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
681	2025-09-15	Investigation of deep learning approaches for automated damage diagnostics in fiber metal laminates using Detectron2 and SAM 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1599345 PMID:40932888	研究论文	本研究利用深度学习模型实现纤维金属层压板损伤的自动检测、分割与表征	首次将Segment Anything Model (SAM)和Mask R-CNN结合Detectron2框架应用于复合材料损伤诊断，并对比了两种模型的性能与可解释性	缺乏绝对真实数据限制了定量比较的准确性	开发纤维金属层压板损伤的自动化诊断方法	纤维金属层压板（FML）的冲击损伤	计算机视觉	NA	深度学习，监督学习	Mask R-CNN, SAM	X射线CT图像	不同能量冲击（5J、7.5J、10J、12.5J）的损伤FML板X射线CT数据集
682	2025-09-15	Weakly supervised deep learning for multimodal MRI-TRUS registration: Toward assisting prostate biopsy guidance 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375870 PMID:40933081	研究论文	提出一种弱监督深度学习框架，用于多模态MRI-TRUS图像配准，以辅助前列腺活检引导	集成注意力增强U-Net分割网络和残差增强配准网络（RERN），在最小标注依赖下实现高精度配准	NA	提升前列腺癌检测和活检引导中的多模态图像配准精度	前列腺多模态医学图像（MRI和TRUS）	数字病理	前列腺癌	深度学习，医学图像配准	U-Net，注意力机制，残差网络	多模态医学图像（MRI和TRUS）	公共数据集（MSD Prostate, Promise12, µ-RegPro）及32对临床MRI-TRUS图像对
683	2025-09-15	Improving diagnostic accuracy of routine EEG for epilepsy using deep learning 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf319 PMID:40933285	研究论文	本研究开发了一种基于深度学习的模型DeepEpilepsy，用于提高常规脑电图对癫痫的诊断准确性	首次使用Vision Transformer和CNN模型直接从原始EEG信号中识别癫痫，不依赖于传统的发作间期癫痫样放电检测	需要进一步研究以理解模型检测到的EEG模式的确切性质，并评估在特定临床环境中的实际影响	开发和验证深度学习模型，提高常规EEG对癫痫的诊断准确性	接受常规EEG检查的患者	数字病理	癫痫	EEG	Vision Transformer, CNN	EEG信号	846名患者的948份EEG记录（训练/验证集820份/728人，测试集128份/118人）
684	2025-09-15	Structure-guided deep learning for back acupoint localization via bone-measuring constraints 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1662104 PMID:40933308	研究论文	提出一种结合传统中医骨度测量原理与深度学习技术的自动化背部穴位定位框架	首次将中医骨度测量约束与深度学习结合，通过结构引导关键点估计模块和结构约束损失函数实现解剖学一致的预测	NA	开发高精度、实时运行的智能穴位定位方法以支持中医辅助诊断	人体背部穴位	计算机视觉	NA	深度学习医学图像分析	HRFormer + SG-KEM	高分辨率背部图像	430张标注19个穴位的高分辨率背部图像
685	2025-09-15	Enhanced diabetes prediction using skip-gated recurrent unit with gradient clipping approach 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1601883 PMID:40933380	研究论文	提出一种结合Skip-GRU和梯度裁剪的深度学习模型，用于糖尿病预测	引入Skip-GRU网络捕获长期依赖关系，并结合梯度裁剪技术解决梯度爆炸问题	NA	开发高效的糖尿病预测深度学习模型	糖尿病患者的医疗数据	机器学习	糖尿病	深度学习	Skip-GRU	结构化医疗数据	PIMA数据集和LMCH数据集（具体样本数未提及）
