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
2021	2025-12-02	Assessing the performance of a Trombe wall enhanced with phase change material using deep learning 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26886-1 PMID:41315635	研究论文	本文开发了一种结合CNN和LSTM的深度学习模型，用于预测相变材料增强型特朗伯墙的热效率	提出了一种结合CNN和LSTM的深度学习模型来预测相变材料增强型特朗伯墙的热效率，该模型在热行为预测中考虑了相变材料的热存储能力，并展示了良好的泛化能力	NA	开发可靠的深度学习预测模型以确定相变材料增强型特朗伯墙的热效率	相变材料增强型特朗伯墙的热效率	机器学习	NA	NA	CNN, LSTM	时间序列数据（包括温度、湿度、风速、太阳辐射强度等）	NA	NA	CNN+LSTM	决定系数, 平均绝对误差, 均方根误差	NA
2022	2025-12-02	Deep learning-based classification of benign and malignant breast microcalcifications in mammography 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27149-9 PMID:41315645	研究论文	本研究评估了ResNet和EfficientNet模型在乳腺X线摄影中良恶性微钙化分类的性能	首次系统比较了ResNet和EfficientNet模型在乳腺微钙化分类任务中的表现，并发现EfficientNet模型显著优于ResNet变体	研究仅基于单一数据集，且未考虑其他深度学习架构或更广泛的临床变量	评估不同深度学习模型在乳腺X线摄影中良恶性微钙化分类的性能	乳腺X线摄影图像中的微钙化区域	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	3,674张乳腺X线摄影切片	NA	ResNet-50, ResNet-101, EfficientNet-B0, EfficientNet-B1, EfficientNet-B2, EfficientNet-B3, EfficientNet-B4	准确率, AUC, 加权F1分数	NA
2023	2025-12-02	A deep learning-based intelligent curriculum system for enhancing public music education: a case study across three universities in Southwest China 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27153-z PMID:41315653	研究论文	本研究介绍了一个基于深度学习的智能课程系统，用于提升中国西南地区高校的公共音乐教育质量	利用LSTM和Transformer模型分析实时学习数据，预测掌握趋势，并通过云端界面提供个性化反馈，为艺术教育在文化多样、数据稀缺环境中的AI整合提供了可扩展解决方案	研究仅在中国西南地区三所大学进行，样本范围有限，且未详细讨论长期效果或系统在不同文化背景下的普适性	通过AI技术增强公共音乐教育，响应国家美育改革，并探索在艺术教育中集成先进计算的方法	中国西南地区三所大学（贵州民族大学、贵州大学、西昌大学）的学生	自然语言处理	NA	深度学习	LSTM, Transformer	学习行为数据	三所大学的学生群体，具体数量未明确	未明确指定，但提及云端界面	LSTM, Transformer	后测掌握分数提升百分比（32%更高），预测模型准确度（RMSE < 0.15）	云端平台
2024	2025-12-02	Normal twin PET: personalized generative modeling for confounder correction and anomaly detection in whole-body PET/CT 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26827-y PMID:41315788	研究论文	本文提出了一种深度学习方法来生成患者特异性正常孪生PET图像，用于全身PET/CT成像中的定量分析和无监督病理异常检测	引入了“孪生校正”方法，可减少高达90%的SUV方差，并成功降低患者性别、年龄、脂肪量和摄取时间等混杂因素的影响	模型训练依赖于伪正常PET/CT研究，可能无法完全覆盖所有正常变异；在AutoPET数据集上的Dice分数为49.3%，仍有提升空间	开发一种无监督的病理异常检测和肿瘤分割方法，用于全身PET/CT成像分析	全身PET/CT图像，包括稳定淋巴瘤患者和手动疾病掩蔽的临床扫描	数字病理学	淋巴瘤	PET/CT成像	生成模型	图像	2,538个伪正常PET/CT研究用于训练，177个测试研究用于评估	NA	图像到图像生成模型	解释方差，平均绝对相对误差，Dice系数	NA
2025	2025-12-02	Impact of U2-type introns on splice site prediction in A. thaliana species using deep learning 2025-Nov-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06315-w PMID:41316016	研究论文	本研究利用深度学习模型探讨了U2型内含子对拟南芥物种剪接位点预测的影响	首次系统分析了短内含子和多内含子序列对剪接位点预测效果的影响，揭示了内含子长度与剪接位点预测之间的复杂关系	研究仅针对拟南芥物种，未扩展到其他植物基因组；模型可能未考虑所有剪接相关信号的空间排列因素	探究U2型内含子特征对植物基因组剪接位点预测的影响	拟南芥基因组中的剪接位点，特别是U2型内含子相关的供体和受体位点	自然语言处理	NA	深度学习	深度学习模型	基因组序列数据	供体位点：36,399个单内含子序列和13,987个多内含子序列；受体位点：37,236个单内含子序列和14,112个多内含子序列	NA	NA	预测效果	NA
