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
61	2025-10-31	Combining deep learning and microfluidics for fast and noninvasive sorting of zebrafish embryo 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17946-7 PMID:41162419	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
62	2025-11-03	Interpretable deep multimodal-based tomato disease diagnosis and severity estimation 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21611-4 PMID:41162432	研究论文	提出一种基于多模态深度学习的番茄疾病诊断和严重程度估计方法	结合视觉和环境数据的多模态深度学习算法，使用可解释AI技术增强模型透明度	NA	提高番茄疾病诊断和严重程度预测的准确性与可解释性	番茄植物疾病	计算机视觉,自然语言处理	植物疾病	深度学习	CNN,RNN	图像,环境数据	NA	NA	EfficientNetB0,RNN	准确率	NA
63	2025-11-03	Optimizing deep learning models for on-orbit deployment through neural architecture search 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21467-8 PMID:41162441	研究论文	提出基于神经架构搜索的进化算法框架，优化面向星载边缘计算设备的深度学习模型部署	将硬件感知嵌入优化循环，联合优化网络架构与部署方案，实现资源受限平台上的实时推理	仅针对特定CubeSat硬件平台进行验证，未涵盖所有类型的星载计算设备	通过神经架构搜索实现模型压缩，平衡精度、模型大小和推理延迟	CubeSat卫星的星载边缘计算设备	机器学习	NA	神经架构搜索	深度学习模型	遥感图像	NA	NA	EfficientNet-lite0	mIoU, MCC, 延迟, 加速比	NVIDIA Jetson AGX, Intel Myriad X, NVIDIA A100-SXM
64	2025-11-03	LyricEmotionNet for robust emotion recognition with hybrid CapsNet-memory network architecture 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21593-3 PMID:41162458	研究论文	提出一种基于CapsNet和记忆网络的混合深度学习架构LyricEmotionNet，用于歌词情感识别任务	结合CapsNet和记忆网络的混合架构，能同时处理局部情感特征和长序列依赖关系，在数据缺失场景下表现优异	仅基于660首歌曲的数据集进行验证，需要更大规模数据验证泛化能力	解决歌词情感分析中的局部特征提取和长距离依赖建模挑战	音乐歌词文本数据	自然语言处理	NA	深度学习	CapsNet, Memory Network	文本	660首歌曲，涵盖6种情感类别	NA	CapsNet, Memory Network	准确率	NA
65	2025-11-03	Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21664-5 PMID:41162470	研究论文	提出一种结合深度强化学习的机器人轨迹规划方法，用于优化双足机器人的关节扭矩控制	将基于深度学习的轨迹规划与深度强化学习控制系统相结合，生成最优关节扭矩序列	NA	实现双足机器人的稳定行走，最大化前进速度、最小化功耗并增强稳定性	双足行走机器人	机器学习	NA	深度强化学习(DRL)	深度强化学习模型	机器人状态观测数据	NA	NA	NA	前进速度、功耗、稳定性、抗干扰能力	NA
66	2025-11-03	SCBM-Net: a multimodal feature fusion-based dual-channel method for bearing fault diagnosis 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21665-4 PMID:41162495	研究论文	提出基于双通道多模态融合架构的SCBM-Net深度学习模型用于轴承故障诊断	创新性地结合连续小波变换和变分模态分解提取互补特征，采用双通道架构分别处理时频图像和时序信号	NA	解决复杂工况下轴承故障诊断中单模态方法的局限性	轴承故障诊断	机器学习	NA	连续小波变换(CWT), 变分模态分解(VMD)	深度学习, Swin Transformer, CNN, BiGRU, 注意力机制	时频图像, 时序信号	CWRU数据集和SEU轴承数据集	NA	Swin Transformer, CNN-BiGRU-Attention, 多模态紧凑双线性池化(MCB)	准确率	NA
67	2025-11-03	A deep learning-based dual-branch framework for automated skin lesion segmentation and classification via dermoscopic Images 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21783-z PMID:41162506	研究论文	提出一种基于深度学习的双分支框架，通过皮肤镜图像实现皮肤病变的自动分割和分类	开发了同时执行分割和分类的双分支框架，结合视觉外观和形态学特征进行综合分析	NA	开发自动化皮肤病变诊断系统	皮肤镜图像中的皮肤病变	计算机视觉	皮肤疾病	皮肤镜成像	深度学习	图像	五个基准数据集（包括HAM10000、PH2、ISIC 2016-2018）	NA	EfficientNet-B7, DenseNet-121, ASPP, Transformer	Dice系数, IoU, 准确率, 灵敏度, 特异性	NA
