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
9921	2025-12-04	Geometric Deep Learning for the Rubik's Cube Group 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3599009 PMID:40839500	研究论文	本文提出了一种基于几何深度学习的新型神经网络架构，用于解决魔方问题，该架构通过利用魔方领域的对称性来提升性能	首次在魔方问题中引入几何深度学习原则，设计了一个显式利用对称性的神经网络架构，并基于严格的群论分析进行验证	未明确说明模型在更复杂或更大规模组合问题上的泛化能力，以及计算资源的具体需求	开发一种能够有效利用对称性来提升魔方问题求解效率和泛化能力的神经网络模型	魔方（Rubik's Cube）及其状态空间	机器学习	NA	几何深度学习，群论分析	神经网络	组合状态数据	NA	NA	对称不变模型	泛化能力，问题解决效率	NA
9922	2025-12-04	IRPruneDeXt: Efficient Infrared Small Target Detection via Musical Wavelet-Regularized Channel Pruning 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3594958 PMID:40844941	研究论文	本文提出了一种基于小波结构正则化和多维音乐尺度软通道剪枝的高效红外小目标检测模型IRPruneDeXt	首次将网络剪枝概念引入红外小目标检测领域，并创新性地提出小波结构正则化多维音乐尺度软通道剪枝方法，通过小波域权重表示和音乐尺度反馈效应实现高效剪枝	未明确说明模型在极端低信噪比环境下的鲁棒性，且剪枝过程可能对特定目标形态敏感	提升红外小目标检测模型的效率与精度，解决现有深度学习模型参数冗余和计算成本高的问题	红外图像中的微弱小目标	计算机视觉	NA	红外成像	深度学习	红外图像	多个广泛使用的基准数据集（未指定具体数量）	NA	U-net	IoU, nIoU, 参数量, FLOPs	NA
9923	2025-12-04	Extrapolation Convolution for Data Prediction on a 2-D Grid: Bridging Spatial and Frequency Domains With Applications in Image Outpainting and Compressed Sensing 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3598745 PMID:40844942	研究论文	本文提出了一种外推卷积框架，用于解决图像修复和压缩感知任务中传统卷积神经网络在外推能力上的局限性	提出了外推卷积框架，将缺失数据预测建模为深度学习架构内的线性预测问题，并应用于图像外绘和傅里叶域压缩感知MRI重建	未明确说明模型的计算复杂度和训练时间，也未讨论在更广泛数据集或不同模态图像上的泛化能力	提升卷积神经网络在图像外推任务中的性能，特别是在图像外绘和压缩感知MRI重建中的应用	二维网格数据，具体为图像数据和MRI频率域信号	计算机视觉	NA	深度学习，压缩感知MRI	CNN，编码器-解码器网络	图像，频率域信号	NA	NA	EC-DecNet, FDRN	峰值信噪比, 结构相似性指数, 核初始距离/弗雷歇初始距离	NA
9924	2025-12-04	ReCL: A Plug-and-Play Module for Enhancing Generalized Category Discovery Using Transport-Based Method to Uncover the Relationship in Samples 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3598594 PMID:40853786	研究论文	本文提出了一种基于关系的对比学习模块（ReCL），用于增强广义类别发现（GCD）任务，通过运输分配方法挖掘未标记样本间的关系	提出了一种基于运输的分配方法，为每个未标记数据点寻找合适的样本，并通过原型融合方法创建正锚点，以改进对比学习中未标记样本的特征学习	未在极端数据不平衡或噪声标签场景下进行验证，且模块的计算复杂度可能较高	解决广义类别发现（GCD）问题，即在部分标记数据中同时分类已标记和未标记类别的样本	深度学习模型在开放集环境下的性能提升，特别是针对未标记样本的关系挖掘	机器学习	NA	对比学习，运输分配方法，原型融合	深度学习模型	图像数据（基于实验领域推断）	NA	PyTorch, TensorFlow	NA	准确率，F1分数，AUC	GPU（具体型号未指定），可能使用云平台进行实验
