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
3361	2025-10-06	Derivation of prognostic contextual histopathological features from whole-slide images of tumours via graph deep learning 2022-Dec, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00923-0 PMID:35982331	研究论文	通过图深度学习从肿瘤全切片图像中提取具有预后价值的上下文组织病理学特征	首次在半监督方式下使用图深度神经网络考虑肿瘤微环境中的上下文特征，提供可解释的预后生物标志物	方法仅在四种癌症类型上验证，需要进一步扩展到更多癌症类型	开发能够从全切片图像中提取预后相关上下文特征的计算病理学方法	肾脏癌、乳腺癌、肺癌和子宫癌患者的全切片图像	数字病理学	多癌种（肾脏癌、乳腺癌、肺癌、子宫癌）	全切片图像分析	图神经网络	图像	3,950名患者用于模型训练和验证，1,333名肾透明细胞癌患者用于风险分层	NA	图深度神经网络，注意力机制	预后预测准确性，风险分层能力	NA
3362	2025-09-06	Graph deep learning detects contextual prognostic biomarkers from whole-slide images 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00927-w PMID:35986140	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3363	2025-10-06	Graph deep learning for the characterization of tumour microenvironments from spatial protein profiles in tissue specimens 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00951-w PMID:36357512	研究论文	本研究开发了一种基于图神经网络的深度学习模型，利用空间蛋白质谱数据表征肿瘤微环境	首次将图神经网络应用于空间蛋白质谱数据，通过局部子图建模肿瘤微环境中的细胞相互作用	方法在头颈癌和结直肠癌中验证，需要进一步在其他癌症类型中验证	开发能够从空间蛋白质谱数据中识别与临床结果相关的肿瘤微环境特征的方法	人类头颈癌和结直肠癌组织标本	数字病理学	头颈癌,结直肠癌	多重免疫荧光成像	图神经网络	空间蛋白质谱图像数据	NA	NA	图神经网络	预测准确性	NA
3364	2025-10-06	Unraveling bladder cancer-related circRNA biomarkers: a hybrid model combining deep learning and statistics 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00373-3 PMID:40893176	研究论文	开发结合深度学习和统计分析的混合模型识别膀胱癌相关的环状RNA生物标志物	提出集成深度学习、特征选择和统计分析的综合计算方法，发现34个新型膀胱癌环状RNA生物标志物	样本量相对有限（454例患者和19例健康对照），需要进一步实验验证	识别膀胱癌诊断和预后的非侵入性环状RNA生物标志物	膀胱癌患者和健康对照的RNA测序数据	生物信息学	膀胱癌	RNA测序，CIRCexplorer3工具	深度学习	RNA测序数据	454例膀胱癌患者和19例健康对照	NA	NA	NA	NA
3365	2025-10-06	Method for fetal ultrasound image classification using pseudo-labelling with PCA-KMeans and an attention-augmented MobileNet-LSTM model 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103563 PMID:40896717	研究论文	提出一种结合伪标签生成和注意力增强MobileNet-LSTM模型的胎儿超声图像分类方法	使用PCA-KMeans进行无监督伪标签生成解决数据稀缺问题，并设计融合多头自注意力和LSTM的混合架构增强特征学习和时序上下文	未提及外部验证或临床部署的可行性评估	开发高精度的胎儿超声图像自动分类方法	胎儿超声图像	计算机视觉	胎儿医学	超声成像	CNN, LSTM, 注意力机制	医学图像	NA	NA	MobileNet, LSTM, 多头自注意力	准确率, 宏F1分数	NA
