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
1121	2025-12-12	Cyber-physical security of biochips: A perspective 2025-May, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0252554 PMID:40454326	综述	本文从视角角度探讨了微流控生物芯片面临的网络安全威胁及相应的多层防护对策	系统性地从结构、材料、样本和知识产权四个层面，综述了针对生物芯片的新兴攻击向量与基于深度学习、分子标记等技术的创新防护措施	NA	探讨微流控生物芯片的网络安全威胁并提出多层防护框架，以确保其在关键应用中的可靠性、安全性和可信度	微流控生物芯片	网络安全	NA	深度学习异常检测、分子条形码、光谱水印、物理不可克隆功能	NA	显微结构图像、光学变化数据、化学光谱数据、DNA序列数据	NA	NA	NA	NA	NA
1122	2025-12-12	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	综述	本文综述了利用机器学习预测突变对蛋白质相互作用影响的近期进展	全面概述了不同蛋白质相互作用类型中突变影响的预测方法，并探讨了人工智能技术推动预测工具改进的未来方向	讨论了突变数据存在的偏差、数据质量和数据集规模等限制，以及开发准确预测工具的困难	理解遗传变异如何影响蛋白质与其他生物分子（如蛋白质、DNA/RNA、配体）的相互作用，以阐明疾病机制、识别生物标志物和开发靶向疗法	蛋白质相互作用及其突变引起的结合自由能变化（ΔΔGs）	机器学习	癌症	NA	机器学习,深度学习	突变数据	NA	NA	NA	NA	NA
1123	2025-12-12	Building extraction from remote sensing imagery using SegFormer with post-processing optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338104 PMID:41359638	研究论文	本研究提出了一种基于SegFormer模型并结合后处理优化的高效、准确的遥感影像建筑物提取方法	采用先进的基于Transformer的SegFormer模型进行语义分割，并引入噪声过滤、边界清理和建筑物规则化等后处理技术来优化提取结果	NA	实现从遥感影像中高效、准确地提取建筑物	遥感影像中的建筑物	计算机视觉	NA	NA	Transformer	图像	使用公开的WHU建筑物数据集，涵盖城市、乡村和山区场景	NA	SegFormer, MiT-B5	交并比	NA
1124	2025-12-12	Forecasting China's shipping indices based on modal decomposition and optimized deep learning integrated model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336906 PMID:41359688	研究论文	本研究提出了一种创新的混合预测模型VMD-CPSO-BiLSTM，用于提高中国航运指数的预测精度	提出了一种结合变分模态分解、混沌粒子群优化和双向长短期记忆网络的三阶段混合模型，有效处理时间序列的非线性、非平稳性和多尺度特征	未明确说明模型在其他国家航运市场或不同时间尺度下的泛化能力	提高中国航运市场时间序列预测的准确性和稳定性	中国航运指数	机器学习	NA	变分模态分解，混沌粒子群优化	BiLSTM	时间序列数据	未明确说明具体样本数量，但使用了关键的中国航运指数数据进行实证验证	NA	双向长短期记忆网络	预测准确性，模型稳定性	NA
1125	2025-12-12	Data-driven prediction of future purchase behavior in cross-border e-commerce using sequence modeling with PSO-tuned LSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337932 PMID:41370290	研究论文	本研究提出了一种结合VMD、LSTM和PSO的混合深度学习框架，用于预测跨境电子商务中的用户购买行为	创新点在于将变分模态分解（VMD）与LSTM网络结合，并利用粒子群优化（PSO）自动调整超参数，以提升预测准确性和鲁棒性	NA	预测跨境电子商务中的用户购买行为，以提升平台运营效率和用户体验	跨境电子商务用户	机器学习	NA	NA	LSTM	时间序列数据	NA	NA	LSTM	预测准确性, 鲁棒性	NA
1126	2025-12-12	Deep learning approach for objective differentiation of kidney deficiency syndrome in reproductive age females: a tongue-face fusion model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1701545 PMID:41377689	研究论文	本文提出了一种基于深度学习的舌面融合模型，用于客观区分育龄女性肾虚综合征	首次采用并行DenseNet结构结合深度监督网络策略，融合舌象和面部图像的深度特征，实现肾虚综合征的客观诊断	样本量相对有限（总计506例），且外部验证集规模较小（130例），可能影响模型的泛化能力	探索通过机器学习技术实现育龄女性肾虚综合征的客观证候区分方法	育龄女性的舌象和面部图像数据	计算机视觉	肾虚综合征	图像采集	CNN	图像	376对舌面和面部图像（训练集），130例患者（外部验证集）	NA	DenseNet	准确率, 精确率, 召回率, F1分数, ROC, AUC	NA
