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
1081	2025-11-06	Deep learning approach to parameter optimization for physiological models 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf064 PMID:41141323	研究论文	提出一种使用神经网络同时解决生物建模、参数化和参数推断的新方法	使用卷积神经网络从模拟的生理数据时间序列中推断数学模型参数，为非线性生物动力学模型提供新的参数优化方法	基于有限临床数据生成模拟数据，可能无法完全覆盖真实生理情况的所有变异	开发数学模型中参数推断的深度学习框架	葡萄糖、胰岛素和游离脂肪酸动力学的生理脂解模型	机器学习	代谢疾病	频繁采样静脉葡萄糖耐量测试	CNN	时间序列数据	有限临床数据和模拟数据集	NA	卷积神经网络	R²值, p值, 轨迹重建精度	NA
1082	2025-11-06	ProtFun: a protein function prediction model using graph attention networks with a protein large language model 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf245 PMID:41169711	研究论文	提出了一种名为ProtFun的多模态深度学习架构，用于预测蛋白质功能	整合蛋白质大语言模型嵌入作为蛋白质家族网络中的节点特征，并采用图注意力网络学习蛋白质嵌入	NA	开发计算方法来自动预测蛋白质功能	蛋白质序列和功能	生物信息学	NA	深度学习	图注意力网络(GAT), 大语言模型	蛋白质序列, 蛋白质家族网络, InterPro蛋白质特征表示	三个基准数据集	NA	图注意力网络, 多模态深度学习架构	NA	NA
1083	2025-11-06	Analyzing student mental health with RoBERTa-Large: a sentiment analysis and data analytics approach 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1615788 PMID:41179258	研究论文	使用RoBERTa-Large等大型语言模型进行情感分析，研究学生心理健康状况	首次将RoBERTa-Large等先进LLM模型应用于学生心理健康的多分类情感分析任务	情感表达强度、语言变异性和上下文依赖情感带来的分析挑战	通过情感分析调查学生心理健康状况	学生群体	自然语言处理	心理健康问题	情感分析	Transformer	文本数据	NA	PyTorch	RoBERTa-Large, ELECTRA, BERT	准确率	NA
1084	2025-11-06	Case-based review of low-field MRI in resource-constrained settings: a clinical perspective from Malawi 2025-Jan, BJR open DOI:10.1093/bjro/tzaf028 PMID:41179281	综述	从马拉维临床视角探讨低场强MRI在资源受限环境中的应用案例回顾	提出基于真实临床案例的低场强MRI在低收入国家应用的系统框架	研究基于单一国家(马拉维)的有限案例样本(31例)	为低收入国家低场强MRI技术的临床应用和发展提供结构化框架	低收入国家的医疗设施和患者病例	数字病理	多种疾病(未特指)	低场强MRI(0.064T Hyperfine Swoop)	NA	医学影像	31个连续病例回顾(32个月时间范围)	NA	NA	NA	NA
1085	2025-11-06	ECG-XPLAIM: eXPlainable Locally-adaptive Artificial Intelligence Model for arrhythmia detection from large-scale electrocardiogram data 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1659971 PMID:41179570	研究论文	提出一种可解释的心律失常检测深度学习模型ECG-XPLAIM，结合局部波形特征和全局节律模式分析	采用一维inception风格卷积架构捕获心电图局部波形特征，并集成Grad-CAM可视化增强模型可解释性	在部分心律失常检测中特异性略低于基于ResNet的外部模型	开发高精度且可解释的心律失常自动检测人工智能模型	心电图数据中的多种心律失常，包括房颤、窦性心动过速、传导障碍、长QT综合征等	数字病理	心血管疾病	心电图分析	CNN, GRU	心电图信号	MIMIC-IV数据集训练，PTB-XL数据集外部验证	NA	一维inception风格卷积架构，GRU，ResNet	敏感度，特异性，AUROC	NA
