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
4281	2025-12-25	Thyroid intelligent diagnosis based on THMSNet 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1686248 PMID:41427041	研究论文	本文提出了一种名为THMSNet的混合架构，用于甲状腺结节的智能诊断，结合了多尺度特征提取和全局依赖建模	提出THMSNet混合架构，集成金字塔结构进行多尺度特征提取和Mamba进行全局长程依赖建模，并引入串行通道-空间注意力模块（SCSAM）增强特征表示，以及真值校准（TVC）算法使模型预测与病理标准对齐	未在摘要中明确提及	开发一种准确且临床适用的甲状腺结节良恶性诊断方法	甲状腺超声图像	计算机视觉	甲状腺疾病	超声成像	CNN, Transformer	图像	7,288张甲状腺超声图像（3,282张良性，4,006张恶性）	未在摘要中明确提及	THMSNet, ResNet, DenseNet	准确率, 精确率, 召回率, F1分数, AUROC	未在摘要中明确提及
4282	2025-12-25	U-FDL-PPE: a unified federated deep learning framework with privacy-preserving explainability for early and accurate viral disease prediction 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1660479 PMID:41427114	研究论文	本研究提出了一种名为U-FDL-PPE的统一联邦深度学习框架，该框架结合了隐私保护和可解释性，旨在实现早期和准确的病毒性疾病预测	该框架首次将联邦学习与隐私保护的可解释性（通过Grad-CAM）相结合，用于病毒性疾病的早期诊断，解决了集中式数据存储的隐私和兼容性问题	研究仅在模拟的三家医疗机构网络中使用公开数据集进行测试，未在真实多中心临床环境中验证，且多类AUC值较低（0.5192）	开发一个支持早期、可靠病毒性疾病诊断的联邦深度学习框架，同时保护患者隐私并提供可理解的预测解释	胸部X光图像，用于分类COVID-19、正常和病毒性肺炎	计算机视觉	病毒性疾病	胸部X光成像	CNN	图像	使用公开的COVID-19放射影像数据库，在模拟的三家医疗机构网络中测试	NA	MobileNetV2	准确率, F1分数, AUC, 混淆矩阵	NA
4283	2025-12-25	Data-driven discovery of antiviral peptides against PRRSV using multiple machine learning models 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1681083 PMID:41427144	研究论文	本研究通过整合蛋白质组学与机器学习方法，筛选并预测针对猪繁殖与呼吸综合征病毒的抗病毒肽	首次将图神经网络应用于抗病毒肽预测领域，并与传统机器学习模型进行性能比较	现有预测的抗病毒肽数据库不足，需要更精确可靠的注释	筛选健康与PRRSV感染组织的差异表达蛋白和肽，并预测抗病毒肽	猪的肺、小肠和大肠组织样本	机器学习	猪繁殖与呼吸综合征	蛋白质组学分析	GNN, RF, SVM	蛋白质和肽序列数据	未明确指定样本数量，涉及肺、小肠和大肠组织	未明确指定	图神经网络, 随机森林, 支持向量机	AUC	NA
4284	2025-12-25	A deep learning-based study of player styles and cross-league performance adaptation mechanisms: a case study of the NBA and CBA 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1639972 PMID:41427262	研究论文	本研究利用深度学习和可解释建模，探讨球员风格对篮球联赛间表现适应性的影响	整合PCA、t-SNE和高斯混合模型进行球员风格聚类，并结合Branch-MLP与SHAP算法进行可解释性战术结构分析	研究仅基于2019-2024赛季的NBA和CBA数据，可能未涵盖所有联赛或历史时期的变化	通过量化框架理解不同竞争环境中球员表现机制，为训练、转会及青年人才培养提供数据驱动决策支持	NBA和CBA联赛的球员及球队比赛数据	机器学习	NA	PCA, t-SNE, 高斯混合模型, SHAP算法	多层感知机	比赛数据	2019-2024赛季的球员和球队数据	NA	Branch-MLP	准确率	NA
