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
4481	2025-12-23	Fast zero-shot deep learning-based denoising method for low-field MR images 2025-Dec-22, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01311-w PMID:41428276	研究论文	本文提出了一种基于深度学习的快速零样本去噪方法，专门用于低场磁共振图像，以提升图像质量并加速训练过程	扩展了零样本噪声即干净方法，通过修改训练过程实现更快的训练时间，并探索了基于部分数据训练以进一步加速的策略	未明确提及方法在极端噪声水平或不同低场设备间的泛化能力限制	开发一种适用于低场磁共振图像的快速去噪方法，以改善临床诊断图像质量并保持患者友好的扫描时间	低场磁共振图像（特别是0.1 T数据）	计算机视觉	NA	磁共振成像	深度学习	图像	未明确指定样本数量，但涉及高场和低场（0.1 T）磁共振数据	未明确指定，但代码发布于GitHub	未明确指定具体架构	定量评估（基于高信噪比图像）和定性评估	GPU
4482	2025-12-23	KGLGANSynergy: knowledge graph-based local and global attention network for drug synergy prediction 2025-Dec-21, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07545-5 PMID:41423603	研究论文	本文提出了一种基于知识图谱的深度学习框架KGLGANSynergy，用于预测药物协同作用	结合局部图注意力网络和全局图注意力网络，通过互交叉注意力机制融合特征，克服了现有方法忽视边属性和全局语义上下文的局限	未明确说明模型在处理大规模知识图谱时的计算效率或泛化能力限制	开发一种更准确的药物协同作用预测计算工具	药物组合和细胞系	机器学习	NA	图表示学习	GAT	图数据	基于DrugCombDB和Oncology-Screen两个基准数据集	NA	Local Graph Attention Network, Global Graph Attention Network	AUPR	NA
4483	2025-12-23	Multi-omics driven computational framework for cancer molecular subtype classification 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32051-5 PMID:41413182	研究论文	本研究通过比较分析35种AI分类器在153个数据集上的性能，探讨了癌症分子亚型分类中的关键问题，包括最佳数据集配置、组学模态性能、模型选择等	首次系统比较了多种AI分类器在多种组学模态和癌症类型中的性能，并回答了六个关键研究问题，为标准化AI驱动流程提供了指导	研究可能受限于数据集的质量和多样性，且未涵盖所有可能的组学模态或癌症类型	旨在提高癌症分子亚型分类AI方法的可比性、可重复性和泛化性，推动精准肿瘤学发展	35种AI分类器在153个数据集上的性能，涵盖8种组学模态和20种癌症	机器学习	癌症	多组学分析，包括RNASeq、miRNA、CNV、Exon、Meth、Array、SNP、RPPA	传统机器学习模型（如SVM、XGB、HGB）和深度学习模型（如ResNet18、CNN、NN、MLP）	多组学数据	153个数据集，涵盖20种癌症	NA	ResNet18, CNN, NN, MLP, SVM, XGB, HGB, DEEPGENE	宏准确率（MACC）	NA
4484	2025-12-23	Advances in machine learning-enhanced microfluidic cell sorting 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea6007 PMID:41417905	综述	本文综述了机器学习增强微流控细胞分选技术的最新进展，探讨了其在肿瘤细胞分离、单细胞分析和生物标志物检测中的应用	整合了微流控技术与机器学习（特别是计算机视觉和深度学习），实现了自动化特征提取、模式识别和实时分类，从而提高了分选精度和诊断速度	模型泛化能力和硬件-软件集成方面仍存在挑战	探讨微流控技术与机器学习在细胞分选中的协同作用，以推动精准医疗的发展	微流控细胞分选系统及其产生的成像数据	计算机视觉, 机器学习	肿瘤	微流控技术	深度学习	图像数据	NA	NA	NA	诊断敏感性, 分析通量	NA
4485	2025-12-23	Deep learning-driven conversion of scanning superlens microscopy to high depth-of-field SEM-like imaging 2025-Dec-19, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-025-01060-9 PMID:41419453	研究论文	本文提出一种基于深度学习的图像转换方法，将光学超分辨率显微镜图像转换为类似扫描电子显微镜的高分辨率图像，特别针对芯片样本进行优化	利用CycleGAN模型将无需真空或导电涂层的扫描超透镜显微镜图像转换为SEM样图像，同时保持纳米级分辨率并扩展有效景深至约2微米	方法主要针对芯片样本进行优化，可能在其他类型样本上的泛化能力未经验证	开发一种能够替代传统SEM成像的技术，克服其真空环境和样本涂层要求，同时保持高分辨率	硅晶圆芯片样本	计算机视觉	NA	扫描超透镜显微镜，Z-stack扫描	GAN	图像	未明确指定样本数量，但使用了配对的OSR和SEM图像进行训练	未明确指定，但基于CycleGAN架构	CycleGAN	峰值信噪比	NA
