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
10161	2025-12-09	Quantitative analysis of corn adulteration in sweet potato starch using a CNN-LSTM hybrid model 2026-Jan-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147041 PMID:41274049	研究论文	本文利用太赫兹时域光谱技术结合CNN-LSTM混合模型，实现了对红薯淀粉中玉米掺假的快速定量分析	首次将CNN-LSTM混合深度学习模型应用于太赫兹光谱数据，用于淀粉掺假的定量检测，相比传统回归方法具有更高精度	未提及模型在其他淀粉类型或更复杂掺假场景中的泛化能力，且样本规模和多样性可能有限	开发一种快速、准确、非破坏性的淀粉掺假定量检测方法	掺假的红薯淀粉样品（含有玉米淀粉）	机器学习	NA	太赫兹时域光谱技术	CNN, LSTM	光谱数据（时域光谱）	一系列掺假样品（具体数量未明确说明）	NA	CNN-LSTM混合模型	Rp（预测相关系数）, RMSEP（预测均方根误差）	NA
10162	2025-12-09	Deep Learning HASTE for Upper Abdominal MRI: Improved Image Quality, Speed, and Energy Efficiency in a Prospective Study 2026-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70183 PMID:41346174	研究论文	本研究前瞻性地比较了深度学习重建的快速T2加权HASTE序列与传统HASTE序列在上腹部3T MRI中的图像质量、扫描时间和能效	首次将深度学习重建技术应用于上腹部MRI的HASTE序列，在保证图像质量的同时实现了62.5%的扫描时间缩减和显著的能耗降低	研究为单中心前瞻性研究，样本量相对有限（166例），且仅针对上腹部MRI，未评估其他解剖区域	评估深度学习重建的快速HASTE序列在上腹部MRI中的图像质量、诊断性能和能效优势	166名计划接受上腹部MRI检查的患者（平均年龄60±14岁）	医学影像分析	上腹部疾病	3T MRI, T2加权HASTE序列	深度学习模型	MRI图像	166例患者	未明确说明	未明确说明	图像质量评分, SNR, CNR, 放射组学特征, 扫描时间, 能耗	未明确说明
10163	2025-12-09	Association of deep learning-derived optic nerve morphology with Parkinson's disease and drug-induced Parkinsonism: Findings from the LIFE Study 2025-Dec-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123751 PMID:41223743	研究论文	本研究通过深度学习分析眼底照片中的视盘杯盘比，探讨其与帕金森病及药物诱导性帕金森综合征的关联	首次在大规模人群研究中，利用深度学习从眼底照片中提取视盘杯盘比，并评估其与帕金森病及药物诱导性帕金森综合征的关联	研究为横断面设计，无法确定因果关系；仅基于ICD-10编码和处方记录诊断疾病，可能存在误分类；未详细说明深度学习模型的具体架构和性能	探究视盘杯盘比作为神经退行性病变标志物，与帕金森病及药物诱导性帕金森综合征的关联	来自日本LIFE研究的14,280名40-64岁社区参与者	数字病理学	帕金森病	眼底摄影	深度学习	图像	14,280名参与者	NA	NA	NA	NA
10164	2025-12-09	Copolymer Sequence Regulation Enabled by Reactivity Ratio Fingerprints via Machine Learning 2025-Dec-08, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202513086 PMID:41147785	研究论文	本研究开发了一个基于机器学习的高效平台，利用“反应活性比指纹”来测定二元和三元共聚中的反应活性比，实现序列调控	提出了“反应活性比指纹”的新设计，并利用深度学习模型在稀疏实验数据下实现毫秒级的高效测定，扩展至三元共聚体系	未明确说明模型在极端反应条件或非常规单体组合下的泛化能力	开发高效测定共聚反应活性比的方法，实现聚合物序列的按需调控	二元和三元共聚反应体系	机器学习	NA	共聚反应动力学分析，玻璃化转变表征	深度学习模型	反应活性比指纹，实验数据	数百万个反应活性比指纹	NA	NA	测定效率（毫秒级），预测准确性（通过动力学实验验证）	NA
