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
4181	2025-11-08	High-level STING expression in tumour and inflammatory cells is linked to microsatellite instability and favourable tumour parameters in a cohort of over 1,900 colorectal cancer patients 2025-Dec, Pathology IF:3.6Q1 DOI:10.1016/j.pathol.2025.05.008 PMID:40816937	研究论文	通过多重荧光免疫组化和深度学习算法分析1905例结直肠癌患者中STING表达与临床参数的关系	首次在大规模结直肠癌队列中系统评估不同细胞类型（肿瘤细胞与炎症细胞）中STING表达的临床意义	研究为回顾性分析，需进一步功能实验验证机制	评估STING表达在结直肠癌不同细胞类型中的临床意义	1905例结直肠癌患者组织样本	数字病理学	结直肠癌	多重荧光免疫组化，组织芯片	深度学习	组织图像	1905例结直肠癌患者	NA	NA	p值	NA
4182	2025-11-08	SFT-HN: a novel spatial-frequency-temporal hybrid network for EEG-based emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10366-3 PMID:41199757	研究论文	提出一种新颖的空间-频率-时间混合网络用于基于脑电图的情绪识别	首次提出结合空间频率残差模块和注意力双向LSTM的混合架构，能够同时提取脑电信号的空间-频率特征和时间上下文信息	NA	解决脑电信号中空间、频率和时间信息融合的挑战，充分利用不同情绪间的判别性局部模式	脑电图信号	脑机接口	NA	脑电图	深度学习混合模型	脑电图信号	在DEAP、SEED和FACED三个数据集上进行验证	NA	空间频率残差模块,注意力双向LSTM	准确率	NA
4183	2025-11-08	Emotion recognition using spatially unidimensional self-attention with fusion feature of brain effective connectivity network and spectral power 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10364-5 PMID:41199759	研究论文	提出一种融合脑有效连接网络和频谱功率特征的新策略，并设计基于空间一维自注意力的双通道1D-CNN模型用于脑电情绪识别	提出保留空间信息的二维脑有效连接网络与一维频谱功率特征融合策略，以及基于空间一维自注意力的双通道1D-CNN架构	未明确说明模型计算复杂度和实时性表现，缺乏在其他脑电数据集上的泛化性验证	提升基于脑电信号的情绪识别性能	脑电信号和情绪状态	脑机接口, 机器学习	NA	脑电图(EEG), 脑有效连接网络分析	1D-CNN, 自注意力机制	脑电信号	SEED和SEED-IV数据集	NA	双通道1D-CNN, 空间一维自注意力(SAD-1D-CNN)	准确率	NA
4184	2025-11-08	Mental health support for schools with wearable biosensor monitoring using deep learning 2025-Nov-07, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae16ae PMID:41130226	研究论文	提出基于多模态注意力机制的心理状态网络MAP-Net，通过可穿戴生物传感器监测学生心理健康状态	提出多模态行为-生理信号融合方法，设计注意力机制实现多源信号动态加权建模，能更精准捕捉心理状态细微变化	样本规模较小（仅36名高中生），未提及模型在其他年龄段或教育环境中的泛化能力	开发校园心理健康智能监测与预警系统	高中生心理健康状态	机器学习	心理健康问题	微机电系统传感器，多模态信号融合	深度学习，注意力机制	多模态行为生理信号	36名高中生，30天连续监测数据	NA	MAP-Net，多模态注意力网络	准确率，召回率，F1分数，异常检测率，预警准确率	NA
4185	2025-11-08	Domain generalization for diabetic retinopathy grading with phase augmentation framework 2025-Nov-07, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03469-w PMID:41199099	研究论文	提出基于傅里叶变换的领域泛化框架用于糖尿病视网膜病变分级	提出包含傅里叶频谱增强、协作师生知识蒸馏和特征融合三个创新要素的领域泛化框架	NA	解决糖尿病视网膜病变分级中的领域泛化问题	眼底图像	计算机视觉	糖尿病视网膜病变	傅里叶变换	深度学习,知识蒸馏	图像	六个临床现实DR数据集	NA	双网络架构	泛化性能	NA
