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
1101	2025-12-23	Using deep vision-language models improves multi-task performance in assistance applications for endoscopic ENT surgery 2025-Dec-22, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03512-z PMID:41428176	研究论文	本文开发了一种用于内窥镜耳鼻喉手术辅助的视觉语言模型，通过多任务学习提升图像分类和报告生成性能	采用针对内窥镜领域优化的视觉语言模型架构，首次将图像与文本数据整合用于耳鼻喉手术的多任务辅助应用	在处理不平衡类别分布和结构化模板文本任务时性能提升有限	提升内窥镜耳鼻喉手术辅助应用中多任务学习的性能	内窥镜耳鼻喉手术的图像、解剖描述和手术报告	计算机视觉	耳鼻喉疾病	内窥镜成像	视觉语言模型	图像, 文本	30个标注内窥镜手术过程，包含130,000张多标签图像	NA	视觉语言模型（VLM）	精确率, 召回率, F1分数, BLEU-2, ROUGE-L, 余弦相似度	NA
1102	2025-12-23	Fast zero-shot deep learning-based denoising method for low-field MR images 2025-Dec-22, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01311-w PMID:41428276	研究论文	本文提出了一种基于深度学习的快速零样本去噪方法，专门用于低场磁共振图像，以提升图像质量并加速训练过程	扩展了零样本噪声即干净方法，通过修改训练过程实现更快的训练时间，并探索了基于部分数据训练以进一步加速的策略	未明确提及方法在极端噪声水平或不同低场设备间的泛化能力限制	开发一种适用于低场磁共振图像的快速去噪方法，以改善临床诊断图像质量并保持患者友好的扫描时间	低场磁共振图像（特别是0.1 T数据）	计算机视觉	NA	磁共振成像	深度学习	图像	未明确指定样本数量，但涉及高场和低场（0.1 T）磁共振数据	未明确指定，但代码发布于GitHub	未明确指定具体架构	定量评估（基于高信噪比图像）和定性评估	GPU
1103	2025-12-23	EvoZymePro-Cat: A Protein-Ligand-Aware Deep Learning Framework for Predicting Mutation Effects in Enzyme Function 2025-Dec-21, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00755 PMID:41422407	研究论文	本文介绍了一个名为EvoZymePro-Cat的深度学习框架，用于预测酶突变对功能的影响	提出了一个成对比较框架，直接建模变体间的相对活性优势，避免了绝对活性预测的系统误差，并整合了蛋白质和配体的全序列与局部结构语义	NA	开发一个深度学习平台用于酶突变体筛选，以高效预测突变对酶功能的影响	酶突变体及其与配体的相互作用	机器学习	NA	深度学习	Transformer, 注意力机制	蛋白质序列, 配体分子表示	NA	NA	ESM1b, MolT5	AUC	NA
1104	2025-12-23	A novel deep transformer based CvT model for sign language recognition in visual communication 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31558-1 PMID:41423468	研究论文	本文提出了一种基于卷积视觉变换器（CvT）的模型，用于视觉通信中的手语识别	将分层卷积标记化与基于变换器的注意力机制相结合，优化局部和全局特征提取，从而在复杂手势、光照变化和遮挡条件下实现更准确的手语识别	未明确提及模型在实时应用中的性能、计算效率或对更大规模、更多样化数据集的泛化能力	开发一种深度学习模型，以提高手语识别的准确性和鲁棒性，促进听障人士的交流	手语数字数据集（10个类别，1,712张图像）和字母符号数据集（29个类别，87,000张图像）	计算机视觉	NA	深度学习	卷积视觉变换器（CvT）	图像	手语数字数据集：1,712张图像；字母符号数据集：87,000张图像	NA	卷积视觉变换器（CvT）	准确率	NA
1105	2025-12-23	KGLGANSynergy: knowledge graph-based local and global attention network for drug synergy prediction 2025-Dec-21, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07545-5 PMID:41423603	研究论文	本文提出了一种基于知识图谱的深度学习框架KGLGANSynergy，用于预测药物协同作用	结合局部图注意力网络和全局图注意力网络，通过互交叉注意力机制融合特征，克服了现有方法忽视边属性和全局语义上下文的局限	未明确说明模型在处理大规模知识图谱时的计算效率或泛化能力限制	开发一种更准确的药物协同作用预测计算工具	药物组合和细胞系	机器学习	NA	图表示学习	GAT	图数据	基于DrugCombDB和Oncology-Screen两个基准数据集	NA	Local Graph Attention Network, Global Graph Attention Network	AUPR	NA
