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
3201	2025-11-24	Real-world application of deep learning for ECG-based prediction of coronary artery disease and revascularization needs 2025-Nov, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf096 PMID:41267851	研究论文	本研究开发了一种基于心电图和XGBoost的深度学习模型，用于预测普通人群的冠状动脉血运重建风险	首次将深度学习模型与XGBoost结合，利用常规心电图数据预测冠状动脉血运重建需求，实现了无创筛查工具的突破	排除了肌钙蛋白I水平升高的患者和缺乏随访记录的患者，可能影响模型的泛化能力	开发基于心电图的深度学习模型，早期预测冠状动脉血运重建需求	普通人群中的心电图检查患者	医疗人工智能	冠状动脉疾病	心电图分析	深度学习模型,XGBoost	心电图信号,人口统计学数据	开发集113,451名患者，内部验证集66,680名患者，另包含社区医院的外部验证数据	XGBoost	深度学习模型（具体架构未明确说明）	C-index	NA
3202	2025-11-24	Quantitative metrics of CT images may magnify the potential of radiation dose reduction 2025-Oct-31, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045575 PMID:41261574	研究论文	本研究通过体模实验评估CT图像定量指标与低对比度小病灶检测性能的关系	首次系统比较不同重建算法和矩阵尺寸对探测指数(d')的影响，并揭示定量指标可能高估辐射剂量降低潜力	研究基于体模实验，未涉及真实患者数据；仅评估低对比度病灶检测性能	探索CT图像定量指标与病灶检测性能的关系，评估不同重建算法对辐射剂量降低潜力的影响	CT扫描体模	医学影像分析	NA	CT扫描，图像重建算法	深度学习算法	CT图像	9种辐射暴露水平的体模扫描数据	NA	NA	探测指数(d')，受试者工作特征曲线下面积，Spearman秩和相关系数	160层CT扫描仪，ImQuest软件
3203	2025-11-24	Revealing emotional responses to urban environmental elements through street view data and deep learning 2025-Jun-05, Environment and planning. B, urban analytics and city science DOI:10.1177/23998083251348280 PMID:41268364	研究论文	通过街景数据和深度学习技术探索城市环境特征对人类情绪的影响	首次结合地理空间技术和深度学习分析城市环境元素与情绪反应的关系	研究仅限台北市50个采样区域，样本代表性可能有限	探索城市环境特征对人类情绪的影响机制	城市环境元素和人类情绪反应	计算机视觉	NA	Google街景图像分析	CNN	图像,视频	50个采样区域，超过200,000张街景图像，2090名参与者	NA	DeepLab V3	NA	NA
3204	2025-11-24	Predictive modeling for metastasis in oncology: current methods and future directions 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003279 PMID:40486555	综述	本文综述了肿瘤学中转移预测模型的当前方法、挑战与未来发展方向	整合基因组学、液体活检和影像组学等多模态数据，探索人工智能与精准医学结合实现个性化转移预测的新途径	存在数据异质性、模型可解释性不足以及需要更大规模高质量数据集进行验证等挑战	改进肿瘤转移预测以改善预后、指导治疗策略和提升患者结局	肿瘤转移预测模型及相关临床、病理和分子数据	机器学习	肿瘤学	基因组分析、液体活检、影像组学	逻辑回归,决策树,支持向量机,神经网络	临床数据,病理数据,分子数据,影像数据	NA	NA	NA	NA	NA
3205	2025-11-24	Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery 2025-Jun, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003302 PMID:40486596	综述	探讨人工智能和机器学习在胸外科肿瘤学中优化早期检测、提升手术精度和实现个性化护理的作用	系统整合AI/ML技术在胸外科肿瘤学的多维度应用，包括早期肺癌检测、免疫治疗反应预测和手术决策支持	面临数据标准化不足、伦理问题和缺乏稳健验证等临床推广挑战	研究AI/ML如何通过提升早期检测能力、手术精度和个性化护理来优化胸外科肿瘤治疗	肺癌患者及胸外科手术相关临床数据	数字病理,机器学习	肺癌	基因组分析,低剂量CT扫描,深度学习	深度学习算法,预测模型	医学影像,基因组数据,临床数据	NA	NA	NA	NA	NA
3206	2025-11-24	A Pseudo-Value Approach to Causal Deep Learning of Semi-Competing Risks 2025-Mar-03, Arabian journal of mathematics IF:0.9Q2 DOI:10.1007/s40065-025-00501-7 PMID:41268055	研究论文	提出一种基于伪值的因果深度学习方法，用于处理半竞争风险下治疗对非致命结局的因果效应估计	结合阿基米德联结函数表示和刀切法伪值方法，开发不依赖比例风险假设的因果估计器	方法依赖于阿基米德联结函数的正确设定，且需要足够大的样本量来保证伪值估计的稳定性	估计治疗对疾病复发等非致命结局的因果效应，解决半竞争风险下的因果推断问题	早期非小细胞肺癌患者	机器学习	肺癌	生存分析，因果推断	深度神经网络	临床生存数据	波士顿肺癌研究数据集	NA	深度神经网络	数值研究评估	NA
3207	2025-11-24	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	本研究通过记录猴子大脑神经元活动和训练多区域循环神经网络，揭示了决策过程中大脑形成最小充分表征的机制	发现大脑不同区域在决策任务中形成分层表征，并通过多区域循环神经网络重现了这种表征形成过程	研究仅关注DLPFC和PMd两个脑区，可能未完全涵盖决策涉及的所有脑区	探索大脑在决策过程中如何通过多区域计算形成最优表征	猴子的背外侧前额叶皮层和背侧前运动皮层神经元	计算神经科学	NA	单神经元记录、多单元记录	RNN	神经电生理数据	猴子大脑DLPFC和PMd区域的神经元记录	NA	多区域循环神经网络	NA	NA