4186	2025-11-08	A Biologically Informed Vision-Guided Framework for Interpretable T Cell Receptor-Epitope Binding Prediction 2025-Nov-07, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512544 PMID:41199631	研究论文	提出一种生物信息启发的视觉引导深度学习框架DAISY，用于可解释的T细胞受体-表位结合预测	通过生物启发的条件自适应融合模块整合分层物理化学特征，联合建模残基级空间相互作用和全局生化背景	NA	准确识别T细胞受体与抗原表位之间的相互作用，推动癌症免疫治疗发展	T细胞受体(TCRs)和主要组织相容性复合体(MHC)分子呈递的抗原表位	计算生物学, 生物信息学	癌症	深度学习, 计算机视觉	深度学习框架	生物序列数据, 物理化学特征	NA	深度学习框架	条件自适应融合模块, Score-CAM	ROC-AUC, PR-AUC	NA
4187	2025-11-08	Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology 2025-Nov-07, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000929 PMID:41201255	综述	美国肾脏病学会提出肾脏病护理中人工智能负责任的临床应用框架	首次为肾脏病领域AI应用建立系统性伦理与实践指南，强调医生参与和患者受益原则	属于指导性框架文件，未涉及具体技术验证或临床实践数据	制定肾脏病护理中AI应用的负责任实施指南	肾脏疾病患者群体（包括CKD、AKI、透析和移植患者）	医疗人工智能	肾脏疾病	预测分析、机器学习、深度学习、生成式AI	NA	NA	NA	NA	NA	NA	NA
4188	2025-11-08	Deep learning-driven false-lumen volumes predict adverse remodeling better than diameter in patients with residual aortic dissection on CT 2025-Nov-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12116-9 PMID:41201600	研究论文	本研究开发了一种深度学习分割模型，用于自动测量主动脉夹层患者的假腔体积，并证明局部假腔体积比传统直径测量能更好地预测不良主动脉重塑	首次开发深度学习模型自动分割主动脉夹层各组分并计算局部假腔体积，证明局部假腔体积在预测不良重塑方面优于传统直径测量	回顾性研究设计，样本量相对有限，外部验证集患者数量较少	开发主动脉夹层自动分割模型并评估不同测量指标对不良主动脉重塑的预测价值	残余主动脉夹层患者	数字病理	心血管疾病	CT血管造影	深度学习分割模型	医学影像	322名患者（训练集120人，内部测试30人，外部测试10人，内部验证83人，外部验证79人）	NA	NA	Dice相似系数, AUC, 敏感性, 特异性	NA
4189	2025-11-08	Multi-branch convolutional network and LSTM-CNN for heart sound classification 2025-Nov-07, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01664-5 PMID:41201739	研究论文	开发两种深度学习架构用于心音分类，实现心血管疾病的自动诊断	提出多分支深度卷积网络模拟人耳听觉处理，并结合LSTM模块增强时域特征提取	医疗场景中标记数据集有限的关键挑战	开发快速、准确且成本效益高的心脏疾病自动诊断方法	心音信号	机器学习	心血管疾病	心音分析	CNN,LSTM	音频信号	NA	NA	多分支卷积网络,LSTM-CNN	准确率	NA
4190	2025-11-08	PathFusion-Net: A Rough Path Theory-Based Deep Learning Model for ECG Arrhythmia Classification 2025-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629717 PMID:41196785	研究论文	提出基于粗糙路径理论的深度学习模型PathFusion-Net，用于心电信号心律失常分类	首次将粗糙路径理论与深度学习技术相结合，通过路径签名和路径开发方法提取心电信号的多阶时序表征	未提及模型在更广泛数据集上的泛化能力验证	开发自动化心电信号心律失常早期检测和监测的深度学习框架	心电信号和心律失常分类	机器学习	心血管疾病	心电信号分析	CNN, LSTM	图像, 信号	MIT-BIH心律失常数据库和私有临床数据集	NA	PathFusion-Net	准确率, 精确率, 召回率	NA