4285	2025-12-25	Deep learning for sleep analysis on children with sleep-disordered breathing: Automatic detection of mouth breathing events 2023, Frontiers in sleep DOI:10.3389/frsle.2023.1082996 PMID:41426436	研究论文	本研究开发了一种基于深度学习的算法，用于从儿童多导睡眠图记录中自动检测口呼吸事件	首次利用卷积神经网络自动检测儿童睡眠呼吸障碍中的口呼吸事件，为睡眠分析提供了一种新的自动化方法	模型在第二个验证数据集上性能下降，表明需要更大的训练集以提高泛化能力	构建深度学习算法以自动检测儿童睡眠呼吸障碍中的口呼吸事件	年龄在10-13岁之间的儿童，其中部分有打鼾或高阻塞性睡眠呼吸暂停值	机器学习	睡眠呼吸障碍	多导睡眠图	CNN	信号数据	20名受试者	NA	卷积神经网络	准确率, 精确率, 真阳性率, 假阳性率	NA
4286	2025-12-24	IFCNN-based fusion of GAF and MTF encoded near-infrared spectral images for quantitative analysis of microplastics 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127069 PMID:41151179	研究论文	本研究提出了一种结合近红外光谱图像转换与深度学习图像融合的新方法，用于微塑料的定量分析	首次将Gramian Angular Fields (GAF)和Markov Transition Fields (MTF)编码与改进的融合卷积神经网络(IFCNN)相结合，用于近红外光谱图像的融合与微塑料定量分析	仅针对五种特定类型的微塑料（PE、PET、PP、PS、PVC）与沙子的混合物进行研究，未涵盖所有微塑料类型	开发一种快速、准确的微塑料定量检测方法	五种微塑料（PE、PET、PP、PS、PVC）与沙子的混合物	计算机视觉	NA	近红外光谱成像	CNN	图像	五种微塑料与沙子在六个浓度水平下的混合物样本	NA	Improved Fusion Convolutional Neural Network (IFCNN), 2D-CNN	R值（相关系数）	NA
4287	2025-12-24	Deep learning-assisted surface-enhanced Raman spectroscopy detection of stimulants 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127086 PMID:41176858	研究论文	本研究结合表面增强拉曼光谱与深度学习算法，实现了五种兴奋剂的高灵敏度检测与识别	首次将表面增强拉曼光谱与LSTM等深度学习算法结合，用于兴奋剂的痕量检测，并在加标血液样本中验证了实际应用潜力	研究仅针对五种特定兴奋剂，未涉及更广泛的药物类别或复杂基质干扰	开发高灵敏度、快速响应的兴奋剂检测技术以应对滥用问题	五种兴奋剂（氯丙那林、普萘洛尔、特布他林、妥洛特罗、西马特罗）及其在加标血液样本中的检测	机器学习	NA	表面增强拉曼光谱，密度泛函理论计算	SVM, DNN, RNN, LSTM	光谱数据	涉及五种兴奋剂的SERS光谱数据，包括加标血液样本	NA	NA	准确率	NA
4288	2025-12-24	A cross-cultivar hyperspectral framework for huanglongbing detection in citrus via wavelength optimization and deep learning 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127189 PMID:41242125	研究论文	本文提出了一种基于高光谱成像和深度学习的跨品种柑橘黄龙病检测框架，通过波长优化提升模型性能	利用连续投影算法和粒子群优化算法提取跨品种一致的特征波长，并构建自定义卷积多尺度残差网络进行诊断，建立了无需针对不同品种单独建模的通用检测框架	未明确说明样本的具体数量和品种多样性，且模型在特定条件下的光谱响应差异可能影响泛化能力	开发一种跨品种的柑橘黄龙病早期准确检测方法，以控制疾病传播并减少经济损失	不同品种的柑橘叶片	计算机视觉	黄龙病	高光谱成像	SVM, MLP, CNN	高光谱图像	NA	NA	自定义卷积多尺度残差网络	准确率	NA
