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
3081	2025-11-27	AI-aided segmentation of four types of drusen in volumetric OCT 2025-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566705 PMID:41293704	研究论文	提出结合卷积神经网络和分类模块的深度学习框架，用于从OCT图像中自动分割和分类四种不同类型的玻璃膜疣	首次开发能够同时实现玻璃膜疣自动分割和四种临床相关类型分类的深度学习框架	分割准确度的Dice评分均值为0.74±0.21，仍有提升空间	开发客观的年龄相关性黄斑变性评估和监测方法	光学相干断层扫描图像中的玻璃膜疣	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	CNN	三维医学图像	NA	NA	NA	Dice系数, 临界成功指数	NA
3082	2025-11-29	Gated Attention-Augmented Double U-Net for White Blood Cell Segmentation 2025-Nov-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11110386 PMID:41295103	研究论文	提出一种用于白细胞分割的新型深度学习架构GAAD-U-Net	集成注意力增强卷积和门控机制的双U-Net架构，能更好捕捉模糊边界和复杂结构	未明确说明模型在特定细胞类型或极端条件下的性能限制	提高白细胞医学图像分割的准确性和鲁棒性	白细胞医学图像	数字病理学	血液疾病	深度学习图像分割	U-Net	医学图像	NA	NA	Double U-Net, GAAD-U-Net	Dice系数, IoU	NA
3083	2025-11-29	Deep learning in CT image reconstruction and processing: techniques, performance evaluation, radiation dose, and future perspective 2025-Nov-01, The British journal of radiology DOI:10.1093/bjr/tqaf260 PMID:41099810	综述	本文综述了基于深度学习的CT图像重建与处理技术，涵盖技术实现、性能评估、辐射剂量降低及未来展望	系统分类了DLR技术（投影空间、投影-图像空间、图像空间及混合技术），并首次综合评估其在辐射剂量降低与诊断性能提升方面的潜力	低对比度病变检测中辐射剂量降低仍不足50%，且存在生成虚假结构的风险	探讨深度学习在CT图像重建与处理中的技术应用与性能优化	CT图像重建算法与处理技术	医学影像处理	NA	CT图像重建	深度学习	CT图像	NA	NA	NA	噪声降低、伪影校正、空间分辨率增强	NA
3084	2025-11-29	Prediction of Proto-Oncogene Using Bidirectional GRU and Attention 2025-Nov-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2025.26.11.3959 PMID:41312920	研究论文	本研究提出基于注意力机制和深度学习的方法预测原癌基因蛋白序列	首次将注意力机制与双向门控循环单元结合用于原癌基因预测，提供可解释的蛋白质序列分类方法	仅使用Uniprot数据集进行验证，需要更多临床数据验证模型泛化能力	开发计算模型预测原癌基因蛋白序列，辅助癌症早期诊断和靶向药物研发	原癌基因蛋白序列	生物信息学	癌症	基因组测序技术	CNN, BiGRU	蛋白质序列数据	Uniprot基准数据集	NA	ACNN（注意力卷积神经网络）, ABiGRU（注意力双向门控循环单元）	准确率	NA
3085	2025-11-29	A Deep Learning-Based Ensemble System for Brent and WTI Crude Oil Price Analysis and Prediction 2025-Oct-31, Entropy (Basel, Switzerland) DOI:10.3390/e27111122 PMID:41294965	研究论文	提出一种基于深度学习的集成系统用于布伦特和WTI原油价格分析与预测	结合多种深度学习模型并通过贝叶斯优化调参，使用SLSQP算法进行加权集成	未明确说明数据时间范围和样本规模，未讨论模型在极端市场条件下的表现	设计一个精确的原油价格预测系统	布伦特和WTI原油价格	机器学习	NA	NA	CNN, LSTM, BiLSTM, GRU, BiGRU, DFFNN, XGBoost, RT	时间序列数据	NA	NA	卷积神经网络, 长短期记忆网络, 双向LSTM, 门控循环单元, 双向GRU, 深度前馈神经网络	NA	NA