1106	2025-12-23	Integrating protein language and geometric deep learning models for enhanced vaccine antigen prediction 2025-Dec-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67778-2 PMID:41423641	研究论文	本研究开发了一个名为PLGDL的框架，通过整合蛋白质语言模型和几何深度学习模型，用于预测保护性疫苗抗原	首次将蛋白质语言模型与几何深度学习模型相结合，同时利用蛋白质的一级序列特征和三维结构特征，减少了人工特征提取的偏差	未明确说明模型在跨物种泛化能力方面的具体限制	开发高性能的疫苗保护性抗原预测工具，以加速疫苗研发	病毒、细菌和真核病原体产生的蛋白质抗原	机器学习	传染病	蛋白质语言模型，几何深度学习	深度学习	蛋白质序列数据，三维结构数据	构建数据集和公共数据集（具体数量未说明）	NA	蛋白质语言模型，几何深度学习模型	NA	NA
1107	2025-12-23	Spectral image classification of asymptomatic peanut leaf diseases based on deep learning algorithms 2025-Dec-21, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01485-3 PMID:41423650	研究论文	本研究提出了一种基于深度学习的多光谱成像系统，用于对无症状花生叶部病害进行早期高精度分类	设计了一个能分别获取多光谱反射和荧光图像的系统，并构建了结合自适应通道注意力机制和稀疏二阶注意力机制驱动网络的深度学习模型，以增强深度特征信息的判别能力	NA	实现花生叶部病害的及时、快速、准确的早期诊断与控制，以确保花生的高质量和高产量	无症状花生叶部病害（疮痂病、焦斑病、炭疽病）	计算机视觉	植物病害	多光谱成像（反射与荧光）	CNN	多光谱图像	三种无症状花生叶部病害（疮痂病、焦斑病、炭疽病）的多光谱图像	NA	结合自适应通道注意力机制和稀疏二阶注意力机制驱动网络的卷积神经网络	分类准确率	NA
1108	2025-12-23	Obesity prediction using an explainable deep learning framework based on LSTM-LIME with integrated visualization 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33336-5 PMID:41423660	研究论文	本研究提出了一种基于LSTM-LIME的可解释深度学习框架，用于多类别肥胖预测，并集成了交互式可视化界面	开发了首个针对沙特文化的多类别肥胖数据集，并将LSTM网络与LIME解释方法结合在交互式界面中，实现了预测准确性和风险因素的可视化	NA	开发准确且可解释的肥胖风险评估模型，以支持早期检测和预防策略	沙特特定数据集，包含人体测量、生活方式和饮食因素	机器学习	肥胖	NA	LSTM, Bi-LSTM, RNN, DNN, MLP, TabNet, Autoencoder	表格数据	NA	NA	LSTM, Bi-LSTM, RNN, MLP, TabNet, Autoencoder	准确率, 宏召回率, 宏F1分数, MAE, RMSE, 决定系数	NA
1109	2025-12-23	Spatial distribution prediction and scale effect analysis of urban daytime noise based on remote sensing images: a case study of Chengdu 2025-Dec-20, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128379 PMID:41422570	研究论文	本研究融合高分辨率遥感影像与基于ResNet和ViT架构的端到端深度学习模型，预测成都市白天的城市噪声空间分布，并分析不同空间分辨率对预测性能的影响	首次将高分辨率遥感影像与端到端深度学习模型结合用于城市噪声预测，并通过多尺度实验揭示了预测精度与影像分辨率之间的非线性关系，发现2米分辨率是最优选择	研究仅针对成都市白天噪声，未考虑夜间噪声或不同季节、天气条件的影响；模型在其他城市的泛化能力有待验证	开发一种高效、低成本的城市噪声监测方法，并探究遥感影像空间分辨率对噪声预测性能的尺度效应	成都市全域的城市道路交通噪声	计算机视觉	NA	遥感影像分析	CNN, Transformer	图像	覆盖成都市全域的遥感影像数据集，通过重采样生成9种空间分辨率（0.25米至50米）	NA	ResNet, ViT	预测精度	NA
1110	2025-12-23	Multi-omics driven computational framework for cancer molecular subtype classification 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32051-5 PMID:41413182	研究论文	本研究通过比较分析35种AI分类器在153个数据集上的性能，探讨了癌症分子亚型分类中的关键问题，包括最佳数据集配置、组学模态性能、模型选择等	首次系统比较了多种AI分类器在多种组学模态和癌症类型中的性能，并回答了六个关键研究问题，为标准化AI驱动流程提供了指导	研究可能受限于数据集的质量和多样性，且未涵盖所有可能的组学模态或癌症类型	旨在提高癌症分子亚型分类AI方法的可比性、可重复性和泛化性，推动精准肿瘤学发展	35种AI分类器在153个数据集上的性能，涵盖8种组学模态和20种癌症	机器学习	癌症	多组学分析，包括RNASeq、miRNA、CNV、Exon、Meth、Array、SNP、RPPA	传统机器学习模型（如SVM、XGB、HGB）和深度学习模型（如ResNet18、CNN、NN、MLP）	多组学数据	153个数据集，涵盖20种癌症	NA	ResNet18, CNN, NN, MLP, SVM, XGB, HGB, DEEPGENE	宏准确率（MACC）	NA
