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
521	2025-12-12	A deep learning framework for understanding cochlear implants 2025-Oct-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665227 PMID:40777303	研究论文	本文提出了一种深度学习框架，用于通过模拟人工耳蜗输入评估感官假体的性能限制	开发了一种基于任务优化解码器的深度学习框架，首次用于模拟人工耳蜗输入以评估最佳性能结果	研究基于模拟听觉神经输入，可能未完全反映真实生理条件下的复杂性	评估人工耳蜗等感官假体的性能限制及潜在改进方向	人工耳蜗（用于治疗耳聋的标准设备）	机器学习	耳聋	深度学习模拟	人工神经网络	模拟听觉神经输入数据	NA	NA	NA	语音识别准确率，声音定位精度	NA
522	2025-12-12	Qimai: a multi-agent framework for zero-shot DNA-protein interaction prediction 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.30.679628 PMID:41256652	研究论文	本文提出了一个名为Qimai的多智能体框架，用于零样本DNA-蛋白质相互作用预测，通过整合深度学习预测与生物证据来提高模型对未见蛋白质的泛化能力	提出了一个模块化的AI智能体框架，首次将基于Transformer的DPI模型预测与来自查询蛋白的直接基序证据、来自其相互作用蛋白的间接基序证据相结合，并利用大型语言模型作为推理引擎进行动态权重分配，实现了可解释的预测	未明确说明框架的计算效率或对大规模基因组数据集的可扩展性，也未讨论LLM推理可能引入的偏差或错误	解决现有DNA-蛋白质相互作用预测模型对训练中未见的新蛋白质泛化能力差的问题	DNA-蛋白质相互作用	机器学习	NA	深度学习, 大型语言模型	Transformer	基因组序列数据, 蛋白质相互作用数据	78个未见过的蛋白质作为基准测试集	未明确指定，但提及了基于Transformer的模型和LLM	Transformer	AUC-PR, AUC-ROC, MCC	NA
523	2025-12-12	A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics 2025-Oct, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2025.2545828 PMID:40772544	观点文章	本文批判性地审视了机器学习在临床蛋白质组学生物标志物发现中的应用，强调算法新颖性无法弥补小样本量、批次效应、过拟合、数据泄露和模型泛化差等问题	提出在临床蛋白质组学中应现实且负责任地使用机器学习，强调严谨的研究设计、适当的验证策略以及透明、可重复的建模实践，而非追求炒作驱动的复杂性	本文为观点性文章，未进行具体实验或模型开发，因此未提供实证数据或性能比较	探讨机器学习在临床蛋白质组学生物标志物发现中的角色、挑战及未来方向	临床蛋白质组学数据及相关的机器学习应用	机器学习	NA	临床蛋白质组学	深度学习架构	蛋白质组学数据	NA	NA	NA	NA	NA
524	2025-12-12	Evaluation of paediatric head CT radiation dose in Jordan: A new national diagnostic reference level survey 2025-Oct, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.103158 PMID:40939270	研究论文	本研究评估了约旦八家医院儿科头部CT扫描的辐射剂量，并建立了国家诊断参考水平	首次在约旦开展全国性儿科头部CT辐射剂量调查并建立基于年龄分组的国家诊断参考水平	患者体重数据在各医院间不完整，无法建立基于体重的诊断参考水平	评估儿科头部CT辐射剂量并建立国家诊断参考水平以减少剂量差异	约旦八家医院2024年2月至11月期间进行的1550例儿科头部CT检查	医学影像	神经系统疾病	CT扫描	NA	医疗影像剂量数据	1550例儿科头部CT检查	SPSS	NA	CTDIvol, DLP	NA
525	2025-12-12	Global Growth and Distribution of CyberKnife Stereotactic Radiosurgery: A Bibliometric Analysis 2025-Sep, Neurosurgery practice DOI:10.1227/neuprac.0000000000000150 PMID:41163657	研究论文	本文通过文献计量学方法分析了CyberKnife立体定向放射外科的全球增长趋势和分布，特别关注其在神经外科疾病中的应用	首次使用文献计量学方法全面评估CyberKnife立体定向放射外科的出版趋势、作者合作网络及疾病应用演变，并识别了新兴的跨学科关键词如机器学习和深度学习	研究仅基于Web of Science数据库，可能遗漏其他来源的文献；且为回顾性分析，无法直接评估临床效果	探索CyberKnife立体定向放射外科相关出版物的当前趋势和演变，重点关注神经外科疾病应用	3980篇相关学术文章及其作者、机构、关键词和疾病应用	医学信息学	脑转移瘤、前庭神经鞘瘤、脑膜瘤、垂体腺瘤、血管瘤、海绵窦疾病	文献计量分析、网络可视化	NA	文本数据（学术文章元数据）	3980篇文章，来自12,077位作者	R	NA	NA	NA
