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
81	2025-09-27	Deep learning-based fine-tuning transfer improves the generalizability of tea component prediction using miniature near-infrared spectroscopy 2025-Sep-20, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146458 PMID:40997429	研究论文	提出基于深度学习微调迁移的方法，提升微型近红外光谱仪对不同茶叶类型成分预测的泛化能力	采用深度学习微调策略实现局部模型向其他茶叶类型的精度迁移，优于传统迁移成分分析方法	仅针对四种茶叶类型进行验证，未涉及更多茶叶品种或外部环境因素的影响	开发适用于不同茶叶类型的通用化成分预测模型	绿茶、红茶、乌龙茶和黃茶中的儿茶素和咖啡因成分	机器学习	NA	近红外光谱分析	CNN（卷积神经网络）	光谱数据	四种茶叶类型的光谱数据（具体样本数量未明确说明）
82	2025-09-27	Monitoring the ramp use of cage-free laying hens with deep learning technologies 2025-Sep-20, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105858 PMID:40997600	研究论文	开发基于深度学习的方法监测散养蛋鸡的坡道使用情况，并评估坡道对地面蛋和巢箱产蛋数的影响	首次将YOLO系列深度学习模型应用于蛋鸡坡道使用监测，建立了自动化检测基准	坡道接入未显著降低地面蛋产量，需要商业禽舍系统的对比数据验证	通过监测坡道使用评估其对产蛋行为的影响	600只Lohmann LSL Lite蛋鸡	计算机视觉	NA	深度学习目标检测	YOLOv5u, YOLO11	视频图像	600只蛋鸡在3个实验房间中饲养413天，使用2000张图像进行模型训练
83	2025-09-27	Uncovering genetic architecture of the heart via genetic association studies of unsupervised deep learning derived endophenotypes 2025-Sep-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.17.676827 PMID:41000657	研究论文	开发基于3D U架构自编码器的无监督深度学习框架，从心脏磁共振成像中提取图像表型用于遗传发现	首次将掩码自编码器应用于心脏MRI无监督表型学习，无需临床定义表型或人工标注	仅聚焦于长轴二腔心和四腔心视图，未涵盖其他心脏成像平面	通过无监督深度学习衍生的内表型揭示心脏遗传结构	心脏磁共振成像数据及其遗传关联	医学影像分析	心血管疾病	全基因组关联研究(GWAS)、心脏磁共振成像(CMR)	3D U-architecture autoencoder (cineMAE)	时间序列心脏磁共振图像	NA
84	2025-09-27	YeastSAM: A Deep Learning Model for Accurate Segmentation of Budding Yeast Cells 2025-Sep-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.17.676679 PMID:41000957	研究论文	开发了基于深度学习的酵母细胞分割模型YeastSAM，显著提升出芽酵母分裂细胞的识别精度	基于µSAM框架优化出专用于出芽酵母的分割模型，对分裂细胞的识别准确率比现有方法提高三倍以上	NA	解决出芽酵母细胞分割中因不对称分裂导致的误识别问题	出芽酵母细胞	计算机视觉	NA	深度学习、单分子RNA成像、细胞器成像	基于µSAM的深度学习框架	显微镜图像	NA
85	2025-09-27	Human‒machine interaction based on real-time explainable deep learning for higher accurate grading of carotid stenosis from transverse B-mode scan videos 2025-Sep-19, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112441 PMID:40997634	研究论文	开发基于实时可解释深度学习的颈动脉狭窄分级系统，通过人机交互提高诊断准确性	首次将可解释性深度学习模型与实时人机交互策略结合应用于颈动脉超声视频分析	样本量相对有限（311名患者），且仅来自三家医院	开发可解释的深度学习模型辅助放射科医生进行颈动脉狭窄分类	疑似颈动脉狭窄≥50%的患者	医学影像分析	心血管疾病	超声成像、深度学习	CaroNet-Dynamic 2.0（基于视频的深度学习模型）	B型超声扫描视频	311名患者（平均年龄71.3岁，247名男性）
