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
981	2025-09-15	Artificial Intelligence in the Management of Asthma: A Review of a New Frontier in Patient Care 2025, Journal of asthma and allergy IF:3.7Q1 DOI:10.2147/JAA.S535264 PMID:40851769	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
982	2025-09-15	Digital pathology-based artificial intelligence model to predict microsatellite instability in gastroesophageal junction adenocarcinomas 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1486140 PMID:40852482	研究论文	本研究开发了一种基于数字病理和人工智能的深度学习模型，用于预测胃食管结合部腺癌中的微卫星不稳定性	首次将Simple Vit和ResNet18神经网络应用于胃食管结合部腺癌的MSI-H预测，并整合深度学习特征与多种机器学习算法构建WSI级模型	样本量相对有限（212例患者），需要更大规模的外部验证	开发基于H&E染色病理切片的深度学习模型，准确识别胃食管结合部腺癌患者的MSI-H状态	胃食管结合部腺癌患者	数字病理	胃食管结合部腺癌	数字病理，深度学习	Simple Vit, ResNet18, MLP	H&E染色病理图像	212例患者的416张H&E染色切片
983	2025-09-15	Predicting mortality in critically ill patients with hypertension using machine learning and deep learning models 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1568907 PMID:40860363	研究论文	本研究评估多种机器学习和深度学习模型在预测ICU高血压危重症患者死亡率方面的性能	首次系统比较传统ML与先进DL模型（如1D CNN和LSTM）在该人群死亡率预测中的表现，并结合SHAP进行关键预测因子解析	回顾性研究设计，需前瞻性验证；未详细讨论模型临床实施的伦理考量	评估机器学习和深度学习模型对高血压危重症患者死亡率的预测准确性	ICU收治的高血压危重症患者	机器学习	心血管疾病	机器学习与深度学习建模	Logistic Regression, Decision Trees, SVM, 1D CNN, LSTM	临床变量数据	30,096例ICU高血压患者
984	2025-09-15	LiSA-MobileNetV2: an extremely lightweight deep learning model with Swish activation and attention mechanism for accurate rice disease classification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1619365 PMID:40860730	研究论文	提出一种基于MobileNetV2改进的极轻量级深度学习模型LiSA-MobileNetV2，用于水稻病害的准确分类	结合结构简化、Swish激活函数和注意力机制，在显著降低参数规模和计算量的同时提升分类准确率	NA	实现水稻病害的快速准确识别，以保障粮食安全和提高作物产量	水稻病害图像	计算机视觉	水稻病害	深度学习	CNN, MobileNetV2	图像	NA
985	2025-09-15	Deep learning and pathomics analyses predict prognosis of high-grade gliomas 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1614678 PMID:40860971	研究论文	本研究利用深度学习和病理组学分析高级别胶质瘤，以预测患者预后	结合病理组学特征与临床数据构建联合预测模型，并在IDH状态分层中验证其预后价值	模型在测试集上的C-index（0.739）较训练集（0.847）有所下降，可能存在过拟合或泛化能力有限	预测高级别胶质瘤患者的预后	高级别胶质瘤患者	数字病理学	脑癌	全切片图像分析、Pearson相关性分析、单变量Cox回归、LASSO-Cox回归	深度学习模型	图像	NA
986	2025-09-15	Study of obesity research using machine learning methods: A bibliometric and visualization analysis from 2004 to 2023 2024-Sep-06, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000039610 PMID:39252327	文献计量分析	通过文献计量和可视化方法分析2004至2023年间机器学习在肥胖研究中的应用趋势	首次系统评估机器学习在肥胖研究中的出版物，揭示领域内在联系和发展模式	仅纳入Web of Science英文文献，可能遗漏其他语言或数据库的重要研究	定量考察和可视化机器学习在肥胖研究中的学术产出与发展趋势	3286篇符合标准的学术出版物	机器学习	肥胖症	文献计量分析（VOSviewer, CiteSpace）	NA	文献元数据	3286篇出版物