4191	2025-11-08	An Active Dry-Contact Continuous EEG Monitoring System for Seizure Detection Applications in Clinical Neurophysiology 2025-Nov-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3629563 PMID:41196782	研究论文	开发了一种用于癫痫检测的低成本主动干接触电极EEG头戴设备，结合可解释深度学习模型和多模态伪影去除算法	采用主动干接触电极技术、可调节头戴设计、可解释深度学习模型和专门的多模态伪影去除算法	仅在代表性临床环境中对一名儿科失神癫痫患者进行了评估，样本量有限	开发低成本连续EEG监测系统用于临床神经生理学中的癫痫检测	婴幼儿和新生儿癫痫患者	医疗设备, 深度学习	癫痫	脑电图, 主动干接触电极, 三维打印, 激光切割	深度学习模型	EEG信号	一名儿科失神癫痫患者	NA	NA	准确率, 召回率, 相关系数, 信噪比	NA
4192	2025-11-08	Genetic Perturbation Modelling for Human Cell Therapy With BRNET 2025-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629554 PMID:41196787	研究论文	提出BRNET模型用于预测多重遗传扰动下的非线性转录结果	将先验知识与先进嵌入集成到非堆叠神经网络结构中，可预测单个和多重遗传扰动下的转录反应	NA	开发计算模型以替代昂贵耗时的湿实验来预测遗传扰动效应	人类细胞对遗传扰动的转录反应	机器学习	NA	遗传扰动建模	神经网络	转录组数据	NA	NA	BRNET	NA	NA
4193	2025-11-08	Deep Learning From Diffuse Optical Oximetry Time-Series: An fNIRS-Focused Review of Recent Advancements and Future Directions 2025-Nov-06, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3617858 PMID:41196800	综述	本文对功能性近红外光谱(fNIRS)领域深度学习应用的最新进展进行方法导向性综述	首次在fNIRS领域开展以深度学习架构、应用和学习策略为核心的系统性方法综述，并提出面向实际问题的先进解决方案指南	深度学习在fNIRS领域仍属新兴方向，现有文献存在数据可用性与模型复杂度平衡、模型泛化性等局限性	推动fNIRS领域深度学习方法的战略发展，弥合fNIRS与其他领域的研究差距	功能性近红外光谱(fNIRS)和高密度漫射光学断层扫描(HD-DOT)技术及其时间序列数据	机器学习	NA	功能性近红外光谱(fNIRS)，高密度漫射光学断层扫描(HD-DOT)	Transformer	时间序列数据	基于100篇文献的分析	NA	Transformer	模型泛化性，可解释性	NA
4194	2025-11-08	Correction to "Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning" 2025-Nov-06, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70172 PMID:41198582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4195	2025-11-08	Enhancing malware detection and classification in network traffic using deep learning techniques 2025-Nov-06, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70189 PMID:41199431	研究论文	本研究利用深度学习技术增强网络流量中的恶意软件检测与分类能力	提出四种创新深度学习技术：基于熵的流量过滤、自监督异常检测、图神经网络分类和上下文感知图注意力网络，显著提升检测精度并降低误报率	未提及模型在跨平台恶意软件检测方面的具体表现，实时自适应学习能力有待进一步研究	提高网络流量中恶意软件检测的准确性，降低误报率，实现动态网络环境中的实时检测	网络流量数据及其中的恶意软件活动	网络安全	NA	深度学习	图神经网络, 图注意力网络, 自监督学习	网络流量数据	NA	Python	GNN-MTC, CA-GAT	准确率, 精确率, 召回率	NA
