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
2941	2025-11-24	Heart disease prediction using hybrid TabNet architecture with stacked ensemble learning 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1665128 PMID:41267789	研究论文	提出一种结合TabNet和XGBoost的堆叠集成学习框架用于心脏病预测	首次将深度学习的TabNet与树模型XGBoost通过逻辑回归或支持向量机作为元学习器进行集成	未提及模型的可解释性具体如何实现以及在实际临床环境中的验证情况	提高心血管疾病早期预测的准确性和可靠性	心血管疾病患者数据	机器学习	心血管疾病	NA	TabNet, XGBoost, Logistic Regression, SVM	临床特征数据	Kaggle和UCI心血管疾病数据集	NA	TabNet, XGBoost, 堆叠集成架构	准确率, F1分数, 精确率, 召回率, ROC-AUC, PR-AUC, 马修斯相关系数	NA
2942	2025-11-24	Vision toolkit part 2. features and metrics for assessing oculomotor signal: a review 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1661026 PMID:41267788	综述	本文系统回顾了眼动信号评估的特征提取方法和度量指标，重点介绍了眼动数据分割技术和计算工具	全面梳理了眼动分析中的二元和三元分割方法，并介绍了信号处理中相对未被充分探索的光谱、随机和拓扑方法	强调分割算法在实际应用中的参数敏感性、噪声干扰和移动眼动仪头部运动伪影等挑战，缺乏标准化基准	评估眼动信号的特征和度量方法，推动眼动分析在认知和临床研究中的应用	眼动数据，包括注视、扫视和平滑追随等标准眼动事件	计算机视觉	神经系统疾病	眼动追踪技术	深度学习, 阈值算法	眼动信号数据	NA	NA	NA	时间特征, 空间特征, 运动学特征	NA
2943	2025-11-24	Data-driven pit stop decision support for Formula 1 using deep learning models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1673148 PMID:41267814	研究论文	本研究提出了一种基于深度学习的F1赛车进站决策支持框架，利用原始遥测数据预测最佳进站时机	首次将多种深度学习架构应用于F1进站决策，并开发了历史比赛可视化界面展示预测结果	模型性能依赖于FastF1 API提供的数据质量和完整性	开发数据驱动的进站决策支持系统以提升F1比赛策略	F1赛车比赛中的进站时机决策	机器学习	NA	SMOTE过采样技术	Bi-LSTM, TCN-GRU, GRU, CNN-BiLSTM	遥测数据	NA	NA	Bi-LSTM, TCN-GRU, GRU, InceptionTime, CNN-BiLSTM	精确率, 召回率, F1分数	NA
2944	2025-11-24	Enhancing rehabilitation in stroke survivors: a deep learning approach to access upper extremity movement using accelerometry data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1547127 PMID:41267816	研究论文	本研究开发了一种基于卷积神经网络和密集层的深度学习方法来分类中风幸存者上肢的功能性和非功能性运动	使用原始加速度计数据无需手动特征提取，结合CNN与密集层实现更高精度的运动分类	样本量相对有限，模型性能在不同受试者间存在差异	开发客观测量工具以评估中风幸存者上肢康复效果	中风幸存者的上肢运动数据	机器学习	中风	加速度计数据采集	CNN	传感器数据	未明确具体样本数量，但包含个体内和跨个体模型	NA	CNN with Dense layers	准确率	NA
2945	2025-11-24	CADFFNet: a dual-branch neural network for non-destructive detection of cigar leaf moisture content during air-curing stage 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698427 PMID:41267935	研究论文	提出一种基于双分支神经网络的雪茄烟叶含水率无损检测方法	首次构建双视角图像数据集，提出通道注意力机制的双分支特征融合网络，实现雪茄烟叶前后表面特征的互补提取	未明确说明样本数量，泛化能力仍需在更多作物上验证	开发雪茄烟叶调制过程中含水率的无损检测方法	雪茄烟叶在空气调制过程中的双视角RGB图像	计算机视觉	NA	双视角RGB成像	CNN	图像	NA	NA	ResNet, CADFFNet, DECA, MSCFF	R2, MAE	NA
