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
4241	2025-10-06	A multi-model deep learning approach for human emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10304-3 PMID:40761311	研究论文	提出一种融合音频、视觉和文本的多模态深度学习框架用于人类情绪识别	提出基于注意力的多模态融合机制，结合图注意力网络、Wav2Vec 2.0和BERT-BiGRU等先进技术实现跨模态情绪分析	NA	开发高效的多模态情绪识别系统	人类情绪表达	自然语言处理,计算机视觉,语音处理	NA	深度学习,多模态融合	Transformer,GCN,CNN,BiGRU	音频,图像,文本	NA	PyTorch/TensorFlow	Graph Attention Network, Wav2Vec 2.0, CNN, BERT, BiGRU	准确率,精确率,召回率,F1分数	NA
4242	2025-10-06	HybridDLDR: A hybrid deep learning-based drug resistance prediction system of Glioblastoma (GBM) using molecular descriptors and gene expression data 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108913 PMID:40592112	研究论文	提出一种基于深度学习的胶质母细胞瘤药物耐药性预测混合系统，结合分子描述符和基因表达数据	首次将CNN、LSTM和Transformer架构结合用于药物耐药性预测，整合基因表达数据和化学性质	NA	预测胶质母细胞瘤的药物耐药性以改善癌症治疗效果	胶质母细胞瘤（GBM）及其对化疗药物的耐药性	机器学习	胶质母细胞瘤	基因表达分析，分子描述符计算	CNN, LSTM, Transformer	基因表达数据，分子描述符（化学性质）	NA	NA	CNN, LSTM, Transformer混合架构	均方误差（MSE）, 平均绝对误差（MAE）, R2分数, 皮尔逊相关系数	NA
4243	2025-10-06	From segmentation to explanation: Generating textual reports from MRI with LLMs 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108922 PMID:40633400	研究论文	提出一种将语义分割模型与大型语言模型结合的方法，从MRI图像生成可解释的医学报告	结合语义分割模型、基于图谱的映射和LLMs生成医学报告，采用抗幻觉设计增强AI系统的透明度和可解释性	NA	提高医学影像AI系统的透明度和可解释性，增强医疗专业人员对AI诊断的信任	脑胶质瘤肿瘤检测和多发性硬化病变检测	医学影像分析	脑肿瘤, 多发性硬化	MRI	SegResNet, LLM	医学影像	NA	NA	SegResNet, Gemma, Llama, Mistral	词汇多样性, 可读性, 连贯性, 信息覆盖度	NA
4244	2025-10-06	A Joint Multimodal User Authentication-based Privacy Preservation with Disease Prediction Framework in Modern Healthcare System Using Multi-Scale Cross Attention-based ResNet 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108928 PMID:40644852	研究论文	提出一种基于多尺度交叉注意力ResNet的多模态用户认证与疾病预测框架，用于现代医疗系统的隐私保护和疾病预测	结合多模态用户认证与疾病预测，采用多尺度交叉注意力ResNet架构和最优Rossler超混沌加密技术	系统复杂性可能限制实际应用，包括信息安全和预测效率方面的挑战	开发医疗系统中的隐私保护机制和疾病预测框架	医疗图像和信号数据	医疗健康信息学	NA	多模态用户认证，图像加密	DNN, RNN, LSTM, GRU, ResNet	图像，信号	NA	NA	多尺度交叉注意力ResNet (MCARNet)	精确度	NA
4245	2025-10-06	TAC-ECG: A task-adaptive classification method for electrocardiogram based on cross-modal contrastive learning and low-rank convolutional adapter 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108918 PMID:40644854	研究论文	提出一种基于跨模态对比学习和低秩卷积适配器的心电图任务自适应分类方法	结合对比心电-文本预训练和低秩卷积适配器，实现仅需训练少量参数即可适应不同心电图分类任务	NA	开发一种灵活高效的心电图自动分析方法，提高临床应用的适应性	心电图信号	机器学习	心血管疾病	深度学习	对比学习, 适配器	心电图信号, 文本	四个数据集：CPSC2018, Cinc2017, PTB-XL, Chapman	NA	低秩卷积适配器	分类准确率	NA
