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
1561	2025-12-09	From Signal to Symphony: Exploring 2D Sequence Representations for Protein Function Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01768 PMID:41247925	研究论文	本研究探索了将蛋白质氨基酸序列转换为二维声谱图作为蛋白质功能预测任务的数据表示方法	提出蛋白质声谱化方法，将一维序列转换为二维声谱图，并证明这种表示结构本身是模型预测性能的关键来源	未明确说明模型在更广泛蛋白质类别或更大规模数据集上的泛化能力限制	探索蛋白质序列的最佳表示方法以提高功能预测性能	蛋白质氨基酸序列	计算生物学	NA	蛋白质声谱化	融合模型, 扩散模型	序列, 图像	18,000个序列，涵盖12个功能多样的蛋白质类别	NA	Transformer, ESM-2, ProtBERT	准确率	NA
1562	2025-12-09	MGCL-CAP: Masked Graph Contrastive Learning with Gated Cross-Attention for Chemical Allergenicity Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02222 PMID:41251678	研究论文	本文提出了一种名为MGCL-CAP的深度学习框架，用于化学致敏性预测，该框架结合了掩码图对比学习和门控交叉注意力融合技术	提出了一种结合掩码图对比学习和门控交叉注意力融合的深度学习框架，用于学习结构不变的图嵌入并整合一维分子指纹，从而提升对分子拓扑和跨模态依赖关系的捕捉能力	未明确提及具体的数据集规模限制或模型在极端噪声条件下的鲁棒性	开发一种计算工具，用于高效预测化学物质的致敏性，以支持化学安全评估和更安全的配方设计	化学致敏物（存在于消费品和工业产品中）	机器学习	过敏性疾病	深度学习	图神经网络, 注意力机制	图数据（分子结构）, 一维分子指纹	NA	NA	图同构网络, 多头门控交叉注意力	NA	NA
1563	2025-12-09	Machine learning pipelines for the design of solid-state electrolytes 2025-Dec-08, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01525a PMID:41358912	综述	本文系统综述了机器学习管道在固态电解质设计中的应用，为AI加速固态电池材料发现提供了战略路线图	首次系统性地将固态电解质发现的五个相互关联的挑战映射到新兴AI解决方案，并特别关注多价导体系统的数据缺口，提出了通过迁移学习和主动学习框架的具体策略	NA	为固态电解质的设计与发现提供AI驱动的战略路线图，加速更安全、高能量密度电池的开发	固态电解质，特别是无机固态电解质，包括多价导体系统（如镁、钙、锌、铝）	机器学习	NA	机器学习，深度学习，生成模型，分子动力学模拟，密度泛函理论	经典模型，深度学习架构，生成模型，Transformer，图神经网络	化学数据，模拟数据，实验数据	NA	NA	Transformer，图神经网络，扩散模型	NA	NA
1564	2025-12-09	Automatic detection of urinary stones from non-contrast enhanced computed tomography images 2025-Dec-08, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-025-01902-1 PMID:41359136	研究论文	本研究利用深度学习技术，开发了名为UROAID的集成模型，用于从非增强CT图像中自动检测尿路结石	提出了UROAID集成模型，结合了基于分割的结石检测模块和结石分类模块，模拟放射科医生诊断尿路结石的流程，并针对不同位置的结石实现了高检测率	未明确提及模型在外部验证集上的泛化能力，也未讨论计算效率或实时性方面的限制	实现尿路结石的自动检测，以辅助急诊诊断	成年患者的非增强腹部盆腔CT图像	数字病理学	尿路结石	非增强计算机断层扫描（CT）	深度学习，集成模型	3D CT图像	6659名患者的CT扫描	NA	Uro-UNETR（改进版），UROAID	准确率，F1分数，检测率	NA
1565	2025-12-09	Establishment of CT diagnostic reference levels (DRLs) in Tokyo 2025-Dec-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12194-9 PMID:41359161	研究论文	本研究旨在调查东京地区医疗设施特征和CT扫描仪性能如何影响诊断参考水平，以优化CT检查中的辐射剂量	首次在东京地区建立基于设施特征和扫描仪性能的详细诊断参考水平，并系统评估了多种影响因素，如放射科医生、认证技师、医院规模、扫描仪规格和图像重建方法	双能CT的数据有限，仅针对对比增强肺动脉扫描建立了诊断参考水平，且样本仅来自东京地区，可能无法代表其他地区	优化CT检查中的辐射剂量，提高患者安全性，同时不损害诊断质量	东京地区的医疗设施、CT扫描仪以及接受常见CT检查方案的成年患者（50-70公斤）	医学影像	NA	CT扫描、剂量调查、统计分析	NA	剂量数据（CTDIvol、DLP）、设施特征数据	100个医疗设施、176台CT扫描仪	NA	NA	75th百分位数（定义为东京诊断参考水平）	NA
