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
381	2025-11-02	CNNCaps-DBP: Leveraging protein language models with attention-augmented convolution for DNA-binding protein prediction 2025-Oct-26, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108261 PMID:41172803	研究论文	提出一种名为CNNCaps-DBP的新型深度学习方法，用于从蛋白质序列信息中准确预测DNA结合蛋白	结合预训练蛋白质语言模型ESM C与注意力增强卷积模块，并采用胶囊网络和MLP的混合深度学习框架	NA	开发精确高效的DNA结合蛋白预测计算框架	DNA结合蛋白	生物信息学	神经退行性疾病,癌症	蛋白质序列分析	CNN, Capsule Network, MLP	蛋白质序列数据	NA	NA	注意力增强卷积,胶囊网络,多层感知机	预测性能指标	NA
382	2025-11-02	Characterization of Gastrodiae Rhizoma from different geographical origins by HS-GC-IMS and authenticity identification combined with deep learning 2025-Oct-24, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466482 PMID:41172769	研究论文	本研究结合顶空气相色谱-离子迁移谱和深度学习算法，建立了天麻地理起源鉴别和掺假筛查的有效方法	首次将GC-IMS二维谱图与深度学习结合用于天麻地理起源鉴别，准确率超过99.54%，显著优于传统机器学习方法	样本数量有限（57个），仅针对特定地理来源的天麻样品进行研究	建立天麻地理起源认证和掺假筛查的有效策略	不同地理来源的天麻样品	计算机视觉	NA	顶空气相色谱-离子迁移谱（HS-GC-IMS）	CNN, ResNET	二维色谱图像	57个天麻样品	NA	卷积神经网络, 残差网络	准确率	NA
383	2025-11-02	DNUNet: A Llightweight adaptive medical image segmentation network based on dual-path multilevel interactive convolution and norm sparse fusion module 2025-Oct-23, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108230 PMID:41172804	研究论文	提出了一种轻量级自适应医学图像分割网络DNUNet，通过双路径多级交互卷积和范数稀疏融合模块实现高效分割	创新性地结合大核卷积、双路径多级结构和特征稀疏化策略，在保持高性能的同时显著降低计算和内存开销	NA	开发轻量级医学图像分割模型以平衡性能与计算成本	医学图像分割	计算机视觉	NA	深度学习	CNN	医学图像	NA	NA	DNUNet	NA	便携设备
384	2025-11-02	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	开发辅助医疗工具，通过自动化面部疼痛表情识别来监测胸痛患者的不适程度	胸痛患者的面部表情	计算机视觉	心血管疾病	深度学习，实时面部表情捕捉	YOLO系列模型	图像，实时视频流	NA	NA	YOLOv4, YOLO系列模型	精确度，训练时间	智能手机，笔记本电脑，未来将采用边缘计算模型
385	2025-11-02	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，并探索模型压缩技术在边缘计算中的应用	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场景	仅在三个公开数据集上进行了验证，需要进一步临床验证	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	ANSA_Ensemble, 注意力引导CNN	准确率	边缘计算
386	2025-11-02	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	本文综述了基于人工智能的乳腺X线摄影和断层合成成像在乳腺癌亚型分型、分期和预后预测中的应用	系统比较了放射组学和深度学习在乳腺影像分析中的最新进展，特别关注多模态和纵向方法的潜力	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)和乳腺断层合成成像(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
387	2025-11-02	A Priori Prediction of Neoadjuvant Chemotherapy Response in Breast Cancer Using Deep Features from Pre-Treatment MRI and CT 2025-Oct-21, Cancers IF:4.5Q1 DOI:10.3390/cancers17203394 PMID:41154448	研究论文	本研究利用治疗前MRI和CT的深度特征结合临床变量预测乳腺癌新辅助化疗反应	首次将多种ResNet架构预训练模型应用于乳腺癌治疗反应预测，并证明深度特征优于传统手工放射组学特征	样本量相对有限（177例患者），需进一步验证	开发基于深度学习的乳腺癌新辅助化疗反应预测模型	乳腺癌患者	数字病理	乳腺癌	MRI, CT	CNN	医学影像	177例患者	PyTorch	ResNet10, ResNet18, ResNet34, ResNet50	平衡准确率	NA