4246	2025-10-06	Artificial intelligence in forensic pathology: Multi-organ postmortem pathomics for estimating postmortem interval 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108949 PMID:40651440	研究论文	本研究开发了一种基于病理组学的三级分层策略，通过分析多器官死后组织学图像来估计死后间隔	首次将病理组学技术应用于法医死后图像分析，提出多器官集成模型和三层次分析框架，开创了死后病理组学子领域	研究样本量有限（12头巴马小型猪），仅针对特定时间点（6、24、48、96小时）进行分析	开发基于病理组学的死后间隔估计方法，为死后病理组学奠定基础	巴马小型猪的肝脏、肾脏和骨骼肌组织	数字病理	法医病理学	苏木精-伊红染色，全切片成像	CNN	图像	12头巴马小型猪（主要研究）+ 4头（外部验证）	NA	DenseNet121, VGG16	准确率	NA
4247	2025-10-06	Handwritten signature verification using a wearable surface-EMG armband 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108908 PMID:40664058	研究论文	本研究提出一种基于表面肌电信号的可穿戴臂环手写签名验证系统	首次提出双模型深度学习框架，结合肌肉协同激活模式与原始sEMG信号波形，创建了首个基于可穿戴设备采集的sEMG签名数据集	实验样本量较小（仅20名参与者），仅针对中文字符签名进行验证	开发基于表面肌电信号的生物特征认证系统，解决手写签名类内变异大的问题	20名个体的中文手写签名表面肌电信号	生物特征识别	NA	表面肌电图	CNN,LSTM	表面肌电信号	20名参与者	NA	CNN-LSTM,多分支CNN	准确率,等错误率	NA
4248	2025-10-06	Early detection of Multidrug Resistance using Multivariate Time Series analysis and interpretable patient-similarity representations 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108920 PMID:40675058	研究论文	提出一种基于多变量时间序列分析和可解释患者相似性表示的多药耐药性早期检测方法	结合患者相似性表示和图论方法进行多药耐药性预测，同时兼顾准确性和可解释性	仅使用单一医疗中心ICU数据集进行验证，需要更多外部验证	开发可解释的机器学习方法用于多药耐药性的早期检测	重症监护病房患者的电子健康记录数据	机器学习	感染性疾病	多变量时间序列分析	Logistic Regression, Random Forest, Support Vector Machines	电子健康记录，时间序列数据	NA	Scikit-learn	NA	AUC	NA
4249	2025-10-06	Blind super-resolution for handheld ultrasound image: Two-stage degradation based unpaired deep learning 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108956 PMID:40694937	研究论文	提出基于两阶段退化的无配对深度学习盲超分辨率方法，用于提升手持超声设备图像质量	提出两阶段退化方法，其中第一阶段采用频率概率退化减轻结构失真和纹理损失，并引入新的超声感知损失函数	NA	提升手持超声设备的图像质量	手持超声设备采集的超声图像	计算机视觉	NA	小波变换	EDSR	超声图像	NA	NA	EDSR	图像质量改进	NA
4250	2025-10-06	Predicting synergistic drug combinations via hierarchical molecular representation and cell line latent space fusion 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108933 PMID:40714415	研究论文	本研究开发了一种新颖的深度学习模型，通过分层分子表示和细胞系潜在空间融合来预测协同药物组合	提出分层表示药物分子（节点、基序和图级别）的方法，结合Mamba模块和图注意力卷积，并使用编码器-解码器结构将细胞系投影到潜在空间以减少噪声	未在论文标题和摘要中明确说明	改进药物协同作用的预测，为组合疗法设计提供支持	抗癌药物组合和各种癌细胞系	机器学习	癌症	深度学习	图神经网络,注意力机制	药物分子图数据,细胞系基因表达数据,药物反应数据	来自各种癌细胞系的基准数据集	NA	编码器-解码器,图注意力卷积,Mamba模块	NA	NA