1566	2025-12-09	A Clinically Inspired Deep Learning Framework for Laryngeal Cancer Detection and Malignancy Transformation Risk Assessment 2025-Dec-07, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70075 PMID:41353738	研究论文	本研究开发了一种名为TransCL的深度学习模型，用于喉癌检测和恶性转化风险评估，旨在提升喉镜图像解释的准确性和一致性	提出了一种临床启发的深度学习框架TransCL，不仅能够检测喉部病变，还能预测良性病变的恶性转化风险，并在多中心数据上验证了其泛化能力	研究为回顾性设计，可能受到数据选择和标注偏差的影响，且模型在未见病变类型上的性能虽强但仍有提升空间	开发深度学习模型以增强喉部病变检测、指导活检并简化诊断流程	喉镜图像，涵盖10种不同的喉部病变类型	计算机视觉	喉癌	喉镜成像	深度学习分类网络	图像	来自2585名患者的16,587张喉镜图像	NA	TransCL	AUC, 准确率, F1分数, 马修斯相关系数	NA
1567	2025-12-09	Technical Review of Magnetic Resonance Fingerprinting Applications in Cerebral Physiology 2025-Dec-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70216 PMID:41353764	综述	本文综述了磁共振指纹技术在大脑生理学中的应用，重点介绍了血管成像的进展和生物物理模型的整合	通过创新的采集和计算方法，MRF实现了多组织特性的同时映射，并整合了机器学习以提升字典匹配和实时参数估计的准确性与可靠性	面临低信噪比和高计算需求的挑战	评估MRF技术在大脑生理学中的应用潜力，特别是在血管成像和临床转化方面	大脑生理学，包括血管成像、血流动力学参数和血管相关参数	数字病理学	脑血管疾病	磁共振指纹技术	深度学习	磁共振图像	NA	NA	NA	准确性	NA
1568	2025-12-09	An end-to-end deep learning pipeline for hematoma expansion prediction in spontaneous intracerebral hemorrhage based on non-contrast computed tomography 2025-Dec-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02213-w PMID:41354762	研究论文	本文开发了一个基于非对比增强CT的端到端深度学习流程，用于预测自发性脑出血中的血肿扩张	提出了一个模块化框架，结合了自动分割、合成数据增强和基于Vision Transformer的分类，特别是使用全尺度U-Mamba模型进行高质量血肿分割，并利用Diffusion-UKAN模型生成合成数据以平衡训练集	研究基于五个中心的2020名患者数据，外部验证仅涉及两个独立数据集，可能需要更多样化的数据以进一步验证泛化能力	预测自发性脑出血中的血肿扩张，以支持急性护理环境中的快速风险分层和临床决策	自发性脑出血患者	数字病理学	心血管疾病	非对比增强计算机断层扫描	Vision Transformer, U-Mamba, Diffusion-UKAN	图像	2020名患者来自五个中心	NA	Vision Transformer, 全尺度U-Mamba, Diffusion-UKAN	AUC	NA
1569	2025-12-09	Simultaneous attenuation and scatter correction of PET data in the image: quantitative and clinical assessment of image-to-image deep learning models 2025-Dec-06, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105683 PMID:41353875	研究论文	本研究利用深度学习模型将未经衰减散射校正的脑PET/CT图像转换为经测量衰减散射校正的图像，以定量和临床评估图像质量	首次采用图像到图像的深度学习模型（UNET和CGAN）直接从NASC图像生成MASC图像，无需CT数据，实现了同时的衰减和散射校正	研究仅针对癫痫患者的脑PET/CT图像，样本量相对较小（125例），且未在其他疾病或身体部位验证模型泛化能力	开发一种深度学习方法来校正PET图像中的光子衰减和散射，提高图像定量准确性，特别是在CT不可用的情况下	癫痫患者的脑PET/CT图像（使用18F-FDG示踪剂）	医学影像分析	癫痫	PET/CT成像，18F-FDG示踪剂	CNN, GAN	图像	125例癫痫患者的脑PET/CT图像	NA	UNET, CGAN	PSNR, SSIM, RMSE	NA