686	2025-09-15	Deep learning-based classification of peptide analytes from single-channel nanopore translocation events 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324777 PMID:40934192	研究论文	提出一种基于深度学习的纳米孔易位事件肽分析物分类数据处理流程	采用新颖的分支输入网络结构，结合时序卷积网络处理电导状态序列和密集网络整合动力学特征	基于模拟数据的研究，真实实验数据应用尚待验证；部分肽具有相似动力学参数导致事件级别预测存在误分类	开发纳米孔生物传感器中肽生物标志物的快速准确分类方法	七种肽的模拟多态易位数据	机器学习	NA	纳米孔传感技术	CNN, RNN, TCN, 密集网络	电流记录信号数据	七种肽的模拟数据集（含纯样本和混合样本）
687	2025-09-15	Peripheral blood TCR repertoire improves early detection across multiple cancer types utilizing a cancer predictor 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1625369 PMID:40936715	研究论文	提出一种名为DeepCaTCR的深度学习框架，通过分析外周血T细胞受体（TCR）序列来提升多种癌症的早期检测能力	开发了结合一维卷积神经网络、双向长短期记忆网络和自注意力机制的深度学习模型，并创新性地提出基于方差的TCR克隆扩增异质性评分策略	未明确说明样本来源的多样性限制或模型在不同人群中的泛化能力验证	通过TCR序列分析实现多种癌症的早期无创检测	癌症患者的外周血T细胞受体序列	生物信息学	多种癌症	T细胞受体测序	CNN, BiLSTM, Self-Attention	序列数据（氨基酸片段）	未明确说明具体样本数量，但包含肿瘤浸润淋巴细胞和健康外周血样本的对比验证
688	2025-09-15	EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.98 PMID:40937159	研究论文	开发了一种基于深度学习的自动分割模型EPISeg，用于梯度回波平面成像（EPI）数据中脊髓的精确分割	利用开放获取的多中心数据集训练模型，显著提升了EPI图像中脊髓分割的质量，并对不同采集协议和常见伪影具有鲁棒性	NA	自动化脊髓功能磁共振成像（fMRI）数据预处理中的分割任务，减少人工操作时间和偏差	脊髓梯度回波EPI图像	医学图像分析	神经系统相关疾病	功能磁共振成像（fMRI），梯度回波平面成像（EPI）	深度学习模型	图像	多中心数据集（具体数量未明确说明，但已公开于OpenNeuro平台）
689	2025-09-15	Exhale-Dx™: A non-invasive, real-time breath analysis system using deep learning for asthma diagnosis 2025, Journal of biological methods DOI:10.14440/jbm.2024.0142 PMID:40937370	研究论文	开发了一种基于深度学习的非侵入性实时呼吸分析系统Exhale-Dx™，用于哮喘诊断和监测	结合挥发性有机化合物（VOC）生物标志物与肺功能数据，利用先进深度神经网络ADENA提升诊断精度，可提前三天预测哮喘急性发作	NA	解决哮喘诊断延迟和误诊问题，提供即时、非侵入性的呼吸健康诊断方案	哮喘患者及非哮喘人群的呼吸样本	机器学习	哮喘	呼吸挥发性有机化合物（VOC）分析	深度神经网络（ADENA）	呼吸化合物数据、肺功能数据、临床评分	NA
690	2025-09-15	Multi-parameter MRI-based model for the prediction of early recurrence of hepatitis B-associated hepatocellular carcinoma after microwave ablation 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1638779 PMID:40937437	研究论文	基于多参数MRI和临床特征构建并验证了预测乙型肝炎相关肝细胞癌微波消融术后早期复发的模型	结合transformer深度学习网络融合多序列MRI图像，并整合临床特征构建联合预测模型	回顾性研究，样本量有限（总166例），需多中心前瞻性验证	预测乙型肝炎相关肝细胞癌微波消融术后1年内早期复发	乙型肝炎相关肝细胞癌患者	数字病理	肝细胞癌	MRI，深度学习放射组学	transformer-based deep learning network，nomogram	医学影像（MRI），临床数据	166例患者（训练集116例，外部验证集50例）
