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
681	2025-10-30	Radiomics of PET Using Neural Networks for Prediction of Alzheimer's Disease Diagnosis 2025-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70128 PMID:40468810	研究论文	本研究开发了基于图神经网络和Transformer编码器的深度学习模型，利用纵向PET图像和认知评分预测阿尔茨海默病的诊断和转化	首次将图神经网络和Transformer编码器应用于纵向PET图像序列分析，同时考虑了访间时间变异性	数据来源于单一研究ADNI，未在外部数据集验证	利用纵向PET图像和认知评分预测阿尔茨海默病的诊断和从认知正常或轻度认知障碍向AD的转化	阿尔茨海默病神经影像计划(ADNI)研究收集的数据	医学影像分析	阿尔茨海默病	正电子发射断层扫描(PET)	GNN, Transformer, RNN, FFN	医学图像(PET图像), 认知评分	ADNI研究数据集	NA	图神经网络, Transformer编码器, 循环神经网络, 前馈神经网络	准确率, AUC, Brier分数	NA
682	2025-10-30	Automated mitosis detection in stained histopathological images using Faster R-CNN and stain techniques 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0049 PMID:40491077	研究论文	本研究使用Faster R-CNN和染色技术实现染色组织病理图像中的自动有丝分裂检测	提出基于Faster R-CNN的两阶段目标检测模型，并应用染色增强和标准化技术解决组织病理图像分析中的域偏移挑战	未明确说明样本量的具体数值和计算资源细节	开发自动有丝分裂检测方法以辅助癌症诊断和治疗	染色组织病理图像中的有丝分裂细胞	数字病理	癌症	染色增强, 染色标准化	Faster R-CNN, RetinaNet	图像	MIDOG++数据集	PyTorch, fastai	Faster R-CNN, RetinaNet	F1分数	NA
683	2025-10-30	Leveraging transformers for semi-supervised pathogenicity prediction with soft labels 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0047 PMID:40538169	研究论文	本文提出了一种基于Transformer的深度学习模型，用于预测遗传变异的致病性	采用半监督学习方法处理包含明确标记和模糊标记的遗传变异数据，并利用Feature Tokenizer Transformer架构处理数值和分类基因组信息	模型对明确标记变异的预测准确性较高，但对不确定性数据的预测效果仍需改进	开发遗传变异致病性预测模型以推进个性化医疗	来自NGS输出的遗传变异数据，包括明确标记和模糊标记的变异	机器学习	NA	NGS	Transformer	基因组数据	NA	NA	Feature Tokenizer Transformer	准确率	NA
684	2025-10-30	Colon cancer survival prediction from gland shapes within histology slides using deep learning 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0052 PMID:40650530	研究论文	本研究利用深度学习技术从结直肠癌组织病理图像中分割腺体，并基于腺体形态特征预测患者生存期	结合GlaS和CRAG数据集训练模型以增强泛化能力，并首次将腺体形态特征与生存预测相结合	模型在特定领域准确性和跨数据集鲁棒性之间存在权衡	通过腺体分割和形态特征分析预测结肠癌患者生存期	结直肠癌组织病理图像中的腺体结构	数字病理学	结肠癌	组织病理学成像	CNN	图像	GlaS和CRAG数据集及TCGA的全切片图像	NA	U-Net, DCAN	一致性指数, log-rank检验p值	NA
685	2025-10-30	Using machine and deep learning to predict short-term complications following trigger digit release surgery 2025-Jan, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2024.100171 PMID:39876951	研究论文	本研究使用机器学习和深度学习技术预测扳机指松解术后短期并发症	首次将多种机器学习算法应用于扳机指手术并发症预测，并比较不同模型性能	回顾性研究设计，样本量相对有限（1209例），模型预测性能有提升空间	评估机器学习技术在预测扳机指松解术后短期并发症的能力	接受扳机指松解术的患者	机器学习	手部疾病	机器学习，深度学习	Random Forest, Elastic-Net Regression, XGBoost, Neural Network	临床数据	1209例扳机指松解术病例	NA	神经网络	AUC	NA