2946	2025-11-24	ParaDeep: sequence-based deep learning for residue-level paratope prediction using chain-aware BiLSTM-CNN models 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1684042 PMID:41268176	研究论文	提出ParaDeep深度学习框架，基于氨基酸序列进行残基水平抗体互补位预测	开发轻量级可解释深度学习框架，结合双向长短期记忆网络与一维卷积层，仅需序列输入即可实现高性能预测	轻链预测性能相对较低，对结构上下文依赖更强	开发仅基于序列的抗体互补位预测方法	抗体氨基酸序列	生物信息学	NA	深度学习	BiLSTM, CNN	序列数据	NA	PyTorch	BiLSTM-CNN	F1-score, MCC	Google Colab
2947	2025-11-24	KAN-SleepNet: A deep learning model combining Kolmogorov-Arnold Networks and bidirectional LSTM for automated sleep staging using EEG signals 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251398440 PMID:41268191	研究论文	提出结合Kolmogorov-Arnold Networks和双向LSTM的深度学习模型KAN-SleepNet，用于基于单通道脑电信号的自动睡眠分期	首次将Kolmogorov-Arnold Networks与卷积神经网络结合形成ConvKAN模块，并与双向LSTM集成用于睡眠分期任务	仅使用单通道EEG信号，未探索多模态数据融合；在N1睡眠阶段的识别性能仍有提升空间	开发高效的自动睡眠分期方法以辅助临床睡眠分析	睡眠脑电信号和睡眠阶段分类	数字病理	睡眠障碍	脑电图	CNN, LSTM, KAN	脑电信号	SleepEDF-78数据集：78名受试者的153条记录；ISRUC-S1数据集：100名受试者的100条记录	NA	ConvKAN, Bidirectional LSTM	准确率, F1分数, Cohen's Kappa	NA
2948	2025-11-24	Limited echocardiogram acquisition by novice clinicians aided with deep learning: A randomized controlled trial 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf083 PMID:41268207	随机对照试验	评估深度学习辅助设备对无心脏超声培训的医护人员获取多视图有限超声心动图的影响	首次在随机对照试验中证明深度学习算法能显著提高新手操作者的超声图像采集速度和图像质量	单中心研究，样本量较小(n=38)，仅评估了短期(两周)使用效果	验证深度学习辅助设备能否改善无超声培训医护人员的超声心动图采集能力	38名无超声培训的内科住院医师	医学影像分析	心血管疾病	超声心动图	深度学习算法	超声图像	38名内科住院医师(19人使用DL设备，19人使用非DL设备)	NA	NA	采集时间，改良RACE评分，Cohen's d效应量	便携式超声设备集成深度学习软件
2949	2025-11-24	Detecting environmental barriers affecting older adult pedestrians via Gramian angular field-based CNN of smartphone sensor data 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1697589 PMID:41268413	研究论文	本研究通过将智能手机IMU传感器数据转换为格拉米角场图像，利用轻量级CNN检测影响老年行人步态的环境障碍物	首次将时间序列IMU数据转换为GAF图像用于环境障碍检测，实现了比传统阈值法和最大李雅普诺夫指数方法更高的准确率	研究样本量较小（20名老年人），仅在特定城市路线上进行验证	开发实时个性化环境障碍检测方法以提升老年人步行安全性	老年行人及其在步行过程中遇到的环境障碍物	计算机视觉	老年疾病	智能手机IMU传感器数据采集	CNN	图像	20名老年人，1.2公里城市路线	NA	轻量级CNN	准确率, 灵敏度, 特异性, F1分数	NA
