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
3681	2025-12-08	Characterization of error-related potentials during the command of a lower-limb exoskeleton based on deep learning 2025-Dec-06, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01833-3 PMID:41353180	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3682	2025-12-08	A foundation model for rock thin-section images analysis 2025-Dec-06, Communications engineering DOI:10.1038/s44172-025-00565-5 PMID:41353266	研究论文	本文介绍了RoImAI，一个专门用于岩石薄片显微镜图像分析的视觉基础模型，旨在实现快速、精确的岩石分割、识别和岩性报告生成	提出了首个针对岩石薄片显微镜图像设计的视觉基础模型，利用Transformer技术实现高精度分割，并采用分层分类策略准确识别岩石颗粒，在效率和准确性上超越人类专家	NA	开发一个自动化、高效的岩石薄片图像分析模型，以替代传统依赖专家视觉检查的主观、耗时方法	岩石薄片显微镜图像	计算机视觉	NA	显微镜成像	Transformer	图像	30,336张图像，包含来自17个不同地区的大约两百万个岩石颗粒	NA	Transformer	效率, 准确性	NA
3683	2025-12-08	Reproducibility of digital pathology features extracted from deep learning and foundational AI models on sequential tissue slides 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30947-w PMID:41353287	研究论文	本研究评估了从正常前列腺组织连续切片中提取的深度学习特征和基础AI模型特征的可重复性	首次系统评估了深度学习模型和基础模型在相同组织连续切片上提取特征的可重复性，并量化了切片物理距离对特征变异性的影响	研究仅针对50例正常前列腺样本，未涉及病变组织；仅评估了特定DL模型和FMs，未涵盖所有可用模型	评估数字病理学中深度学习特征提取在组织连续切片上的可重复性	50例独立正常前列腺组织样本的连续切片	数字病理学	前列腺癌	苏木精-伊红染色，组织切片	深度学习模型，基础AI模型	数字病理图像	50例正常前列腺样本，每个样本3个连续切片	NA	NA	组内相关系数，最大均值差异，Wasserstein距离	NA
3684	2025-12-08	Multi-MoleScale: a multi-scale approach for molecular property prediction with graph contrastive and sequence learning 2025-Dec-06, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01126-w PMID:41353381	研究论文	本文提出了一种名为Multi-MoleScale的多尺度框架，通过结合图对比学习和序列模型来预测分子性质	提出了一种新颖的多尺度框架，首次将图对比学习与BERT等序列模型结合，以同时捕获分子的结构特征和上下文关系，无需手工特征	未在摘要中明确说明	提高分子性质预测的准确性，解决分子图结构与序列信息融合的挑战	分子	机器学习	乳腺癌	图对比学习，序列学习	GCL, BERT	分子图，分子序列	12个分子性质数据集、ADMET数据集和14个乳腺癌细胞系数据集	NA	BERT	NA	NA
3685	2025-12-08	A novel two-stage deep learning approach for lung cancer using enhanced ResNet50 segmentation and LungSwarmNet classification 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31000-6 PMID:41353462	研究论文	本文提出了一种基于增强ResNet50分割和LungSwarmNet分类的两阶段深度学习模型，用于从肺部CT图像中检测肺癌	提出了一种名为LungSwarmNet的新型深度神经网络架构，该架构将DenseNet201与粒子群优化算法相结合，并采用两阶段方法（先分割后分类）进行肺癌检测	未在摘要中明确说明	开发一种高精度的深度学习模型，用于从肺部CT扫描图像中早期检测和分类肺癌	肺部CT扫描图像	计算机视觉	肺癌	计算机断层扫描	CNN	图像	NA	NA	ResNet50, DenseNet201	准确率	NA
3686	2025-12-08	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2025-Dec-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动框架，用于提高心脏MRI规划的效率和准确性	开发了一个全自动深度学习框架，用于从定位器到电影视图的心脏MRI规划，通过地标检测实现自动化	研究为回顾性设计，可能受到数据选择偏差的影响，且仅评估了特定患者群体	评估深度学习框架在心脏MRI规划中的效率和准确性	1023名接受心脏MRI检查的患者（年龄8-90岁）	计算机视觉	心血管疾病	心脏MRI	深度学习模型	图像	1023名患者	NA	NA	中位地标距离, 平面角度差异	NA