388	2025-11-02	AI-RiskX: An Explainable Deep Learning Approach for Identifying At-Risk Patients During Pandemics 2025-Oct-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101127 PMID:41155125	研究论文	提出一种可解释的深度学习方法AI-RiskX，用于在疫情期间识别高风险患者	整合五种公共数据集，采用CNN-LSTM混合模型，结合SHAP提供个体和群体层面的可解释性，并包含基于规则的年龄和妊娠状态分层模块	NA	开发可解释的AI系统以识别疫情期间高风险患者，支持及时干预和资源分配	COVID-19或相关感染的确诊患者，特别关注老年人、孕妇和慢性病患者	机器学习	COVID-19	合成少数类过采样技术(SMOTE)	CNN,LSTM	医疗数据集	整合五个公共数据集（哮喘、糖尿病、心脏、肾脏和甲状腺疾病）	NA	CNN-LSTM混合架构	准确率	NA
389	2025-10-30	Comparison of Deep Neural Networks for the Classification of Adventitious Lung Sounds 2025-Oct-21, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14207427 PMID:41156296	研究论文	比较深度神经网络在异常肺音分类中的性能并提出双流分类方法	提出VGGish双流网络架构，并系统比较五种预训练CNN模型在肺音分类任务中的表现	模型存在特异性高但敏感性低的临床显著偏差，可能导致漏诊病理事件	开发客观的呼吸系统疾病筛查方法	异常肺音	机器学习	呼吸系统疾病	深度学习	CNN	音频	ICBHI 2017公共数据集	NA	VGG16, VGG19, InceptionV3, MobileNetV2, ResNet152V2, VGGish-dual-stream	平均分数, 敏感性, 特异性	NA
390	2025-11-02	Evaluation of the Risk of Urinary System Stone Recurrence Using Anthropometric Measurements and Lifestyle Behaviors in a Developed Artificial Intelligence Model 2025-Oct-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15202643 PMID:41153315	研究论文	本研究提出一种基于深度学习的创新混合方法，利用人体测量数据和生活方式行为预测泌尿系统结石复发风险	提出结合自动编码器特征提取和多种机器学习算法的混合方法，在临床预测问题中成功整合结构特征工程和深度表示学习	NA	开发人工智能模型预测泌尿系统结石复发风险	泌尿系统结石患者数据	机器学习	泌尿系统结石	深度学习，机器学习	自动编码器，XGBoost，Cubic SVM，KNN，Decision Tree	临床数据，人体测量数据，生活方式数据	NA	NA	自动编码器	分类性能	NA
391	2025-11-02	AI and Machine Learning in Biology: From Genes to Proteins 2025-Oct-20, Biology DOI:10.3390/biology14101453 PMID:41154856	综述	本文全面综述人工智能和机器学习在生物学领域从基因到蛋白质研究的应用与进展	系统整合从基础神经网络到先进Transformer架构和大型语言模型的前沿AI方法，突出生成模型设计新型蛋白质和基因组序列的突破性能力	面临数据质量、模型可解释性、伦理问题和计算需求等持续挑战	指导研究人员利用AI在从基因到功能蛋白质的生物学领域发挥变革性力量	基因组数据、蛋白质结构、多组学数据	机器学习	NA	多组学整合分析	深度学习, 图神经网络, Transformer, 大型语言模型	基因组数据, 蛋白质数据, 多组学数据	NA	NA	神经网络, Transformer, 图神经网络, 生成模型	NA	NA
392	2025-11-02	Probing a CNN-BiLSTM-Attention-Based Approach to Solve Order Remaining Completion Time Prediction in a Manufacturing Workshop 2025-Oct-20, Sensors (Basel, Switzerland) DOI:10.3390/s25206480 PMID:41157534	研究论文	提出一种基于CNN-BiLSTM-Attention的深度学习方法，用于预测制造车间中订单的剩余完成时间	首次将CNN-BiLSTM-Attention架构应用于订单剩余完成时间预测，整合空间特征提取、时序建模和自适应注意力机制	仅在离散制造车间数据进行验证，未涉及其他制造环境	解决制造车间动态复杂环境下订单剩余完成时间的精准预测问题	制造车间中的生产订单	机器学习	NA	深度学习	CNN, BiLSTM, Attention	多源制造数据	来自离散制造车间的实际生产数据	NA	CNN-BiLSTM-Attention	准确率, 稳定性	NA
393	2025-11-02	An Optical Water Type-Based Deep Learning Framework for Enhanced Turbidity Estimation in Inland Waters from Sentinel-2 Imagery 2025-Oct-20, Sensors (Basel, Switzerland) DOI:10.3390/s25206483 PMID:41157538	研究论文	提出基于光学水类型分类的深度学习框架，利用Sentinel-2影像增强内陆水体浊度估算	结合模糊C均值聚类与CNN-RF混合模型，通过光学水类型分类实现加权浊度预测	仅针对四种典型水体进行验证，模型普适性需进一步测试	开发基于光学分类的深度学习模型以提升内陆水体浊度估算精度	内陆水体的浊度参数	遥感监测	NA	遥感成像，模糊C均值聚类	CNN,随机森林	卫星遥感影像	四种典型水体的Sentinel-2影像数据	NA	CNN-RF混合架构	R², RMSE	NA
394	2025-11-02	Incorporating targeted protein structure in deep learning methods for molecule generation in computational drug design 2025-Oct-20, Chemical science IF:7.6Q1 DOI:10.1039/d5sc05748e PMID:41164301	综述	本文综述了基于结构的药物发现中整合蛋白质结构信息的深度学习方法	系统总结了从早期基于形状的方法到最新共折叠模型的发展历程，这些模型能够将蛋白质和配体结构预测作为单一任务	NA	探讨如何利用整合结构信息的深度学习方法设计具有增强结合潜力的分子	基于结构的药物发现中的深度学习方法	计算药物设计	NA	深度学习	NA	蛋白质结构数据，分子数据	NA	NA	共折叠模型	NA	NA
