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
2901	2025-12-24	Deep learning of thermodynamic laws from microscopic dynamics 2025-Nov, Physical review. E DOI:10.1103/p2z8-j69p PMID:41430901	研究论文	本研究通过深度神经网络从微观动力学数据中学习宏观热力学定律	利用深度神经网络从微观粒子图像数据中自动推导出与热力学公理一致的宏观物理定律，展示了机器学习在跨尺度物理规律发现中的潜力	研究基于数值模拟生成的理想气体绝热过程数据，尚未验证在更复杂系统或实验数据中的适用性	探索机器学习从微观尺度数据中发现宏观物理定律的能力	气体粒子在绝热过程中的微观动力学	机器学习	NA	分子动力学模拟	深度神经网络	图像	NA	NA	NA	NA	NA
2902	2025-12-24	Deep Learning Strategies for Predicting Amputation Free Survival in Patients with Peripheral Artery Disease 2025-Oct-26, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2025.10.043 PMID:41151636	研究论文	本研究旨在通过比较多种生存机器学习模型，改进传统Cox比例风险模型在预测外周动脉疾病患者无截肢生存期方面的局限性	首次系统性地将多种非竞争风险和竞争风险机器学习模型应用于外周动脉疾病患者的无截肢生存期预测，并开发了患者特异性风险分层工具	需要外部验证才能应用于临床实践，且数据集来自单一医院，可能存在选择偏倚	评估机器学习模型在预测外周动脉疾病患者无截肢生存期方面的性能，并开发临床决策支持工具	外周动脉疾病患者	机器学习	心血管疾病	生存分析	Cox比例风险模型, 条件生存森林, 随机生存森林, 非线性Cox比例风险模型, Fine and Gray次分布风险模型, DeepHit模型	临床数据, 生物学数据, 手术信息	2366名有症状的外周动脉疾病患者	NA	条件生存森林, 随机生存森林, DeepHit	一致性指数, 综合Brier分数	NA
2903	2025-04-16	Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs" 2025-Oct, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15348 PMID:40231655	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2904	2025-07-02	Comment on "Deep Learning for Staging Periodontitis Using Panoramic Radiographs" 2025-Oct, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15347 PMID:40589414	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2905	2025-12-24	Bimodal ECG and PCG Cardiovascular Disease Detection: Exploring the Potential and Modality Contribution 2025-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02245-5 PMID:40938506	研究论文	本文提出了一种结合心电图（ECG）和心音图（PCG）的双模态深度学习模型，用于增强心血管疾病的早期检测	提出了一种新颖的双模态深度学习模型，通过微调在大规模音频数据上预训练的CNN来处理PCG信号，并采用晚期融合策略整合ECG和PCG分支，显著提升了心血管疾病的检测性能	研究受限于公开可用的双模态数据集数量较少，仅使用了MITHSDB数据集的增强版本，未来需要更大、更多样化的双模态数据集进行验证	增强心血管疾病的早期检测能力	心电图（ECG）和心音图（PCG）信号	机器学习	心血管疾病	ECG和PCG信号采集	CNN	时序信号（ECG和PCG）	基于MITHSDB数据集的增强版本（具体数量未明确说明）	NA	1D-CNN	AUROC	NA
2906	2025-12-24	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug-12, ArXiv PMID:40395940	研究论文	提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类，并提供基于病例的解释	提出了一种结构化多分支架构，模拟临床解读流程，并引入了一种新颖的对比损失函数，用于处理多标签学习中无关类别的原型分离与共现诊断的原型聚类	NA	开发一种透明且可信的深度学习模型，用于临床决策支持中的多标签心电图分类	心电图信号	机器学习	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的所有71个标签	NA	1D CNN, 2D CNN	NA	NA
