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
1221	2025-12-05	A DAG-enabled cryptographic framework for secure drug traceability with identity-bound authentication and anomaly detection 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30413-7 PMID:41339443	研究论文	本文提出了一种基于有向无环图（DAG）的加密框架，用于实现安全的药物追溯，结合身份绑定认证和异常检测	采用DAG账本替代传统区块链，支持并行交易验证、零交易费用和低延迟边缘操作，并集成加密NFC标签与身份绑定认证，以及结合LSTM和CNN的混合深度学习模型进行异常检测	研究基于模拟环境进行评估，尚未通过真实世界试点和监管评估进行完整操作验证	解决假药问题，开发一个安全、去中心化、可验证的药物供应链追踪系统	药物供应链中的交易和包装，包括药物单元及其相关身份认证数据	机器学习	NA	加密近场通信（NFC）标签，有向无环图（DAG）账本，混合深度学习模型	LSTM, CNN	合成模拟生成的数据集，包含环境和行为协变量	模拟评估涵盖5个地区的1000个药物单元	NA	LSTM, CNN	异常检测精度, 可追溯性准确率, 中位延迟	在Raspberry Pi 4B边缘设备上使用基于Docker Swarm的分布式容器，配备IOTA Chrysalis节点和Grafana分析仪表板
1222	2025-12-05	3D FusionNet for synthetic CT based lung cancer segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29703-x PMID:41339453	研究论文	本研究提出了一种结合DCGAN和3D-TDUnet++架构的3D-FusionNet模型，用于基于合成CT的肺癌分割	将DCGAN与3D-TDUnet++架构结合，并引入非局部特征聚合（NLFa），通过生成合成CT样本解决标注数据不足问题，提高了分割精度和临床鲁棒性	未明确提及模型在外部验证集或不同扫描设备上的泛化能力，以及合成图像的质量对分割性能的具体影响	开发一种用于肺癌分割的深度学习框架，以改善计算机辅助诊断系统中的三维医学扫描解读	肺癌CT图像	计算机视觉	肺癌	CT扫描	GAN, CNN	图像	使用公开可用的KAGGLE胸部CT扫描图像数据集，并通过DCGAN生成合成图像进行增强	NA	3D-TDUnet++, DCGAN	Dice系数, F1分数, 准确率, 灵敏度, 特异性	NA
1223	2025-12-05	Dermoscopically informed deep learning model for classification of actinic keratosis and cutaneous squamous cell carcinoma 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31259-9 PMID:41339470	研究论文	本研究开发了一种基于卷积神经网络的双分支深度学习模型，用于通过皮肤镜图像准确区分光化性角化病和皮肤鳞状细胞癌	提出了一种结合临床知识的预处理方法，通过双分支架构整合原始RGB图像和增强血管及角化模式的预处理通道，显著提升了模型性能	研究仅针对AK和cSCC两种病变进行分类，模型在更广泛的皮肤病变或不同肤色人群中的泛化能力尚未验证	开发一种能够准确区分光化性角化病和皮肤鳞状细胞癌的AI辅助诊断工具	皮肤镜图像中的光化性角化病和皮肤鳞状细胞癌病变	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	2000张原始图像，通过数据增强扩展到近20万训练实例	NA	EfficientNetB0, 双分支卷积架构	准确率, 灵敏度, 特异性, 精确率, F1分数, 损失值	NA
1224	2025-12-05	A transformer-based prognostic signature integrating tumor and body composition CT images predicts postoperative recurrence in gastric cancer 2025-Dec-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02183-z PMID:41339473	研究论文	本研究开发了一种基于Vision Transformer的深度学习模型，通过整合骨骼肌、脂肪组织和原发性肿瘤的CT图像以及临床数据，预测胃癌患者的术后无复发生存期	首次将身体成分（骨骼肌和脂肪组织）的CT图像与肿瘤CT图像及临床数据整合，用于胃癌预后预测，并证明了其增量价值	研究为回顾性研究，需要前瞻性验证；模型性能在外部验证队列中有所下降	提高胃癌患者术前预后分层的准确性，以指导个体化治疗策略	胃癌患者	数字病理学	胃癌	计算机断层扫描（CT）	Vision Transformer	图像（CT），临床数据	1862名患者（整个队列）	NA	Vision Transformer	C-index, 净重分类改善指数, 综合判别改善指数, 3年及5年无复发生存率	NA
