深度学习在生物医药领域中的应用

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
641	2025-09-23	Multi-View Self-Supervised Learning Enhances Automatic Sleep Staging From EEG Signals 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561228 PMID:40232903	研究论文	提出一种基于多视图自监督学习的自动睡眠分期方法，通过脑电图信号实现高效睡眠阶段分类	设计多视图特征编码器（时域和频域），引入跨视图对比损失和动态加权算法，显著提升特征可迁移性和模型鲁棒性	未明确说明模型在不同人群或临床环境中的泛化能力限制	开发不依赖大量标注数据的自动睡眠分期框架，提升模型泛化能力	睡眠脑电图（EEG）信号	机器学习	睡眠障碍	自监督学习（SSL）、对比学习	多视图神经网络（含时序编码器和频谱编码器）	EEG信号（时域原始信号和时频特征）	三个公开数据集（SleepEDF-20、SleepEDF-78、MASS），具体样本量未明确说明
642	2025-09-23	Machine learning based radiomic models outperform clinical biomarkers in predicting outcomes after immunotherapy for hepatocellular carcinoma 2025-Oct, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.04.017 PMID:40246150	研究论文	本研究开发了基于放射组学和临床数据的机器学习模型，用于预测肝细胞癌患者免疫治疗后的生存结果	首次将深度学习自动分割与多种机器学习模型结合，开发了优于传统临床生物标志物的集成预测模型	回顾性研究设计，样本量相对有限（152例患者）	预测肝细胞癌患者接受阿特珠单抗联合贝伐珠单抗免疫治疗后的生存结果和治疗反应	152例接受A/B方案治疗的不可切除肝细胞癌患者	医学影像分析	肝细胞癌	深度学习自动分割、机器学习建模、K-means聚类	七种机器学习模型结合13种特征选择技术	CT影像数据和临床变量	152例患者来自两个国际医疗中心（伦敦帝国理工学院队列和巴黎公立医院联盟队列）
643	2025-09-23	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出一种结合CNN和决策树验证的深度学习增强算法，用于急性意识障碍患者的自动睡眠纺锤波检测	首次将CNN与决策树辅助验证相结合，利用小波变换原理提升ADOC患者低频纺锤波的检测精度	样本量有限（MASS SS2数据集n=19，自采ADOC数据集n=24），需要更大规模临床验证	开发高精度的自动睡眠纺锤波检测算法，探索纺锤波密度与ADOC患者预后的相关性	急性意识障碍（ADOC）患者的睡眠纺锤波	医疗人工智能	急性意识障碍	小波变换、Spearman相关系数分析	CNN（卷积神经网络）与决策树集成	睡眠脑电信号	MASS SS2数据集19例，自采ADOC患者数据集24例
644	2025-09-23	Preclinical Evaluation of an Interactive Image Search System of Oral Pathology 2025-Oct, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329042 PMID:40320652	研究论文	评估基于深度学习的交互式图像检索系统Luigi-Oral在口腔肿瘤诊断中的临床实用性	首次在近临床环境中远程评估交互式CBIR系统对病理医生诊断准确性的影响	误诊可能源于查询输入不当、罕见形态类型检索性能差、缺乏详细临床信息或系统无法检索到准确类别	验证交互式图像检索系统在口腔肿瘤诊断中的辅助效果	口腔肿瘤病理图像	数字病理	口腔肿瘤	深度学习、基于内容的图像检索(CBIR)	深度学习模型	病理图像	603个病例的54,676张图像块，涵盖85种口腔肿瘤类型；28名病理医生参与评估
645	2025-09-23	Enhanced risk stratification for stage II colorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision 2025-Oct, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.05.537 PMID:40480552	研究论文	开发结合深度学习CT分类器和病理标志物的智能风险整合系统，用于优化II期结直肠癌辅助治疗决策	首次将Swin Transformer深度学习模型与病理标志物结合，创建四层风险分层系统，显著提升风险预测精度	研究基于回顾性多中心数据，需要前瞻性临床试验验证	提高II期结直肠癌患者风险分层准确性，优化辅助化疗决策	II期结直肠癌患者	数字病理	结直肠癌	深度学习、计算机断层扫描成像分析	Swin Transformer	CT图像、病理标志物数据	2992例II期结直肠癌患者来自12个中心