4486	2025-12-23	Continuous-time air pollutant forecasting using multi-timescale attention neural ordinary differential equations (MA-NODE) 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27903-z PMID:41419495	研究论文	本文提出了一种新颖的多时间尺度注意力神经常微分方程框架，用于多步空气污染物预测	首次将神经常微分方程应用于多步空气污染预测，通过连续时间建模减少多步离散化误差，并引入多时间尺度分解和注意力机制以捕捉不同的时间行为	未明确提及模型的计算复杂度或在大规模部署中的实际限制	开发一种能够准确预测空气污染物浓度的连续时间深度学习模型，以支持环境管理和公共卫生决策	空气污染物（PM2.5、O3、NO2、SO2、CO、PM10）	机器学习	NA	NA	Neural ODE, 注意力机制	时间序列数据（站点观测数据）	NA	NA	Multi-timescale Attention Neural ODE	R², MAE, RMSE, 95%区间覆盖率	NA
4487	2025-12-23	Identifying co-occurrences of message chains and member ignoring method in android applications using static program analysis and dynamic stacking ensemble 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27817-w PMID:41419514	研究论文	本文提出一种结合静态程序分析和动态堆叠集成学习的方法，用于检测Android应用中消息链与成员忽略方法这两种代码坏味的共现现象	首次针对Android特定代码坏味（MC与MIM）的共现检测提出集成方案，开发了自动化样本生成工具ASSD，并设计了动态堆叠集成与后向消除策略	方法主要针对Android平台，未验证在其他移动平台或通用软件中的适用性；样本生成依赖特定工具链	检测Android应用中代码坏味的共现模式以提升软件可维护性	Android应用程序代码	软件工程	NA	静态程序分析，集成学习	传统机器学习模型，深度学习模型	代码文本	通过ASSD工具生成的标注正负样本集	NA	动态堆叠集成（包含5个传统机器学习模型和3个深度学习模型）	F1分数，马修斯相关系数（MCC）	NA
4488	2025-12-23	Firearm classification from acoustic signals using combined mel spectrogram, MFCC, LFCC, and CRNN networks 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27949-z PMID:41419548	研究论文	本文提出了一种基于声学信号处理与深度学习相结合的方法，用于从枪声信号中分类枪支类型	提出了一种新颖的MLFCC特征集，结合了梅尔频谱图、MFCC和LFCC特征，并利用CRNN网络进行实时枪支分类	系统对极端环境条件敏感，可能影响分类性能	开发一个能够实时、准确分类枪支类型的声学信号处理系统	枪声的声学信号	机器学习	NA	声学信号处理	CRNN	音频信号	NA	NA	CRNN	准确率, 计算效率	NA
4489	2025-12-23	Non-invasive anemia detection from conjunctiva and sclera images using vision transformer with attention map explainability 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32343-w PMID:41419564	研究论文	提出了一种基于结膜和巩膜图像的非侵入性贫血检测方法，利用Vision Transformer模型实现高精度分类	首次将Vision Transformer模型应用于结膜-巩膜图像的贫血检测，并结合可解释性技术提供模型决策的视觉依据	未明确说明数据集的多样性和泛化能力，未提及模型在临床环境中的实际验证情况	开发非侵入性贫血检测方法以减少传统侵入式诊断的需求	结膜和巩膜图像	计算机视觉	贫血	图像分析	Vision Transformer (ViT)	图像	NA	NA	Vision Transformer	准确率	NA
4490	2025-12-23	Dehaze-attention: enhancing image dehazing with a multi-scale, attention-based deep learning framework 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27959-x PMID:41419565	研究论文	本研究提出了一种名为Dehaze-Attention的多尺度注意力深度学习框架，用于增强图像去雾效果	引入了注意力机制和多尺度网络结构，以动态聚焦相关特征并处理不同密度的雾霾，同时结合全局和局部特征分析	NA	改进图像去雾技术，以处理复杂大气条件下的可变雾霾密度，并保持图像结构信息	从UDTIRI数据集合成的雾霾图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	多尺度注意力网络	PSNR, SSIM	NA