3366	2025-10-06	Electronic nose, HS-GC-IMS, HS-SPME-GC-MS, and deep learning model were used to analyze and predict the changes and contents of VOCs in in-shell walnut kernels under different roasting conditions 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145342 PMID:40609363	研究论文	本研究通过多种分析技术和深度学习模型，分析并预测不同烘烤条件下带壳核桃仁中挥发性有机化合物的变化和含量	首次结合电子鼻、HS-GC-IMS、HS-SPME-GC-MS和深度学习模型综合分析核桃烘烤过程中的挥发性有机物变化	仅针对带壳核桃仁进行研究，未涉及其他核桃制品或不同品种的对比分析	优化核桃烘烤工艺，提升风味品质	带壳核桃仁在不同烘烤条件下的挥发性有机化合物	机器学习	NA	电子鼻, HS-GC-IMS, HS-SPME-GC-MS, 定量描述分析	BP神经网络	化学分析数据	不同烘烤条件（温度和时间）下的核桃仁样本	NA	反向传播神经网络	准确率	NA
3367	2025-10-06	Rapid and non-destructive detection of formaldehyde adulteration in shrimp based on deep learning-assisted portable Raman spectroscopy 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145343 PMID:40609364	研究论文	开发了一种基于深度学习辅助便携式拉曼光谱的虾中甲醛掺假快速无损检测方法	首次将InceptionTime深度学习模型与便携式拉曼光谱仪结合用于虾中甲醛的无样品前处理检测	未明确说明样本数量和研究范围	开发虾中甲醛掺假的快速无损检测方法	虾样本	计算机视觉	NA	拉曼光谱	深度学习	光谱数据	NA	NA	InceptionTime	准确率	便携式拉曼光谱仪
3368	2025-10-06	Intelligent geographical origin traceability of Pu-erh tea based on multispectral feature fusion 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145375 PMID:40618601	研究论文	本研究提出基于多光谱融合的深度学习方法实现普洱茶产地精准溯源	设计改进的ECA-ResNet网络结构，结合优化的通道注意力机制实现自适应特征提取与融合	需要进一步将光谱特征与具体化学标志物关联以增强方法可解释性	实现普洱茶地理产地的智能溯源	来自五个主要产地的普洱茶样品	计算机视觉	NA	拉曼光谱，近红外光谱	CNN	光谱数据	五个主要产地的普洱茶样品	NA	ECA-ResNet	分类准确率	NA
3369	2025-10-06	A dual-view deep learning-driven discovery of cinnamoyl anthranilic acid derivatives against orthopoxvirus through targeting host ITGB3 2025-Nov-15, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2025.118002 PMID:40749255	研究论文	本研究开发了一种双视角深度学习模型，用于发现具有抗正痘病毒活性的肉桂酰氨基苯甲酸衍生物	结合BERT和图神经网络的双视角深度学习模型，首次应用于抗正痘病毒药物发现，并成功识别出通过靶向宿主ITGB3发挥作用的候选化合物	NA	开发新型抗正痘病毒药物	正痘病毒属，特别是猴痘病毒(MPXV)	机器学习	病毒感染	深度学习	BERT, 图神经网络	分子序列, 结构图	NA	NA	BERT, 图神经网络	NA	NA
3370	2025-10-06	Interpretable deep learning unlocks high-fidelity prediction for medical radioisotope production 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112110 PMID:40825264	研究论文	本研究开发了一种基于贝叶斯优化深度神经网络的可解释AI框架，用于高精度预测医学放射性同位素生产的核反应截面	首次将贝叶斯优化的深度神经网络与SHAP可解释性分析相结合，在核反应截面预测中实现了前所未有的准确性和可解释性	模型训练依赖于IAEA数据库的评估数据，数据覆盖范围和准确性可能影响模型性能	优化医学放射性同位素的生产策略，提高核医学应用效率	用于医学诊断成像和靶向放射治疗的放射性同位素-Sc、In、I和Tm	机器学习	NA	核反应截面测量，放射性同位素生产	深度神经网络	核反应截面数据	IAEA数据库中的评估数据	NA	深度神经网络	皮尔逊相关系数R	NA