1225	2025-12-05	Landslide detection using multimodal data fusion and an improved Deeplabv3+ model 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31208-6 PMID:41339468	研究论文	本研究提出了一种基于多模态数据融合和改进DeepLabv3+架构的新型滑坡检测模型FCA-DeepLab，旨在提高高分辨率遥感影像中滑坡检测的准确性和效率	提出了一种结合多模态融合机制、采用ConvNeXt网络替换ResNet骨干网络、并引入专门针对小目标的小物体注意力机制的新型滑坡检测模型FCA-DeepLab	未在摘要中明确说明	提高滑坡灾害检测的准确性和效率，以支持灾害应急响应和长期土地利用规划	滑坡灾害	计算机视觉	NA	多模态数据融合	语义分割模型	高分辨率遥感影像（光学影像和地形特征）	多个公共数据集，包括Bijie滑坡数据集	NA	DeepLabv3+, UNet, Swin Transformer, SegFormer	总体准确率, 召回率, 定性分割性能	NA
1226	2025-12-05	Reforming disease prognosis and treatment prediction for palliative care with hybrid metaheuristic deep neural architectures in IoT healthcare ecosystems 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31037-7 PMID:41339488	研究论文	本研究提出了一种结合深度神经网络与布谷鸟搜索优化的混合元启发式深度神经架构，用于物联网医疗生态系统中的脓毒症检测与预后预测	提出了一种混合元启发式深度神经架构，将深度神经网络与布谷鸟搜索优化相结合，在初始化、中期训练和微调阶段应用优化，以解决现有模型计算开销高、对学习率变化敏感及处理非平稳数据困难的问题	未明确提及具体局限性，但可能涉及模型在更广泛医疗场景中的泛化能力验证或实时部署的挑战	改革疾病预后和治疗预测，特别是在缓和医疗领域，通过混合元启发式深度神经架构提升临床预测的及时性和准确性	脓毒症患者，基于物联网医疗生态系统中的时间序列ICU数据	机器学习	脓毒症	k-NN插补和最小-最大缩放用于数据预处理	DNN, CSO	时间序列数据	未明确提及具体样本数量，但涉及时间序列ICU数据	TensorFlow	深度神经网络	准确率, 精确率, 召回率, F1分数	NVIDIA Tesla V100 GPU
1227	2025-12-05	Automated cardiac MRI analysis for robust profiling of heart failure models in mice 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30810-y PMID:41339487	研究论文	本文提出了一种针对小鼠心力衰竭模型的自动化心脏MRI分析流程，包括优化的高吞吐量成像协议和基于3D CNN的深度学习分割方法	开发了一种结合高效非对比心脏MRI协议和全自动3D CNN分割的综合性分析流程，能够检测细微的心肌灌注减少和舒张功能异常，即使在射血分数无明显变化时	研究仅在小鼠模型中进行验证，尚未在人类患者中测试；模型依赖于特定成像协议，可能不适用于所有MRI设置	加速和标准化临床前心血管研究中的表型分析，特别是针对射血分数保留的心力衰竭（HFpEF）模型	两种多因素HFpEF小鼠模型：饮食诱导肥胖（DIO）模型和DIO加高血压剂（DOCP）联合模型	数字病理学	心血管疾病	心脏磁共振成像（MRI），包括电影动脉自旋标记（ASL）和多巴酚丁胺负荷测试	CNN	图像	两种HFpEF小鼠模型组（DIO和DIO+DOCP）及对照组，具体样本数量未明确说明	NA	3D CNN	Dice相似系数，组内相关系数（ICC）	NA