987	2025-09-15	Multimodal imaging and deep learning in geographic atrophy secondary to age-related macular degeneration 2023-Dec, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.15796 PMID:37933610	综述	本文全面综述了地理萎缩的多模态成像基础、诊断分类流程以及人工智能在自动提取影像诊断与预后信息中的前沿作用	系统整合多模态成像与深度学习技术，强调AI在量化地理萎缩进展斜率及个体化治疗响应评估中的创新应用	未涉及具体临床验证数据或算法性能比较，主要聚焦技术框架综述	探讨人工智能如何辅助年龄相关性黄斑变性继发地理萎缩的临床决策	地理萎缩患者的眼部多模态影像数据	数字病理	老年性疾病	多模态成像（如OCT、眼底照相）、人工智能算法	深度学习（如CNN）	医学影像	NA
988	2025-09-10	Letter to the editor regarding 'a deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score' 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2552928 PMID:40922498	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
989	2025-09-14	TTI and pH-responsive dual colorimetric sensor arrays combined with a cascaded deep learning approach for dynamic monitoring of freshness of fresh-cut fruits 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145495 PMID:40651146	研究论文	开发了一种结合pH响应指示剂和时间温度积分器的双比色传感器阵列，用于动态监测鲜切水果的新鲜度	提出双参数传感器阵列克服单参数限制，并采用级联深度学习框架实现高精度预测	NA	动态监测鲜切水果在冷链中的货架期和新鲜度	鲜切芒果和猕猴桃	计算机视觉	NA	比色传感器阵列，深度学习	YOLOv8, ResNet-18, 贝叶斯模型	图像	NA
990	2025-09-14	A novel contrastive Dual-Branch Network (CDB-Net) for robust EEG-Based Alzheimer's disease diagnosis 2025-Oct-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149863 PMID:40730254	研究论文	提出一种新颖的对比双分支网络（CDB-Net），用于提升基于EEG的阿尔茨海默病诊断的准确性和鲁棒性	采用对比学习训练双分支结构，使模型能够学习噪声干扰下保持一致的EEG特征	NA	提高基于脑电图（EEG）的阿尔茨海默病诊断的准确性和鲁棒性	阿尔茨海默病患者和健康对照的EEG信号	机器学习	阿尔茨海默病	EEG（脑电图）	CDB-Net（对比双分支网络），深度学习模型	EEG信号	公共EEG数据集（具体数量未说明）
991	2025-09-14	De Novo Design of Highly Stable Binders Targeting Dihydrofolate Reductase in Klebsiella pneumoniae 2025-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26835 PMID:40371895	研究论文	本研究利用深度学习技术设计靶向肺炎克雷伯菌二氢叶酸还原酶（DHFR）的新型稳定抑制剂	首次结合深度学习模型（OmegaFold和ProteinMPNN）从头设计具有细胞穿透肽（CPP）基序的DHFR抑制剂，并通过分子对接和动力学模拟验证其结合亲和力与稳定性	计算模型预测体内行为存在局限性，需通过体外和体内实验进一步验证临床相关性	设计针对肺炎克雷伯菌DHFR蛋白的新型治疗性抑制剂，以应对细菌耐药性问题	肺炎克雷伯菌DHFR蛋白及其新型肽类抑制剂	生物信息学	细菌感染	深度学习、分子对接、分子动力学模拟	OmegaFold, ProteinMPNN	蛋白质序列	从肺炎克雷伯菌菌株中获取DHFR蛋白序列，生成7200个抑制剂序列，最终筛选出10个候选序列
992	2025-09-14	3D-ΔΔG: A Dual-Channel Prediction Model for Protein-Protein Binding Affinity Changes Following Mutation Based on Protein 3D Structures 2025-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26837 PMID:40375059	研究论文	提出一种基于蛋白质3D结构的双通道深度学习模型3D-ΔΔG，用于预测蛋白质-蛋白质结合亲和力在突变后的变化	结合侧链序列和3D结构信息处理多点突变，采用预训练蛋白质语言模型和图注意力网络的双通道架构	未明确说明模型在处理极罕见突变或跨物种泛化能力方面的限制	预测氨基酸残基突变引起的蛋白质-蛋白质结合亲和力变化(ΔΔG)	蛋白质-蛋白质复合物及其突变变体	计算生物学	NA	深度学习，预训练蛋白质语言模型，图注意力网络	双通道深度学习模型（结合序列编码器和GAT）	蛋白质3D结构数据和氨基酸序列数据	使用SKEMPIv1和SKEMPIv2数据集进行评估
993	2025-09-14	DeepUSPS: Deep Learning-Empowered Unconstrained-Structural Protein Sequence Design 2025-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26847 PMID:40448386	研究论文	提出DeepUSPS模型，用于无约束结构蛋白质序列设计，通过深度学习技术提升优化效率和蛋白质性能	引入IDRNet增强热稳定性，构建SPFESN降低序列相似性，并采用WRA优化器高效生成理想蛋白质序列	NA	解决无约束结构蛋白质序列设计中的优化效率低、天然蛋白质相似性高及热稳定性不足的问题	无约束结构蛋白质序列	计算生物学	NA	深度学习，3Dpssm优化，计算机模拟实验	IDRNet, SPFESN	蛋白质序列数据	生成1000条IDE蛋白质序列
