混合物光谱采集技术不同带来的挑战	NA	解决分析化学中因严重光谱重叠和仪器变异性导致的混合物中红外光谱成分准确识别难题	复杂混合物（包括液体溶剂、固体颜料混合物和商业混纺织物）的中红外光谱	机器学习	NA	中红外光谱	CNN, Transformer	光谱数据	超过67,000个合成增强的光谱对	NA	混合卷积神经网络-Transformer架构	准确率, 统计显著性检验	NA
1016	2025-12-24	Investigating cis-regulatory elements and gene expression in multiple tomato varieties using interpretable deep learning 2025-Dec-23, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05109-1 PMID:41429964	研究论文	本研究开发了一种名为L-CRE的可解释深度学习模型，用于分析番茄基因侧翼区域并预测基因表达水平	改进了先前模型，开发了可解释的深度学习模型L-CRE，能够识别影响基因表达的关键基因组区域，并成功验证了已知调控元件	仅分析了四种番茄品种，模型泛化能力未在其他物种或更广泛品种中验证	阐明顺式调控元件如何影响基因表达，为作物遗传改良和功能基因组学研究提供新方法	四种不同番茄品种的基因侧翼区域	机器学习	NA	深度学习	深度学习模型	基因组序列数据	四种番茄品种的基因数据	NA	L-CRE	准确率	NA
1017	2025-12-24	Quantitative measurement of Iris melanin concentration by polarization-sensitive anterior segment optical coherence tomography 2025-Dec-23, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721251407025 PMID:41432634	研究论文	本研究利用偏振敏感前段光学相干断层扫描（PS-AS-OCT）评估虹膜黑色素浓度，并探讨其与棕色虹膜个体虹膜颜色的相关性	首次采用PS-AS-OCT结合深度学习自动分割虹膜亚结构层，并通过熵基图像推导黑色素浓度比（MCR）来量化虹膜层内黑色素，为非侵入性评估虹膜色素沉着提供了新方法	研究仅纳入棕色虹膜个体，样本量相对较小（88人），且未涵盖其他虹膜颜色类型，可能限制结果的普适性	评估虹膜黑色素浓度与虹膜颜色的相关性，并开发基于MCR的虹膜颜色分类方法	人类虹膜	医学影像分析	NA	偏振敏感前段光学相干断层扫描（PS-AS-OCT），高分辨率摄影	深度学习模型，K-近邻（KNN）	图像（虹膜横截面图像，高分辨率照片）	88名参与者（平均年龄39岁）	NA	NA	分类准确率	NA
1018	2025-12-24	Deep‑learning‑based detection of open‑apex teeth on panoramic radiographs using YOLO models 2025-Dec-23, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00884-5 PMID:41432878	研究论文	本研究利用基于YOLO的深度学习模型在口腔全景X光片上检测开根尖牙齿，并比较了不同模型的性能	首次将YOLO系列深度学习模型应用于口腔全景X光片中开根尖牙齿的自动检测，并系统比较了YOLOv3、YOLOv4和YOLOv5的性能	研究仅使用了966张全景X光片，样本量相对有限，且未在更广泛的数据集或临床环境中进行外部验证	开发一种基于深度学习的自动检测系统，用于识别口腔全景X光片中的开根尖牙齿，以减少患者额外拍摄X光片的需求并辅助牙医诊断	口腔全景X光片中的开根尖牙齿	计算机视觉	NA	全景X光成像	CNN	图像	966张口腔全景X光片	NA	YOLOv3, YOLOv4, YOLOv5	精确度, 召回率, 平均精度, F1分数	NA
1019	2025-12-24	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2025-Dec-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	本文提出了一种名为WaveFHR-VNet的多尺度、多基小波投票网络，用于在联合时频域中自动分析胎儿心率信号，以准确检测基线和瞬态加速/减速事件	提出了一种U-Net风格的多尺度、多基小波投票网络，首次在编码器块中嵌入离散小波变换，通过交互系数选择模块抑制噪声并增强诊断显著性瞬态，并采用五种互补小波基并行操作与投票融合，无需手动调参	未明确提及模型的计算复杂度或实时性能限制，也未讨论在更广泛临床环境中的验证情况	开发一种能够准确检测胎儿心率信号中基线和瞬态加速/减速事件的计算机辅助解释方法，以改善产时监测	胎儿心率信号	数字病理学	心血管疾病	离散小波变换	U-Net	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB公共基准）	NA	U-Net	Dice系数, IoU, 准确率	NA
1020	2025-12-24	Topological Feature Extraction from Multi-color Channels for Pattern Recognition: An Application to Fundus Image Analysis 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01791-1 PMID:41429947	研究论文	本研究利用多颜色通道的拓扑特征结合深度学习进行模式识别，应用于眼底图像分析	首次将颜色通道变化与拓扑特征提取相结合，用于眼底图像疾病诊断，探索了拓扑足迹在不同颜色模型中的变化	研究仅基于三个公开数据集，未涉及更大规模或更广泛的数据验证	通过拓扑特征与深度学习结合，实现眼底图像的自动化疾病分类	眼底图像	计算机视觉	老年性疾病	NA	深度学习模型, 机器学习模型	图像	三个公开数据集：APTOS 2019, ORIGA, ICHALLENGE-AMD	NA	NA	NA	NA