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
1741	2025-12-04	Assessing the robustness of deep learning based brain age prediction models across multiple EEG datasets 2025-Dec-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3639477 PMID:41329579	研究论文	本研究通过系统评估深度学习模型在多个EEG数据集上的脑年龄预测性能，探讨了数据集偏移对模型泛化能力的影响	首次在脑年龄预测任务中系统评估深度学习模型对多个EEG数据集的泛化能力，并测试了1805种超参数配置	模型性能在不同数据集间差异显著，部分情况下R²出现负值，表明模型泛化能力仍受数据集特性限制	评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性和泛化能力	五个不同的EEG数据集	机器学习	NA	脑电图（EEG）	深度学习模型	EEG信号	五个EEG数据集（具体样本数未说明）	NA	NA	Pearson相关系数, R²	NA
1742	2025-12-04	A Multi-degradation Fundus Image Restoration Network Guided by Frequency Prompt 2025-Dec-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3639308 PMID:41329577	研究论文	本文提出了一种多退化眼底图像恢复网络（MFR-Net），通过频率感知提示学习统一处理复杂退化场景	提出了一种集成频率感知提示学习的全合一恢复框架，能够全面提取不同退化成分的频率域特征，并通过设计的提示生成和交互模块注入主干网络，同时结合无监督域适应以增强模型领域泛化能力	NA	开发一种能够处理多组分退化的眼底图像恢复方法，以提高临床诊断中图像质量	眼底图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	MFR-Net	定量指标	NA
1743	2025-12-04	Accurate Protein-Protein Interaction Prediction: Based on Multiview Heterogeneous Graph Autoencoders and Random Masking 2025-Dec-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3632083 PMID:41329588	研究论文	本文提出了一种基于多视图异构图自编码器和随机掩码的蛋白质-蛋白质相互作用预测模型MEGAE，旨在通过整合蛋白质的物理化学性质、结构细节和序列数据，实现高精度的PPI及相互作用位点预测	创新性地引入了多视图随机掩码训练策略，在重建过程中引入受控随机性以增强微环境嵌入的鲁棒性，并利用图神经网络从局部氨基酸相互作用到全局信号网络连接捕获多层次关系	未明确提及模型的计算复杂度或对大规模数据集的扩展性限制	实现高精度的蛋白质-蛋白质相互作用及其相互作用位点的预测	蛋白质-蛋白质相互作用及其相互作用位点	机器学习	NA	深度学习，图神经网络	自编码器，图神经网络	序列数据，结构数据，物理化学性质数据	NA	NA	向量量化自编码器，图神经网络	准确率	NA
1744	2025-12-04	Ultrasound of lung parenchyma - current state and future 2025-Dec-02, The British journal of radiology DOI:10.1093/bjr/tqaf288 PMID:41330697	综述	本文综述了胸部超声在评估肺实质方面的当前应用、诊断局限性及未来发展趋势	探讨了深度学习增强胸部超声辅助诊断的新兴领域，并强调了COVID-19大流行如何扩展了肺实质超声从诊断到监测的应用范围	缺乏关于能力评估和教育的共识	提供胸部超声在肺实质评估中的当前使用和诊断局限性的概述，并展望未来发展	肺实质的超声评估	数字病理学	肺癌	胸部超声	深度学习	超声图像	NA	NA	NA	NA	NA
1745	2025-12-04	A multicenter validation study of 3D V-Net-based segmentation model for adrenal glands: Cross-protocol generalization from abdominal CT to chest CT 2025-Dec-02, The British journal of radiology DOI:10.1093/bjr/tqaf294 PMID:41330715	研究论文	本研究开发了一种基于3D V-Net的肾上腺分割模型，并在多中心数据集上验证了其从腹部CT到胸部CT的泛化能力	该研究首次利用3D V-Net开发了肾上腺分割模型，并成功验证了其在跨协议（从腹部CT到胸部CT）和多中心数据集上的泛化性能	研究未明确提及模型在更广泛疾病类型或不同扫描参数下的性能，且外部验证队列样本量相对较小	建立并验证一个基于深度学习的肾上腺自动分割模型，以辅助医学影像诊断	肾上腺	数字病理	肾上腺疾病	CT扫描	CNN	3D CT图像	训练集5660例腹部CT扫描，验证集包括来自同一机构的6126例和外部机构的931例胸部CT扫描	NA	3D V-Net	Dice相似系数	NA
