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	2025-10-30	[The design and application of a genu valgum gait recognition model based on triple attention mechanism and spatial hierarchical pooling strategy] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504005 PMID:41152171	研究论文	本研究开发了一种基于三重注意力机制和空间分层池化策略的膝外翻步态识别模型，用于儿童膝外翻的早期智能筛查	结合三重注意力模块和空间分层池化模块，共同增强时间、空间和通道维度的特征交互，在表征能力和计算效率之间达到最佳平衡	NA	开发适用于临床应用的深度学习步态识别模型，用于儿童膝外翻的早期智能筛查	儿童膝外翻患者的步态数据	计算机视觉	骨科疾病	步态分析	CNN	图像	自建数据集	NA	三维残差网络	精确率,召回率,F1分数	NA
302	2025-10-30	[Brain computer interface nursing bed control system based on deep learning and dual visual feedback] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504047 PMID:41152174	研究论文	基于运动想象脑机接口和双视觉反馈机制，设计了一套面向重症肢体障碍患者的护理床控制系统	提出优化的双分支图卷积多尺度神经网络结构，并构建包含脑电地形图反馈和注意力状态反馈的双视觉反馈机制	NA	提升重症肢体障碍患者的自主交互能力，改善脑机接口系统的解码性能	重症肢体障碍患者	脑机接口	肢体障碍	运动想象脑机接口(MI-BCI), 脑电信号(EEG)	图卷积网络, 多尺度卷积神经网络	脑电信号	NA	NA	双分支图卷积多尺度神经网络, 动态图卷积, 多尺度卷积	分类准确率, 信息传输速率	NA
303	2025-10-30	[Ethical considerations for artificial intelligence-enhanced brain-computer interface] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202507024 PMID:41152182	综述	本文探讨了人工智能增强型脑机接口的伦理考量及其风险缓解措施	首次系统评估AI技术（特别是深度学习）在提升脑机接口性能时可能引发的伦理问题	未涉及具体实验验证，主要基于理论分析	分析AI增强型脑机接口的伦理风险并探讨应对策略	人工智能增强型脑机接口系统	脑机接口	NA	深度学习	NA	NA	NA	NA	NA	解码准确率、信息传输速率、实时性能、适应性	NA
304	2025-10-30	[Artificial intelligence in predicting pathological complete response to neoadjuvant chemotherapy for breast cancer: current advances and challenges] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202503075 PMID:41152181	综述	本文全面回顾了人工智能在预测乳腺癌新辅助化疗病理完全缓解中的应用进展与挑战	系统比较了统计学方法、传统机器学习和深度学习三种方法在pCR预测中的演变历程，特别强调了深度学习在自动提取影像特征和整合多模态数据方面的优势	现有方法预测准确性仍需提升，尚未完全整合到临床工作流程中	预测乳腺癌患者新辅助化疗后的病理完全缓解	乳腺癌患者	数字病理	乳腺癌	NA	机器学习,深度学习	临床数据,影像数据,多模态数据	NA	NA	NA	NA	NA
305	2025-10-30	[Research progress on deep learning-based computer-aided diagnosis of thyroid nodules using ultrasound imaging] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202412047 PMID:41152180	综述	回顾基于深度学习的甲状腺结节超声图像计算机辅助诊断技术的最新研究进展	系统分析深度学习在甲状腺结节超声图像预处理、分割和分类中的创新应用	现有技术仍存在局限性，未来需要进一步改进	探索深度学习在甲状腺结节诊断中的应用潜力并为临床转化提供参考	甲状腺结节超声图像	计算机视觉	甲状腺癌	超声成像	深度学习算法	医学图像	NA	NA	NA	NA	NA