9925	2025-12-04	A Bioinspired Deep Learning Framework for Saliency-Based Image Quality Assessment 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3598716 PMID:40857193	研究论文	本文提出了一种受生物启发的深度学习框架BioSIQNet，用于基于显著性的无参考图像质量评估	通过将显著性分为高低两个焦点注意力水平，并基于多任务学习框架构建网络，模拟大脑视觉皮层的分层处理机制，首次在深度学习中探索了显著性在无参考图像质量评估中的最优利用	NA	提升无参考图像质量评估模型在处理复杂多样自然图像时的性能	数字图像	计算机视觉	NA	NA	深度神经网络	图像	NA	NA	BioSIQNet	NA	NA
9926	2025-12-04	Linking fish activity and turbidity through visual and sensor data fusion and deep learning 2025-Dec-01, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.119070 PMID:41330340	研究论文	本研究提出了一种融合高分辨率水下成像、高科技水质传感与深度学习模型的新方法，用于检测鱼类、估算浊度并分析其相互作用	首次将水下视觉数据与水质传感器数据进行同步融合，并开发了基于CNN的图像浊度估算模型，同时利用无需训练的YOLOWorld模型进行鱼类检测，揭示了鱼类数量与浊度之间的非线性关系	收集的图像中有相当一部分由于相机与传感器同步问题而缺乏有效的浊度值	通过视觉与传感器数据融合及深度学习，监测水下环境并分析鱼类活动与浊度的关联	澳大利亚麦凯港水域的鱼类活动与水质浊度	计算机视觉	NA	水下成像、水质传感	CNN, YOLOWorld	图像、传感器数据	在麦凯港部署IP水下相机和两个先进水质传感器收集的同步数据	NA	自定义CNN, YOLOWorld-v1 Large	准确率, 均方根误差, 相关系数R	NA
9927	2025-12-04	The role of artificial intelligence in enhancing triage decisions in healthcare settings: A systematic review 2025-Dec, Applied nursing research : ANR IF:2.7Q1 DOI:10.1016/j.apnr.2025.152024 PMID:41330654	系统综述	本文通过系统综述探讨了人工智能在增强医疗环境中分诊决策过程中的作用	系统性地回顾了2020年至2025年间关于AI在分诊中应用的最新研究，并综合评估了其有效性、挑战和伦理考量	纳入的研究时间范围有限（2020-2025），且仅包含22项研究，可能无法全面反映AI在分诊中的所有应用和长期效果	探索人工智能在增强医疗环境中分诊决策过程中的作用	医疗环境中的分诊决策过程	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, 自然语言处理	NA	211项研究被筛选，其中22项符合纳入标准	NA	NA	诊断准确性, 分诊效率, 决策支持	NA
9928	2025-12-04	Predicting postrestorative facial appearance in edentulous patients using deep learning: A prospective cohort study 2025-Dec-01, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.10.053 PMID:41330832	研究论文	本研究开发了名为FacePointNet的双向深度学习模型，用于预测无牙颌患者在接受牙齿修复后的面部外观变化	提出了一个基于点集神经网络的双向深度学习模型，通过复合损失函数学习几何变换，首次在无牙颌患者中实现术后面部外观的定量预测	样本量较小（仅16名患者），未整合生物力学数据，动态建模能力有待提升	开发一种深度学习模型，以预测无牙颌患者牙齿修复后的面部外观变化，改善修复前治疗规划	无牙颌患者	计算机视觉	NA	3D面部扫描	点集神经网络	3D图像	16名无牙颌患者	NA	FacePointNet	Chamfer距离, 欧几里得距离, 视觉相似度评分	NA
