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
4701	2025-10-06	Improving the Minimum Free Energy Principle to the Maximum Information Efficiency Principle 2025-Jun-26, Entropy (Basel, Switzerland) DOI:10.3390/e27070684 PMID:40724400	研究论文	本文提出基于语义变分贝叶斯的最大信息效率原则，改进最小自由能原理的理论缺陷	提出语义变分贝叶斯方法和最大信息效率原则，引入语义信息G理论和逻辑贝叶斯推理，允许使用与语义相关的函数作为约束条件	需要结合深度学习方法才能获得更广泛的应用	改进最小自由能原理的理论基础，建立更完善的信息处理框架	信息理论、变分贝叶斯方法、脑与行为协调机制	机器学习	NA	变分贝叶斯方法、语义信息理论	语义变分贝叶斯	理论分析	NA	NA	NA	理论证明、计算实验	NA
4702	2025-10-06	TFSNet: A Time-Frequency Synergy Network Based on EEG Signals for Autism Spectrum Disorder Classification 2025-Jun-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15070684 PMID:40722277	研究论文	提出一种基于脑电图信号的时频协同网络TFSNet用于自闭症谱系障碍分类	设计动态残差块增强时域特征提取，结合短时傅里叶变换和自适应跨域注意力机制实现时频特征高效融合	数据集样本量较小（谢菲尔德大学数据集56例，KAU数据集17例），需在更大样本上验证模型泛化能力	提高自闭症谱系障碍脑电图信号分类准确率	自闭症谱系障碍患者和健康对照者的脑电图信号	机器学习	自闭症谱系障碍	脑电图信号分析，短时傅里叶变换	CNN, 注意力机制	脑电图信号	谢菲尔德大学数据集：28名ASD患者和28名健康对照；KAU数据集：12名ASD患者和5名健康对照	NA	TFSNet, 动态残差块, 自适应跨域注意力机制	准确率	NA
4703	2025-10-06	EnsembleNPPred: A Robust Approach to Neuropeptide Prediction and Recognition Using Ensemble Machine Learning and Deep Learning Methods 2025-Jun-25, Life (Basel, Switzerland) DOI:10.3390/life15071010 PMID:40724513	研究论文	提出一种集成机器学习和深度学习的神经肽预测框架EnsembleNPPred	集成传统机器学习模型与深度学习组件，通过多数投票机制结合SVM、Extra Trees和CNN模型的互补优势	NA	开发计算预测工具以支持神经肽候选序列的实验验证	神经肽序列	机器学习	NA	NA	SVM, Extra Trees, CNN	序列数据	NA	NA	CNN	准确率, 敏感性-特异性平衡	NA
4704	2025-10-06	Automated UPDRS Gait Scoring Using Wearable Sensor Fusion and Deep Learning 2025-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070686 PMID:40722378	研究论文	提出一种基于可穿戴传感器融合和深度学习的自动化UPDRS步态评分框架	将表面肌电信号和惯性测量单元数据整合到单一深度学习模型中，通过三分支网络结构模拟临床医生的多维评估	样本量较小（21名参与者），仅验证了简单步行任务	开发自动化帕金森病步态评估系统以减少人工评估的工作量和主观性	帕金森病患者和健康对照者	机器学习	帕金森病	表面肌电信号，惯性测量单元	深度学习	传感器信号（EMG，IMU）	21名帕金森病患者和健康对照者	NA	三分支网络（诊断头，评估头，平衡头）	分类准确率	NA
4705	2025-10-06	Multi-Step Natural Gas Load Forecasting Incorporating Data Complexity Analysis with Finite Features 2025-Jun-23, Entropy (Basel, Switzerland) DOI:10.3390/e27070671 PMID:40724388	研究论文	本研究开发了一种结合数据复杂性分析和有限特征的多步天然气负荷预测模型	通过滚动分形维数、Hurst指数、样本熵和最大Lyapunov指数量化负荷序列复杂性特征，并将复杂特征整合到分解预测框架中	NA	量化评估天然气负荷的复杂性特征并开发多步超前预测模型	天然气负荷数据	机器学习	NA	NA	XGBoost, GRU	时间序列数据	NA	XGBoost	GRU, VMD	R	NA