2907	2025-12-24	SynAnno: Interactive Guided Proofreading of Synaptic Annotations 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.09.669342 PMID:40832296	研究论文	本文介绍了SynAnno，一种用于大规模连接组学数据集中突触注释交互式校对工具，旨在提高校对效率和准确性	提出了一种集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以应对神经元复杂空间分支的挑战	NA	开发一个交互式工具，以简化和增强连接组学数据中突触注释的校对过程	大规模连接组学数据集中的突触注释	数字病理学	NA	深度学习	NA	图像	涉及七位神经科学专家的用户和案例研究	PyTorch	NA	校对速度、认知负荷、注释错误	NA
2908	2025-12-24	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug, Proceedings of machine learning research PMID:41394314	研究论文	本文提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类	结合了对比学习设计的新型原型损失函数，用于多标签学习，并采用结构化多分支架构模拟临床解读流程	未明确说明模型在外部验证数据集上的泛化性能	开发可解释的深度学习模型以支持临床决策	心电图信号	机器学习	心血管疾病	NA	CNN	时间序列数据	PTB-XL数据集中的所有71个标签	NA	1D CNN, 2D CNN	竞争性性能（具体指标未明确列出）	NA
2909	2025-12-24	LPD-Net: A Lightweight and Efficient Deep Learning Model for Accurate Colorectal Polyp Segmentation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254269 PMID:41337006	研究论文	本文提出了一种轻量高效的深度学习模型LPD-Net，用于精确的结直肠息肉分割，以辅助结直肠癌的早期检测	LPD-Net通过优化网络架构、减少残差块数量以及利用深度可分离卷积和逐点卷积，在保持高分割精度的同时显著降低了计算复杂度，是DUCK-Net的轻量高效替代方案	NA	开发一种轻量高效的深度学习模型，用于实时临床环境中的结直肠息肉分割，以克服现有模型计算量大、不适用于资源有限场景的问题	结直肠息肉	计算机视觉	结直肠癌	NA	CNN	图像	NA	NA	LPD-Net	NA	NA
2910	2025-12-24	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究评估了功率-功率跨频耦合（CFC）方法在颅内脑电图（iEEG）中检测颞叶癫痫（TLE）发作的能力，并分析了三种常见发作成分的CFC特征	提出使用功率-功率跨频耦合（CFC）作为颞叶癫痫发作检测的新方法，并首次对三种常见发作成分（尖波、尖波上的涟漪、振荡上的涟漪）进行CFC分析	研究仅基于26名患者的120次颞叶癫痫发作数据，样本量相对较小，且仅使用颅内脑电图数据，可能限制了结果的普适性	评估功率-功率跨频耦合（CFC）方法在颞叶癫痫发作检测中的有效性，并分析不同发作成分的CFC特征	颞叶癫痫患者的颅内脑电图记录，包括发作段和背景活动段	机器学习	癫痫	颅内脑电图（iEEG），功率-功率跨频耦合（CFC）分析	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作记录及背景活动段	EEGLAB	堆叠稀疏自编码器（SSAE），长短期记忆网络（LSTM）	灵敏度, 特异度, 准确率	NA
2911	2025-12-24	Optimizing credit card fraud detection with random forests and SMOTE 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00873-y PMID:40404766	研究论文	本文提出了一种基于机器学习的系统，用于检测信用卡欺诈交易，并比较了多种机器学习模型在高度不平衡数据集上的性能	在高度不平衡的信用卡欺诈数据集上，结合使用SMOTE技术处理类别不平衡问题，并系统比较了深度学习模型与传统机器学习模型（如决策树、Adaboost）的性能，发现随机森林模型在欺诈检测中表现最优	研究主要基于公开的UCI数据集，可能无法完全代表实时金融交易环境的复杂性和动态变化；深度学习模型（ANN）在此特定任务中的表现未超越某些传统机器学习模型	优化信用卡欺诈检测方法，通过比较不同机器学习与深度学习模型，识别提升预测准确性的关键参数，以增强金融欺诈预防机制	信用卡交易数据，特别是欺诈性交易	机器学习	NA	合成少数类过采样技术（SMOTE），探索性数据分析（EDA）	决策树（DT），Adaboost，人工神经网络（ANN），逻辑回归，随机森林	表格数据（信用卡交易记录）	来自UCI机器学习仓库的信用卡客户数据集（欺诈交易占比小于0.2%）	NA	NA	准确率，召回率	NA