1111	2025-12-23	Advances in machine learning-enhanced microfluidic cell sorting 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea6007 PMID:41417905	综述	本文综述了机器学习增强微流控细胞分选技术的最新进展，探讨了其在肿瘤细胞分离、单细胞分析和生物标志物检测中的应用	整合了微流控技术与机器学习（特别是计算机视觉和深度学习），实现了自动化特征提取、模式识别和实时分类，从而提高了分选精度和诊断速度	模型泛化能力和硬件-软件集成方面仍存在挑战	探讨微流控技术与机器学习在细胞分选中的协同作用，以推动精准医疗的发展	微流控细胞分选系统及其产生的成像数据	计算机视觉, 机器学习	肿瘤	微流控技术	深度学习	图像数据	NA	NA	NA	诊断敏感性, 分析通量	NA
1112	2025-12-23	Deep learning-driven conversion of scanning superlens microscopy to high depth-of-field SEM-like imaging 2025-Dec-19, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-025-01060-9 PMID:41419453	研究论文	本文提出一种基于深度学习的图像转换方法，将光学超分辨率显微镜图像转换为类似扫描电子显微镜的高分辨率图像，特别针对芯片样本进行优化	利用CycleGAN模型将无需真空或导电涂层的扫描超透镜显微镜图像转换为SEM样图像，同时保持纳米级分辨率并扩展有效景深至约2微米	方法主要针对芯片样本进行优化，可能在其他类型样本上的泛化能力未经验证	开发一种能够替代传统SEM成像的技术，克服其真空环境和样本涂层要求，同时保持高分辨率	硅晶圆芯片样本	计算机视觉	NA	扫描超透镜显微镜，Z-stack扫描	GAN	图像	未明确指定样本数量，但使用了配对的OSR和SEM图像进行训练	未明确指定，但基于CycleGAN架构	CycleGAN	峰值信噪比	NA
1113	2025-12-23	Continuous-time air pollutant forecasting using multi-timescale attention neural ordinary differential equations (MA-NODE) 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27903-z PMID:41419495	研究论文	本文提出了一种新颖的多时间尺度注意力神经常微分方程框架，用于多步空气污染物预测	首次将神经常微分方程应用于多步空气污染预测，通过连续时间建模减少多步离散化误差，并引入多时间尺度分解和注意力机制以捕捉不同的时间行为	未明确提及模型的计算复杂度或在大规模部署中的实际限制	开发一种能够准确预测空气污染物浓度的连续时间深度学习模型，以支持环境管理和公共卫生决策	空气污染物（PM2.5、O3、NO2、SO2、CO、PM10）	机器学习	NA	NA	Neural ODE, 注意力机制	时间序列数据（站点观测数据）	NA	NA	Multi-timescale Attention Neural ODE	R², MAE, RMSE, 95%区间覆盖率	NA
1114	2025-12-23	Identifying co-occurrences of message chains and member ignoring method in android applications using static program analysis and dynamic stacking ensemble 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27817-w PMID:41419514	研究论文	本文提出一种结合静态程序分析和动态堆叠集成学习的方法，用于检测Android应用中消息链与成员忽略方法这两种代码坏味的共现现象	首次针对Android特定代码坏味（MC与MIM）的共现检测提出集成方案，开发了自动化样本生成工具ASSD，并设计了动态堆叠集成与后向消除策略	方法主要针对Android平台，未验证在其他移动平台或通用软件中的适用性；样本生成依赖特定工具链	检测Android应用中代码坏味的共现模式以提升软件可维护性	Android应用程序代码	软件工程	NA	静态程序分析，集成学习	传统机器学习模型，深度学习模型	代码文本	通过ASSD工具生成的标注正负样本集	NA	动态堆叠集成（包含5个传统机器学习模型和3个深度学习模型）	F1分数，马修斯相关系数（MCC）	NA
