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
4001	2025-10-06	CDAFormer: Hybrid Transformer-based contrastive domain adaptation framework for unsupervised hyperspectral change detection 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107633 PMID:40505164	研究论文	提出基于混合Transformer的对比域自适应框架CDAFormer，用于无监督高光谱变化检测	首次将混合Transformer与对比域自适应结合，通过分别对齐两个域的变化和未变化差异特征来实现无监督域适应	未明确说明对计算资源的需求和模型训练时间成本	解决高光谱图像变化检测中的域适应问题，提升模型在无标注数据下的检测性能	高光谱图像	计算机视觉	NA	高光谱成像	Transformer	高光谱图像	NA	NA	混合Transformer, 全连接层	NA	NA
4002	2025-10-06	Physics-informed neural networks for solving inverse problems in phase field models 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107665 PMID:40554300	研究论文	本研究将物理信息神经网络应用于相场模型中的逆问题求解	将PINNs研究重点从正问题转向逆问题，实现了关键各向异性材料参数的反演，并扩展了在多物理场耦合系统中的应用	NA	解决相场模型中的逆问题，包括扩散、流动和相变问题	材料科学中的相场模型、温度场和流场控制方程	机器学习	NA	物理信息神经网络	PINNs	数值模拟数据	NA	NA	结合数据驱动和物理驱动模块的神经网络	预测值与理论值的一致性	NA
4003	2025-10-06	Multifrequency Time-Dependent Deep Image Prior for Real-Time Free-Breathing Cardiac Imaging 2025-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70114 PMID:40760871	研究论文	本研究提出了一种多频率时间依赖深度图像先验方法，用于实现自由呼吸条件下的实时心脏磁共振成像	引入了多频率流形参数化时间，无需假设运动周期性；采用零样本深度学习联合估计线圈灵敏度	与传统扫描相比，边缘锐度和图像对比度评分较低	开发无需屏息或心电图门控的高时间分辨率功能性心脏成像技术	健康受试者和心律失常患者	医学影像	心血管疾病	MRI, 2D自由呼吸非门控黄金角螺旋bSSFP序列	深度图像先验	动态MRI图像	健康受试者和患者（包括心律失常患者）	零样本深度学习	Time-DIP, Multifrequency Time-DIP	图像质量指标，左心室功能测量，时间分辨率，混叠伪影减少	NA
4004	2025-10-06	Understanding the Pathophysiology of Mental Diseases and Early Diagnosis Thanks to Electrophysiological Tools: Some Insights and Empirical Facts 2025-Sep, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241227485 PMID:38238934	研究论文	探讨神经生理学工具在精神疾病病理生理机制研究和早期诊断中的应用价值	聚焦三种高流行性精神疾病中神经生理学技术的新进展，结合机器学习方法提升诊断效能	未提及研究样本量的具体限制，主要基于现有文献证据进行论述	评估电生理工具在精神疾病诊断和治疗监测中的应用潜力	三种精神疾病：痴呆亚型、精神分裂症和成瘾障碍	医学神经科学	精神疾病	脑电图、失匹配负波、认知事件相关电位	深度学习	电生理信号	NA	NA	NA	NA	NA
4005	2025-10-06	af2rave: protein ensemble generation with physics-based sampling 2025-Aug-06, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00201j PMID:40621440	研究论文	介绍af2rave开源Python包，通过改进的AlphaFold2-RAVE协议结合物理驱动采样生成蛋白质构象集合	改进了原有AlphaFold2-RAVE协议，通过特征选择模块自动识别重要集体变量，显著减少对系统先验知识的需求	NA	开发高效生成蛋白质构象集合的计算方法	蛋白质构象集合	计算生物学	NA	分子动力学模拟，多序列比对	AlphaFold2	蛋白质序列和结构数据	腺苷激酶(ADK)、人DDR1激酶、SARS-CoV-2刺突蛋白受体结合域等多个系统	Python	AlphaFold2-RAVE	构象采样效率，计算成本	NA
