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
5261	2025-12-31	Deep learning denoising enables rapid SEM imaging under charging conditions for FE SEM, CD SEM, and review SEM 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33273-3 PMID:41461855	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5262	2026-01-30	Explainable fusion of EfficientNetB0 and ResNet50 for liver fibrosis staging in ultrasound imaging 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33544-z PMID:41461883	研究论文	本文提出了一种结合EfficientNetB0和ResNet50的多流深度学习架构，用于超声图像中的肝纤维化分期	提出了一种特征级融合解决方案，结合了EfficientNetB0和ResNet50模型，并采用了先进的归一化/正则化技术	未明确提及研究局限性	开发一种用于肝纤维化分期的深度学习模型	超声图像中的肝纤维化分期	计算机视觉	肝纤维化	超声成像	CNN	图像	NA	NA	EfficientNetB0, ResNet50	准确率, 损失值	NA
5263	2026-01-30	Deep Learning-Based EEG Emotion Recognition: A Review 2025-Dec-28, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16010041 PMID:41594762	综述	本文综述了基于深度学习的脑电图（EEG）情绪识别方法，总结了常用模型、应用、网络架构设计、优化策略及基于EEG信号特征的模型设计	提出了一个最小化的共性-个性（C-I）框架来评估模型，并讨论了从共性与个性角度改进现有方法的策略	NA	总结和评估深度学习在EEG情绪识别领域的应用，并探讨未来研究方向	脑电图（EEG）信号	自然语言处理	NA	EEG信号采集	深度学习模型	EEG信号	NA	NA	NA	NA	NA
5264	2026-01-30	DNABERT2-CAMP: A Hybrid Transformer-CNN Model for E. coli Promoter Recognition 2025-Dec-28, Genes IF:2.8Q2 DOI:10.3390/genes17010027 PMID:41595447	研究论文	本研究提出了一种名为DNABERT2-CAMP的混合Transformer-CNN模型，用于大肠杆菌启动子识别	结合预训练的DNABERT-2 Transformer进行全局序列编码与自定义的CAMP模块进行局部特征细化，以同时建模长距离基因组依赖性和细粒度局部基序	NA	提高大肠杆菌启动子序列的识别准确性和可解释性	大肠杆菌的启动子序列	自然语言处理	NA	DNA序列分析	Transformer, CNN	DNA序列	8720个实验验证的81-bp序列（包括阳性和阴性样本）	NA	DNABERT-2, CAMP模块	准确率, ROC AUC, 马修斯相关系数	NA
5265	2026-01-30	Accurate Clinical Entity Recognition and Code Mapping of Anatomopathological Reports Using BioClinicalBERT Enhanced by Retrieval-Augmented Generation: A Hybrid Deep Learning Approach 2025-Dec-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010030 PMID:41595962	研究论文	本文开发并评估了一种用于解剖病理学报告中实体提取和多本体标准化的自动化流程	采用BioClinicalBERT结合检索增强生成技术，整合密集和BM25稀疏检索，实现多本体（SNOMED CT、LOINC、ICD-11）术语映射	研究样本有限，需多机构验证才能临床部署	自动化提取解剖病理学报告中的临床实体并进行术语标准化	解剖病理学报告	自然语言处理	NA	检索增强生成	BERT	文本	560份来自突尼斯军事医院的报告	NA	BioBERT v1.1, BioClinicalBERT	精确率, 召回率, F1分数, Cohen's Kappa	NA