9929	2025-12-04	Bubble Detection in Gas-Solid Separation Fluidized Beds Based on Deep Learning 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c09389 PMID:41322525	研究论文	本研究提出了一种基于改进YOLOv8的气泡检测模型，用于气固流化床中的气泡动态监测，并分析了气泡特征与分选性能的关联	模型集成了多头自注意力机制增强全局特征提取，采用多尺度特征融合结构实现高效特征整合，并使用基于Involution的解耦头在提高检测精度的同时降低计算复杂度	NA	实现气固流化床中气泡的准确、实时监测，并探究气泡动态与分选效率的耦合关系	干法选煤气固流化床中的气泡	计算机视觉	NA	深度学习	CNN	图像	120个实验数据集	NA	YOLOv8, Faster R-CNN, Mask R-CNN	精确率, 召回率, mAP@0.5	NA
9930	2025-12-04	Efficient Channel Attention-Gated Graph Transformer for Aero-Engine Remaining Useful Life Prediction 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c07687 PMID:41322556	研究论文	本文提出了一种名为高效通道注意力门控图变换器的新预测框架，用于航空发动机剩余使用寿命预测	结合图卷积网络、基于高效通道注意力的自适应特征融合机制和基于Transformer的时间编码器，有效建模多源传感器读数的局部序列依赖性和捕获长运行周期内的渐进退化行为	NA	提高航空发动机剩余使用寿命预测的准确性和可靠性	航空发动机	机器学习	NA	NA	GCN, Transformer	多源传感器读数	基准C-MAPSS数据集	NA	图卷积网络, Transformer	均方根误差, Score指数	NA
9931	2025-12-04	Identification of Potential Nontoxic Human BTK Inhibitors through an Integrated Deep Learning and Structure-Based Drug Repositioning Strategy 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01756 PMID:41322579	研究论文	本研究通过整合深度学习和基于结构的药物重定位策略，识别潜在的非毒性人类BTK抑制剂	开发了一个结合深度学习、基于结构的药物重定位和毒性分析的集成管道，用于识别BTK抑制剂，并通过分子模拟和基于GNN的毒性分析验证了候选化合物的稳定性和安全性	需要进一步的临床试验来验证gozetotide、micafungin和candicidin作为BTK靶向疗法的有效性和安全性	识别潜在的非毒性人类BTK抑制剂，以提供更安全有效的自身免疫性疾病治疗方法	BTK（Bruton's tyrosine kinase）及其抑制剂，特别是针对FDA批准药物库中的化合物	机器学习	自身免疫性疾病	深度学习、分子对接、分子模拟、毒性分析	人工神经网络（ANN）、图神经网络（GNN）	化合物数据、药物库数据	经过严格过滤的高质量化合物数据集，以及FDA批准药物库	NA	人工神经网络（ANN）、图神经网络（GNN）	RMSD、RMSF、RoG、氢键分析、PCA、FEL、DCCM	NA
9932	2025-12-04	Spatial transcriptomics expression prediction from histopathology based on cross-modal mask reconstruction and contrastive learning 2025-Nov-25, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103889 PMID:41330094	研究论文	提出一种基于对比学习和跨模态掩码重建的深度学习方法，从全切片图像预测空间转录组表达	采用跨模态对比学习建立组织病理形态与空间基因表达的特征对应，并设计跨模态掩码重建作为预训练任务实现特征级融合，无需大规模预训练数据或抽象语义表示	未明确说明方法在极低样本量（如少于10个样本）下的稳定性，且未与其他模态融合方法（如注意力机制）进行系统比较	从组织病理图像预测空间转录组表达，以降低数据获取成本并支持肿瘤微环境分析	六种不同疾病数据集的全切片图像与空间转录组数据	数字病理学	肿瘤（多种癌症类型）	空间转录组技术，全切片图像分析	深度学习，对比学习	图像（全切片图像），基因表达数据	六个疾病数据集（具体样本数未明确说明）	未明确说明（代码库未指定框架）	CMRCNet（自定义网络）	皮尔逊相关系数（PCC）	未明确说明