1746	2025-12-04	Innovation of entrepreneurship education in auxiliary instruction system for college aesthetic course teaching under BPNN model 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30967-6 PMID:41331061	研究论文	本研究提出并验证了一种基于BPNN模型的辅助教学系统，旨在提高音乐院校美育课程中创新创业教育的精准性和有效性	首次将BPNN模型应用于音乐院校美育课程的创新创业能力评估，构建了包含多级指标的评价框架，实现了对学生创业能力的精准建模与反馈	当前评估框架需要进一步细化，以更好地满足专业化和产业化发展的需求	提升音乐院校美育课程中创新创业教育的教学支持系统与教学效果	西安地区音乐院校的毕业生	机器学习	NA	问卷调查	BPNN	问卷数据	444份有效问卷	NA	BPNN	相对误差	NA
1747	2025-12-04	The regulatory code of injury-responsive enhancers enables precision cell-state targeting in the CNS 2025-Dec-02, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-025-02131-w PMID:41331142	研究论文	本文研究了哺乳动物中枢神经系统中损伤诱导的转录程序如何通过增强子编码，并利用深度学习模型揭示其细胞类型特异性机制	通过单核转录组学和染色质可及性分析识别损伤诱导的细胞类型特异性增强子，并利用深度学习模型解析其整合通用刺激响应元件与细胞身份程序的架构	研究主要基于小鼠脊髓挫伤模型，可能无法完全代表其他损伤类型或物种的中枢神经系统反应	解码损伤响应增强子的调控原则，以设计能够靶向疾病相关细胞状态的序列	小鼠脊髓挫伤后的中枢神经系统细胞，特别是胶质细胞和反应性星形胶质细胞	机器学习	中枢神经系统损伤	单核转录组学, 染色质可及性分析, 深度学习	深度学习模型	转录组数据, 染色质可及性数据	数千个损伤诱导的细胞类型特异性增强子	NA	NA	NA	NA
1748	2025-12-04	Comparative Performance Evaluation of Federated and Centralized Learning for Velum and OTE Segmentation in Sleep Endoscopy Images 2025-Dec-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01756-4 PMID:41331654	研究论文	本研究系统比较了集中式学习与联邦学习在睡眠内镜图像中对软腭和口咽-舌根-会厌区域进行语义分割的性能	首次在多机构睡眠内镜视频数据上系统比较联邦学习与集中式学习在气道结构分割任务中的性能差异	模型在模糊边界和舌根解剖变异区域仍存在分割困难，联邦学习性能显著低于集中式学习	评估不同学习范式在睡眠内镜图像分割中的性能，为阻塞性睡眠呼吸暂停治疗提供分析工具	药物诱导睡眠内镜图像中的软腭及口咽-舌根-会厌区域	计算机视觉	阻塞性睡眠呼吸暂停	药物诱导睡眠内镜	CNN	视频图像	多机构睡眠内镜视频数据（具体数量未说明）	NA	NA	精确率,召回率,准确率,Dice相似系数	NA
1749	2025-12-04	Beyond Accuracy: A MultiDimensional Framework for Evaluating Medical Image Classification Through Win vs. Lose Model Comparisons 2025-Dec-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01754-6 PMID:41331656	研究论文	本研究通过系统评估不同架构在皮肤病变分类任务上的表现，揭示了现成深度学习模型在医学图像领域的泛化局限性，并提出了一种基于“胜败”模型比较的多维度评估框架	提出了跨架构可解释性框架，通过比较“胜”模型与“败”模型的Grad-CAM热图，并引入分形维数、熵和对称性等定量感知指标来客观评估模型可解释性	研究仅基于DermaMNIST数据集进行皮肤病变分类任务，未验证在其他医学影像任务或数据集上的普适性	评估现成深度学习模型在医学图像分类任务中的局限性，并开发多维度评估框架以促进医疗领域深度学习系统的透明可靠部署	皮肤病变图像分类	计算机视觉	皮肤癌	深度学习	CNN	图像	使用DermaMNIST数据集	未明确提及	ResNet, RevNet	准确率, 分形维数, 熵, 对称性	未明确提及
1750	2025-12-04	Deep Learning-Based Prediction Model for Cardiac Resynchronization Therapy Responders Using Electrocardiogram Data 2025-Dec-02, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70212 PMID:41331773	研究论文	本研究开发并评估了基于深度学习模型，利用植入前心电图数据预测心脏再同步治疗响应者	首次结合自监督学习增强的ResNet-18模型与心电图图像数据，用于预测CRT响应，并通过Grad-CAM提供模型可解释性分析	研究为回顾性分析，样本量相对较小（285例患者），且仅基于单中心数据，可能影响模型的泛化能力	开发并评估深度学习模型，以预测心脏再同步治疗（CRT）的响应者，优化患者选择和治疗策略	接受CRT植入并完成6个月随访的285例患者	机器学习	心血管疾病	心电图（ECG）数据采集	CNN, LightGBM	图像, 时间序列数据	285例患者	PyTorch, LightGBM	ResNet-18	准确率, 阳性预测值, 阴性预测值	NA
