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
301	2025-12-13	A deep learning approach for time-consistent cell cycle phase prediction from microscopy data 2025-Dec-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013800 PMID:41379930	研究论文	本文提出了一种基于深度学习的细胞周期阶段预测方法，利用SiR-DNA荧光标记数据，无需专用细胞周期标记即可实现高精度分类	提出CC-VAE模型，结合变分自编码器与辅助任务（预测相特异性标记平均强度和通过潜在空间正则化强制时间一致性），首次从广泛使用的DNA标记中推断细胞周期阶段	方法依赖于SiR-DNA标记数据，可能不适用于其他标记或成像条件；模型在HeLa Kyoto细胞系上验证，泛化能力需进一步测试	开发一种无需专用细胞周期标记的细胞周期阶段预测方法，以释放荧光通道用于其他报告基因	HeLa Kyoto细胞的核图像	计算机视觉	NA	荧光显微镜成像	变分自编码器	图像	超过600,000张标记的HeLa Kyoto核图像	NA	变分自编码器	准确率	NA
302	2025-12-13	Interpretable Deep Learning for Enhanced Multi-Class Classification of Gastrointestinal Endoscopic Images 2025-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2b72 PMID:41380180	研究论文	本文提出了一种基于EfficientNetB3的增强型深度学习方法，用于提高胃肠道内窥镜图像的多分类准确性，并利用LIME可解释性技术提升模型透明度	在无需数据增强的情况下，通过优化模型架构实现了高分类精度，并首次将LIME可解释性技术与Gradio用户界面结合，提升了医疗影像应用的实用性和可访问性	研究仅基于Kvasir数据集，样本量相对有限，且未在外部数据集上进行验证，可能影响模型的泛化能力	提高胃肠道内窥镜图像的多分类准确性，并增强深度学习模型在医疗影像中的可解释性和实际应用性	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN	图像	8000张标记的内窥镜图像	TensorFlow, PyTorch	EfficientNetB3	准确率, 精确率, 召回率	NA
303	2025-12-13	A Transformer-Based Deep Learning Approach to Predicting Air Organic Pollutant-Human Protein Interactions 2025-Dec-11, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c12915 PMID:41381047	研究论文	本文提出了一种基于Transformer的深度学习模型tipFormer，用于预测空气有机污染物与人类蛋白质之间的相互作用	结合双预训练语言模型编码蛋白质和有机污染物，并利用交叉注意力机制学习污染物-蛋白质结合的复杂相互作用模式	当前方法在系统性识别新兴空气污染物早期结合事件方面存在局限，可能影响污染相关毒性的机制理解和风险评估	预测空气有机污染物与人类蛋白质的相互作用，以增强对空气污染相关毒性分子机制的理解	空气有机污染物与人类蛋白质	自然语言处理	NA	基因组范围转录组分析	Transformer	文本	使用暴露于三种代表性空气污染物的人类支气管上皮细胞进行转录组分析	NA	Transformer	AUC	NA
304	2025-12-13	Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction 2025-Dec-11, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8950 PMID:41381352	研究论文	本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在检测多发性硬化症脊髓病灶中的诊断性能，并与传统MRI序列进行比较	首次将深度学习去噪技术与3D白质抑制MPRAGE序列结合，显著提高了脊髓病灶的检测能力	样本量较小（38例患者），且仅使用3T MRI设备，未评估其他场强设备的表现	评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病灶检测中的诊断性能	多发性硬化症或临床孤立综合征患者的脊髓MRI影像	医学影像分析	多发性硬化症	3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列	深度学习去噪模型	医学影像（MRI）	38例患者	NA	NA	病灶计数、检测置信度、图像质量评分、对比噪声比、组间一致性	NA
305	2025-12-13	Biologically-informed integration of drug representations for breast cancer treatment using deep learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66384-6 PMID:41381442	研究论文	本研究开发了一种名为GDnet的可解释深度学习模型，通过整合药物表征和肿瘤转录组数据来预测乳腺癌新辅助治疗反应，并辅助选择最优治疗策略	首次提出将生物学信息的药物表征与肿瘤转录组数据整合的深度学习模型，能够作为数字药物测试替代方案优化治疗决策	研究基于回顾性数据，需要前瞻性临床试验验证；模型在泛癌种应用潜力有待进一步探索	预测乳腺癌新辅助治疗反应并优化个性化治疗策略选择	乳腺癌患者	数字病理学	乳腺癌	转录组测序	深度学习	基因表达数据, 药物表征数据	4371名符合条件的患者，来自31个数据集	NA	GDnet	病理完全缓解率, 比值比	NA
