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
2601	2025-11-27	Sobel neural network for EEG-based major depressive disorder screening 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1667107 PMID:41280444	研究论文	提出一种用于基于EEG的重性抑郁障碍筛查的Sobel神经网络架构	将Sobel算子操作内在地集成到卷积层中，实现端到端学习梯度模式和边缘信息，而非仅用于预处理	NA	开发用于重性抑郁障碍自动筛查的准确工具	重性抑郁障碍患者和健康对照者的脑电图信号	机器学习	重性抑郁障碍	脑电图	CNN	脑电图信号	34名MDD患者和30名健康对照者	NA	Sobel Network	准确率, 灵敏度, 特异性	NA
2602	2025-11-27	An improved neighbourhood-based contrast limited adaptive histogram equalization method for contrast enhancement on retinal images 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.12.02 PMID:41280624	研究论文	提出一种改进的邻域对比度受限自适应直方图均衡化方法用于视网膜图像对比度增强	通过动态选择裁剪限制和瓦片大小（基于像素值）改进了传统CLAHE算法，并采用最小阶滤波器进行去噪	仅在Drive和HRF两个数据集上进行了验证，需要更多数据集验证泛化能力	开发有效的视网膜图像对比度增强方法以改善视网膜特征分割	视网膜图像	计算机视觉	视网膜疾病	图像预处理，对比度增强	CNN	图像	Drive和HRF两个视网膜图像数据集	NA	ResNet	RMSE, PSNR, RMSC, 整体对比度, 灵敏度, 特异性, 精确度, 准确度	NA
2603	2025-11-27	Explainable detection: a transformer-based language modeling approach for Bengali news title classification with comparative explainability analysis using ML and DL 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1537432 PMID:41280879	研究论文	本研究采用基于Transformer的语言建模方法进行孟加拉语新闻标题分类，并结合可解释性分析技术	首次在孟加拉语低资源语言文本分类中系统比较传统机器学习、LSTM和Transformer模型性能，并集成XAI技术进行预测解释	孟加拉语数据集存在固有噪声，需要大量预处理工作，且低资源语言数据获取困难	开发具有可解释性的孟加拉语新闻标题分类方法，推动低资源语言自然语言处理发展	孟加拉语新闻标题文本数据	自然语言处理	NA	自然语言处理，特征工程	机器学习模型，LSTM，Transformer	文本	从网上收集的近期孟加拉语新闻文章	NA	LSTM，XLM-RoBERTa Base	准确率	NA
2604	2025-11-27	MobileNet-GDR: a lightweight algorithm for grape leaf disease identification based on improved MobileNetV4-small 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1702071 PMID:41281328	研究论文	提出基于改进MobileNetV4-small的轻量级葡萄叶片病害识别算法MobileNet-GDR	构建基于深度可分离卷积和分组卷积的高效特征提取模块，优化特征融合过程并引入PReLU激活函数增强非线性表示能力	仅针对葡萄叶片病害识别，未验证在其他作物病害上的泛化能力	解决现有深度学习模型在移动设备上计算复杂度高、部署困难的问题	葡萄叶片病害图像	计算机视觉	植物病害	图像分类	CNN	图像	NA	NA	MobileNetV4-small, MobileNet-GDR	准确率, FPS, 参数量, FLOPs	移动设备
2605	2025-11-27	Biomarker integration and biosensor technologies enabling AI-driven insights into biological aging 2025, Frontiers in aging IF:3.3Q2 DOI:10.3389/fragi.2025.1703698 PMID:41281356	综述	探讨生物标志物整合与生物传感技术如何通过人工智能推动对生物衰老机制的深入理解	首次系统整合CRP、IGF-1、IL-6和GDF-15四种关键生物标志物，结合AI与生物传感技术构建精准衰老评估框架	未涉及具体临床验证数据，缺乏不同人群队列的适用性分析	开发基于AI和生物传感技术的生物年龄精准量化方法	四种关键生物标志物（CRP、IGF-1、IL-6、GDF-15）及其在衰老过程中的作用机制	机器学习	老年疾病	生物传感技术	机器学习,深度学习,生成模型	高维生物标志物数据	NA	NA	NA	NA	NA