4251	2025-10-06	TabNet and TabTransformer: Novel Deep Learning Models for Chemical Toxicity Prediction in Comparison With Machine Learning 2025-09, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4803 PMID:40309751	研究论文	本研究评估了TabNet和TabTransformer两种深度学习模型与传统机器学习方法在12个毒理学终点上预测化学毒性的性能	首次系统比较TabNet和TabTransformer深度学习架构与传统机器学习方法在化学毒性预测中的表现，并利用SHAP分析增强模型可解释性	研究仅限于12个毒理学终点和801个分子描述符，未探索更多毒性终点或分子表征方法	评估深度学习模型在化学毒性预测中的性能，并与传统机器学习方法进行对比	化学化合物的毒性预测	机器学习	NA	分子描述符分析	TabNet, TabTransformer, XGBoost, CatBoost, SVM, 投票分类器	结构化数据	12,228个训练样本和3,057个测试样本	NA	TabNet, TabTransformer	准确率, F1分数, AUC-ROC, AUPR, Matthews相关系数	NA
4252	2025-10-06	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-Sep, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	研究论文	开发结合临床和影像组学特征的机器学习模型预测嗜铬细胞瘤和副神经节瘤手术难度	首次将临床特征与影像组学特征结合构建预测PPGLs手术难度的机器学习模型	回顾性研究，需要多中心研究验证和手术难度标准细化	优化嗜铬细胞瘤和副神经节瘤术前规划并减少围手术期并发症	嗜铬细胞瘤和副神经节瘤患者	机器学习	嗜铬细胞瘤和副神经节瘤	影像组学分析	SVM	临床数据和影像数据	NA	NA	NA	AUC	NA
4253	2025-10-06	A Scalable Deep Learning Approach for Real-Time Multivariate Monitoring of Biopharmaceutical Processes With No Prior Product-Specific History 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29039 PMID:40457612	研究论文	提出一种用于无产品历史数据的生物制药过程实时监控的新型深度学习框架	结合自编码器和多阶段实时数据处理算法，开发了无需产品特定历史数据的实时异常检测与根本原因识别方法	NA	开发无需先验产品历史数据的生物制药过程实时健康监控方法	生物制药过程中的细胞培养操作，特别是单克隆抗体生产	机器学习	NA	实时多变量统计过程监控	自编码器	时间序列数据	NA	NA	自编码器	异常检测鲁棒性、故障隔离效果	可扩展软件产品
4254	2025-10-06	Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29040 PMID:40485093	研究论文	本研究开发了一种基于在线拉曼光谱和深度学习的生物乙醇发酵控制系统	采用基于半监督学习的伪标签方法将训练数据集扩大100倍，并开发了结合时序光谱特征的STC-CNN模型	NA	优化生物制造过程中的补料策略以实现稳定最大产量	酿酒酵母生物乙醇生产	机器学习	NA	在线拉曼光谱	CNN	光谱数据	NA	NA	STC-CNN	RMSE	NA
4255	2025-10-06	Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01486 PMID:40613676	研究论文	开发了一种结合蒙特卡洛模拟和深度学习的单分子光谱成像分析框架	首次提出使用蒙特卡洛模拟生成真实数据，并开发了基于监督学习的单分子光谱图像去噪方法SpecUNet	NA	推进高通量单分子光谱学和光谱分辨超分辨率显微镜的准确分析	单分子光谱成像数据、Janelia Fluors荧光分子、尼罗红极性敏感探针	计算机视觉	NA	单分子光谱成像、蒙特卡洛模拟、荧光光谱分析	CNN	光谱图像	NA	NA	U-Net	八种综合评估指标	NA