4706	2025-10-06	Artificial Intelligence in the Diagnostic Use of Transcranial Doppler and Sonography: A Scoping Review of Current Applications and Future Directions 2025-Jun-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070681 PMID:40722373	综述	本文综述人工智能在经颅多普勒和超声诊断中的应用现状及未来发展方向	首次系统总结AI在神经超声学领域的应用，并指出脑实质疾病评估这一未开发领域的研究潜力	数据标准化不足、算法可解释性有限、临床整合困难，脑实质疾病评估研究尚不充分	探索人工智能在经颅多普勒和超声成像中的诊断应用与未来发展	经颅多普勒(TCD)和经颅彩色多普勒(TCCD)数据，脑血管异常和脑实质病变	医学影像分析	脑血管疾病, 脑实质病变	经颅多普勒, 经颅彩色多普勒, 超声成像	机器学习, 深度学习, 卷积神经网络	多普勒信号, 超声图像	基于41项相关研究	NA	NA	NA	NA
4707	2025-10-06	A Review of Artificial Intelligence Models for Detecting Breast Arterial Calcification on Mammograms and Their Clinical Implications 2025-Jun, Cureus DOI:10.7759/cureus.86894 PMID:40726851	综述	本文综述了人工智能模型在乳腺钼靶图像中检测乳腺动脉钙化及其临床意义的研究进展	系统评估了多种深度学习模型在BAC检测中的性能，强调了AI技术解决BAC漏报和量化不一致问题的潜力	缺乏标准化的筛查协议和报告标准，模型在临床实践中的推广仍需验证	评估人工智能模型在乳腺钼靶图像中自动检测乳腺动脉钙化的应用价值	乳腺钼靶图像中的乳腺动脉钙化	计算机视觉	心血管疾病	乳腺钼靶成像	CNN, GAN	医学图像	NA	NA	U-Net, DU-Net, DoG-GAN, Simple Context U-Net	准确率, 诊断指标	NA
4708	2025-10-06	Recovery of GLRLM Features in Degraded Images using Deep Learning and Image Property Models 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047257 PMID:40727416	研究论文	提出一种基于深度学习的GLRLM特征恢复方法，用于改善医学图像放射组学特征的鲁棒性	首次将双域深度学习框架扩展到GLRLM特征恢复，并提出了GLRLM的可微分近似算法	研究仅针对肺部CT图像和COVID-19分类任务进行验证，未测试其他疾病类型	开发放射组学特征标准化方法以减少成像条件变化带来的特征变异	肺部CT图像块和GLRLM特征	计算机视觉	COVID-19	CT成像	深度学习	医学图像	NA	NA	双域深度学习网络	MSE, 准确率	NA
4709	2025-10-06	AI-driven skin cancer detection from smartphone images: A hybrid model using ViT, adaptive thresholding, black-hat transformation, and XGBoost 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328402 PMID:40720382	研究论文	提出一种基于智能手机图像的皮肤癌检测混合模型，结合视觉Transformer和XGBoost算法	采用自适应阈值处理和黑帽变换进行图像预处理，结合ViT特征提取和图像相关变量构建堆叠模型	NA	提高皮肤癌筛查的准确性和效率	六类皮肤病变：光化性角化病、基底细胞癌、黑色素瘤、痣、鳞状细胞癌和脂溢性角化病	计算机视觉	皮肤癌	智能手机图像采集	ViT, XGBoost	图像	NA	NA	Vision Transformer	准确率, PVV, 召回率, F1分数	NA
