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
101	2025-09-19	Masked Modeling-Based Ultrasound Image Classification via Self-Supervised Learning 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3374966 PMID:38606402	研究论文	提出一种基于掩码建模的自监督学习方法用于超声图像分类	引入三种掩码策略（随机、垂直和水平掩码）并设计新颖难样本挖掘策略，无需外部标注数据	NA	解决超声图像分类中标注数据稀缺和噪声干扰问题	超声图像数据	计算机视觉	NA	自监督学习	深度学习	图像	两个数据集（具体数量未说明）
102	2025-09-19	Predictive modelling of brain disorders with magnetic resonance imaging: A systematic review of modelling practices, transparency, and interpretability in the use of convolutional neural networks 2023-12-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26521 PMID:37909364	系统综述	本文系统回顾了55项使用卷积神经网络（CNN）和MRI数据进行脑部疾病预测建模的研究，评估其建模实践、透明度和可解释性	首次对CNN在脑部疾病MRI预测建模中的应用实践进行系统性评估，并提出改进临床整合的具体建议	仅纳入55项研究，可能存在发表偏倚；评估基于定性分析而非定量meta分析	评估CNN在脑部疾病MRI预测建模中的应用质量，促进临床转化	脑部疾病（包括精神类和神经类疾病）	医学影像分析	脑部疾病	结构磁共振成像（MRI）	CNN	图像	55项研究（具体样本量未明确说明）
103	2025-09-19	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	综述	本文综述了人工智能在肝细胞癌放射学诊断中的最新应用进展	探讨了深度学习与神经网络模型在提升HCC放射学检测准确性方面的潜力，并强调AI在减少诊断变异性和优化医疗资源分配方面的优势	尚未在临床常规实践中广泛应用，需要进一步研究和验证	改善肝细胞癌的早期检测、治疗选择及患者预后	肝细胞癌（HCC）患者	医学影像分析	肝细胞癌	深度学习、神经网络	深度学习模型	放射学影像数据	NA
104	2025-09-19	Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training 2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI53787.2023.10230515 PMID:39253557	研究论文	本研究探讨使用证据神经网络和不确定性感知训练来改善深度学习模型在医学影像分类中的校准性能	首次将证据神经网络和不确定性感知训练结合使用，并在复杂医学影像任务中验证其对模型校准的改进效果	实验仅在特定医学影像数据集上进行，需要更多样化的验证	提高深度学习模型在医学影像分类中的校准性能，增强临床医生对模型的信任	MNIST数字分类和相位对比心脏磁共振影像的伪影检测	计算机视觉	心血管疾病	深度学习，证据神经网络，不确定性感知训练	深度学习模型（具体架构未指定）	图像	两个数据集：MNIST和心脏磁共振影像数据集（具体样本数量未提供）
105	2025-09-19	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	对心胸影像领域中机器学习和深度学习应用的系统回顾与总结	系统梳理了ML/DL在心胸影像中的多样化应用，并针对该领域特点提出研究建议	作为范围综述，主要提供领域概览而非深入质量评估	探讨ML/DL在心胸影像领域的应用现状与发展趋势	心胸影像相关医学文献	计算机视觉	心血管疾病	机器学习(ML)和深度学习(DL)	NA	图像	NA
106	2025-09-19	A multimodal deep learning model for cardiac resynchronisation therapy response prediction 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102465 PMID:35487111	研究论文	提出一种新颖的多模态深度学习框架，用于基于2D超声心动图和心脏磁共振数据预测心脏再同步化治疗（CRT）反应	首个用于CRT反应预测的多模态深度学习方法，结合两种影像模态的潜在空间，测试时仅需超声数据即可利用隐式学习到的跨模态关系	NA	预测心脏再同步化治疗（CRT）的反应效果	接受CRT治疗的患者	机器学习	心血管疾病	nnU-Net分割模型，多模态深度学习分类器	nnU-Net, 深度学习分类器	2D超声心动图，心脏磁共振（CMR）影像	50名CRT患者，配对的超声/CMR数据
107	2025-09-18	Integration of coagulation parameters Enhances deep Learning-Based survival prediction in High-Grade serous ovarian Cancer: A comprehensive prognostic model 2026-Jan-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120512 PMID:40738419	研究论文	开发并验证一种整合凝血参数的深度学习生存预测模型，用于高级别浆液性卵巢癌预后评估	首次将凝血参数（如D-二聚体水平）与传统临床病理因素结合，采用包含88种算法的机器学习框架提升预测性能	回顾性研究设计，需进一步前瞻性验证	构建高精度生存预测模型以改善高级别浆液性卵巢癌的预后评估	高级别浆液性卵巢癌患者	机器学习	卵巢癌	机器学习整合分析	深度学习框架（含88种算法）	临床病理数据与凝血参数	216例患者（训练集） + 108例外部验证（来自三个机构）