2026	2025-12-02	An efficient deep learning-based morphology aware hierarchical mixture of features for tuberculosis screening using segmentation of chest X-ray images 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19179-0 PMID:41309684	研究论文	本文提出了一种基于高效深度学习的层次特征融合方法，用于胸部X光图像的肺部分割和结核病筛查	结合了Res-UNet进行肺部分割，并融合了EfficientNetV2、CapsNet和卷积视觉变换器（CViT）进行特征提取，最后使用堆叠自编码器（SAE）进行分类，实现了高精度的结核病筛查	未提及模型在外部验证集或临床环境中的泛化能力，也未讨论计算资源需求或处理时间	开发一个自动化的深度学习框架，用于精确的肺部分割和结核病筛查，以支持早期诊断和临床决策	胸部X光图像	计算机视觉	结核病	胸部X光成像	深度学习	图像	未明确指定，但使用了CXR Masks and Labels数据集	未明确指定	Res-UNet, EfficientNetV2, CapsNet, Convolutional Vision Transformer (CViT), Stacked Autoencoder (SAE)	准确率	未提及
2027	2025-12-02	A novel framework using particle swarm optimization and long short-term memory networks for stock market forcasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26087-w PMID:41310345	研究论文	本研究提出了一种结合粒子群优化、长短期记忆网络和金融情感分析的智能混合框架，用于提高股票价格预测的准确性	将LSTM网络与元启发式优化算法（PSO、GWO、ARO）及基于FinBERT的金融情感分析相结合，构建了SEN_PSO_LSTM混合模型，在波动市场条件下显著提升了预测性能	未明确说明模型在不同市场周期或极端事件下的泛化能力，且情感特征仅来源于经济新闻，可能未涵盖所有市场影响因素	通过深度学习、超参数优化和情感分析的融合，提高股票价格预测的准确性和鲁棒性	七家跨行业上市公司股票（Apple、Amazon、Google、Microsoft、JPMorgan Chase、UnitedHealth Group、Toyota Motor）	机器学习	NA	金融情感分析、元启发式优化	LSTM	时间序列数据、文本数据（经济新闻）	七家公司的股票数据及对应新闻数据	TensorFlow/PyTorch（基于LSTM和FinBERT的典型框架）	单层LSTM、双层LSTM、三层LSTM、FinBERT	RMSE, MAE, R², MAPE	NA
2028	2025-12-02	A simple method for rapid reconstruction of 3D animal trajectory from monocular video 2025-Nov-27, Movement ecology IF:3.4Q2 DOI:10.1186/s40462-025-00608-8 PMID:41310862	研究论文	本文提出了一种基于单目视频和深度学习工具的三维动物运动轨迹重建方法，用于分析动物运动生态学	结合深度学习工具和针孔相机模型，开发了一种低成本、用户友好的三维动物运动轨迹重建方法，无需多摄像头或精确校准	方法在空间精度上存在平均偏差（空中运动0.09米，地面运动0.044米），且可能受限于单目视频的固有局限性	研究动物运动生态学，量化复杂动物在三维空间中的运动轨迹	动物（如蝙蝠）的运动，包括飞行、行走和捕食行为	计算机视觉	NA	单目视频分析	深度学习工具	视频	NA	NA	NA	平均偏差	NA
2029	2025-12-02	Enhanced YOLOv11 framework for high precision defect detection in printed circuit boards 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27415-w PMID:41298795	研究论文	本文提出了一种专为印刷电路板缺陷检测设计的增强型深度学习框架YOLOv11-PCB	集成了高效多尺度注意力模块、内容感知特征重组机制和优化的EIoU损失函数，显著提升了检测精度和计算效率	NA	实现印刷电路板的高精度自动化缺陷检测	印刷电路板	计算机视觉	NA	深度学习	CNN	图像	两个基准PCB缺陷数据集（北京大学PCB数据集和DeepPCB数据集）	PyTorch	YOLOv11	mAP@0.5, mAP@0.5:0.95, FPS	NA