10165	2025-12-09	SleepPPG-Net2: deep learning generalization for sleep staging from photoplethysmography 2025-Dec-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae1a34 PMID:41172609	研究论文	本研究提出SleepPPG-Net2模型，通过多源域训练提升基于光电容积脉搏波（PPG）的四阶段睡眠分期在外部数据集上的泛化性能	采用多源域训练策略解决PPG数据漂移问题，显著提升模型在分布外数据上的泛化能力（Cohen's kappa提升达21%）	模型性能仍受年龄、性别和阻塞性睡眠呼吸暂停严重程度等人口统计学和临床因素影响	改善基于PPG信号的自动睡眠分期模型的跨数据集泛化能力	原始PPG时间序列数据	机器学习	睡眠障碍	光电容积脉搏波（PPG）	深度学习模型	时间序列数据	NA	NA	SleepPPG-Net2	Cohen's kappa	NA
10166	2025-12-09	From Signal to Symphony: Exploring 2D Sequence Representations for Protein Function Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01768 PMID:41247925	研究论文	本研究探索了将蛋白质氨基酸序列转换为二维声谱图作为蛋白质功能预测任务的数据表示方法	提出蛋白质声谱化方法，将一维序列转换为二维声谱图，并证明这种表示结构本身是模型预测性能的关键来源	未明确说明模型在更广泛蛋白质类别或更大规模数据集上的泛化能力限制	探索蛋白质序列的最佳表示方法以提高功能预测性能	蛋白质氨基酸序列	计算生物学	NA	蛋白质声谱化	融合模型, 扩散模型	序列, 图像	18,000个序列，涵盖12个功能多样的蛋白质类别	NA	Transformer, ESM-2, ProtBERT	准确率	NA
10167	2025-12-09	MGCL-CAP: Masked Graph Contrastive Learning with Gated Cross-Attention for Chemical Allergenicity Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02222 PMID:41251678	研究论文	本文提出了一种名为MGCL-CAP的深度学习框架，用于化学致敏性预测，该框架结合了掩码图对比学习和门控交叉注意力融合技术	提出了一种结合掩码图对比学习和门控交叉注意力融合的深度学习框架，用于学习结构不变的图嵌入并整合一维分子指纹，从而提升对分子拓扑和跨模态依赖关系的捕捉能力	未明确提及具体的数据集规模限制或模型在极端噪声条件下的鲁棒性	开发一种计算工具，用于高效预测化学物质的致敏性，以支持化学安全评估和更安全的配方设计	化学致敏物（存在于消费品和工业产品中）	机器学习	过敏性疾病	深度学习	图神经网络, 注意力机制	图数据（分子结构）, 一维分子指纹	NA	NA	图同构网络, 多头门控交叉注意力	NA	NA
10168	2025-12-09	Automatic detection of urinary stones from non-contrast enhanced computed tomography images 2025-Dec-08, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-025-01902-1 PMID:41359136	研究论文	本研究利用深度学习技术，开发了名为UROAID的集成模型，用于从非增强CT图像中自动检测尿路结石	提出了UROAID集成模型，结合了基于分割的结石检测模块和结石分类模块，模拟放射科医生诊断尿路结石的流程，并针对不同位置的结石实现了高检测率	未明确提及模型在外部验证集上的泛化能力，也未讨论计算效率或实时性方面的限制	实现尿路结石的自动检测，以辅助急诊诊断	成年患者的非增强腹部盆腔CT图像	数字病理学	尿路结石	非增强计算机断层扫描（CT）	深度学习，集成模型	3D CT图像	6659名患者的CT扫描	NA	Uro-UNETR（改进版），UROAID	准确率，F1分数，检测率	NA
10169	2025-12-09	Boosting brain tumor detection with an optimized ResNet and explainability via Grad-CAM and LIME 2025-Dec-05, Brain informatics DOI:10.1186/s40708-025-00279-6 PMID:41348154	研究论文	本研究通过优化ResNet架构并集成Grad-CAM和LIME等可解释性技术，提升脑肿瘤检测的准确性、泛化性和可解释性	结合动态学习率调整、架构增强（如解冻层、集成不同模块、池化和丢弃层）与可解释性AI技术，在提升模型性能的同时解决CNN在医学影像中缺乏可解释性的问题	研究依赖于公开的多类别肿瘤数据集，未在更广泛或临床实时数据上进行验证；虽然使用了三个数据集以确保泛化性，但可能仍存在特定数据分布的偏差	提高基于CNN的脑肿瘤检测模型的准确性、泛化性和临床可解释性	脑肿瘤的MRI影像	计算机视觉	脑肿瘤	MRI影像分析	CNN	图像	三个公开的多类别脑肿瘤数据集	未明确提及，推测为PyTorch或TensorFlow	ResNet	准确率	NA
10170	2025-12-09	T-SCAPE: T cell immunogenicity scoring via cross-domain aided predictive engine 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz8759 PMID:41348893	研究论文	本文提出了一种名为T-SCAPE的新型多领域深度学习框架，用于预测T细胞免疫原性	利用对抗性领域适应整合多种免疫相关数据源，实现跨领域预测，无需MHC输入即可预测治疗性抗体的抗药抗体诱导潜力	NA	预测T细胞免疫原性以促进更安全有效的疫苗和蛋白质治疗剂的开发	肽片段、肽-MHC对、治疗性抗体	机器学习	NA	深度学习、对抗性领域适应	深度学习框架	免疫相关数据（MHC呈递、pMHC结合亲和力、T细胞受体-pMHC相互作用、来源生物信息、T细胞激活）	NA	NA	NA	NA	NA
10171	2025-12-09	Deep learning predicts real-world electric vehicle direct current charging profiles and durations 2025-Dec-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65970-y PMID:41350260	研究论文	本文提出了一种基于深度学习的框架，用于预测电动汽车直流快速充电的充电曲线和持续时间	利用真实世界的大规模充电会话数据（909,135个会话），仅需最少输入即可预测充电曲线和持续时间，并提供不确定性估计；模型能够从单个数据点开始预测，并随着新观测数据的到来进行增量式实时更新	未明确说明模型在不同气候条件、电池老化或极端充电场景下的泛化能力	准确预测电动汽车直流快速充电的充电曲线和持续时间，以支持充电基础设施的优化和能源规划	电动汽车的直流快速充电会话	机器学习	NA	深度学习	深度学习模型	时间序列数据（充电功率、荷电状态）	909,135个真实世界充电会话	未明确指定	未明确指定	准确率、绝对误差	未明确指定
10172	2025-12-09	Early detection of Alzheimer's disease progression: comparative evaluation of deep learning models 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27360-8 PMID:41350317	研究论文	本研究评估了两种3D卷积神经网络模型在基于脑部MRI进行阿尔茨海默病进展二元分类中的表现	比较了全体积处理与基于神经解剖学区域特征提取的两种CNN方法，后者利用特定脑区灰质体积差异提升性能	研究结果仅基于ADNI数据集，需要在更广泛的临床人群中进行验证	通过深度学习模型提高阿尔茨海默病进展的早期检测和监测精度	阿尔茨海默病患者的脑部MRI数据	计算机视觉	阿尔茨海默病	MRI神经影像生物标志物分析	CNN	3D MRI图像	NA	NA	3D CNN	准确率	NA
10173	2025-12-06	Spike train analysis in rehabilitation movement classification using deep learning approach 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25268-x PMID:41345141	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10174	2025-12-09	GoFlow: efficient transition state geometry prediction with flow matching and E(3)-equivariant neural networks 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00283d PMID:41189760	研究论文	本文提出了一种名为GoFlow的新方法，利用流匹配和E(3)-等变神经网络高效预测化学反应过渡态几何结构	将过渡态生成建模为最优传输流问题，采用E(3)-等变流匹配与几何张量网络，相比现有方法实现了百倍以上的推理加速和几何精度提升	未明确说明方法在具体分子系统规模或反应类型上的限制	开发高效准确的机器学习方法，用于从二维反应图预测化学反应过渡态几何结构	化学反应的过渡态几何结构	机器学习	NA	NA	E(3)-等变神经网络	二维反应图	NA	NA	几何张量网络	几何精度, 推理速度	NA
10175	2025-12-09	MaskTerial: a foundation model for automated 2D material flake detection 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00156k PMID:41220578	研究论文	本文提出了一种名为MaskTerial的基础模型，用于自动化检测和分类光学显微镜图像中的二维材料薄片	利用合成数据生成器进行广泛预训练，使模型能够仅用5到10张图像快速适应新材料，并采用不确定性估计模型基于光学对比度对预测进行最终分类	未明确说明模型在更广泛材料类型或复杂背景下的泛化能力	自动化检测和分类剥离的二维材料薄片，提高分类准确性、客观性和样品制备效率	光学显微镜图像中的二维材料薄片	计算机视觉	NA	光学显微镜成像	实例分割网络	图像	八个不同数据集，包含五种不同的二维材料	NA	NA	NA	NA
