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
101	2026-06-02	Egg Freshness Safety and Detection Techniques: A Comprehensive Review and Future Perspective 2025-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70317 PMID:41164900	综述	系统总结了传统和新型鸡蛋新鲜度检测技术，重点探讨对壳蛋和液蛋的适用性，并提出了未来研究方向	首次全面对比了传统技术（如哈夫单位、烛光法）与新型技术（如拉曼光谱、电化学-化学计量检测）在壳蛋和液蛋新鲜度检测中的适用性，强调了无损检测和自动化潜力，并指出建立液蛋全球标准的必要性	未对各类检测技术进行定量比较，缺乏实际应用场景下的成本效益分析，且对液蛋检测的标准制定路径探索不够深入	系统梳理鸡蛋新鲜度检测技术，评估其原理、准确性、成本、模型、持续时间和样品完整性，为建立液蛋新鲜度全球标准提供参考	壳蛋和液蛋的新鲜度检测技术	机器学习	NA	高光谱成像、介电谱、拉曼光谱、低场核磁共振、嗅觉传感器、机器视觉、微波近场成像	深度学习、机器学习、堆叠集成策略	图像、光谱数据、电化学数据	NA	NA	NA	准确率	NA
102	2026-06-02	Association of deep learning-derived histologic features of placental chorionic villi with maternal and infant characteristics in the New Hampshire birth cohort study 2025-Oct, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.07.084 PMID:40902262	研究论文	利用深度学习分割胎盘绒毛膜绒毛组织，分析绒毛特征与母婴特征之间的关联	首次大规模应用深度学习分割技术，自动检测超过900万个胎盘绒毛膜绒毛，并通过无监督聚类识别出与已知分类一致的绒毛亚型	研究样本仅来自单一出生队列，可能限制结果的普适性；未涉及其他妊娠并发症或胎盘病理状态	量化胎盘绒毛膜绒毛的组织学特征，并探究其与分娩孕周、母亲年龄和婴儿性别的关联	1531张足月胎盘全切片图像中的胎盘绒毛膜绒毛	数字病理学	NA	全切片成像	深度学习分割模型	图像	1531张足月胎盘全切片图像	NA	NA	统计显著性 p 值	NA
103	2026-06-02	Early Prediction and Risk Analysis Using Hybrid Deep Learning Techniques in Multimodal Biomedical Image 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23001 PMID:41015781	研究论文	提出一种混合深度学习框架，整合多模态医学图像以提升早期癌症预测能力	将ORB手工特征提取与InceptionV4深度学习特征提取相结合，并采用稀疏逻辑回归与MS-GWNN分类器进行多模态图像融合与肿瘤恶性程度预测	未来工作需探索更多成像模态集成、临床实时应用及融合策略优化，同时可引入可解释AI提升模型可解释性	开发高效模型处理多样化医学图像，提取有意义特征并准确分类癌变区域	多模态医学图像（如MRI和CT扫描）中的癌变区域	计算机视觉	癌症	MR成像, CT成像	混合深度学习模型（InceptionV4, 稀疏逻辑回归, MS-GWNN）	图像	TCIA数据集	NA	InceptionV4, ORB, 稀疏逻辑回归, MS-GWNN	准确率, 灵敏度, 特异度	NA
104	2026-06-02	E2E-TM: Dual-Way Feature Extraction and End-to-End Transformer Based Parkinson's Disease Diagnosis Using Integrated MR Imaging and Electroencephalogram Signals 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23002 PMID:41015780	研究论文	提出一种基于双路特征提取和端到端Transformer的帕金森病诊断方法，整合磁共振成像和脑电图信号	提出E2E-TM端到端Transformer模块，集成多尺度主干卷积、双路主干卷积和双并行注意力网络，实现MRI和EEG数据的协同特征提取与诊断分类	未提及在多样化临床数据集上的泛化能力验证及与真实世界诊断环境的对比评估	开发高精度帕金森病早期诊断模型，克服传统机器学习方法的数据代表性和过拟合问题	帕金森病患者的磁共振成像和脑电图数据	机器学习	帕金森病	MRI, EEG	Transformer, 卷积神经网络	图像, 信号	NA	NA	E2E-TM, Multi-TC, DW-TC, DPANet, Super U-Net	诊断性能（分类准确率等对比指标）	NA