1086	2025-11-06	Multimodal BEHRT: transformers for multimodal electronic health records to predict breast cancer prognosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1496215 PMID:41179659	研究论文	提出基于Transformer的多模态电子健康记录模型M-BEHRT，用于预测乳腺癌患者预后	首次将多模态患者轨迹建模为医疗就诊序列，结合临床特征、实验室检查、科室信息和自由文本报告，并采用类似掩码语言模型的预训练任务	数据量远少于当前已发表研究中通常使用的数百万条记录	利用电子健康记录改善乳腺癌患者治疗结果	接受辅助化疗的乳腺癌患者	自然语言处理	乳腺癌	电子健康记录分析	Transformer, BERT	多模态医疗数据（临床特征、实验室结果、科室信息、自由文本报告）	约15,000名乳腺癌患者	NA	BEHRT, M-BEHRT, BERT	AUC-ROC	NA
1087	2025-11-06	CT-based deep learning for preoperative prediction of pathological grading of renal clear cell carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1656244 PMID:41179687	研究论文	本研究基于四期CT图像构建深度学习模型，用于术前无创预测肾透明细胞癌的WHO/ISUP病理分级	首次将SENet注意力机制与ResNet34结合应用于肾透明细胞癌分级预测，显著提升了模型性能	模型鲁棒性和多中心适用性需要进一步验证，样本量相对有限	构建术前无创预测肾透明细胞癌病理分级的深度学习模型	158例肾透明细胞癌患者（124例低级别，34例高级别）	计算机视觉	肾癌	四期CT成像	CNN	医学影像	158例患者，按8:1:1比例分为训练集、验证集和测试集	NA	ResNet34, SE-ResNet34	准确率, AUC	NA
1088	2025-11-06	A deep learning approach integrating multi-dimensional features for expert matching in healthcare question answering communities 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1633754 PMID:41179757	研究论文	提出一种集成多维度特征的深度学习模型，用于医疗问答社区中的专家匹配推荐	融合GRU、CNN和注意力机制的多特征专家推荐模型，通过分析患者问题文本与专家专业资质的深度语义匹配	未明确说明模型在跨语言医疗社区或罕见病领域的适用性	优化在线医疗问答社区的专家推荐准确性和相关性	患者提问内容和医疗专家信息	自然语言处理	NA	深度学习	GRU, CNN	文本	NA	NA	双向GRU, 卷积神经网络, 注意力机制	推荐精度	NA
1089	2025-11-06	Meta-representations as representations of processes 2025, Neuroscience of consciousness IF:3.1Q1 DOI:10.1093/nc/niaf038 PMID:41179950	研究论文	本文提出了一种基于过程表征的元表征计算解释，并在深度学习架构中构建了元网络作为概念验证	提出元表征应表征生成一阶表征的计算过程，而非简单地表征一阶表征状态或置信度估计，这为理解意识的高阶理论提供了新的计算视角	人类大脑中是否存在此类元表征系统仍是一个开放性问题，需要进一步的实证验证	探索高阶意识理论中元表征概念的计算实现方法	元表征的计算模型和深度学习架构	机器学习	NA	深度学习	自编码器	视觉和听觉数据集	NA	NA	元网络	元表征空间中视觉和听觉网络的分离效果	NA
1090	2025-11-06	Spiking neural networks for EEG signal analysis using wavelet transform 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1652274 PMID:41179991	研究论文	提出一种结合小波变换和脉冲神经网络的SpikeWavformer模型，用于脑电信号分析	首次将脉冲自注意力机制与离散小波变换相结合，实现自动EEG信号时频分解和能量高效分类决策	未明确说明模型在更广泛BCI任务中的泛化能力	解决现有脑机接口方法依赖手动特征提取和高能耗的问题	脑电信号（EEG）	脑机接口	NA	小波变换，脑电信号处理	脉冲神经网络，Transformer	脑电信号	NA	NA	SpikeWavformer（脉冲Transformer）	NA	适用于资源受限的边缘设备