2606	2025-11-27	Using artificial intelligence and radiomics to analyze imaging features of neurodegenerative diseases 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1624867 PMID:41281560	研究论文	提出一种结合人工智能和影像组学的框架，用于分析神经退行性疾病的影像特征和疾病进展模式	开发了名为NeuroSage的生物信息架构，结合符号推理、深度学习和多模态特征对齐，并引入符号对齐策略(CAIS)确保临床可解释性	NA	改善神经退行性疾病的早期诊断和个性化治疗规划	阿尔茨海默病和帕金森病等神经退行性疾病患者	医学影像分析	神经退行性疾病	影像组学分析	图神经网络,深度学习	结构影像,行为数据	多个数据集包括ADNI、PPMI、ABIDE、YouTubePD和PDVD	NA	NeuroSage	F1分数	NA
2607	2025-11-27	Parkinson's disease detection using spectrogram-based multi-model feature fusion networks 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1706317 PMID:41281573	研究论文	提出一种基于声谱图多模型特征融合的帕金森病检测方法	使用三种预训练CNN模型进行特征融合，克服单一模型过拟合和泛化能力差的问题	样本量相对较小（131名受试者），需要在更大数据集上验证泛化能力	开发非侵入性、低成本的帕金森病辅助诊断工具	帕金森病患者和健康对照者的语音数据	数字病理学	帕金森病	语音分析	CNN	声谱图	61名PD患者和70名健康对照，共生成2,476张声谱图	NA	DenseNet121, MobileNetV3-Large, ShuffleNetV2	准确率, AUC	NA
2608	2025-11-27	Triboelectric nanogenerators for neural data interpretation: bridging multi-sensing interfaces with neuromorphic and deep learning paradigms 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1691017 PMID:41281720	综述	探讨摩擦纳米发电机与深度学习及神经形态计算相结合在神经数据解析中的应用	首次系统综述自驱动摩擦纳米发电机与深度学习模型、神经形态计算范式在神经信号解析中的协同创新	属于小型综述，未包含原始实验数据验证	推动神经数据采集与解析技术在计算神经科学和脑机接口领域的发展	神经信号（脑电图、肌电图、心肺动力学信号）和老年人群健康监测	计算神经科学	老年疾病	摩擦纳米发电机传感技术	CNN, RNN, SNN	生物物理信号	NA	NA	NA	NA	神经形态计算系统
2609	2025-11-27	Pathway-guided architectures for interpretable AI in biological research 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.10.063 PMID:41282420	综述	综述基于通路知识的可解释深度学习架构在生物研究中的进展与应用	系统总结通路引导可解释深度学习架构的方法学，分析不同通路数据库对模型性能与可解释性的影响	未提出新的算法模型，主要聚焦于现有方法的总结与比较	为生物医学研究提供通路引导可解释深度学习的方法学指导	通路引导的可解释深度学习架构及其在生物医学中的应用	生物信息学	复杂疾病	多组学数据分析	深度学习	多组学数据	NA	NA	通路引导深度学习架构	模型性能, 可解释性	NA
2610	2025-11-27	Target fishing: from "needle in haystack" to "precise guidance"--new technology, new strategy and new opportunity 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1673688 PMID:41282634	综述	系统讨论药物靶点捕获技术的最新进展，重点分析人工智能与深度学习对药物研发范式的变革作用	提出深度学习与知识图谱深度融合的新策略，实现从'广谱筛选'到'精准捕获'的研究方法转变	NA	为学术界提供理论框架，构建从基础研究到临床应用的桥梁，推动精准药物研发进入智能驱动新时代	药物靶点发现技术	自然语言处理, 机器学习	NA	深度学习, 知识图谱, 多组学数据整合	深度表示学习模型	多组学数据, 临床数据	NA	NA	NA	靶点预测准确性	NA