3086	2025-11-29	MVIB-Lip: Multi-View Information Bottleneck for Visual Speech Recognition via Time Series Modeling 2025-Oct-31, Entropy (Basel, Switzerland) DOI:10.3390/e27111121 PMID:41294964	研究论文	提出一种基于多视图信息瓶颈的视觉语音识别框架MVIB-Lip，通过时间序列建模提升唇读性能	首次将多视图学习与信息瓶颈理论结合用于唇读任务，同时利用原始轨迹和递归图两种互补表示	未明确说明在极端低资源条件下的性能表现	开发数据高效且具有良好泛化能力的视觉语音识别方法	唇部运动的多视图表示	计算机视觉	NA	时间序列分析，递归图	Transformer, CNN	时间序列数据，图像	OuluVS数据集和自收集数据集	PyTorch	Transformer, ResNet-18	准确率，泛化能力	NA
3087	2025-11-29	A Deep Regression Model for Tongue Image Color Correction Based on CNN 2025-Oct-29, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11110381 PMID:41295098	研究论文	提出基于CNN的舌象颜色校正回归模型TococoNet，用于消除舌图像的颜色偏差	提出新型回归模型TococoNet，采用对称编码器-解码器U-Blocks结构并通过M-Block进行多级特征融合	NA	消除舌图像中的颜色偏差，提高颜色真实性	舌图像	计算机视觉	中医舌诊	深度学习	CNN	图像	NA	NA	U-Net类架构（U-Blocks, M-Block）	颜色距离ΔE	NA
3088	2025-11-29	Deep learning assisted LDPC decoding for 5G IoT networks in fading environments 2025-Oct-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21382-y PMID:41145583	研究论文	提出一种结合迭代偏移最小和算法与卷积神经网络的混合架构，用于增强5G物联网网络中LDPC解码性能	首次将CNN与OMS算法结合用于LDPC解码，通过深度学习技术准确估计和减轻色噪声影响	基于仿真验证性能，未提及实际部署测试；参数优化范围可能有限	提高5G物联网网络中LDPC解码在衰落环境下的性能	5G物联网网络中的LDPC解码系统	通信工程, 深度学习	NA	LDPC信道编码, 深度学习辅助解码	CNN	通信信号, 仿真数据	NA	NA	OMS-CNN混合架构	误码率, 信噪比增益	NA
3089	2025-11-29	Distinguishing Between Healthy and Unhealthy Newborns Based on Acoustic Features and Deep Learning Neural Networks Tuned by Bayesian Optimization and Random Search Algorithm 2025-Oct-27, Entropy (Basel, Switzerland) DOI:10.3390/e27111109 PMID:41294952	研究论文	本研究开发了基于声学特征和深度前馈神经网络的模型，用于区分健康与不健康新生儿	使用贝叶斯优化和随机搜索算法优化深度前馈神经网络配置，结合多种声学特征进行新生儿哭声分类	NA	开发辅助医生临床决策的新生儿健康状态分类系统	新生儿哭声	机器学习	新生儿疾病	声学特征分析	DFFNN	音频	NA	NA	深度前馈神经网络	准确率	NA
3090	2025-11-29	Do Children with Autism Spectrum Disorders (ASD) Have Deep Learning Ability? An Exploratory Research in Inclusive Play 2025-Oct-27, Journal of Intelligence IF:2.8Q1 DOI:10.3390/jintelligence13110135 PMID:41295416	研究论文	通过观察性游戏研究探索自闭症谱系障碍儿童的深度学习能力表现	首次针对学龄前自闭症儿童在融合游戏情境中的深度学习能力进行实证研究，并开发了专门的评估量表	样本量较小（8名ASD儿童），仅来自四所公立幼儿园，研究结果推广性有限	探索自闭症谱系障碍儿童在游戏中的深度学习能力表现及其影响因素	8名自闭症谱系障碍儿童和13名正常发育儿童（5-7岁）	发展心理学	自闭症谱系障碍	观察法、评估量表	NA	行为观察数据、评估量表数据	21名儿童（8名ASD+13名TD），收集40个游戏案例（10个融合游戏+30个单独游戏）	NA	NA	评估量表得分	NA