105	2026-06-02	Real-Time Classification for EEG Data in Children With ASD Using Deep Learning Techniques 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23009 PMID:41116645	研究论文	开发并验证了一种基于深度学习的框架，用于自闭症谱系障碍儿童脑电图数据的实时分类	提出了一种混合卷积神经网络-长短期记忆网络框架，能够同时提取脑电图信号的空间和时间特征，实现对儿童自闭症谱系障碍脑电图数据的实时分类	混合模型的准确率（87.5%）略低于基线ResNet模型（89.1%）	提高自闭症谱系障碍儿童脑电图诊断的准确性并实现及时干预	60名儿童（30名自闭症谱系障碍患者和30名典型发育儿童）的脑电图记录	机器学习	自闭症谱系障碍	脑电图	混合卷积神经网络-长短期记忆网络	脑电图信号	60名儿童	MATLAB	卷积神经网络-长短期记忆网络, ResNet	准确率, 精确率, 召回率, F1分数	NA
106	2026-06-02	Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer 2025-09, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18406 PMID:40265999	研究论文	开发和验证基于腕戴式加速度计和深度学习的算法，用于自动检测全面性或双侧强直阵挛性发作，并集成到商用智能手表中	采用基于分位数聚合的可调灵敏度集成的卷积神经网络架构，实现高检测性能与可调灵敏度	错过了两次发作，其中一次因佩戴传感器的患者手臂被床栏杆卡住而未能检测到	自动检测全面性惊厥性发作	全面性或双侧强直阵挛性发作患者	机器学习	癫痫	三维加速度计	卷积神经网络	加速度数据	384名患者（训练集37人含54次发作，独立测试集347人含49次发作）	NA	集成卷积神经网络（Episave）	灵敏度、误报率、检测潜伏期	NA
107	2026-06-02	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	综述了基于图像的细胞表型分析的计算领域进展，包括深度学习方法、单细胞分析和批次效应校正等	聚焦于图像分析技术的计算演化而非生物学应用，为研究人员提供了应对进展与挑战的路线图	未深入讨论广泛生物学应用中的具体挑战	为研究人员提供基于图像表型分析领域的进展与挑战的路线图	基于图像的细胞表型分析技术	计算机视觉	NA	显微镜成像	深度学习	图像	NA	NA	NA	NA	NA
108	2026-06-02	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	结合复值表示和Kuramoto同步动力学，提升深度神经网络在视觉分类中的对象绑定能力	首次将神经同步假设与复值神经网络结合，通过Kuramoto动力学促进特征相位对齐，实现多对象场景的鲁棒编码	NA	探究基于同步的机制如何增强人工模型在视觉分类任务中的对象编码能力	手写数字重叠、噪声输入及分布外变换的多对象图像数据	计算机视觉	NA	NA	前馈神经网络、循环神经网络	图像	NA	NA	前馈模型、带有反馈连接的循环模型	准确率、鲁棒性、泛化能力	NA
109	2026-06-02	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	开发了mamp-ml，一个基于深度学习的机器学习框架，用于预测植物受体-配体相互作用及免疫原性结果	利用大规模蛋白质语言模型ESM-2结合已有功能数据，实现了无需实验结构即可高精度预测植物免疫原性，并支持LRR受体-配体组合的高通量筛选	在独立测试集上预测准确率为73%，可能存在局限性，且未提供模型在其他植物或配体类型上的泛化能力评估	开发一种计算框架，用于预测植物受体-配体免疫原性，克服实验验证的瓶颈	植物LRR受体与配体的相互作用及其免疫原性结果	机器学习	NA	蛋白质语言模型（ESM-2）	深度学习模型（ESM-2为基础）	序列数据（受体和配体序列）	利用过去二十多年基础研究的现有功能数据	NA	ESM-2	准确率	NA
110	2026-06-02	An Efficient Deep Learning Framework for Automated Epileptic Seizure Detection: Toward Scalable and Clinically Applicable Solutions 2025-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22983 PMID:40620110	研究论文	提出一种基于图卷积神经网络的癫痫发作检测框架，高效编码脑电图电极空间依赖关系	利用图卷积神经网络显式编码脑电图电极间的空间依赖关系，捕获更全面的时空特征	未提及框架对噪声或伪影的鲁棒性，且仅测试了两类数据库，泛化性需进一步验证	开发高效、可扩展的癫痫发作自动检测方法，面向临床应用	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	图卷积神经网络	脑电图信号	CHB-MIT数据库（多通道脑电图）和内部SH-SDU数据库	NA	图卷积神经网络	准确率、灵敏度、特异性、事件级灵敏度、假阳性率	NA（平均每1小时多通道脑电图测试时间3.89秒）
