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
1	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
2	2025-08-06	HybridDLDR: A hybrid deep learning-based drug resistance prediction system of Glioblastoma (GBM) using molecular descriptors and gene expression data 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108913 PMID:40592112	研究论文	本文提出了一种基于深度学习的混合模型，用于预测胶质母细胞瘤(GBM)的耐药性	结合了CNN、LSTM和transformer架构的混合深度学习模型，用于预测药物耐药性	未提及具体的数据集规模或模型泛化能力的验证	提高癌症治疗期间药物效果的预测准确性	胶质母细胞瘤(GBM)的耐药性预测	机器学习	胶质母细胞瘤	基因表达数据和化学性质分析	CNN, LSTM, transformer	基因表达数据和化学描述符	NA
3	2025-08-06	Combined model-driven and dual-cycle interactive strategy few-shot learning scheme for predicting breast cancer molecular subtypes based on DCE-MRI 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108923 PMID:40628151	研究论文	提出一种结合模型驱动和双循环交互策略的小样本学习方案，用于基于DCE-MRI预测乳腺癌分子亚型	联合嵌入模型驱动机制和双循环交互策略的小样本学习方案，以及独特的时空循环网络分类器(STRNC)	仅针对DCE-MRI数据，未验证在其他医学影像数据上的适用性	解决医学影像数据量少情况下的乳腺癌分子亚型分类问题	乳腺癌分子亚型	计算机视觉	乳腺癌	DCE-MRI	时空循环网络分类器(STRNC)	医学影像	公开数据集(具体数量未说明)
4	2025-08-06	From segmentation to explanation: Generating textual reports from MRI with LLMs 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108922 PMID:40633400	研究论文	本文提出了一种结合语义分割模型、基于图谱的映射和大型语言模型（LLMs）的新方法，用于从MRI生成可读的医学报告	通过结合结构化JSON与提示约束的反幻觉设计，提高了AI系统的透明度和可解释性，相比大多数简单的LLM报告生成方法具有创新性	方法仅在脑肿瘤检测和多发性硬化病变检测中进行了测试，需要进一步验证在其他医学影像场景中的泛化能力	增强AI在关键医学任务中的可解释性，提升医疗从业者对AI驱动诊断的信任	脑肿瘤（胶质瘤）和多发性硬化病变的MRI影像	数字病理学	脑肿瘤（胶质瘤）和多发性硬化	语义分割模型、基于图谱的映射、LLMs（Gemma, Llama, Mistral）	SegResNet, LLMs	MRI影像	NA
5	2025-08-06	A Joint Multimodal User Authentication-based Privacy Preservation with Disease Prediction Framework in Modern Healthcare System Using Multi-Scale Cross Attention-based ResNet 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108928 PMID:40644852	研究论文	提出一种基于多尺度交叉注意力ResNet的多模态用户认证与疾病预测框架，用于现代医疗系统中的隐私保护和疾病预测	结合多模态用户认证和疾病预测，采用多尺度交叉注意力ResNet和最优Rossler超混沌加密技术，提高了认证和预测性能	系统复杂性可能限制实际应用，包括信息安全和预测效率方面的问题	开发一个既能保护医疗数据隐私又能准确预测疾病的现代医疗系统框架	医疗系统中的多模态用户认证和疾病预测	数字病理学	NA	最优Rossler超混沌加密(ORHCE)	多尺度交叉注意力ResNet(MCARNet), DNN, RNN, LSTM, GRU	图像和信号(转换为2D图像)	NA
6	2025-08-06	TAC-ECG: A task-adaptive classification method for electrocardiogram based on cross-modal contrastive learning and low-rank convolutional adapter 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108918 PMID:40644854	研究论文	提出一种基于跨模态对比学习和低秩卷积适配器的心电图任务自适应分类方法TAC-ECG	结合对比学习预训练心电图编码器和轻量级低秩卷积适配器，实现多任务快速适配	未明确说明模型在噪声数据或跨设备泛化能力方面的表现	开发灵活高效的心电图自动分类方法	心电图信号	机器学习	心血管疾病	对比学习, 低秩适配	对比学习预训练模型+CNN适配器	心电图信号	四个公开数据集(CPSC2018/Cinc2017/PTB-XL/Chapman)
7	2025-08-06	Artificial intelligence in forensic pathology: Multi-organ postmortem pathomics for estimating postmortem interval 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108949 PMID:40651440	研究论文	本研究利用病理组学和深度学习技术，开发了一种三级分层策略，通过分析死后组织图像数据来估计死后间隔，为死后病理组学奠定了基础	提出了一个三级分层策略，整合多器官特征，首次将全切片图像作为新模态应用于死后间隔估计	研究仅使用了巴马小型猪作为模型，样本量相对较小（12只训练，4只验证）	开发基于病理组学和深度学习的死后间隔估计方法	巴马小型猪的肝脏、肾脏和骨骼肌组织	数字病理学	NA	全切片图像分析、深度学习	DenseNet121, VGG16, stacking集成模型	图像	12只巴马小型猪（训练集），4只（外部验证集）