2611	2025-11-27	Delineation of intracavitary electrograms for the automatic quantification of decrement-evoked potentials in the coronary sinus with deep-learning techniques 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1331852 PMID:38818521	研究论文	提出基于深度学习的算法，用于自动识别和量化冠状窦内心电信号中的递减诱发电位	首次开发能够自动描绘EGM信号中所有局部成分的工具，提出两种新型损失函数以减少假阴性和描绘误差，并探索了自注意力机制的应用	使用私有数据集且样本量有限（77名患者），需要进一步临床验证	开发自动量化递减诱发电位的算法，辅助区分旁路和房室折返性心动过速	冠状窦内电信号和递减诱发电位	数字病理	心血管疾病	心内电描记术	深度学习	电信号	77名患者的312个EGM记录	NA	U-Net, W-Net	准确率, 召回率, 灵敏度, 特异性	NA
2612	2025-11-27	Investigation of machine learning algorithms for taxonomic classification of marine metagenomes 2023-10-17, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.05237-22 PMID:37695074	研究论文	本研究开发了从公开海洋宏基因组数据构建训练/测试数据集的方法，并评估了机器学习算法在海洋宏基因组序列分类中的性能	通过构建专门的海洋宏基因组训练数据集，比较不同机器学习模型在宏基因组分类中的表现，并提出改进方向	训练数据中存在基因组覆盖度不足和类别不平衡问题，计算资源可及性有限	评估机器学习算法在海洋宏基因组分类中的性能并指导方法改进	海洋微生物宏基因组数据	机器学习	NA	宏基因组测序	深度学习	基因组序列数据	公开可用的海洋宏基因组数据集	NA	NA	准确率	NA
2613	2025-11-27	Whole Slide Imaging-Based Prediction of TP53 Mutations Identifies an Aggressive Disease Phenotype in Prostate Cancer 2023-09-01, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-22-3113 PMID:37352385	研究论文	开发基于全切片图像的深度学习模型预测前列腺癌TP53突变并识别侵袭性表型	首次开发TiDo模型实现从全切片图像预测TP53突变，并发现假阳性预测与TP53缺失相关，揭示了与侵袭性疾病相关的下游表型	无法完美预测单个TP53突变的空间存在	开发基于全切片图像的生物标志物识别前列腺癌转移潜力	前列腺癌患者和病灶	数字病理学	前列腺癌	全切片成像	深度学习	图像	独立多灶性队列	NA	TiDo	NA	NA
2614	2025-11-27	Application of machine learning and deep learning methods for hydrated electron rate constant prediction 2023-08-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2023.115996 PMID:37105290	研究论文	本研究应用机器学习和深度学习方法预测有机化合物与水合电子的二级速率常数	首次将迁移学习和数据增强的卷积神经网络应用于水合电子速率常数预测，并比较了不同分子表示方法的性能	数据集仅包含867个样本，可能限制模型的泛化能力	预测有机化合物与水合电子的反应速率常数	有机化合物	机器学习	NA	NA	XGBoost, CNN	分子图像, 分子描述符, 分子指纹	867个不同pH条件下的速率常数值	NA	卷积神经网络	R, RMSE, MAE	NA
2615	2025-11-27	Synthesis of Prospective Multiple Time Points F-18 FDG PET Images from a Single Scan Using a Supervised Generative Adversarial Network 2023-Apr, Nuklearmedizin. Nuclear medicine DOI:10.1055/a-2026-0784 PMID:36878470	研究论文	使用监督生成对抗网络从单次扫描合成前瞻性多时间点F-18 FDG PET图像	将pix-to-pix GAN网络扩展应用于生成不同时间点的PET图像，仅需注射后60分钟的扫描数据	图像质量和训练数据量影响网络性能，患者研究结果较体模研究略有下降	评估pix-to-pix GAN网络在不同时间点图像生成中的可行性	体模和患者F-18 FDG PET图像	医学影像分析	NA	F-18 FDG PET成像	GAN	医学图像	体模研究和患者研究	NA	pix-to-pix GAN, ResNet-50	SSIM, PSNR, MSE, 分类准确率	NA