3371	2025-10-06	DiffRaman: A conditional latent denoising diffusion probabilistic model for enhancing bacterial identification via Raman spectra generation under limited data 2025-Oct-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344372 PMID:40903108	研究论文	提出一种基于条件潜在去噪扩散概率模型的数据生成方法DiffRaman，用于增强有限数据下的细菌拉曼光谱识别	首次将条件潜在去噪扩散概率模型应用于拉曼光谱生成，结合二维图像转换和VQ-VAE编码器实现高效数据增强	在数据极度稀缺场景下的性能仍需验证，模型对光谱质量敏感度未充分探讨	解决拉曼光谱数据不足对深度学习模型性能的限制，提升细菌自动识别准确率	细菌拉曼光谱数据	机器学习	细菌感染	拉曼光谱技术	扩散模型, VQ-VAE	光谱数据	有限数据场景下的细菌拉曼光谱样本	PyTorch	条件去噪扩散概率模型(DDPM), Vector Quantized Variational Autoencoder	生成质量, 计算效率, 诊断模型性能提升	NA
3372	2025-10-06	Prediction of Nursing Need Proxies Using Vital Signs and Biomarkers Data: Application of Deep Learning Models 2025-Oct, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17612 PMID:39654010	研究论文	开发深度学习模型预测住院患者的护理需求代理指标，并与传统回归模型比较预测效果	首次将循环神经网络和长短期记忆网络应用于护理需求预测，通过时序数据分析提升预测性能	在患者病情快速变化期间预测准确性显著下降	开发预测护理需求代理指标的深度学习模型	20,855名成年住院患者	机器学习	NA	电子健康记录分析	RNN, LSTM	生命体征、生物标志物、人口统计学数据	20,855名成年患者	NA	RNN, LSTM	预测准确性	NA
3373	2025-10-06	Development of a Deep Learning-Based Model for Pressure Injury Surface Assessment 2025-Oct, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17645 PMID:39809598	研究论文	开发基于深度学习的压力性损伤创面智能评估模型	首次将深度学习技术应用于压力性损伤创面的自动评估，实现了创面分割和尺寸测量的自动化	仅使用广州四家医院的1063张图像，样本来源相对局限	开发智能化的压力性损伤创面评估工具	压力性损伤创面图像	计算机视觉	压力性损伤	深度学习	神经网络	图像	1063张来自四家广州医院的压力性损伤图像	NA	NA	MIoU, 像素精度, 准确率, Cohen's kappa系数, 相关系数	NA
3374	2025-10-06	Artificial Intelligence in Sincalide-Stimulated Cholescintigraphy: A Pilot Study 2025-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005967 PMID:40359029	研究论文	本研究开发了一种基于U-Net的AI系统，用于自动分割胆囊区域并计算胆囊排空分数	首次在核医学实践中探索集成实时图像处理和器官功能计算的AI驱动工作流程	样本量较小，AI在患者运动或低计数活动情况下容易出错	探索AI在胆囊收缩素刺激胆囊显像中的应用潜力	胆囊区域分割和功能评估	医学影像分析	功能性胆囊疾病	胆囊收缩素刺激胆囊显像	深度学习	医学影像	20例胆囊收缩素刺激胆囊显像检查	NA	U-Net	Dice相似系数	NA
3375	2025-10-06	A modular deep learning surrogate model for simulating harmful algal blooms in complex process-based systems 2025-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124059 PMID:40591990	研究论文	开发模块化深度学习代理模型以模拟有害藻华过程，显著提升计算效率和预测精度	提出结合代理模型生成数据与概率参数优化的方法，通过时间维度缩减显著加速参数优化过程	模型在特定湖泊环境验证，需要进一步测试在不同水生系统中的适用性	开发高效计算的有害藻华模拟工具，改善水资源管理和生态预测	韩国大青湖的有害藻华现象	机器学习	NA	深度学习代理建模	深度学习	环境监测数据，水文数据，水质数据	2022年校准期和2023年验证期的大青湖监测数据	NA	模块化序列结构（FLOW-WAQ-BLOOM）	Nash-Sutcliffe效率系数，均方根误差	NA