4006	2025-10-06	BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images 2025-Aug-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01882-x PMID:40764388	研究论文	开发了一种名为BlurryScope的快速扫描光学显微镜，利用连续图像采集和深度学习技术，为组织切片自动检测分析提供经济紧凑的解决方案	通过运动模糊图像实现HER2评分分类，设备成本显著低于商业数字病理扫描仪且体积更小	NA	开发经济高效的自动化数字病理扫描解决方案	免疫组化染色的乳腺癌组织切片	数字病理	乳腺癌	免疫组化染色，光学显微镜扫描	深度学习	图像	284个独特患者组织核心	NA	NA	准确率	NA
4007	2025-10-06	Pyramidal attention-based T network for brain tumor classification: a comprehensive analysis of transfer learning approaches for clinically reliable and reliable AI hybrid approaches 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11574-x PMID:40764518	研究论文	提出一种基于金字塔注意力的T型网络用于脑肿瘤分类，并全面分析迁移学习方法在临床可靠AI混合方法中的应用	结合层次金字塔注意力机制和基于T块的双分区特征提取，采用自卷积扩张神经分类器，自适应聚焦脑MRI图像中的信息区域	NA	开发临床可部署、可解释的自动化脑肿瘤分类模型	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	CNN, LSTM, ANN	图像	7023张图像，包含四种类型：胶质瘤、脑膜瘤、无肿瘤、垂体瘤	NA	PABT-Net, VGG19, MobileNet, NASNet	准确率, 精确率, 召回率, 特异性, F1分数, AUC, 混淆矩阵, ROC分析, Jaccard相似指数, Cohen's Kappa值	NA
4008	2025-10-06	Scalable and lightweight deep learning for efficient high accuracy single-molecule localization microscopy 2025-Aug-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62662-5 PMID:40764305	研究论文	提出轻量级深度学习框架LiteLoc用于高效处理单分子定位显微镜数据	采用轻量级神经网络架构并整合CPU和GPU并行处理，在保持定位精度的同时显著降低延迟和能耗	NA	开发可扩展的高通量单分子定位显微镜数据分析框架	单分子定位显微镜数据	计算机视觉	NA	单分子定位显微镜	深度学习	显微镜图像	NA	NA	轻量级神经网络	定位精度, 处理速度, 资源效率	CPU, GPU
4009	2025-10-06	A deep learning framework for gender sensitive speech emotion recognition based on MFCC feature selection and SHAP analysis 2025-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14016-w PMID:40764384	研究论文	提出一种基于MFCC特征选择和SHAP分析的性别敏感语音情感识别深度学习框架	相比现有深度学习方法在语音情感识别任务中实现了15%的性能提升，并采用SHAP分析进行特征选择	NA	开发高精度的语音情感识别系统	语音信号中的情感状态（快乐、悲伤、愤怒、恐惧、惊讶和中性）	自然语言处理	NA	MFCC特征提取，SHAP分析	CNN, RNN, LSTM	语音数据	NA	NA	卷积神经网络，循环神经网络，长短期记忆网络	准确率	NA
4010	2025-10-06	Road damage detection based on improved YOLO algorithm 2025-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14461-7 PMID:40764422	研究论文	提出一种基于改进YOLOv5算法的道路损伤检测方法	集成通道注意力和空间注意力双分支注意力机制，结合GIoU损失函数增强检测精度和定位能力	NA	开发高效准确的道路损伤自动检测技术	道路损伤和路面病害	计算机视觉	NA	深度学习	YOLO	图像	公共数据集	NA	YOLOv5	检索率,平均值,调和均值F1,PCI	NA