86	2025-09-27	Frequency-Aware Interpretable Deep Learning Framework for Alzheimer's Disease Classification Using rs-fMRI 2025-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.18.677114 PMID:41000974	研究论文	提出一种频率感知可解释深度学习框架FINE，用于基于静息态功能磁共振的阿尔茨海默病分类	首次将可学习小波层与多专家分支架构结合，实现脑网络多尺度时空特征和频率特异性模式的端到端联合建模	NA	开发能够捕捉阿尔茨海默病相关脑功能连接频谱时空变化的可解释深度学习模型	阿尔茨海默病患者和正常对照的脑功能连接动态网络	医学影像分析	阿尔茨海默病	静息态功能磁共振成像	CNN、小波变换、Transformer混合架构	功能磁共振影像数据	OASIS-3数据集中的856名受试者
87	2025-09-27	Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants 2025-Sep-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.18.25336004 PMID:41001491	研究论文	本研究开发了一种基于深度学习的方法，利用早产儿视网膜病变筛查图像预测心肺疾病	首次将视网膜图像特征与人口统计学风险因素结合，构建多模态模型预测BPD和PH	样本量有限（BPD队列99例，PH队列37例），且仅包含≤34周胎龄的图像	探索视网膜筛查图像是否包含与BPD和PH相关的特征，并验证多模态模型的预测性能	493名接受ROP筛查的早产儿	数字病理学	心肺疾病	深度学习、支持向量机	ResNet18、多模态融合模型	视网膜图像、临床数据	BPD队列99例患者，PH队列37例患者（来自总493名婴儿）
88	2025-09-27	Empirical Evaluation of Invariances in Deep Vision Models 2025-Sep-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11090322 PMID:41003371	研究论文	对现代深度视觉模型在图像变换下的不变性进行系统性实证评估	首次对CNN和ViT模型在四种关键图像不变性（模糊、噪声、旋转、尺度）上进行跨任务对比分析	仅评估预训练模型而未涉及训练策略优化，测试扰动类型有限	评估深度视觉模型对图像变换的鲁棒性	30个卷积神经网络和视觉Transformer模型	计算机视觉	NA	深度学习	CNN, ViT, SegFormer, Mask2Former	图像	COCO、ImageNet及自定义分割数据集
89	2025-09-27	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2025-Sep-18, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述人工智能在年龄相关性黄斑变性诊断、预后和治疗中的最新进展与应用潜力	系统总结AI在AMD全流程管理中的临床效用，并首次针对算法偏见、泛化能力等现实挑战提出改进方向	AI模型的'黑箱'特性及在多样化人群中的验证不足限制临床转化	评估人工智能技术在AMD疾病管理中的临床应用价值与发展前景	年龄相关性黄斑变性患者及相关医学影像数据	数字病理	老年性疾病	机器学习、深度学习	AI算法模型	医学影像	47项研究（包含193条记录筛选）
90	2025-09-27	De novo Design of All-atom Biomolecular Interactions with RFdiffusion3 2025-Sep-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.18.676967 PMID:41000976	研究论文	提出RFdiffusion3扩散模型，用于在配体、核酸等非蛋白质原子环境下生成全原子蛋白质结构	首次实现全原子级别的生物分子相互作用设计，能处理蛋白质与配体、核酸等复杂原子约束条件	未明确说明模型对特定生物分子类型的适用性限制	开发能生成复杂生物分子相互作用结构的蛋白质设计方法	蛋白质结构、配体、核酸等生物分子	机器学习	NA	扩散模型	RFdiffusion3	三维原子坐标数据	通过计算机基准测试验证，具体样本量未明确说明