526	2025-12-12	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-Jul, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	研究论文	本文提出了一种基于记忆核最小化的神经网络框架MEMnets，用于准确识别生物分子动力学中的慢集体变量	MEMnets基于积分广义主方程理论，通过编码非马尔可夫动力学到记忆核中，并通过并行编码器网络最小化时间积分记忆核的上界来识别最优集体变量	NA	识别生物分子动力学中捕捉最慢时间尺度的集体变量，以理解蛋白质构象变化等生物过程	FIP35 WW结构域的折叠过程和细菌RNA聚合酶的钳口开放构象变化	机器学习	NA	深度学习	神经网络	生物分子动力学数据	NA	NA	并行编码器网络	NA	NA
527	2025-12-12	Detection and segmentation of brain metastases on MRI using 3D-MedDCNet 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18001 PMID:40665544	研究论文	本文提出了一种名为3D-MedDCNet的新型深度学习模型，用于MRI中脑转移瘤的检测与分割，旨在提高对小转移病灶的检测敏感性和分割准确性	在nnUNet框架中集成了3D可变形卷积（3D-DCN），以增强对小转移病灶的检测敏感性，同时不增加假阳性率	模型尚未在更多样化的数据集上进行验证，未来需要探索基础模型和改进实例分割策略	提高MRI中脑转移瘤的自动化检测与分割精度，以支持临床决策和治疗规划	脑转移瘤	数字病理学	脑转移瘤	MRI	CNN	图像	两个数据集：UCSF脑转移数据集（560个MRI扫描）和BraTS-METS 2023数据集（1,297个MRI扫描）	nnUNet	3D-MedDCNet（基于nnUNet集成3D-DCN）	敏感性, 精确度, 病灶级Dice系数, 患者级Dice系数, 假阳性率	NA
528	2025-12-12	Cyber-physical security of biochips: A perspective 2025-May, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0252554 PMID:40454326	综述	本文从视角角度探讨了微流控生物芯片面临的网络安全威胁及相应的多层防护对策	系统性地从结构、材料、样本和知识产权四个层面，综述了针对生物芯片的新兴攻击向量与基于深度学习、分子标记等技术的创新防护措施	NA	探讨微流控生物芯片的网络安全威胁并提出多层防护框架，以确保其在关键应用中的可靠性、安全性和可信度	微流控生物芯片	网络安全	NA	深度学习异常检测、分子条形码、光谱水印、物理不可克隆功能	NA	显微结构图像、光学变化数据、化学光谱数据、DNA序列数据	NA	NA	NA	NA	NA
529	2025-12-12	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	综述	本文综述了利用机器学习预测突变对蛋白质相互作用影响的近期进展	全面概述了不同蛋白质相互作用类型中突变影响的预测方法，并探讨了人工智能技术推动预测工具改进的未来方向	讨论了突变数据存在的偏差、数据质量和数据集规模等限制，以及开发准确预测工具的困难	理解遗传变异如何影响蛋白质与其他生物分子（如蛋白质、DNA/RNA、配体）的相互作用，以阐明疾病机制、识别生物标志物和开发靶向疗法	蛋白质相互作用及其突变引起的结合自由能变化（ΔΔGs）	机器学习	癌症	NA	机器学习,深度学习	突变数据	NA	NA	NA	NA	NA
530	2025-12-12	Building extraction from remote sensing imagery using SegFormer with post-processing optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338104 PMID:41359638	研究论文	本研究提出了一种基于SegFormer模型并结合后处理优化的高效、准确的遥感影像建筑物提取方法	采用先进的基于Transformer的SegFormer模型进行语义分割，并引入噪声过滤、边界清理和建筑物规则化等后处理技术来优化提取结果	NA	实现从遥感影像中高效、准确地提取建筑物	遥感影像中的建筑物	计算机视觉	NA	NA	Transformer	图像	使用公开的WHU建筑物数据集，涵盖城市、乡村和山区场景	NA	SegFormer, MiT-B5	交并比	NA