4011	2025-10-06	Deep-learning-enabled online mass spectrometry of the reaction product of a single catalyst nanoparticle 2025-Aug-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62602-3 PMID:40764516	研究论文	本研究开发了一种结合深度学习与在线质谱分析的方法，用于检测单个催化剂纳米颗粒的反应产物	将约束去噪自编码器与纳米流体反应器结合，使在线质谱分析所需的催化剂表面积减少了约3个数量级，达到单个纳米颗粒水平	研究仅使用CO氧化和CH加氢作为模型反应，尚未验证在其他催化反应体系中的普适性	提高质谱分析在催化研究中的分辨率，实现单颗粒催化的在线反应分析	钯(Pd)催化剂纳米颗粒	机器学习	NA	在线质谱分析,纳米流体反应器	约束去噪自编码器	质谱信号	单个纳米颗粒(表面积0.0072±0.00086 μm²)	NA	约束去噪自编码器	信号检测灵敏度	NA
4012	2025-10-06	Smartphone video-based early diagnosis of blepharospasm using dual cross-attention modeling enhanced by facial pose estimation 2025-Aug-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01904-8 PMID:40764679	研究论文	提出基于智能手机视频和双交叉注意力深度学习框架的眼睑痉挛早期诊断方法	结合时序视频特征和面部关键点动态的双交叉注意力建模，并通过面部姿态估计增强	诊断性能中等(0.674)，样本来源仅限于两家医院	开发眼睑痉挛的早期准确诊断和评估方法	眼睑痉挛患者的面部视频数据	计算机视觉	眼睑痉挛	智能手机视频采集，面部姿态估计	深度学习	视频	回顾性数据集847个患者视频，前瞻性评估179个样本	NA	双交叉注意力框架	准确率，SHAP分析	NA
4013	2025-10-06	Gated recurrent unit with decay has real-time capability for postoperative ileus surveillance and offers cross-hospital transferability 2025-Aug-04, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01053-9 PMID:40760048	研究论文	本研究评估了带衰减门控循环单元(GRU-D)在结直肠手术后肠梗阻实时风险监测中的应用	首次将深度学习模型GRU-D应用于术后肠梗阻风险监测，并验证了其跨医院迁移能力	数据稀疏性问题严重（72.2%的实验室数据和26.9%的生命体征数据在术后24小时内缺乏测量值）	开发能够实时监测结直肠手术后肠梗阻风险的深度学习模型	7349例来自三个梅奥诊所站点、使用两种电子健康记录系统的结直肠手术患者	医疗人工智能	结直肠手术并发症	电子健康记录(EHR)数据分析	GRU-D	临床时间序列数据	7349例结直肠手术	NA	GRU-D	AUROC, 置信区间	NA
4014	2025-10-06	Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Aug-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01903-9 PMID:40760164	研究论文	开发并验证了基于深度学习的多模态预后模型CerviPro，用于预测接受根治性放疗的局部晚期宫颈癌患者的无病生存期	首次将治疗前后CT影像、手工放射组学特征和临床变量进行多模态融合，显著提升了预后预测性能	研究样本量相对有限（1018例患者），且为多中心回顾性研究	开发精准的生存预测模型以指导局部晚期宫颈癌的个性化治疗	1018例接受根治性放疗的局部晚期宫颈癌患者	数字病理	宫颈癌	CT成像，放射组学分析	深度学习	医学影像（CT），临床数据，放射组学特征	1018例患者（多中心研究）	NA	CerviPro（多模态深度学习模型）	C-index	NA
4015	2025-10-06	A scalable deep attention mechanism of instance segmentation for the investigation of chromosome 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	研究论文	提出一种集成自动标注流程与增强深度学习架构的染色体实例分割框架	结合基于特征的图像配准技术实现自动标注，并在Mask R-CNN中集成注意力特征金字塔网络和空间注意力机制	未明确说明模型计算复杂度及在低资源环境下的适用性	解决中期染色体图像分割的挑战，提升染色体实例分割精度	中期染色体图像和对应核型图	计算机视觉	NA	基于特征的图像配准技术（SIFT和单应性变换）	CNN	图像	包含24个染色体类别的中期染色体图像数据集	PyTorch	Mask R-CNN, Attention-based Feature Pyramid Network (AttFPN)	mAP, AP50	NA
