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
241	2025-12-19	Two Stage Fine-Tuned Multimodal Generative AI for Automated ECG Based Cardiovascular Report Generation 2025-Dec-17, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2e01 PMID:41406494	研究论文	提出一种轻量级多模态生成式AI框架，用于自动解读心电图图像并生成结构化临床报告	采用两阶段微调策略，基于SmolVLM-500M-Instruct模型，通过量化低秩适应实现高效部署，并构建了定制的多模态心电图数据集	未明确说明模型在特定亚组或罕见心电图模式上的泛化能力，以及数据集的具体规模细节	开发一种准确且可扩展的心血管疾病自动诊断解决方案	心电图图像及其对应的临床报告	计算机视觉, 自然语言处理	心血管疾病	量化低秩适应	生成式AI, 多模态模型	图像, 文本	NA	NA	SmolVLM-500M-Instruct	BLEU, ROUGE-L, BERTScore	标准硬件
242	2025-12-19	Deep Learning Algorithms Enabled Visual Detection of Anthrax Biomarkers by Mn3O4 Nanozyme-Based Colorimetric Sensor Array 2025-Dec-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03628 PMID:41406958	研究论文	本研究开发了一种结合苯丙氨酸修饰的MnO纳米酶比色传感器阵列与深度学习算法的新方法，用于检测炭疽生物标志物2,6-吡啶二羧酸及其结构类似物	创新性地将可调氧化酶活性的纳米酶比色传感器阵列与YOLOv8深度学习算法结合，实现了对炭疽生物标志物的自动视觉检测与分类	未明确说明传感器阵列在更复杂实际环境中的稳定性及长期性能	开发一种快速、准确且自动化的炭疽生物标志物检测方法	炭疽生物标志物2,6-吡啶二羧酸及其六种结构类似物	计算机视觉	炭疽病	比色传感器阵列，纳米酶催化	YOLOv8	图像	未明确说明具体样本数量，但涉及七种结构类似物的检测	PyTorch	YOLOv8	平均精度均值，平均置信度	NA
243	2025-12-19	A Comprehensive Hyperspectral Image Dataset for Forest Fire Detection and Classification 2025-Dec-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06404-8 PMID:41407751	研究论文	本文介绍了一个名为OHID-FF的大规模高光谱卫星图像数据集，专为森林火灾检测和分类任务设计	相比现有火灾数据集，OHID-FF提供了更丰富的数据量和更高的成像质量，为高光谱图像分类设定了新基准	NA	森林火灾检测和分类	高光谱卫星图像	计算机视觉	NA	高光谱成像	深度神经网络	高光谱图像	1,197幅高光谱图像，覆盖22个不同场景	NA	NA	NA	NA
244	2025-12-19	HOES: an efficient multi-evolutionary expert system for deep learning model optimization in time series prediction 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30014-4 PMID:41407749	研究论文	本文设计了一种基于六种进化算法的混合优化专家系统（HOES），用于优化深度学习模型在时间序列预测中的性能	提出HOES系统，集成多种进化算法，并引入传输机制、记忆系统和惩罚系统以实现协同优化，提高全局搜索能力和优化效率	NA	优化深度学习模型在时间序列预测中的训练策略，提升预测准确性和收敛速度	时间序列预测任务，包括交通、天气、家庭用电、风能、太阳能和ETT_m1数据集	机器学习	NA	进化算法	LSTM	时间序列数据	六个公共数据集（Traffic, Weather, Household, Wind Power, Solar Power, ETT_m1）	NA	SJ-LSTM	RMSE, MAE	NA
245	2025-12-19	Reliable wrist PPG monitoring by nitigating poor skin sensor contact 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31883-5 PMID:41407831	研究论文	提出一种基于深度学习的框架CP-PPG，用于将因接触压力失真的手腕PPG信号转换为具有理想形态的信号，以提高生理监测的准确性	首次系统性地关注并解决了静态条件下皮肤-传感器接触不良对PPG信号形态的失真问题，提出了包含数据处理流程、对抗训练生成模型和定制PPG感知损失函数的完整框架	未明确说明模型在极端接触压力或不同肤色人群中的泛化能力，且真实环境验证的样本规模和多样性可能有限	提高手腕PPG信号在皮肤-传感器接触不良情况下的可靠性和生理参数监测精度	因接触压力失真的手腕光电容积脉搏波（PPG）信号	机器学习	心血管疾病	光电容积脉搏波（PPG）监测	GAN	PPG信号（时间序列数据）	NA	PyTorch	深度生成模型（对抗训练）	平均绝对误差（MAE）、心率（HR）、心率变异性（HRV）、呼吸率（RR）、血压（BP）估计精度	NA