646	2025-09-23	Artificial Intelligence for Alzheimer's disease diagnosis through T1-weighted MRI: A systematic review 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111028 PMID:40902465	系统综述	本文系统评估了基于T1加权MRI数据使用人工智能技术对阿尔茨海默病多个阶段进行分类的研究现状	首次系统综述专注于使用AI技术基于T1加权MRI对AD连续谱中多个阶段进行分类的研究，并比较了不同方法的性能	研究方法存在异质性，存在过拟合风险，且过度依赖ADNI数据库导致数据集多样性不足	评估人工智能在阿尔茨海默病多阶段诊断中的应用效果	阿尔茨海默病患者及其不同疾病阶段的神经影像数据	医学影像分析	阿尔茨海默病	T1加权磁共振成像	CNN、非卷积神经网络、传统机器学习	医学影像	基于ADNI数据库的多中心研究数据
647	2025-09-23	A Guided Refinement Network Model With Joint Denoising and Segmentation for Low-Dose Coronary CTA Subtle Structure Enhancement 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561338 PMID:40293900	研究论文	提出一种基于联合学习的引导优化网络模型，用于低剂量冠状动脉CTA图像的降噪和细微结构增强	首次将冠状动脉分割集成到降噪过程中，通过双向引导机制实现降噪与分割的协同优化	NA	提升低剂量冠状动脉CTA图像的成像质量，辅助冠状动脉疾病诊断	低剂量冠状动脉CTA图像	医学影像处理	心血管疾病	深度学习	引导优化网络	医学影像	NA
648	2025-09-23	Artificial Intelligence-Enabled Staging Classification of Pressure Injuries 2025-Oct-01, Advances in skin & wound care IF:1.7Q2 DOI:10.1097/ASW.0000000000000352 PMID:40981689	研究论文	本研究开发了一种基于人工智能的压力性损伤分期分类工具	首次将ResNet18-Transformer编码器混合模型等多种深度学习架构应用于压力性损伤分期分类，并采用Grad-CAM可视化注意力区域	模型在第三阶段损伤的分类精度相对较低（64.72%），且样本量有限	开发能够更准确、客观识别压力性损伤不同分期的AI工具	压力性损伤图像数据	计算机视觉	压力性损伤	深度学习、计算机视觉	ResNet18、ResNet18-Transformer Encoder Hybrid Model、DenseNet-121	图像	1663张压力性损伤图像（1091张来自公开数据集，572张来自私人实验室）
649	2025-09-23	Enhanced detection of Argulus and epizootic ulcerative syndrome in fish aquaculture through an improved deep learning model 2025-Sep-22, Journal of aquatic animal health IF:1.5Q2 DOI:10.1093/jahafs/vsaf001 PMID:40662570	研究论文	开发了一种改进的YOLOV5深度学习模型，用于水产养殖中鱼类寄生虫和疾病的早期检测	在YOLOV5模型基础上进行改进，结合迁移学习技术，并将模型部署到树莓派硬件平台	NA	检测鱼类是否感染溃疡性上皮综合征和鱼虱寄生虫	水产养殖鱼类	计算机视觉	水产动物疾病	深度学习、迁移学习	改进的YOLOV5模型	图像	NA
650	2025-09-23	3D Spatial Learning for Adsorption Energy Prediction in Multi-Temporal Solution Systems: The MTSS Data Set and a GCN-Based Network 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00645 PMID:40903277	研究论文	提出用于复杂溶液系统中吸附能预测的MTSS数据集和基于图卷积网络的双通道模型SEP-Net	首次引入包含时间分辨构型的多时相溶液系统数据集，并提出融合几何学习和分子嵌入的双通道图网络	在未知溶剂上的预测误差（507.37 kJ/mol）显著高于已知溶剂	解决复杂溶液系统中吸附能的系统级预测问题	五种溶剂中的50万个时间分辨三维原子构型	机器学习	NA	几何深度学习、分子SMILES嵌入	GCN（图卷积网络）	3D原子坐标、吸附能标签	50万个时间分辨构型