111	2026-06-02	Robust Brain Tumor Detection and Classification From Multichannel MRI Using Deep Learning 2025-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22991 PMID:40686315	研究论文	提出一种利用深度学习从多通道MRI中检测和分类脑肿瘤的稳健方法	将双边界敏感变换（DBST）算法用于肿瘤边缘精确检测，结合尺度不变特征变换（SIFT）方法提供稳健特征，并采用DarkNet53和DenseNet201深度学习模型增强分类性能	未来需探索更先进的深度学习架构，整合更多模态，进一步提高检测和分类的准确性与稳健性	开发基于计算机视觉和深度学习的脑肿瘤检测与分类稳健方法，克服传统方法的局限性	多通道MRI图像中的脑肿瘤	计算机视觉, 数字病理学	脑肿瘤	MRI	DarkNet53, DenseNet201	图像（多通道MRI）	公开可用的多通道MRI大数据集	MATLAB	DarkNet53, DenseNet201	特异性, 灵敏度	NA
112	2026-06-02	IoT based healthcare system using fractional dung beetle optimization enabled deep learning for breast cancer classification 2025-02, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108277 PMID:39586227	研究论文	提出一种基于物联网和分数阶粪甲虫优化深度学习方法的乳腺组织病理图像癌症分类系统	将分数阶粪甲虫优化算法（FDBO）结合SqueezeNet进行乳腺组织病理图像分类，并利用FDBO实现物联网路由优化	文中未明确讨论局限性	提高基于组织病理图像的乳腺癌症分类准确率，构建高效的物联网医疗系统	乳腺组织病理图像数据集	计算机视觉	乳腺癌	组织病理学成像	深度学习（SqueezeNet、LadderNet）	图像	NA	NA	SqueezeNet、LadderNet	准确率、敏感度、特异度、阴性预测值、阳性预测值	NA
113	2026-06-02	Challenges and applications of artificial intelligence in infectious diseases and antimicrobial resistance 2025-Jan-07, npj antimicrobials and resistance DOI:10.1038/s44259-024-00068-x PMID:39843587	综述	本文综述了人工智能在传染病和抗菌药物耐药性领域的应用，包括诊断、治疗和药物发现	系统总结了AI在传染病控制中的当前应用及其潜在优势和创新点	未明确讨论AI在实际临床部署中的障碍和算法偏差问题	探讨人工智能在传染病诊断、治疗和药物发现中的挑战与应用	传染病和抗菌药物耐药性的诊断、治疗及药物发现过程	机器学习	传染病	NA	CNN, LSTM	图像、文本	NA	NA	NA	NA	NA
114	2026-06-02	Preictal period optimization for deep learning-based epileptic seizure prediction 2024-12-27, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad9ad0 PMID:39637549	研究论文	本研究提出数据驱动的深度学习方法，通过优化发作前期定义来提高基于头皮脑电信号的癫痫发作预测性能	提出了连续输入输出性能比（CIOPR）等新度量指标，用于捕捉不同发作前期定义下的模型行为，并个性化确定最佳发作前期	观察到患者间和患者内的预测时间异质性，给建立全局发作前期带来困难；传统准确性指标对发作前期定义的变化不敏感	优化发作前期定义以提高癫痫发作预测的准确性和时序性能	药物难治性癫痫患者的头皮脑电图数据	机器学习	癫痫	头皮脑电图	CNN-Transformer	信号	CHB-MIT公开数据集，包含多例患者的多小时连续记录	PyTorch	CNN, Transformer	AUC, F1分数, 敏感度, 特异度, 连续输入输出性能比	NA
115	2026-06-02	EKFNet: edge-based Kalman filter network for real-time EEG signal denoising 2024-12-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad995a PMID:39622170	研究论文	提出一种边缘端轻量级卡尔曼滤波网络EKFNet，用于实时脑电图信号去噪，无需手动先验知识估计	将卡尔曼滤波与深度学习结合，通过多尺度特征融合模块隐式计算先验知识，以及自适应增益估计模块动态预测卡尔曼增益，解决了传统算法参数设置难题并降低计算开销	NA	实现高性能且适合边缘端便携式或可穿戴设备的实时脑电图信号去噪方法	脑电图信号	机器学习	NA	EEG信号采集	EKFNet（基于卡尔曼滤波的深度网络）	脑电图信号	NA	PyTorch	EKFNet（包含多尺度特征融合模块、长短时记忆网络、顺序通道注意力模块）	平方距离之和、余弦相似度、推理时间	NA