4710	2025-10-06	Hyperparameter tuned deep learning-driven medical image analysis for intracranial hemorrhage detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326255 PMID:40720400	研究论文	提出一种基于超参数调优深度学习驱动的医学图像分析方法，用于颅内出血检测	结合改进的EfficientNet特征提取、黑猩猩优化算法进行超参数调优，以及集成LSTM、堆叠自编码器和双向LSTM的分类模型	NA	开发自动化的颅内出血检测系统以提高诊断准确率	计算机断层扫描（CT）图像中的颅内出血区域	计算机视觉	颅内出血	计算机断层扫描（CT）	CNN, LSTM, Autoencoder, Bi-LSTM	医学图像	NA	NA	EfficientNet, LSTM, Stacked Autoencoder, Bi-LSTM	准确率	NA
4711	2025-10-06	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出基于AMFormer的交通事故责任认定框架，通过时空特征建模实现可解释的多标签责任分类	开发AMFormer（算术特征交互Transformer）框架，结合SHAP分析提供责任认定的可解释性	未明确说明数据集的具体规模和多样性限制	开发准确且可解释的交通事故责任认定方法	交通事故数据及责任认定	自然语言处理	NA	深度学习，SHAP可解释性分析	Transformer	交通事故特征数据	真实世界数据集（未明确具体数量）	NA	AMFormer（算术特征交互Transformer）	准确率，F1分数	NA
4712	2025-10-06	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	开发深度学习模型用于超声图像中肝脏肿瘤的自动实时检测和诊断	在大型数据集上比较多种深度学习模型对肝脏肿瘤的诊断性能，并实现基于超声的实时病变检测和分类	回顾性研究设计，数据集时间跨度较长（2002-2020年）	开发自动诊断和检测肝脏病变的深度学习模型，以肝细胞癌为主要恶性肿瘤	肝脏肿瘤患者，包括恶性和良性病变	计算机视觉	肝癌	超声成像	CNN, Transformer	超声图像	1576名患者，4599张图像，6001个病变	NA	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	AUC, mAP	NA
4713	2025-10-06	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	开发并验证一种能够在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度的深度学习模型	在DeepLabv3-ResNet101架构中集成通道和空间注意力模块、dropout强化的空洞空间金字塔池化以及加权交叉熵损失函数，专门针对真实世界儿童烧伤图像的多类分割和严重程度识别	仅使用单中心回顾性数据，图像分辨率统一调整为256×256像素可能损失部分细节信息	开发适用于真实世界成像条件的儿童烧伤自动分割和深度分级系统	儿童烧伤患者的智能手机或相机拍摄照片	计算机视觉	烧伤	深度学习图像分析	CNN	图像	4785张照片，包含14,355个烧伤区域标注	PyTorch	DeepLabv3, ResNet101	Dice系数, 交并比, 准确率, 精确率, 召回率, F1分数, AUC	NVIDIA GTX 1060 GPU
4714	2025-10-06	Cohort protocol: risk assessment of maternal inflammation and early brain development in infants and young children based on multi-source data modeling 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1530285 PMID:40726941	研究方案	基于多源数据建模评估母体炎症对婴幼儿早期大脑发育风险的研究方案	首次在'基因-影像-环境-行为'多因素复杂交互作用下，利用深度学习构建婴幼儿大脑发育早期风险评估模型	样本量相对有限（360对母子），随访时间仅至3岁	评估母体炎症对婴幼儿早期大脑发育的风险，理解早期发育机制并预防大脑发育障碍	360对孕妇及其后代组成的厦门儿童大脑发育队列	数字病理学	儿科疾病	全外显子组测序，神经影像学，行为评估，生物标志物分析	深度学习	问卷数据，医学记录，神经影像数据，行为评估数据，基因测序数据，生物标志物数据	360对孕妇及其后代	NA	NA	NA	NA