651	2025-09-23	Multiview Deep Learning Framework for Precise Prediction of Transcription Factor Binding Sites 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01054 PMID:40914877	研究论文	提出一种多视图深度学习框架MDNet-TFP，用于精确预测转录因子结合位点	引入双向反向互补模块(BiRC-Mamba)处理DNA序列特性，开发多尺度卷积循环注意力网络(MCRAN)整合多维特征	NA	提高转录因子结合位点预测的准确性	DNA序列中的转录因子结合位点	生物信息学	NA	ChIP-seq测序技术	多视图深度学习框架（包含BiRC-Mamba和MCRAN模块）	基因组序列数据	165个ChIP-seq数据集（扩展验证使用690个数据集）
652	2025-09-23	Precision in Predicting Protein-Nucleic Acid Complexes: Establishing a Benchmark Data Set and Comparative Metrics 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01372 PMID:40932245	研究论文	本研究建立了蛋白质-核酸复合物结构预测的基准数据集ProNASet，并系统评估了多种计算方法的表现	首次创建包含100个实验解析结构的蛋白质-核酸复合物基准数据集，并建立多维评估框架	基准数据集规模有限（100个结构），深度学习方法的预测性能明显不足	评估蛋白质-核酸复合物结构预测的计算方法性能	蛋白质-核酸复合物三维结构	计算生物学	NA	结构预测算法评估	AlphaFold3, Chai-1, HelixFold3, Protenix, HDOCK, HDOCK_NT	蛋白质三维结构数据	100个实验解析的蛋白质-核酸复合物结构
653	2025-09-23	SERS mapping combined with explainable deep learning for exosome analysis to enhance lung cancer detection 2025-Sep-22, The Analyst DOI:10.1039/d5an00685f PMID:40859702	研究论文	本研究结合表面增强拉曼散射图谱与可解释深度学习模型，通过全面分析外泌体表面和内部生物标志物来提升肺癌检测准确率	首次将Grad-CAM可解释深度学习模型应用于外泌体SERS信号分析，同时捕获表面和内部生物标志物信息，实现了98.95%的高分类精度	未提及外部验证集性能或临床样本的验证结果	开发一种新型外泌体分析方法以提高肺癌检测准确性	肺癌细胞和正常细胞来源的外泌体	数字病理	肺癌	表面增强拉曼散射（SERS）、金纳米立方体超晶格（GNSs）制备	深度学习（Grad-CAM增强）	光谱数据（SERS mapping）	NA
654	2025-09-23	From AI-Driven Sequence Generation to Molecular Simulation: A Comprehensive Framework for Antimicrobial Peptide Discovery 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00892 PMID:40879040	研究论文	提出结合深度学习和分子模拟的综合计算框架，用于抗菌肽的发现与设计	首次将字符级生成对抗网络与分子动力学模拟相结合，建立从序列生成到功能验证的完整AMP发现流程	仅生成50个候选序列，模拟时间有限，需进一步扩大样本量和延长模拟周期	开发新型抗菌肽设计策略以解决细菌耐药性问题	抗菌肽（AMPs）序列及其与细菌膜的相互作用	机器学习	细菌感染	生成对抗网络（GAN）、分子动力学模拟、体外实验验证	GAN、PGAT-ABPp判别网络	蛋白质序列数据、分子模拟数据	生成50个候选序列，最终合成验证2个活性肽
655	2025-09-23	GlucoNet-MM: A multimodal attention-based multi-task learning framework with decision transformer for personalised and explainable blood glucose forecasting 2025-Sep-22, Diabetes, obesity & metabolism DOI:10.1111/dom.70147 PMID:40977343	研究论文	提出一种基于多模态注意力的多任务学习框架，用于个性化可解释的血糖预测	首次将决策变换器与多模态注意力机制结合，实现政策感知的血糖预测和可解释性分析	仅在两个公开数据集上进行验证，需要更多临床场景的测试	开发个性化、可解释的血糖预测深度学习框架	糖尿病患者血糖数据	机器学习	糖尿病	多任务学习、注意力机制、决策变换器、蒙特卡洛dropout	多模态深度学习框架（注意力机制+决策变换器）	多模态生理行为数据（CGM、胰岛素剂量、碳水化合物摄入、运动数据）	两个公开数据集（BrisT1D和OhioT1DM）