691	2025-09-15	A Physics-Informed Deep Learning Deformable Medical Image Registration Method Based on Neural ODEs 2025, International journal of computer vision IF:11.6Q1 DOI:10.1007/s11263-025-02476-6 PMID:40937462	研究论文	提出一种基于物理信息深度学习的无监督医学图像配准方法，结合神经ODE处理大变形弹性与生长重塑生物物理问题	将固体力学最小势能原理与深度学习结合，通过预测-校正两步法同时实现图像配准和物理方程求解	NA	开发能够处理大变形且符合生物物理规律的医学图像配准方法	医学图像（斑马鱼鳍再生数据、脑部MRI数据、胎儿脑发育数据）	医学图像分析	脑部疾病	深度学习，神经ODE，无监督学习	物理信息神经网络	3D医学图像	多个数据集（斑马鱼胚胎鳍、纵向脑部MRI、胎儿脑发育数据）
692	2025-09-15	Research on the robustness of the open-world test-time training model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1621025 PMID:40832673	研究论文	本文提出一种针对开放世界测试时训练模型的新型测试时投毒攻击方法，并验证其有效性	首次针对开放世界测试时训练模型设计动态梯度更新的单步查询式测试时投毒攻击方法	未在论文标题和摘要中明确说明	研究开放世界环境下测试时训练模型的安全脆弱性及攻击方法	开放世界测试时训练模型	机器学习	NA	测试时训练/适应(TTT/TTA)，对抗扰动生成	OWTTT模型	NA	NA
693	2025-09-15	Resolution of physics and deep learning-based protein engineering filters: A case study with a lipase for industrial substrate hydrolysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332409 PMID:40938899	研究论文	本研究结合物理计算与深度学习工具，对铜绿假单胞菌LipA脂肪酶进行工程改造，以提升其工业底物Roche酯的水解效率	整合分子动力学模拟、密度泛函理论计算和深度学习结构分析，系统评估单点突变对酶活性的影响，并揭示现有方法在分辨细微功能差异上的局限性	现有计算和深度学习方法无法区分5-15 kcal/mol的能量障碍差异，难以对突变体进行活性排序	优化脂肪酶LipA对工业底物Roche酯的水解催化效率	铜绿假单胞菌LipA脂肪酶及其单点突变体	蛋白质工程	NA	分子动力学(MD)模拟、密度泛函理论(DFT)计算、AlphaFold3深度学习模型	深度学习结构预测模型	蛋白质结构数据、能量计算数据	一组基于活性位点结构邻近性设计的单点突变体
694	2025-09-15	Tokenization and deep learning architectures in genomics: A comprehensive review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.07.038 PMID:40821715	综述	本文全面回顾了基因组学中分词技术和深度学习架构的应用现状与挑战	系统梳理了当前深度学习模型与分词技术在基因组数据中的适配性问题，并指出生物相关性分词技术的缺失	作为综述文章，未提出原创性方法，主要基于现有文献分析	综述基因组学领域深度学习架构与分词技术的研究进展和发展方向	基因组测序数据及其分析处理方法	自然语言处理	NA	DNA测序技术	深度学习架构	基因组序列数据	NA
695	2025-09-15	Enhancing head and neck cancer detection accuracy in digitized whole-slide histology with the HNSC-classifier: a deep learning approach 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1652144 PMID:40821698	研究论文	开发基于深度学习的HNSC-Classifier模型，用于头颈部鳞状细胞癌的自动检测和TNM分期预测	首次系统应用深度学习技术实现头颈部鳞癌数字化病理切片的自动TNM分期和整体分期预测	NA	提高头颈部鳞状细胞癌的诊断效率和准确性	头颈部鳞状细胞癌患者的数字化病理切片	数字病理学	头颈部癌症	深度学习	Inception-ResNet34 CNN	全幻灯片图像(WSI)	来自500名患者的791张全幻灯片图像