531	2025-12-12	Forecasting China's shipping indices based on modal decomposition and optimized deep learning integrated model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336906 PMID:41359688	研究论文	本研究提出了一种创新的混合预测模型VMD-CPSO-BiLSTM，用于提高中国航运指数的预测精度	提出了一种结合变分模态分解、混沌粒子群优化和双向长短期记忆网络的三阶段混合模型，有效处理时间序列的非线性、非平稳性和多尺度特征	未明确说明模型在其他国家航运市场或不同时间尺度下的泛化能力	提高中国航运市场时间序列预测的准确性和稳定性	中国航运指数	机器学习	NA	变分模态分解，混沌粒子群优化	BiLSTM	时间序列数据	未明确说明具体样本数量，但使用了关键的中国航运指数数据进行实证验证	NA	双向长短期记忆网络	预测准确性，模型稳定性	NA
532	2025-12-12	Data-driven prediction of future purchase behavior in cross-border e-commerce using sequence modeling with PSO-tuned LSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337932 PMID:41370290	研究论文	本研究提出了一种结合VMD、LSTM和PSO的混合深度学习框架，用于预测跨境电子商务中的用户购买行为	创新点在于将变分模态分解（VMD）与LSTM网络结合，并利用粒子群优化（PSO）自动调整超参数，以提升预测准确性和鲁棒性	NA	预测跨境电子商务中的用户购买行为，以提升平台运营效率和用户体验	跨境电子商务用户	机器学习	NA	NA	LSTM	时间序列数据	NA	NA	LSTM	预测准确性, 鲁棒性	NA
533	2025-12-12	Artificial intelligence in Brazilian Primary Health Care: scoping review 2025, Revista brasileira de enfermagem IF:1.2Q3 DOI:10.1590/0034-7167-2024-0363 PMID:41370529	综述	本文通过范围综述，探讨了人工智能在巴西初级卫生保健中的应用情况	首次系统性地综述了人工智能在巴西初级卫生保健中的具体应用、优势与挑战	研究仅基于截至2025年2月的文献，可能未涵盖最新进展；且为叙述性综述，缺乏定量分析	提供关于人工智能在巴西初级卫生保健中应用的证据	巴西初级卫生保健系统及相关人工智能应用研究	机器学习	NA	机器学习, 深度学习	NA	NA	从981篇检索文献中纳入27项研究	NA	NA	NA	NA
534	2025-12-12	Deep learning approach for objective differentiation of kidney deficiency syndrome in reproductive age females: a tongue-face fusion model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1701545 PMID:41377689	研究论文	本文提出了一种基于深度学习的舌面融合模型，用于客观区分育龄女性肾虚综合征	首次采用并行DenseNet结构结合深度监督网络策略，融合舌象和面部图像的深度特征，实现肾虚综合征的客观诊断	样本量相对有限（总计506例），且外部验证集规模较小（130例），可能影响模型的泛化能力	探索通过机器学习技术实现育龄女性肾虚综合征的客观证候区分方法	育龄女性的舌象和面部图像数据	计算机视觉	肾虚综合征	图像采集	CNN	图像	376对舌面和面部图像（训练集），130例患者（外部验证集）	NA	DenseNet	准确率, 精确率, 召回率, F1分数, ROC, AUC	NA
535	2025-12-12	A Systematic Review of Species Classification Using Deep Learning Algorithms and Gender Identification of Tribolium castaneum Using Convolutional Neural Networks 2025, Zoological studies IF:1.5Q2 DOI:10.6620/ZS.2025.64-24 PMID:41377859	研究论文	本文系统综述了深度学习算法在物种分类中的应用，并利用卷积神经网络对赤拟谷盗进行性别识别	首次应用CNN智能技术基于显微图像识别赤拟谷盗的性别差异，实现自动化特征提取和分类，减少人工干预	数据集仅包含116张显微图像，样本量较小；F1分数为0.67，表明模型在精确率和召回率平衡方面有改进空间	开发基于深度学习的动物识别与分类方法，特别关注赤拟谷盗的性别自动识别	赤拟谷盗（Tribolium castaneum）的蛹期昆虫	计算机视觉	NA	显微成像	CNN	图像	116张赤拟谷盗蛹的背侧和腹侧显微图像	NA	NA	准确率, F1分数	NA
