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
821	2025-10-30	Advancing biomedical waste classification through a hybrid ensemble of deep Learning, reinforcement Learning, and differential evolution algorithms 2025-Oct-27, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.115210 PMID:41151359	研究论文	提出一种结合深度学习、强化学习和差分进化算法的混合集成模型，用于生物医学废物分类	首次将深度学习、强化学习和差分进化算法通过双异质集成方式结合，开发出高性能的BioSorter废物分类系统	仅在小型医疗中心进行实际部署验证，需要更大规模的应用测试	开发高效的生物医学废物分类系统，改善医疗废物管理	制药和生物医学废物，特别是传染性与非传染性废物的分类	计算机视觉	NA	图像增强、集成图像分割、集成卷积神经网络	CNN, 强化学习, 差分进化算法	图像	专有数据集和基准数据集	NA	U-Net, Mask R-CNN, DeepLab Version 3 Plus, Inception Version 3, Residual Network 50, Mobile Network Version 2, Densely Connected Convolutional Network 121	准确率, 处理吞吐量, 系统可用性量表(SUS)评分	NA
822	2025-10-30	nnDoseNet: Intuitive and flexible deep learning framework to train and evaluate radiotherapy dose prediction models 2025-Oct-27, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111237 PMID:41151501	研究论文	介绍nnDoseNet深度学习框架，用于自动化和简化放疗剂量预测	基于nnU-Net分割引擎构建首个专门用于放疗剂量回归预测的深度学习框架，整合剂量体积直方图损失函数和多通道输入	框架输出仅为剂量预测而非临床可执行治疗计划，计划优化、质量保证和临床批准仍需额外步骤	开发自动化放疗剂量预测框架以简化临床工作流程	头颈癌患者和前列腺癌患者的放疗剂量分布	医学影像分析	头颈癌,前列腺癌	深度学习	U-Net	CT图像,靶区轮廓,危及器官轮廓,体部掩模	头颈癌340例(训练240/测试100),前列腺癌80例(训练45/测试35)	PyTorch	U-Net	剂量评分,DVH评分,均方误差,Dmean,D95	NA
823	2025-10-30	Integrating optimal prediction model with hybrid deep learning for coated metal oxide nanoparticle drug delivery systems 2025-Oct-27, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111229 PMID:41151503	研究论文	提出一种结合混合深度学习和优化预测模型的新框架，用于改进涂层金属氧化物纳米颗粒药物递送系统的设计	首次将阿德利企鹅优化和猎鹿优化算法与动态双工深度神经网络相结合，用于预测最佳药物与金属氧化物纳米颗粒组合	仅基于ChEMBL-MONP数据集验证，未在其他数据集上测试泛化能力	开发精准预测药物与金属氧化物纳米颗粒最佳组合的计算模型	涂层金属氧化物纳米颗粒药物递送系统	机器学习	NA	药物递送纳米系统	深度神经网络	分子和物理化学特性数据	ChEMBL-MONP数据集	NA	动态双工深度神经网络	准确率, 精确率, 召回率, F1分数, 特异性, AUROC	NA
824	2025-10-30	Single-cell multiomics data integration and generation with scPairing 2025-Oct-27, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101211 PMID:41151585	研究论文	提出scPairing深度学习模型，用于单细胞多组学数据的整合与生成	受对比语言-图像预训练(CLIP)启发，将不同细胞模态嵌入到共同嵌入空间，并扩展生成三模态数据	NA	解决单细胞多组学数据稀缺问题，促进跨模态关系发现	视网膜细胞、免疫细胞和肾脏细胞	机器学习	NA	单细胞多组学技术	深度学习	单细胞多组学数据	NA	NA	受CLIP启发的对比学习架构	NA	NA
