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
1161	2025-12-22	An AI-driven multi-omics framework identifies lactylation-mediated therapeutic targets to overcome drug resistance in ovarian cancer 2025-Dec-20, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01150-x PMID:41422325	研究论文	本研究开发了一个AI驱动的多组学框架，用于识别卵巢癌中与乳酸化相关的基因、分层患者药物反应并建立预后标志	首次将乳酸化生物学与AI驱动的多组学分析整合，开发了一个精准肿瘤学框架，以发现可药物靶点并增强患者分层	传统分析方法往往无法整合多组学的复杂性，限制了可操作的乳酸化相关弱点的发现	开发一个AI驱动的多组学框架，以识别卵巢癌中乳酸化相关的治疗靶点并克服耐药性	卵巢癌患者的多组学数据，包括转录组、表观基因组、药物基因组、突变和临床结果数据	机器学习	卵巢癌	多组学分析，包括转录组学、表观基因组学、药物基因组学、突变分析	VAE, LSTM, MLP	多组学数据（转录组、表观基因组、药物基因组、突变、临床结果）	来自TCGA、GDSC和独立卵巢癌队列的数据	NA	变分自编码器, 长短期记忆网络, 多层感知器	精确度	NA
1162	2025-12-22	Forging Online Community Among People in Recovery From Substance Use: Natural Language Processing and Deep-Learning Analysis of The Phoenix App User-Generated Data 2025-Dec-19, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/68438 PMID:41418282	研究论文	本研究利用自然语言处理和深度学习方法分析The Phoenix应用程序中用户生成的数据，以探索其在物质使用恢复过程中的社区支持作用	首次结合BERT主题建模和VADER情感分析来评估物质使用恢复应用程序的用户体验，揭示了该平台在促进积极社交连接方面的独特性	样本量有限且未与其他恢复论坛进行直接比较分析，需要更大数据集验证结果	评估The Phoenix应用程序在物质使用恢复过程中的核心用途和情感基调	The Phoenix应用程序的用户生成帖子	自然语言处理	物质使用障碍	自然语言处理, 深度学习	BERT, VADER	文本	17617条帖子	NA	Bidirectional Encoder Representation from Transformers	主题一致性得分, 情感分析均值与标准差	NA
1163	2025-12-22	Intersection of Big Five Personality Traits and Substance Use on Social Media Discourse: AI-Powered Observational Study 2025-Dec-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/79454 PMID:41418319	研究论文	本研究利用AI技术分析社交媒体数据，探讨大五人格特质与物质使用在数字话语中的关联	首次在大规模数字话语中验证人格特质与物质使用的关联，挑战了传统的自我调节假说，揭示了神经质在数字环境中的保护性作用	研究基于公开社交媒体数据，可能存在样本偏差，且无法完全控制混杂因素	评估大五人格特质与物质使用话语在2019-2021年间的关联变化，并分析这些特质如何预测物质使用及其与特定物质类型、情感表达和人口因素的关系	社交媒体平台上的数亿条公开帖子	自然语言处理	物质使用障碍	自然语言处理，深度学习	深度学习模型	文本	数亿条社交媒体帖子	NA	NA	比值比，置信区间，Cohen's d	NA
1164	2025-12-22	Hybrid attention based deep learning for forecasting boundary layer ozone using satellite derived profiles 2025-Dec-19, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119593 PMID:41421135	研究论文	本研究利用卫星衍生的臭氧剖面数据，开发基于混合注意力的深度学习模型来预测边界层臭氧浓度	提出了结合注意力机制与卷积门控循环结构的ConvBiGRU-AttentionNet模型，并引入经验模态分解（EMD）进行多尺度时间特征提取	未明确说明模型在处理极端气象事件或长期预测中的泛化能力，且依赖特定卫星数据产品	提高边界层臭氧浓度的预测精度，以应对空气污染和气候变化挑战	边界层臭氧浓度	机器学习	NA	卫星遥感（OMI臭氧监测仪器）	RNN, CNN, GRU, LSTM, GRU-CNN, LSTM-CNN, ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	臭氧剖面数据	NA	NA	ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	RMSE, MAE, R, 技能分数	NA
1165	2025-12-22	Statistical uncertainty-aware dual-path dilated convolution fusion framework for Monte Carlo dose denoising: Enhancing accuracy and efficiency in radiotherapy planning 2025-Dec-19, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105700 PMID:41421253	研究论文	本文提出了一种统计不确定性感知的双路径扩张卷积融合深度学习框架，用于提高蒙特卡罗剂量去噪的准确性和效率	通过将统计不确定性图显式整合到三通道卷积神经网络中，并结合标准与扩张卷积的双路径结构，同时提取局部解剖特征和全局上下文信息	研究仅基于69个临床IMRT计划，且噪声水平为模拟生成，可能未覆盖所有临床场景	提高放射治疗计划中蒙特卡罗剂量计算的准确性和计算效率	头颈、脑和肺部肿瘤的临床IMRT计划	数字病理	肺癌	基于GPU的蒙特卡罗模拟	CNN	图像	69个临床IMRT计划，涵盖三个肿瘤部位（头颈、脑、肺），每个计划生成六个噪声水平	NA	双路径扩张卷积融合架构	平均剂量误差, 伽马通过率, 剂量体积直方图分析	基于GPU的蒙特卡罗引擎
1166	2025-12-22	A cone-beam photon-counting CT dataset for spectral image reconstruction and deep learning 2025-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06246-4 PMID:41413072	研究论文	本文介绍了一个用于光谱图像重建和深度学习的锥束光子计数CT数据集	提供了首个公开可用的真实锥束光子计数CT数据集，包含多能量原始投影数据，填补了该领域数据稀缺的空白	数据集仅基于15个核桃样本，样本多样性有限，且扫描条件为特定能量阈值（15 keV和30 keV）	促进光谱CT图像处理算法的公平和可重复比较，支持数据驱动方法的发展与验证	核桃样本	计算机视觉	NA	光子计数CT	NA	图像	15个核桃样本，共172,800张原始投影图像	NA	NA	NA	NA
1167	2025-12-22	Storage tank detection in remote sensing images based on circular bounding boxes and large selective kernel 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27919-5 PMID:41413105	研究论文	本文提出了一种基于圆形边界框和大选择性核的遥感图像储罐检测新方法，旨在提高检测精度并支持甲烷排放监测	引入了圆形边界框以匹配储罐的典型圆形形状，稳定了小目标的IoU计算；并集成了大选择性核（LSK）模块，动态调整感受野以有效利用上下文信息	未明确提及，但可能包括对非典型形状储罐的适应性、在极端成像条件下的泛化能力，以及计算效率的潜在影响	提高遥感图像中储罐检测的准确性，以支持石油和天然气行业的甲烷排放监测和环境可持续性工作	遥感图像中的储罐（storage tanks）	计算机视觉	NA	遥感成像	CNN	图像	总计3568张图像，包含46075个储罐目标，数据集包括DIOR、NWPUU_RESISC45、NWPU VHR-10、TGRS-HRRSD以及一个自建数据集	PyTorch（基于YOLO-v10框架推断）	YOLO-v10（集成圆形边界框和LSK模块）	精确率（precision）、召回率（recall）、平均精度均值（mAP@0.5）	NA
1168	2025-12-22	A multi-scale adaptive framework for high-precision rail track damage detection via StarNet and bidirectional feature pyramid network 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27827-8 PMID:41413097	研究论文	本研究提出了一种改进的轨道损伤检测框架SNBF-YOLO，通过集成StarNet和BiFPN模块，以解决小目标、复杂背景和多尺度损伤的检测难题	提出了SNBF-YOLO框架，集成了StarNet模块以自适应扩大感受野增强特征表示，并利用BiFPN优化双向多尺度特征融合	研究受限于数据集的规模和多样性，可能影响其在更复杂条件（如雨、雪或严重腐蚀）下的泛化能力	开发一种高精度、鲁棒的铁路轨道损伤实时检测方法，以提高运输安全性	铁路轨道损伤，包括细微裂纹和缺失紧固件	计算机视觉	NA	NA	YOLO	图像	NA	NA	YOLOv10n, StarNet, BiFPN	精确率, 召回率, mAP	NA
1169	2025-12-22	Lifespan trajectory of claustrum volume in humans - effect of age, hemisphere, and sex, and association with cognitive performance 2025-Dec-18, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121665 PMID:41421500	研究论文	本研究利用深度学习自动分割和规范建模，揭示了人类屏状核体积从婴儿期到老年期的生命周期轨迹，并探讨了年龄、半球、性别的影响及其与认知表现的关联	首次在大型健康人群样本中系统描绘了屏状核体积的生命周期轨迹，并量化了年龄、半球、性别的影响及其与认知功能的关联	研究基于横断面数据，无法完全捕捉个体内变化；认知关联分析仅限于特定年龄范围（8-65岁）	探究非病理生物条件（年龄、半球、性别）对屏状核体积的影响及其与认知表现的关系	3,474名1至80岁健康参与者的屏状核结构	医学影像分析	NA	T1加权3特斯拉MRI扫描	深度学习	MRI图像	3,474名健康参与者（年龄1-80岁）	NA	NA	NA	NA
1170	2025-12-22	MRI-based deep learning and radiomics pipeline for myxoid liposarcoma: a feasibility study in a rare sarcoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27217-0 PMID:41408069	研究论文	本研究评估了一种结合深度学习和放射组学的自动化MRI流程，用于非侵入性评估黏液样脂肪肉瘤的可行性	首次在黏液样脂肪肉瘤中应用基于3D U-Net的自动分割和放射组学特征进行肿瘤分级预测	样本量较小（48例患者），为回顾性多中心研究，分类错误多发生在边界性或组织学异质性病例中，需要更大规模的前瞻性验证	评估自动化MRI流程在黏液样脂肪肉瘤非侵入性肿瘤评估中的可行性	经组织学确认的黏液样脂肪肉瘤患者	数字病理学	软组织肉瘤	MRI	CNN	图像	48例患者	NA	3D U-Net	Dice相似系数, AUC, F1分数, 平衡准确率	NA
1171	2025-12-22	A multi-scale deep CNN based on attention mechanism for EEG emotion recognition 2025-Dec-17, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110662 PMID:41418936	研究论文	本文提出了一种基于通道注意力和空间注意力的多尺度卷积神经网络（CSA-MSCNN），用于脑电图（EEG）情绪识别	结合通道注意力和空间注意力机制，通过多尺度卷积神经网络提取更全面的特征，增强关键通道的特征提取能力并精确定位与情绪相关的关键区域	NA	提高脑电图情绪识别的准确性和特征判别能力	脑电图（EEG）信号	机器学习	NA	脑电图（EEG）	CNN	信号数据	NA	NA	多尺度卷积神经网络（MSCNN），结合通道注意力和空间注意力	准确率	NA
1172	2025-12-22	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2025-Dec-17, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	本研究针对约旦阿拉伯方言的患者反馈，构建了JADKHCC语料库，并利用深度学习方法进行情感分析，以评估医疗服务质量	首次创建了专门针对约旦阿拉伯方言患者反馈的JADKHCC语料库，并采用BERT-base-Arabic等预训练模型结合CNN进行情感分析，在非英语医疗文本分析领域具有创新性	研究仅针对单一医疗中心（KHCC）的数据，可能缺乏泛化性；且专注于阿拉伯方言，未与其他语言或医疗环境进行对比	通过情感分析自动化处理患者文本反馈，以提升医疗服务质量并实现患者为中心的癌症护理	来自King Hussein Cancer Center（KHCC）的约旦阿拉伯方言患者反馈文本	自然语言处理	癌症	情感分析，文本挖掘	CNN, BiLSTM, LSTM, RNN, RNNLSTM	文本	15,812条约旦阿拉伯方言评论	TensorFlow, PyTorch（基于常见深度学习框架推断）	BERT-base-Arabic, Word2Vec, FastText	F1分数	未明确指定，但涉及深度学习模型训练，可能使用GPU资源
1173	2025-12-22	MultiCell: geometric learning in multicellular development 2025-Dec-15, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02983-x PMID:41398502	研究论文	本文介绍了一种名为MultiCell的几何深度学习方法，用于准确捕捉细胞间高度复杂的相互作用，并在果蝇胚胎发生过程中实现可解释的四维形态序列对齐和单细胞行为预测	提出了一种统一的图数据结构，将多细胞数据表示为颗粒状和泡沫状物理图像，结合细胞相互作用和细胞连接网络，实现了单细胞精度的动态多细胞发育过程数据驱动定量研究	NA	理解和预测在复杂发育过程中活体组织内每个细胞随时间的行为	多细胞发育过程，特别是果蝇胚胎发生中的细胞	机器学习	NA	几何深度学习	几何深度学习模型	图数据	NA	NA	NA	NA	NA
1174	2025-12-22	CLIP-Guided Generative network for pathology nuclei image augmentation 2025-Dec-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103908 PMID:41421266	研究论文	提出一种基于CLIP引导的生成数据增强方法，用于病理细胞核图像分割与分类	结合预训练的病理CLIP文本与图像编码器，通过多模态条件图像生成器合成逼真的组织病理学图像，解决了传统GAN在多类数据增强中缺乏可扩展性的问题	未明确说明生成图像与真实图像在临床诊断中的等效性验证，且可能受限于文本描述生成的准确性	提升基于深度学习的细胞核分割与分类模型性能，通过生成数据增强解决标注数据不足的问题	病理细胞核图像及其分割掩码	数字病理学	NA	生成对抗网络（GAN），视觉-语言基础模型（CLIP）	GAN	图像，文本	多个公开可用的病理细胞核数据集，具体数量未明确说明	PyTorch（基于代码仓库推断）	多模态条件图像生成器，高分辨率图像判别器，CLIP图像编码器	定性分析，定量分析（具体指标未明确说明）	NA
1175	2025-12-22	Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification 2025-Dec-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108451 PMID:41420941	研究论文	提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络（TCNs）	通过理论基础的乘性和成对交互机制显式组合输入特征子集，以捕获传统卷积方法忽略的高阶特征交互	NA	开发一种适用于特征顺序任意且空间关系最小的一维数据分类的深度学习架构	来自医学诊断、政治学、合成数据、化学计量学和医疗保健等不同领域的五个基准数据集	机器学习	NA	NA	CNN	一维数据	NA	NA	Twisted Convolutional Networks (TCNs)	NA	NA
1176	2025-12-22	An explainable hybrid CNN-LSTM framework for accurate sequence-based classification of RNA N6-methyladenosine (m6A) modification 2025-Dec-05, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100383 PMID:41354216	研究论文	本文提出了一种结合CNN-LSTM和SHAP的可解释性混合框架，用于准确分类RNA N6-甲基腺苷（m6A）修饰位点	将CNN-LSTM混合模型与SHAP特征选择相结合，提升预测性能并增强模型可解释性，通过特征贡献量化识别RNA序列中最具信息性的特征	未明确提及模型在更大规模或不同物种数据集上的泛化能力，以及计算资源消耗的具体分析	提高RNA m6A修饰位点的准确分类，并增强模型的可解释性以提供生物学洞见	RNA序列中的N6-甲基腺苷（m6A）修饰位点	自然语言处理	NA	RNA序列分析	CNN, LSTM	序列数据	NA	TensorFlow, PyTorch, Keras	CNN-LSTM混合架构	准确率, 灵敏度, 特异性, MCC	NA
1177	2025-12-22	A multi-task deep learning pipeline integrating vessel segmentation and radiomics for multiclass retinal disease classification 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105209 PMID:40914189	研究论文	本研究开发了一个结合血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病	创新点在于整合了基于Transformer的血管分割模型与影像组学特征，实现了多任务学习，提高了视网膜疾病分类的准确性和可解释性	研究依赖于多中心数据，但未详细讨论数据异质性对模型性能的具体影响，且外部验证集规模相对有限	开发一个鲁棒的多任务深度学习框架，用于自动化分类糖尿病视网膜病变、高血压视网膜病变、视乳头水肿和正常眼底	来自八个医疗中心的2165名患者的眼底图像	计算机视觉	视网膜疾病	眼底成像	深度学习模型	图像	2165名患者（训练和验证集）和769名患者（外部测试集）	PyTorch, Scikit-learn	U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet	准确率, AUC, 召回率, ROC分析, Dice相似系数	NA
1178	2025-12-22	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Dec, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发了一种深度学习模型，用于预测帕金森病患者丘脑底核中病理性β爆发的发生	首次利用深度神经网络从基底节活动中发现可可靠预测β爆发起始的特征，特别是揭示了β振幅下降（可能指示振荡群体相位重置）是预测β爆发发生的关键生物标志物	研究基于两个独立数据集，但样本量未明确说明；预测时间窗口为爆发前100毫秒，临床应用需进一步验证	探索帕金森病中丘脑底核病理性β爆发的预测机制，为开发智能、主动的脑深部电刺激疗法提供依据	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	脑深部电刺激记录、传感式DBS设备记录	深度神经网络	神经电生理信号	NA	NA	NA	NA	NA
1179	2025-12-22	From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202509459 PMID:41147065	研究论文	本文提出了一种基于深度学习的框架，用于预测核酸纳米颗粒（NANPs）在人类小胶质细胞中诱导的细胞因子反应，仅基于其序列	利用基于Transformer的架构，通过系统性的链置换增强，实现了无需手动特征工程的序列-活性关系建模，并保持了生物可解释性	模型训练基于176个结构多样的NANPs，样本规模相对有限，可能影响在更广泛NANPs类型上的泛化能力	加速核酸纳米颗粒从实验室到临床的转化，通过预测其免疫反应来指导理性设计和优化	核酸纳米颗粒（NANPs）及其在人类小胶质细胞中诱导的细胞因子反应（IFN-β和IL-6）	机器学习	NA	深度学习，序列分析	Transformer	序列数据	176个结构多样、单独组装并实验表征的核酸纳米颗粒	NA	Transformer	R（相关系数），RMSE（均方根误差）	NA
1180	2025-12-22	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习模型（UNet和pix2pix）在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	首次在面部紫外诱导荧光图像分割中，对传统的分割网络（UNet）和生成对抗网络（pix2pix）进行了比较研究，并探讨了单类别与双类别分割设置的性能差异	数据集多样性有限，未来需扩大样本量并采用临床级成像系统进行验证	评估和比较两种深度学习模型在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	IoU, Dice系数	NA