994	2025-09-14	ComPtr: Toward Diverse Bi-Source Dense Prediction Tasks via a Simple Yet General Complementary Transformer 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3578494 PMID:40489289	研究论文	提出一种名为ComPtr的互补Transformer模型，用于处理多样化的双源密集预测任务	从通用的双源密集预测概念出发，通过一致性增强和差异感知组件提取不同图像源的重要视觉语义线索	NA	构建统一模型处理多种双源信息密集预测任务	遥感变化检测、RGB-T人群计数、RGB-D/T显著目标检测和RGB-D语义分割等多任务视觉数据	computer vision	NA	Transformer	sequence-to-sequence	image	NA
995	2025-09-14	SAS: A General Framework Induced by Sequence Association for Shape From Focus 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3577595 PMID:40489288	研究论文	提出一种基于序列关联的通用框架SAS，用于提升形状聚焦（SFF）方法的泛化能力	将图像序列视为完整3D数据进行多视图分解、选择性融合和多尺度特征聚合，并引入更紧密的多视图学习泛化误差界	未明确说明计算复杂度或实时性能表现	提升形状聚焦（SFF）技术的泛化性和场景适应性	多焦点图像序列和3D场景深度估计	计算机视觉	NA	多视图学习、选择性融合、多尺度特征聚合	深度学习框架	图像序列	7个合成数据集和2个真实场景
996	2025-09-14	Event-Based Stereo Depth Estimation: A Survey 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3586559 PMID:40644099	综述	本文系统综述了基于事件相机的立体深度估计方法，涵盖传统电路设计到深度学习技术，并首次全面评述相关数据集	首次全面涵盖深度学习方法和立体数据集，并提供创建新基准测试的实用建议	NA	为基于事件相机的立体深度估计领域提供综合性概述和未来研究方向	事件相机立体视觉系统和深度估计算法	computer vision	NA	深度学习，立体匹配，SLAM	DL methods	事件流数据，立体图像	NA
997	2025-09-14	Deep learning-based temporal muscle quantification on MRI predicts adverse outcomes in acute ischemic stroke 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112332 PMID:40716184	研究论文	开发基于深度学习的MRI颞肌自动量化流程，用于预测急性缺血性卒中患者的不良预后	提出端到端的深度学习流程，整合ResNet50切片选择和TransUNet分割算法，首次实现颞肌厚度和面积的自动量化并验证其预后价值	研究样本量有限（1020例），且为单中心研究，需要外部验证	开发自动量化颞肌参数的深度学习系统，并评估其在急性缺血性卒中预后预测中的价值	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	深度学习，MRI成像	ResNet50, TransUNet	MRI图像	1020例急性缺血性卒中患者（分为三个数据集：295例用于切片选择，258例用于分割，467例用于预后评估）
998	2025-09-14	Rician Likelihood Loss for Quantitative MRI With Self-Supervised Deep Learning 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70136 PMID:40904047	研究论文	提出一种用于定量MRI自监督深度学习的Rician似然损失函数，以改善低信噪比下的参数估计偏差	首次将Rician分布特性融入自监督学习损失函数，替代传统MSE损失	在低信噪比下精度有所降低，性能随信噪比变化	提高定量MRI参数估计的准确性和鲁棒性	MRI magnitude信号	医学影像分析	NA	自监督深度学习，IVIM模型	深度学习网络	MRI影像数据	模拟数据和真实数据
999	2025-09-14	MOL: Joint Estimation of Micro-Expression, Optical Flow, and Landmark via Transformer-Graph-Style Convolution 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3581162 PMID:40536836	研究论文	提出一种端到端的微表情识别框架，联合估计微表情、光流和面部关键点	结合Transformer、图卷积和普通卷积的优势，设计F5C模块直接从原始帧序列提取局部-全局特征，无需关键帧先验知识	NA	提升面部微表情识别的准确性和鲁棒性	面部微表情、光流、面部关键点	计算机视觉	NA	深度学习	Transformer, GCN, CNN	视频序列	在CASME II、SAMM和SMIC基准数据集上进行实验
1000	2025-09-14	Evidence-Based Multi-Feature Fusion for Adversarial Robustness 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3582518 PMID:40549525	研究论文	提出一种基于证据的多特征融合方法EMFF，以提升深度神经网络在对抗攻击下的鲁棒性	引入证据深度学习量化特征可信度，并基于Dempster规则设计多特征证据融合机制，避免单一受污染特征的误导	NA	提升深度神经网络对抗对抗攻击的鲁棒性	深度神经网络（DNNs）	计算机视觉	NA	证据深度学习，Dempster规则融合	CNN, Vision Transformers	图像	NA