306	2025-10-30	Age- and sex-specific knee alignment patterns in symptomatic Korean patients: A cross-sectional deep learning analysis of 16,000 knees 2025-Oct-25, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.10.011 PMID:41159920	研究论文	使用深度学习分析韩国症状性患者16,000个膝盖的年龄和性别特异性膝关节对线模式	首次利用深度学习自动测量大规模长腿X光片数据，系统分析年龄和性别对膝关节对线的特异性影响	回顾性单中心研究，仅包含症状性患者，可能不适用于无症状人群	分析膝关节对线参数与年龄、性别的关系	韩国症状性成年患者的膝关节对线参数	数字病理	骨关节炎	长腿X光摄影	深度学习模型	X光图像	8014张X光片（16,028个膝盖）	NA	NA	线性回归系数，95%置信区间	NA
307	2025-10-30	Directed optimization and generation of yeast promoter sequences driven by deep learning 2025-Oct-24, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.148505 PMID:41138880	研究论文	提出基于扩散模型的酵母启动子定向优化与生成框架DOSDiff，无需预训练序列-表达预测器即可实现启动子功能增强	开发无需序列-表达预测模型的扩散框架，通过局部序列编辑实现启动子定向优化，并展示跨酵母物种的泛化能力	NA	实现酵母启动子的定向优化与生成，精确控制基因表达	酿酒酵母和毕赤酵母的启动子序列	机器学习	NA	扩散模型	扩散模型	DNA序列	NA	NA	扩散模型	4-mers分布相似度，表达增强倍数	NA
308	2025-10-30	Enhanced magnetic hyperthermia in graphene-magnetite nanohybrids for cancer therapy: Artificial intelligence-driven validation via Nonlinear Autoregressive with Exogenous Inputs-Long Short-Term Memory (NARX-LSTM) forecasting 2025-Oct-24, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214572 PMID:41151171	研究论文	本研究通过人工智能驱动的NARX-LSTM模型验证石墨烯-磁铁矿纳米杂化材料在磁热疗癌症治疗中的性能优化	首次将非线性自回归外源输入-长短期记忆混合深度学习模型应用于纳米材料热疗性能预测，实现人工智能与纳米技术的协同优化	高频条件下（982 kHz）纳米颗粒弛豫动力学失配导致疗效降低	优化石墨烯-磁铁矿纳米杂化材料的磁热疗性能，推动个性化癌症治疗发展	不同组成的石墨烯-磁铁矿纳米杂化材料（FeO:石墨烯比例0-100%）	机器学习	癌症	磁热疗技术，交替磁场处理	NARX-LSTM	实验数据	多种不同组成的纳米杂化材料在不同频率（163-982 kHz）和磁场强度（12.7-23.9 mT）条件下测试	NA	非线性自回归外源输入-长短期记忆混合架构	R值（决定系数）	NA
309	2025-10-30	An explainable three dimensional framework to uncover learning patterns: A unified look in variable sulci recognition 2025-Oct-24, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103286 PMID:41151346	研究论文	开发了一种可解释人工智能三维框架，用于识别大脑沟回变异并揭示学习模式	首次将统计特征与多种XAI方法结合，通过降维减少方法间变异，提供忠实可靠的三维全局解释	仅基于596个结构MRI样本，尚未在其他神经影像任务上验证框架通用性	开发能够提供准确、低复杂度全局解释的三维可解释AI框架	大脑旁扣带沟的存在与否识别	神经影像分析	精神疾病	结构磁共振成像	3D深度学习模型	三维脑部结构MRI图像	596个结构MRI样本	NA	NA	NA	NA
310	2025-10-30	IFCNN-based fusion of GAF and MTF encoded near-infrared spectral images for quantitative analysis of microplastics 2025-Oct-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127069 PMID:41151179	研究论文	提出一种结合近红外光谱图像转换与深度学习图像融合的微塑料定量分析方法	首次将GAF和MTF编码与IFCNN图像融合相结合用于微塑料定量分析	仅针对五种特定类型微塑料进行验证，未涵盖所有微塑料种类	开发快速准确的微塑料定量检测方法	五种微塑料（PE、PET、PP、PS、PVC）与沙子的混合物	计算机视觉	NA	近红外光谱分析	CNN	光谱图像	6个浓度水平的微塑料混合物样本	NA	IFCNN, 2D-CNN	R值（相关系数）	NA