686	2025-10-30	DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1622899 PMID:40927364	研究论文	提出一种混合深度学习框架DeepRNAac4C用于RNA N4-乙酰胞苷位点预测	整合残差神经网络、CNN、BiLSTM和BiGRU，有效捕捉局部和全局序列特征	NA	提高RNA ac4C位点预测的准确性和泛化能力	RNA N4-乙酰胞苷(ac4C)修饰位点	生物信息学	NA	RNA序列分析	CNN, BiLSTM, BiGRU, 残差神经网络	RNA序列数据	NA	NA	混合架构(ResNet, CNN, BiLSTM, BiGRU)	准确率	NA
687	2025-10-30	Attention-enhanced deep learning for cervical cytology: combining convolutional networks with multi-head attention and fuzzy logic 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/207475 PMID:41140357	研究论文	提出一种结合卷积神经网络、多头注意力和模糊逻辑的注意力增强深度学习框架，用于宫颈细胞学图像分类	引入基于模糊距离的集成方法融合多个CNN模型预测，结合四种先进预处理技术和注意力机制提升特征学习能力	未提及模型在不同数据集上的泛化能力验证和临床部署的实际可行性	开发自动化宫颈癌诊断系统以提高诊断准确性和标准化程度	宫颈涂片图像	计算机视觉	宫颈癌	图像预处理技术（小波去噪、CLAHE、背景校正、拉普拉斯锐化）	CNN	图像	NA	NA	Simple CNN, InceptionV3, Xception, Xception with Attention, Inception Attention	准确率	NA
688	2025-10-30	Cotton pest and disease diagnosis via YOLOv11-based deep learning and knowledge graphs: a real-time voice-enabled edge solution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1671755 PMID:41140380	研究论文	提出一种基于YOLOv11深度学习与知识图谱的棉花病虫害实时语音边缘诊断解决方案	集成增强型YOLOv11检测器与领域知识图谱，结合LAMP剪枝和师生蒸馏策略实现轻量化部署，并通过蓝牙语音反馈提供实时决策支持	未提及模型在其他作物病虫害上的泛化能力及长期野外稳定性验证	开发实时、可访问的棉花病虫害智能管理边缘解决方案	棉花病虫害图像及领域知识	计算机视觉	植物病害	深度学习，知识图谱构建	YOLO	图像	知识图谱包含3000+三元组，覆盖7个主要类别	PyTorch	YOLOv11	mAP50, FPS	Jetson Xavier NX边缘设备
689	2025-10-30	The use of artificial intelligence in the prevention and management of bleeding disorders: a systematic review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606788 PMID:41140650	系统综述	系统评估人工智能在出血性疾病预防和管理中的应用	首次系统综述AI在出血性疾病管理中的综合应用，涵盖多种机器学习模型和预测变量	数据集碎片化、模型可解释性有限、外部验证不足阻碍临床广泛应用	探索AI在出血性疾病预防、诊断和管理中的作用	出血性疾病患者，包括血友病、血管性血友病和免疫性血小板减少症	医疗人工智能	出血性疾病	机器学习算法、预测分析	Random Forest, XGBoost, LightGBM, 深度学习	遗传标记、实验室生物标志物、临床病史变量、人口统计学数据	基于12项符合纳入标准的研究	NA	NA	诊断准确性、风险分层、治疗结果改善	NA
690	2025-10-30	Diagnosing autism spectrum disorder based on eye tracking technology using deep learning models 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1690177 PMID:41140663	研究论文	基于眼动追踪技术使用深度学习模型诊断自闭症谱系障碍	结合CNN和LSTM模型分析眼动数据，采用互信息特征选择方法优化特征集，在ASD诊断中达到99.78%的准确率	使用标准数据集，未提及外部验证或临床实时应用的具体挑战	通过深度学习算法利用眼动追踪数据实现自闭症谱系障碍的自动诊断	患有和未患有自闭症谱系障碍的儿童	机器学习	自闭症谱系障碍	眼动追踪技术	CNN, LSTM	眼动数据	标准数据集（具体数量未提及）	NA	CNN-LSTM	准确率	NA