8	2025-08-06	Handwritten signature verification using a wearable surface-EMG armband 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108908 PMID:40664058	研究论文	本研究探讨了使用表面肌电图（sEMG）通过可穿戴臂带进行手写签名验证的方法	提出了一个双模型深度学习框架，结合肌肉共激活模式和原始sEMG信号波形，显著提高了签名验证的准确率	研究样本量较小，仅包含20名个体的数据	解决手写签名验证中类内变异性大的问题，提供一种实用且安全的生物特征认证解决方案	手写签名	生物特征识别	NA	表面肌电图（sEMG）	CNN-LSTM, 多分支CNN	sEMG信号	20名个体
9	2025-08-06	Early detection of Multidrug Resistance using Multivariate Time Series analysis and interpretable patient-similarity representations 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108920 PMID:40675058	研究论文	本研究提出了一种新颖的可解释机器学习方法，用于预测多药耐药性（MDR），旨在提高预测准确性和可解释性	采用基于患者相似性表示的多变量时间序列分析和图方法，结合多种相似性度量，提高了MDR预测的准确性和可解释性	研究基于单一ICU数据集，可能限制结果的普适性	开发一种可解释的机器学习方法，用于早期检测多药耐药性	ICU患者的电子健康记录数据	机器学习	多药耐药性感染	多变量时间序列分析、动态时间规整（DTW）、时间聚类核	Logistic回归、随机森林、支持向量机	电子健康记录（EHR）	来自University Hospital of Fuenlabrada ICU数据集的真实世界数据
10	2025-08-06	A novel multimodal adaptive delineation model for primary tumors and lymph node metastases in multi-center nasopharyngeal carcinoma radiotherapy 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108965 PMID:40682906	研究论文	提出了一种新型多模态自适应勾画模型，用于多中心鼻咽癌放疗中原发肿瘤和淋巴结转移的自动勾画	采用条件去噪扩散模型（DDPM）结合'模态间和模态内'注意力机制，动态校准多模态特征的融合权重，提高了勾画准确性	前瞻性验证样本量较小（仅4例），且原发肿瘤勾画精度优于转移病灶	提升鼻咽癌放疗中肿瘤靶区（GTV）自动勾画的准确性和稳定性	鼻咽癌原发肿瘤及淋巴结转移病灶	数字病理	鼻咽癌	CT和MRI多模态影像分析	条件去噪扩散模型（DDPM）	医学影像（CT/MRI）	529例回顾性病例+4例前瞻性病例（多中心数据）
11	2025-08-06	Blind super-resolution for handheld ultrasound image: Two-stage degradation based unpaired deep learning 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108956 PMID:40694937	research paper	提出了一种基于两阶段退化的盲超分辨率方法，用于提升手持超声设备的图像质量	引入两阶段退化方法，包括频率概率退化和高斯模糊与斑点噪声退化，以及新的超声感知损失函数	未提及具体样本量及实际临床应用的验证效果	提升手持超声设备的图像质量	手持超声设备采集的低质量超声图像	computer vision	NA	小波变换, 神经网络生成的模糊核和噪声	EDSR	image	NA
12	2025-08-06	Predicting synergistic drug combinations via hierarchical molecular representation and cell line latent space fusion 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108933 PMID:40714415	研究论文	本研究开发了一种新型深度学习模型，通过多层次的分子表示和细胞系潜在空间融合来预测抗癌药物的协同组合	模型在节点、基元和图形层次上分层表示药物分子，结合Mamba模块和图注意力卷积提取药物对特征，并通过编码器-解码器结构减少细胞系数据噪声	NA	提高抗癌药物协同效应的预测准确性	抗癌药物组合和癌细胞系	机器学习	癌症	深度学习	基于图注意力的卷积网络和编码器-解码器结构	药物分子图和细胞系基因表达数据	基准数据集中的多种癌细胞系药物反应数据
13	2025-08-06	TabNet and TabTransformer: Novel Deep Learning Models for Chemical Toxicity Prediction in Comparison With Machine Learning 2025-09, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4803 PMID:40309751	research paper	本研究评估了深度学习模型TabNet和TabTransformer在化学毒性预测中的表现，并与传统机器学习方法进行了比较	首次将TabNet和TabTransformer应用于化学毒性预测，并展示了其在复杂特征关系建模和性能上的优势	研究仅基于分子描述符数据，未考虑其他可能影响毒性的因素	评估深度学习模型在化学毒性预测中的性能	12,228个训练样本和3,057个测试样本，包含801个分子描述符	machine learning	NA	SHAP分析	TabNet, TabTransformer, XGBoost, CatBoost, SVM	分子描述符数据	12,228个训练样本和3,057个测试样本