3687	2025-12-08	Improving the performance of daily pan evaporation (Evp) prediction using the ensemble empirical mode decomposition combined with deep learning models 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27255-8 PMID:41345149	研究论文	本研究提出了一种结合集合经验模态分解与深度学习模型来预测日蒸发皿蒸发量的新方法	首次将集合经验模态分解与长短期记忆网络和卷积神经网络结合，用于蒸发量预测，并通过分解输入变量为固有模态函数来简化复杂模式	研究仅针对伊朗东北部Kardeh Dam流域，模型在其他气候区域的普适性有待验证	提高日蒸发皿蒸发量的预测精度，以支持水资源管理和节水决策	蒸发皿蒸发量	机器学习	NA	集合经验模态分解	LSTM, CNN	时间序列数据	NA	NA	LSTM, CNN	RMSE, MAE, SI	NA
3688	2025-12-08	Durability and service life prediction of fly ash based geopolymer high performance concrete under extreme environmental conditions 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27229-w PMID:41345153	研究论文	本研究开发了一个基于物理信息与深度学习的集成框架，用于预测粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性与剩余使用寿命	提出了一个结合Transformer物理信息神经网络、时空图神经网络、深度强化学习混合优化、超图自监督学习和扩散概率模型的综合框架，实现了多尺度、多机制退化建模与不确定性量化	未在论文摘要中明确说明	提升粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性预测精度与使用寿命评估	粉煤灰基地质聚合物高性能混凝土	机器学习	NA	深度学习	Transformer, 图神经网络, 深度强化学习, 自监督学习, 扩散概率模型	混凝土性能数据、裂纹传播时空数据、材料微观结构数据	未在摘要中明确说明	未在摘要中明确说明	Transformer Based Physics Informed Neural Network (TPINN), Spatiotemporal Graph Neural Networks (ST-GNN), Deep Reinforcement Learning Based Mix Optimization (DRL MO), Hypergraph Self Supervised Learning (HSSL), Diffusion Probabilistic Model for Uncertainty Quantification (DPM-UQ)	预测准确性、可解释性、数据需求降低程度	未在摘要中明确说明
3689	2025-12-08	A deep learning framework for predicting aircraft trajectories from sparse satellite observations 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27064-z PMID:41345157	研究论文	本文提出了一种名为HiFormer的深度学习框架，用于从稀疏卫星观测中预测飞机轨迹	HiFormer框架首次将卷积、循环和注意力序列建模集成于统一架构，以单次前向过程捕捉短、中、长期运动依赖，并构建了大规模合成轨迹数据集	未明确提及模型在极端天气或复杂空域环境下的泛化能力	开发一种能够从稀疏卫星观测中可靠预测飞机轨迹的深度学习框架	飞机轨迹数据，包括合成轨迹和真实ADS-B飞行片段	机器学习	NA	卫星光学传感器观测，ADS-B数据	深度学习框架（集成卷积、循环和注意力机制）	轨迹数据（合成与真实飞行数据）	12,000条合成轨迹和1,000段真实ADS-B飞行片段	未明确指定，可能为PyTorch或TensorFlow	HiFormer（自定义集成架构）	多步预测误差降低百分比（合成数据30%，真实数据10%）	NA
3690	2025-12-08	MedShieldFL-a privacy-preserving hybrid federated learning framework for intelligent healthcare systems 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27303-3 PMID:41345162	研究论文	本文提出了一种名为MedShieldFL的混合隐私保护联邦学习框架，用于医疗系统中的安全去中心化脑肿瘤分类	结合了同态加密和数据增强技术，在保护患者数据隐私的同时处理类别不平衡问题，相比传统联邦学习模型性能提升约2%	未明确说明框架在更大规模医疗机构的扩展性，也未讨论不同加密级别对计算效率的具体影响	开发一个隐私保护的联邦学习框架，以解决医疗数据共享中的隐私和安全问题	脑肿瘤医学图像	计算机视觉	脑肿瘤	数据增强，同态加密	CNN	图像	NA	NA	ResNet-18	准确率	NA