311	2025-10-30	Deep learning synthesis of DBT features from mammography for breast cancer diagnosis 2025-Oct-23, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112486 PMID:41151435	研究论文	开发跨模态特征合成模型，从乳腺X线摄影生成合成数字乳腺断层合成特征以提升乳腺癌诊断准确性	提出基于多尺度注意力网络的生成对抗网络模型，实现从DM到DBT的特征转换，增强DM的诊断价值	回顾性研究，样本量有限（806例），需进一步验证	通过从DM合成DBT特征提升乳腺癌诊断准确性和临床实用性	乳腺癌患者	计算机视觉	乳腺癌	数字乳腺断层合成，数字乳腺X线摄影	GAN, ResNet	医学影像	806个样本（训练集570，测试集236）	NA	ResNet, 多尺度注意力网络	AUC	NA
312	2025-10-30	A deep learning model leveraging semantic features fusion for DNase I hypersensitive sites identification in the human genome 2025-Oct-22, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109127 PMID:41151193	研究论文	本研究提出多种深度学习模型用于识别人类基因组中的DNase I超敏感位点	提出融合语义特征的深度学习模型，有效捕捉DHS序列中的局部和全局模式及时空依赖关系	NA	开发高性能、成本效益高的计算方法替代传统DHS识别方法	人类基因组中的DNase I超敏感位点	生物信息学	乳腺癌, 冠状动脉疾病, 阿尔茨海默病, 自身免疫疾病, 神经系统疾病	深度学习	CNN, GRU	基因组序列数据	NA	NA	1维CNN, CNN-GRU融合模型, CNN-kmer融合模型, CNN-GRU-kmer融合模型	准确率, 灵敏度, 特异性, MCC, AUC ROC, AUC PR	NA
313	2025-10-30	Temperature adaptation in structure and function in lactate dehydrogenase-A reflects convergent evolution in a few key protein regions 2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2517759122 PMID:41071662	研究论文	本研究通过分析277种海洋鱼类乳酸脱氢酶-A同源基因，揭示了温度适应性进化中关键蛋白区域的趋同进化机制	首次系统识别了乳酸脱氢酶-A中的温度适应相关序列位点(TRSS)，并通过定点突变验证了这些位点在酶热适应性中的关键作用	研究仅聚焦于海洋鱼类的乳酸脱氢酶-A，可能无法完全代表其他生物类群或酶类的温度适应机制	探究酶结构和功能温度适应的分子机制及其在物种分布中的意义	277种海洋鱼类的乳酸脱氢酶-A(LDH-A)同源基因	蛋白质进化与生物信息学	NA	定点突变, 序列比对, 深度学习建模	深度学习模型	蛋白质序列, 酶活性数据	277种海洋鱼类LDH-A同源基因	NA	NA	NA	NA
314	2025-10-30	Adaptable microplastic classification using similarity learning on µFTIR spectra collected from µFTIR focal plane array imaging 2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2509745122 PMID:41086209	研究论文	本研究探索使用相似性学习方法训练深度学习模型进行微塑料分类，解决了传统深度学习方法在数据集要求、过拟合和新增类别时的局限性	采用相似性学习方法训练一维卷积神经网络，能够在仅使用原始条件下采集的微塑料光谱数据训练的情况下，对含有高背景噪声的真实样本保持高准确率，并能检测训练集中未包含的新微塑料聚合物类别	仅使用了45个制造微塑料样本的µFTIR光谱数据，样本规模相对有限	开发适应性强、能够处理真实环境中微塑料分类挑战的深度学习方法	微塑料样本的µFTIR光谱数据	机器学习	NA	微傅里叶变换红外光谱(µFTIR)	CNN	光谱数据	45个制造微塑料样本，涵盖11种塑料成分	NA	一维卷积神经网络	F1-score	NA
315	2025-10-30	A protein dynamics-based deep learning model enhances predictions of fitness and epistasis 2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2502444122 PMID:41100667	研究论文	开发了一种结合蛋白质动力学信息的深度学习模型，用于增强蛋白质适应性和上位性相互作用的预测能力	首次将基于物理学的非对称动态耦合指数(DCI)整合到图神经网络中，能够量化残基对之间的动态相互影响	未在实验性上位性数据上进行训练，验证蛋白质种类有限	解决多个突变之间复杂相互作用预测的挑战	蛋白质突变效应和上位性相互作用	机器学习	NA	深度突变扫描	GNN	蛋白质序列和结构数据	4种不同蛋白质的深度突变扫描数据集，外加37种新型TEM-1 β-内酰胺酶变体	NA	图神经网络(GNN)	预测准确度	NA