2950	2025-11-24	SAMP: Identifying antimicrobial peptides by an ensemble learning model based on proportionalized split amino acid composition 2024-Dec-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae046 PMID:39573886	研究论文	提出一种基于比例化分割氨基酸组成和集成随机投影的抗菌肽识别模型SAMP	引入比例化分割氨基酸组成特征，能同时捕捉N端和C端残基模式及中间肽段序列顺序信息	NA	开发更准确的抗菌肽识别计算方法	抗菌肽序列	机器学习	耐药细菌感染	比例化分割氨基酸组成	集成学习	肽序列	NA	Python	集成随机投影	准确率, Matthews相关系数, G-measure, F1-score	NA
2951	2025-11-24	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-Nov-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	开发了一种基于深度学习模型的青光眼进展检测方法，使用纵向系列黄斑光学相干断层扫描血管成像图像	首次设计定制化卷积神经网络用于基于纵向OCTA图像的青光眼进展检测，性能优于传统的逻辑回归模型	样本量相对较小（202只眼），需要外部验证来确认模型的泛化能力	开发深度学习模型用于青光眼进展的自动检测	134名开角型青光眼患者的202只眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	CNN	图像	202只眼睛，平均随访3.5年，每只眼至少4次OCTA检查	NA	定制化卷积神经网络	AUC, 敏感度, 特异度, 准确率	NA
2952	2025-11-24	RETFound-enhanced community-based fundus disease screening: real-world evidence and decision curve analysis 2024-Apr-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01109-5 PMID:38693205	研究论文	本研究开发了一种基于RETFound增强的深度学习模型，用于社区眼底疾病筛查，并在真实世界场景中验证其性能	首次将眼科基础模型RETFound应用于社区眼底疾病筛查，显著提升了筛查准确性和泛化能力	研究主要基于中国城乡场景，在其他国家和地区的适用性需要进一步验证	开发高性能的AI辅助眼底疾病筛查系统以应对全球视力健康挑战	社区筛查中采集的真实世界眼底图像	计算机视觉	眼底疾病	深度学习	深度学习模型	眼底图像	NA	NA	RETFound	灵敏度, 特异性, 净收益	NA
2953	2025-11-24	Optimizing Machine Learning Models for Accessible Early Cognitive Impairment Prediction: A Novel Cost-effective Model Selection Algorithm 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3505038 PMID:39902153	研究论文	开发一种成本效益高的机器学习模型选择算法，用于早期认知障碍预测	提出新型成本效益模型选择算法，在保证高性能的同时最小化开发和运营成本	未在更多低收入和中等收入国家进行广泛验证	开发成本效益高且易于获取的机器学习模型，用于预测未来五年内的认知障碍风险	来自国家阿尔茨海默病协调中心统一数据集的认知障碍相关数据	机器学习	老年疾病	机器学习，深度学习	SVM，神经网络	结构化医疗数据	国家阿尔茨海默病协调中心统一数据集	NA	支持向量机，神经网络	F2-score	NA
2954	2025-11-24	Enhancing Spatial Transcriptomics Analysis by Integrating Image-Aware Deep Learning Methods 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160299	研究论文	提出一种整合空间转录组学和组织病理学图像的深度学习方法，以更好地捕捉癌症组织中的生物学模式	首次将空间转录组学数据与组织病理学图像特征通过深度学习相结合，克服了传统方法仅依赖基因表达的局限性	方法主要针对胶质母细胞瘤和三阴性乳腺癌等特定癌症类型，在其他疾病中的适用性有待验证	开发能够整合多模态数据的分析方法，提升空间转录组学数据的生物学解释能力	胶质母细胞瘤和三阴性乳腺癌患者的组织样本	数字病理学	癌症	空间转录组学, 组织病理学成像	CNN	图像, 基因表达数据	NA	NA	ResNet-50	NA	NA
2955	2025-11-24	Spatial Omics Driven Crossmodal Pretraining Applied to Graph-based Deep Learning for Cancer Pathology Analysis 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160300	研究论文	本研究探索利用空间转录组数据通过对比跨模态预训练机制生成深度学习模型，以增强基于图的癌症病理分析	首次将空间组学数据与组织学图像配对，通过对比跨模态预训练机制提升图深度学习模型在病理分析中的性能	NA	开发能够同时提取分子和组织学信息的深度学习模型，用于基于图的癌症病理分析任务	癌症组织病理学全切片图像和空间转录组数据	数字病理学	癌症	空间转录组学	图神经网络	图像, 空间转录组数据	NA	NA	NA	癌症分期准确率, 淋巴结转移预测准确率, 生存预测准确率, 组织聚类分析	NA