696	2025-09-15	Efficacy of artificial intelligence-based FFR technology for coronary CTA stenosis detection in clinical management of coronary artery disease: a systematic review 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1635923 PMID:40821942	系统综述	综述人工智能基于FFR技术结合冠脉CTA在冠脉狭窄检测中的临床应用与发展	整合AI-FFR技术与CCTA，提升冠脉狭窄诊断准确性及临床管理效率	算法鲁棒性不足、数据异质性及临床实施存在挑战	评估AI-FFR技术在冠脉疾病诊断与管理中的效能	冠脉狭窄检测及冠脉疾病患者	医疗人工智能	心血管疾病	AI-based FFR, CCTA, 深度学习算法	深度学习	医学影像（冠脉CTA）	NA
697	2025-09-15	Molecular Merged Hypergraph Neural Network for Explainable Solvation Gibbs Free Energy Prediction 2025, Research (Washington, D.C.) DOI:10.34133/research.0740 PMID:40822120	研究论文	提出一种分子合并超图神经网络（MMHNN），用于可解释的溶剂化吉布斯自由能预测	通过预定义子图集和超节点替换构建超图表示，降低计算复杂度同时保留关键分子相互作用，并引入基于图信息瓶颈理论的解释机制	未明确说明模型在处理极端大规模分子系统时的具体性能边界或数据需求限制	准确预测分子在溶剂中的溶剂化吉布斯自由能，并提升模型的可解释性	溶质分子与溶剂分子间的相互作用	计算化学	NA	超图神经网络，图信息瓶颈理论	MMHNN（分子合并超图神经网络）	分子结构数据	未明确说明具体样本数量，但经过广泛实验验证
698	2025-09-15	Attention-enhanced hybrid deep learning model for robust mango leaf disease classification via ConvNeXt and vision transformer fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1638520 PMID:40822714	研究论文	提出一种基于ConvNeXt和Vision Transformer融合的混合深度学习模型MangoLeafCMDF-FAMNet，用于芒果叶病害多分类	结合ConvNeXt和Vision Transformer同时提取局部纹理和全局语义特征，引入特征注意力模块（FAM）增强特征判别力，并采用新颖的跨模态动态融合策略	NA	实现芒果叶病害的准确、及时自动分类，以支持植物健康管理和可持续农业生产	芒果叶片	计算机视觉	植物病害	深度学习	CNN, Transformer, 混合模型	图像	三个基准数据集（MangoLeafDataset1: 8类, MangoLeafDataset2: 5类, MangoLeafDataset3: 8类）
699	2025-09-15	Exploring subthreshold processing for next-generation TinyAI 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1638782 PMID:40822709	观点论文	探讨亚阈值处理原理在下一代微型人工智能（TinyAI）设计中的应用与潜力	首次系统地将生物神经系统的亚阈值动态机制引入AI架构设计，提出基于分级激活函数、树突启发分层处理和混合模拟-数字系统的创新路径	NA	开发能源高效的新型AI计算架构与方法，推动资源受限环境下的可持续智能系统发展	人工智能计算架构与硬件平台	机器学习	NA	神经形态计算、存内计算	NA	NA	NA
700	2025-09-15	Contrast-enhanced CT-based deep learning model assists in preoperative risk classification of thymic epithelial tumors 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1616816 PMID:40823066	研究论文	本研究开发并评估了一种基于对比增强CT的深度学习模型，用于辅助放射科医生对胸腺上皮肿瘤进行术前风险分层	首次使用对比增强CT图像结合多种深度学习模型（包括ResNet 101等）进行胸腺上皮肿瘤风险分类，并证明其优于传统影像组学模型	回顾性研究，样本量有限（仅266例患者），且仅来自两个中心	开发并评估深度学习模型以辅助胸腺上皮肿瘤的术前风险分类	266例经组织病理学确诊的胸腺上皮肿瘤患者	计算机视觉	胸腺上皮肿瘤	对比增强CT成像	DenseNet 121, ResNet 101, Inception V3, VGG 11, MobileNet V2, ShuffleNet V2	医学影像（CT图像）	266例患者（训练集205例，外部测试集61例）