3208	2025-11-24	Masked image modeling in medical hyperspectral imaging: reconstruction evaluation and downstream tasks 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3048802 PMID:41267884	研究论文	本研究开发了一种基于掩码图像建模的自监督预训练框架，用于医学高光谱成像中的组织分类任务	将先进的掩码图像建模预训练架构应用于医学高光谱成像，采用序列光谱和空间注意力机制，并强调预训练评估对下游任务性能提升的重要性	研究主要基于内部数据集，缺乏外部验证，且预训练评估方法仍有改进空间	开发有效的自监督预训练方法以提升医学高光谱成像在下游任务中的性能	各种腹部组织的高光谱图像	计算机视觉	NA	高光谱成像	自编码器	高光谱图像	内部数据集（具体数量未提供）	NA	掩码自编码器	平均绝对误差, 准确率	NA
3209	2025-11-24	A deep learning software tool for automated sleep staging in rats via single channel EEG 2025, NPP - digital psychiatry and neuroscience DOI:10.1038/s44277-025-00035-y PMID:40656054	研究论文	开发基于深度学习的自动化软件工具，用于通过单通道脑电图对大鼠睡眠阶段进行分类	首个基于单通道脑电图数据使用深度神经网络自动分类大鼠睡眠阶段的软件工具，提供超过700小时的专家标注睡眠数据	仅使用单通道脑电图数据，样本量相对较小（16只大鼠），需要进一步验证在更广泛条件下的性能	开发自动化睡眠阶段分类方法，加速临床前睡眠研究	大鼠睡眠阶段（快速眼动睡眠、非快速眼动睡眠和清醒状态）	数字病理	老年疾病	脑电图记录	DNN	脑电图时序数据	16只大鼠，每只进行两次24小时记录会话	NA	深度神经网络	F1分数	NA
3210	2025-11-24	Deep learning-based forest fire detection using an improved SSD algorithm with CBAM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333574 PMID:41252362	研究论文	提出一种基于改进SSD算法和CBAM模块的深度学习森林火灾检测模型CBAM-SSD	将CBAM模块集成到SSD主干网络中，通过通道和空间维度自适应加权火焰颜色和烟雾纹理特征，显著提升关键火灾特征的感知能力	NA	解决森林火灾检测中火焰烟雾尺度多变、特征复杂以及环境干扰导致的误检漏检问题	森林火灾中的火焰和烟雾	计算机视觉	NA	深度学习	SSD, CBAM-SSD	图像	NA	NA	SSD, CBAM	mAP@0.5, AP50, 召回率	NA
3211	2025-11-24	Research on partial discharge signal recognition and classification of power transformer based on acoustic-VMD and CNN-LSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335447 PMID:41264639	研究论文	提出基于声学-VMD和CNN-LSTM的混合模型用于电力变压器局部放电信号的识别与分类	提出样本熵优化的变分模态分解方法自动确定模态数和惩罚因子，结合并行一维CNN和双向LSTM分支，并采用分层注意力机制进行动态特征融合	NA	提高电力变压器局部放电检测在强电磁干扰和变负载条件下的分类准确性	电力变压器局部放电信号	信号处理	NA	声学检测、变分模态分解	CNN,LSTM	声学信号	NA	NA	1D-CNN,双向LSTM	分类准确率,平均绝对定位误差,角度精度,处理时间	NA
3212	2025-11-24	Explainable AI for forensic speech authentication within cognitive and computational neuroscience 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1692122 PMID:41267744	研究论文	提出结合CNN和LSTM的深度学习框架，用于检测伪造语音，并通过可解释AI技术增强模型透明度	首次将CNN的频谱特征提取与LSTM的时间建模能力相结合用于语音取证，并应用Grad-CAM和SHAP等XAI技术揭示模型决策依据	仅使用ASVspoof2019 LA和WaveFake两个数据集进行验证，缺乏更广泛数据集的测试	开发可解释的深度学习方法来应对深度伪造技术对语音取证带来的挑战	伪造语音和真实语音	计算神经科学, 语音处理	NA	线性频率倒谱系数(LFCC), 梅尔频率倒谱系数(MFCC), Gammatone频率倒谱系数(GFCC)	CNN, LSTM	音频	ASVspoof2019 LA和WaveFake数据集	NA	CNN-LSTM混合架构	准确率, 泛化能力	NA
3213	2025-11-24	HHBSNet: a global channel-spatial attention and multi-scale dilated convolution network for automatic melasma segmentation 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1665138 PMID:41267787	研究论文	提出一种轻量级深度学习网络HHBSNet用于自动黄褐斑分割	结合全局通道空间注意力模块和多尺度空洞卷积融合模块，有效抑制光照干扰并增强低对比度不规则边界的特征判别能力	仅使用自建数据集进行验证，样本量相对有限	开发针对黄褐斑准确分割的有效轻量级深度学习模型	面部黄褐斑病变区域	计算机视觉	黄褐斑	深度学习	CNN	图像	501张实际面部黄褐斑图像	NA	HHBSNet	平均交并比,准确率,F分数,召回率,精确率	NA
3214	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
3215	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
3216	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
3217	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
3218	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
3219	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
3220	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