1091	2025-11-06	Advancing epileptic seizure recognition through bidirectional LSTM networks 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1668358 PMID:41180116	研究论文	本研究通过设计双向长短期记忆网络模型来提升癫痫发作识别的准确性和可靠性	采用双向LSTM网络架构捕捉神经信号的动态特征，实现端到端特征学习，无需复杂预处理和特征工程	NA	提高癫痫发作识别的准确性和可靠性	癫痫患者的脑电图信号	生物医学信号处理	癫痫	脑电图	BiLSTM	脑电图信号	11500个样本，每个样本包含179个特征	NA	双向LSTM网络，包含多个全连接层、Dropout层和批归一化层	准确率，F1分数，召回率，精确率	NA
1092	2025-11-06	RTCB: an integrated deep learning model for garlic leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1687300 PMID:41180409	研究论文	提出一种基于改进ResNet18、三重注意力和卷积块注意力机制的深度学习模型RTCB，用于大蒜叶部病害识别	在经典ResNet18架构基础上，用部分卷积替换残差块中的卷积层提升计算效率，引入三重注意力增强关键特征关注能力，并在每个残差层后添加卷积块注意力机制改善特征感知	NA	开发高效准确的大蒜叶部病害识别方法，为智能农业中的自动病害监测与控制提供技术参考	大蒜叶部病害	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	ResNet18	准确率	边缘计算设备
1093	2025-11-06	Skin disease diagnosis using decision and feature level fusion of deep features 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1478688 PMID:41180465	研究论文	提出一种结合特征级融合和决策级融合的混合集成框架用于皮肤疾病诊断	首次将特征级融合和决策级融合策略结合，并引入基于GAN的数据增强方法	未明确说明模型在临床环境中的实际部署效果和计算效率	开发自动化的皮肤疾病检测和分类系统	皮肤疾病图像	计算机视觉	皮肤疾病	深度学习	CNN, Transformer, GAN	图像	四个基准数据集：PH2、HAM10000、ISIC 2018、ISIC 2019	NA	DenseNet201, VGG19, Vision Transformer (ViT)	准确率, 精确率, 召回率, F1分数	NA
1094	2025-11-06	Gliomas Analysis via Multimodal MRI-Deep Learning Fusion: Technical Innovations in Segmentation, Molecular Subtyping, and Clinical Translation Pathways 2025, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S554692 PMID:41181383	综述	系统综述多模态MRI与深度学习融合技术在胶质瘤分割、分子分型和临床转化中的最新进展	提出Transformer-3D CNN混合模型与跨模态注意力机制，实现影像特征与EGFR/PI3K-AKT信号通路的生物学关联挖掘	存在数据异质性、模型可解释性不足和伦理限制等挑战，需建立标准化临床转化协议	通过多模态MRI与深度学习融合实现胶质瘤精准诊疗和全程个性化管理	胶质瘤患者的多模态MRI影像数据及分子标记	数字病理	胶质瘤	多模态MRI	Transformer, 3D CNN	多模态MRI影像	NA	NA	Transformer-3D CNN混合模型	Dice系数, 准确率	NA
1095	2025-11-06	Deep learning methods for 3D tracking of fish in challenging underwater conditions for future perception in autonomous underwater vehicles 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1628213 PMID:41181523	研究论文	开发用于水下鱼类3D追踪的深度学习系统，以改善自主水下航行器的感知能力	提出了三种新的鱼类-相机距离自动评估流程，并与现有方法结合形成四种完整管道	仅与声纳数据进行对比验证，未在更复杂水下环境中全面测试	开发实时鱼类距离评估系统以改善水下航行器控制算法	养殖网箱中的鱼类	计算机视觉	NA	立体视觉，单目视觉	深度学习	视频，图像	NA	ROS2	NA	平均绝对误差(MAE)	NA
1096	2025-11-06	Utility of wearable technology in predicting panic attacks: A scoping review 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251390475 PMID:41181552	综述	本文通过范围综述评估了可穿戴技术在预测惊恐发作方面的应用现状	系统总结了可穿戴设备结合机器学习方法在惊恐发作预测领域的最新研究进展和方法学特征	现有研究预测时间框架不实用，缺乏近实时预测的成功证据	评估可穿戴技术在惊恐发作预测中的效用和方法学	惊恐发作患者	机器学习	精神疾病	可穿戴设备监测	LSTM, RNN, 随机森林, 监督异常检测, 混合回归模型	生理指标数据	7项研究	NA	NA	准确率	NA
1097	2025-11-06	AI-Powered histopathology slide image interpretation in oncology: A comprehensive knowledge mapping and bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393286 PMID:41181553	文献计量分析	通过文献计量学方法分析2000-2024年间人工智能在肿瘤组织病理学图像解读领域的全球研究趋势	首次对AI驱动组织病理学图像解释领域进行全面的知识图谱绘制和文献计量分析，揭示了研究集群演变轨迹	数据来源仅限于Scopus数据库，可能遗漏部分相关文献；分析受限于数据库收录范围	绘制AI驱动组织病理学图像解释在肿瘤学领域的全球研究格局和发展趋势	1874篇相关科学出版物	数字病理学	多种癌症（乳腺癌、前列腺癌、结直肠癌、头颈癌、妇科癌症、胃肠/肝癌）	组织病理学图像分析	CNN, 深度学习, 经典机器学习, 弱监督学习, Transformer	全切片图像, 多组学数据	1874篇出版物	NA	CNN, Transformer	NA	NA
1098	2025-11-06	FAME: A privacy-preserving dual-stage deep learning framework for breast ultrasound imaging using federated transfer and synthetic learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251390564 PMID:41181569	研究论文	提出一种隐私保护的联邦注意力引导多任务集成网络框架，用于乳腺超声图像的联合分割和分类	结合联邦迁移学习与类别特异性合成数据生成，采用差分隐私和注意力机制实现隐私保护下的多任务学习	仅在公开数据集上验证，未在真实多中心临床环境中测试	开发隐私保护的自动化乳腺超声分析框架	乳腺超声图像	计算机视觉	乳腺癌	深度学习，联邦学习，生成对抗网络	CNN, GAN, 集成学习	医学图像	BUSI数据集780张图像(80%训练，10%验证，10%测试)，BUSC数据集407张图像，UDIAT数据集163张图像	TensorFlow, PyTorch	MAU-Net, ResNet50V2, NASNetLarge, AC-GAN	准确率, F1分数, AUC, Dice系数	NA
1099	2025-11-06	Ensemble learning for improved sentiment analysis in doctor-patient communication 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393338 PMID:41181566	研究论文	本研究比较了深度学习和集成学习方法在医患沟通情感分析中的性能	填补了医患情感分析基准测试的空白，首次系统比较了深度学习、Transformer和集成模型在三分类情感分析中的表现	仅使用文本数据，未包含多模态信息；低严重度类别识别仍具挑战性；模型实时部署能力有待验证	提升医患沟通中情感分析的准确性和可解释性	医患咨询对话文本	自然语言处理	NA	文本挖掘，情感分析	LSTM, BiLSTM, CNN, CNN-LSTM, BERT, 集成学习	文本	3325个匿名医患咨询对话	TensorFlow, PyTorch, Scikit-learn	LSTM, BiLSTM, CNN, BERT	准确率, 精确率, 召回率, F1分数	NA
1100	2025-11-06	Application and research progress on artificial intelligence in the quality of Traditional Chinese Medicine 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1687681 PMID:41181603	综述	系统综述人工智能技术在中药质量控制领域的应用与研究进展	提出人工智能与多组学、生物信息学方法整合的新策略，用于中药质量标志物识别和药效机制解析	存在可扩展性、监管合规性等技术瓶颈和挑战	建立数据驱动的中药质量控制体系，支持中药产业高质量发展	中药质量评估与安全性评价	机器学习, 数字病理	NA	多组学分析, 生物信息学	机器学习, 深度学习	光谱, 色谱, 图像, 文本	NA	NA	NA	NA	NA