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
2341	2025-12-03	Brain-inspired multisensory integration neural network for cross-modal recognition through spatiotemporal dynamics and deep learning 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09932-4 PMID:39712112	研究论文	本文提出了一种受大脑启发的多感官整合神经网络，用于通过时空动力学和深度学习实现跨模态识别	提出了一种结合并行CNN和RNN的级联框架，模拟大脑多感官整合过程，并揭示了特征在正交子空间编码及网络状态沿准旋转对称轨迹演化的机制	使用合成训练数据进行数字识别任务，可能未在真实世界复杂多模态数据上验证	研究多感官整合的计算原理，开发受大脑启发的智能神经网络模型以实现跨模态识别	视觉和音频感官输入的多模态信息	机器学习	NA	深度学习	CNN, RNN	图像, 音频	NA	NA	并行卷积神经网络, 循环神经网络	NA	NA
2342	2025-12-03	Deep source transfer learning for the estimation of internal brain dynamics using scalp EEG 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10149-2 PMID:39712104	研究论文	本文提出了一种基于深度学习的新型EEG数据驱动源成像方案，用于精确高效地估计丘脑和皮层区域的大尺度时空脑动力学	提出了一种结合卷积循环神经网络的深度源成像框架，并利用基于人脑连接组学构建的脑模型生成合成训练数据，进一步应用迁移学习算法以减少合成数据与真实EEG数据之间的动态差异	未明确提及具体的数据集规模限制或模型泛化能力的详细评估	通过源成像技术提高EEG的空间分辨率，以增强神经解码和脑机交互的可靠性	大脑内部活动，特别是丘脑和皮层区域的宏观时空动力学	机器学习	癫痫	脑电图（EEG）	CNN, RNN	高密度EEG记录	NA	NA	卷积循环神经网络	NA	NA
2343	2025-12-03	Adaptive learning rate in dynamical binary environments: the signature of adaptive information processing 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10128-7 PMID:39712114	研究论文	本文构建了一个具有自适应学习率的分层贝叶斯模型，用于推断动态二元环境中的隐藏概率，并分析了该模型在合成数据上的自适应行为	模型的自适应学习率受信念和环境不确定性调节，其更新规则是Rescorla-Wagner方程的扩展，强调了自适应学习率作为高效准确推断的机制组成部分	NA	研究自适应学习模型在解释人类和动物自适应行为中的作用，特别是在动态二元环境中推断隐藏概率	合成数据	机器学习	NA	分层贝叶斯建模	贝叶斯模型	合成数据	NA	NA	分层贝叶斯模型	NA	NA
2344	2025-12-03	MSHANet: a multi-scale residual network with hybrid attention for motor imagery EEG decoding 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10127-8 PMID:39712122	研究论文	本研究提出了一种多尺度残差网络与混合注意力机制（MSHANet），用于解码四种运动想象脑电图类别，以提升脑机接口的性能	结合多头注意力和挤压-激励注意力机制，混合聚焦于脑电图特征的重要信息，并应用多尺度残差块提取丰富的特征，同时共享部分块参数以提取共同特征	NA	解码运动想象脑电图，以开发稳定且高效的脑机接口系统	运动想象脑电图数据	机器学习	NA	脑电图解码	CNN	脑电图信号	NA	NA	MSHANet	准确率	NA
2345	2025-12-03	Advances in brain-computer interface for decoding speech imagery from EEG signals: a systematic review 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10167-0 PMID:39712121	综述	本文系统综述了基于脑电图（EEG）信号的脑机接口（BCI）在解码想象言语方面的最新进展，旨在帮助言语障碍者实现有效沟通	从认知神经发育视角整合EEG信号解码想象言语的关键研究，系统梳理了预处理、特征提取和分类算法（包括深度学习和机器学习方法）及其融合的创新方法	NA	推动基于EEG的BCI系统在解码想象言语方面的实际应用，以改善言语障碍者的沟通能力	基于EEG信号的想象言语解码研究	脑机接口	神经系统疾病	脑电图（EEG）	深度学习, 机器学习	EEG信号	NA	NA	NA	NA	NA