246	2025-12-19	Advanced deep-learning model for temporal-dependent prediction of dynamic behavior of AC losses in superconducting propulsion motors for hydrogen-powered cryo-electric aircraft 2025-Dec-17, Communications engineering DOI:10.1038/s44172-025-00554-8 PMID:41407868	研究论文	本文提出了一种先进的深度学习模型，用于预测氢动力低温电动飞机中超导推进电机动态交流损耗的时间依赖性行为	该模型首次能够快速准确地预测超导推进电机的动态交流损耗（包括周期平均和时间依赖的瞬时波形形态），并泛化到未见过的设计，相比传统有限元方法更快、成本更低，且比早期智能模型提供更详细的动态信息	未明确说明模型在极端操作条件或不同超导材料下的泛化能力，以及数据集的多样性和规模可能存在的限制	优化氢动力低温电动飞机中超导推进电机的效率、最小化低温热负荷并最大化比功率密度，通过快速准确的AC损耗预测支持系统级建模设计	超导推进电机的动态交流损耗行为	机器学习	NA	深度学习	深度学习模型	电机配置数据集	大型电机配置数据集（具体数量未明确）	未明确指定	未明确指定	准确率（R），预测时间	NA
247	2025-12-19	MFU-Net: a multi-scale fusion U-Net for seismic phase picking 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32145-0 PMID:41408109	研究论文	本文提出了一种多尺度融合U-Net架构（MFU-Net），用于提高地震波相位拾取的准确性	在U-Net的跳跃连接中设计了多尺度特征融合模块，并在瓶颈层引入了多头注意力机制，以增强关键特征区域的识别能力	NA	提高地震波相位拾取的准确性	地震波形数据中的P波和S波到达时间	机器学习	NA	NA	CNN	波形数据	NA	NA	U-Net	P波拾取准确率, S波拾取准确率	NA
248	2025-12-19	Systems pharmacology approaches decipher the anti-cancer efficacy of ethnopharmacological agents in hepatocellular carcinoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27744-w PMID:41408124	研究论文	本研究通过整合转录组学、蛋白质组学和深度学习技术，建立了一个高通量多组学平台，用于筛选具有抗肝细胞癌潜力的中草药，并揭示了其作用机制	首次结合转录组学、蛋白质组学和深度学习（自编码器与多核学习）构建高通量多组学平台，系统性筛选中草药并鉴定其调控的关键基因与通路，为精准民族药理学提供新见解	研究主要基于体外细胞实验，缺乏体内动物模型或临床验证；筛选的中草药数量有限（187种），可能未涵盖所有潜在有效成分	开发一个数据驱动的流程，用于发现天然抗肝细胞癌药物，并阐明中草药的作用机制	187种药用植物（中草药）及其对肝细胞癌细胞的调控作用	机器学习	肝细胞癌	转录组学, 蛋白质组学, 深度学习	自编码器, 多核学习	多组学数据（转录组、蛋白质组）	187种药用植物	NA	自编码器, 多核学习	NA	NA
249	2025-12-19	Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28243-8 PMID:41408128	研究论文	提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度	将Vision Transformer与预训练的卷积神经网络结合进行迁移学习，并引入LIME和GRAD-CAM方法确保模型可解释性，同时实现了模型大小的大幅压缩	未明确说明模型在更广泛临床环境中的验证情况，以及跨不同MRI扫描仪和协议的泛化能力	开发准确、可解释且资源高效的阿尔茨海默病诊断工具	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	Vision Transformer, CNN, ANN	图像	OASIS数据集和Kaggle独立数据集	未明确说明	ViT-DenseNet201	准确率, Dice相似系数	未明确说明
250	2025-12-19	Progressive curriculum learning with Scale-Enhanced U-Net for continuous airway segmentation 2025-Dec-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02066-5 PMID:41408195	研究论文	提出一种渐进式课程学习框架和尺度增强U-Net，用于提升胸部CT图像中气道的连续分割精度	提出渐进式课程学习三阶段框架（粗学习、通用联合损失、自适应拓扑响应损失），结合尺度增强U-Net和裁剪采样策略，直接解决大小气道类别不平衡问题	未明确说明计算资源需求，且内部数据集未公开	提升气道分割的连续性和准确性，以支持术前规划和实时支气管镜导航	胸部CT图像中的气道结构	数字病理	肺部疾病	CT成像	CNN	图像	ATM'22挑战数据集和内部数据集（具体数量未说明）	NA	U-Net, Scale-Enhanced U-Net (SE-UNet)	树长检测率(TD), 分支检测率(BD)	NA