4491	2025-12-23	ProjFusNet: deep neural network for peptide precursor prediction using projection-fused protein language model and structural features 2025-Dec-19, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01117-x PMID:41419957	研究论文	本文提出了一种名为ProjFusNet的深度学习框架，用于整合蛋白质序列和结构特征以预测肽前体	通过投影融合策略整合ESM-2的进化尺度蛋白质序列表示与结构特征，并利用双向LSTM建模序列与结构间的复杂相互作用	未在摘要中明确说明	准确识别肽前体，以阐明生命调控机制和开发新型疗法	肽前体序列	自然语言处理	NA	深度学习	双向LSTM	序列数据, 结构特征	NA	NA	ProjFusNet	ACC, SN, AUC, SP, MCC	NA
4492	2025-12-23	Development of the model for predicting the efficacy of bevacizumab and prognosis in ovarian cancer using deep learning-based pathomics signatures 2025-Dec-17, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003823 PMID:41424025	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4493	2025-12-23	MMC-CS: Multi-branch multi-stage contrastive learning for self-supervised compressed sensing 2025-Dec-13, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108475 PMID:41422622	研究论文	提出一种用于图像压缩感知的自监督深度学习框架MMC-CS，通过多分支多阶段对比学习解决无真实数据标签下的逆问题	提出多分支多阶段渐进交叉对比结构，利用测量值学习原始图像的共同先验；设计端到端深度神经网络，展开近端梯度下降算法；在重建过程中实现多尺度协同优化，结合图像路径和卷积特征路径	未明确说明计算复杂度或模型参数量；未与其他自监督方法进行广泛的计算效率比较	解决图像压缩感知中缺乏真实数据标签和测量数据利用不足的问题	图像压缩感知的逆问题求解	计算机视觉	NA	自监督学习，对比学习	深度神经网络	图像	NA	NA	基于近端梯度下降展开的网络，多分支多阶段结构	PSNR	NA
4494	2025-12-23	A computer vision and dynamic strain fusion approach for urban bridge weigh-in-motion 2025-Dec-12, Communications engineering DOI:10.1038/s44172-025-00544-w PMID:41388159	研究论文	本文提出了一种结合计算机视觉和结构应变传感的视频-应变反演估计系统，用于测量桥梁上的动态车辆载荷	融合计算机视觉与动态应变传感，开发轻量级深度学习检测器和多目标跟踪模型，实现低成本、高精度的城市桥梁动态称重	NA	开发一种低成本、可靠的动态称重系统，用于城市桥梁安全监测和数字孪生支持	城市桥梁上的动态车辆载荷	计算机视觉	NA	计算机视觉, 结构应变传感	深度学习检测器, 多目标跟踪模型	视频, 应变数据	来自交通繁忙城市桥梁的现场数据	NA	NA	准确率, 误检率, 误差百分比	NA
4495	2025-12-23	Accuracy of deep learning-based AI models for early caries lesion detection: the influence of annotation quality and reference choice 2025-Dec-04, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06672-z PMID:41339765	研究论文	本研究评估了不同标注方法和评估参考标准对基于深度学习的早期龋齿病变检测AI模型准确性的影响	揭示了评估参考标准的选择对AI模型性能评估的显著影响，而训练中的标注策略对准确性无显著差异	研究仅基于ACTA-DIRECT数据集，未在其他数据集上验证，且未探讨模型泛化能力	评估标注质量和参考标准选择对AI模型在早期龋齿病变检测中准确性的影响	早期龋齿病变	计算机视觉	龋齿	微CT	深度学习模型	图像	ACTA-DIRECT数据集	NA	NA	诊断准确性	NA