2346	2025-12-03	A bimodal deep learning network based on CNN for fine motor imagery 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10159-0 PMID:39712133	研究论文	本研究提出了一种基于CNN的双模态深度学习网络，用于提高精细运动想象的解码性能	设计了包含四类任务的精细运动想象范式，并提出了结合EEG和fNIRS信号的双模态融合网络，显著提升了分类准确率	样本量较小（仅12名受试者），且四类任务的准确率（58.96%）仍有提升空间	提高精细运动想象任务的解码性能，以支持基于精细运动想象的脑机接口系统	12名受试者的EEG-fNIRS双模态脑活动数据	脑机接口	NA	EEG, fNIRS	CNN	脑电信号, 近红外光谱信号	12名受试者	NA	CNN	四分类准确率	NA
2347	2025-12-03	On hyper-parameter selection for guaranteed convergence of RMSProp 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-022-09845-8 PMID:39712127	研究论文	本文提出了一种时间变化的RMSProp算法变体，以解决其在凸优化中可能不收敛的问题，并提供了理论证明和数值实验验证	将RMSProp的超参数视为时间变化序列而非固定常数，从而确保收敛性，并首次为平滑非凸目标提供了严格的收敛性证明	未讨论算法在超大规模数据集或复杂神经网络架构中的实际性能，且理论分析可能未涵盖所有实际应用场景	改进RMSProp优化算法的收敛性，确保其在凸和非凸优化问题中都能收敛到临界点	RMSProp优化算法及其在深度学习中的应用	机器学习	NA	NA	NA	基准数据集	NA	NA	NA	收敛率	NA
2348	2025-12-03	A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project 2024-Dec, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-023-00141-x PMID:40061820	研究论文	本研究基于中国表型银行项目，提出了一套针对多器官的体部成像协议及相应的图像处理流程	首次在基于人群的队列研究中，为心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官，制定了标准化的体部成像协议和深度学习分割模型驱动的图像处理流程	未提供具体的性能验证数据或临床应用结果，且协议可能受限于特定成像设备和人群	为基于中国表型银行项目平台的研究提供体部成像和图像处理的参考标准	心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多个器官	数字病理学	NA	心脏磁共振成像、计算机断层扫描、腹部磁共振成像、盆腔磁共振成像	深度学习分割模型	图像	NA	NA	NA	NA	NA
2349	2025-12-03	Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review 2024-Dec, iRadiology DOI:10.1002/ird3.99 PMID:40453356	综述	本文对应用于前列腺癌骨转移影像的定量方法（包括影像组学、机器学习和深度学习）进行了范围综述	针对前列腺癌骨转移影像分析领域，整合了来自影像组学、机器学习和深度学习等多个领域的定量方法，并提供了临床见解，填补了文献中关于不同方法和未来方向的详细分析空白	NA	回顾并分析应用于前列腺癌骨转移影像的定量方法，以期为临床管理提供支持	前列腺癌骨转移的影像数据	数字病理学	前列腺癌	影像组学, 机器学习, 深度学习	NA	影像	NA	NA	NA	NA	NA
2350	2025-12-03	Quantum-to-Classical Neural Network Transfer Learning Applied to Drug Toxicity Prediction 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00432 PMID:38795030	研究论文	本文提出了一种混合量子-经典神经网络，用于预测药物毒性，并通过量子电路设计模拟经典神经行为，以降低计算复杂度	利用Hadamard测试而非传统的交换测试进行高效内积估计，将量子比特数量减半，并避免了量子相位估计的需求	未明确讨论模型在更大规模数据集上的泛化能力或实际量子硬件中的噪声影响	开发一种结合量子计算优势的药物毒性预测模型，以降低计算复杂度并提升可扩展性	药物毒性预测，特别是针对Tox21数据集中的化合物	机器学习	NA	量子计算，深度学习	混合量子-经典神经网络	化学数据（来自Tox21数据集）	NA	NA	混合量子-经典神经网络	预测准确性	量子与经典计算设备结合