691	2025-10-30	Predicting the onset of internalizing disorders in early adolescence using deep learning optimized with AI 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1487894 PMID:41140958	研究论文	使用深度学习结合进化算法预测青少年早期内化障碍的发病	采用进化算法联合优化超参数和自动特征选择，分析更多候选预测因子类型，超越先前最大规模的机器学习研究	需要在其他数据集中复制验证以测试结果的泛化性	预测青少年早期内化障碍（抑郁、焦虑、躯体症状障碍）的发病	ABCD队列中9-10岁儿童及其父母提供的多领域预测因子	机器学习	精神疾病	深度学习，进化算法	人工神经网络	多领域特征数据（认知、心理社会、神经、生物）	约6000个候选预测因子	NA	人工神经网络	AUC, 准确率	NA
692	2025-10-30	Exploring AI Approaches for Breast Cancer Detection and Diagnosis: A Review Article 2025, Breast cancer (Dove Medical Press) DOI:10.2147/BCTT.S550307 PMID:41141218	综述	本文综述了人工智能在乳腺癌检测与诊断中的最新进展和应用前景	系统整合了多种影像模态（乳腺X线摄影、DBT、超声、MRI、全玻片成像）和AI技术（CNN、ViT、GAN），强调临床工作流程集成与多模态数据融合	存在外部验证不足、领域适应性差、报告标准不统一、可解释性有限以及伦理隐私等临床转化障碍	探讨AI技术在乳腺癌检测与诊断中的应用现状和发展方向	乳腺癌影像数据和相关临床病理数据	计算机视觉	乳腺癌	乳腺X线摄影、数字乳腺断层合成、超声、MRI、全玻片成像	CNN, Vision Transformer, GAN	医学影像	NA	NA	CNN, ViT, GAN	NA	NA
693	2025-10-30	KinMethyl: robust methylation detection in prokaryotic SMRT sequencing via kinetic signal modeling and deep feature integration 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf249 PMID:41141336	研究论文	提出一种名为KinMethyl的深度学习框架，通过整合序列和动力学信号来改进原核生物中的甲基化检测	开发了基于全基因组扩增样本训练的回归模型来预测未甲基化序列的动力学信号，并将其整合到下游分类器中以提高低信噪比条件下的检测性能	NA	提高原核生物PacBio SMRT测序中甲基化检测的准确性和鲁棒性	多种细菌基因组中的甲基化修饰，包括5-甲基胞嘧啶(5mC)、N6-甲基腺嘌呤(6mA)和N4-甲基胞嘧啶(4mC)	生物信息学	NA	PacBio单分子实时测序(SMRT), 全基因组扩增	回归模型, 分类器	序列数据, 动力学信号	多种细菌物种	深度学习框架	NA	AUC, DeLong检验P值	NA
694	2025-10-30	Hybrid recurrent with spiking neural network model for enhanced anomaly prediction in IoT networks security 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1651516 PMID:41141909	研究论文	提出一种结合循环神经网络和脉冲神经网络的混合模型HRSNN，用于增强物联网网络安全的异常预测	首次将循环神经网络的空间特征学习能力与脉冲神经网络的时间适应性相结合，形成混合架构	NA	提高物联网网络安全的异常检测能力	物联网网络数据	机器学习	NA	SMOTE, RFE	RNN, SNN	网络数据	CIC-IoT23和TON_IoT数据集	NA	HRSNN	准确率	NA
695	2025-10-30	PainSeeker: a head pose-invariant deep learning method for assessing rat's pain by facial expressions 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1619794 PMID:41142570	研究论文	提出一种头部姿态不变深度学习模型PainSeeker，通过面部表情自动评估大鼠疼痛程度	开发头部姿态不变深度学习模型，能识别与疼痛强相关的局部面部区域并在不同头部姿态下学习一致判别特征	仅使用六只正畸治疗大鼠的数据集，样本规模有限	开发自动评估实验室大鼠疼痛的方法	实验室大鼠的面部表情	计算机视觉	疼痛评估	面部表情分析	深度学习	图像	六只正畸治疗大鼠的面部图像数据集	NA	PainSeeker	F-score, 准确率	NA