536	2025-12-12	Plug-and-play high-frequency feature enhancement for plant image super-resolution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1723354 PMID:41378185	研究论文	本文提出了一种可插拔的高频特征增强模块，用于提升植物图像超分辨率重建中精细结构细节的恢复能力	提出了一种可无缝集成到现有超分辨率架构中的高频特征增强模块，通过选择性放大高频信息来改善如叶脉、病变边界等细微细节的重建	未明确讨论模块在不同类型植物图像或极端噪声条件下的泛化性能极限	旨在通过增强植物图像超分辨率重建的精细细节，支持更准确的表型分析、疾病监测和精准农业	植物图像，包括大规模种植园图像、水生植物图像和作物病害图像	计算机视觉	NA	深度学习超分辨率	CNN	图像	三个植物数据集：油棕数据集、AqUAVPlant数据集（基于无人机的水生植物）和Plant Pathology 2020数据集（作物病害）	NA	NA	PSNR, SSIM	NA
537	2025-12-12	Multimodal deep learning model for enhanced early detection of aortic stenosis integrating ECG and chest x-ray with cooperative learning 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698680 PMID:41378244	研究论文	本研究开发了一种整合心电图和胸部X光的多模态深度学习模型，通过协同学习框架提升主动脉瓣狭窄的早期检测能力	首次将1D ResNet50-Transformer架构与EfficientNet架构结合，通过协同学习损失函数实现心电图和胸部X光模型的相互预测优化	研究为回顾性分析，可能存在选择偏倚；模型性能仍需在前瞻性临床环境中进一步验证	开发多模态人工智能模型以提升主动脉瓣狭窄的早期检测效果	接受心电图、胸部X光和超声心动图检查的7,483名患者（共23,886条记录）	数字病理学	心血管疾病	心电图, 胸部X光, 超声心动图	深度学习	心电图信号, 医学影像	7,483名患者（608例主动脉瓣狭窄病例），共23,886条记录	NA	1D ResNet50-Transformer, EfficientNet	AUROC	NA
538	2025-12-12	Deep learning-based survival analysis of bladder cancer patients in the Putuo District, Shanghai, China 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619309 PMID:41378299	研究论文	本研究开发了一种基于TabNet的深度学习生存预测模型，用于预测上海普陀区膀胱癌患者的生存情况，并与逻辑回归模型进行了性能比较	首次将TabNet深度学习框架应用于膀胱癌患者的生存分析，并利用SHAP方法解释特征重要性，为社区管理提供新工具	研究样本仅来自上海普陀区，可能限制模型的泛化能力；样本量相对较小（620例）	开发并验证一种深度学习生存预测模型，以改善膀胱癌患者的社区管理和随访策略	上海普陀区的膀胱癌患者	机器学习	膀胱癌	生存分析	TabNet, 逻辑回归	结构化临床数据	620例膀胱癌患者（训练集434例，验证集186例）	TabNet	TabNet	ROC曲线, 决策曲线分析, 校准曲线	NA
539	2025-12-12	Multi-model deep learning for dementia detection: addressing data and model limitations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1638022 PMID:41378346	研究论文	本研究评估了多种深度学习架构在基于结构MRI的痴呆症检测中的性能，以解决现有模型在预处理和特征提取方面的限制	通过比较八种预训练CNN、Vision Transformer、多模态注意力模型和胶囊网络，全面评估了多种先进架构在痴呆症分类中的表现，并揭示了类别不平衡对模型性能的影响	所有模型均表现出性能下降和对特定类别的偏见，ViT和CapsNet模型在阿尔茨海默病检测中达到100%灵敏度但精度较低，表明存在类别不平衡效应	评估多种深度学习架构在痴呆症诊断中的性能，以解决现有模型在数据预处理和特征提取方面的限制	痴呆症、轻度认知障碍（MCI）和健康对照者的结构MRI图像	医学影像分析	痴呆症	结构MRI（sMRI）	CNN, Vision Transformer, 注意力模型, 胶囊网络	图像	每类10,000张训练图像、3,000张验证图像和850张测试图像，总计来自ADNI数据集的平衡数据集	NA	3D-CNN, Vision Transformer (ViT), 多模态注意力模型, CapsNet	准确率, 特异性, 灵敏度	NA
540	2025-12-12	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用	研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证	探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响	twister核酶（一种RNA分子）及其与Mg2+离子的相互作用	计算生物学	NA	分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法	NA	模拟数据（分子构象、离子分布、相互作用能等）	NA	NA	NA	NA	NA