2351	2025-12-03	A deep learning system for predicting time to progression of diabetic retinopathy 2024-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02742-5 PMID:38177856	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2352	2025-12-03	A deep learning system for predicting time to progression of diabetic retinopathy 2024-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02702-z PMID:38177850	研究论文	本文开发并验证了一个深度学习系统（DeepDR Plus），用于仅基于眼底图像预测糖尿病视网膜病变在5年内的进展时间	开发了首个基于深度学习预测糖尿病视网膜病变进展时间的系统，仅使用眼底图像，无需额外临床数据，并展示了在真实世界队列中的验证和个性化筛查间隔的潜力	未明确提及模型的可解释性、跨不同医疗中心的泛化能力或长期随访数据的局限性	预测糖尿病视网膜病变的进展时间，以实现个性化筛查间隔	糖尿病患者及其眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	深度学习系统	图像	预训练使用179,327名参与者的717,308张眼底图像；训练和验证使用29,868名参与者的118,868张眼底图像	NA	NA	一致性指数, 集成Brier分数	NA
2353	2025-12-03	Deep learning-aided decision support for diagnosis of skin disease across skin tones 2024-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02728-3 PMID:38317019	研究论文	本研究通过大规模数字实验评估了医生与深度学习系统合作在皮肤疾病诊断中的效果，特别关注了不同肤色间的诊断准确性差异	首次在大规模实验中量化了医生与深度学习系统合作对皮肤疾病诊断准确性的影响，并揭示了系统支持可能加剧不同肤色间诊断差距的现象	实验基于存储转发式远程皮肤病学模拟，可能无法完全反映实际临床环境；仅使用图像数据，缺乏临床病史等信息	评估医生与深度学习系统合作在皮肤疾病诊断中的准确性，并分析不同肤色对诊断效果的影响	皮肤疾病图像及参与诊断的皮肤科医生和初级保健医生	计算机视觉	皮肤疾病	深度学习辅助诊断	深度学习系统	图像	364张图像，涵盖46种皮肤疾病；389名皮肤科医生和459名初级保健医生参与	NA	NA	诊断准确性	NA
2354	2025-12-03	A population-level digital histologic biomarker for enhanced prognosis of invasive breast cancer 2024-01, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02643-7 PMID:38012314	研究论文	本文介绍了一种名为组织学预后特征（HiPS）的数字组织学生物标志物，用于增强浸润性乳腺癌的预后预测	HiPS利用深度学习全面量化肿瘤微环境中的上皮、基质、免疫和空间交互特征，超越了传统定性病理分级方法	研究未明确讨论模型在不同种族或亚型乳腺癌人群中的泛化能力限制	开发一种基于数字病理学的预后生物标志物以改善乳腺癌生存预测	浸润性乳腺癌患者的组织切片	数字病理学	乳腺癌	深度学习	深度学习模型	组织病理学图像	基于癌症预防研究-II（CPS-II）的群体水平队列开发，并在三个独立队列（PLCO试验、CPS-3、TCGA）中验证	NA	NA	生存预测准确性	NA
2355	2025-12-03	Exploring Global Land Coarse-Mode Aerosol Changes from 2001-2021 Using a New Spatiotemporal Coaction Deep-Learning Model 2023-12-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c07982 PMID:37962866	研究论文	本文提出了一种新的时空协同深度学习模型（SCAM），用于反演2001-2021年全球陆地粗模态气溶胶光学厚度（cAOD），以更好地理解粗颗粒（特别是沙尘气溶胶）对气候的影响	提出的SCAM模型考虑了时空特征交互的影响，能同时描述反演中的线性和非线性关系，相比传统深度学习模型显著提高了全球每日cAOD的精度和覆盖率	未明确提及，但可能包括模型对特定区域或极端天气条件的适用性限制，以及依赖于输入卫星数据的质量	开发一种改进的深度学习模型，以更准确、长期地反演全球陆地粗模态气溶胶光学厚度，减少气候研究中相关的不确定性	全球陆地粗模态气溶胶（特别是沙尘气溶胶）	机器学习	NA	卫星遥感（MISR, MODIS, POLDER）	深度学习	卫星遥感数据	2001-2021年全球陆地每日数据	NA	时空协同深度学习模型（SCAM）	相关系数（R），均方根误差（RMSE）	NA
2356	2025-12-03	Modeling Indirect Greenhouse Gas Emissions Sources from Urban Wastewater Treatment Plants: Integrating Machine Learning Models to Compensate for Sparse Parameters with Abundant Observations 2023-12-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06482 PMID:37976424	研究论文	本文提出整合梯度提升树和深度学习模型，以精确建模中国污水处理厂的电力消耗强度和污泥产量，作为间接温室气体排放源	通过整合机器学习模型（GBT和DL）来补偿稀疏参数，利用大量观测数据，分别关注运行条件和设计参数，实现全面建模	NA	预测污水处理厂的电力消耗和污泥产量，以支持技术相关政策决策，并管理间接温室气体排放	中国污水处理厂的电力消耗强度和污泥产量	机器学习	NA	NA	梯度提升树, 深度学习	观测数据	NA	NA	NA	NA	NA
