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
61	2025-09-24	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Sep-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202508358 PMID:40948400	研究论文	提出一种多尺度细胞间交互空间转录组学分析方法，整合多尺度拓扑表示与空间深度学习技术	首次在空间转录组分析中考虑多尺度细胞间相互作用，提出MCIST方法	NA	改进空间转录组数据分析方法，提升空间域检测性能	空间转录组数据	生物信息学	NA	空间转录组学	空间深度学习	基因表达空间数据	37个基准空间转录组数据集
62	2025-09-24	The Narrative Review: Advancements in Heart Failure Diagnosis and Management using Artificial Intelligence: A New Era of Patient Care 2025-09-11, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X369978250818060357 PMID:40947703	综述	本文综述人工智能在心衰诊断与管理中的最新进展及未来潜力	系统阐述AI技术如何通过机器学习和深度学习改善心衰临床决策与个性化治疗	存在数据整合、预测准确性、患者参与度、数据隐私及临床工作流整合等需改进领域	探讨人工智能优化心衰患者护理与医疗实践的潜力	心衰患者群体及相关医疗数据	医疗人工智能	心血管疾病	机器学习、深度学习	NA	医学影像、心电图数据	NA
63	2025-09-24	Deep vessel segmentation with U-Net and texture representation of image (TRI) features provides a foundation for improved objective and automated analysis of coronary artery disease from angiography 2025-Sep-09, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109072 PMID:40983000	研究论文	本研究开发了一种结合纹理特征和先进预处理的U-Net深度学习框架，用于提高冠状动脉造影图像中血管分割的准确性	将纹理图像表示特征（Haralick和Law特征）与U-Net架构相结合，并采用拉普拉斯金字塔恢复和高斯差分尺度不变性等先进预处理技术	外部验证有限，尚未评估直接临床影响	提高冠状动脉造影图像中血管分割的准确性，为CAD评估提供定量分析基础	冠状动脉造影图像中的血管结构	医学图像分析	冠状动脉疾病	深度学习，图像预处理技术	U-Net	医学图像	7600张临床血管造影图像用于训练，19名患者约1700张图像用于测试，另使用公共ARCADE数据集进行基准测试
64	2025-09-24	Multichannel autostereoscopic measurement system for micro-structured surfaces based on multi-scale depth fusion 2025-Sep-08, Optics express IF:3.2Q2 DOI:10.1364/OE.567001 PMID:40984187	研究论文	提出一种基于多尺度深度融合的多通道自动立体测量系统，用于微结构表面的精确三维测量	开发了结合3D光学通道和2D通道的多通道测量系统，通过多尺度深度融合技术提升三维重建精度	NA	提高微结构表面三维测量的精度和鲁棒性	微结构表面	计算机视觉	NA	自动立体技术、数据融合、多尺度深度融合	UniDepth深度学习网络	多视角元素图像、高分辨率图像	NA
65	2025-09-24	Optimizing optical chaotic sequences using GAN and the Fisher-Yates algorithm 2025-Sep-08, Optics express IF:3.2Q2 DOI:10.1364/OE.564934 PMID:40984206	研究论文	提出一种结合深度学习和后处理算法的光学混沌序列优化方案	将生成对抗网络引入传统光学反馈混沌系统，并结合Fisher-Yates算法进行后处理优化	NA	优化光学混沌序列的随机性和分布特性	光学混沌序列	机器学习	NA	GAN、Fisher-Yates算法、NIST统计测试	GAN	序列数据	NA
66	2025-09-24	Research on the crack detection method of black coating based on machine vision and deep learning 2025-Sep-08, Optics express IF:3.2Q2 DOI:10.1364/OE.568123 PMID:40984237	研究论文	提出一种基于机器视觉和深度学习的黑色涂层裂纹检测方法BCC-YOLO	引入ADown模块替代传统下采样模块，结合iEMA注意力机制和UIoU损失函数，提升小裂纹特征提取能力并降低计算复杂度	仅针对自建的黑色涂层裂纹数据集进行验证，未提及其他材质或环境的泛化性能	解决黑色涂层低对比度小裂纹实时检测精度不足的问题	多孔材料表面黑色高辐射涂层的微裂纹	机器视觉	NA	深度学习	BCC-YOLO（基于YOLOv10s改进）	图像	自建黑色涂层裂纹数据集（未明确具体样本数量）
67	2025-09-24	Deep learning enhanced dual-mode fluorescence cooperative imaging using upconversion nanoparticles 2025-Sep-08, Optics express IF:3.2Q2 DOI:10.1364/OE.572954 PMID:40984265	研究论文	提出一种深度学习增强的双模态荧光协同成像方法，用于实现深层组织高分辨率成像	利用镧系上转换纳米颗粒的双光子/四光子协同激发机制，结合对抗训练与循环一致性约束的深度学习网络建立跨模态信号映射	NA	解决多光子显微镜中穿透深度与分辨率的权衡问题	深层生物组织成像	生物医学成像	NA	双光子显微镜、四光子显微镜、上转换纳米颗粒荧光成像	对抗神经网络（GAN）	荧光图像	成像深度超过500微米的3D组织样本