306	2025-12-13	Generalizable morphological profiling of cells by interpretable unsupervised learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66267-w PMID:41381503	研究论文	本文提出了一种名为MorphoGenie的无监督深度学习框架，用于单细胞形态学分析，通过解耦表示学习和高保真图像重建，创建了一个紧凑且可解释的潜在空间，以捕获生物学上有意义的特征	结合解耦表示学习和高保真图像重建，创建了可解释的潜在空间，并系统地将潜在表示与分层形态属性联系起来，支持组合泛化，适用于多种成像模态和实验条件	未明确提及具体局限性	开发一种通用的、无偏见的单细胞形态学分析方法，以克服传统手动特征提取的局限性和深度学习在可解释性及依赖标注数据方面的挑战	单细胞	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
307	2025-12-13	Physically consistent joint prediction of porosity and shale volume via core-calibrated deep learning in well-consolidated sandstones 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31326-1 PMID:41381621	研究论文	提出了一种结合自监督测井建模与岩心校准低秩适应的两阶段深度学习框架，用于联合预测孔隙度和泥岩体积	通过自监督条件评分扩散插补模型学习测井序列结构，并利用岩心校准低秩适应将岩心尺度物理关系迁移到测井尺度，实现物理一致的联合预测	方法主要应用于固结良好的砂岩，可能在其他储层类型中效果有限，且依赖合成测井数据进行自监督训练	开发一种深度学习框架，用于在粘土-砂岩储层中联合预测孔隙度和泥岩体积，以提高储层评估的准确性	固结良好的砂岩储层中的孔隙度和泥岩体积参数	机器学习	NA	测井数据分析，岩心校准	深度学习，扩散模型	测井数据，合成测井数据	NA	NA	Conditional Score-based Diffusion Imputation (CSDI), CCLoRA	准确性，物理一致性	NA
308	2025-12-13	Attention-guided hybrid learning for accurate defect classification in manufacturing environments 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31654-2 PMID:41381637	研究论文	提出了一种集成YOLOv11和EfficientNet-B7的混合深度学习框架，用于制造业环境中的鲁棒多类别缺陷分类	将YOLO的空间特征语义丰富性与EfficientNet的细粒度表示能力相结合，并通过CBAM和轻量级FPN进行注意力引导的多尺度细化，支持跨不同物体类别和缺陷类型的统一分类	未明确说明模型在更广泛工业场景或更多缺陷类别上的泛化能力限制	开发一个准确、鲁棒的工业缺陷分类系统，以提升制造业质量控制的自动化水平	制造业中出现的视觉复杂、罕见且多样化的缺陷类型	计算机视觉	NA	NA	CNN, 注意力机制	图像	两个数据集：MVTec-FS基准（包含14个工业类别中的46种缺陷类型）和专有的Window数据集（包含3个真实世界缺陷类别）	未明确说明，可能为PyTorch或TensorFlow	YOLOv11, EfficientNet-B7, Convolutional Block Attention Module (CBAM), Feature Pyramid Network (FPN)	准确率	NA
309	2025-12-13	A computationally efficient hybrid framework combining deep feature extraction and gradient boosting for early diagnosis of Olive leaf diseases 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31918-x PMID:41381664	研究论文	本研究提出了一种结合深度学习特征提取与梯度提升机器学习分类器的混合框架，用于橄榄叶病害的早期诊断	提出了一种混合框架，将深度学习模型的强大特征提取能力与机器学习分类器的计算效率相结合，以解决深度学习模型在分类检测过程中计算需求高、可及性受限的问题	研究仅针对两种特定的橄榄叶病害（孔雀斑病和橄榄芽螨），且数据集规模相对有限（3400张图像），模型在其他作物或病害上的泛化能力未经验证	开发一种计算效率高的方法，用于橄榄叶病害的早期诊断，以支持橄榄生产	橄榄树叶图像，包含健康、孔雀斑病和橄榄芽螨三类	计算机视觉	植物病害	图像分析	CNN, 梯度提升	图像	3400张橄榄叶图像，分为三类（健康、孔雀斑病、橄榄芽螨）	TensorFlow, PyTorch, Scikit-learn	MobileNetV2, DenseNet121, EfficientNetV2B0, ConvNext Tiny	准确率, 宏平均F1分数	NA
310	2025-12-13	Multimodal deep learning for sports teacher behavior analysis: design and evaluation of a personalized continuing education recommendation system 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31341-2 PMID:41381675	研究论文	本研究开发了一个基于多模态深度学习分析体育教师教学行为的个性化继续教育推荐系统	提出了一个结合视频、音频和运动数据的多模态深度学习框架，并采用多目标优化方法生成个性化推荐，以克服传统继续教育方法的局限性	研究样本仅限于124名体育教师，可能无法完全代表所有教学环境或学科领域	设计和评估一个个性化的体育教师继续教育推荐系统，以提高教学质量	体育教师的教学行为	机器学习	NA	多模态深度学习	深度学习	视频, 音频, 运动数据	124名体育教师	NA	NA	F1分数, 效应量	NA