2912	2025-12-24	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.30.651481 PMID:40654621	研究论文	本研究开发了一种基于深度学习的自动化关节间隙检测方法，用于提高小鼠爪骨分割的准确性	通过引入结构增强、张量投票和输出膨胀技术，结合3D U-Net和ResNet-18架构的深度学习模型，显著提升了关节间隙检测和骨分割的精度	在疾病严重程度增加和年龄增长的小鼠中，模型性能有所下降，特别是在关节炎严重的前爪数据集中表现受限	开发自动化图像分析技术，以克服手动分割的挑战，提高复杂解剖结构的定量描述准确性	小鼠后爪和前爪的微计算机断层扫描数据集，包括野生型和肿瘤坏死因子转基因小鼠	计算机视觉	关节炎	微计算机断层扫描	CNN	图像	包括野生型和肿瘤坏死因子转基因小鼠的后爪和前爪数据集，测试组涉及52.4%的后爪样本	NA	3D U-Net, ResNet-18	分割准确率	NA
2913	2025-12-24	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文提出了一种名为SPURS的新型深度学习框架，通过整合蛋白质语言模型和逆折叠模型来增强蛋白质稳定性预测	提出了一种创新的“重布线”策略，将ProteinMPNN学习到的结构表示整合到ESM的注意力层中，从而结合序列和结构数据中的进化模式来预测突变效应	未明确说明模型在特定蛋白质家族或极端条件下的泛化能力限制	提高蛋白质热稳定性变化的预测准确性，以支持疾病理解和蛋白质工程	蛋白质氨基酸替换对热稳定性的影响	机器学习	NA	深度学习	蛋白质语言模型, 逆折叠模型	序列数据, 结构数据	基于最近发布的大规模热稳定性数据集进行监督训练	PyTorch	ESM, ProteinMPNN	准确性, 速度, 可扩展性, 泛化能力	NA
2914	2025-12-24	A Physics-Informed Deep Learning Model for MRI Brain Motion Correction 2025-Feb-13, ArXiv PMID:39990792	研究论文	本文提出了一种名为PI-MoCoNet的物理信息深度学习模型，用于MRI脑部图像的运动伪影校正	提出了一种新颖的物理信息运动校正网络，该网络利用空间域和k空间域的互补信息，无需显式运动参数估计即可鲁棒地去除高分辨率脑部MRI图像中的运动伪影	运动伪影是通过对相位编码线施加随机刚性变换来模拟的，可能无法完全覆盖所有真实临床场景中的复杂运动模式	开发并评估一种用于MRI脑部图像运动伪影校正的深度学习模型，以提高图像质量和诊断可靠性	脑部MRI图像	计算机视觉	NA	磁共振成像	深度学习	图像	两个公共数据集（IXI和MR-ART）	PyTorch	U-net, Swin Transformer	峰值信噪比, 结构相似性指数, 归一化均方误差	NA
2915	2025-12-24	RETRACTED: Optimization of house price evaluation model based on multi-source geographic big data and deep neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335722 PMID:41191568	研究论文	本文提出了一种基于多源地理大数据和深度神经网络的房价评估模型，通过集成注意力机制与空间特征提取，并利用蝙蝠优化算法提升模型的可解释性和准确性	提出了一种结合蝙蝠优化算法与注意力机制的混合深度学习网络，用于动态调整高影响力特征，解决了特征重要性不稳定、计算效率低和泛化能力差的问题，相比现有方法训练时间减少30%	未明确说明模型在不同房地产市场环境下的泛化能力，也未讨论模型对数据质量和数据缺失的敏感性	优化房价评估模型，提高预测准确性、计算效率和模型可解释性	房地产价格数据	机器学习	NA	多源地理大数据分析	深度神经网络, 注意力机制	地理大数据	NA	NA	混合深度学习网络	特征稳定性, 人工参与更新时间, 平均绝对误差	NA
2916	2025-12-24	NDMamba: Dual-Prior State-Space Model for Nighttime Deraining 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3633561 PMID:41269856	研究论文	提出一种名为NDMamba的双先验状态空间模型，用于解决夜间图像去雨问题	首次将Retinex理论与状态空间模型结合，通过双先验（光照和雨纹分布）引导的架构，更有效地建模夜间低光条件下雨纹与光照的交互	未明确说明模型在极端低光或动态光照变化场景下的性能，也未讨论模型对计算资源的具体需求	提升夜间图像去雨任务的性能，在计算效率和恢复质量之间取得更好平衡	夜间含雨图像	计算机视觉	NA	深度学习	状态空间模型	图像	未明确说明具体数量，但使用了合成和真实世界基准数据集	未明确说明，代码已公开在GitHub	NDMamba（包含Prior Extraction Module, Prior-Guided Mamba Block, Lighting-Adaptive Vision State-Space Module, Rain Distribution Guidance Module）	未明确列出具体指标，但提及在基准数据集上优于现有方法	NA