251	2025-12-19	A novel statistical feature selection framework for biomarker discovery and cancer classification via multiomics integration 2025-Dec-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02713-z PMID:41408184	研究论文	本文提出了一种名为sDCFE的新型统计特征选择框架，用于通过多组学整合进行生物标志物发现和癌症分类	开发了sDCFE特征选择方法，通过扩展Fisher类方差分析，结合中位数绝对偏差正则化项和聚类分离组件，增强了鲁棒性和可解释性	NA	早期癌症诊断、生物标志物发现和跨癌症类型及分期的可靠分类	泛癌分类和肺鳞状细胞癌分期	机器学习	肺癌	RNA-seq, 甲基化测序	XGBoost, CNN	组学数据	NA	NA	NA	准确率, MCC, AUC	NA
252	2025-12-19	Screening for lung fibrosis using serum surfactant protein-D, KL-6, and a deep learning algorithm on chest radiographs: a prospective observational study 2025-Dec-17, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-025-04062-5 PMID:41408239	研究论文	本研究通过前瞻性观察，评估了血清生物标志物SP-D、KL-6及深度学习算法BMAX在胸部X光片上筛查肺纤维化的能力	首次在健康体检环境中，结合血清生物标志物与深度学习算法，系统评估了肺纤维化的早期筛查策略	样本量较小，仅81人接受了CT扫描，且CT评估仅由两位专家进行，可能存在主观偏差	评估血清生物标志物SP-D、KL-6及深度学习算法BMAX在健康体检中筛查肺纤维化的有效性和可行性	接受常规健康检查的个体	数字病理学	肺纤维化	血清生物标志物检测（SP-D、KL-6）、胸部X光摄影、胸部CT扫描	深度学习算法	图像（胸部X光片）、血清生物标志物数据	2,751名参与者，其中228人被推荐进行CT扫描，81人实际接受扫描	NA	BMAX	灵敏度、特异性	NA
253	2025-12-19	DeepPNCC: reconstructing pseudo-spatial cell-cell interaction landscapes from single-cell data to decipher breast cancer pathogenesis 2025-Dec-17, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07578-w PMID:41408299	研究论文	本文提出了一种名为DeepPNCC的深度学习框架，用于从单细胞RNA测序数据中重建伪空间细胞-细胞相互作用网络，以解析乳腺癌的发病机制	DeepPNCC是一种新颖的深度学习框架，它利用未解离细胞聚集体中保留的潜在空间线索，通过变分图自编码器结合对抗正则化，无需依赖配体-受体对等先验知识，即可从scRNA-seq数据中推断全局、空间感知的相互作用景观	该方法依赖于未解离细胞聚集体中的潜在空间线索，可能不适用于完全解离的单细胞数据，且未明确讨论其在其他疾病或组织类型中的泛化能力	开发一种能够从scRNA-seq数据中提取空间相关细胞间相互作用信息的方法，以阐明疾病（如癌症）发生和发展的机制	单细胞RNA测序数据，特别是小鼠大脑和乳腺癌数据集中的细胞	机器学习	乳腺癌	单细胞RNA测序	变分图自编码器	单细胞RNA测序数据	涉及小鼠大脑和乳腺癌数据集，具体样本数量未明确说明	Python	变分图自编码器	与空间转录组学对齐的相互作用恢复性能，具体指标未明确说明	NA
254	2025-12-19	Deep learning and TOPSIS-based multi-criteria decision-making framework for urban road defect detection and sustainable maintenance planning 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31682-y PMID:41408389	研究论文	本研究提出了一种结合改进YOLOv8模型与TOPSIS多准则决策的框架，用于城市道路缺陷检测与可持续维护规划	在YOLOv8模型中增加了用于严重程度分类的辅助头，并结合TOPSIS进行多准则决策，实现了检测、严重程度评估和数据驱动维护优先级排序的同步执行	未明确说明模型在不同气候条件或道路类型下的泛化能力，也未讨论框架在实时部署中的计算效率限制	开发一个能够同时进行道路缺陷检测、严重程度评估和维护优先级排序的智能城市管理框架，以提升交通安全性、降低维护成本并促进城市可持续性	城市道路表面缺陷	计算机视觉	NA	深度学习，多准则决策	CNN	图像	NA	PyTorch	YOLOv8	NA	NA
255	2025-12-19	Deep Learning-Assisted G4 Nanowire-Enhanced Carbon Dot Biosensor for Exosomal LncRNA Artificial Intelligence Diagnosis 2025-Dec-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06416 PMID:41408423	研究论文	开发了一种基于G4纳米线增强的铜/铈共掺杂碳点的双模式光电化学/比率荧光生物传感器，结合深度学习，用于外泌体lncRNA检测和肺癌的智能诊断	提出了一种结合G4纳米线增强的碳点双模式生物传感器与深度学习进行外泌体lncRNA检测和癌症智能诊断的创新方法	未明确说明样本来源的多样性、生物传感器的临床验证范围以及深度学习模型的泛化能力	开发高灵敏度、准确的外泌体lncRNA检测方法，并实现肺癌的早期智能诊断	外泌体长链非编码RNA	生物传感器, 深度学习	肺癌	光电化学/比率荧光双模式生物传感, 深度学习	深度学习模型	生物传感器产生的光电化学和荧光数据	NA	NA	NA	诊断准确率	NA