5266	2026-01-30	A Bidirectional Design Method for Through-Glass Vias with Selective Laser Wet Etching Based on the Cross-Modal Learning Method 2025-Dec-27, Micromachines IF:3.0Q2 DOI:10.3390/mi17010033 PMID:41597814	研究论文	本文提出了一种基于跨模态学习方法的玻璃通孔双向设计方法，用于精确预测激光湿法刻蚀参数与形态	通过整合元胞自动机刻蚀扩散物理模型与稳定扩散架构，实现了从激光参数到玻璃通孔形态的精确前向预测，并应用对比语言-图像预训练模型实现高效逆向设计	NA	解决激光湿法刻蚀工艺参数复杂影响下，玻璃通孔参数与刻蚀形态精确双向预测的挑战	玻璃通孔	机器学习	NA	选择性激光湿法刻蚀	稳定扩散, 对比语言-图像预训练	图像, 文本	NA	NA	稳定扩散, 对比语言-图像预训练	NA	NA
5267	2026-01-30	Transformer-based and CNN-based models for clinically effective 2D and 3D pelvic bone segmentation in CT imaging 2025-Dec-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09444-8 PMID:41449371	研究论文	本研究首次系统比较了基于CNN（U-Net、LinkNet）和Transformer（UNETR）架构的2D与3D模型，用于CT影像中骨盆骨结构的自动分割，旨在为临床创伤成像提供最优分割策略	首次在PENGWIN MICCAI 2024挑战数据集上系统比较2D与3D格式的CNN和Transformer架构用于骨盆骨分割，并通过整合原始30类标注为4类，为多碎片骨盆骨折分析提供了新的基准	需要外部验证和工作流程评估以支持临床整合，且UNETR在复杂碎片定位中灵敏度较低	评估和比较不同深度学习模型在骨盆CT影像中骨结构和骨折碎片自动分割的准确性与效率，以支持临床创伤成像	150名骨盆骨折患者的CT影像数据，聚焦于骶骨、左髋骨和右髋骨的分割	计算机视觉	骨盆骨折	CT成像	CNN, Transformer	图像	150名患者	PyTorch, TensorFlow	U-Net, LinkNet, UNETR, VGG19, ResNet50	Dice系数, IoU, 准确率, 灵敏度, 特异性	GPU（具体型号未指定），使用5折交叉验证进行训练和评估
5268	2026-01-30	Enhanced feature dynamic fusion gated UNet for robust retinal vessel segmentation 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33694-0 PMID:41453968	研究论文	本研究提出了一种用于视网膜血管分割的深度学习模型EFDG-UNet，通过优化特征融合、动态选择和全局位置建模来提升分割性能	提出了特征导航中心（FN-Hub）捕获多编码器层的长程依赖关系，自适应门控残差块（AGRB）增强病变区域和低对比度场景的特征选择性，以及并行聚焦注意力模块（PFAM）优化通道和空间信息	未明确说明模型在临床环境中的泛化能力或计算效率限制	开发一种鲁棒的视网膜血管分割方法以应对小血管分割、病变干扰和多尺度结构适应等挑战	视网膜血管图像	计算机视觉	视网膜血管疾病	深度学习	CNN	图像	DRIVE、CHASE_DB1和STARE三个公开数据集	未明确说明	U-Net	AUC, F1-score	未明确说明
5269	2026-01-30	Deep learning framework using UAV imagery for multi-disease detection in cereal crops 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33304-z PMID:41454037	研究论文	提出一种基于无人机影像和混合深度学习的多病害检测框架，用于识别小麦作物中的多种疾病	采用预训练的VGG-16卷积神经网络进行深度特征提取，并结合多种机器学习分类器（如SVM、随机森林等）进行病害分类，通过混合方法显著提升分类性能	未提及	开发自动化、准确且实时的病害监测系统，以支持现代精准农业	小麦作物及其病害（条锈病、白粉病、赤霉病、黄矮病）	计算机视觉	作物病害	无人机影像	CNN, SVM, RF, DT, XGBoost, BNB	图像	自定义数据集，具体数量未提及	未提及	VGG-16	准确率, 精确率, 召回率, F1分数	未提及