91	2025-09-27	Performance evaluation and clinical application exploration of a ViT-CNN ensemble model for multiclass oral mucosal disease classification: a pilot retrospective analysis based on public datasets 2025-Sep-17, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-102741 PMID:40967645	研究论文	评估基于Vision Transformer的深度学习模型在口腔黏膜疾病分类中的性能，并探索集成模型对临床支持的潜在价值	首次将Vision Transformer与CNN集成应用于口腔黏膜疾病分类，提出三种集成策略并验证其效果	基于公开数据集的回顾性分析，需要更大数据集的进一步验证	评估ViT-CNN集成模型在口腔黏膜疾病分类中的性能并探索其临床应用价值	口腔黏膜疾病图像数据	计算机视觉	口腔黏膜疾病	深度学习集成方法	ViT-CNN集成模型（EfficientNet-B0, ViT-B16）	图像	基于公开数据集的回顾性分析（具体样本量未明确说明）
92	2025-09-27	Real-time activity and fall detection using transformer-based deep learning models for elderly care applications 2025-Sep-17, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101439 PMID:40967671	研究论文	开发基于Transformer的深度学习模型用于老年人实时活动识别和跌倒检测	首次将Transformer架构应用于可穿戴传感器数据的实时活动识别，通过自注意力机制捕捉全局和局部时间依赖关系	仅在实验室数据集上进行验证，尚未在真实世界数据中测试	提高老年人活动识别和跌倒检测的准确性和实时性	老年人日常活动和跌倒行为	机器学习	老年疾病	深度学习，滑动窗口分割	Transformer，CNN-LSTM，时序卷积网络	可穿戴传感器数据（加速度计、陀螺仪、方向信号）	66名参与者的超过1400万条传感器记录，包含16种活动类型
93	2025-09-27	Unveiling genetic architecture of white matter microstructure through unsupervised deep representation learning of fractional anisotropy maps 2025-Sep-17, Research square DOI:10.21203/rs.3.rs-7411165/v1 PMID:41001519	研究论文	提出基于深度学习的无监督白质表征框架UDR-WM，通过体素级FA图谱解析白质微结构的遗传架构	首次采用无监督深度表征学习直接从全脑FA图谱提取特征（UDIP-FA），突破传统基于解剖先验的平均化表型限制	方法依赖扩散MRI数据质量，未明确验证跨扫描仪/协议的泛化能力	揭示白质微结构的精细遗传基础及其与脑疾病的关联	人类脑白质微结构（通过FA量化）	医学影像分析	神经精神疾病（精神分裂症、帕金森病）	扩散MRI、全基因组关联分析（GWAS）、网络分析	无监督深度学习	神经影像数据（FA图谱）	未明确样本量（基于GWAS结果推断为大样本）
94	2025-09-27	HINN: Hierarchical Input Neural Network identifies multi-omics biomarker for cognitive decline 2025-Sep-17, Research square DOI:10.21203/rs.3.rs-7576397/v1 PMID:41001538	研究论文	提出一种分层输入神经网络（HINN），通过整合多组学数据预测认知衰退并识别生物标志物	在神经网络架构中直接嵌入已知的跨组学层次关系，提升预测性能和生物学可解释性	NA	开发能整合多组学数据的深度学习框架以发现认知衰退的生物标志物	阿尔茨海默病和轻度认知障碍患者的血液多组学数据	机器学习	阿尔茨海默病	多组学整合分析	分层输入神经网络（HINN）	基因组学、表观基因组学、转录组学等多组学数据	NA
95	2025-09-27	A deep learning approach based on molecular graph features and residual blocks to predict interaction sites between CircRNA and RBP 2025-Sep-16, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152655 PMID:40997583	研究论文	提出了一种基于分子图特征和残差块的深度学习框架MGFCRSites，用于预测环状RNA与RNA结合蛋白的相互作用位点	首个明确对环状RNA化学分子结构进行建模以预测结合位点的计算方法，通过分子图特征与残差块结构相结合	NA	预测环状RNA与RNA结合蛋白的相互作用位点	环状RNA和RNA结合蛋白	生物信息学	NA	图卷积网络、深度学习	基于残差块的图卷积网络	分子结构数据、序列数据	37个基准数据集