1570	2025-12-09	Boosting brain tumor detection with an optimized ResNet and explainability via Grad-CAM and LIME 2025-Dec-05, Brain informatics DOI:10.1186/s40708-025-00279-6 PMID:41348154	研究论文	本研究通过优化ResNet架构并集成Grad-CAM和LIME等可解释性技术，提升脑肿瘤检测的准确性、泛化性和可解释性	结合动态学习率调整、架构增强（如解冻层、集成不同模块、池化和丢弃层）与可解释性AI技术，在提升模型性能的同时解决CNN在医学影像中缺乏可解释性的问题	研究依赖于公开的多类别肿瘤数据集，未在更广泛或临床实时数据上进行验证；虽然使用了三个数据集以确保泛化性，但可能仍存在特定数据分布的偏差	提高基于CNN的脑肿瘤检测模型的准确性、泛化性和临床可解释性	脑肿瘤的MRI影像	计算机视觉	脑肿瘤	MRI影像分析	CNN	图像	三个公开的多类别脑肿瘤数据集	未明确提及，推测为PyTorch或TensorFlow	ResNet	准确率	NA
1571	2025-12-09	T-SCAPE: T cell immunogenicity scoring via cross-domain aided predictive engine 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz8759 PMID:41348893	研究论文	本文提出了一种名为T-SCAPE的新型多领域深度学习框架，用于预测T细胞免疫原性	利用对抗性领域适应整合多种免疫相关数据源，实现跨领域预测，无需MHC输入即可预测治疗性抗体的抗药抗体诱导潜力	NA	预测T细胞免疫原性以促进更安全有效的疫苗和蛋白质治疗剂的开发	肽片段、肽-MHC对、治疗性抗体	机器学习	NA	深度学习、对抗性领域适应	深度学习框架	免疫相关数据（MHC呈递、pMHC结合亲和力、T细胞受体-pMHC相互作用、来源生物信息、T细胞激活）	NA	NA	NA	NA	NA
1572	2025-12-09	Deep learning predicts real-world electric vehicle direct current charging profiles and durations 2025-Dec-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65970-y PMID:41350260	研究论文	本文提出了一种基于深度学习的框架，用于预测电动汽车直流快速充电的充电曲线和持续时间	利用真实世界的大规模充电会话数据（909,135个会话），仅需最少输入即可预测充电曲线和持续时间，并提供不确定性估计；模型能够从单个数据点开始预测，并随着新观测数据的到来进行增量式实时更新	未明确说明模型在不同气候条件、电池老化或极端充电场景下的泛化能力	准确预测电动汽车直流快速充电的充电曲线和持续时间，以支持充电基础设施的优化和能源规划	电动汽车的直流快速充电会话	机器学习	NA	深度学习	深度学习模型	时间序列数据（充电功率、荷电状态）	909,135个真实世界充电会话	未明确指定	未明确指定	准确率、绝对误差	未明确指定
1573	2025-12-09	Early detection of Alzheimer's disease progression: comparative evaluation of deep learning models 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27360-8 PMID:41350317	研究论文	本研究评估了两种3D卷积神经网络模型在基于脑部MRI进行阿尔茨海默病进展二元分类中的表现	比较了全体积处理与基于神经解剖学区域特征提取的两种CNN方法，后者利用特定脑区灰质体积差异提升性能	研究结果仅基于ADNI数据集，需要在更广泛的临床人群中进行验证	通过深度学习模型提高阿尔茨海默病进展的早期检测和监测精度	阿尔茨海默病患者的脑部MRI数据	计算机视觉	阿尔茨海默病	MRI神经影像生物标志物分析	CNN	3D MRI图像	NA	NA	3D CNN	准确率	NA
1574	2025-12-06	Spike train analysis in rehabilitation movement classification using deep learning approach 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25268-x PMID:41345141	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1575	2025-12-09	Characterizing and Evaluating Mental Health Misinformation on Social Media: A Qualitative and Deep Learning-Based Study 2025-Dec-04, Cyberpsychology, behavior and social networking DOI:10.1177/21522715251403844 PMID:41354555	研究论文	本研究提出了一种结合定性分析和深度学习的集成框架，用于自动检测和评估社交媒体上的心理健康错误信息	通过专家访谈和扎根理论，开发了一个包含七个维度的21级细粒度可信度评估框架，并构建了高质量的中文社交媒体数据集	所有三个模型在评估证据质量和检测上下文依赖的错误信息方面面临挑战	自动检测和评估社交媒体上的心理健康错误信息，以提高在线心理健康信息的可信度	中文社交媒体帖子	自然语言处理	心理健康	NA	GRU, BERT, RoBERTa	文本	814个中文社交媒体帖子	NA	GRU, BERT, RoBERTa	NA	NA
