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
221	2025-12-13	Prediction of neoadjuvant therapy response to HER2-positive and triple-negative breast cancer: a multicenter proof-of-concept study 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109130 PMID:41135295	研究论文	本研究开发了一个基于乳腺X线摄影、多参数MRI和临床特征的深度学习框架，用于预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	提出了一种结合多模态影像（ADC、DCE-MRI、SPAIR T2WI、DWI、CC、MLO）和临床特征的融合模型，用于预测乳腺癌新辅助治疗反应	回顾性研究，样本量相对有限（359例），且仅来自两个机构，可能存在选择偏倚	预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	HER2阳性和三阴性乳腺癌患者	数字病理	乳腺癌	乳腺X线摄影，多参数MRI（包括ADC、DCE-MRI、SPAIR T2WI、DWI）	深度学习	影像（乳腺X线摄影、MRI），临床特征	359名乳腺癌患者（来自两个机构）	NA	DenseNet169-CBAM, Multi-Layer Perceptron	AUC, 准确率, 敏感性, 特异性	NA
222	2025-12-13	Uncertainty- and hardness-weighted loss functions for medical image segmentation 2026-Jan-01, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.113118 PMID:41383559	研究论文	本文提出了一种用于医学图像分割的新型不确定性/难度加权损失函数，通过概率引导不确定性权重和区域增强难度权重来提升分割精度	提出了两种像素级加权方案（概率引导不确定性权重和区域增强难度权重），能够根据预测不确定性和像素难度动态调整损失函数，特别关注边界区域的分割精度	未明确说明计算复杂度增加的具体程度，也未在更多样化的医学图像数据集上进行验证	改进医学图像分割的损失函数设计，通过加权机制减少分割误差	医学图像中的二维和三维目标分割	计算机视觉	青光眼、心血管疾病（心房分割）	深度学习	CNN, Transformer	医学图像（视网膜眼底图像、OCT图像、心脏MRI图像）	四个公开数据集（REFUGE、RETA、OCT、ASC），具体样本数量未明确说明	PyTorch（根据代码仓库推断）	Swin-Unet, V-Net	未在摘要中明确列出具体指标，但暗示了与CE损失和Dice损失的比较	未明确说明
223	2025-12-13	An Interpretable Hybrid AI Model for Breast Fine Needle Aspiration Cytology Image Classification 2025-Dec-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02267-z PMID:41381926	研究论文	本文提出了一种用于乳腺细针穿刺细胞学图像分类的可解释混合AI模型	探索了18种混合架构，结合深度学习特征提取器与机器学习分类器，并利用Grad-CAM实现模型可解释性，获得了95%的临床验证率	研究为概念验证性质，数据来源于两个中心，样本量相对有限	开发一种高精度、可解释的混合AI模型，用于乳腺细针穿刺细胞学图像的二元分类	乳腺细针穿刺细胞学图像	数字病理学	乳腺癌	细针穿刺细胞学	混合模型	图像	原始数据集427张图像（152张良性，275张恶性），数据增强后扩展至2866张图像（1216张良性，1650张恶性）	NA	Inception-V3, MobileNet-V2, DenseNet-121, Support Vector Machine, Decision Tree, k-Nearest Neighbours	准确率, 灵敏度, 特异性	NA
224	2025-12-13	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-Dec-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
225	2025-12-13	Beyond Implicit Mapping: Advancing Generative Models Through Smoothed Optimal Transport 2025-Dec-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3638632 PMID:41379885	研究论文	本文提出了一种通过平滑最优传输来提升生成模型的方法，以解决传统模型中映射关系隐式化的问题	引入Nesterov平滑技术平滑Brenier势能，从而推导出显式最优传输映射，构建了更先进的生成模型	未在摘要中明确说明	提升生成模型的解释性和条件生成能力，同时提高生成效率	生成模型中的最优传输映射	机器学习	NA	最优传输（OT）、Nesterov平滑技术	生成模型	NA	NA	NA	NA	NA	NA