4016	2025-10-06	Classifying kidney disease using a dense layers deep learning model 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100324 PMID:40588036	研究论文	本研究开发了一种基于密集层深度学习模型的肾脏疾病分类方法	提出了一种优化的密集层深度神经网络架构，在肾脏疾病分类任务中实现了99%的准确率	NA	开发自动检测慢性肾脏疾病的深度学习系统	慢性肾脏疾病患者	机器学习	肾脏疾病	深度学习	深度神经网络	结构化数据	包含24个独立字段的公开数据集	NA	密集层深度神经网络	准确率,精确率,召回率,F1分数,ROC AUC分数,马修斯相关系数	NA
4017	2025-10-06	Explainable clinical diagnosis through unexploited yet optimized fine-tuned ConvNeXt Models for accurate monkeypox disease classification 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100336 PMID:40712913	研究论文	本研究通过优化微调的ConvNeXt模型实现可解释的猴痘疾病准确分类	利用迁移学习技术微调预训练的ConvNeXt模型，结合Adafactor优化技术和可解释AI方法，在保持高精度的同时解决了实时应用的计算资源问题	模型性能依赖于特定数据集，需要进一步验证在更广泛临床环境中的适用性	开发准确且可解释的猴痘疾病自动分类系统	猴痘疾病皮肤病变图像	计算机视觉	猴痘	深度学习，迁移学习，数据增强	CNN	图像	MSLD（二分类）和MSLD v2.0（多分类）基准数据集	NA	ConvNeXtSmall, ConvNeXtBase	准确率，召回率，F1分数，精确率，统计检验	通过迁移学习减少计算资源需求，具体硬件配置未明确说明
4018	2025-10-06	Exploration of Fully-Automated Body Composition Analysis Using Routine CT-Staging of Lung Cancer Patients for Survival Prognosis 2025-Aug, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.70021 PMID:40767951	研究论文	本研究探索基于常规CT扫描的自动化体成分分析在肺癌患者生存预后中的价值	首次使用深度学习网络对常规肺癌分期CT进行全自动体成分分析，开发了三种新的体积标记物并验证其预后价值	研究结果存在中心依赖性和性别差异性，需要更多中心验证	评估自动化体成分分析在肺癌患者生存预后中的预测价值	肺癌患者	数字病理	肺癌	CT扫描	深度学习网络	医学影像	医院A 3345例，医院B 1364例	NA	NA	Kaplan-Meier生存分析，Cox比例风险模型，HR值	NA
4019	2025-10-06	Quantifying physiological variability and improving reproducibility in 4D-flow MRI cerebrovascular measurements with self-supervised deep learning 2025-Jul-25, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30634 PMID:40711943	研究论文	本研究评估了自监督深度学习去噪在减少4D血流MRI测量变异性方面的效果，并阐明了生理变异对脑血管血流动力学的贡献	使用自监督深度学习框架对4D血流MRI数据进行去噪，通过前瞻性测试-重测研究设计分离技术噪声与生理变异	深度学习去噪无法完全消除生理变异和后处理带来的变异性，对流量等综合指标的改善效果不显著	提高4D血流MRI测量的可重复性并量化生理变异对脑血管血流动力学的影响	脑血管血流动力学测量	医学影像分析	神经退行性疾病	4D-Flow MRI, 3D径向采样	深度学习	4D血流MRI图像	10名参与者的多次4D血流MRI扫描	NA	自监督深度学习去噪框架	95%置信区间, 标准差, 可重复性	NA
4020	2025-10-06	Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multiplatform Validation Study 2025-Jul-17, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104215 PMID:40683333	研究论文	通过深度学习引导的定量分析建立结直肠癌BRAF V600E免疫组化优化标准的多平台验证研究	首次采用深度学习数字病理平台量化免疫组化参数，建立结直肠癌特异性BRAF V600E检测标准	非典型染色模式病例仍需分子确认，样本量相对有限	建立结直肠癌特异性BRAF V600E免疫组化判读标准	250例结直肠癌病例及其免疫组化和基因检测数据	数字病理	结直肠癌	免疫组化，qPCR，二代测序，数字病理分析	深度学习	病理图像，分子检测数据	250例结直肠癌病例	NA	NA	AUC，一致性	NA