14	2025-08-06	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-Sep, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	研究论文	本研究开发了一种结合临床和放射组学特征的机器学习模型，用于预测嗜铬细胞瘤和副神经节瘤手术难度，旨在优化术前规划和减少围手术期并发症	首次结合临床和放射组学特征构建机器学习模型预测手术难度，并通过SHAP分析识别关键预测因子	研究为回顾性设计，未来需要多中心研究验证和实时术中预测工具的开发	优化嗜铬细胞瘤和副神经节瘤的术前规划，减少围手术期并发症	嗜铬细胞瘤和副神经节瘤患者	机器学习	嗜铬细胞瘤和副神经节瘤	机器学习算法	SVM	临床和影像数据	NA
15	2025-08-06	A Scalable Deep Learning Approach for Real-Time Multivariate Monitoring of Biopharmaceutical Processes With No Prior Product-Specific History 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29039 PMID:40457612	研究论文	提出了一种新型实时深度学习框架，用于监测无产品特定历史记录的生物制药过程健康状态	结合自动编码器（AEs）和多阶段实时数据处理算法，开发了实时异常检测和根源识别的新方法	未提及具体样本量或实验验证范围的局限性	开发无需产品特定历史记录的生物制药过程实时监测方法	生物制药过程中的细胞培养操作，特别是单克隆抗体的生产	机器学习	NA	深度学习，自动编码器（AEs）	自动编码器（AEs）	时间序列数据	NA
16	2025-08-06	Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29040 PMID:40485093	研究论文	本研究提出了一种基于在线拉曼光谱仪的深度学习算法，用于优化生物乙醇发酵过程的控制	采用半监督学习的伪标记方法扩充训练数据集，并开发了结合时序光谱特征的STC-CNN模型	研究仅以酿酒酵母的生物乙醇生产为案例，未验证在其他发酵系统中的适用性	优化生物制造过程中的补料策略以实现稳定最大产量	酿酒酵母的生物乙醇发酵过程	机器学习	NA	在线拉曼光谱分析	STC-CNN（光谱-时序串联卷积神经网络）	光谱数据	训练数据集比传统标记方法扩大100倍
17	2025-08-06	Multifrequency Time-Dependent Deep Image Prior for Real-Time Free-Breathing Cardiac Imaging 2025-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70114 PMID:40760871	研究论文	本研究提出了一种多频时间依赖性深度图像先验方法，用于实时自由呼吸心脏成像	引入了多频流形参数化时间，无需假设运动周期性，并联合估计线圈灵敏度以改进多通道数据重建	与传统扫描相比，边缘锐度和图像对比度评分较低	实现无需呼吸暂停或心电图门控的高时间分辨率功能性心脏成像	健康受试者和心律失常患者的心脏成像	医学影像	心血管疾病	MRI	Time-Dependent Deep Image Prior (Time-DIP)	图像	健康受试者和患者（包括心律失常患者）的扫描数据
18	2025-08-06	TP-Transformer: An Interpretable Model for Predicting the Transformation Pathways of Organic Pollutants in Chemical Oxidation Processes 2025-Aug-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c02701 PMID:40532215	研究论文	本文介绍了一种名为TP-Transformer的深度学习框架，用于预测有机污染物在化学氧化过程中的转化产物及其形成途径	TP-Transformer能够预测转化产物的结构及其形成途径，并通过注意力分析模拟专家级化学推理	模型的训练数据集Chem_Oxi_2K仅包含2780个污染物降解反应，可能限制了其在更广泛污染物上的预测能力	开发一种可扩展、精确且高效的替代传统实验方法的技术，以优化氧化方法并增强水处理策略	有机污染物及其在化学氧化过程中的转化产物	环境化学	NA	深度学习	Transformer	化学反应数据	2780个污染物降解反应
19	2025-08-06	Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01486 PMID:40613676	研究论文	开发了一个结合蒙特卡洛模拟和深度学习的框架，用于准确分析单分子光谱成像数据	首次提出基于监督学习的单分子光谱图像去噪方法（SpecUNet），并建立了八个全面的评估指标	未提及具体的数据集规模或实验条件的限制	提高单分子光谱成像去噪和分析的准确性	单分子光谱成像数据	机器学习和光谱成像	NA	蒙特卡洛模拟和深度学习	SpecUNet（基于CNN的变体）	光谱成像数据	未明确提及样本数量
20	2025-08-06	Artificial intelligence in prostate cancer 2025-Aug-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003689 PMID:40629505	综述	本文综述了人工智能在前列腺癌诊断、治疗和预后预测中的临床应用	强调了基础模型在医疗AI应用中的革命性作用及其与临床实践的整合	探讨了AI在临床应用中面临的当前挑战	改善前列腺癌患者的生存率	前列腺癌	数字病理学	前列腺癌	深度学习算法	基础模型	病理和影像数据	NA