5270	2026-01-30	Detection and diagnosis of diabetic retinopathy in retinal fundus images using agentic AI approaches 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34016-0 PMID:41454113	研究论文	本研究提出了一种基于智能代理的AI框架（AADR-AI），用于通过视网膜眼底图像检测和诊断糖尿病视网膜病变	将智能代理原则（自主性、反应性和主动性）融入DR检测系统，实现实时分析和基于患者特定变化的自适应特征学习	NA	早期检测和准确诊断糖尿病视网膜病变，以进行及时干预	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	NA	CNN, Transformer	图像	NA	NA	卷积网络, Transformer网络	分类准确率	NA
5271	2026-01-30	LoRA-based methods on Unet for transfer learning in aneurysmal subarachnoid hematoma segmentation 2025-Dec-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02116-y PMID:41454218	研究论文	本研究探索了基于LoRA的Unet模型在动脉瘤性蛛网膜下腔血肿分割中的迁移学习方法，提出了一种新颖的CP-LoRA方法及多种DoRA变体，并验证了从创伤性脑损伤数据迁移到动脉瘤性SAH分割的可行性	首次将LoRA方法应用于医学图像分割中的卷积神经网络，提出了基于张量CP分解的CP-LoRA新方法，并引入了分解权重矩阵为幅度和方向分量的DoRA变体，挑战了传统的低秩假设	研究样本量较小（仅30例动脉瘤性SAH患者），且性能在小体积血肿（<25 mL）上仍较差（Dice 0.107-0.361），需要进一步验证	开发参数高效的迁移学习方法，以解决动脉瘤性蛛网膜下腔出血（SAH）自动分割中标注数据稀缺和跨机构泛化挑战的问题	动脉瘤性蛛网膜下腔出血（SAH）患者的CT扫描图像	医学影像分析	动脉瘤性蛛网膜下腔出血	计算机断层扫描（CT）	CNN, Unet	医学图像（CT扫描）	预训练：124例创伤性脑损伤患者（多机构）；微调：30例动脉瘤性SAH患者（密歇根大学健康系统）	NA	Unet, 多视图Unet	Dice分数, 预测与标注血体积对比	NA
5272	2026-01-30	AR-CDT NET: a deep deformable convolutional network for gut microbiome-based disease classification 2025-Dec-26, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06357-0 PMID:41454222	研究论文	本文提出了一种名为AR-CDT Net的深度学习框架，用于基于肠道微生物组的疾病分类	集成了多尺度可变形卷积模块和通道动态Tanh激活函数，以更准确和鲁棒地分类宿主疾病状态	未明确提及	提高基于肠道微生物组的疾病分类的预测性能和鲁棒性	肠道微生物组数据	机器学习	多种疾病	宏基因组测序	CNN	微生物组数据	超过8000个样本，涵盖八种疾病表型	NA	AR-CDT Net	AUC	NA
5273	2026-01-30	Engineering enhanced signal peptides: A high-throughput computational pipeline for optimizing therapeutic protein production in CHO cells 2025-Dec-25, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2025.10.007 PMID:41115608	研究论文	本文开发了一种高通量计算筛选管道，用于优化中国仓鼠卵巢细胞中治疗性蛋白质分泌的信号肽设计	利用深度学习模型SignalP 6.0筛选数百万个信号肽变体，揭示了疏水性特征、蛋白质溶解度和mRNA二级结构稳定性与表达水平的新关联	研究主要针对人血清白蛋白在CHO细胞中的表达进行验证，尚未广泛测试其他治疗性蛋白质	优化治疗性蛋白质在CHO细胞中的生产，通过理性设计高效信号肽	信号肽变体，源自小鼠/人类野生型库和C区突变体	计算生物学	NA	深度学习，高通量计算筛选	深度学习模型	序列数据	数百万个信号肽变体，包括三十个有前景的信号肽进行实验验证	NA	SignalP 6.0	预测的易位效率和切割准确性	NA