108	2025-09-18	HCNS:A deep learning model for identifying essential proteins based on hypergraph convolution and sequence features 2025-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115949 PMID:40783109	研究论文	提出一种基于超图卷积和序列特征的深度学习模型HCNS，用于精确识别必需蛋白质	整合超图卷积网络（HGCN）和包含多种深度学习的序列特征提取模块，首次同时利用PPI网络和蛋白质氨基酸序列进行识别	NA	提高必需蛋白质识别的准确性	蛋白质	生物信息学	NA	深度学习	HGCN, CNN, Bi-LSTM, Transformer, MLP	蛋白质相互作用网络数据、蛋白质复合物数据、蛋白质氨基酸序列	NA
109	2025-09-18	Deep learning-enabled fluorescence imaging for oral cancer margin classification in preclinical models 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34109 PMID:40949530	研究论文	本研究开发了一种结合深度学习与空间频域成像（SFDI）的系统，用于口腔癌手术中荧光标记的亚表面深度定量与切缘评估	首次将深度学习与结构光成像技术结合，实现对亚表面荧光结构的深度和浓度量化，突破现有荧光成像系统无法量化亚表面结构的限制	研究目前主要在模拟数据、体模和离体动物组织中进行验证，尚未进行临床人体试验	开发一种术中口腔癌切缘评估技术，确保肿瘤完全切除同时保留术后功能	口腔癌肿瘤，特别是舌癌的亚表面荧光标记结构	数字病理	口腔癌	空间频域成像（SFDI），荧光成像，深度学习	ResNet, U-Net CNN	图像	模拟患者来源舌肿瘤形状数据、荧光体模数据集、离体动物组织样本
110	2025-09-18	MLSPred-bench: Transforming electroencephalography (EEG) datasets into machine learning-ready epileptic seizure prediction benchmarks 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103574 PMID:40949826	研究论文	提出一种将癫痫检测脑电图数据集转换为适用于癫痫发作预测的机器学习基准数据的方法	开发了MLSPred-bench方法，能够将标注为检测用途的EEG大数据转换为适用于预测任务的ML就绪数据，并生成12个包含不同SPH和SOP变化的基准数据集	NA	解决癫痫发作预测任务中缺乏标注数据的挑战，促进癫痫预测模型的发展	脑电图(EEG)数据集	机器学习	癫痫	脑电图(EEG)分析	多种机器学习和深度学习模型	时间序列脑电信号数据	超过150GB的ML就绪数据，来自现有EEG数据语料库
111	2025-09-18	Design of an iterative hybrid multimodal deep learning method for early skin disease detection with cross-attention and graph-based fusions 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103584 PMID:40949827	研究论文	提出一种用于早期皮肤疾病检测的多模态深度学习框架，融合空间、时间和语义信息	结合跨注意力机制和图注意力网络（GAT）实现多模态特征交互与患者间关系建模	NA	早期皮肤疾病检测	皮肤疾病患者的多模态数据	计算机视觉	皮肤疾病	多模态深度学习	EfficientNet-B4, BiLSTM, ClinicalBERT, GAT	图像、时间序列信号、临床文本	NA
112	2025-09-18	Application of Raman Spectroscopy Coupled With Chemometrics for the Detection and Quantification of Mancozeb Residues in Collard Green 2025-Dec, Analytical science advances IF:3.0Q2 DOI:10.1002/ansa.70045 PMID:40959212	研究论文	本研究应用拉曼光谱结合化学计量学方法检测和定量羽衣甘蓝中的代森锰锌残留	首次将拉曼光谱与机器学习模型（包括支持向量机和卷积神经网络）结合，用于代森锰锌残留的高精度检测与定量	研究仅在特定浓度范围（0.01-0.5 ppm）内验证，未涉及其他农药或更复杂基质	开发快速、精确、可及的农药残留检测技术，保障食品安全	羽衣甘蓝中的代森锰锌农药残留	化学计量学与光谱分析	NA	拉曼光谱，主成分分析，机器学习建模	SVM, CNN, 集成学习	光谱数据	NA
113	2025-09-18	Generalizable deep learning for photoplethysmography-based blood pressure estimation-A benchmarking study 2025-Dec-01, Machine Learning. Health DOI:10.1088/3049-477X/ae01a8 PMID:40959521	研究论文	一项关于基于光电容积脉搏波(PPG)的深度学习血压估计模型泛化能力的基准研究	首次系统评估多种深度学习模型在分布外(OOD)数据集上的泛化性能，并提出基于样本的域适应方法改进性能	模型性能受数据集间血压分布差异的强烈影响，泛化能力仍有待提升	研究基于PPG的深度学习血压估计模型的泛化能力	光电容积脉搏波(PPG)信号和血压测量数据	机器学习	心血管疾病	深度学习	XResNet1d101等五种深度学习模型	PPG波形信号	基于PulseDB数据集训练，并在多个外部数据集测试