4715	2025-10-06	Enhancing action recognition in educational settings using AI-driven information systems for public health monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1592228 PMID:40726947	研究论文	提出一种融合自适应知识嵌入网络和动态个性化学习策略的AI驱动信息系统，用于教育场景中的行为识别和公共卫生监测	首次将自适应知识嵌入网络(AKEN)与动态个性化学习策略(DPLS)相结合，通过强化学习和可解释AI技术实现教育环境中复杂行为模式的实时识别与干预	未明确说明实验规模和数据采集的具体环境限制	提升教育环境中行为识别的准确性，增强公共卫生监测能力	学生行为模式（久坐行为、社交互动、卫生依从性等）	计算机视觉, 自然语言处理	公共卫生	深度学习, 强化学习, 可解释AI	深度学习模型	行为数据, 环境数据	NA	NA	自适应知识嵌入网络(AKEN)	识别准确率	NA
4716	2025-10-06	Integrating Gene Ontology Relationships for Protein Function Prediction Using PFresGO 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_9 PMID:40728613	研究论文	提出了一种基于注意力机制的深度学习模型PFresGO，利用基因本体层次结构关系进行高通量蛋白质功能预测	首次将基因本体图的层次结构关系整合到蛋白质功能预测中，克服了传统方法忽略功能间关系的局限性	NA	开发高效的计算方法进行蛋白质功能注释，弥合高通量序列数据与未知蛋白质功能之间的差距	蛋白质功能预测	生物信息学	NA	基因本体分析	深度学习,注意力机制	基因本体图数据,蛋白质序列数据	NA	NA	基于注意力的图神经网络	NA	NA
4717	2025-10-06	Machine Learning for Protein Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_2 PMID:40728606	综述	本章全面回顾和分类了基于Gene Ontology术语的蛋白质功能预测计算方法	系统梳理了蛋白质功能预测的计算方法分类体系，涵盖模板检测、统计机器学习、深度学习和组合方法	NA	开发高效准确的计算方法进行蛋白质功能预测	蛋白质功能	生物信息学	NA	计算预测方法	NA	蛋白质功能注释数据	NA	NA	NA	NA	NA
4718	2025-10-06	A Survey of Deep Learning Methods and Tools for Protein Binding Site Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_5 PMID:40728609	综述	全面综述深度学习在蛋白质结合位点预测中的方法和工具	系统整理并评估了最新的深度学习预测方法，提供了从数据收集到模型实现的完整指南	作为综述文章，不包含原创性实验验证	为开发和应用深度学习模型预测蛋白质结合位点提供全面指导	蛋白质与配体（肽段、小分子、离子、核酸）的相互作用	生物信息学	NA	深度学习	CNN, GNN	蛋白质结构数据	NA	NA	卷积神经网络, 图神经网络	NA	NA
4719	2025-10-06	Annotating genomes with DeepGO protein function prediction tools 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_10 PMID:40728614	综述	本章探讨了DeepGO蛋白质功能预测工具套件的演变及其在基因组注释中的应用	介绍了DeepGO系列工具的演进历程，重点展示了最新版本DeepGO-SE在细菌基因组注释中的实际应用效果	NA	为研究人员提供使用深度学习进行蛋白质功能预测和基因组注释的实用指南	蛋白质功能预测工具DeepGO系列及其在基因组注释中的应用	生物信息学	NA	深度学习	深度学习模型	蛋白质序列数据	NA	NA	DeepGO系列模型（包括DeepGO-SE）	效率, 准确率	NA
4720	2025-10-06	A Benchmarking Platform for Assessing Protein Language Models on Function-Related Prediction Tasks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_14 PMID:40728618	研究论文	介绍了一个用于评估蛋白质语言模型在功能相关预测任务上性能的基准测试平台PROBE	开发了首个综合评估蛋白质表示方法的基准框架PROBE，支持评估传统方法和新兴的多模态蛋白质语言模型	基准测试任务范围有限，仅包含四个核心任务，可能无法覆盖所有蛋白质功能预测场景	建立标准化基准平台，系统评估不同蛋白质表示方法在功能预测任务上的性能	蛋白质序列、结构和功能数据	自然语言处理, 生物信息学	NA	蛋白质语言模型, 深度学习	蛋白质语言模型	蛋白质序列, 结构信息	NA	NA	ESM2, ESM3, ProstT5, SaProt	语义相似度推理, 本体功能预测, 药物靶点家族分类, 蛋白质-蛋白质结合亲和力估计	NA