3091	2025-11-29	Prediction of Postoperative Mortality After Fontan Procedure: A Clinical Prediction Model Study Using Deep Learning Artificial Intelligence Techniques 2025-Oct-23, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd12110420 PMID:41295346	研究论文	本研究开发并验证了一种基于深度学习的临床预测模型，用于预测Fontan手术后的术后死亡率	首次将深度学习技术应用于Fontan手术后死亡率预测，并采用SHAP分析增强模型可解释性，开发了用户友好的临床应用界面	需要额外的外部验证来确认其更广泛的适用性和临床实用性	开发并验证深度学习模型以预测Fontan手术后死亡率，并识别关键预测因素	230名接受Fontan手术的单心室先天性心脏病患者	机器学习	先天性心脏病	深度学习人工智能技术	DNN	临床、生化、血流动力学变量	230名患者	Streamlit	深度神经网络	准确率, 精确率, 召回率, F1分数, AUC-ROC, 特异性	NA
3092	2025-11-29	Artificial Intelligence in Clinical Oncology: From Productivity Enhancement to Creative Discovery 2025-Oct-22, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32110588 PMID:41294650	综述	本文综述人工智能在临床肿瘤学中从生产力提升到创造性发现的双重影响	提出AI在肿瘤学中的双重作用框架，并介绍FUTURE-AI临床转化框架	NA	探讨人工智能在临床肿瘤学中的应用与影响	临床肿瘤学数据与工作流程	机器学习	癌症	NA	深度学习,基于Transformer的基础模型	多模态数据,影像数据,临床数据	NA	NA	NA	NA	NA
3093	2025-11-29	Redefining MRI-Based Skull Segmentation Through AI-Driven Multimodal Integration 2025-Oct-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11110372 PMID:41295090	研究论文	开发基于AI的多模态集成工作流，实现直接从常规MRI进行颅骨分割	通过多模态配准将CT分割结果迁移到MRI，实现无需专门序列的MRI颅骨自动分割	MRI上的绝对精度低于CT，分割性能存在一定差距	开发无需电离辐射的颅骨分割方法，提升MRI在手术规划中的实用性	颅骨分割，特别关注儿科和创伤病例	医学影像分析	颅颌面疾病	MRI，CT，多模态配准	深度学习模型	医学影像（MRI和CT）	186对配对的CT-MRI数据集	NA	NA	Dice相似系数，平均表面距离，Hausdorff距离	NA
3094	2025-11-29	Multiplex design and discovery of proximity handles for programmable proteome editing 2025-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.681693 PMID:41279570	研究论文	本研究通过结合蛋白质设计与多重筛选框架，开发了一种可扩展的蛋白质组编辑平台，用于发现能够调控细胞内蛋白质降解、稳定或重定位的效应器手柄	将深度学习指导的蛋白质设计与功能性细胞读数相结合，建立了可扩展的低成本平台，发现了数百种能够驱动蛋白质降解或稳定的效应器手柄	研究中仅验证了部分候选效应器手柄，需要进一步验证其在更广泛蛋白质靶点中的应用效果	开发可编程蛋白质组编辑的通用框架，解决当前蛋白质操作工具灵活性和特异性不足的问题	设计的效应器手柄、泛素-蛋白酶体系统组件、自噬通路组件、线粒体外膜	生物技术	癌症	LABEL-seq测序分析、多重筛选、深度学习指导的蛋白质设计	深度学习模型	测序数据、蛋白质丰度数据	9,715个设计的候选效应器手柄	NA	NA	蛋白质丰度变化、重现性、正交验证	NA
3095	2025-11-29	SeedGerm-VIG: an open and comprehensive pipeline to quantify seed vigor in wheat and other cereal crops using deep learning-powered dynamic phenotypic analysis 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf129 PMID:41100176	研究论文	开发了一个基于深度学习的自动化种子活力分析管道SeedGerm-VIG，用于量化小麦和其他谷类作物的种子活力	整合了多种深度学习模型和计算机视觉算法，建立了时间序列有向图来跟踪根尖生长，并创建了新的种子活力评分矩阵	NA	开发自动化种子活力评估方法，促进作物改良	小麦、水稻和大麦种子	计算机视觉	NA	深度学习，计算机视觉	YOLOv8x-Germ, U-Net	图像	小麦21个商业基因型494个随机抽样种子（超过29,500张种子级图像），水稻120个种子，大麦240个种子	NA	YOLOv8x-Germ, U-Net	R2 = 84.1%	NA