1751	2025-12-04	Dispersion based recurrent neural network model for methane monitoring in Albertan tailings ponds 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127748 PMID:41187672	研究论文	本研究开发了一种基于扩散的循环神经网络模型，用于监测阿尔伯塔省尾矿池的甲烷排放	提出了一种结合扩散模型的循环神经网络方法，能够同时预测甲烷排放量和浓度，并利用反向扩散建模识别活跃尾矿池	NA	评估阿尔伯塔油砂尾矿池的甲烷排放潜力并进行未来预测	阿尔伯塔油砂尾矿池的甲烷排放	机器学习	NA	扩散建模	循环神经网络	NA	NA	NA	Dispersion based Recurrent Neural Network	NA	NA
1752	2025-12-04	A cross-city transferable convolutional neural network framework for assessing street-scale flood risks in urban networks 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127977 PMID:41242263	研究论文	本研究提出了一种基于卷积神经网络的AI驱动框架，用于评估城市街道尺度的洪水风险，通过整合水文气象、地形和城市形态数据	该框架展示了强大的空间可转移性，能够跨城市（从深圳到香港）应用，并强调了深度学习在城市洪水风险评估中的创新潜力	NA	评估城市街道尺度的洪水风险，为不同城市区域制定定制化的洪水缓解策略	城市洪水风险，特别是针对深圳和香港的街道网络	计算机视觉	NA	卷积神经网络	CNN	水文气象、地形和城市形态数据	NA	NA	卷积神经网络	NA	NA
1753	2025-12-04	Integration of Dose Surface Maps and Genetic Data Identifies the Lower Posterior Rectum as a Key Region for Toxicity after Prostate Cancer Radiotherapy 2025-Dec-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-2102 PMID:41081635	研究论文	本研究结合直肠剂量表面图和遗传数据，识别了前列腺癌放疗后直肠毒性的关键区域	首次将直肠剂量表面图与遗传数据结合，通过体素级Cox比例风险模型识别了基因型驱动的毒性模式，特别是发现下后直肠区域为关键风险区域	研究样本仅来自REQUITE研究的1,293名患者，可能无法完全代表所有人群；且仅分析了三个候选SNP，未涵盖全基因组范围	识别直肠区域中影响剂量-毒性关系的遗传变异，以优化前列腺癌放疗的个性化治疗	前列腺癌患者	数字病理学	前列腺癌	深度学习直肠轮廓分割，剂量表面图生成，体素级Cox比例风险模型	深度学习模型	医学图像（直肠剂量表面图），遗传数据（SNP）	1,293名前列腺癌患者	NA	NA	P值，风险比	NA
1754	2025-12-04	Analysis of the impact of irradiance and temperature on photovoltaic production: A statistical and machine learning approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103716 PMID:41323109	研究论文	本研究结合统计分析和深度学习技术，探讨了太阳辐照度和环境温度对光伏发电量的影响	采用基于自编码器的模型捕捉复杂的非线性关系，并引入了新的交互项以增强对联合环境变化的敏感性	NA	评估环境因素对光伏发电量的影响，并优化光伏系统在多变气候条件下的性能	光伏发电系统及其产量	机器学习	NA	统计分析和深度学习	自编码器	环境参数数据（如辐照度、温度）和光伏发电量数据	NA	NA	自编码器	准确度，泛化能力	NA
1755	2025-12-04	Associations Between Deep Learning-Derived Fat, Muscle, and Bone Measures From Abdominal Computed Tomography Scans and Fall Risk in Persons Aged 20 Years or Older 2025-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100299 PMID:41323361	研究论文	本研究探讨了通过深度学习从腹部CT扫描中提取的脂肪、肌肉和骨骼测量指标与20岁及以上成年人跌倒风险之间的关联	首次利用深度学习算法从腹部CT扫描中自动量化身体成分指标，并评估其与跌倒风险的关联，特别是在中年人群中识别出肌肉密度降低与跌倒风险增加之间的显著联系	研究基于回顾性数据，可能受选择偏差影响；仅使用腹部CT扫描，未考虑全身其他部位的身体成分；跌倒事件通过医疗编码识别，可能存在漏报或误报	确定腹部CT扫描中的身体成分测量指标是否与成年人的跌倒风险相关	20至89岁的成年人，通过罗切斯特流行病学项目识别，接受过腹部CT扫描	医学影像分析	老年疾病	腹部计算机断层扫描	深度学习算法	医学影像	3972名年龄在20至89岁之间的个体	NA	NA	调整后的风险比，95%置信区间，P值	NA