1576	2025-12-09	GoFlow: efficient transition state geometry prediction with flow matching and E(3)-equivariant neural networks 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00283d PMID:41189760	研究论文	本文提出了一种名为GoFlow的新方法，利用流匹配和E(3)-等变神经网络高效预测化学反应过渡态几何结构	将过渡态生成建模为最优传输流问题，采用E(3)-等变流匹配与几何张量网络，相比现有方法实现了百倍以上的推理加速和几何精度提升	未明确说明方法在具体分子系统规模或反应类型上的限制	开发高效准确的机器学习方法，用于从二维反应图预测化学反应过渡态几何结构	化学反应的过渡态几何结构	机器学习	NA	NA	E(3)-等变神经网络	二维反应图	NA	NA	几何张量网络	几何精度, 推理速度	NA
1577	2025-12-09	MaskTerial: a foundation model for automated 2D material flake detection 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00156k PMID:41220578	研究论文	本文提出了一种名为MaskTerial的基础模型，用于自动化检测和分类光学显微镜图像中的二维材料薄片	利用合成数据生成器进行广泛预训练，使模型能够仅用5到10张图像快速适应新材料，并采用不确定性估计模型基于光学对比度对预测进行最终分类	未明确说明模型在更广泛材料类型或复杂背景下的泛化能力	自动化检测和分类剥离的二维材料薄片，提高分类准确性、客观性和样品制备效率	光学显微镜图像中的二维材料薄片	计算机视觉	NA	光学显微镜成像	实例分割网络	图像	八个不同数据集，包含五种不同的二维材料	NA	NA	NA	NA
1578	2025-12-09	SOC Prediction of Li-Ion Battery Based on EKF and CNN-BiLSTM-Attention 2025-Dec-02, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c06451 PMID:41358071	研究论文	本文提出了一种融合扩展卡尔曼滤波、卷积神经网络、双向长短期记忆网络和注意力机制的锂离子电池荷电状态预测模型	将物理模型驱动的扩展卡尔曼滤波算法与数据驱动的深度学习模型相结合，通过物理先验约束提升预测结果的物理一致性和鲁棒性	实验验证仅在10°C和25°C两种温度下的多种工况进行，未涵盖更宽的温度范围或更极端的工况	提高锂离子电池荷电状态估计的准确性、物理一致性和泛化能力	磷酸铁锂电池	机器学习	NA	NA	CNN, BiLSTM, Attention, EKF	电池运行数据	NA	NA	CNN-BiLSTM-Attention与EKF融合架构	平均估计误差	NA
1579	2025-12-09	Improving Robustness and Reliability in Medical Image Classification With Latent-Guided Diffusion and Nested-Ensembles 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3583974 PMID:40587343	研究论文	本文提出了一种名为LaDiNE的新集成学习方法，结合视觉Transformer的鲁棒性和基于扩散的生成模型，以提高医学图像分类的可靠性	首次将视觉Transformer的鲁棒性与扩散模型作为灵活密度估计器结合，以同时应对未知噪声、对抗性扰动和分辨率退化，提升预测准确性和置信度校准	未明确说明方法在更广泛医学图像数据集或实际临床部署中的泛化能力	提高医学图像分类在面临意外图像损坏和噪声扰动时的鲁棒性和可靠性	肺结核胸部X光图像和黑色素瘤皮肤癌图像	计算机视觉	肺结核, 皮肤癌	NA	Vision Transformer, 扩散模型	图像	NA	NA	Transformer编码器块	预测准确性, 置信度校准	NA
1580	2025-12-09	In Vivo Laparoscopic Image De-Smoking Dataset, Evaluation, and Beyond 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584641 PMID:40601460	研究论文	本文提出了首个用于腹腔镜手术烟雾去除的真实配对数据集，并评估了现有去烟雾方法的性能	构建了首个来自真实腹腔镜手术记录的配对烟雾-无烟雾数据集，并开发了运动跟踪技术来补偿患者非自主运动，确保可靠的图像配对	数据集仅来自前列腺切除术和胆囊切除术两种手术类型，可能无法完全代表所有腹腔镜手术场景	开发有效的腹腔镜手术烟雾去除算法，并评估现有方法的性能	腹腔镜手术图像	计算机视觉	前列腺癌	腹腔镜手术记录	NA	图像	132例前列腺切除术记录（提取41个视频序列，2000对图像）和45例胆囊切除术记录（提取68个视频序列，1000对图像）	NA	NA	NA	NA