9933	2025-12-04	CCK * (Convex Closure K *): A Suite of Algorithms for the De Novo Design of L- and D-peptide Binders 2025-Nov-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.21.689740 PMID:41332631	研究论文	本文介绍了一种名为CCK*的计算框架，用于从头设计L-和D-肽结合物	提出了一种统一的计算框架，支持L-和D-肽的设计，扩展了设计空间，并引入了一套手性不变算法（scope、montage、arise）	NA	开发一个计算框架，用于设计L-和D-肽结合物，以克服D-肽设计中的进化背景和结构数据缺乏问题	L-和D-肽结合物	机器学习	NA	几何建模、几何哈希、迭代残基搜索	NA	结构数据	NA	NA	NA	NA	NA
9934	2025-12-04	Variability vs. phenotype: Multimodal analysis of Dravet syndrome brain organoids powered by deep learning 2025-Nov-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113831 PMID:41323276	研究论文	本文利用深度学习开发了ImPheNet工具，通过分析Dravet综合征脑类器官的活体成像数据，克服了类器官变异性，实现了早期表型分类和药物效应评估	开发了基于深度学习的ImPheNet预测工具，首次将活体成像与深度学习结合用于克服脑类器官的变异性，实现Dravet综合征的早期表型分类和抗癫痫药物暴露分析	研究主要基于脑类器官模型，可能无法完全模拟体内复杂环境；深度学习模型的泛化能力需在更多数据集上验证	研究Dravet综合征的分子病理生理学，开发深度学习工具以克服脑类器官变异性，加速发育性癫痫性脑病研究和治疗发现	Dravet综合征脑类器官，包括健康对照和疾病模型，以及抗癫痫药物暴露下的类器官	深度学习	Dravet综合征	脑类器官活体成像，深度学习分析	深度学习模型	活体成像数据集	未明确指定样本数量，但涉及健康与DS表型的脑类器官	未明确指定	ImPheNet（具体架构未详细说明）	准确分类（准确率），但未明确具体指标	未明确指定
9935	2025-12-04	FDTransformer: A firn density prediction framework combining a self-attention transformer network with firn densification physics 2025-Nov-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113869 PMID:41323272	研究论文	本研究提出了一种结合自注意力Transformer网络与粒雪密实化物理的粒雪密度预测框架FDTransformer，用于改进冰川粒雪密度估计	首次将具有序列自注意力机制的Transformer网络与粒雪密实化物理过程相结合，构建了从物理参数到密度序列的非线性映射模型	模型仅在格陵兰岛三个站点进行验证，尚未在其他气候区域或更广泛的粒雪演化模式中进行测试	提高冰川粒雪密度估计的准确性，以更好评估冰川物质平衡	冰川粒雪	机器学习	NA	深度学习	Transformer	物理参数序列，观测密度数据	格陵兰岛三个站点（Dye-2、KAN_U和Summit）的测量数据	NA	自注意力Transformer网络	平均绝对误差	NA
9936	2025-12-04	Single-cell multiomics data integration and generation with scPairing 2025-Nov-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101211 PMID:41151585	研究论文	本文提出了一种名为scPairing的深度学习模型，用于整合和生成单细胞多组学数据	受对比语言-图像预训练（CLIP）启发，scPairing将不同模态的数据嵌入到共同空间，并扩展至生成三模态数据	NA	解决单细胞多组学数据因成本高而数据集较小的问题，通过数据整合与生成促进生物学发现	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	深度学习模型	基因表达和染色质可及性等多模态单细胞数据	NA	NA	受CLIP启发的模型架构	NA	NA