4289	2025-12-24	Detection of peritoneal, ovarian, and bowel endometriosis using FTIR spectroscopy and machine learning 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127242 PMID:41308317	研究论文	本研究评估了傅里叶变换红外光谱结合机器学习在检测卵巢、肠道和腹膜子宫内膜异位症中的诊断潜力	应用Boruta算法识别每种子宫内膜异位症类型最具信息量的光谱区间，揭示了与异位组织分子变化相关的特征波数范围，并通过特征选择显著提升了机器学习模型的诊断性能	未提及样本量、计算资源等具体细节，可能限制了结果的可推广性和可重复性	评估傅里叶变换红外光谱结合机器学习对子宫内膜异位症的诊断潜力	卵巢、肠道和腹膜子宫内膜异位症组织	机器学习	子宫内膜异位症	傅里叶变换红外光谱	深度学习, 支持向量机, XGBoost	光谱数据	NA	NA	NA	准确率, 灵敏度, 特异性, 精确率, F1分数, MCC, ROC AUC	NA
4290	2025-12-24	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2026-Mar-02, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202413705 PMID:41411077	研究论文	本研究利用AlphaFold2探索电压门控钠通道的多种构象及其与蛋白质伙伴的相互作用	通过改进的构象采样方法（如子采样多序列比对和循环次数变化），首次系统性地展示了AlphaFold2能够模拟钠通道的多种构象，包括实验未描述的状态和潜在中间态，并揭示了蛋白质伴侣对构象景观的显著影响	预测模型仍为假设，需实验数据验证，且存在构象采样和相互作用的建模局限性	探索AlphaFold2在模拟电压门控钠通道构象和蛋白质-蛋白质相互作用方面的能力，以增进对钠通道结构、门控和调控的理解	电压门控钠通道（NaV）的α亚基及其蛋白质伙伴（如辅助β亚基和钙调蛋白）	机器学习	NA	AlphaFold2, AlphaFold Multimer, 构象采样方法（子采样多序列比对和循环次数变化）	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2架构	相关性分析, 聚类分析	NA
4291	2025-12-24	Artificial intelligence revolutionize food detection? Vision, olfaction and taste integrated with machine learning/deep learning in food detection 2026-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147377 PMID:41365156	综述	本文综述了人工智能（AI）如何通过机器学习（ML）和深度学习（DL）技术，整合视觉、嗅觉和味觉感知系统，革新食品检测领域	系统阐述了AI在食品检测中实现特征自动提取、模式识别和决策反馈的机制，并展望了多模态数据融合和大语言模型（LLMs）的潜在应用	总结了AI在食品检测中仍面临的主要挑战	阐明AI在食品检测领域的理论框架和技术范式变革，分析其优势与局限，并展望未来发展方向	食品检测技术	机器学习	NA	计算机视觉、电子鼻、电子舌	机器学习、深度学习	复杂信号（视觉、嗅觉、味觉数据）	NA	NA	NA	检测精度、鲁棒性	NA
4292	2025-12-24	Surface-Enhanced Raman Spectroscopy Semi-Quantitative Molecular Profiling with a Convolutional Neural Network 2026-Jan, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028251377474 PMID:40887786	研究论文	本研究开发了一种结合表面增强拉曼光谱与卷积神经网络和支持向量回归的层次分析框架，用于复杂环境中多种分子的半定量分析	提出了一种集成深度学习和回归技术的层次分析框架，首次将多标签CNN用于SERS光谱中结构相似分析物的识别，并结合SVR进行半定量浓度比测定	目前仅验证了短链脂肪酸二元混合物，尚未扩展到更复杂的多组分系统或临床样本	解决复杂环境中多种分子物种的识别和定量分析挑战	短链脂肪酸（SCFAs）作为代表性生物分子靶标	机器学习	NA	表面增强拉曼光谱（SERS）	CNN, SVR	光谱数据	NA	NA	卷积神经网络	分类准确率	NA