116	2026-06-02	Prediction of Crohn's disease based on deep feature recognition 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108231 PMID:39362115	研究论文	提出一种基于深度特征识别的克罗恩病预测模型，利用序列卷积注意力网络与支持向量机分类	引入自适应加性间隔损失增强特征区分度，并提出随机噪声独热编码数据增强方法解决样本不平衡问题	该信息未在摘要中明确说明	利用深度学习从人类微生物组基因数据中预测克罗恩病	人类微生物组基因数据	机器学习	克罗恩病	NA	序列卷积注意力网络（SCAN）与支持向量机（SVM）	基因数据	NA	NA	SCAN, SVM	准确率（0.80），Kappa值（0.76）	NA
117	2026-06-02	A multi-class fundus disease classification system based on an adaptive scale discriminator and hybrid loss 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108241 PMID:39405777	研究论文	提出一种基于自适应尺度判别器和混合损失的多类别眼底疾病分类系统	创新设计了多维度注意力模块、自适应尺度判别器和混合损失函数方法以提升对不平衡数据的检测能力	未提及具体限制	解决眼底疾病结构中检测精度低和类别不平衡问题，构建多标签眼底图像疾病分类系统	眼底疾病分类系统	计算机视觉	眼底疾病	NA	CNN	眼底图像	使用ODRI-5K数据集	NA	ResNet50	AUC, F1分数	NA
118	2026-06-02	Federated learning and deep learning framework for MRI image and speech signal-based multi-modal depression detection 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108232 PMID:39423605	研究论文	提出一种基于联邦学习和深度学习的多模态抑郁症检测框架，利用MRI图像和语音信号对青少年抑郁症进行检测	将联邦学习与深度卷积神经网络结合用于多模态数据（MRI图像和语音信号）的抑郁症检测，并提出指数型非洲鹈鹕优化算法来优化模型参数	未提及对数据隐私的具体保护机制，且多模态融合使用了简单的重叠系数方法，可能无法充分利用不同模态间的复杂关联	通过深度学习算法对医疗数据分析，预测青少年的心理健康状态，特别是抑郁症检测	青少年抑郁症患者	机器学习, 数字病理	抑郁症	MRI成像, 语音信号处理	卷积神经网络 (CNN)	图像, 语音信号	NA	NA	深度卷积神经网络 (DCNN)	准确率, 损失, 均方根误差, 均方误差, 真阴性率, 真阳性率	NA
119	2026-06-02	Integrating (deep) machine learning and cheminformatics for predicting human intestinal absorption of small molecules 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108270 PMID:39481232	研究论文	结合深度学习与化学信息学方法预测小分子人体肠道吸收率	首次系统比较五种传统机器学习模型与两种图神经网络（GCNN和GAT）在HIA预测上的表现，并利用自动化特征提取与手工特征工程进行对比分析	数据集规模有限（2648个化合物），且外部验证集可能存在分布偏差；深度学习模型在测试集上准确率略低于传统机器学习模型	预测药物的人体肠道吸收率作为口服生物利用度的标记物	2648个小分子化合物	机器学习	NA	NA	机器学习、深度学习	分子描述符、图结构数据	2648个化合物	PyTorch, LightGBM, Scikit-learn	随机森林, LightGBM, 图卷积神经网络, 图注意力网络	准确率	NA
120	2026-06-02	Optimization and correction of breast dynamic optical imaging projection data based on deep learning 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108259 PMID:39486356	研究论文	提出一种基于深度学习的乳腺动态光学成像投影数据优化与校正方法	利用CNN提取原始图像特征，结合GAN增强图像质量和对比度，并开发新颖的校正算法解决投影数据失真问题	NA	提升乳腺动态光学成像的图像质量和投影数据准确性，改善乳腺癌早期筛查与诊断	乳腺动态光学成像的原始图像和投影数据	计算机视觉	乳腺癌	动态光学成像（DOI）	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA	NA	CNN, GAN	NA	NA