5274	2026-01-30	Enhancing healthcare classification with hybrid multimedia data processing and deep learning TNBO FCNN approach in IoT-enabled environments 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33141-0 PMID:41449205	研究论文	提出了一种结合可调非线性贝叶斯优化和全连接神经网络的混合深度学习框架，用于物联网环境中多模态医疗数据的分类，并集成了区块链技术以确保数据安全	首次将可调非线性贝叶斯优化用于高效路由和超参数调优，并与全连接神经网络结合，同时嵌入区块链技术，以解决多模态医疗数据分类中的准确性、实时性和安全性问题	未明确说明模型在极端资源受限环境中的性能，且伦理影响和未来研究方向仅作讨论，未进行实证验证	提升物联网医疗环境中多模态数据的分类准确性、实时处理能力和安全性	物联网医疗系统中的多模态患者数据（如语音、图像、信号）	机器学习	NA	深度学习, 区块链技术	FCNN	多模态数据（语音、图像、信号）	基准数据集（具体数量未说明）	NA	全连接神经网络	准确率, 灵敏度, 特异性, F1分数, AUC-ROC	NA
5275	2026-01-30	Optimized deep learning for Indian Classical Dance Classification a novel application based on a refined version of chameleon swarm algorithm 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33469-7 PMID:41449277	研究论文	本文提出了一种基于改进变色龙群算法的深度信念网络优化方法，用于印度古典舞蹈风格的自动分类	引入了改进的精细变色龙群算法，通过非线性自适应权重机制和伯努利混沌映射，平衡探索与利用，克服了原始算法收敛过快的问题，提升了在复杂优化场景中的全局搜索能力	未明确提及模型的计算复杂度、泛化能力到其他舞蹈风格或实际部署中的实时性能限制	优化深度信念网络以实现印度古典舞蹈风格的准确自动分类	印度古典舞蹈风格	计算机视觉	NA	NA	深度信念网络	视觉数据	基于印度舞蹈形式分类和Bharatnatyam舞蹈姿势两个数据集，具体样本数量未明确说明	NA	深度信念网络	准确率, 精确率, 灵敏度, 特异性, F1分数	NA
5276	2026-01-30	Brain Age as a Biomarker in Alzheimer's Disease: Narrative Perspectives on Imaging, Biomarkers, Machine Learning, and Intervention Potential 2025-Dec-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16010033 PMID:41594754	综述	本文综述了脑年龄及其与阿尔茨海默病的关联，探讨了其在早期检测、风险分层和干预监测中的潜在临床效用	提出了脑年龄差距作为一个动态、可整合且可修改的补充生物标志物，用于评估神经生物学弹性、疾病分期和个性化干预监测，并强调了多模态和深度学习方法在增强其敏感性方面的作用	需要进一步的标准化和大规模验证以支持临床转化	探讨脑年龄作为阿尔茨海默病生物标志物的潜力，包括其在早期检测、风险分层和干预监测中的应用	阿尔茨海默病连续体中的个体，包括轻度认知障碍和早期阿尔茨海默病患者	医学影像分析	阿尔茨海默病	结构磁共振成像, 功能磁共振成像, 正电子发射断层扫描, 扩散张量成像	深度学习	神经影像数据	NA	NA	NA	NA	NA
5277	2026-01-30	ACmix-Swin Deep Learning of 4-Day-Old Apis mellifera Larval Transcriptomes Reveals Early Caste-Biased Regulatory Hubs 2025-Dec-25, Genes IF:2.8Q2 DOI:10.3390/genes17010017 PMID:41595437	研究论文	本研究通过整合基因组引导的RNA-seq、差异表达基因分析、加权基因共表达网络分析和可变剪接分析，开发了ACmix-Swin深度学习模型，用于分类蜜蜂幼虫并识别早期级联偏向的调控枢纽基因	引入了结合卷积与注意力机制的ACmix-Swin混合模型，并结合WGAN-GP数据增强技术，用于高维转录组数据的解释和枢纽基因的稳健识别	研究仅针对4日龄的蜜蜂幼虫，可能未覆盖整个发育阶段的分子变化；深度学习模型的泛化能力需在更多样本或物种中验证	探究蜜蜂早期幼虫发育中的分子差异，并开发深度学习模型以发现级联偏向的调控枢纽基因	4日龄的西方蜜蜂（Apis mellifera）幼虫	自然语言处理	NA	RNA-seq, qPCR	CNN, Transformer	转录组数据	未明确指定样本数量，但涉及4日龄蜜蜂幼虫的转录组分析	NA	ACmix-Swin, WGAN-GP	准确率	NA