3691	2025-12-08	Wave masking enhances electrocardiogram reconstruction with linear regression 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27196-2 PMID:41345416	研究论文	本研究提出了一种名为波掩蔽的新型预处理技术，用于增强基于线性回归的心电图重建性能，并与深度学习方法进行了比较	将图像识别中的掩蔽技术适应到心电图时间序列信号中，以突出对重建最相关的关键部分，从而显著提升线性回归模型的性能	波掩蔽技术虽能提升线性回归性能，但未超越深度学习方法，且研究仅基于正常心电图记录，未整合到深度学习模型或多样本人口记录中进行全面探索	提高心电图重建的准确性和效率，通过预处理技术优化信号处理流程	心电图信号，特别是从减少或替代导联集中合成导联	机器学习	心血管疾病	波掩蔽预处理技术	线性回归, 深度学习模型	时间序列信号（心电图）	10,000条正常心电图记录，来自CODE-15%数据库	NA	NA	平均相关系数	NA
3692	2025-12-08	Uncertainty quantification enables reliable deep learning for protein-ligand binding affinity prediction 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27167-7 PMID:41345415	研究论文	本文系统比较了五种不确定性量化方法在蛋白质-配体结合亲和力预测中的应用，并发现贝叶斯反向传播方法结合前馈神经网络能提供优异的预测性能和可靠的不确定性估计	首次在蛋白质-配体结合亲和力预测领域应用贝叶斯反向传播方法进行不确定性量化，该方法在无需额外校准的情况下表现出优异的校准性能	NA	提高深度学习模型在蛋白质-配体结合亲和力预测中的泛化能力和预测可靠性	蛋白质-配体复合物	机器学习	NA	深度学习	前馈神经网络	分子特征数据	基于Leak-Proof PDBBind数据集，并在多个外部测试集上进行评估	NA	前馈神经网络	校准性能, 多个评估指标	NA
3693	2025-12-08	Multi-element geochemical anomaly recognition applying geologically-constrained convolutional deep learning algorithm with Butterworth filtering of frequency domain information : Of frequency domain information 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27332-y PMID:41345479	研究论文	本文提出了一种结合地质约束和频域信息滤波的卷积深度学习算法，用于识别多元素地球化学异常	开发了一种新颖的地质约束卷积深度学习算法，通过频域数据训练和Butterworth滤波增强特征提取能力，解决了传统2D CNN在多元素地球化学异常映射中的局限性	算法在特定区域（伊朗Robat Sefid地区）进行验证，可能在其他地质环境中的泛化能力未充分评估	高效检测与矿床相关的多元素地球化学异常	多元素地球化学数据表	机器学习	NA	地球化学分析	CNN	表格数据	NA	NA	一维卷积神经网络	成功率曲线	NA
3694	2025-12-08	Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26365-7 PMID:41339367	研究论文	本研究利用双时间点CT扫描和基础模型提取的特征来预测非小细胞肺癌患者的生存期	结合双时间点CT扫描的时间变化特征与基础模型，相比单时间点特征和临床数据，提高了生存预测的准确性	样本量较小（仅102名患者），且仅限于接受放射治疗的NSCLC患者，可能限制模型的泛化能力	预测非小细胞肺癌患者的生存期	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	随机森林, 梯度提升生存模型	图像	102名接受放射治疗的非小细胞肺癌患者，每人包含治疗前和治疗后CT扫描	NA	基础模型（具体架构未指定）	NA	NA
3695	2025-12-08	AI-based neoadjuvant immunotherapy response prediction across pan-cancer: a comprehensive review 2025-Dec-03, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-04063-8 PMID:41339875	综述	本文系统总结了基于人工智能（AI）的跨癌种新辅助免疫治疗（NIT）反应预测模型，包括间接和直接预测范式，并基于数据模态（如影像组学、病理组学、基因组学、多组学）对现有模型进行了分类	首次对跨癌种的AI驱动NIT反应预测方法进行了全面、系统的回顾，并提出了间接与直接预测范式的分类框架，以及基于多模态数据的模型分类	现有预测模型仍面临基于生物标志物和AI技术本身的重大挑战，如肿瘤异质性、数据可解释性、模型泛化能力等	总结和评估现有AI方法在预测新辅助免疫治疗反应方面的应用，以指导未来研究并推动AI在精准免疫治疗中的整合	跨多种癌症类型的新辅助免疫治疗（NIT）反应预测	机器学习	泛癌种	NA	机器学习（ML）, 深度学习（DL）	高维多模态肿瘤数据（如影像、病理、基因组学、多组学数据）	NA	NA	NA	NA	NA