395	2025-11-02	Deep learning finds convergent melanocytic morphology despite noisy archival slides 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101201 PMID:41118723	研究论文	开发基于深度学习的黑色素细胞异型性检测流程，通过配对H&E染色和免疫组化染色图像识别黑色素瘤形态特征	利用连续或系列切片的免疫组化染色作为监督信号，在噪声较大的存档切片中发现收敛的黑色素细胞形态特征	仅有37.7%的图像对质量足够用于深度学习训练，样本量相对有限	开发能够识别黑色素细胞异型性的深度学习模型，辅助病理学家诊断皮肤黑色素瘤原位癌	黑色素瘤原位癌病例的H&E染色和免疫组化染色组织切片	数字病理学	黑色素瘤	H&E染色，免疫组化染色（MelanA，MelPro，SOX10抗体）	CNN	图像	来自61例确诊黑色素瘤原位癌的122张配对全切片图像，涉及两个医疗机构	NA	卷积神经网络	AUROC，AUPRC	NA
396	2025-11-02	Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 2025-Oct-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111212 PMID:41120056	研究论文	开发基于深度学习的多中心自动分割模型，用于子宫恶性肿瘤CT影像中临床靶区和计划靶区的勾画	首个针对多种子宫恶性肿瘤（宫颈癌和子宫内膜癌）的多中心验证深度学习模型，能够同时准确分割CTV和PTV	研究为回顾性设计，需要前瞻性验证；样本量相对有限	开发自动化的放疗靶区勾画解决方案，提高放疗规划的效率和一致性	子宫恶性肿瘤患者，包括宫颈癌和子宫内膜癌	医学影像分析	子宫恶性肿瘤	CT成像	深度学习分割模型	CT影像	602例增强CT扫描（302例内部机构病例+300例外部中心宫颈癌病例）	NA	2D分割网络, 全分辨率3D网络, 级联3D网络	Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
397	2025-11-02	Variety Identification of Corn Seeds Based on Hyperspectral Imaging and Residual Mamba 1D CNN 2025-Oct-18, Foods (Basel, Switzerland) DOI:10.3390/foods14203558 PMID:41154094	研究论文	本研究开发了一种结合高光谱成像和深度学习的玉米种子品种无损识别方法	提出了融合残差模块和Mamba模块的一维卷积神经网络RM1DNet，增强了特征学习能力	NA	开发玉米种子品种的智能识别方法	20个玉米种子品种	计算机视觉	NA	高光谱成像	CNN	高光谱图像	20个玉米种子品种	NA	Residual Mamba 1D CNN	准确率	NA
398	2025-11-02	Dust Filtering in LIDAR Point Clouds Using Deep Learning for Mining Applications 2025-Oct-18, Sensors (Basel, Switzerland) DOI:10.3390/s25206441 PMID:41157495	研究论文	提出一种基于神经网络的实时过滤LIDAR点云中粉尘测量的方法	首次将深度学习应用于采矿场景中LIDAR点云的粉尘过滤，并构建了首个多粉尘环境的公开数据库	NA	解决采矿作业中粉尘对LIDAR传感器功能的干扰问题	LIDAR点云数据中的粉尘测量	计算机视觉	NA	LIDAR传感技术	神经网络	点云数据	来自多种粉尘环境的真实LIDAR传感器数据	NA	NA	NA	NA
399	2025-11-02	Real-Time Parking Space Detection Based on Deep Learning and Panoramic Images 2025-Oct-18, Sensors (Basel, Switzerland) DOI:10.3390/s25206449 PMID:41157504	研究论文	基于深度学习和全景图像实现实时停车位检测	构建了包含复杂环境多样性的PSEX全景停车位数据集，并提出改进的SimSppf_mepre-Yoloe模型	NA	解决自动停车系统中停车位检测与定位的核心问题	停车位的状态（空闲/占用）和角度（T形/L形）	计算机视觉	NA	GAN图像风格迁移	PP-Yoloe, GAN	全景图像	基于现有公共停车位数据集扩展构建的PSEX数据集	PaddlePaddle, TensorRT	PP-Yoloe, ResSpp, ResSimSppf, SimSppf	mAP50, mAP50:95, FPS	Jetson AGX Xavier平台
400	2025-11-02	ViT-BiLSTM Multimodal Learning for Paediatric ADHD Recognition: Integrating Wearable Sensor Data with Clinical Profiles 2025-Oct-18, Sensors (Basel, Switzerland) DOI:10.3390/s25206459 PMID:41157512	研究论文	开发了一种多模态深度学习框架，通过整合可穿戴传感器数据和临床资料来识别儿童ADHD	将原始加速度计信号转换为图像并与临床表格数据整合，联合探索动态活动模式和静态临床特征	研究样本仅限于7-13岁儿童，未在其他年龄段验证	开发有效的ADHD分类方法	7-13岁儿童ADHD患者	机器学习	注意力缺陷多动障碍(ADHD)	加速度计记录，标准化问卷	ViT, BiLSTM	图像，表格数据	7-13岁儿童（具体数量未明确说明）	NA	Vision Transformer, BiLSTM	NA	NA