2956	2025-11-24	PEPSI: Polarity measurements from spatial proteomics imaging suggest immune cell engagement 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160302	研究论文	开发了一种从免疫荧光成像数据定义表面蛋白极性的度量方法，用于识别肿瘤微环境中的免疫细胞状态	首次利用亚细胞蛋白表达模式对免疫细胞功能状态进行表型分析，并证明极性定义的细胞亚型能改善深度学习模型的生存预测性能	方法依赖于高分辨率显微镜成像，可能受限于图像质量和分辨率	通过蛋白极性测量理解免疫细胞功能状态及其在肿瘤微环境中的作用	肿瘤微环境中的免疫细胞	空间蛋白质组学成像	肿瘤	免疫荧光成像	深度学习模型	免疫荧光图像	600个患者样本中的200多万个细胞	NA	NA	生存预测性能	NA
2957	2025-11-24	Spatial Omics Driven Crossmodal Pretraining Applied to Graph-based Deep Learning for Cancer Pathology Analysis 2023-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.30.551187 PMID:37577686	研究论文	本研究探索利用空间转录组学数据通过对比跨模态预训练机制生成深度学习模型，以增强基于图的癌症病理分析	首次将空间组学数据与组织学成像配对，通过对比跨模态预训练机制提升图深度学习模型在病理分析中的性能	NA	开发能够同时提取分子和组织学信息的深度学习模型，用于基于图的病理学习任务	癌症病理全切片图像和空间转录组学数据	数字病理	癌症	空间转录组学，组织学成像	图神经网络	图像，空间转录组数据	NA	NA	图神经网络	癌症分期准确率，淋巴结转移预测准确率，生存预测准确率，组织聚类分析	NA
2958	2025-11-23	Cervical cancer diagnostics: non-coding RNAs and biosensors to AI-derived methods 2026-Jan-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120641 PMID:41072569	综述	本文综述了宫颈癌诊断技术的最新进展，重点关注非编码RNA、生物传感器和人工智能方法在临床诊断中的应用	整合了非编码RNA生物标志物与人工智能诊断方法的最新研究进展，探讨两者在宫颈癌诊断中的协同潜力	主要基于文献综述，缺乏原始实验数据验证	评估宫颈癌诊断新技术的发展现状和未来潜力	宫颈癌诊断技术，包括非编码RNA、生物传感器和人工智能方法	数字病理学	宫颈癌	机器学习，深度学习，生物传感器技术	机器学习算法，深度学习算法	图像数据，分子数据	NA	NA	NA	诊断准确性	NA
2959	2025-11-23	Advancement of machine learning algorithms in biosensors 2026-Jan-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120677 PMID:41135853	综述	探讨机器学习算法在生物传感器中的最新进展及其在健康监测、疾病诊断和治疗评估中的应用	全面分析机器学习算法如何通过高效处理复杂数据和提取可操作见解来增强生物传感器技术	数据隐私、伦理问题、实时数据处理、计算需求和生物传感器制造等挑战尚未完全解决	研究机器学习增强型生物传感器在医疗诊断和个性化医疗中的应用潜力	电化学、光学、微流控和可穿戴生物传感器及其收集的生理信号	机器学习	NA	生物传感技术	监督学习,无监督学习,深度学习	生理信号,传感器数据	NA	NA	NA	分类,回归,聚类,特征提取	NA
2960	2025-11-23	Artificial Intelligence for Simplified Patient-centered Dosimetry in Radiopharmaceutical Therapies 2026-Jan, PET clinics IF:3.0Q2 DOI:10.1016/j.cpet.2025.09.010 PMID:41271260	研究论文	本文探讨人工智能在放射性药物治疗中简化患者中心化剂量测定的应用	提出基于深度学习的剂量转换方法替代传统蒙特卡洛模拟，不依赖通用人体模型而考虑患者个体解剖结构	NA	开发简化且个性化的放射性药物治疗剂量测定方法	放射性药物治疗中的病灶和风险器官	医学影像分析	癌症治疗	放射性药物治疗	深度学习	医学影像	NA	NA	NA	NA	NA