4496	2025-12-23	Artificial inteligence reading of cystometric traces provides good correlation with human diagnosis 2025-Dec-04, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06097-z PMID:41342912	研究论文	本研究评估了基于人工智能的膀胱测压图分类与人类专家诊断之间的相关性，旨在自动化解释过程并减少观察者间差异	结合图像基础的CNN-VGG16深度学习与基于小波的机器学习方法，并集成异常检测处理伪影，提高了诊断准确性	研究为回顾性、单中心设计，样本量有限，且未提供定量指标	评估人工智能在膀胱测压图解释中的诊断准确性，以自动化并标准化尿动力学研究	成人膀胱测压图轨迹	机器学习	下尿路功能障碍	膀胱测压术	CNN, 机器学习	图像, 信号	517个膀胱测压图轨迹（200个用于训练，317个用于测试）	NA	VGG16	准确率, 特异性, 敏感性	NA
4497	2025-12-23	Application of Deep Learning-Based Multimodal Data Fusion for the Diagnosis of Skin Neglected Tropical Diseases: Systematic Review 2025-Dec-04, JMIR AI DOI:10.2196/67584 PMID:41344666	系统综述	本文系统综述了基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关皮肤病诊断中的应用	首次系统性地回顾了深度学习多模态数据融合方法在皮肤被忽视热带病诊断领域的应用，并分析了其性能提升、算法使用现状及未来研究方向	现有研究数量较少（仅14篇），数据稀缺，且未充分探讨模型在资源受限地区的实际应用可行性	评估基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关皮肤病诊断中的有效性、算法应用现状及潜在风险	皮肤被忽视热带病及相关非NTD皮肤病的诊断研究	数字病理学	皮肤被忽视热带病	多模态数据融合	CNN, Transformer, RNN, 生成模型	多模态数据（可能包括图像、文本等）	NA	NA	基于CNN的模型, Transformer, RNN, 生成模型	NA	NA
4498	2025-12-23	Machine learning models for predicting vasospasm following ruptured intracranial aneurysms: a systematic review and meta-analysis 2025-Dec-03, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06725-y PMID:41339534	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测动脉瘤性蛛网膜下腔出血后血管痉挛方面的性能	首次对机器学习预测动脉瘤性蛛网膜下腔出血后血管痉挛的研究进行系统综述和荟萃分析，比较了不同机器学习方法的性能	研究存在方法学异质性、外部验证有限、缺乏前瞻性试验，患者选择和缺乏外部验证导致偏倚风险	评估机器学习模型预测动脉瘤性蛛网膜下腔出血后血管痉挛的准确性和临床应用潜力	动脉瘤性蛛网膜下腔出血患者	机器学习	脑血管疾病	NA	深度学习, 回归模型, 集成方法, SVM	临床数据和影像数据	12项研究，包含25个机器学习模型	NA	人工神经网络, 随机森林	灵敏度, 特异性, AUC-ROC, NPV, PPV	NA
4499	2025-12-23	Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data 2025-Dec, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17773 PMID:40271548	研究论文	本文通过回顾理论、实验和数据分析，探讨了驯化过程对基因组重组率的影响，并利用深度学习方法和种群测序数据比较了家养动物与其野生祖先的重组率	结合深度学习方法和种群测序数据，首次系统比较了鸡/红原鸡、绵羊/摩弗伦羊和山羊/野山羊的基因组重组率，揭示了驯化对重组率影响的混合结果	研究结果基于有限物种比较，可能无法推广到所有驯化物种；深度学习方法的推断准确性依赖于数据质量和模型假设	检验驯化是否导致基因组重组率增加的假设，并分析其理论依据和实证证据	家养动物（鸡、绵羊、山羊）及其野生祖先（红原鸡、摩弗伦羊、野山羊）	机器学习	NA	种群测序，深度学习	深度学习	基因组测序数据	多个物种的种群测序数据，具体样本数量未明确说明	NA	NA	NA	NA
4500	2025-12-23	Deep Learning Algorithm for the Diagnosis and Prediction of Hydroxychloroquine Retinopathy: An International, Multi-institutional Study 2025-Dec, Ophthalmology. Retina DOI:10.1016/j.oret.2025.06.003 PMID:40513830	研究论文	本研究开发了一种名为HCQuery的深度学习算法，用于从光谱域OCT图像中检测羟氯喹视网膜病变并预测其未来发生	提出了一种能够早期预测羟氯喹视网膜病变的深度学习算法，平均可提前2.74年识别病变	研究基于回顾性数据，且样本来自多个国际临床中心，可能存在数据异质性和选择偏倚	开发并验证一种深度学习算法，用于羟氯喹视网膜病变的诊断和预测	服用羟氯喹的患者及其SD-OCT图像	数字病理学	视网膜病变	光谱域OCT成像	CNN	图像	409名患者（171例阳性，238例阴性），8251张SD-OCT B扫描图像（1988个体积）	NA	EfficientNet-b4	灵敏度, 特异性, 准确率, 阴性预测值, 阳性预测值, AUC, 精确率-召回率曲线下面积	NA