68	2025-11-03	Detection, localization, and staging of breast cancer lymph node metastasis in digital pathology whole slide images using selective neighborhood attention-based deep learning 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21787-9 PMID:41162515	研究论文	提出一种基于选择性邻域注意力的深度学习框架，用于在数字病理全切片图像中检测、定位和分期乳腺癌淋巴结转移	结合细胞核级特征与组织级嵌入，采用动态注意力机制选择并强调与目标区域相似的邻域区域	NA	精确检测、标注和分期乳腺癌淋巴结转移，为治疗决策和预后预测提供支持	乳腺癌淋巴结转移的病理切片图像	数字病理	乳腺癌	数字病理全切片成像	深度学习, Transformer	全切片图像	CAMELYON16和CAMELYON17数据集	NA	双路径特征提取器, 选择性邻域注意力机制	灵敏度, 精确度, F1分数, Dice系数, Jaccard指数, FROC评分, AUC, kappa分数	NA
69	2025-11-03	A deep learning approach to predict temporal changes of subdural hemorrhage on computed tomography 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21721-z PMID:41162522	研究论文	本研究开发了一种深度学习模型，通过CT扫描预测硬膜下出血的时间变化	首次利用亨氏单位(HU)值通过深度学习模型预测硬膜下出血的急性、亚急性和慢性分期	仅使用825个预处理CT切片，样本量相对有限	开发能够预测硬膜下出血时间变化的深度学习模型	硬膜下出血患者的CT扫描图像	计算机视觉	脑血管疾病	CT扫描	CNN	医学图像	825个预处理CT切片	Python, Google Colab	卷积神经网络	准确率, 敏感度, 特异性, 精确率, F1分数, AUC-ROC	Google Colab云平台
70	2025-11-03	Enhanced drug-drug interaction extraction from biomedical text using deep learning-based sentence representations 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21782-0 PMID:41162586	研究论文	提出一种基于卷积神经网络的CNN-DDI模型，用于从生物医学文本中高效提取药物相互作用关系	开发了计算效率更高的CNN-DDI模型，在保持竞争力的性能同时显著降低计算资源需求	仅在SemEval-2013数据集上进行评估，未在其他数据集验证泛化能力	改进从生物医学文本中提取药物相互作用关系的方法	药物相互作用关系	自然语言处理	NA	文本挖掘	CNN	文本	SemEval-2013数据集	NA	CNN-DDI	准确率,F1分数	NA
71	2025-11-03	Deep learning-based bacterial foraging optimization algorithm to improve digital mammography-based breast cancer detection 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97301-y PMID:41162641	研究论文	本研究提出基于细菌觅食优化算法的深度学习方法来改进数字乳腺X线摄影的乳腺癌检测	首次将细菌觅食优化算法(BFO)应用于卷积神经网络超参数优化，显著提升了乳腺癌检测准确率	仅使用单一数据集(DDSM)进行验证，未在其他数据集上测试泛化能力	通过深度学习技术改进基于乳腺X线摄影的乳腺癌早期检测	乳腺X线摄影图像中的乳腺癌病变	计算机视觉	乳腺癌	数字乳腺X线摄影	CNN	医学图像	DDSM乳腺X线摄影数据集	NA	VGG19, InceptionV3, 自定义20层CNN	准确率	NA
72	2025-11-03	Artificial intelligence, machine learning and omic data integration in osteoarthritis 2025-Oct-28, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.10.012 PMID:41167326	综述	本综述总结了人工智能和机器学习在骨关节炎多组学数据整合中的应用进展、挑战与未来方向	系统梳理了变分自编码器、对比学习和多模态Transformer等新兴机器学习方法在多组学整合中的应用	存在样本量小、过拟合、缺乏外部验证、模型可解释性不足以及人口统计学代表性不足等问题	推进对骨关节炎这一复杂疾病的理解，实现个性化诊断和治疗	人类骨关节炎样本和相关临床前模型的转录组、表观基因组、蛋白质组、代谢组和多组学数据	机器学习	骨关节炎	多组学数据整合	监督学习, 无监督聚类, 深度学习, 变分自编码器, 对比学习, Transformer	组学数据	NA	NA	变分自编码器, Transformer	NA	NA
73	2025-11-03	De Novo Design of High-Performance Sec-type Signal Peptide via a Hybrid Deep Learning Architecture 2025-Oct-27, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.5c00757 PMID:41169554	研究论文	开发了一种结合规则域组装和Transformer深度生成模型的混合深度学习架构SPgo，用于从头设计高性能Sec型信号肽	首次将规则域组装与Transformer深度生成模型相结合，通过BERT-LSTM管道探索疏水核心区的广阔序列空间，突破了传统方法的限制	NA	开发计算框架优化信号肽设计，提高蛋白质分泌效率	Sec型信号肽序列	机器学习	NA	深度生成模型	Transformer, BERT, LSTM	蛋白质序列数据	多种蛋白质靶标（荧光蛋白、工业酶、生物活性肽）	NA	Transformer, BERT-LSTM混合架构	蛋白质产量（mg/L）	NA