96	2025-09-27	Deep Learning-Driven Multimodal Integration of miRNA and Radiomic for Lung Cancer Diagnosis 2025-Sep-16, Biosensors DOI:10.3390/bios15090610 PMID:41002349	综述	本文综述了基于深度学习的miRNA与影像组学多模态融合技术在肺癌诊断中的研究进展	提出功能纳米材料作为核心生物传感平台，桥接miRNA检测与影像组学特征融合的创新方法	未提及具体临床验证规模和实际应用障碍	探索多模态数据融合提升肺癌诊断准确性的方法	肺癌患者的多组学数据（miRNA生物标志物和影像组学特征）	数字病理	肺癌	深度学习方法、生物传感技术	DenseNet	多模态数据（基因组学数据、影像数据）	NA
97	2025-09-27	Sequence-Based Protein-Protein Interaction Prediction and Its Applications in Drug Discovery 2025-Sep-16, Cells IF:5.1Q2 DOI:10.3390/cells14181449 PMID:41002412	综述	本文综述了基于序列的蛋白质-蛋白质相互作用预测方法及其在药物发现中的应用	从药物发现角度系统阐述序列预测方法的独特视角，特别关注Transformer架构的深度学习应用	NA	探索蛋白质相互作用预测计算方法在靶点识别和药物研发中的应用价值	蛋白质-蛋白质相互作用及其预测方法	自然语言处理	NA	深度学习、Transformer架构	深度学习模型	序列数据	NA
98	2025-09-27	Deep Learning-Enabled Flexible PVA/CNPs Hydrogel Film Sensor for Abdominal Respiration Monitoring 2025-Sep-16, Gels (Basel, Switzerland) DOI:10.3390/gels11090743 PMID:41002518	研究论文	本研究开发了一种基于PVA/CNPs的柔性水凝胶薄膜传感器，结合一维卷积神经网络实现腹部呼吸监测	通过仿砂纸模板构建微结构实现传感器性能优化，并首次将1D-CNN算法与环保可扩展材料结合用于呼吸相位分类	NA	开发用于可穿戴医疗监测的柔性传感器系统	人体关节运动、书写字母电流信号、球形物体重量差异以及腹部呼吸信号	机器学习	NA	深度学习	1D-CNN	传感器信号	NA
99	2025-09-27	Quantitative Evaluation of Low-Dose CT Image Quality Using Deep Learning Reconstruction: A Comparative Study of Philips Precise Image and GE TrueFidelity 2025-Sep-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11090317 PMID:41003367	研究论文	比较飞利浦Precise Image和GE TrueFidelity两种深度学习图像重建算法在低剂量CT扫描中的图像质量表现	首次在80kVp低剂量CT场景下系统比较两种主流DLIR算法，使用综合定量指标评估图像质量	研究基于仿体实验，需进一步临床验证	评估深度学习重建算法在低剂量CT中的图像质量优化效果	AAPM CIRS-610仿体（线性度、高分辨率和伪影模块）	医学影像处理	NA	低剂量CT扫描、深度学习图像重建	深度学习重建算法	CT图像	使用两种CT扫描仪（飞利浦CT 5300和GE Revolution CT）对仿体进行低剂量扫描
100	2025-09-27	Disease-specific variant pathogenicity prediction using multimodal biomedical language models 2025-Sep-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.09.675184 PMID:41000707	研究论文	提出一种名为DIVA的多模态深度学习框架，用于预测错义变异的具体疾病类型及其致病性概率	首次将疾病特异性上下文纳入变异致病性预测，通过对比学习范式整合蛋白质序列和疾病文本注释两种模态信息	NA	开发能够同时预测错义变异致病性和相关疾病类型的计算方法	错义变异及其与遗传疾病的关联	自然语言处理	遗传疾病	多模态语言模型、对比学习	深度学习框架	蛋白质序列数据、疾病文本注释	NA