4196	2025-11-08	Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review 2025-Nov-06, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.70110 PMID:41199593	综述	本文对人工智能在痤疮诊断和管理中的应用进行了范围综述，分析了AI工具类型、应用场景、性能表现及皮肤多样性数据	首次系统评估了AI在痤疮领域应用的现状，特别关注了模型训练中的皮肤多样性数据和健康公平性问题	仅13%的研究报告了患者肤色数据，皮肤多样性代表性不足可能影响模型泛化能力	概述AI在痤疮诊断和管理中的应用现状及性能表现	痤疮患者和AI诊断管理工具	数字病理	痤疮	深度学习，机器学习，集成学习，大语言模型	深度学习模型，经典机器学习模型，集成模型，大语言模型	图像数据	105篇研究文献	NA	NA	准确率	NA
4197	2025-11-08	AI-based approach for heart failure readmission prediction using SCG, ECG, and GSR signals 2025-Nov-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae178c PMID:41135577	研究论文	本研究开发了一种基于SCG、ECG和GSR信号的心力衰竭再入院预测AI方法	首次将SCG信号与心率和呼吸相位特征结合，并比较传统机器学习与深度学习方法在心力衰竭再入院预测中的性能	样本量相对较小（101名患者），仅使用单一医疗中心数据	开发非侵入性方法来预测心力衰竭患者的再入院风险	101名心力衰竭患者，包括在研究期间再入院的患者	机器学习	心血管疾病	SCG信号采集、心电信号、皮电反应信号、时频分布方法	传统机器学习模型,深度学习模型	信号数据,图像数据	101名心力衰竭患者	NA	K-近邻算法	准确率,灵敏度,特异度,精确率,F1分数	NA
4198	2025-11-08	Monitoring Opioid-Related Social Media Chatter Using Natural Language Processing and Large Language Models: Temporal Analysis 2025-Nov-04, JMIR infodemiology IF:3.5Q1 DOI:10.2196/77279 PMID:41187282	研究论文	本研究开发了一个基于自然语言处理和大语言模型的自动化系统，用于监测和分析Reddit上阿片类药物相关讨论的时序变化	首次将微调后的大语言模型(GPT-3.5 Turbo)应用于阿片类药物相关社交媒体内容的自动分类，并与真实世界死亡率数据进行时序关联分析	数据仅来源于Reddit平台，可能无法完全代表其他社交媒体或更广泛人群的行为模式	开发实时公共卫生监测系统，通过社交媒体数据分析阿片类药物使用行为模式	Reddit平台上关于阿片类药物的用户发帖内容	自然语言处理	阿片类药物滥用	自然语言处理，大语言模型微调	随机森林，深度学习模型，Transformer，GPT-3.5 Turbo	文本	包含手动标注的数据集和额外的74,975条未标注Reddit发帖，时间跨度为2018年1月1日至2023年12月30日	OpenAI API	GPT-3.5 Turbo, Transformer	准确率，Pearson相关系数	NA
4199	2025-11-08	Prognostic prediction in soft-tissue sarcomas using deep learning and digital pathology of tumor and margin areas 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20804-1 PMID:41188261	研究论文	本研究开发并验证了基于深度学习的数字病理模型，用于预测软组织肉瘤的转移无复发生存	首次使用深度学习分析软组织肉瘤肿瘤中心、周边和边缘区域的数字病理图像进行预后预测	回顾性研究，样本量相对有限（308例患者），肿瘤边缘区域模型预测性能不佳	开发优于传统FNCLCC分级的软组织肉瘤预后预测方法	软组织肉瘤患者	数字病理	软组织肉瘤	数字病理，苏木精-伊红染色全玻片成像	CNN	图像	308例软组织肉瘤患者（训练集149例，验证集159例）	NA	多示例学习卷积神经网络	c-index	NA
4200	2025-11-08	Artificial intelligence-based method for detecting wrist fractures in children 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22419-y PMID:41188293	研究论文	提出基于改进YOLO11s的Kid-YOLO深度学习检测方法，用于儿童腕部骨折X光图像的自动检测	引入C3k2-WTConv模块结合小波变换与卷积操作增强细微骨折检测能力，采用Focaler-MPDIoU损失函数优化目标定位并解决类别不平衡问题	仅使用单一公开数据集进行验证，未在更多临床场景中测试模型泛化能力	开发AI辅助诊断系统以提高儿童腕部骨折检测的准确性和效率	儿童腕部X光图像中的骨折区域	计算机视觉	骨骼损伤	X射线成像	CNN	医学图像	GRAZPEDWRI-DX公开数据集（经数据清洗后）	YOLO	YOLO11s, Kid-YOLO	精确率, 召回率, mAP@50, mAP@50-95	NA