1228	2025-12-05	UNet with self-adaptive Mamba-like attention and causal-resonance learning for medical image segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28885-8 PMID:41339647	研究论文	本文提出了一种名为SAMA-UNet的新型医学图像分割架构，通过引入自适应的Mamba类注意力块和因果共振多尺度模块，在效率和精度之间取得了更好的平衡	提出了两个关键创新：1. 自适应的Mamba类聚合注意力块，能动态整合局部和全局特征；2. 因果共振多尺度模块，通过调整特征分辨率和跨尺度的因果依赖关系来增强编码器-解码器交互	未在摘要中明确说明	开发一种高效且准确的医学图像分割模型，以解决现有模型在效率与精度之间的权衡问题	医学图像分割	数字病理学	NA	NA	CNN, Transformer, SSM	图像	NA	NA	UNet, SAMA-UNet	DSC, NSD	NA
1229	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1230	2025-12-05	Design of an integrated model using U-Net, DeepSurv, and cross-attention for lung cancer classification and survival prediction 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29781-x PMID:41339682	研究论文	本文提出了一种结合U-Net、DeepSurv和交叉注意力的集成模型，用于肺癌分类和生存预测	提出了一种迭代多模型深度学习框架，通过特征级融合和贝叶斯优化提升分类和生存预测性能，并引入增量学习避免灾难性遗忘	未提及模型在外部验证集上的泛化能力或计算效率的具体限制	改进肺癌亚型分类和生存率预测	肺癌患者的多模态数据（放射学图像、组织病理学图像、基因组数据和临床数据）	数字病理学	肺癌	深度学习	CNN, MLP, DeepSurv	图像, 基因组数据, 临床数据	NA	NA	U-Net, DeepSurv	Dice相似系数, 准确率, C指数	NA
1231	2025-12-05	Empowering emotional intelligence through deep learning techniques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29073-4 PMID:41339679	研究论文	本文提出了一种集成深度学习模型的多模态情感智能系统，用于增强对人类情感的识别和适应性响应	通过结合CNN、BERT、RNN和GAN等多种深度学习模型，构建了一个集成架构，在情感识别和内容生成方面优于单一模型	未明确提及数据集的多样性限制、模型泛化能力或计算资源需求的具体评估	开发一个更准确和适应性强的AI情感智能系统，以提升在多个应用领域的共情和用户中心化能力	人类情感，包括面部表情、文本情绪和时序情感变化	自然语言处理,计算机视觉	NA	深度学习	CNN, BERT, RNN, GAN	图像, 文本	使用Kaggle数据集，包括FER-2013面部表情数据集和标注的文本情感数据	TensorFlow, Keras, PyTorch	CNN, BERT, RNN, GAN	准确率	NA
1232	2025-12-05	A multi scale spatial attention based zero shot learning framework for low light image enhancement 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30479-3 PMID:41339685	研究论文	本文提出了一种名为LucentVisionNet的零样本学习框架，用于低光照图像增强	提出了一种结合多尺度空间注意力与深度曲线估计网络的零样本学习框架，并引入了一种受人类视觉感知启发的无参考图像质量损失函数	未在摘要中明确说明	解决低光照图像增强问题，特别是在缺乏配对训练数据的情况下	低光照图像	计算机视觉	NA	NA	深度学习	图像	NA	NA	深度曲线估计网络	全参考图像质量指标, 无参考图像质量指标	NA
1233	2025-12-05	A linear-attention based network for estimating continuous upper limb movement from surface electromyography 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30665-3 PMID:41339702	研究论文	本文提出了一种基于线性注意力的网络模型，用于从表面肌电信号连续估计上肢运动	提出了一种新颖的线性注意力模型（LABD），用于连续估计上肢运动，相比传统深度学习模型在性能上显著提升	NA	开发一种能够从表面肌电信号连续估计上肢运动的模型，以改善人机交互系统的自然性和直观性	上肢运动，特别是肘关节和肩关节的运动	机器学习	NA	表面肌电信号采集，Vicon运动捕捉系统	线性注意力模型，多层感知机，时序卷积网络，长短期记忆网络，点积注意力模型	表面肌电信号，关节角度数据	NA	NA	LABD, MLP, TCN, LSTM, DABD	皮尔逊相关系数	NA