4293	2025-12-24	Integrating Deep Model-Based Learning With Modular State-Based Stackelberg Games for Self-Optimizing Distributed Production Systems 2026-Jan, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3610707 PMID:40996999	研究论文	本文提出了一种将深度模型学习与模块化状态Stackelberg博弈相结合的新方法，用于制造系统的分布式自优化	使用深度学习替代数字表示来学习系统动态，并在虚拟环境中训练博弈参与者，从而减少实际系统交互需求	NA	开发一种样本高效的方法，用于分布式生产系统的自优化	制造系统	机器学习	NA	深度学习	深度学习模型	系统动态数据	NA	NA	NA	交互减少率	NA
4294	2025-12-24	Artificial intelligence-based lesion characterization and outcome prediction of prostate cancer on [18F]DCFPyL PSMA imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111265 PMID:41202884	研究论文	本研究开发了基于人工智能的模型，用于前列腺癌[18F]DCFPyL PET/CT成像中的病灶特征描述和预后预测	开发了结合PET和CT模态的输入串联深度学习模型，在PSMA-RADS评分、恶性分类、治疗反应预测和生存预测等多个任务中表现出优越性能	生存预测的C指数相对较低（内部测试集0.58，前瞻性测试集0.60），模型性能有待进一步提升	开发人工智能工具以改善前列腺癌的病灶特征描述和患者预后预测，辅助临床决策	接受[18F]DCFPyL PET/CT成像的前列腺癌患者	数字病理学	前列腺癌	[18F]DCFPyL PET/CT成像	深度学习模型	医学影像（PET和CT图像）	训练和内部测试集238例患者，前瞻性测试集36例患者	NA	输入串联模型（单模态和多模态深度学习模型）	AUROC（受试者工作特征曲线下面积）, C-index（一致性指数）	NA
4295	2025-12-24	AttnSeq-PPI: Enhancing protein-protein interaction network prediction using transfer learning-driven hybrid attention 2026-Jan-01, Biochimica et biophysica acta. Proteins and proteomics DOI:10.1016/j.bbapap.2025.141102 PMID:41138794	研究论文	提出了一种基于混合注意力机制的深度学习框架AttnSeq-PPI，用于增强蛋白质-蛋白质相互作用网络预测	结合自注意力和交叉注意力设计混合注意力机制，利用ProtT5语言模型嵌入蛋白质序列，有效捕获序列内长程依赖和蛋白质间相互作用特征	未明确说明模型在特定蛋白质类型或复杂相互作用场景下的局限性	开发一种基于序列的蛋白质-蛋白质相互作用预测方法，以克服实验和计算技术的限制	蛋白质序列及其相互作用网络	自然语言处理	NA	深度学习，大语言模型	混合注意力机制	蛋白质序列	基于种内和多物种数据集进行5折交叉验证，并使用四个独立物种和真实PPI网络数据集进行验证	未明确指定	自注意力，交叉注意力	准确率	NA
4296	2025-12-24	Deep Feature Learning From Electromyographic Signals for Gesture Recognition Systems 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3635419 PMID:41264458	综述	本文全面综述了用于肌电信号手势识别系统的最新深度学习模型，并从数据表示的角度对先进架构进行了分类	首次从数据表示（如时域波形、空间图像、谱域和图结构）的视角对深度学习架构进行分类，并探讨了半监督与自监督学习作为全监督范式的补充方法	高质量标注的肌电数据集有限，阻碍了研究成果向实际应用的转化	开发用于肌电信号解码的通用且鲁棒的深度学习模型，以推动手势识别系统在人机交互、神经接口和康复机器人等领域的应用	肌电信号	机器学习	NA	肌电图	深度学习模型	肌电信号（可表示为时域波形、空间图像、谱域和图结构）	NA	NA	NA	NA	NA