825	2025-10-30	Deep Learning Strategies for Predicting Amputation Free Survival in Patients with Peripheral Artery Disease 2025-Oct-26, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2025.10.043 PMID:41151636	研究论文	本研究通过比较多种机器学习模型与传统Cox比例风险模型，预测外周动脉疾病患者的无截肢生存期	首次系统性地将多种生存机器学习模型应用于外周动脉疾病患者的无截肢生存期预测，并开发了患者特异性风险分层工具	需要外部验证才能应用于临床实践	改进外周动脉疾病患者无截肢生存期的预测准确性	2366名接受血运重建术的症状性外周动脉疾病患者	机器学习	外周动脉疾病	生存分析	条件生存森林, 随机生存森林, DeepHit, Cox比例风险模型, Fine and Gray模型	临床数据	2366名患者	NA	非线性Cox比例风险模型, 条件生存森林, 随机生存森林, DeepHit	一致性指数, 综合Brier评分	NA
826	2025-10-30	[Endometrial cancer lesion region segmentation based on large kernel convolution and combined attention] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202502023 PMID:41152163	研究论文	提出一种基于大核卷积和组合注意力的子宫内膜癌病灶区域分割模型SCWU-Net	设计了空间选择模块(SSM)和组合权重模块(CWM)，通过深度卷积块增强上下文信息捕获能力，并在跳跃连接中应用联合注意力机制	NA	提高子宫内膜癌CT图像中病灶区域分割的准确性	子宫内膜癌病灶区域	计算机视觉	子宫内膜癌	CT成像	深度学习分割模型	CT图像	公共数据集	NA	U-Net, SCWU-Net	Dice相似系数, IoU, 精确率, 召回率	NA
827	2025-10-30	[A method for emotion transition recognition using cross-modal feature fusion and global perception] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504040 PMID:41152169	研究论文	提出一种基于跨模态特征融合和全局感知网络的情感状态转换识别方法	首次设计包含六种情感转换场景的实验范式，提出结合深度典型相关分析与跨模态注意力机制的特征融合方法，以及CNN与Transformer并行的混合架构	实验样本量较小（20名参与者），仅在实验室环境下验证	解决动态情感状态转换识别问题	脑电图和眼动信号	生物医学工程	NA	脑电图，眼动追踪	CNN, Transformer	时间序列信号	20名参与者	NA	CNN, Transformer	均方误差，识别准确率，稳定性	NA
828	2025-10-30	[The design and application of a genu valgum gait recognition model based on triple attention mechanism and spatial hierarchical pooling strategy] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504005 PMID:41152171	研究论文	本研究开发了一种基于三重注意力机制和空间分层池化策略的膝外翻步态识别模型，用于儿童膝外翻的早期智能筛查	结合三重注意力模块和空间分层池化模块，共同增强时间、空间和通道维度的特征交互，在表征能力和计算效率之间达到最佳平衡	NA	开发适用于临床应用的深度学习步态识别模型，用于儿童膝外翻的早期智能筛查	儿童膝外翻患者的步态数据	计算机视觉	骨科疾病	步态分析	CNN	图像	自建数据集	NA	三维残差网络	精确率,召回率,F1分数	NA
829	2025-10-30	[Brain computer interface nursing bed control system based on deep learning and dual visual feedback] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504047 PMID:41152174	研究论文	基于运动想象脑机接口和双视觉反馈机制，设计了一套面向重症肢体障碍患者的护理床控制系统	提出优化的双分支图卷积多尺度神经网络结构，并构建包含脑电地形图反馈和注意力状态反馈的双视觉反馈机制	NA	提升重症肢体障碍患者的自主交互能力，改善脑机接口系统的解码性能	重症肢体障碍患者	脑机接口	肢体障碍	运动想象脑机接口(MI-BCI), 脑电信号(EEG)	图卷积网络, 多尺度卷积神经网络	脑电信号	NA	NA	双分支图卷积多尺度神经网络, 动态图卷积, 多尺度卷积	分类准确率, 信息传输速率	NA
830	2025-10-30	[Ethical considerations for artificial intelligence-enhanced brain-computer interface] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202507024 PMID:41152182	综述	本文探讨了人工智能增强型脑机接口的伦理考量及其风险缓解措施	首次系统评估AI技术（特别是深度学习）在提升脑机接口性能时可能引发的伦理问题	未涉及具体实验验证，主要基于理论分析	分析AI增强型脑机接口的伦理风险并探讨应对策略	人工智能增强型脑机接口系统	脑机接口	NA	深度学习	NA	NA	NA	NA	NA	解码准确率、信息传输速率、实时性能、适应性	NA
831	2025-10-30	[Artificial intelligence in predicting pathological complete response to neoadjuvant chemotherapy for breast cancer: current advances and challenges] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202503075 PMID:41152181	综述	本文全面回顾了人工智能在预测乳腺癌新辅助化疗病理完全缓解中的应用进展与挑战	系统比较了统计学方法、传统机器学习和深度学习三种方法在pCR预测中的演变历程，特别强调了深度学习在自动提取影像特征和整合多模态数据方面的优势	现有方法预测准确性仍需提升，尚未完全整合到临床工作流程中	预测乳腺癌患者新辅助化疗后的病理完全缓解	乳腺癌患者	数字病理	乳腺癌	NA	机器学习,深度学习	临床数据,影像数据,多模态数据	NA	NA	NA	NA	NA
832	2025-10-30	[Research progress on deep learning-based computer-aided diagnosis of thyroid nodules using ultrasound imaging] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202412047 PMID:41152180	综述	回顾基于深度学习的甲状腺结节超声图像计算机辅助诊断技术的最新研究进展	系统分析深度学习在甲状腺结节超声图像预处理、分割和分类中的创新应用	现有技术仍存在局限性，未来需要进一步改进	探索深度学习在甲状腺结节诊断中的应用潜力并为临床转化提供参考	甲状腺结节超声图像	计算机视觉	甲状腺癌	超声成像	深度学习算法	医学图像	NA	NA	NA	NA	NA
833	2025-10-30	Age- and sex-specific knee alignment patterns in symptomatic Korean patients: A cross-sectional deep learning analysis of 16,000 knees 2025-Oct-25, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.10.011 PMID:41159920	研究论文	使用深度学习分析韩国症状性患者16,000个膝盖的年龄和性别特异性膝关节对线模式	首次利用深度学习自动测量大规模长腿X光片数据，系统分析年龄和性别对膝关节对线的特异性影响	回顾性单中心研究，仅包含症状性患者，可能不适用于无症状人群	分析膝关节对线参数与年龄、性别的关系	韩国症状性成年患者的膝关节对线参数	数字病理	骨关节炎	长腿X光摄影	深度学习模型	X光图像	8014张X光片（16,028个膝盖）	NA	NA	线性回归系数，95%置信区间	NA
834	2025-10-30	Directed optimization and generation of yeast promoter sequences driven by deep learning 2025-Oct-24, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.148505 PMID:41138880	研究论文	提出基于扩散模型的酵母启动子定向优化与生成框架DOSDiff，无需预训练序列-表达预测器即可实现启动子功能增强	开发无需序列-表达预测模型的扩散框架，通过局部序列编辑实现启动子定向优化，并展示跨酵母物种的泛化能力	NA	实现酵母启动子的定向优化与生成，精确控制基因表达	酿酒酵母和毕赤酵母的启动子序列	机器学习	NA	扩散模型	扩散模型	DNA序列	NA	NA	扩散模型	4-mers分布相似度，表达增强倍数	NA
835	2025-10-30	Enhanced magnetic hyperthermia in graphene-magnetite nanohybrids for cancer therapy: Artificial intelligence-driven validation via Nonlinear Autoregressive with Exogenous Inputs-Long Short-Term Memory (NARX-LSTM) forecasting 2025-Oct-24, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214572 PMID:41151171	研究论文	本研究通过人工智能驱动的NARX-LSTM模型验证石墨烯-磁铁矿纳米杂化材料在磁热疗癌症治疗中的性能优化	首次将非线性自回归外源输入-长短期记忆混合深度学习模型应用于纳米材料热疗性能预测，实现人工智能与纳米技术的协同优化	高频条件下（982 kHz）纳米颗粒弛豫动力学失配导致疗效降低	优化石墨烯-磁铁矿纳米杂化材料的磁热疗性能，推动个性化癌症治疗发展	不同组成的石墨烯-磁铁矿纳米杂化材料（FeO:石墨烯比例0-100%）	机器学习	癌症	磁热疗技术，交替磁场处理	NARX-LSTM	实验数据	多种不同组成的纳米杂化材料在不同频率（163-982 kHz）和磁场强度（12.7-23.9 mT）条件下测试	NA	非线性自回归外源输入-长短期记忆混合架构	R值（决定系数）	NA
836	2025-10-30	An explainable three dimensional framework to uncover learning patterns: A unified look in variable sulci recognition 2025-Oct-24, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103286 PMID:41151346	研究论文	开发了一种可解释人工智能三维框架，用于识别大脑沟回变异并揭示学习模式	首次将统计特征与多种XAI方法结合，通过降维减少方法间变异，提供忠实可靠的三维全局解释	仅基于596个结构MRI样本，尚未在其他神经影像任务上验证框架通用性	开发能够提供准确、低复杂度全局解释的三维可解释AI框架	大脑旁扣带沟的存在与否识别	神经影像分析	精神疾病	结构磁共振成像	3D深度学习模型	三维脑部结构MRI图像	596个结构MRI样本	NA	NA	NA	NA
837	2025-10-30	IFCNN-based fusion of GAF and MTF encoded near-infrared spectral images for quantitative analysis of microplastics 2025-Oct-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127069 PMID:41151179	研究论文	提出一种结合近红外光谱图像转换与深度学习图像融合的微塑料定量分析方法	首次将GAF和MTF编码与IFCNN图像融合相结合用于微塑料定量分析	仅针对五种特定类型微塑料进行验证，未涵盖所有微塑料种类	开发快速准确的微塑料定量检测方法	五种微塑料（PE、PET、PP、PS、PVC）与沙子的混合物	计算机视觉	NA	近红外光谱分析	CNN	光谱图像	6个浓度水平的微塑料混合物样本	NA	IFCNN, 2D-CNN	R值（相关系数）	NA
838	2025-10-30	Deep learning synthesis of DBT features from mammography for breast cancer diagnosis 2025-Oct-23, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112486 PMID:41151435	研究论文	开发跨模态特征合成模型，从乳腺X线摄影生成合成数字乳腺断层合成特征以提升乳腺癌诊断准确性	提出基于多尺度注意力网络的生成对抗网络模型，实现从DM到DBT的特征转换，增强DM的诊断价值	回顾性研究，样本量有限（806例），需进一步验证	通过从DM合成DBT特征提升乳腺癌诊断准确性和临床实用性	乳腺癌患者	计算机视觉	乳腺癌	数字乳腺断层合成，数字乳腺X线摄影	GAN, ResNet	医学影像	806个样本（训练集570，测试集236）	NA	ResNet, 多尺度注意力网络	AUC	NA
839	2025-10-30	A deep learning model leveraging semantic features fusion for DNase I hypersensitive sites identification in the human genome 2025-Oct-22, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109127 PMID:41151193	研究论文	本研究提出多种深度学习模型用于识别人类基因组中的DNase I超敏感位点	提出融合语义特征的深度学习模型，有效捕捉DHS序列中的局部和全局模式及时空依赖关系	NA	开发高性能、成本效益高的计算方法替代传统DHS识别方法	人类基因组中的DNase I超敏感位点	生物信息学	乳腺癌, 冠状动脉疾病, 阿尔茨海默病, 自身免疫疾病, 神经系统疾病	深度学习	CNN, GRU	基因组序列数据	NA	NA	1维CNN, CNN-GRU融合模型, CNN-kmer融合模型, CNN-GRU-kmer融合模型	准确率, 灵敏度, 特异性, MCC, AUC ROC, AUC PR	NA
840	2025-10-30	Temperature adaptation in structure and function in lactate dehydrogenase-A reflects convergent evolution in a few key protein regions 2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2517759122 PMID:41071662	研究论文	本研究通过分析277种海洋鱼类乳酸脱氢酶-A同源基因，揭示了温度适应性进化中关键蛋白区域的趋同进化机制	首次系统识别了乳酸脱氢酶-A中的温度适应相关序列位点(TRSS)，并通过定点突变验证了这些位点在酶热适应性中的关键作用	研究仅聚焦于海洋鱼类的乳酸脱氢酶-A，可能无法完全代表其他生物类群或酶类的温度适应机制	探究酶结构和功能温度适应的分子机制及其在物种分布中的意义	277种海洋鱼类的乳酸脱氢酶-A(LDH-A)同源基因	蛋白质进化与生物信息学	NA	定点突变, 序列比对, 深度学习建模	深度学习模型	蛋白质序列, 酶活性数据	277种海洋鱼类LDH-A同源基因	NA	NA	NA	NA