2917	2025-12-24	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618559 PMID:39463944	研究论文	本研究利用AlphaFold2探索电压门控钠通道的多种构象，并评估AlphaFold Multimer在模拟钠通道α亚基与其蛋白质伴侣相互作用方面的准确性	首次系统性地将AlphaFold2应用于电压门控钠通道的构象采样，并利用改进的采样策略（子采样多序列比对和调整循环次数）发现了新的、实验尚未识别的构象状态和潜在中间态	研究依赖于计算模型预测，仍需实验验证新发现的构象状态；AlphaFold2在采样极端或罕见构象方面可能存在局限	探索深度学习模型AlphaFold2在采样电压门控钠通道构象及预测其蛋白质-蛋白质相互作用方面的能力	电压门控钠通道（Na通道）的α亚基、辅助β亚基和钙调蛋白	计算生物学, 结构生物信息学	NA	AlphaFold2, AlphaFold Multimer, 冷冻电镜（作为背景参考）	深度学习模型	蛋白质序列, 多序列比对	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2架构	准确性（与实验结构比较）	NA
2918	2025-12-24	SPIN-CGNN: Improved fixed backbone protein design with contact map-based graph construction and contact graph neural network 2023-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011330 PMID:38060617	研究论文	本文提出了一种基于蛋白质接触图的图神经网络SPIN-CGNN，用于改进固定骨架蛋白质设计	引入了基于蛋白质接触图的最近邻图构建方法，结合辅助边更新和选择性核，提高了序列恢复率、困惑度等性能指标	深度学习设计的序列中的低复杂度区域，特别是针对生成结构，与天然序列相比仍有待改进	改进固定骨架蛋白质设计方法，提高序列推断的准确性和生物相关性	蛋白质结构和序列	机器学习	NA	蛋白质接触图	图神经网络	蛋白质结构数据	NA	NA	GNN	序列恢复率, 困惑度, 氨基酸组成偏差, 疏水位点保守性, 低复杂度区域	NA
2919	2025-12-24	Enhancing Breast Ultrasound Segmentation through Fine-tuning and Optimization Techniques: Sharp Attention UNet 2023-Jul-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.14.549040 PMID:37503223	研究论文	本文通过微调和优化技术增强乳腺超声图像分割，提出了Sharp Attention UNet模型	结合Sharp UNet和Attention UNet设计了一种新颖的Sharp Attention UNet模型，并在乳腺超声图像分割中应用了图像预处理、优化技术和微调方法的比较研究	未明确说明数据集的规模或多样性限制，也未提及模型在外部验证或临床环境中的泛化能力	评估图像预处理、不同优化技术以及微调对UNet分割模型性能的影响，并开发改进的乳腺病变分割算法	乳腺超声图像中的良性、恶性肿块区域以及无肿块区域	数字病理学	乳腺癌	超声成像	CNN	图像	NA	NA	UNet, Sharp UNet, Attention UNet, Sharp Attention UNet	Dice系数, 特异性, 敏感性, F1分数	NA
2920	2025-12-24	Feature interaction network based on hierarchical decoupled convolution for 3D medical image segmentation 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0288658 PMID:37440581	研究论文	本文提出了一种基于分层解耦卷积和注意力机制的特征融合模块，用于提高三维医学图像中脑肿瘤分割的准确性	提出了一种基于分层解耦卷积网络和注意力机制的特征融合模块，以替代U形网络中的跳跃连接，解决类别不平衡问题，并引入全局注意力机制进一步整合编码器学习到的特征	未明确提及计算资源限制或模型在其他数据集上的泛化能力	开发一种自动且准确的方法，用于分割多模态脑肿瘤三维医学图像，以支持临床治疗决策和手术规划	多模态脑肿瘤三维医学图像	数字病理	脑肿瘤	深度学习	CNN	三维医学图像	使用BraTS 2018和BraTS 2019数据集，具体样本数量未明确说明	未明确指定，但代码公开于GitHub	U-Net	Dice相似系数	未明确说明