226	2025-12-13	Clinically Generalizable Low-Dose CT Denoising for Pediatric Imaging via Enhanced Diffusion Posterior Sampling 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642922 PMID:41379899	研究论文	本文提出了一种增强的扩散后验采样框架，用于儿科低剂量CT图像的降噪，以提升临床泛化能力	提出结合一步去噪U-Net与无条件扩散模型的E-DPS框架，利用U-Net提供结构约束，扩散模型增强真实感与泛化性，并引入中间阶段初始化策略以减少采样步数	未明确说明在极低剂量或运动伪影严重情况下的性能，以及模型在不同医疗机构设备间的泛化能力验证	开发一种具有强临床泛化能力的低剂量CT图像降噪方法，以减少儿科患者的辐射暴露	儿科患者的全身正电子发射断层扫描与计算机断层扫描（PET/CT）图像	计算机视觉	儿科疾病	计算机断层扫描（CT）	扩散模型, U-Net	医学图像（CT图像）	NA	NA	U-Net	峰值信噪比（PSNR）	NA
227	2025-12-13	Graph Attention Fusion With Kolmogorov-Arnold Network for Drug-Gene Interaction Prediction 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625672 PMID:41379905	研究论文	提出一种结合图注意力融合与Kolmogorov-Arnold网络的方法dgKAN，用于预测药物-基因相互作用	通过构建可解释的KAN网络解析药物-基因关系中的异构注意力相互影响，并融合全局与局部注意力机制	NA	预测药物-基因相互作用以辅助疾病治疗的药物开发	药物与基因	机器学习	NA	NA	Transformer, GNN	图数据	NA	NA	Transformer, GNN, KAN	NA	NA
228	2025-12-13	Reinforcement Learning-based Sequential Parameter Tuning for Image Signal Processing 2025-Dec-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642837 PMID:41379910	研究论文	本文提出了一种基于强化学习的图像信号处理参数优化模型，用于自动调整硬件ISP参数以生成高质量RGB图像	首次将硬件ISP参数调优建模为序列优化问题，并引入单智能体强化学习和协作多智能体强化学习框架，探索ISP模块序列结构和参数耦合关系对调优过程的影响	未明确说明模型在极端光照或噪声条件下的鲁棒性，且训练数据需求虽少但具体数据量未详细说明	优化硬件图像信号处理参数调优过程，提高图像质量并适应不同下游任务	硬件ISP模块及其可调参数	计算机视觉	NA	强化学习	强化学习	图像	NA	NA	SARL-ISP, MARL-ISP	定量指标, 定性评估	NA
229	2025-12-13	A Multi-modal Contrastive Learning Framework for Cyclic Peptide Permeability Prediction 2025-Dec-11, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643437 PMID:41379908	研究论文	本文提出了一个名为MCPerm的多模态深度学习框架，通过整合1D SMILES、2D拓扑和3D几何信息来预测环肽的细胞膜渗透性	提出了一种新颖的多模态共享和对比学习策略，通过微调预训练的肽语言模型、使用参数共享图变换器以及双对比学习机制，实现了模态内和模态间的表示一致性，从而提升了预测准确性	未明确提及模型在更大规模或更复杂数据集上的泛化能力，以及计算资源消耗的具体分析	开发一个计算框架以准确预测环肽的细胞膜渗透性，从而加速可渗透细胞膜的环肽药物的理性设计与发现	环肽分子	机器学习	NA	深度学习，对比学习	Transformer	SMILES序列，拓扑结构，几何结构	基于基准PAMPA数据集及三个独立测定数据集（Caco-2, MDCK, RRCK），具体样本数量未明确说明	未明确指定，可能涉及PyTorch或TensorFlow	图变换器，预训练肽语言模型	未明确列出具体指标，但提及达到了最先进的性能	未明确说明
230	2025-12-13	Unveiling Fine-grained Deceptive Patterns in Multi-modal Fake News: An Explainable Neuro-Symbolic Framework with LVLMs 2025-Dec-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642831 PMID:41379920	研究论文	本文提出了一种可解释的神经符号框架GE-NSLM，用于检测多模态假新闻并揭示其背后的细粒度欺骗模式	从解释假新闻如何被制造的角度出发，首次定义了四种欺骗模式，并提出了结合大型视觉语言模型与符号逻辑规则的神经符号潜在模型	未明确说明模型在跨领域或新兴欺骗模式上的泛化能力，也未讨论计算效率问题	开发一种既能准确检测多模态假新闻，又能提供可解释性洞察（即欺骗模式）的方法	多模态（图文）假新闻	自然语言处理,计算机视觉	NA	大型视觉语言模型,变分推断,弱监督学习	神经符号模型,潜在变量模型	多模态数据（图像和文本）	NA	NA	GE-NSLM（神经符号潜在模型）	竞争性性能（具体指标未说明）	NA
231	2025-12-13	A deep learning approach for time-consistent cell cycle phase prediction from microscopy data 2025-Dec-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013800 PMID:41379930	研究论文	本文提出了一种基于深度学习的细胞周期阶段预测方法，利用SiR-DNA荧光标记数据，无需专用细胞周期标记即可实现高精度分类	提出CC-VAE模型，结合变分自编码器与辅助任务（预测相特异性标记平均强度和通过潜在空间正则化强制时间一致性），首次从广泛使用的DNA标记中推断细胞周期阶段	方法依赖于SiR-DNA标记数据，可能不适用于其他标记或成像条件；模型在HeLa Kyoto细胞系上验证，泛化能力需进一步测试	开发一种无需专用细胞周期标记的细胞周期阶段预测方法，以释放荧光通道用于其他报告基因	HeLa Kyoto细胞的核图像	计算机视觉	NA	荧光显微镜成像	变分自编码器	图像	超过600,000张标记的HeLa Kyoto核图像	NA	变分自编码器	准确率	NA