1115	2025-12-23	Firearm classification from acoustic signals using combined mel spectrogram, MFCC, LFCC, and CRNN networks 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27949-z PMID:41419548	研究论文	本文提出了一种基于声学信号处理与深度学习相结合的方法，用于从枪声信号中分类枪支类型	提出了一种新颖的MLFCC特征集，结合了梅尔频谱图、MFCC和LFCC特征，并利用CRNN网络进行实时枪支分类	系统对极端环境条件敏感，可能影响分类性能	开发一个能够实时、准确分类枪支类型的声学信号处理系统	枪声的声学信号	机器学习	NA	声学信号处理	CRNN	音频信号	NA	NA	CRNN	准确率, 计算效率	NA
1116	2025-12-23	Non-invasive anemia detection from conjunctiva and sclera images using vision transformer with attention map explainability 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32343-w PMID:41419564	研究论文	提出了一种基于结膜和巩膜图像的非侵入性贫血检测方法，利用Vision Transformer模型实现高精度分类	首次将Vision Transformer模型应用于结膜-巩膜图像的贫血检测，并结合可解释性技术提供模型决策的视觉依据	未明确说明数据集的多样性和泛化能力，未提及模型在临床环境中的实际验证情况	开发非侵入性贫血检测方法以减少传统侵入式诊断的需求	结膜和巩膜图像	计算机视觉	贫血	图像分析	Vision Transformer (ViT)	图像	NA	NA	Vision Transformer	准确率	NA
1117	2025-12-23	Dehaze-attention: enhancing image dehazing with a multi-scale, attention-based deep learning framework 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27959-x PMID:41419565	研究论文	本研究提出了一种名为Dehaze-Attention的多尺度注意力深度学习框架，用于增强图像去雾效果	引入了注意力机制和多尺度网络结构，以动态聚焦相关特征并处理不同密度的雾霾，同时结合全局和局部特征分析	NA	改进图像去雾技术，以处理复杂大气条件下的可变雾霾密度，并保持图像结构信息	从UDTIRI数据集合成的雾霾图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	多尺度注意力网络	PSNR, SSIM	NA
1118	2025-12-23	ProjFusNet: deep neural network for peptide precursor prediction using projection-fused protein language model and structural features 2025-Dec-19, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01117-x PMID:41419957	研究论文	本文提出了一种名为ProjFusNet的深度学习框架，用于整合蛋白质序列和结构特征以预测肽前体	通过投影融合策略整合ESM-2的进化尺度蛋白质序列表示与结构特征，并利用双向LSTM建模序列与结构间的复杂相互作用	未在摘要中明确说明	准确识别肽前体，以阐明生命调控机制和开发新型疗法	肽前体序列	自然语言处理	NA	深度学习	双向LSTM	序列数据, 结构特征	NA	NA	ProjFusNet	ACC, SN, AUC, SP, MCC	NA
1119	2025-12-23	Deep learning-based classification of lung adenocarcinoma subtypes in histopathological images using DS-EffNet 2025-Dec-18, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.106020 PMID:41421723	研究论文	本研究提出了一种名为DS-EffNet的深度学习模型，用于对肺腺癌组织病理学图像进行亚型分类	将深度可分离残差块、RefConv、通道注意力池化和多维协作注意力模块集成到EfficientNetV2-S架构中，优化了复杂病理模式的特征提取和建模	未明确提及模型在更大规模、更多样化数据集上的验证情况，也未讨论模型在临床部署中的具体挑战	提高肺腺癌组织病理学图像亚型分类的准确性和效率	肺腺癌组织病理学图像	数字病理学	肺癌	组织病理学成像	CNN	图像	主要实验数据集和LC25000数据集（具体样本数未在摘要中提供）	NA	EfficientNetV2-S	准确率, F1分数, AUC	NA
1120	2025-12-23	Development of the model for predicting the efficacy of bevacizumab and prognosis in ovarian cancer using deep learning-based pathomics signatures 2025-Dec-17, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003823 PMID:41424025	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA