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
1081	2025-09-27	Multi-label machine learning for power forecasting of a grid-connected photovoltaic solar plant over multiple time horizons 2025-Sep-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20251-y PMID:40987842	研究论文	本研究利用多种机器学习算法对并网光伏电站的直流和交流功率进行多标签多时间尺度预测	首次系统比较九种机器学习算法在光伏功率多时间尺度预测（24小时/一周/一月/突变工况）中的性能，并实现直流/交流功率的多标签联合预测	仅基于单一电站的一年期数据验证，未考虑不同地理气候条件的普适性	提升光伏电站并网功率预测精度以优化电网调度效率	建筑一体化光伏电站的直流光伏功率和交流并网功率	机器学习	NA	传感器数据采集与多算法机器学习	LR, PR, NN, DL, GBT, RF, DT, k-NN, SVM	时间序列传感器数据（辐照度/环境温度/风速/电池板温度）	一年期实时传感器数据集，包含四种测试场景（24小时/一周/一月/突变工况）
1082	2025-09-27	Multimodal AI-based risk stratification for distant metastasis in nasopharyngeal carcinoma 2025-Sep-23, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105809 PMID:40997749	研究论文	开发并验证基于多模态深度学习的GNPC风险评分系统，用于预测鼻咽癌患者的远处转移风险	首次将组织病理学图像表示为图结构以捕捉空间背景和肿瘤异质性，并整合临床信息构建多模态深度学习模型	研究队列数量有限（两个独立队列），需要更大规模的外部验证	开发预测鼻咽癌远处转移风险的深度学习风险分层工具	鼻咽癌患者	数字病理	鼻咽癌	深度学习、图神经网络、组织病理学图像分析	多模态深度学习模型（图神经网络）	组织病理学图像、临床数据	1949名患者来自两个独立队列
1083	2025-09-27	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2025-Sep-23, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	验证深度学习基础模型在头部CT标准化重建中的性能，并与人工重建进行质量、速度和变异性的定量比较	首次使用深度学习基础模型实现头部CT的自动化标准化重建，并系统量化人工重建的质量变异性和操作员差异	研究仅基于单中心数据，未评估模型在不同扫描仪品牌和协议下的泛化能力	验证AI模型在头部CT标准化重建中的准确性和一致性，评估人工重建的变异因素	1,763例连续非增强头部CT检查	医学影像分析	神经系统疾病	深度学习基础模型	深度学习基础模型	CT影像	1,763例头部CT检查（其中100例用于模型验证）
1084	2025-09-27	Lightweight deep learning model for crime pattern recognition based on transformer with simulated annealing sparsity and CNN 2025-Sep-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07260-7 PMID:40983626	研究论文	提出一种融合Transformer与CNN的轻量级犯罪模式识别模型LCRNet，通过模拟退火稀疏化技术优化计算效率	在Transformer的多头自注意力机制中引入模拟退火稀疏化(SAS)，在保持精度的同时显著降低计算开销	模型可解释性有待加强，在资源受限环境中的适应性需进一步验证	为公共安全治理提供高效低耗的犯罪模式识别智能支持	洛杉矶真实犯罪数据	机器学习	NA	模拟退火稀疏化(SAS)	Transformer + CNN	犯罪数据	基于洛杉矶真实犯罪数据集进行实验和跨数据集测试
1085	2025-09-27	Explainable AI-driven analysis of radiology reports using text and image data: An experimental study 2025-Sep-22, JMIR formative research IF:2.0Q4 DOI:10.2196/77482 PMID:40997754	研究论文	本研究评估可解释人工智能在解读放射学报告中的应用，旨在提升医疗从业者对AI辅助诊断的信心和理解	首次系统比较多种AI模型（包括传统机器学习、深度学习和Transformer模型）在放射学报告分析中的性能，并集成文本和图像数据的多模态分析	仅使用单一数据集（印第安纳大学胸部X射线数据集），样本规模有限且缺乏外部验证	通过可解释AI方法提升临床诊断中AI决策的透明度和可信度	胸部X射线影像及对应的放射学文本报告	自然语言处理	肺部疾病	机器学习、深度学习、Transformer模型	LSTM, GPT-2, T5, LLaMA-2, LLaMA-3.1, DenseNet121, DenseNet169, SHAP, LIME	文本、图像	3169份文本报告和6471张影像