68	2025-09-24	High-quality polarization 3D reconstruction of weakly textured objects by fusing multi-view images 2025-Sep-08, Optics express IF:3.2Q2 DOI:10.1364/OE.570825 PMID:40984276	研究论文	提出一种融合多视角图像与偏振信息的弱纹理物体高质量三维重建框架	将自注意力增强的PatchMatch网络提供的全局深度先验与偏振测量获得的精细法向梯度相结合，通过傅里叶域积分实现表面重建	未明确说明对强反射或透明物体的适用性限制	解决弱纹理物体在有限视角下的三维重建精度问题	弱纹理物体	计算机视觉	NA	多视角立体视觉、偏振成像、傅里叶域积分	PatchMatch网络（自注意力增强）	多视角偏振图像	多种弱纹理物体（未明确具体数量）
69	2025-09-24	Multi-input neural channel waveform model for optical fiber WDM transmission based on Volterra series transfer function 2025-Sep-08, Optics express IF:3.2Q2 DOI:10.1364/OE.563482 PMID:40984268	研究论文	提出一种基于Volterra级数传递函数的多输入神经网络信道波形模型，用于光纤波分复用传输系统	首次将神经网络参数化与物理基础的Volterra级数算法结合，支持多参数输入并实现跨系统参数的强泛化能力	模型性能仅在仿真环境中验证，未涉及实际光纤传输系统的实验验证	解决传统光纤信道建模方法计算效率低的问题，实现高精度且灵活的多参数WDM系统波形建模	波分复用光纤通信系统的信道波形特性	光通信	NA	Volterra级数传递函数算法、神经网络参数化	神经网络	频域信号数据	40通道600公里和5通道1200公里WDM系统的仿真数据
70	2025-09-24	End-to-end deep learning framework for key-free physical-layer security in WDM-RoF 2025-Sep-08, Optics express IF:3.2Q2 DOI:10.1364/OE.572940 PMID:40984304	研究论文	提出一种用于波分复用光纤无线电系统的端到端深度学习物理层安全框架	通过联合训练的神经网络对动态互锁和波长通道物理特性绑定实现无密钥物理层安全	仅通过数值仿真验证，缺乏实际系统测试	为WDM-RoF系统提供轻量级物理层安全解决方案	波分复用光纤无线电通信系统	机器学习	NA	深度学习	神经网络	通信信号数据	四波长WDM-RoF系统在20公里光纤上的数值仿真
71	2025-09-24	Evaluation of De Novo Deep Learning Models on the Protein-Sugar Interactome 2025-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.02.673778 PMID:40950156	研究论文	本研究首次系统评估了深度学习模型在蛋白质-糖非共价复合物结构预测中的性能	开发了首个专门针对蛋白质-碳水化合物相互作用的基准数据集BCAPIN和新型评估指标DockQC	所有模型的预测能力随碳水化合物聚合物长度的增加而下降	评估深度学习模型在蛋白质-糖相互作用组预测中的性能	蛋白质-碳水化合物非共价复合物	机器学习	NA	深度学习结构预测	AlphaFold3, Boltz-1, Chai-1, DiffDock, RosettaFold-All Atom	蛋白质结构数据	BCAPIN基准数据集中的实验结构样本
72	2025-09-24	Convolutional Neural Network-based Framework for Brain Tumor Classification and Segmentation using Magnetic Resonance Images 2025-Sep-05, Journal of visualized experiments : JoVE DOI:10.3791/68428 PMID:40982373	研究论文	提出基于卷积神经网络的框架，利用磁共振图像进行脑肿瘤分类和分割	集成U-Net、InceptionV3、DenseNet201和Inception-ResNet-v2混合模型，并结合GPT-4.0生成自动报告	NA	开发自动脑肿瘤识别和分类系统以辅助早期诊断	脑部磁共振图像中的肿瘤区域	计算机视觉	脑肿瘤	磁共振成像	CNN、U-Net、InceptionV3、DenseNet201、Inception-ResNet-v2	图像	多个数据集（具体数量未提及）
73	2025-09-24	Dual Encoder-Decoder-Encoder with Adversarial Training for Unsupervised Traffic Accident Detection in Surveillance Videos 2025-Sep-05, Journal of visualized experiments : JoVE DOI:10.3791/68731 PMID:40982396	研究论文	提出一种基于双编码器-解码器-编码器框架和对抗训练的深度学习架构，用于监控视频中的无监督交通事故检测	采用双向映射的双EDE框架和两阶段对抗训练方法，通过重构正常驾驶图像和生成合成样本来增强异常检测灵敏度	NA	开发自动化交通事故检测系统以提升道路安全和应急响应效率	监控视频中的交通事故和异常驾驶行为	计算机视觉	NA	深度学习、对抗训练	双编码器-解码器-编码器（EDE）、GAN	监控视频	真实交通监控数据集（未指定具体数量）