256	2025-12-19	Deciphering the biological underpinnings behind prognostic MRI-based imaging signatures in breast cancer: a systematic review 2025-Dec-17, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07341-1 PMID:41408570	综述	本文系统回顾了乳腺癌中基于MRI的预后影像特征（包括影像组学和深度学习特征）的生物学基础，并评估了现有研究的方法学质量	首次系统性地探索了乳腺癌预后MRI影像特征背后的基因组学、肿瘤微环境等多组学生物学关联	纳入研究的方法学严谨性有限，总体偏倚风险较高，且样本量范围差异较大	探索乳腺癌MRI预后影像特征的生物学基础并评估相关研究质量	乳腺癌患者	数字病理学	乳腺癌	MRI影像	监督机器学习, 无监督机器学习	影像	16项研究，共涉及61至2279名乳腺癌患者	NA	NA	NA	NA
257	2025-12-19	LGABAN: An Integrated Multi-Scale Approach Combining Graph and Sequence Features for Enhanced Prediction of Drug-Protein Interactions 2025-Dec-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02364 PMID:41408656	研究论文	本文提出了一种名为LGABAN的新型深度学习框架，用于通过结合图与序列特征增强药物-蛋白质相互作用的预测	提出LGABAN框架，通过双分支结构并行提取局部和全局特征，并利用双线性注意力网络整合四种特征对，以显式建模药物与蛋白质间的复杂多尺度相互作用	未在摘要中明确提及	准确识别药物-靶点相互作用，以缩短药物研发时间并降低成本	药物与蛋白质	机器学习	NA	深度学习	GAT, BAN	图数据, 序列数据	基于四个公开数据集	NA	多头图注意力网络, 双线性注意力网络	整体性能	NA
258	2025-12-19	Continuous tobacco smoking increases mortality in diffuse large B-cell lymphoma but not follicular lymphoma, a Finnish population-based study 2025-Dec-17, Acta oncologica (Stockholm, Sweden) DOI:10.2340/1651-226X.2025.44776 PMID:41408704	研究论文	本研究通过基于芬兰人群的数据分析，探讨了持续吸烟对弥漫大B细胞淋巴瘤和滤泡性淋巴瘤患者死亡率的影响	在利妥昔单抗时代，首次使用深度学习自然语言处理算法提取吸烟状态，并系统评估吸烟与DLBCL和FL生存结局的关联	研究为回顾性观察性研究，可能存在未测量的混杂因素；吸烟状态通过算法提取，可能存在分类误差	评估吸烟状态与B细胞淋巴瘤（特别是DLBCL和FL）在现代治疗背景下的预后关联	2009-2019年图尔库和坦佩雷大学医院收治的DLBCL和FL患者	自然语言处理	淋巴瘤	深度学习自然语言处理算法	NA	电子病历文本数据	DLBCL患者1258例，FL患者529例	NA	NA	总生存率，风险比	NA
259	2025-12-19	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	本文提出了一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准新方法，旨在解决传统DTI配准方法计算慢、精度低的问题	设计了并行双分支卷积神经网络架构，同时处理FA图像和主特征向量两种输入模式，并在解码层集成通道空间注意力机制以动态突出关键解剖特征和方向一致性	未明确说明方法在复杂病理脑结构或大规模多中心数据上的泛化能力，也未与其他最先进的深度学习方法进行系统比较	提高扩散张量磁共振图像的配准精度和计算速度，以促进其在临床应用中的可行性	扩散张量磁共振成像数据	医学图像处理	NA	扩散张量磁共振成像	卷积神经网络	4D张量数据（3D空间中的3×3张量）	NA	NA	并行双通道VoxelMorph	配准精度，计算速度	NA
260	2025-12-19	ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3607819 PMID:41406278	研究论文	提出一个结合图检索增强生成与大型语言模型微调的框架，用于生成更全面、可解释的中医方剂	提出ZhiFangDanTai框架，首次将图检索增强生成与LLM微调结合用于中医方剂任务，并提供了理论证明表明该方法能降低泛化误差和幻觉率	现有中医指令数据集缺乏足够细节（如君臣佐使、功效、禁忌、舌脉诊断等），限制了模型输出的深度	提升中医方剂生成模型的全面性和可解释性	中医方剂	自然语言处理	NA	图检索增强生成，大型语言模型微调	LLM	文本	NA	NA	NA	NA	NA