311	2025-12-13	Dynamic context-aware multi-modal deep learning for longitudinal prediction of Parkinson's disease progression 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31898-y PMID:41381668	研究论文	提出一种动态上下文感知的多模态深度学习框架，用于纵向预测帕金森病运动症状的进展	通过整合先进的语音生物标志物、临床进展特征、人口统计学元数据以及从临床叙述中提取的语义丰富患者摘要嵌入，并利用双向LSTM与多头自注意力机制捕捉复杂的时间依赖性，防止信息泄露	样本量有限（42名患者）	准确预测早期至中期帕金森病运动症状的进展，以支持及时干预和个性化患者护理	帕金森病患者	自然语言处理, 机器学习	帕金森病	信号处理技术, 自然语言处理	LSTM	语音生物标志物, 临床特征, 人口统计学元数据, 文本嵌入	42名患者	NA	双向LSTM, 多头自注意力	R², RMSE, MAE	NA
312	2025-12-13	Interpretable multi-model deep learning framework for automated four-class diagnosis of ocular toxoplasmosis using fundus imaging 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29768-8 PMID:41381695	研究论文	本研究提出了一种可解释的多模型深度学习框架，用于利用眼底图像对眼弓形虫病进行四分类自动诊断	首次提出用于眼弓形虫病四分类（活动性、非活动性、混合性、健康）的综合性可解释多模型深度学习框架，集成了CNN、Vision Transformer和YOLO系列模型，并采用SHAP和EigenCAM进行可解释性分析	未明确提及研究的局限性	开发一种准确、透明且可推广的眼弓形虫病自动诊断框架	眼弓形虫病的视网膜眼底图像	计算机视觉	眼弓形虫病	眼底成像	CNN, Vision Transformer, YOLO, 集成模型	图像	未明确提及具体样本数量	未明确提及	Vision Transformer, YOLOv8, YOLOv11	准确率, Matthews相关系数	GPU, CPU
313	2025-12-13	Automated forest fire detection in ecological monitoring using enhanced deep learning networks 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31707-6 PMID:41381831	研究论文	本研究提出了一种名为DeepFire S3GA-Net的新型深度学习分割框架，用于从无人机图像中自动检测和分割森林火灾区域	提出了一种新颖的深度学习分割框架DeepFire S3GA-Net，该框架在编码器中采用空洞空间金字塔池化以捕获多尺度上下文特征，在解码器中采用分组卷积模块以改进空间细化和特征多样性，从而有效区分细粒度火灾边缘和广泛的燃烧区域	未在摘要中明确说明	开发一种用于森林火灾检测和分割的可靠工具，以支持实时森林火灾监测和生态风险管理	无人机拍摄的森林火灾航空图像	计算机视觉	NA	深度学习	CNN	图像	未在摘要中明确说明	未在摘要中明确说明	全卷积编码器-解码器网络	平均交并比, 准确率, 精确率, 召回率, Dice系数	未在摘要中明确说明
314	2025-12-13	Image-based explainable artificial intelligence accurately identifies myelodysplastic neoplasms beyond conventional signs of dysplasia 2025-Dec-11, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01222-y PMID:41381839	研究论文	本文开发了一种基于图像的深度学习方法，用于准确识别骨髓增生异常肿瘤，超越了传统的形态学评估	利用端到端深度学习模型，无需细胞级标注，通过遮挡敏感性映射揭示核结构的重要性，实现了可解释的MDS检测	NA	提高骨髓涂片中骨髓增生异常肿瘤的诊断准确性，减少人工评估的主观性	骨髓涂片	数字病理学	骨髓增生异常肿瘤	深度学习	CNN	图像	NA	NA	NA	准确率	NA
315	2025-12-13	Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment 2025-Dec-11, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04669-8 PMID:41381876	研究论文	本研究首次应用视觉语言模型进行新生儿自动疼痛评估，通过设计新颖的提示类别来利用模型的潜在临床知识或指导其评估特定面部特征，实现了高精度性能	首次将视觉语言模型应用于新生儿自动疼痛评估，并设计了基于临床知识和面部特征的提示策略，无需微调即可实现高精度	模型在评估临床相关面部特征时召回率较低（40.1%），且依赖于提示设计，可能受限于预训练知识	开发一种客观的新生儿疼痛评估方法，以替代当前主观的评估量表	新生儿，特别是在重症监护中经历疼痛程序的婴儿	计算机视觉	NA	视觉语言模型	VLM	图像	NA	NA	NA	精确度, 召回率	NA