74	2025-09-24	Metaproteomics Beyond Databases: Addressing the Challenges and Potentials of De Novo Sequencing 2025-Sep, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400321 PMID:39888246	观点文章	探讨宏蛋白质组学中从头测序技术的演变、优势、局限性和未来机遇	系统分析从头测序技术从手动注释到基于图论、标签和深度学习的先进方法的发展历程	依赖现有蛋白质数据库的方法对复杂微生物组的分析存在局限性	提升宏蛋白质组学中对未测序物种的检测能力和微生物群落功能洞察	微生物群落蛋白质和肽段序列	蛋白质组学	NA	从头测序、质谱分析	深度学习、图论方法	质谱数据	NA
75	2025-09-24	Deep learning-based classification and segmentation of interictal epileptiform discharges using multichannel electroencephalography 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18463 PMID:40411529	研究论文	开发基于深度学习的U-IEDNet框架，用于多通道脑电图中的癫痫样放电分类与分割	结合卷积层、双向门控循环单元和Transformer网络，首次实现同时保留空间信息和通道间交互特征的IED检测框架	NA	提高多通道脑电图中癫痫样放电检测的准确性和效率	癫痫患者的脑电图信号	机器学习	癫痫	多通道脑电图	U-IEDNet（CNN+BiGRU+Transformer）	脑电图信号	413例患者记录（公共数据库370例+自建数据库43例）
76	2025-09-24	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	本研究开发了一种基于短暂发作间期颅内记录的深度学习模型，用于准确定位癫痫发作起始区	首次证明利用短暂发作间期立体定向脑电图数据，通过多通道多尺度一维卷积神经网络可实现全脑范围的癫痫发作起始区自动分类	研究样本量相对有限（78名患者），需要进一步扩大验证	开发自动化癫痫发作起始区定位方法以改善术前评估	药物难治性癫痫患者	数字病理	癫痫	立体定向脑电图	一维卷积神经网络	脑电信号	78名患者的超过100万段发作间期脑电图片段
77	2025-09-24	Deep learning-driven abbreviated knee MRI protocols: diagnostic accuracy in clinical practice 2025-Sep, La Radiologia medica DOI:10.1007/s11547-025-02038-3 PMID:40613973	研究论文	评估深度学习加速膝关节MRI协议在临床实践中的诊断准确性	首次系统比较不同加速因子（2倍/4倍/6倍）的深度学习重建协议对膝关节MRI诊断性能的影响	样本量有限（71例患者），DL6协议对细微病变敏感性降低	验证深度学习加速MRI协议在膝关节检查中的临床应用价值	膝关节损伤患者（韧带撕裂、半月板病变、骨髓水肿等）	医学影像分析	膝关节疾病	深度学习重建技术	DL（深度学习模型）	MRI影像数据	71例连续患者
78	2025-09-24	The MSA Atrophy Index (MSA-AI): An Imaging Marker for Diagnosis and Clinical Progression in Multiple System Atrophy 2025-Sep, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70106 PMID:40660627	研究论文	本研究提出了一种新型复合体积测量指标MSA萎缩指数（MSA-AI），用于多系统萎缩症的诊断和疾病进展监测	首次开发基于深度学习分割的复合体积测量指标MSA-AI，能够有效区分MSA与相关突触核蛋白病并预测疾病进展	需要更大规模的独立队列进行验证	开发多系统萎缩症的可靠影像学生物标志物	多系统萎缩症患者及相关神经退行性疾病患者	医学影像分析	多系统萎缩症	3T MRI、深度学习分割、生物流体分析	深度学习	医学影像	纵向研究17例患者，横断面研究包括MSA（26例）、健康对照（23例）、纯自主神经衰竭（23例）、帕金森病（56例）和路易体痴呆（8例）
79	2025-09-24	Diurnal variation mapping of urban NO2 concentrations at high spatial resolution using mobile phone signaling data 2025-Sep, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109758 PMID:40886398	研究论文	利用手机信令数据开发深度学习模型实现高时空分辨率城市NO₂浓度日变化监测	首次实现基于手机信令数据的250米/1小时时空分辨率NO₂浓度连续估算，创新设计适用于环境变量建模的深度学习架构	研究仅应用于宁波市单一城市，模型在其他地理环境的普适性有待验证	提升城市大气污染物高时空分辨率监测能力	城市NO₂浓度分布与人口流动模式	环境信息学	NA	深度学习、手机信令数据分析、5折交叉验证	定制化深度学习模型	手机信令数据、气象数据、卫星观测数据	宁波市范围的时空连续监测数据
80	2025-09-24	Multimodal predictive model for strangulation risk in adhesive small bowel obstruction using deep learning and electronic health record data 2025-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251378951 PMID:40983055	研究论文	开发并验证了一种融合深度学习CT影像特征和电子健康记录的多模态预测模型，用于评估粘连性小肠梗阻的绞窄风险	首次将三维卷积神经网络与电子健康记录相结合构建多模态预测模型，并通过局部可解释性方法提供模型解释	回顾性研究设计，样本量相对有限（共348例患者）	提高粘连性小肠梗阻绞窄风险的预测准确性以支持临床决策	粘连性小肠梗阻患者	医学人工智能	肠道疾病	深度学习、XGBoost算法	3D CNN（ResNet50主干网络）、XGBoost	CT影像、电子健康记录数据	225例患者用于模型开发，123例患者用于外部验证