5278	2026-01-30	Machine Learning Prediction of Therapeutic Outcome After Transforaminal Epidural Steroid Injection for Radiculopathy from Herniated Lumbar Disc 2025-Dec-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010018 PMID:41595950	研究论文	本研究开发了一种基于机器学习的模型，用于预测腰椎间盘突出症相关神经根病患者在接受经椎间孔硬膜外类固醇注射后的治疗效果	首次开发了整合常规临床变量与MRI影像特征的机器学习模型，用于预测经椎间孔硬膜外类固醇注射在腰椎间盘突出症相关神经根病中的治疗效果	研究为单中心回顾性设计，缺乏外部验证，且MRI评估仅由单一评估者完成	预测腰椎间盘突出症相关神经根病患者接受经椎间孔硬膜外类固醇注射后的治疗效果	242名接受单节段腰椎经椎间孔硬膜外类固醇注射的腰椎间盘突出症相关神经根病患者	机器学习	腰椎间盘突出症	MRI	DNN, RF, XGBoost	临床变量, 影像特征	242名患者（训练集193名，验证集49名）	NA	深度神经网络, 随机森林, XGBoost	AUC	NA
5279	2026-01-30	Novel noninvasive assessment of upper urinary tract urine flow dynamics: a deep learning-driven reconstruction model combined with CFD simulation 2025-Dec-24, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03730-w PMID:41437298	研究论文	本研究提出了一种结合深度学习模型重建与计算流体动力学模拟的无创方法，用于评估儿童肾盂积水患者上尿路尿液流动动力学，并比较了三种机器人辅助肾盂成形术的临床效果	首次将深度学习网络应用于儿童肾盂积水病灶的网格重建，并结合CFD模拟进行尿液流动动力学参数的无创测量	样本量较小（仅36例患者），且为单中心研究	评估三种不同机器人辅助肾盂成形术对儿童上尿路尿液流动动力学的影响，并确定最优手术方案	接受机器人辅助肾盂成形术的儿童肾盂积水患者	数字病理学	肾盂积水	磁共振尿路造影，计算流体动力学模拟	深度学习网络	医学影像	36例患者	NA	NA	NA	NA
5280	2026-01-30	Comprehensive comparative analysis of explainable deep learning model for differentiation of brucellar spondylitis and tuberculous spondylitis through MRI sequences 2025-Dec-24, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03731-9 PMID:41444906	研究论文	本研究通过系统比较不同的深度学习架构，旨在寻找一种有效整合多序列MRI信息以鉴别布鲁氏菌性脊柱炎和结核性脊柱炎的策略	首次系统比较了四种不同的深度学习架构策略（单序列基线模型、单分支融合模型、异构多分支模型和同构多分支模型）在处理多序列MRI数据用于脊柱炎鉴别诊断中的有效性，并明确指出简单的通道融合策略无效	本研究为回顾性、单中心研究，样本量相对有限（235例患者），且仅使用了内部测试集进行验证，缺乏外部验证	寻找并验证一种有效的深度学习架构策略，以整合多序列MRI信息，实现布鲁氏菌性脊柱炎与结核性脊柱炎的准确鉴别诊断	经手术和病理证实的布鲁氏菌性脊柱炎（82例）和结核性脊柱炎（153例）患者的MRI图像	计算机视觉	脊柱炎（布鲁氏菌性与结核性）	磁共振成像	深度学习模型	图像（MRI序列：矢状位T1加权、T2加权、脂肪抑制序列）	235例患者（BS 82例，TS 153例），按患者级别划分训练集（70%）、验证集（15%）和内部测试集（15%）	NA	NA（研究比较了四种架构策略，未指定具体使用的CNN骨干网络）	AUC	NA