1086	2025-09-27	An attention aided wavelet convolutional neural network for lung nodule characterization 2025-Sep-21, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106118 PMID:40997672	研究论文	提出一种结合小波变换和注意力机制的双通路深度学习框架，用于肺结节良恶性分类	首次将可训练小波块与CNN结合进行多分辨率分析，并引入CBAM注意力机制增强特征判别能力	仅使用公开数据集验证，未提及临床前瞻性验证结果	开发高精度计算机辅助诊断系统改善肺结节分类性能	肺部CT图像中的肺结节	计算机视觉	肺癌	高分辨率CT成像	CNN、小波神经网络、注意力机制	医学图像	LIDC-IDRI公开数据集和Kaggle DSB2017测试集
1087	2025-09-27	Single-sequence deep learning delivers crystal-quality models of covalent K-Ras G12 hotspot complexes 2025-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.16.676163 PMID:41000783	研究论文	本研究验证了Chai-1工具在无需多序列比对的情况下，能够准确预测共价K-Ras(G12)热点突变体与抑制剂的复合物结构	首次证明单序列深度学习工具Chai-1可准确预测共价蛋白-配体复合物结构，相比传统方法提升效率约40倍	在捕捉离去基团、键属性和立体化学等化学细节方面存在局限	开发高效的共价药物复合物结构预测方法	K-Ras(G12C/D/S)突变体与共价抑制剂的复合物	计算生物学	癌症	深度学习结构预测	Chai-1	蛋白质序列和配体结构	多种化学结构多样的K-Ras(G12)抑制剂（包括ARS-853、BBO-8520等）
1088	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）
1089	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
1090	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
1091	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）
1092	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
1093	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）
1094	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
1095	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
1096	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
1097	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
1098	2025-09-27	LUCID: Intelligent Informative Frame Selection in Otoscopy for Enhanced Diagnostic Utilitys 2025-Sep-15, Research square DOI:10.21203/rs.3.rs-7502743/v1 PMID:41001536	研究论文	提出首个系统性方法LUCID，用于自动选择耳镜检查视频中最具信息量的帧以增强诊断效用	首次系统化解决耳镜视频关键帧自动选择问题，创新整合ResNet-50分类器、弱监督鼓膜分割方法和专用图像清晰度检测算法	研究基于713个视频数据集，需要更大规模数据验证泛化能力	开发自动选择耳镜视频关键帧的方法，提升中耳疾病AI诊断的实用性	耳镜检查视频和中耳疾病（如急性中耳炎）患者	计算机视觉	中耳疾病	深度学习、弱监督分割、图像清晰度检测	ResNet-50、BC-AdvCAM	视频	713个耳镜检查视频，包含38,000多张标注帧
1099	2025-09-27	A self-attention model for robust rigid slice-to-volume registration of functional MRI 2025-Sep-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102643 PMID:40997675	研究论文	提出一种用于功能磁共振成像刚性切片-体积配准的自注意力模型，通过像素级评分提升配准鲁棒性	首次在SVR任务中引入自注意力机制，通过独立编码器和像素级评分处理切片输入的不确定性	仅使用模拟运动数据进行验证，未在真实临床运动场景中充分测试	开发鲁棒的fMRI切片-体积配准方法以解决头部运动引起的图像失真问题	功能磁共振成像的2D切片与3D参考体积	医学图像处理	脑部疾病	深度学习、自注意力机制	自注意力网络、端到端编码器	fMRI图像数据	训练集2000对、验证集500对、测试集200对3D体积-2D切片对
1100	2025-09-27	Comprehensive non-small cell lung cancer targets: From computational prediction to clinical breakthroughs in overcoming drug resistance 2025-Sep-12, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2025.117333 PMID:40946977	综述	全面概述非小细胞肺癌靶向治疗的三大关键进展：计算预测方法、临床突破及联合用药策略	整合基于配体、结构和多特征深度学习模型的靶点预测方法，并探讨第四代EGFR抑制剂等新型疗法	未涉及具体实验数据验证，主要基于现有研究成果的整合分析	指导非小细胞肺癌靶向治疗的未来发展方向	非小细胞肺癌的靶向治疗机制与临床方案	计算生物学与临床医学交叉	肺癌	深度学习模型、靶点预测计算方法	多特征深度学习模型	文献与临床研究数据	NA