1127	2025-12-12	A Systematic Review of Species Classification Using Deep Learning Algorithms and Gender Identification of Tribolium castaneum Using Convolutional Neural Networks 2025, Zoological studies IF:1.5Q2 DOI:10.6620/ZS.2025.64-24 PMID:41377859	研究论文	本文系统综述了深度学习算法在物种分类中的应用，并利用卷积神经网络对赤拟谷盗进行性别识别	首次应用CNN智能技术基于显微图像识别赤拟谷盗的性别差异，实现自动化特征提取和分类，减少人工干预	数据集仅包含116张显微图像，样本量较小；F1分数为0.67，表明模型在精确率和召回率平衡方面有改进空间	开发基于深度学习的动物识别与分类方法，特别关注赤拟谷盗的性别自动识别	赤拟谷盗（Tribolium castaneum）的蛹期昆虫	计算机视觉	NA	显微成像	CNN	图像	116张赤拟谷盗蛹的背侧和腹侧显微图像	NA	NA	准确率, F1分数	NA
1128	2025-12-12	Plug-and-play high-frequency feature enhancement for plant image super-resolution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1723354 PMID:41378185	研究论文	本文提出了一种可插拔的高频特征增强模块，用于提升植物图像超分辨率重建中精细结构细节的恢复能力	提出了一种可无缝集成到现有超分辨率架构中的高频特征增强模块，通过选择性放大高频信息来改善如叶脉、病变边界等细微细节的重建	未明确讨论模块在不同类型植物图像或极端噪声条件下的泛化性能极限	旨在通过增强植物图像超分辨率重建的精细细节，支持更准确的表型分析、疾病监测和精准农业	植物图像，包括大规模种植园图像、水生植物图像和作物病害图像	计算机视觉	NA	深度学习超分辨率	CNN	图像	三个植物数据集：油棕数据集、AqUAVPlant数据集（基于无人机的水生植物）和Plant Pathology 2020数据集（作物病害）	NA	NA	PSNR, SSIM	NA
1129	2025-12-12	Multimodal deep learning model for enhanced early detection of aortic stenosis integrating ECG and chest x-ray with cooperative learning 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698680 PMID:41378244	研究论文	本研究开发了一种整合心电图和胸部X光的多模态深度学习模型，通过协同学习框架提升主动脉瓣狭窄的早期检测能力	首次将1D ResNet50-Transformer架构与EfficientNet架构结合，通过协同学习损失函数实现心电图和胸部X光模型的相互预测优化	研究为回顾性分析，可能存在选择偏倚；模型性能仍需在前瞻性临床环境中进一步验证	开发多模态人工智能模型以提升主动脉瓣狭窄的早期检测效果	接受心电图、胸部X光和超声心动图检查的7,483名患者（共23,886条记录）	数字病理学	心血管疾病	心电图, 胸部X光, 超声心动图	深度学习	心电图信号, 医学影像	7,483名患者（608例主动脉瓣狭窄病例），共23,886条记录	NA	1D ResNet50-Transformer, EfficientNet	AUROC	NA
1130	2025-12-12	Deep learning-based survival analysis of bladder cancer patients in the Putuo District, Shanghai, China 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619309 PMID:41378299	研究论文	本研究开发了一种基于TabNet的深度学习生存预测模型，用于预测上海普陀区膀胱癌患者的生存情况，并与逻辑回归模型进行了性能比较	首次将TabNet深度学习框架应用于膀胱癌患者的生存分析，并利用SHAP方法解释特征重要性，为社区管理提供新工具	研究样本仅来自上海普陀区，可能限制模型的泛化能力；样本量相对较小（620例）	开发并验证一种深度学习生存预测模型，以改善膀胱癌患者的社区管理和随访策略	上海普陀区的膀胱癌患者	机器学习	膀胱癌	生存分析	TabNet, 逻辑回归	结构化临床数据	620例膀胱癌患者（训练集434例，验证集186例）	TabNet	TabNet	ROC曲线, 决策曲线分析, 校准曲线	NA
1131	2025-12-12	Multi-model deep learning for dementia detection: addressing data and model limitations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1638022 PMID:41378346	研究论文	本研究评估了多种深度学习架构在基于结构MRI的痴呆症检测中的性能，以解决现有模型在预处理和特征提取方面的限制	通过比较八种预训练CNN、Vision Transformer、多模态注意力模型和胶囊网络，全面评估了多种先进架构在痴呆症分类中的表现，并揭示了类别不平衡对模型性能的影响	所有模型均表现出性能下降和对特定类别的偏见，ViT和CapsNet模型在阿尔茨海默病检测中达到100%灵敏度但精度较低，表明存在类别不平衡效应	评估多种深度学习架构在痴呆症诊断中的性能，以解决现有模型在数据预处理和特征提取方面的限制	痴呆症、轻度认知障碍（MCI）和健康对照者的结构MRI图像	医学影像分析	痴呆症	结构MRI（sMRI）	CNN, Vision Transformer, 注意力模型, 胶囊网络	图像	每类10,000张训练图像、3,000张验证图像和850张测试图像，总计来自ADNI数据集的平衡数据集	NA	3D-CNN, Vision Transformer (ViT), 多模态注意力模型, CapsNet	准确率, 特异性, 灵敏度	NA
1132	2025-12-12	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用	研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证	探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响	twister核酶（一种RNA分子）及其与Mg2+离子的相互作用	计算生物学	NA	分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法	NA	模拟数据（分子构象、离子分布、相互作用能等）	NA	NA	NA	NA	NA
1133	2025-12-12	Imputation of cancer proteomics data with a deep model that learns from many datasets 2024-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.26.609780 PMID:39253518	研究论文	本文提出了一种名为Lupine的深度学习方法，用于估算串联质谱标签（TMT）蛋白质组学数据中的缺失值，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的缺失值估算方法，能更准确地预测缺失值，并学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法以估算癌症蛋白质组学数据中的缺失值，提高数据分析和统计功效	来自临床蛋白质组学肿瘤图谱联盟（CPTAC）的超过1000个癌症患者样本的TMT蛋白质组学数据，涵盖十种癌症类型	机器学习	癌症	串联质谱标签（TMT）蛋白质组学	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本	Python	NA	NA	NA
1134	2025-12-12	Massively parallel CRISPR off-target detection enables rapid off-target prediction model building 2023-07-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.05.005 PMID:37279759	研究论文	本文介绍了一种名为AID-seq的新型CRISPR脱靶检测方法，并利用其构建了脱靶预测模型	开发了AID-seq这一高灵敏度、高特异性的体外脱靶检测方法，并首次采用混合人类和HPV基因组的策略进行高通量gRNA筛选	未明确说明AID-seq方法在体内环境下的有效性，且AUPRC值相对较低（0.29），表明模型在精确率-召回率平衡方面仍有改进空间	开发一种能够快速、高通量检测CRISPR脱靶效应并构建预测模型的方法	CRISPR核酸酶（包括Cas9和Cas12a）的脱靶效应，以及针对HPV的抗病毒治疗gRNA候选物	生物信息学	病毒感染（如HPV）	AID-seq（适配体介导的脱靶鉴定测序），CRISPR-Net深度学习	深度学习模型	测序数据	2,069个单导向RNA（sgRNAs），416个HPV gRNA候选物	NA	CRISPR-Net	AUROC, AUPRC	NA
1135	2025-12-12	A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32608 PMID:37318465	研究论文	本文提出了一种结合特征提取和异常行为检测的视觉策略干预方法，用于自闭症谱系障碍儿童，旨在帮助他们克服社交障碍	提出了一种结合时空特征融合结构和基于顺序池的行为检测方法，通过注意力机制和聚类池有效描述复杂背景下长冗余视频中的人类行为动态	NA	探索自闭症谱系障碍儿童的有效干预方法	自闭症谱系障碍儿童	计算机视觉	自闭症谱系障碍	深度学习算法	CNN	视频	SDUFall、Weizmann和HMDB51数据集	NA	MotionNet, OFF子网络	准确率	NA