316	2025-10-30	Design and Implementation of a Deep Learning System to Analyze Bovine Sperm Morphology 2025-Oct-21, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci12101015 PMID:41150155	研究论文	本研究设计并实现了一个基于深度学习的牛精子形态分析系统，用于自动检测和分类精子细胞的形态异常	首次将YOLOv7目标检测框架应用于牛精子形态分析，实现了对精子头部、颈部/中段、尾部和残留细胞质缺陷的自动识别	训练数据集相对较小，仅包含277张标注图像，可能影响模型的泛化能力	开发自动化的牛精子形态分析系统，提高繁殖效率	公牛精子细胞	计算机视觉	生殖系统疾病	显微成像	目标检测	图像	277张标注图像，包含6个形态类别	YOLOv7	YOLOv7	mAP@50, precision, recall	NA
317	2025-10-30	HSNet: An adaptive fusion network based on laryngoscope-speech multimodal data for laryngeal disease classification 2025-Oct-21, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2025.104731 PMID:41151383	研究论文	提出基于喉镜图像和语音信号的多模态融合网络HSNet，用于喉部疾病分类	首次将喉镜图像与语音信号进行自适应多模态融合，提出分层特征整合方法	NA	提高喉部疾病诊断准确率，为临床提供快速精准识别支持	六种喉部疾病	计算机视觉, 自然语言处理	喉部疾病	深度学习	多模态融合网络	图像, 语音信号	NA	NA	HSNet	准确率, 精确率, 召回率, 特异性, F1分数	NA
318	2025-10-30	A Public Health Approach to Automated Pain Intensity Recognition in Chest Pain Patients via Facial Expression Analysis for Emergency Care Prioritization 2025-Oct-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15202661 PMID:41153333	研究论文	本研究开发了一种基于面部表情分析的自动化疼痛强度识别系统，用于急诊胸痛患者的护理优先级排序	将PSPI评分与YOLO模型结合实现精确的疼痛级别分类，并通过广泛微调比较YOLO系列模型的性能，平衡计算效率与诊断准确性	该方法不推断心肌梗塞的根本原因，未来需要整合临床元数据和轻量级边缘计算模型	开发辅助医疗专业人员的自动化疼痛评估工具，用于急诊护理优先级排序	胸痛患者的面部表情	计算机视觉	心血管疾病	实时面部表情捕捉技术	CNN	视频	NA	YOLO	YOLOv4, YOLO-series	精确度, 训练时间	智能手机, 笔记本电脑
319	2025-10-30	Brain Tumor Classification in MRI Scans Using Edge Computing and a Shallow Attention-Guided CNN 2025-Oct-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13102571 PMID:41153849	研究论文	提出一种用于脑肿瘤MRI分类的轻量级注意力引导CNN模型，并探索边缘计算环境下的模型压缩技术	开发了浅层注意力引导卷积神经网络(ANSA_Ensemble)，在保持高精度的同时显著减少模型参数，适用于医疗边缘计算	仅在三个公开数据集上进行验证，未在更广泛的临床环境中测试	开发适用于边缘计算的高效脑肿瘤MRI分类模型	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	CNN	图像	三个公开脑肿瘤数据集(Cheng、Bhuvaji、Sherif)	NA	注意力引导CNN, ANSA_Ensemble	准确率	边缘计算
320	2025-10-30	AI-Based Characterization of Breast Cancer in Mammography and Tomosynthesis: A Review of Radiomics and Deep Learning for Subtyping, Staging, and Prognosis 2025-Oct-21, Cancers IF:4.5Q1 DOI:10.3390/cancers17203387 PMID:41154441	综述	本文系统回顾了基于人工智能的乳腺X线摄影和断层合成技术在乳腺癌亚型分型、分期和预后预测中的应用	全面比较了放射组学和深度学习在乳腺影像分析中的表现，特别关注多模态和纵向方法的整合潜力	公共数据集使用较少限制了可重复性，缺乏外部验证和临床整合	评估AI技术在乳腺癌影像特征提取、亚型分型、分期和预后预测中的应用价值	乳腺X线摄影(MM)和乳腺断层合成(BT)影像	医学影像分析	乳腺癌	放射组学, 深度学习	深度学习模型	医学影像	81项研究(63项MM, 18项BT)	NA	NA	AUC, 准确率, C指数	NA