232	2025-12-13	Interpretable Deep Learning for Enhanced Multi-Class Classification of Gastrointestinal Endoscopic Images 2025-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2b72 PMID:41380180	研究论文	本文提出了一种基于EfficientNetB3的增强型深度学习方法，用于提高胃肠道内窥镜图像的多分类准确性，并利用LIME可解释性技术提升模型透明度	在无需数据增强的情况下，通过优化模型架构实现了高分类精度，并首次将LIME可解释性技术与Gradio用户界面结合，提升了医疗影像应用的实用性和可访问性	研究仅基于Kvasir数据集，样本量相对有限，且未在外部数据集上进行验证，可能影响模型的泛化能力	提高胃肠道内窥镜图像的多分类准确性，并增强深度学习模型在医疗影像中的可解释性和实际应用性	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN	图像	8000张标记的内窥镜图像	TensorFlow, PyTorch	EfficientNetB3	准确率, 精确率, 召回率	NA
233	2025-12-13	A Transformer-Based Deep Learning Approach to Predicting Air Organic Pollutant-Human Protein Interactions 2025-Dec-11, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c12915 PMID:41381047	研究论文	本文提出了一种基于Transformer的深度学习模型tipFormer，用于预测空气有机污染物与人类蛋白质之间的相互作用	结合双预训练语言模型编码蛋白质和有机污染物，并利用交叉注意力机制学习污染物-蛋白质结合的复杂相互作用模式	当前方法在系统性识别新兴空气污染物早期结合事件方面存在局限，可能影响污染相关毒性的机制理解和风险评估	预测空气有机污染物与人类蛋白质的相互作用，以增强对空气污染相关毒性分子机制的理解	空气有机污染物与人类蛋白质	自然语言处理	NA	基因组范围转录组分析	Transformer	文本	使用暴露于三种代表性空气污染物的人类支气管上皮细胞进行转录组分析	NA	Transformer	AUC	NA
234	2025-12-13	Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction 2025-Dec-11, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8950 PMID:41381352	研究论文	本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在检测多发性硬化症脊髓病灶中的诊断性能，并与传统MRI序列进行比较	首次将深度学习去噪技术与3D白质抑制MPRAGE序列结合，显著提高了脊髓病灶的检测能力	样本量较小（38例患者），且仅使用3T MRI设备，未评估其他场强设备的表现	评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病灶检测中的诊断性能	多发性硬化症或临床孤立综合征患者的脊髓MRI影像	医学影像分析	多发性硬化症	3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列	深度学习去噪模型	医学影像（MRI）	38例患者	NA	NA	病灶计数、检测置信度、图像质量评分、对比噪声比、组间一致性	NA
235	2025-12-13	Biologically-informed integration of drug representations for breast cancer treatment using deep learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66384-6 PMID:41381442	研究论文	本研究开发了一种名为GDnet的可解释深度学习模型，通过整合药物表征和肿瘤转录组数据来预测乳腺癌新辅助治疗反应，并辅助选择最优治疗策略	首次提出将生物学信息的药物表征与肿瘤转录组数据整合的深度学习模型，能够作为数字药物测试替代方案优化治疗决策	研究基于回顾性数据，需要前瞻性临床试验验证；模型在泛癌种应用潜力有待进一步探索	预测乳腺癌新辅助治疗反应并优化个性化治疗策略选择	乳腺癌患者	数字病理学	乳腺癌	转录组测序	深度学习	基因表达数据, 药物表征数据	4371名符合条件的患者，来自31个数据集	NA	GDnet	病理完全缓解率, 比值比	NA
236	2025-12-13	Generalizable morphological profiling of cells by interpretable unsupervised learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66267-w PMID:41381503	研究论文	本文提出了一种名为MorphoGenie的无监督深度学习框架，用于单细胞形态学分析，通过解耦表示学习和高保真图像重建，创建了一个紧凑且可解释的潜在空间，以捕获生物学上有意义的特征	结合解耦表示学习和高保真图像重建，创建了可解释的潜在空间，并系统地将潜在表示与分层形态属性联系起来，支持组合泛化，适用于多种成像模态和实验条件	未明确提及具体局限性	开发一种通用的、无偏见的单细胞形态学分析方法，以克服传统手动特征提取的局限性和深度学习在可解释性及依赖标注数据方面的挑战	单细胞	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