1136	2025-12-12	Effect evaluation of denosumab combined with curettage and bone cement reconstruction in the treatment of recurrent giant cell tumor of bone around the knee joint 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32621 PMID:37318478	研究论文	本研究评估了地诺单抗联合刮除术和骨水泥重建治疗膝关节周围复发性骨巨细胞瘤的效果，并构建深度学习模型用于X射线图像分类识别	结合地诺单抗治疗与深度学习模型（Inception-v3和Faster-RCNN）用于复发性骨巨细胞瘤的影像分类识别，并比较两种手术方式的预后	样本量较小（仅19例患者），且为单中心研究，可能影响结果的普遍性	探索膝关节周围复发性骨巨细胞瘤的合适手术方案，并评估深度学习模型在影像分类中的应用	19例膝关节周围复发性骨巨细胞瘤患者	数字病理学	骨巨细胞瘤	X射线成像	CNN	图像	19例患者	NA	Inception-v3, Faster-RCNN, CNN, U-Net, Fast-RCNN	MSTS评分, SF-36评分, 复发率, 并发症发生率	NA
1137	2025-12-11	Immunofixation electrophoresis image interpretation using transfer learning method 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120726 PMID:41270881	研究论文	本研究利用迁移学习方法开发深度学习模型，以快速准确解读免疫固定电泳图像，减少诊断评估中的主观性	首次将迁移学习与YOLOv11架构应用于免疫固定电泳图像分类，提出两阶段与单步多类两种分类策略	模型在少数类别（如IgM-λ、轻链-κ）及视觉相似类别上表现较低，数据集需扩展以涵盖罕见模式	开发深度学习模型以自动化解读免疫固定电泳图像，提高诊断效率与一致性	免疫固定电泳图像	计算机视觉	浆细胞疾病	免疫固定电泳	CNN	图像	5226张免疫固定电泳图像	NA	YOLOv11	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
1138	2025-12-11	Attention-based deep learning for immunoglobulin typing from electrophoresis and laboratory data 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120735 PMID:41297746	研究论文	本文提出了一种基于注意力机制的多模态深度学习模型，用于从血清蛋白电泳图像和实验室数据中自动进行免疫球蛋白分型	首次开发了结合Sebia毛细管电泳系统图像和临床实验室参数的多模态深度学习模型，并引入注意力机制增强模型可解释性	模型在外部验证中表现良好，但可能仍需在更广泛的人群和临床环境中进一步验证	开发自动化工具以减少血清蛋白电泳免疫分型结果解读的劳动强度和观察者间差异	来自Sebia毛细管免疫分型系统的电泳图像及相关的临床实验室参数	数字病理学	NA	毛细管电泳	深度学习	图像, 实验室数据	内部验证集未明确样本数，外部验证使用200例独立队列病例	NA	基于注意力机制的深度学习框架	准确率, Cohen's Kappa, F1分数, 召回率	NA
1139	2025-12-11	From wastewater to epidemiological insights: A systematic review of modeling strategies for infectious disease surveillance 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124977 PMID:41260128	综述	本文系统综述了利用废水监测数据进行传染病指标估计与预测的现有建模策略	首次对基于废水监测的传染病建模方法进行了全面分类与评估，并强调了模型可迁移性等关键方法论考量	模型本身存在局限性，废水数据具有固有缺陷，且分析流程中临床结果选择、变量可用性、时间对齐、数据预处理及结果可解释性等方面存在挑战	为利用废水数据进行流行病学监测开发稳健且可推广的系统提供参考框架	废水监测数据及其在传染病指标估计与预测中的应用	机器学习	传染病	废水监测	隔室模型, 回归模型, 机器学习, 深度学习	废水数据	NA	NA	NA	NA	NA
1140	2025-12-11	Use of Artificial Intelligence in Recognition of Fetal Open Neural Tube Defect on Prenatal Ultrasound 2026-Jan, American journal of perinatology IF:1.5Q2 DOI:10.1055/a-2589-3554 PMID:40239713	研究论文	本研究旨在通过深度学习模型比较正常胎儿与开放性神经管缺陷胎儿的轴向颅脑超声图像，并评估其在识别开放性神经管缺陷方面的预测准确性	首次应用深度学习卷积神经网络迁移学习模型（如EfficientNet B0、VGG16和Inception V3）于胎儿超声图像，以自动化识别开放性神经管缺陷，特别是在低中收入国家临床应用中显示出潜力	研究样本量相对较小（59例病例和116例对照），且仅基于轴向经丘脑超声图像，可能未涵盖所有胎儿神经管缺陷的超声表现变异	开发并评估深度学习模型在产前超声中识别胎儿开放性神经管缺陷的准确性和临床适用性	妊娠14至28周的胎儿，包括开放性神经管缺陷病例和正常对照组	计算机视觉	神经管缺陷	产前超声成像	CNN	图像	59例开放性神经管缺陷胎儿和116例正常胎儿	TensorFlow, Keras	EfficientNet B0, VGG16, Inception V3	Cohen kappa分数, 准确率, AUROC, F1分数, 敏感性, 特异性	NA