10176	2025-12-09	SOC Prediction of Li-Ion Battery Based on EKF and CNN-BiLSTM-Attention 2025-Dec-02, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c06451 PMID:41358071	研究论文	本文提出了一种融合扩展卡尔曼滤波、卷积神经网络、双向长短期记忆网络和注意力机制的锂离子电池荷电状态预测模型	将物理模型驱动的扩展卡尔曼滤波算法与数据驱动的深度学习模型相结合，通过物理先验约束提升预测结果的物理一致性和鲁棒性	实验验证仅在10°C和25°C两种温度下的多种工况进行，未涵盖更宽的温度范围或更极端的工况	提高锂离子电池荷电状态估计的准确性、物理一致性和泛化能力	磷酸铁锂电池	机器学习	NA	NA	CNN, BiLSTM, Attention, EKF	电池运行数据	NA	NA	CNN-BiLSTM-Attention与EKF融合架构	平均估计误差	NA
10177	2025-12-09	Improving Robustness and Reliability in Medical Image Classification With Latent-Guided Diffusion and Nested-Ensembles 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3583974 PMID:40587343	研究论文	本文提出了一种名为LaDiNE的新集成学习方法，结合视觉Transformer的鲁棒性和基于扩散的生成模型，以提高医学图像分类的可靠性	首次将视觉Transformer的鲁棒性与扩散模型作为灵活密度估计器结合，以同时应对未知噪声、对抗性扰动和分辨率退化，提升预测准确性和置信度校准	未明确说明方法在更广泛医学图像数据集或实际临床部署中的泛化能力	提高医学图像分类在面临意外图像损坏和噪声扰动时的鲁棒性和可靠性	肺结核胸部X光图像和黑色素瘤皮肤癌图像	计算机视觉	肺结核, 皮肤癌	NA	Vision Transformer, 扩散模型	图像	NA	NA	Transformer编码器块	预测准确性, 置信度校准	NA
10178	2025-12-09	In Vivo Laparoscopic Image De-Smoking Dataset, Evaluation, and Beyond 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584641 PMID:40601460	研究论文	本文提出了首个用于腹腔镜手术烟雾去除的真实配对数据集，并评估了现有去烟雾方法的性能	构建了首个来自真实腹腔镜手术记录的配对烟雾-无烟雾数据集，并开发了运动跟踪技术来补偿患者非自主运动，确保可靠的图像配对	数据集仅来自前列腺切除术和胆囊切除术两种手术类型，可能无法完全代表所有腹腔镜手术场景	开发有效的腹腔镜手术烟雾去除算法，并评估现有方法的性能	腹腔镜手术图像	计算机视觉	前列腺癌	腹腔镜手术记录	NA	图像	132例前列腺切除术记录（提取41个视频序列，2000对图像）和45例胆囊切除术记录（提取68个视频序列，1000对图像）	NA	NA	NA	NA
10179	2025-12-09	A Novel Few-Shot Learning Framework for Supervised Diffeomorphic Image Registration Network 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585199 PMID:40601459	研究论文	本文提出了一种新颖的小样本学习框架，用于监督式微分同胚图像配准网络	提出了一种结合随机微分同胚生成器（RDG）和监督式小样本学习网络的新型框架，理论上仅需单张图像数据即可生成训练标签，并在损失函数中仅需确保形变平滑性即可有效消除物理网格折叠现象	未明确讨论框架在极端形变或不同模态医学图像上的泛化能力，也未提供大规模临床数据集的验证结果	解决医学图像配准中监督式网络面临的两个主要挑战：物理网格折叠和标记训练数据稀缺	医学图像配准任务	计算机视觉	NA	深度学习图像配准	监督式小样本学习网络	医学图像	理论上单张图像数据即可（小样本设置）	未明确说明（代码链接为GitHub仓库）	随机微分同胚生成器（RDG）与监督式小样本学习网络的组合架构	网格折叠消除性能（与其他基于学习的方法比较）	NA
10180	2025-12-09	Coupled Diffusion Models for Metal Artifact Reduction of Clinical Dental CBCT Images 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3587131 PMID:40627491	研究论文	本文提出了一种基于耦合扩散模型的新方法，用于减少临床牙科CBCT图像中的金属伪影	提出耦合扩散模型（CDM），通过分别训练两个扩散模型获取先验信息，并设计噪声转换模块和MA自适应推理技术，有效利用未对齐的MA退化图像与干净图像之间的固有转换	未明确说明模型在极端或罕见临床情况下的泛化能力，且仅基于特定临床数据集进行实验	减少临床牙科CBCT图像中的金属伪影，以改善后续诊断	临床牙科CBCT图像	计算机视觉	NA	CBCT成像	扩散模型	图像	NA	NA	扩散模型	客观指标, 视觉质量	NA