74	2025-11-03	Identification of defensins using transformer-derived protein embeddings and discrete cosine transformation-enhanced evolutionary features with generative adversarial capsule bidirectional temporal convolutional neural network 2025-Oct-21, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.148336 PMID:41130478	研究论文	提出一种名为GAC-BTCNN-Pred的新型防御素识别预测器，通过融合进化特征和蛋白质语言模型嵌入实现高精度防御素预测	结合离散余弦变换增强的进化特征与基于Transformer的蛋白质嵌入，并首次提出生成对抗胶囊双向时序卷积神经网络架构	未明确说明模型在跨物种或大规模数据集上的泛化能力	开发高精度的防御素识别计算方法以支持新型抗菌药物发现	防御素（阳离子抗菌肽）	生物信息学	细菌感染	蛋白质序列分析，特征工程	GAN，Capsule Network，TCN，Transformer	蛋白质序列数据	NA	NA	生成对抗胶囊双向时序卷积神经网络（GAC-BTCNN），ProtGen-LLM	准确率，精确率，召回率，F1分数，AUC	NA
75	2025-11-03	A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101179 PMID:40972567	研究论文	开发了一个名为RESPAN的深度学习流程，用于自动化修复、分割和量化树突棘	集成最先进的深度学习技术，通过内容感知修复增强信号、对比度和各向同性分辨率，提供用户友好的开源界面	NA	开发准确且自动化的树突棘修复、分割和量化方法	树突棘、树突分支和神经元胞体	数字病理学	神经科学疾病	快速体积成像、双光子显微镜	深度学习	图像	多种样本类型，包括信号有限的挑战性数据集	NA	NA	准确性、可重复性	NA
76	2025-11-03	A Study on the Performance Comparison of Brain MRI Image-Based Abnormality Classification Models 2025-Oct-16, Life (Basel, Switzerland) DOI:10.3390/life15101614 PMID:41157286	研究论文	本研究比较了基于脑部MRI图像的异常分类模型性能，重点评估了深度学习与传统机器学习方法的差异	在合成数据集上系统比较了自定义CNN、ResNet-50迁移学习与传统机器学习方法在脑MRI异常分类中的表现	结果基于合成数据集，需要进一步用真实临床MRI数据验证才能确定临床适用性	开发并比较脑部MRI图像的异常分类模型性能	脑部MRI图像（正常与异常）	计算机视觉	脑部疾病	MRI成像	CNN, ResNet-50, SVM, 随机森林	图像	合成数据集10,000张图像（5,000正常+5,000异常），参考数据集253张真实患者MRI图像（98正常+155异常）	NA	ResNet-50, 自定义CNN	准确率, F1分数	NA
77	2025-11-03	Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants 2025-Oct-15, Genes IF:2.8Q2 DOI:10.3390/genes16101223 PMID:41153440	研究论文	通过统一基准比较深度学习模型在预测调控变异和因果SNP优先排序任务中的性能	建立了首个在一致训练和评估条件下对领先深度学习模型进行标准化评估的框架	研究仅基于54,859个SNP和四种人类细胞系数据，可能无法完全代表所有非编码区域变异	评估深度学习模型在预测变异效应和优先排序因果SNP方面的性能	54,859个单核苷酸多态性(SNP)在四种人类细胞系中的调控影响	机器学习	NA	MPRA, raQTL, eQTL实验	CNN, Transformer, 混合CNN-Transformer	基因组变异数据	54,859个SNP，来自九个数据集	NA	TREDNet, SEI, Borzoi	NA	NA
78	2025-11-03	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	开发并验证一种模态不变的3D Swin U-Net Transformer模型，用于多中心临床双参数MR图像上的肝脏和脾脏分割	提出模态不变的训练策略，将同一患者的T1w和T2w MR图像作为独立训练样本，实现跨模态的鲁棒分割	回顾性研究设计，样本来自四个特定医疗中心，可能限制模型的泛化能力	开发能够处理多模态MR图像的肝脏和脾脏自动分割模型	已知或疑似慢性肝病的儿科和成人患者的腹部MR图像	医学影像分析	慢性肝病	双参数MR成像(T1w和T2w)	Transformer, CNN	3D MR图像	304名患者(241个T1w序列和339个T2w序列)，年龄31.8±20.3岁，43%女性	NA	Swin UNETR, U-Net	Dice相似系数(DSC)	NA
79	2025-11-03	Deep Learning Models for Automatic Classification of Anatomic Location in Abdominopelvic Digital Subtraction Angiography 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01351-z PMID:39789320	研究论文	本研究开发深度学习模型用于自动分类腹盆腔数字减影血管造影中的解剖位置	提出使用模式模型和多示例学习模型处理DSA序列中的信息稀疏性问题，并自动识别关键图像	数据来自单一医疗中心，样本量相对有限	评估深度学习算法在DSA序列中自动识别解剖位置的性能	腹主动脉、腹腔动脉、肠系膜上动脉、肠系膜下动脉和双侧髂外动脉的DSA图像	计算机视觉	心血管疾病	数字减影血管造影	深度学习	医学图像序列	来自205名患者和276个手术的819个血管造影序列	NA	模式模型, 多示例学习模型	多类分类准确率, McNemar检验	NA
80	2025-09-12	Multi-region ultrasound-based deep learning for post-neoadjuvant therapy axillary decision support in breast cancer 2025-Oct, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105916 PMID:40929754	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA