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
901	2025-09-19	Deep learning-based Alzheimer's disease detection using magnetic resonance imaging and gene expression data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330085 PMID:40824894	研究论文	本研究开发了一种基于深度学习的多模态模型，结合MRI和基因表达数据用于阿尔茨海默病的早期检测	提出混合TWIN-Performer特征提取模型和注意力机制特征融合方法，并采用集成学习分类器提升诊断性能	未明确说明模型在不同人群中的泛化能力和临床适用性验证	开发可解释的AI诊断模型以实现阿尔茨海默病的早期准确诊断	认知正常(CN)和阿尔茨海默病(AD)患者	数字病理学	阿尔茨海默病	磁共振成像(MRI)和基因表达分析	MobileNet V3, EfficientNet B7, TWIN-Performer, CatBoost, XGBoost, ERT	图像数据和基因表达数据	基于多个数据集验证，具体样本量未明确说明
902	2025-09-19	Enhancing predictive analytics in mandibular third molar extraction using artificial intelligence: A CBCT-Based study 2024-Dec, The Saudi dental journal DOI:10.1016/j.sdentj.2024.11.007 PMID:40952877	研究论文	本研究开发了一种基于CBCT报告和人工智能的下颌第三磨牙拔除难度预测模型	首次将规则型NLP算法与深度学习神经网络结合，从CBCT文本报告中自动提取特征并预测拔牙难度	回顾性研究设计，样本仅来自单一机构，未进行外部验证	预测下颌第三磨牙拔除的复杂性以指导手术方法选择和减少术后并发症	下颌第三磨牙	自然语言处理	口腔疾病	CBCT成像，NLP算法	深度学习神经网络	文本报告	738份CBCT报告（训练集556份，验证集182份）
903	2025-09-19	Human microscopic vagus nerve anatomy using deep learning on 3D-MUSE images 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009682 PMID:40949787	研究论文	利用深度学习对3D-MUSE图像进行人类迷走神经显微解剖分析，首次构建迷走神经连接组	开发了0.9μm高分辨率的3D-MUSE成像技术，并首次应用多种深度学习模型实现迷走神经显微结构的自动分割	仅使用50张手动标注图像进行训练，样本量有限，需更多样本提升模型性能	支持神经调控疗法的建模，通过高分辨率成像解析迷走神经解剖结构	人类迷走神经的显微解剖结构，包括神经束、神经外膜和神经束膜	数字病理	神经系统疾病	3D-MUSE显微成像，深度学习分割	2D U-Net, Attention U-Net, Vision Transformer (ViT)	3D显微图像	50张手动标注图像（来自3mm区域约1000张图像），另使用200张未标注图像进行自监督学习
904	2025-09-19	PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3407351 PMID:39050971	研究论文	提出一种基于深度学习的对象检测框架PseudoCell，用于自动检测全切片图像中的中心母细胞，减少病理学家手动标注需求	利用伪负标签和形态学特征进行困难负样本挖掘，无需病理学家提供精细标注	NA	开发自动化中心母细胞检测方法以辅助滤泡性淋巴瘤分级	全切片图像中的中心母细胞	数字病理学	淋巴瘤	深度学习对象检测	CNN	图像	NA
905	2025-09-19	UKSSL: Underlying Knowledge Based Semi-Supervised Learning for Medical Image Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3305190 PMID:38899016	研究论文	提出一种基于底层知识的半监督学习框架UKSSL，用于医学图像分类	结合MedCLR无监督特征提取和UKMLP有监督微调，仅需50%标注数据即可超越全监督方法性能	NA	解决医学图像标注数据稀缺条件下的高性能分类问题	医学图像	计算机视觉	NA	半监督学习	MedCLR, UKMLP	图像	LC25000和BCCD数据集（仅使用50%标注数据）
906	2025-09-19	Simultaneous EEG-fNIRS Data Classification Through Selective Channel Representation and Spectrogram Imaging 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448457 PMID:39247844	研究论文	提出一种基于深度学习的多模态融合模型MDNF，用于同时分类EEG和fNIRS数据，提升脑机接口性能	通过短时傅里叶变换将EEG数据转换为二维图像，并融合fNIRS频谱熵特征，有效结合EEG时间丰富性和fNIRS空间特异性	NA	提升EEG-fNIRS多模态数据在脑机接口中的分类准确性和泛化能力	EEG和fNIRS脑信号数据	脑机接口	NA	短时傅里叶变换，迁移学习	多模态DenseNet融合模型（MDNF）	脑信号时间序列数据（转换为图像）	两个公共数据集（具体样本数未说明）
907	2025-09-19	Deep Learning and fMRI-Based Pipeline for Optimization of Deep Brain Stimulation During Parkinson's Disease Treatment: Toward Rapid Semi-Automated Stimulation Optimization 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448392 PMID:39247846	研究论文	提出一种结合深度学习和fMRI的流程，用于帕金森病治疗中深部脑刺激参数的快速半自动化优化	首次使用无监督自动编码器从fMRI数据中提取特征，并结合多层感知机实现DBS参数的分类与预测，将优化时间从约1年缩短至数小时	研究基于39名预先临床优化的患者数据，样本量较小，且未提及模型在新患者群体中的泛化能力验证	优化帕金森病深部脑刺激治疗参数，减少患者临床访视次数和治疗时间	帕金森病患者接受深部脑刺激治疗时的fMRI数据与刺激参数	医学影像分析	帕金森病	fMRI（血氧水平依赖功能磁共振成像）	Autoencoder (AE) 和 Multilayer Perceptron (MLP)	神经影像数据（fMRI）	39名帕金森病患者的122个fMRI数据集
908	2025-09-19	Masked Modeling-Based Ultrasound Image Classification via Self-Supervised Learning 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3374966 PMID:38606402	研究论文	提出一种基于掩码建模的自监督学习方法用于超声图像分类	引入三种掩码策略（随机、垂直和水平掩码）并设计新颖难样本挖掘策略，无需外部标注数据	NA	解决超声图像分类中标注数据稀缺和噪声干扰问题	超声图像数据	计算机视觉	NA	自监督学习	深度学习	图像	两个数据集（具体数量未说明）
909	2025-09-19	Predictive modelling of brain disorders with magnetic resonance imaging: A systematic review of modelling practices, transparency, and interpretability in the use of convolutional neural networks 2023-12-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26521 PMID:37909364	系统综述	本文系统回顾了55项使用卷积神经网络（CNN）和MRI数据进行脑部疾病预测建模的研究，评估其建模实践、透明度和可解释性	首次对CNN在脑部疾病MRI预测建模中的应用实践进行系统性评估，并提出改进临床整合的具体建议	仅纳入55项研究，可能存在发表偏倚；评估基于定性分析而非定量meta分析	评估CNN在脑部疾病MRI预测建模中的应用质量，促进临床转化	脑部疾病（包括精神类和神经类疾病）	医学影像分析	脑部疾病	结构磁共振成像（MRI）	CNN	图像	55项研究（具体样本量未明确说明）
910	2025-09-19	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	对心胸影像领域中机器学习和深度学习应用的系统回顾与总结	系统梳理了ML/DL在心胸影像中的多样化应用，并针对该领域特点提出研究建议	作为范围综述，主要提供领域概览而非深入质量评估	探讨ML/DL在心胸影像领域的应用现状与发展趋势	心胸影像相关医学文献	计算机视觉	心血管疾病	机器学习(ML)和深度学习(DL)	NA	图像	NA
911	2025-09-18	Integration of coagulation parameters Enhances deep Learning-Based survival prediction in High-Grade serous ovarian Cancer: A comprehensive prognostic model 2026-Jan-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120512 PMID:40738419	研究论文	开发并验证一种整合凝血参数的深度学习生存预测模型，用于高级别浆液性卵巢癌预后评估	首次将凝血参数（如D-二聚体水平）与传统临床病理因素结合，采用包含88种算法的机器学习框架提升预测性能	回顾性研究设计，需进一步前瞻性验证	构建高精度生存预测模型以改善高级别浆液性卵巢癌的预后评估	高级别浆液性卵巢癌患者	机器学习	卵巢癌	机器学习整合分析	深度学习框架（含88种算法）	临床病理数据与凝血参数	216例患者（训练集） + 108例外部验证（来自三个机构）
912	2025-09-18	HCNS:A deep learning model for identifying essential proteins based on hypergraph convolution and sequence features 2025-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115949 PMID:40783109	研究论文	提出一种基于超图卷积和序列特征的深度学习模型HCNS，用于精确识别必需蛋白质	整合超图卷积网络（HGCN）和包含多种深度学习的序列特征提取模块，首次同时利用PPI网络和蛋白质氨基酸序列进行识别	NA	提高必需蛋白质识别的准确性	蛋白质	生物信息学	NA	深度学习	HGCN, CNN, Bi-LSTM, Transformer, MLP	蛋白质相互作用网络数据、蛋白质复合物数据、蛋白质氨基酸序列	NA
913	2025-09-18	Deep learning-enabled fluorescence imaging for oral cancer margin classification in preclinical models 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34109 PMID:40949530	研究论文	本研究开发了一种结合深度学习与空间频域成像（SFDI）的系统，用于口腔癌手术中荧光标记的亚表面深度定量与切缘评估	首次将深度学习与结构光成像技术结合，实现对亚表面荧光结构的深度和浓度量化，突破现有荧光成像系统无法量化亚表面结构的限制	研究目前主要在模拟数据、体模和离体动物组织中进行验证，尚未进行临床人体试验	开发一种术中口腔癌切缘评估技术，确保肿瘤完全切除同时保留术后功能	口腔癌肿瘤，特别是舌癌的亚表面荧光标记结构	数字病理	口腔癌	空间频域成像（SFDI），荧光成像，深度学习	ResNet, U-Net CNN	图像	模拟患者来源舌肿瘤形状数据、荧光体模数据集、离体动物组织样本
914	2025-09-18	MLSPred-bench: Transforming electroencephalography (EEG) datasets into machine learning-ready epileptic seizure prediction benchmarks 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103574 PMID:40949826	研究论文	提出一种将癫痫检测脑电图数据集转换为适用于癫痫发作预测的机器学习基准数据的方法	开发了MLSPred-bench方法，能够将标注为检测用途的EEG大数据转换为适用于预测任务的ML就绪数据，并生成12个包含不同SPH和SOP变化的基准数据集	NA	解决癫痫发作预测任务中缺乏标注数据的挑战，促进癫痫预测模型的发展	脑电图(EEG)数据集	机器学习	癫痫	脑电图(EEG)分析	多种机器学习和深度学习模型	时间序列脑电信号数据	超过150GB的ML就绪数据，来自现有EEG数据语料库
915	2025-09-18	Design of an iterative hybrid multimodal deep learning method for early skin disease detection with cross-attention and graph-based fusions 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103584 PMID:40949827	研究论文	提出一种用于早期皮肤疾病检测的多模态深度学习框架，融合空间、时间和语义信息	结合跨注意力机制和图注意力网络（GAT）实现多模态特征交互与患者间关系建模	NA	早期皮肤疾病检测	皮肤疾病患者的多模态数据	计算机视觉	皮肤疾病	多模态深度学习	EfficientNet-B4, BiLSTM, ClinicalBERT, GAT	图像、时间序列信号、临床文本	NA
916	2025-09-18	Umami-Transformer: A deep learning framework for high-precision prediction and experimental validation of umami peptides 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145905 PMID:40848351	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
917	2025-09-18	Deep learning-derived optimal annotation strategies to power the systematic mapping of peptide space 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145437 PMID:40639248	研究论文	本文探讨了深度学习在肽段识别技术中的应用，以提高蛋白质组学中肽段序列鉴定的效率和准确性	结合多种深度学习模型（如Prosit、pDeep、卷积神经网络和图论）与数据库搜索，优化肽段空间系统映射的注释策略	NA	提升肽段识别方法的效率和准确性，推动蛋白质组学发展	肽段序列和MS/MS质谱数据	机器学习	NA	质谱技术（DDA和DIA）、深度学习	CNN、深度神经网络、图论结合模型	质谱数据	NA
918	2025-09-18	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	提出两种新型无监督时空异常检测方法，用于传感器网络数据	结合动态贝叶斯模型和深度学习架构，并引入集成方法综合两者优势	NA	开发高效准确的时空异常检测算法，提升传感器数据可靠性	河流传感器网络收集的高结构化时空数据	机器学习	NA	无监督异常检测	动态贝叶斯模型，LSTM，注意力机制	传感器时空数据	通过综合模拟基准测试评估，包含多种常见异常类型
919	2025-09-18	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新颖的四模态深度神经网络（QM-DNN），用于基于Sentinel-2卫星数据估算连云港市湖泊和水库的叶绿素a浓度	提出了结合双波段、三波段和四波段光谱特征以及时空和环境辅助变量的多模态深度学习框架	模型在测试集上表现良好但仍有改进空间，且风速影响存在站点依赖性	通过遥感技术监测水体富营养化状况，支持水质管理和富营养化治理	中国连云港市的湖泊和水库	遥感监测	NA	多模态学习、集成梯度法	QM-DNN（四模态深度神经网络）	多光谱卫星影像、原位测量数据、环境变量	测试集197个样本，数据时间跨度为2017-2024年
920	2025-09-18	Multi-scenario simulation of future marine microplastic distribution under data scarcity: A deep learning approach 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124233 PMID:40701050	研究论文	提出一种结合Few-Shot Learning和Transformer架构的深度学习框架CGMAT，用于模拟未来海洋微塑料分布	首次将Few-Shot Learning与Transformer架构结合，解决数据稀缺条件下的海洋微塑料多场景模拟问题	预测结果显示出显著的地区差异性，模型在不同区域的适用性可能存在局限	评估未来海洋微塑料丰度趋势，为污染治理提供科学依据	台湾海峡和挪威沿海水域的海洋微塑料分布	机器学习	NA	Few-Shot Learning, Transformer架构, 多图注意力网络	CGMAT (Cross-domain Multi-Graph Attention Network)	海洋观测数据	台湾海峡和挪威沿海水域的异构数据集