696	2025-10-30	Predicting the conformational flexibility of antibody and T cell receptor complementarity-determining regions 2025, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-025-01131-6 PMID:41143207	研究论文	开发了一种基于深度学习的方法来预测抗体和T细胞受体CDR3环的结构灵活性	构建了包含120万个环结构的ALL-conformations数据集，并开发了首个能够可靠预测CDR环构象灵活性的深度学习工具ITsFlexible	训练数据的稀缺性仍然是结构灵活性预测的主要限制因素	预测抗体和T细胞受体互补性决定区(CDR)的结构灵活性	抗体和T细胞受体的CDR3环	计算生物学	NA	深度学习，分子动力学模拟，冷冻电镜	图神经网络	蛋白质结构数据	120万个环结构，代表超过10万个独特序列	NA	图神经网络架构	二元分类准确率	NA
697	2025-10-30	C-HDNet: A Fast Hyperdimensional Computing Based Method for Causal Effect Estimation from Networked Observational Data 2025, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-025-01502-2 PMID:41143237	研究论文	提出一种基于超维度计算的因果效应估计方法，用于处理网络观测数据中的网络干扰问题	首次将超维度计算原理应用于网络混杂环境下的因果效应估计，通过有效编码网络结构信息提高匹配准确性	NA	从具有网络干扰的观测数据中准确估计因果效应	网络结构中的个体及其邻居影响	机器学习	NA	超维度计算	匹配模型	网络观测数据	多个基准数据集	NA	C-HDNet	准确度, 运行时间	NA
698	2025-10-30	Attention-based Transformer-LSTM architecture for early diagnosis and staging of early-stage Parkinson's disease using fNIRS data 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1677722 PMID:41143247	研究论文	开发基于注意力机制的Transformer-LSTM混合深度学习模型ATLAS-PD，用于利用fNIRS数据对早期帕金森病进行诊断和分期	提出结合注意力机制、Transformer和LSTM的混合深度学习架构，首次应用于fNIRS数据的帕金森病早期诊断和分期	研究仅涵盖H&Y分期1-2期的早期帕金森病患者，未验证模型在更晚期病例中的性能	开发客观、非侵入性的帕金森病早期诊断和分期工具	早期帕金森病患者（H&Y分期1-2期）和健康对照者	机器学习	帕金森病	功能性近红外光谱（fNIRS）	Transformer,LSTM	fNIRS信号数据	240名参与者（80名健康对照，80名H&Y 1期患者，80名H&Y 2期患者），其中60名子集进行了步态想象任务	NA	注意力机制Transformer-LSTM混合架构	准确率,AUC,ROC曲线,McNemar检验	NA
699	2025-10-30	Deep Learning-Based Analysis of Mammographic Images for Breast Cancer Detection Using Transfer Learning 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70019 PMID:41143280	研究论文	本研究提出了一种基于迁移学习的创新方法，通过分析乳腺X线影像来检测乳腺癌	采用迁移学习方法结合多种CNN架构进行乳腺癌检测，AlexNet架构取得了最佳性能	数据集仅来自拉合尔当地医院的900张乳腺X线影像，样本规模有限	早期检测乳腺癌并辅助医疗诊断	乳腺X线影像	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	900张乳腺X线影像	NA	Inception-v3, ResNet-50, VGG-16, SqueezeNet, AlexNet	准确率	NA
700	2025-10-30	Interpretable multitask deep learning models for odor perception based on molecular structure 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101219 PMID:41140575	研究论文	开发基于分子结构的可解释多任务深度学习模型用于气味感知预测	使用图神经网络架构(kMoL)同时预测多种气味类别，通过多任务学习捕获相关气味间的共享表征，并应用集成梯度方法实现原子级贡献解释	模型在14种气味类别上进行训练，可能无法覆盖所有气味类型；化学结构可视化显示气味类型无明显聚类模式	研究分子结构与气味感知之间的关系，为香料配方、食品开发和药物设计提供支持	化学分子结构及其对应的气味感知特征	机器学习	NA	图神经网络，多任务学习	GNN	分子结构数据	涵盖14种气味类别的实验数据	NA	kMoL	准确率，稳定性	NA