3696	2025-12-08	Pan-cancer gene set discovery via scRNA-seq for optimal deep learning based downstream tasks 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27296-z PMID:41330999	研究论文	本研究提出了一种基于单细胞RNA测序数据识别泛癌基因集的方法，并通过深度学习模型验证其在多种下游任务中的优越性	首次提出利用单细胞RNA测序数据而非传统批量RNA测序数据来识别泛癌基因集，并结合高维加权基因共表达网络分析和XGBoost特征选择方法，显著提升了基因集在多种癌症下游任务中的预测性能	研究仅分析了13种癌症类型的181个肿瘤活检样本，样本量和癌症类型覆盖范围有限，且未在独立外部数据集上进行充分验证	开发一种基于单细胞RNA测序数据的特征选择方法，以优化泛癌研究中的下游任务预测性能	13种癌症类型的181个肿瘤活检样本的单细胞RNA测序数据，以及TCGA泛癌RNA测序数据	机器学习	泛癌研究	单细胞RNA测序, 批量RNA测序, 高维加权基因共表达网络分析	多层感知机, 图神经网络	基因表达数据	181个肿瘤活检样本（单细胞数据）及TCGA泛癌数据集	XGBoost, 深度学习框架（未指定具体名称）	多层感知机, 图神经网络	未明确指定具体指标，但涉及肿瘤突变负荷评估、微卫星不稳定性分类、突变预测、癌症亚型分型和分级等任务的性能比较	NA
3697	2025-12-08	A deep learning-based approach to enhance accuracy and feasibility of long-term high-resolution manometry examinations 2025-Dec-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01255-1 PMID:41331076	研究论文	本文提出了一种基于深度学习的自动分析方法，用于长期高分辨率测压检查，以提高诊断食管动力障碍的准确性和临床可行性	开发了一种深度学习管道，能够自动检测吞咽事件和非吞咽性动力障碍，并通过聚类将事件分类为代表性组，减少临床医生的分析负担	研究仅基于25个LTHRM样本，样本量相对较小，可能限制模型的泛化能力	提高长期高分辨率测压检查的准确性和临床可行性	食管动力障碍患者	数字病理学	食管动力障碍	高分辨率测压	深度学习	测压数据	25个长期高分辨率测压检查，包含超过23,000个专家标注事件	NA	NA	检测率	NA
3698	2025-12-08	A novel liver image classification network for accurate diagnosis of liver diseases 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17581-2 PMID:41331299	研究论文	本文提出了一种名为CMT-Net的新型混合网络，用于CT肝脏图像分类，以准确诊断正常肝脏、脂肪肝和肝硬化	提出CMT-Net混合网络，统一了CNN的局部感知、MLP的高维映射和Transformer的全局依赖，显著提升了分类准确性	未提及模型在外部数据集上的泛化能力或计算效率的具体评估	提高CT肝脏图像分类的准确性，以辅助肝脏疾病的精确诊断	CT肝脏图像，包括正常肝脏、脂肪肝和肝硬化三类	计算机视觉	肝脏疾病	CT成像	混合网络（CNN, MLP, Transformer）	图像	来自乌鲁木齐市人民医院影像科的三类肝脏疾病数据集，具体样本数量未明确	NA	CMT-Net（包含高效Transformer模块和混合MLP模块）	准确性	NA
3699	2025-12-08	Application of MR images in radiotherapy planning for brain tumor based on deep learning 2025-Dec, The International journal of neuroscience DOI:10.1080/00207454.2024.2352784 PMID:38712669	研究论文	本研究基于深度学习探索了MRI图像在脑肿瘤放疗计划中的功能与剂量计算准确性	采用U-NET深度学习模型建立MRI到CT图像的转换模型，用于放疗剂量计算，验证了其可行性与高精度	样本量相对较小（训练集105例，测试集8例），且仅针对脑肿瘤患者，未涉及其他肿瘤类型	探索MRI图像通过深度学习转换后用于放疗剂量计算的准确性与可行性	脑肿瘤患者	数字病理	脑肿瘤	MRI, CT	CNN	图像	131例脑肿瘤患者（训练集105例，调优集26例，测试集8例）	NA	U-NET	剂量参数差异（D98, D95, D2, Dmean），伽马通过率	NA
3700	2025-12-08	Explainable artificial intelligence predicts inflammatory and spatial heterogeneity from nasal polyp histology 2025-Dec, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2025.08.016 PMID:40902945	研究论文	本研究开发了一种基于组织学的可解释深度学习模型HE2Signature，用于从鼻息肉组织学图像中预测炎症基因特征和空间分子异质性	首次提出基于组织学的可解释深度学习模型，能够从H&E染色全切片图像预测炎症基因特征和空间分子异质性，为慢性鼻窦炎伴鼻息肉的内型导向精准医学提供临床适用框架	模型在外部验证队列中识别T2内型的性能（ROC值0.716）有待进一步提高，且研究样本主要来自4个医疗中心	开发基于组织学图像的深度学习模型，用于预测慢性鼻窦炎伴鼻息肉的炎症基因特征和空间模式	慢性鼻窦炎伴鼻息肉患者的鼻息肉组织样本	数字病理学	慢性鼻窦炎伴鼻息肉	转录组学分析，免疫组织化学	深度学习模型	图像，基因表达谱	训练集70例，内部验证队列30例，外部验证队列224例（来自4个医疗中心）	NA	HE2Signature	相关性分析，混淆矩阵分析，受试者工作特征曲线，AUC值	NA