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
781	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
782	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
783	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
784	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
785	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
786	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
787	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
788	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
789	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
790	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
791	2025-10-30	New avenues for understanding what deep networks learn from EEG 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1625732 PMID:41140778	研究论文	本研究通过可解释性方法探索深度网络从EEG信号中学习到的特征	引入两种互补架构和专用可视化技术来理解完整网络学习的特征，包括使用可逆网络生成典型输入信号和设计完全可视化的紧凑网络	研究仅针对二分类任务（非病理性和病理性EEG），网络理解仍为近似性质	理解深度网络在EEG解码任务中学习到的特征	脑电图信号	机器学习	神经系统疾病	EEG信号分析	深度神经网络,可逆网络	EEG信号	NA	NA	可逆网络架构,紧凑网络架构	解码性能	NA
792	2025-10-30	Analysis of breast region segmentation in thermal images using U-Net deep neural network variants 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1609004 PMID:41142198	研究论文	本研究评估了三种U-Net变体在热成像图像中乳房区域分割的性能	首次系统比较U-Net及其变体在热成像乳房分割中的表现，发现简单架构的原始U-Net反而优于更复杂的变体	仅针对热成像数据，未验证在其他医学影像模态上的泛化能力	提高热成像在乳腺癌检测中乳房区域分割的准确性	热成像图像中的乳房区域	计算机视觉	乳腺癌	热成像	CNN	图像	NA	NA	U-Net, U-Net with Spatial Attention, U-Net++	IoU, Dice系数, 精确率, 召回率, 灵敏度, 特异度, 像素准确率, ROC-AUC, PR-AUC	NA
793	2025-10-30	Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy 2025, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359251379411 PMID:41142474	研究论文	开发并验证一种能够将标准H&E染色病理图像转换为高质量合成多路免疫荧光图像的深度学习工具	开发了mSIGHT管道，通过整合配准网络克服输入与目标图像不对齐问题，优于标准Pix2Pix和CycleGAN图像转换网络	回顾性研究，样本量有限（17例用于模型开发），需要进一步外部验证	从常规H&E染色组织学图像中提取预测治疗反应的免疫细胞信息	三阴性乳腺癌患者的穿刺活检样本	数字病理学	乳腺癌	多路免疫荧光成像，H&E染色	生成对抗网络	病理图像	17例三阴性乳腺癌病例用于模型开发，218例乳腺癌病例用于验证	Pix2Pix, CycleGAN	mSIGHT（整合配准网络的图像转换架构）	像素级指标，细胞密度，细胞间邻近度，调整后优势比，置信区间，p值	NA
794	2025-10-30	Deep Learning with Contrast-Enhanced Ultrasound for Preoperative Prediction of Early Recurrence in Hepatocellular Carcinoma After Hepatectomy 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S555110 PMID:41142639	研究论文	开发基于对比增强超声和深度学习的框架，用于术前预测肝细胞癌患者肝切除术后早期复发	首次将多期相CEUS影像与深度学习相结合构建预测模型，并通过列线图整合临床变量	回顾性研究设计，样本量相对有限（115例患者）	提高肝细胞癌患者肝切除术后早期复发的术前预测准确性	早期肝细胞癌患者	计算机视觉	肝细胞癌	对比增强超声	深度学习	超声影像	115例早期肝细胞癌患者（训练集75例，验证集40例）	NA	四种深度学习模型（CEUS-AP, CEUS-PP, CEUS-LP, CEUS-MP）	AUC, 敏感性, 特异性	NA
795	2025-10-30	BrainScape: An open-source framework for integrating and preprocessing anatomical MRI datasets 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.944 PMID:41143077	研究论文	介绍BrainScape开源框架，用于整合和预处理160个公开MRI数据集	开发了首个基于插件的开源Python框架，可自动下载、组织和预处理多源MRI数据	主要依赖公开数据集，可能无法覆盖所有临床场景和人口统计学特征	解决神经影像数据整合中的不一致性问题，促进可重复性研究	27227名受试者的46583个多模态MRI扫描	医学影像分析	脑部疾病	MRI	NA	医学影像	27227名受试者，46583个MRI扫描	Python	NA	NA	NA
796	2025-10-30	CausalFormer-HMC: a hybrid memory-driven transformer with causal reasoning and counterfactual explainability for leukemia diagnosis 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1674393 PMID:41158308	研究论文	提出一种结合卷积神经网络、视觉变换器和因果图学习器的混合AI架构CausalFormer-HMC，用于从外周血涂片图像中诊断急性淋巴细胞白血病	首次将因果推理和反事实可解释性集成到混合内存驱动的变换器架构中，用于白血病诊断	NA	提高急性淋巴细胞白血病的诊断精度和可解释性	外周血涂片图像中的白血病细胞	医学影像分析	白血病	外周血涂片图像分析	CNN, Transformer, 因果图学习器	图像	ALL数据集：89名患者的3,256张图像；C-NMC数据集：118名患者的15,135张分割细胞图像	NA	CausalFormer-HMC（混合架构）	准确率, F1分数, ROC-AUC	NA
797	2025-10-30	An explainable hybrid deep learning framework for precise skin lesion segmentation and multi-class classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1681542 PMID:41158448	研究论文	提出一种可解释的混合深度学习框架，用于精确的皮肤病变分割和多类别分类	结合U-Net分割网络和EfficientNet-B0分类模块的双任务架构，并集成Grad-CAM增强模型可解释性	存在类别不平衡问题，部分类别代表性不足，需在真实场景中进一步验证	开发用于皮肤病变分割和分类的AI诊断工具	皮肤病变的皮肤镜图像	计算机视觉	皮肤癌	皮肤镜成像	深度学习	图像	HAM10000数据集	NA	U-Net, EfficientNet-B0	Dice系数, 准确率	NA
798	2025-10-30	Correction: DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1704319 PMID:41158509	修正	对先前发表的RNA N4-乙酰胞苷位点预测深度学习框架论文进行内容修正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
799	2025-10-30	GOUHFI: A novel contrast- and resolution-agnostic segmentation tool for ultra-high-field MRI 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.960 PMID:41158555	研究论文	提出一种名为GOUHFI的新型深度学习分割工具，专门用于超高频磁共振图像的分割	首次提出对对比度和分辨率不敏感的超高频MRI分割方法，无需微调或重新训练	训练数据仅包含206个标注图，可能限制模型泛化能力	开发适用于超高频MRI的自动分割技术	超高频磁共振脑部图像	医学影像分析	神经系统疾病	超高频磁共振成像	深度学习	3D磁共振图像	来自4个数据集的206个标注图（包含3T、7T和9.4T数据）	NA	3D U-Net	Dice-Sørensen相似系数	NA
800	2025-10-30	Anomaly detection and early risk identification in digital disaster response-based on deep learning in public health 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1624345 PMID:41158574	研究论文	提出基于深度学习的异常检测和早期风险识别框架，用于数字灾难响应中的公共卫生危机管理	结合LSTM和Transformer架构分析时空数据，在异常检测精度上提升23%，误报率降低31%	未提及模型在极端灾难场景下的泛化能力和计算效率限制	提升公共卫生危机中的实时决策能力和态势感知	来自医院、急救服务、社交媒体和环境传感器的多源异构数据	机器学习	公共卫生事件	深度学习	LSTM, Transformer	时空数据	多个数据集（EM-DAT、FEMA、UNOSAT、Earthquake）	NA	LSTM, Transformer	精确度, 误报率	NA