2030	2025-12-02	Deep learning reveals how cells pull, buckle, and navigate fibrous environments 2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424047122 PMID:41269797	研究论文	本研究通过结合相位显微镜和深度学习技术，开发了DLFM方法，实时映射细胞在纤维环境中的力学力，揭示了细胞在纤维基质中迁移时机械力方向性如何超越ECM刚度作为收缩性的主要调节因子	首次将深度学习与细胞力学结合，实时可视化细胞在纤维环境中的力分布，发现张力各向异性是细胞行为的主调节因子，挑战了传统基于平坦基质的刚度驱动模型	研究主要基于体外纤维环境模拟，可能未完全复制体内复杂组织条件；DLFM技术的实时映射精度可能受纤维网络动态变化影响	探究细胞在生理纤维环境中如何建立和调节力学力，以解释细胞在可变形纤维环境中的迁移、分裂和分化行为	迁移细胞、干细胞在纤维细胞外基质中的力学行为	数字病理学	癌症	相位显微镜，深度学习，实时力映射	深度学习模型	图像	NA	NA	NA	NA	NA
2031	2025-12-02	Towards the theory for mitigating gradient issues and dead neurons in deep learning through a modified Gaussian activation function 2025-Nov-24, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108353 PMID:41319404	研究论文	本文提出了一种改进的高斯激活函数R-Gaussian，用于缓解深度学习中的梯度问题和神经元死亡现象	提出了一种动态适应预激活值的R-Gaussian激活函数，其调制参数C直接从输入分布推导，无需额外计算开销，在特定C值范围内能实现梯度稳定性和学习效率的最佳平衡	在Dry Bean数据集上的性能未优于Sigmoid函数	缓解深度学习中的梯度消失、梯度爆炸和神经元死亡问题	深度学习模型的激活函数	机器学习	NA	NA	深度神经网络,循环神经网络	图像数据,传感器数据	CIFAR数据集,Dry Bean数据集,UCI HAR数据集	NA	Vanilla RNN	准确率,梯度范数,收敛时间	NA
2032	2025-12-02	Multi-view subspace tensorization with attentive clustering embedding 2025-Nov-22, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108344 PMID:41319403	研究论文	本文提出了一种名为STANCE的新型深度多视图聚类框架，该框架通过张量建模和注意力机制有效捕获多视图数据中的高阶相关性和一致性信息	首次将张量建模整合到深度学习范式中用于多视图聚类，通过构建三阶张量并施加低秩约束来显式捕获视图间的高阶依赖关系，并引入基于注意力的自适应融合模块动态分配样本级权重	未明确说明模型的计算复杂度及对大规模数据集的扩展性，也未讨论对视图数量变化的鲁棒性	解决现有深度多视图聚类方法在建模视图间高阶相关性方面的不足，提升多视图数据聚类的性能	多视图数据	机器学习	NA	NA	自编码器, 注意力机制	多视图数据	多个基准数据集（具体数量未说明）	NA	STANCE（包含视图特定自编码器、张量低秩约束模块、注意力融合模块）	NA	NA
2033	2025-12-02	PL-Seg: Partially labeled abdominal organ segmentation via classwise orthogonal contrastive learning and progressive self-distillation 2025-Nov-21, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103885 PMID:41319623	研究论文	提出了一种名为PL-Seg的新框架，用于在腹部CT扫描中利用部分标注数据进行多器官分割	引入了三种创新方法：基于历史分割难度动态调整权重的硬度感知解耦前景损失、用于减少类间模糊性的类间正交对比损失，以及从深层高分辨率层向浅层低分辨率层蒸馏知识的渐进自蒸馏策略	NA	开发一种能够在部分标注数据（即每个体积中仅标注部分目标器官类别）下实现准确腹部多器官分割的方法	腹部CT扫描中的器官	数字病理	NA	计算机断层扫描	深度学习	医学图像	NA	NA	NA	NA	NA
2034	2025-12-02	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Nov-20, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习方法（UNet和pix2pix）在面部紫外线诱导荧光图像中自动分割卟啉和皮脂的应用	首次在面部卟啉和皮脂的紫外线荧光分割任务中，系统比较了传统分割网络（UNet）与生成对抗网络（pix2pix）两种深度学习方法	数据集多样性有限（仅49名受试者），且未在临床级成像系统上进行验证	评估和比较深度学习方法在面部紫外线诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外线诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外线诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	交并比, Dice系数	NA