3096	2025-11-29	Explainable Transfer Learning with Residual Attention BiLSTM for Prognosis of Ischemic Heart Disease 2025, F1000Research DOI:10.12688/f1000research.166307.3 PMID:41216267	研究论文	提出一种可解释的迁移学习残差注意力双向LSTM模型用于缺血性心脏病预后预测	结合迁移学习、残差注意力机制、SHAP可解释性分析和人口统计学重加权策略，提高模型准确性、可解释性和公平性	仅在UCI心脏病数据集上验证，需要更多临床数据验证泛化能力	开发准确、可解释且公平的缺血性心脏病预后预测模型	缺血性心脏病患者临床数据	机器学习	心血管疾病	深度学习，迁移学习	BiLSTM, 注意力机制	临床数据	UCI心脏病数据集，10折交叉验证	NA	残差注意力双向LSTM (Residual Attention BiLSTM)	准确率, F1分数, AUC, 错误率	NA
3097	2025-11-29	Objective Evaluation of a Deep Learning-Based Noise Reduction Algorithm for Hearing Aids Under Diverse Fitting and Listening Conditions 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165251396644 PMID:41289071	研究论文	本研究评估了一种基于深度神经网络(DNN)的降噪算法在助听器中的性能，并与传统信号处理方法进行比较	首次在多样化助听器配置和听音条件下系统评估DNN降噪算法，并结合波束成形技术	使用KEMAR假人头录音而非真实患者，在中等混响条件下效果有限，非侵入式指标存在较大变异性	评估深度学习降噪算法在助听器中的性能表现	助听器信号处理系统	信号处理	听力障碍	深度神经网络降噪，自适应滤波，波束成形	DNN	音频录音	1,152个KEMAR假人头录音，使用5种听力图配置	NA	NA	HASPI, HASQI, pMOS	NA
3098	2025-11-29	SVNC-Net: An optimized U-Net variant with 2D convolutions for lightweight 3D spleen segmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332482 PMID:41289322	研究论文	提出一种基于U-Net优化的轻量级3D脾脏分割网络SVNC-Net，使用2D卷积处理CT切片	在U-Net框架基础上引入深度可分离卷积，使用2D卷积实现3D分割，显著降低计算复杂度和内存使用	未明确说明模型在极端病理情况下的泛化能力	开发适用于资源受限环境的实时3D脾脏分割方法	CT扫描中的脾脏器官	数字病理	脾脏疾病	CT扫描	CNN	医学影像	两个公开数据集（具体数量未说明）	未明确说明	U-Net变体	与UPerNet、EMANet、CCNet、SegNet、ShuffleNet对比评估	适用于边缘设备和资源受限环境
3099	2025-11-29	Deep learning and multi-omics reveal programmed cell death-associated diagnostic signatures and prognostic biomarkers in gastric cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1690200 PMID:41293156	研究论文	通过深度学习与多组学分析揭示胃癌中程序性细胞死亡相关的诊断标志物和预后生物标志物	开发了基于评分聚类框架整合多种机器学习算法，并应用混合CNN+BiLSTM模型进行转录组特征提取和亚型分类	样本量可能不足导致部分基因表达存在微小差异	改善胃癌的诊断和预后评估框架	胃癌患者的多组学数据	数字病理学	胃癌	多组学分析, 空间转录组, RT-qPCR	CNN, BiLSTM	转录组数据, 蛋白质组数据	TCGA队列和临床样本	TensorFlow, PyTorch	CNN+BiLSTM混合模型	准确率, 预后预测值	NA
3100	2025-11-29	Habitat radiomics and deep learning on gadoxetic acid-enhanced MRI for noninvasive assessment of CK19 expression and recurrence-free survival in hepatocellular carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1684264 PMID:41293267	研究论文	基于钆塞酸增强MRI开发结合临床、影像、生境放射组学和深度学习特征的非侵入性模型，用于预测肝细胞癌CK19表达和无复发生存期	首次将生境放射组学与深度学习特征结合临床和影像特征，构建综合预测模型评估肝细胞癌CK19表达和预后	回顾性研究设计，样本量有限，需要多中心前瞻性验证	开发非侵入性预测模型评估肝细胞癌CK19表达和复发风险	539例肝细胞癌患者	医学影像分析	肝细胞癌	钆塞酸增强MRI	深度学习, 逻辑回归	医学影像	539例患者（训练集266例，内部测试集114例，外部测试集159例）	NA	DL-HR列线图模型	AUC, 95%置信区间, P值	NA