316	2025-12-13	Evaluation of magnetic resonance imaging and deep learning-based synthetic computed tomography for calcified intradural tumors - importance of domain-specific training and validation of synthetic imaging methods for clinical application 2025-Dec-11, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06731-0 PMID:41381905	研究论文	本研究评估了基于深度学习的合成CT技术在硬膜内钙化肿瘤检测中的表现，强调了领域特异性训练和验证的重要性	首次系统评估BoneMRI生成的合成CT图像在硬膜内钙化肿瘤检测中的准确性，并揭示了该技术对非目标病变的局限性	样本量较小（仅5例患者），且仅针对硬膜内肿瘤进行了分析，可能限制了结果的普遍性	验证深度学习合成CT技术（BoneMRI）在脊柱硬膜内钙化肿瘤检测中的临床准确性	患有脊柱硬膜内肿瘤的患者	数字病理学	脊柱肿瘤	磁共振成像（MRI）、计算机断层扫描（CT）、深度学习合成CT	深度学习模型	医学图像（MRI和CT）	5例硬膜内肿瘤患者（来自105例脊柱病理患者的队列）	NA	NA	肿瘤可见性、尺寸测量、Hounsfield单位（HU）密度	NA
317	2025-12-13	Dynamic ensemble deep learning with multi-source data for robust influenza forecasting in Yangzhou 2025-Dec-11, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25937-6 PMID:41382069	研究论文	本研究开发了一个动态集成深度学习框架，结合多源数据用于扬州市的稳健流感预测	提出了动态加权集成与季节性残差调整策略，系统比较了不同滑动时间窗口下多种深度学习模型的性能，揭示了不同架构的时间特性优势	研究仅针对扬州市，模型在其他地区的泛化能力未验证，且数据集时间跨度有限	开发准确的深度学习框架以缓解传统流感监测报告的延迟问题，实现及时的公共卫生响应	扬州市的流感样病例监测数据、百度搜索指数和气象变量	机器学习	流感	深度学习	GRU, Transformer, LSTM, TFT, TCN, N-BEATS	时间序列数据	13年（652周）的多源数据集	NA	GRU, Transformer, LSTM, Temporal Fusion Transformer, Temporal Convolutional Network, N-BEATS	RMSE, R², MAE	NA
318	2025-12-13	Real-time generation of renal artery hemodynamic parameters using a point cloud-based deep learning model 2025-Dec-11, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2595135 PMID:41383106	研究论文	本研究提出了一种结合Mamba状态空间建模和分层点云处理的深度学习框架，用于实时预测肾动脉血流动力学参数	创新性地将Mamba的选择性机制与PointNet++结合，用于点云数据上的血流动力学预测，实现了计算效率的显著提升	NA	开发一种实时生成肾动脉血流动力学参数的深度学习方法，以辅助肾动脉狭窄的临床评估	三维肾动脉模型及其血流动力学参数	数字病理学	心血管疾病	计算流体动力学模拟	深度学习模型	点云数据	NA	NA	PointNet++, Mamba	NA	NA
319	2025-12-13	An Unsupervised Learning Approach for Multimodal Low Back Pain Stratification 2025-Dec-11, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005593 PMID:41384355	研究论文	本文提出了一种新颖的无监督学习框架，用于整合多模态数据对腰痛患者进行分层，以促进个性化护理	开发了一种结合深度学习提取的影像生物标志物与非影像数据的无监督患者分层方法，首次在基于人群的队列中识别出由物理和心理社会特征区分的亚组	研究为横断面设计，无法确定因果关系；样本来自特定出生队列，可能限制泛化性	开发一个综合多模态数据的腰痛风险分层框架，以改进个性化治疗策略	腰痛患者，数据来自北芬兰出生队列，包括影像和非影像信息	机器学习	腰痛	深度学习分析腰椎MRI	深度学习模型	多模态数据（影像、问卷、人口统计学）	北芬兰出生队列参与者	NA	NA	准确率, 净收益	NA
320	2025-12-13	Allosteric Prediction via Convolutional Neural Networks and Protein Structural and Dynamical Features 2025-Dec-10, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.12.011 PMID:41383018	研究论文	本研究提出了一种基于卷积神经网络和蛋白质结构及动力学特征的机器学习方法，用于预测小G蛋白KRas的变构功能状态	首次将原子接触图、协方差和互信息等结构及动力学特征转化为图像形式，并利用预训练的CNN架构（GoogLeNet和ResNet18）进行微调，以预测蛋白质变构状态	研究仅以KRas为模型系统，可能无法直接推广到其他蛋白质；且依赖于可用的X射线晶体结构数据，样本多样性有限	开发一种计算预测蛋白质变构状态的方法，以辅助功能注释和药物开发	小G蛋白KRas及其在不同突变和配体结合下的变构功能状态	机器学习	癌症	X射线晶体学	CNN	图像	NA	NA	GoogLeNet, ResNet18	准确率	NA