2035	2025-12-02	Clinical-Grade Interpretable Artificial Intelligence Tool for Automated Detection of Lymph Node Metastasis in Prostate Cancer 2025-Nov-10, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100934 PMID:41223994	研究论文	本研究开发了一种临床级可解释人工智能工具，用于自动检测前列腺癌淋巴结转移	提出了一种利用有限标注数据集的新型AI模型，通过从无标签数据中识别并纳入最具信息量的实例进行迭代误差校正来优化学习轨迹	模型性能依赖于数据质量，且验证数据主要来自学术医疗中心，可能需在更广泛临床环境中进一步验证	开发一种准确、高效且可解释的AI工具，用于自动检测前列腺癌淋巴结转移，以辅助病理诊断	前列腺癌患者的淋巴结组织	数字病理学	前列腺癌	深度学习	深度学习模型	全切片图像	787张全切片图像和超过2000个淋巴结组织	NA	NA	AUC, 敏感性, 特异性	NA
2036	2025-12-02	Application of Deep Learning for Advanced Detection and Quantification of Drusen in Nonexudative AMD From Retinal Multispectral Imaging 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.35 PMID:41268988	研究论文	提出了一种基于深度学习的新方法，利用视网膜多光谱图像进行早期年龄相关性黄斑变性中玻璃膜疣的检测和量化	首次将深度学习模型应用于视网膜多光谱图像，利用多个非重叠光谱波段特征进行玻璃膜疣的自动检测和量化	样本量较小（170张玻璃膜疣和150张非玻璃膜疣视网膜图像），且仅针对单眼图像进行分析	开发一种自动检测和量化早期年龄相关性黄斑变性中玻璃膜疣的方法	早期非渗出性年龄相关性黄斑变性患者的视网膜多光谱图像	计算机视觉	年龄相关性黄斑变性	视网膜多光谱成像	CNN	图像	170张玻璃膜疣和150张非玻璃膜疣视网膜图像（单眼）	NA	UNet++, EfficientNetV2	Dice系数, 召回率, 精确率, 像素级分割准确率	NA
2037	2025-12-02	Generative Artificial Intelligence for Retinal Image Translation to Improve Glaucoma Screening With Deep Learning 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.36 PMID:41268987	研究论文	本研究利用生成对抗网络将扫描激光检眼镜图像转换为合成彩色眼底照片，以提升深度学习模型在青光眼筛查中的检测性能	首次应用CycleGAN将SLO眼底图像转换为合成CF照片，以解决数据域偏移问题并扩大训练数据集，从而优化青光眼自动检测	研究仅使用单一类型的SLO图像进行转换，未探索其他成像模态；合成图像的质量对模型性能的影响需进一步验证	通过图像转换技术改善青光眼的自动化筛查准确率	扫描激光检眼镜（SLO）图像和彩色眼底（CF）照片	计算机视觉	青光眼	扫描激光检眼镜成像	GAN	图像	16,936张SLO眼底照片	NA	CycleGAN	AUC, 灵敏度	NA
2038	2025-12-02	DLMUSE: Robust Brain Segmentation in Seconds Using Deep Learning 2025-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.240299 PMID:40960397	研究论文	介绍一种开源深度学习脑部分割模型DLMUSE，用于全自动脑部MRI分割，实现快速分割并促进大规模神经影像研究	开发了一个开源深度学习模型，分割速度比参考方法快10,000倍以上，性能与最先进方法相当，并提供了用户友好的Web界面	研究为回顾性，训练数据主要基于多图谱分割方法生成，可能存在标签偏差	实现快速、准确的脑部MRI全自动分割，以支持大规模神经影像研究	脑部MRI扫描图像	医学影像分析	阿尔茨海默病	MRI	CNN	图像	训练集1900个MRI扫描，验证集71,391个扫描来自14项研究	NA	NA	Dice相似系数, Pearson相关系数, 平均绝对误差, 准确率, F1分数	NA
2039	2025-10-31	Correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Nov, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105880 PMID:41161129	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2040	2025-12-02	A comprehensive benchmarking of the AlphaFold3 for predicting biomacromolecules and their interactions 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf616 PMID:41313605	研究论文	本文对AlphaFold3在预测生物大分子及其相互作用方面的性能进行了全面的基准测试	首次对AlphaFold3进行了全面的第三方基准测试，涵盖了九种不同的生物分子数据集，并与多种现有方法进行了系统比较	研究仅基于现有数据集进行基准测试，未涉及AlphaFold3在真实世界应用中的泛化能力和计算效率	评估AlphaFold3在预测生物大分子结构及其相互作用方面的性能	蛋白质单体、孤儿蛋白、替代构象、蛋白质多聚体、肽-蛋白质复合物、抗原-抗体复合物、RNA、RNA多聚体、蛋白质-核酸复合物	计算生物学	NA	深度学习	AlphaFold3, AlphaFold2, AlphaFold-Multimer, RoseTTAFoldNA, RhoFold+, NuFold, trRosettaRNA	生物分子结构数据	九个不同的数据集	NA	AlphaFold系列架构	TM-score, 局部距离差异测试分数, 相互作用网络保真度分数	NA