114	2025-09-18	Umami-Transformer: A deep learning framework for high-precision prediction and experimental validation of umami peptides 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145905 PMID:40848351	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
115	2025-09-18	Deep learning-derived optimal annotation strategies to power the systematic mapping of peptide space 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145437 PMID:40639248	研究论文	本文探讨了深度学习在肽段识别技术中的应用，以提高蛋白质组学中肽段序列鉴定的效率和准确性	结合多种深度学习模型（如Prosit、pDeep、卷积神经网络和图论）与数据库搜索，优化肽段空间系统映射的注释策略	NA	提升肽段识别方法的效率和准确性，推动蛋白质组学发展	肽段序列和MS/MS质谱数据	机器学习	NA	质谱技术（DDA和DIA）、深度学习	CNN、深度神经网络、图论结合模型	质谱数据	NA
116	2025-09-18	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	提出两种新型无监督时空异常检测方法，用于传感器网络数据	结合动态贝叶斯模型和深度学习架构，并引入集成方法综合两者优势	NA	开发高效准确的时空异常检测算法，提升传感器数据可靠性	河流传感器网络收集的高结构化时空数据	机器学习	NA	无监督异常检测	动态贝叶斯模型，LSTM，注意力机制	传感器时空数据	通过综合模拟基准测试评估，包含多种常见异常类型
117	2025-09-18	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新颖的四模态深度神经网络（QM-DNN），用于基于Sentinel-2卫星数据估算连云港市湖泊和水库的叶绿素a浓度	提出了结合双波段、三波段和四波段光谱特征以及时空和环境辅助变量的多模态深度学习框架	模型在测试集上表现良好但仍有改进空间，且风速影响存在站点依赖性	通过遥感技术监测水体富营养化状况，支持水质管理和富营养化治理	中国连云港市的湖泊和水库	遥感监测	NA	多模态学习、集成梯度法	QM-DNN（四模态深度神经网络）	多光谱卫星影像、原位测量数据、环境变量	测试集197个样本，数据时间跨度为2017-2024年
118	2025-09-18	Multi-scenario simulation of future marine microplastic distribution under data scarcity: A deep learning approach 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124233 PMID:40701050	研究论文	提出一种结合Few-Shot Learning和Transformer架构的深度学习框架CGMAT，用于模拟未来海洋微塑料分布	首次将Few-Shot Learning与Transformer架构结合，解决数据稀缺条件下的海洋微塑料多场景模拟问题	预测结果显示出显著的地区差异性，模型在不同区域的适用性可能存在局限	评估未来海洋微塑料丰度趋势，为污染治理提供科学依据	台湾海峡和挪威沿海水域的海洋微塑料分布	机器学习	NA	Few-Shot Learning, Transformer架构, 多图注意力网络	CGMAT (Cross-domain Multi-Graph Attention Network)	海洋观测数据	台湾海峡和挪威沿海水域的异构数据集
119	2025-09-18	Sequence and Structure-based Prediction of Allosteric Sites 2025-Oct-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测计算方法及其在合理药物设计中的应用	强调多模态数据整合和可解释深度学习模型在提升变构位点预测与药物设计中的潜力	NA	促进对变构机制的理解并推动变构药物设计	蛋白质变构调控	计算生物学	NA	计算方法与深度学习	深度学习模型	序列与结构数据	NA
120	2025-09-18	Prediction of water quality parameters and pollution exceedance analysis in typical rivers of semi-arid regions based on interpretable deep learning models 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126801 PMID:40639737	研究论文	提出一种可解释的深度学习模型AT-GRU，用于半干旱地区典型河流水质参数预测与污染超标分析	结合SHAP可解释性分析，揭示预测关键驱动因子，并识别极端降水事件对水质的影响规律	模型在高污染条件下气象因素影响有限，未明确说明泛化能力验证	提升半干旱区域水质预测精度与模型可解释性，支持针对性污染控制与预警策略	半干旱大黑河流域的水质、气象及水文数据	机器学习	NA	深度学习，SHAP可解释性分析	AT-GRU (Attention-Gated Recurrent Unit)	时序数据（水质、气象、水文）	NA