1756	2025-12-04	WMC-Leafset: A dataset of wax gourd and Mangalore cucumber plants for leaf miner and pest infestation diseased object detection 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112231 PMID:41323749	研究论文	本文介绍了一个用于检测冬瓜和芒格洛尔黄瓜叶片上潜叶虫和害虫侵染的新数据集WMC-Leafset	填补了公开数据集中缺乏芒格洛尔黄瓜和冬瓜品种的空白，提供了包含复杂田间背景、重叠叶片、多角度和多距离拍摄的图像，支持对象级别的多病害检测	未提及模型的具体性能评估或与其他数据集的直接比较	促进可持续农业实践，通过早期病害检测提高作物产量和粮食安全	受潜叶虫和害虫侵染的冬瓜和芒格洛尔黄瓜植株叶片，以及健康叶片	计算机视觉	植物病害	图像采集	对象检测模型	图像	3200张图像	NA	NA	NA	NA
1757	2025-12-04	A comprehensive dataset of agarwood tree (Aquilaria Malaccensis) leaf images for disease analysis in Brunei Darussalam 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112227 PMID:41323752	研究论文	本文介绍了一个用于沉香树病害分析的叶片图像数据集，旨在支持基于人工智能的植物病害自动识别	首次为具有重要商业和生态价值的沉香树构建了一个大规模、高分辨率、包含多种病害和虫害类别的叶片图像数据集	数据集仅来源于文莱的三个种植园，可能无法完全代表其他地理区域的病害情况	开发用于沉香树病害和虫害自动识别的AI模型，以支持可持续农业和精准植物健康管理	沉香树（Aquilaria Malaccensis）的叶片	计算机视觉, 数字病理学	植物病害	图像采集	深度学习模型	图像	5472张叶片图像，分为14个类别（8种病害、5种虫害、1类健康叶片）	NA	NA	NA	NA
1758	2025-12-04	YSED: Yemeni speech emotion dataset 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112233 PMID:41323760	研究论文	本文介绍了首个也门阿拉伯语语音情感数据集YSED，用于支持基于深度学习的也门方言语音情感识别研究	创建了首个专门针对也门阿拉伯语方言的语音情感数据集，填补了该方言在语音情感识别研究中的数据空白	数据集规模相对较小（1432条有效录音），情感类别仅限于五种基本情绪，参与者年龄范围有限（15-45岁）	为也门阿拉伯语方言的语音情感识别研究提供高质量的数据资源	也门阿拉伯语方言的语音情感数据	自然语言处理	NA	模拟诱导录音方法	NA	音频	71名也门志愿者（37男34女），年龄15-45岁，最终包含1432条有效语音录音	NA	NA	Fleiss' Kappa系数	NA
1759	2025-12-04	Development and validation of a multi-modal MRI-based deep learning framework for differentiation of intraspinal tumors (ISMF-Net) 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103636 PMID:41324009	研究论文	本研究开发并验证了一个基于多模态MRI和临床数据的深度学习框架ISMF-Net，用于区分不同类型的椎管内肿瘤	提出了一个集成多序列MRI特征和临床数据的深度学习框架ISMF-Net，用于椎管内肿瘤的鉴别诊断，并通过观察者研究验证了模型辅助对放射科医生诊断性能的提升	研究为回顾性设计，且转移瘤（MET）的诊断性能相对较低	开发并验证一个基于MRI的深度学习模型，以辅助椎管内肿瘤的鉴别诊断	被诊断为椎管内肿瘤（ISTs）的患者，包括神经鞘瘤（SCN）、脑膜瘤（MNG）、星形细胞瘤（AST）、室管膜瘤（EPN）和转移瘤（MET）	数字病理学	椎管内肿瘤	脊柱MRI，包括矢状位T1加权（T1W）、T2加权（T2W）、T2脂肪抑制（T2FS）和轴位T2W序列	深度学习模型	多模态MRI图像和临床数据	来自中国三家医院的1004名患者（内部数据集723名，外部测试集281名）	NA	ISMF-Net	微平均准确率（micro-ACC），F1分数，准确率，敏感性，特异性	NA
1760	2025-12-04	A non-invasive MRI-based multimodal fusion deep learning model (MF-DLM) for predicting overall survival in bladder cancer: a multicentre retrospective study 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103640 PMID:41324013	研究论文	本研究开发并验证了一种基于MRI的多模态融合深度学习模型，用于预测膀胱癌患者的总生存期	提出了一种利用交叉注意力机制融合三维深度学习特征、三维影像组学特征、形态学MRI特征和临床特征的多模态融合深度学习模型，用于非侵入性地预测膀胱癌预后	研究为回顾性多中心设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	开发并验证一个非侵入性模型，用于准确预测膀胱癌患者的总生存期，以指导个性化治疗	膀胱癌患者	数字病理学	膀胱癌	磁共振成像	深度学习模型	图像, 临床数据	来自中国8家机构的1131名膀胱癌患者（训练集697人，内部验证集174人，外部测试集260人）	NA	改进的3D ResNet50	C-index	NA