3376	2025-10-06	Comparison of image quality of 40 keV virtual monoenergetic images of vertebral arteries using DLIR and ASIR-V algorithms under a dual-low scanning protocol 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112276 PMID:40639023	研究论文	比较DLIR和ASIR-V算法在双低扫描协议下重建40 keV虚拟单能图像对椎动脉图像质量的影响	首次在双低扫描协议（同时降低辐射剂量和对比剂剂量）下系统比较DLIR与ASIR-V算法对椎动脉40 keV虚拟单能图像质量的优化效果	样本量相对有限（88例患者），仅评估了特定能量水平（40 keV）的图像质量	评估不同图像重建算法在低剂量CT扫描中的图像质量表现	椎动脉血管图像	医学影像	后循环缺血性卒中	双能量CT血管成像（DE-CTA），虚拟单能成像（VMI）	深度学习图像重建（DLIR），自适应统计迭代重建（ASIR-V）	CT医学影像	88例患者（实验组44例，对照组44例）	NA	DLIR-H（高强度），DLIR-M（中强度），ASIR-V 50%	CT值，噪声，信噪比（SNR），对比噪声比（CNR），主观评分（5分制）	NA
3377	2025-10-06	From tissue architecture to clinical insights: Spatial transcriptomics in solid tumor studies 2025-Oct, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152389 PMID:40664120	综述	本文深入分析空间转录组学技术在实体瘤研究中的最新进展和应用前景	系统阐述空间转录组学如何通过保留基因表达的空间背景来揭示肿瘤微环境的结构特征和细胞间通讯	存在技术分辨率、数据处理、样本制备和临床标准化等方面的挑战	探讨空间转录组学在实体瘤研究和精准肿瘤学中的应用价值	实体瘤及其肿瘤微环境	数字病理	实体瘤	空间转录组学, 单细胞多组学, 原位杂交, 成像和测序技术	深度学习	空间基因表达数据, 组织图像	NA	NA	NA	NA	NA
3378	2025-10-06	Predicting ADC map quality from T2-weighted MRI: A deep learning approach for early quality assessment to assist point-of-care 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112317 PMID:40690835	研究论文	提出一种基于深度学习的创新方法，通过T2加权MRI预测前列腺ADC图像质量，实现早期质量评估	首次使用T2加权图像预测ADC图像质量，可在成像过程中实时进行质量评估并采取纠正措施	研究为回顾性分析，需要前瞻性验证；多中心数据存在异质性	开发早期预测前列腺ADC图像质量的方法，提高诊断准确性	前列腺MRI图像，包括T2加权图像和ADC图	医学影像分析	前列腺癌	扩散加权成像，表观扩散系数图，T2加权MRI	神经网络	医学影像	486名患者的多中心数据集，涵盖62个外部诊所和内部影像数据	NA	NA	敏感性，阴性预测值，准确率，AUC	NA
3379	2025-10-06	MobileYOLO-Cyano: An enhanced deep learning approach for precise classification of cyanobacterial genera in water quality monitoring 2025-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124081 PMID:40578097	研究论文	提出一种名为MobileYOLO-Cyano的深度学习模型，用于精确分类水质监测中的蓝藻属	集成YOLOv8与MobileNetV4，优化无锚检测框架，并引入新设计的AdaptiveChannelHead模块以增强特征提取和属级分类能力	NA	开发高精度的蓝藻属自动分类方法以支持水质评估	九个具有产毒潜力的蓝藻属（包括Aphanizomenon、Phormidium、Planktothrix和Raphidiopsis等）	计算机视觉	NA	深度学习	YOLO, CNN	图像	包含九个蓝藻属的数据集	NA	YOLOv8, MobileNetV4	精确率, 召回率, F1分数, mAP50	NA
3380	2025-10-06	Revealing two decades of chlorophyll-a dynamics in arid oligotrophic lakes of Xinjiang, China using a deep recurrent approach 2025-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124058 PMID:40578106	研究论文	本研究利用深度学习模型分析新疆贫营养湖泊20年的叶绿素a动态变化	首次将遥感波段建模为动态序列，采用循环神经网络框架处理时序遥感数据，克服了传统算法在贫营养湖泊中的局限性	研究仅针对面积大于100平方公里的湖泊，且主要基于MODIS遥感数据	研究新疆干旱区贫营养湖泊的叶绿素a浓度动态变化及其环境驱动因素	新疆地区面积大于100平方公里的贫营养湖泊	遥感分析, 环境监测	NA	遥感监测, MODIS影像分析	RNN	遥感影像, 时序数据	20年(2002-2023年)的MODIS影像数据，覆盖新疆大型湖泊	深度学习框架	循环神经网络	RMSE, R²	NA