656	2025-09-23	AnatomyArray: a high-throughput platform for anatomical phenotyping in plants 2025-Sep-22, The Plant cell DOI:10.1093/plcell/koaf223 PMID:40977461	研究论文	开发了一种用于植物解剖表型分析的高通量平台AnatomyArray，结合深度学习工具AnatomyNet实现细胞排列模式的自动化量化	首次整合高通量石蜡切片、多通道玻片成像和深度学习分析，实现组织尺度细胞排列模式的自动化量化	NA	开发植物解剖表型分析的高通量平台并解析根系解剖结构的遗传基础	小麦根系组织	计算机视觉	NA	全基因组关联分析(GWAS)、深度学习	AnatomyNet(基于CNN的深度学习工具)	组织切片图像	多样化小麦群体
657	2025-09-23	Deep Raman Quantitative Profiling and Augmented Features for Biologically Interpretable GI Cancer Detection 2025-Sep-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04073 PMID:40977515	研究论文	开发结合拉曼光谱与深度学习的胃肠道癌症检测框架，通过定量光谱分解实现分子水平分析	提出协同框架整合定量光谱分解与可解释生物特征，引入SMOTE处理类别不平衡并创建生物可解释比率特征	样本量相对有限（恶性82例），需更大规模验证	建立基于拉曼光谱的胃肠道癌症非侵入性诊断方法	胃肠道组织样本（927例，含82例恶性与845例良性）	数字病理	胃肠道癌症	拉曼光谱、SMOTE过采样技术、SHAP可解释性分析、t-SNE可视化	CNN（用于光谱分解）、LightGBM（分类器）	光谱数据	927例胃肠道组织（82恶性/845良性），经SMOTE平衡后1080例（545良性/545恶性）
658	2025-09-23	Accelerating battery innovation: AI-powered molecular discovery 2025-Sep-22, Chemical Society reviews IF:40.4Q1 DOI:10.1039/d5cs00053j PMID:40980860	综述	系统探讨人工智能在下一代电池系统分子发现中的整合应用	首次系统总结AI算法在电池分子工程中的全流程应用，包括新兴大语言模型的引入	未涉及具体实验验证数据的量化分析	加速电池材料分子发现以推动能源技术创新	电池系统相关分子材料	机器学习	NA	AI驱动分子发现	经典机器学习/深度学习/大语言模型	分子结构数据	NA
659	2025-09-23	A multi-class segmentation model of deep learning on contrast-enhanced computed tomography to segment and differentiate lipid-poor adrenal nodules: a dual-center study 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12007-z PMID:40981992	研究论文	开发基于深度学习的多类别分割模型Mamba-USeg，用于在增强CT图像上分割并区分脂质缺乏型肾上腺腺瘤和结节性增生	首次提出基于状态空间模型的多类别分割方法，实现肾上腺结节的同步分割与分类	回顾性双中心研究，样本量有限（164例患者）	开发能够自动分割和分类肾上腺结节的深度学习模型	经病理证实的脂质缺乏型肾上腺腺瘤和结节性增生患者	医学影像分析	肾上腺疾病	对比增强计算机断层扫描	Mamba-USeg（基于SSMs的多类别分割模型）	医学影像（CT图像）	164例患者（内部中心128例，外部验证36例）
660	2025-09-23	Deep-learning-based prediction of significant portal hypertension with single cross-sectional non-enhanced CT 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12010-4 PMID:40981991	研究论文	本研究开发了一种基于单张平扫CT图像的深度学习模型，用于预测临床显著性门静脉高压	首次利用单张平扫CT图像通过深度学习预测门静脉高压，无需对比剂和复杂图像处理	研究样本量有限（421例患者），且为单中心回顾性研究	建立非侵入性的门静脉高压预测方法，替代有创的肝静脉压力梯度测量	慢性肝病患者	医学影像分析	慢性肝病/门静脉高压	CT成像	CNN（卷积神经网络）	医学影像（CT图像）	421例慢性肝病患者