4256	2025-10-06	A lightweight hybrid DL model for multi-class chest x-ray classification for pulmonary diseases 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3b8 PMID:40706615	研究论文	提出一种结合预训练深度学习模型与支持向量机的混合方法，用于胸部X光图像的多分类任务	将轻量级预训练深度学习模型MobileNet与支持向量机分类器相结合，在保持高精度的同时减少训练时间	未明确说明样本量的具体数值，且仅使用公开数据集可能限制模型的泛化能力	开发高效的胸部X光图像分类方法以辅助肺部疾病诊断	胸部X光图像	计算机视觉	肺部疾病	医学影像分析	CNN, SVM	图像	来自多个公开数据源的胸部X光图像（具体数量未说明）	NA	DenseNet, MobileNet, EfficientNetB0, EfficientNetB3	准确率	NA
4257	2025-10-06	AI-driven framework for automated detection of kidney stones in CT images: integration of deep learning architectures and transformers 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3ba PMID:40706620	研究论文	提出一种基于人工智能的框架，用于在CT图像中自动检测和分类肾结石	集成深度学习和Transformer架构，提出SwinTResNet模型用于精确分割，并结合Vision Transformer进行分类	未提及外部验证数据集和临床部署的可行性	开发自动检测肾结石的AI方法以提高诊断效率和准确性	CT图像中的肾结石	计算机视觉	肾结石	CT成像	深度学习, Transformer	CT图像	NA	NA	SwinTResNet, Vision Transformer (ViT)	训练准确率, 验证准确率	NA
4258	2025-10-06	Artificial Intelligence for Materials Discovery, Development, and Optimization 2025-Aug-05, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c04200 PMID:40711807	综述	探讨人工智能、机器学习和深度学习在材料发现、开发和优化领域的变革性影响与应用	系统整合了AI在材料科学中的多维度应用，并前瞻性地提出量子计算与AI融合、因果推理与物理信息AI等未来发展方向	面临数据质量不一致、模型可解释性有限、缺乏标准化数据共享框架等挑战	推动材料科学领域的人工智能应用发展	材料发现、开发与优化过程	机器学习	NA	高通量筛选、计算设计、自主实验	RNN, CNN, GNN, 生成模型, Transformer	材料数据集	NA	NA	循环神经网络, 卷积神经网络, 图神经网络, 生成模型, Transformer	NA	量子计算
4259	2025-10-06	Brain tumor segmentation by optimizing deep learning U-Net model 2025-Aug-05, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251363699 PMID:40760965	研究论文	本文提出了一种优化的U-Net架构用于脑肿瘤MRI图像分割	在U-Net模型中引入Leaky ReLU激活函数、批归一化和正则化，并采用聚焦损失和广义Dice损失函数解决类别不平衡问题	仅在BraTS'2020数据集上进行验证，未在其他数据集测试泛化能力	开发改进的脑肿瘤MRI图像分割方法	脑肿瘤MRI图像	医学图像分析	脑肿瘤	磁共振成像(MRI)	U-Net	医学图像	BraTS'2020数据集	NA	U-Net	准确率,Dice系数	NA
4260	2025-10-06	A novel lung cancer diagnosis model using hybrid convolution (2D/3D)-based adaptive DenseUnet with attention mechanism 2025-Aug-05, Network (Bristol, England) DOI:10.1080/0954898X.2025.2533871 PMID:40762174	研究论文	提出一种结合混合卷积和注意力机制的高效肺癌诊断模型，用于早期准确检测肺癌	开发了基于混合卷积（2D/3D）的自适应DenseUnet注意力机制（HC-ADAM）和混合自适应扩张网络注意力机制（HADN-AM），结合ResNet和LSTM的串行级联结构	NA	开发高效的肺癌早期诊断深度学习技术	肺癌CT图像	计算机视觉	肺癌	CT成像	CNN, LSTM	医学图像	LIDC-IDRI标准基准数据集	NA	DenseUnet, ResNet, LSTM	准确率, 精确率, F1分数	NA