2357	2025-12-03	Large-scale pancreatic cancer detection via non-contrast CT and deep learning 2023-12, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02640-w PMID:37985692	研究论文	本研究开发了一种名为PANDA的深度学习模型，能够通过非增强CT高精度检测和分类胰腺病变	首次证明利用常规非增强CT进行大规模胰腺癌筛查的可行性，打破了长期以来认为非增强CT无法识别胰腺癌的传统认知	模型训练数据主要来自单一中心，尽管在多中心验证中表现良好，但泛化能力仍需在更广泛人群中进一步验证	开发一种基于非增强CT和深度学习的大规模胰腺癌筛查工具	胰腺导管腺癌（PDAC）及其他胰腺病变	数字病理学	胰腺癌	非增强计算机断层扫描（CT）	深度学习模型	医学影像（CT图像）	训练集：3,208名患者（单中心）；多中心验证：6,239名患者（10个中心）；真实世界验证：20,530名连续患者	NA	PANDA（具体架构未在摘要中说明）	AUC（曲线下面积），敏感性，特异性	NA
2358	2025-12-03	A Graph Neural Network Model with a Transparent Decision-Making Process Defines the Applicability Domain for Environmental Estrogen Screening 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c04571 PMID:37749748	研究论文	本研究开发了一种基于图神经网络的模型，用于筛选环境雌激素，并提出了透明的决策过程描述和有效的适用域表征方法	通过基于模型特征的网络状相似图探索GNN模型的决策过程，并提出了能排除模型预测范围外预测的适用域表征方法，从而提高了预测可靠性	未明确说明模型在更广泛化学物质数据集上的泛化能力，以及适用域方法可能排除部分有效预测	开发具有透明决策过程和有效适用域表征的深度学习模型，用于环境雌激素的筛选	环境雌激素化合物	机器学习	NA	图神经网络	GNN	化学结构图数据	未明确说明具体样本数量，但涉及中国现有化学物质名录中的800种潜在环境雌激素	NA	图神经网络	准确率, F1分数	NA
2359	2025-12-03	Protein Language Models Uncover Carbohydrate-Active Enzyme Function in Metagenomics 2023-Oct-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.23.563620 PMID:37961379	研究论文	本研究开发了首个利用蛋白质语言模型嵌入构建深度学习框架的工具CAZyLingua，用于注释宏基因组数据集中的碳水化合物活性酶	首次将蛋白质语言模型嵌入应用于构建深度学习框架，以注释宏基因组中的CAZymes，相比传统基于序列同源性的方法（如dbCAN2）具有更高的F1分数，并在疾病相关数据集中发现先前被忽略的注释	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发一种深度学习工具，以改进宏基因组中碳水化合物活性酶的功能注释	宏基因组数据集中的碳水化合物活性酶	自然语言处理	克罗恩病, IgG4相关疾病	蛋白质语言模型嵌入, 深度学习	深度学习框架	蛋白质序列数据	涉及配对母婴纵向数据集以及克罗恩病和IgG4相关疾病患者的宏基因组数据集，具体样本数量未明确说明	NA	CAZyLingua	F1分数, 精确度, 召回率	NA
2360	2025-12-03	A population-level computational histologic signature for invasive breast cancer prognosis 2023-May-26, Research square DOI:10.21203/rs.3.rs-2947001/v1 PMID:37293118	研究论文	本研究提出了一种基于深度学习的组织学预后签名（HiPS），用于评估乳腺癌肿瘤微环境的形态学特征并预测生存风险	HiPS首次通过深度学习全面量化肿瘤微环境中的上皮、基质、免疫和空间交互特征，超越了传统病理学家基于诺丁汉标准的定性评估	研究未明确讨论模型在不同种族或地域人群中的泛化能力，且依赖于历史队列数据	开发一种计算组织学特征来改善浸润性乳腺癌的预后预测	乳腺癌患者的组织切片图像	数字病理学	乳腺癌	深度学习，组织图像分析	深度学习模型	组织病理学图像	基于癌症预防研究（CPS）-II的群体级队列开发，并在PLCO试验、CPS-3和癌症基因组图谱三个独立队列中验证	NA	NA	生存预测准确性	NA