237	2025-12-13	A novel deep learning based spatial ensemble approach and segment anything model for landslide risk assessment in Chamoli district of Garhwal Himalayas 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01958-4 PMID:41381540	研究论文	本研究提出了一种新颖的“空间集成”方法，结合深度学习DenseNet神经网络、MLPNN和XGBoost算法，用于喜马拉雅Garhwal地区Chamoli区的滑坡风险评估，并利用Segment Anything Model自动检测建筑物	引入了“空间集成”方法生成两种滑坡阻抗复合图，结合了最先进的深度学习DenseNet神经网络和SAM模型进行自动建筑物检测，实现了准确且高效的滑坡风险评估	NA	开发一种新颖的滑坡风险评估方法，结合空间集成和自动检测技术，以提高评估的准确性和效率	喜马拉雅Garhwal地区Chamoli区的滑坡风险区域及附近建筑物	计算机视觉	NA	深度学习, 机器学习	DenseNet, MLPNN, XGBoost	空间数据, 图像	NA	NA	DenseNet	准确率, 精确率	NA
238	2025-12-13	Physically consistent joint prediction of porosity and shale volume via core-calibrated deep learning in well-consolidated sandstones 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31326-1 PMID:41381621	研究论文	提出了一种结合自监督测井建模与岩心校准低秩适应的两阶段深度学习框架，用于联合预测孔隙度和泥岩体积	通过自监督条件评分扩散插补模型学习测井序列结构，并利用岩心校准低秩适应将岩心尺度物理关系迁移到测井尺度，实现物理一致的联合预测	方法主要应用于固结良好的砂岩，可能在其他储层类型中效果有限，且依赖合成测井数据进行自监督训练	开发一种深度学习框架，用于在粘土-砂岩储层中联合预测孔隙度和泥岩体积，以提高储层评估的准确性	固结良好的砂岩储层中的孔隙度和泥岩体积参数	机器学习	NA	测井数据分析，岩心校准	深度学习，扩散模型	测井数据，合成测井数据	NA	NA	Conditional Score-based Diffusion Imputation (CSDI), CCLoRA	准确性，物理一致性	NA
239	2025-12-13	Attention-guided hybrid learning for accurate defect classification in manufacturing environments 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31654-2 PMID:41381637	研究论文	提出了一种集成YOLOv11和EfficientNet-B7的混合深度学习框架，用于制造业环境中的鲁棒多类别缺陷分类	将YOLO的空间特征语义丰富性与EfficientNet的细粒度表示能力相结合，并通过CBAM和轻量级FPN进行注意力引导的多尺度细化，支持跨不同物体类别和缺陷类型的统一分类	未明确说明模型在更广泛工业场景或更多缺陷类别上的泛化能力限制	开发一个准确、鲁棒的工业缺陷分类系统，以提升制造业质量控制的自动化水平	制造业中出现的视觉复杂、罕见且多样化的缺陷类型	计算机视觉	NA	NA	CNN, 注意力机制	图像	两个数据集：MVTec-FS基准（包含14个工业类别中的46种缺陷类型）和专有的Window数据集（包含3个真实世界缺陷类别）	未明确说明，可能为PyTorch或TensorFlow	YOLOv11, EfficientNet-B7, Convolutional Block Attention Module (CBAM), Feature Pyramid Network (FPN)	准确率	NA
240	2025-12-13	A computationally efficient hybrid framework combining deep feature extraction and gradient boosting for early diagnosis of Olive leaf diseases 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31918-x PMID:41381664	研究论文	本研究提出了一种结合深度学习特征提取与梯度提升机器学习分类器的混合框架，用于橄榄叶病害的早期诊断	提出了一种混合框架，将深度学习模型的强大特征提取能力与机器学习分类器的计算效率相结合，以解决深度学习模型在分类检测过程中计算需求高、可及性受限的问题	研究仅针对两种特定的橄榄叶病害（孔雀斑病和橄榄芽螨），且数据集规模相对有限（3400张图像），模型在其他作物或病害上的泛化能力未经验证	开发一种计算效率高的方法，用于橄榄叶病害的早期诊断，以支持橄榄生产	橄榄树叶图像，包含健康、孔雀斑病和橄榄芽螨三类	计算机视觉	植物病害	图像分析	CNN, 梯度提升	图像	3400张橄榄叶图像，分为三类（健康、孔雀斑病、橄榄芽螨）	TensorFlow, PyTorch, Scikit-learn	MobileNetV2, DenseNet121, EfficientNetV2B0, ConvNext Tiny	准确率, 宏平均F1分数	NA