2616	2025-11-27	Stimulated Raman Scattering Microscopy Enables Gleason Scoring of Prostate Core Needle Biopsy by a Convolutional Neural Network 2023-02-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-22-2146 PMID:36594873	研究论文	开发基于受激拉曼散射显微镜和卷积神经网络的深度学习系统，用于前列腺穿刺活检的格里森评分	首次将受激拉曼散射显微镜与卷积神经网络结合，实现无标记、近实时的前列腺癌格里森模式分类	样本量相对有限（61例训练集，22例外部测试），与病理医生诊断一致性为71%	开发快速准确的前列腺癌格里森评分方法以支持局部病灶的精准治疗	新鲜前列腺穿刺活检组织	数字病理	前列腺癌	受激拉曼散射显微镜	CNN	图像	61例患者用于训练，22例独立病例用于外部测试，21例用于诊断一致性验证	NA	卷积神经网络	准确率	NA
2617	2025-11-27	An automated unsupervised deep learning-based approach for diabetic retinopathy detection 2022-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-022-02688-9 PMID:36274090	研究论文	提出一种基于无监督深度学习的自动化糖尿病视网膜病变检测方法	首次采用无监督学习与深度学习的混合方法检测糖尿病视网膜病变，提出了改进的模糊聚类方法和改进的卷积神经网络	NA	开发自动检测糖尿病视网膜病变相关视网膜异常的自动化技术	糖尿病视网膜病变患者的视网膜图像	计算机视觉	糖尿病视网膜病变	NA	CNN	视网膜图像	三个不同数据集：DIARETDB1、APTOS和Liverpool	NA	改进的卷积神经网络	准确率	NA
2618	2025-11-27	Prostate Cancer Risk Stratification via Nondestructive 3D Pathology with Deep Learning-Assisted Gland Analysis 2022-01-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-21-2843 PMID:34853071	研究论文	开发了一种基于深度学习的非破坏性3D病理学工作流程，用于前列腺癌风险分层	提出ITAS3D策略实现无需标注的3D腺体分割，使用荧光类似物替代传统H&E染色	初步验证阶段，样本量有限（300个活检样本）	改进前列腺癌风险评估和治疗决策	前列腺活检组织	数字病理学	前列腺癌	3D病理学，荧光染色	深度学习	3D图像	300个活检样本（来自50个前列腺切除标本，其中118个含癌）	NA	NA	风险分层能力，临床生化复发结果	NA
2619	2025-11-26	A multimodal approach for cardiac signals classification using deep learning with explainable AI methods 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00402-1 PMID:41287804	研究论文	提出一种融合心电信号和心音信号的多模态深度学习框架，用于心脏病分类诊断	采用双分支CNN-BiLSTM-SE架构与跨模态注意力机制，结合可解释AI方法验证模型临床相关性	未明确说明模型在实时临床环境中的部署性能	开发准确、可解释的心脏病诊断决策支持系统	心电图和心音图信号	数字病理	心血管疾病	小波去噪,自适应滤波,标准化	CNN,BiLSTM	生理信号	总计4905名受试者（来自5个不同数据集）	未明确指定	双分支CNN-BiLSTM-SE,跨模态注意力机制	准确率,F1分数,AUC	NA
2620	2025-11-26	A deep learning approach to predicting hospitalized patients' SEIRD states using multimodal spatiotemporal data 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106157 PMID:41161262	研究论文	本研究开发了多模态深度学习模型，利用医院时空数据预测住院患者的SEIRD状态和医院获得性感染风险	提出了一种新颖的混合架构，先让专门组件独立学习时空数据的表示，然后通过联合微调阶段智能融合这些预训练表示	研究使用合成医院模拟数据集，未来需要在真实临床数据上进行验证	开发个体层面的医院获得性感染风险预测模型，为针对性干预提供支持	住院患者	机器学习	医院获得性感染	深度学习	LSTM, DCRNN, 图卷积网络	多模态时空数据	基于同行评审的合成医院模拟数据集，采用分层10折交叉验证	NA	异构图卷积长短期记忆网络, 扩散卷积循环神经网络, 混合模型	准确率, F1分数	NA