9937	2025-12-04	AIstain: Enhancing microglial phagocytosis analysis through deep learning 2025-Nov-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101207 PMID:41109218	研究论文	本研究开发了一种基于U-Net的深度学习模型AIstain，用于增强小胶质细胞吞噬作用的图像分析	利用U-Net神经网络进行图像细胞计数，相比传统活细胞染色及现有分割工具（如SAM2和Cellpose 3），在细胞检测方面表现出更优性能，且模型可扩展至其他细胞类型	未明确说明模型在多样化或临床样本中的泛化能力，以及可能存在的计算资源需求	提高小胶质细胞吞噬作用的分析精度，简化实验流程，以促进神经生物学研究	小鼠小胶质细胞，并扩展至白血病细胞和乳腺癌细胞	计算机视觉	神经系统疾病	图像细胞计数，活细胞成像	CNN	图像	未明确指定样本数量，但提及生成了大量数据集用于训练	未指定，但基于U-Net架构	U-Net	未明确指定，但提及在细胞检测方面性能优越	未明确指定
9938	2025-12-04	Vitiligo Signature-Based Drug Screening Identifies Fulvestrant as a Novel Immunotherapy Combination Strategy 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503979 PMID:40974370	研究论文	本研究通过比较白癜风与黑色素瘤，建立了一个基于白癜风特征的生物标志物面板，用于区分“冷”与“热”肿瘤，并利用深度学习预测系统识别出Fulvestrant作为增强抗PD-L1治疗的候选药物	提出了一种基于白癜风特征的精准患者分层方法，并首次将Fulvestrant鉴定为一种新型免疫治疗组合策略，通过激活CCL5、MHC I和IFN II信号通路增强抗肿瘤免疫	研究主要基于临床前模型，尚未进行大规模临床评估，且Fulvestrant在人类患者中的安全性和有效性需进一步验证	开发一种提高免疫治疗响应率的精准策略，并探索增强抗PD-L1治疗效果的药物组合	黑色素瘤患者、白癜风患者、临床前肿瘤模型	机器学习	黑色素瘤	单细胞RNA测序、免疫荧光、流式细胞术	深度学习	基因表达数据、单细胞RNA测序数据、免疫组化数据	未明确指定样本数量，涉及临床前模型和患者数据	未明确指定	未明确指定	准确性	未明确指定
9939	2025-12-04	SNRAware: Improved Deep Learning MRI Denoising with Signal-to-Noise Ratio Unit Training and G-Factor Map Augmentation 2025-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.250227 PMID:41123451	研究论文	提出并评估了一种基于深度学习的MRI去噪方法SNRAware，该方法利用图像重建过程中获得的定量噪声分布信息来提升模型性能和泛化能力	引入了SNRAware训练方案，该方案通过模拟多样化的合成数据集并提供定量噪声分布信息，将MRI重建知识融入深度学习去噪训练中，从而提升了模型性能和泛化能力	NA	开发并评估一种利用图像重建过程中获得的定量噪声分布信息来提升深度学习MRI去噪模型性能和泛化能力的方法	心脏电影MRI图像以及其他序列（如实时心脏电影、首过心脏灌注、脑部和脊柱MRI）的图像	医学图像处理	心血管疾病	MRI	CNN, Transformer	图像	训练集包含来自96,605个心脏电影序列的2,885,236张图像，测试集包含3,000个电影序列	NA	Transformer, 卷积块	峰值信噪比, 结构相似性指数, 对比噪声比	NA
9940	2025-12-04	Multidirectional interstitial flow promotes microvascular network formation: insights from a square chip-based platform 2025-Nov-01, Angiogenesis IF:9.2Q1 DOI:10.1007/s10456-025-10010-y PMID:41176522	研究论文	本研究开发了一种基于方形芯片的平台，结合深度学习工具，首次证明了多向间质流能促进微血管网络的形成	首次开发了能够生成多向间质流的方形芯片平台，并结合深度学习工具进行高效分析，首次提供了多向间质流促进微血管网络形成的证据	未明确说明样本量或实验重复次数，也未提及计算资源的具体配置	探究多向间质流对微血管网络形成的影响	微血管网络、肿瘤微环境	数字病理学	肿瘤	芯片平台、深度学习分析	深度学习模型	图像	NA	NA	NA	NA	NA