4297	2025-12-24	Modality-AGnostic image Cascade (MAGIC) for multi-modality cardiac substructure segmentation 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111296 PMID:41271169	研究论文	本文提出并验证了一种名为MAGIC的模态无关图像级联深度学习管道，用于多模态心脏亚结构分割	通过复制nnU-Net骨干网络的编码和解码分支来处理多模态输入和重叠标签，实现了在单一模型中分割多种图像模态和重叠结构，同时显著减少了训练时间和参数数量	未明确说明模型在更广泛或未见过的模态上的泛化能力，以及在实际临床环境中的部署验证	开发一种高效、轻量化的深度学习解决方案，用于多模态心脏亚结构分割，以减轻轮廓勾画负担并提高治疗规划中的心脏保护	心脏亚结构，包括心脏整体、心腔、大血管、瓣膜、冠状动脉和传导节点	数字病理学	心血管疾病	深度学习	CNN	图像	训练集151例，验证集15例，测试集30例，涉及心脏CT血管造影、模拟CT和低场MR-Linac等多种模态	PyTorch	nnU-Net	Dice相似系数, Wilcoxon符号秩检验	NA
4298	2025-12-24	Evaluation of compartmentalized automatic segmentation for definition of the GTV in glioblastoma radiotherapy 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111308 PMID:41308924	研究论文	本研究评估了深度学习模型Neosoma Glioma在胶质母细胞瘤放疗中自动分割大体肿瘤体积的临床应用价值	首次评估了基于深度学习的自动分割模型在术后胶质母细胞瘤放疗靶区勾画中的临床应用，并验证了其几何相似性和剂量学等效性	研究为回顾性分析，样本量有限（100例），且仅在一家医疗机构进行验证	评估自动分割模型在胶质母细胞瘤放疗靶区定义中的临床应用可行性	术后胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多模态MRI	深度学习模型	医学影像	100例胶质母细胞瘤病例	NA	Neosoma Glioma	Dice相似系数	NA
4299	2025-12-24	Dynamic prediction of Radiotherapy toxicities in Head and neck cancer using clinical and imaging data 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111312 PMID:41314396	研究论文	本研究开发了一个动态深度学习模型，用于预测头颈癌放疗期间的三种主要毒性反应，通过整合临床数据和每日锥形束CT影像进行评估	首次将每日CBCT影像的解剖变形特征（雅可比行列式矩阵）与临床数据结合，用于动态预测头颈癌放疗毒性，并评估了序列影像或剂量学特征对早期预测的改进效果	研究为回顾性分析，影像数据（早期Jf或影像组学）未显示出对预测性能的改进，可能受限于数据特征或模型架构	开发一个动态深度学习模型，以早期预测头颈癌放疗期间的毒性反应，优化患者管理	头颈癌患者	数字病理学	头颈癌	锥形束计算机断层扫描（CBCT），影像组学分析	CNN, MLP	影像（CBCT），临床数据	1,012名头颈癌患者	NA	3D ResNet50, 多层感知机	准确率	NA
4300	2025-12-24	Real-Time Rodent Pupillometry on an Embedded Platform for Neuromodulation 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3643813 PMID:41385412	研究论文	本研究提出了一种基于嵌入式平台的低成本实时啮齿动物瞳孔测量系统，用于神经调控研究	开发了一种针对啮齿动物优化的基于规则的瞳孔测量算法，结合自适应椭圆拟合、RGB掩模伪影抑制和贪婪跟踪，在红外照明下实现稳健性能，无需GPU加速	系统主要针对大鼠设计，可能不直接适用于其他啮齿动物或不同实验条件；性能评估基于特定实验设置，泛化能力需进一步验证	开发一种适用于啮齿动物实验的实时瞳孔测量系统，以支持神经调控研究	Long-Evans大鼠	计算机视觉	NA	红外照明成像	基于规则的算法	图像	未明确指定样本数量，但涉及Long-Evans大鼠的体内实验	嵌入式平台（未指定具体框架）	自适应椭圆拟合、RGB掩模、贪婪跟踪	检测率	嵌入式平台（无需GPU加速）