1234	2025-12-05	Deep learning framework for barcode localization and decoding using simulated UAV imagery 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29720-w PMID:41339720	研究论文	本文提出了一种基于深度学习的框架，用于在模拟无人机图像中定位和解码条形码，以支持自动化仓库库存管理	结合YOLOv8目标检测模型与OpenCV解码模块，构建了一个模块化框架，专门针对无人机视角下的复杂仓库环境（如光照不佳、阴影和部分遮挡）进行条形码识别，并实现了与数据库的实时数据同步	目前仅在模拟的无人机图像上进行测试，尚未在真实无人机采集的图像中验证	开发一个可靠、自动化的条形码定位与解码系统，以提升仓库库存跟踪的效率和准确性	模拟无人机图像中的一维和二维条形码	计算机视觉	NA	模拟无人机图像采集	CNN	图像	NA	PyTorch, OpenCV	YOLOv8	mAP	NA
1235	2025-12-05	Solid Harmonic Wavelet Bispectrum for Image Analysis 2025-Dec-03, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202517383 PMID:41340231	研究论文	本文介绍了一种用于图像分析的二维实心谐波小波双谱方法，该表示具有多尺度、旋转和平移协变性，能保留相对相位并捕获小波响应间的高阶交互	该方法通过嵌入旋转平移不变性并保留相对相位，捕捉了传统散射方法中常丢失的结构特征，且在低数据量下表现稳健，无需学习即可编码特征间的非线性依赖关系	NA	开发一种用于信号和图像分析的相位敏感、对称感知的小波表示方法	图像数据	计算机视觉	NA	实心谐波小波双谱	NA	图像	NA	NA	NA	NA	NA
1236	2025-12-05	Conductive Composite Hydrogel with Unsymmetrical Structure as Multimodal Triboelectric Nanogenerators for Machine Learning-Assisted Motion 2025-Dec-03, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202512928 PMID:41340381	研究论文	本文提出了一种具有非对称结构的导电复合水凝胶，用作多模态摩擦纳米发电机，并结合机器学习进行全身运动识别与康复评估	设计了一种非对称结构的摩擦纳米发电机，利用ZnSnO量子点的非中心对称晶体结构产生压电效应以增强电荷转移密度，并通过化学交联显著提高了材料的拉伸能力和灵敏度	NA	开发一种结合高灵敏度、耐用性和稳定性的可定制柔性可穿戴传感器，用于生物能量收集和运动模式识别	用于监测身体状态、康复和损伤预防的肌肉收缩与放松信号	机器学习	NA	摩擦纳米发电机技术	深度学习	电信号	NA	NA	NA	灵敏度（应变系数=7.38）	NA
1237	2025-12-05	ProSECFPs: A Novel Fingerprint-Based Protein Representation Method for Missense Mutation Pathogenicity Prediction 2025-Dec-03, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02437 PMID:41340413	研究论文	提出了一种名为ProSECFPs的新型蛋白质序列指纹表示方法，用于预测错义突变的致病性	将化学信息学中用于小分子表示的扩展连接性指纹（ECFPs）概念创新性地应用于蛋白质序列表示，能全面捕获蛋白质的理化特性、序列细节和结构属性	NA	开发一种高效、可扩展、信息丰富且广泛适用的蛋白质序列计算方法，以提升错义突变致病性预测的准确性	蛋白质序列及其错义突变	生物信息学	NA	蛋白质序列指纹表示方法	机器学习,深度学习	蛋白质序列数据	NA	NA	NA	准确性	NA
1238	2025-12-05	A multi-pseudo-sensor fusion approach to estimating the lower limb joint moments based on deep neural network 2025-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03406-x PMID:40632380	研究论文	本文提出了一种基于深度神经网络的多伪传感器融合方法，用于估计下肢关节力矩	提出了一种新颖的多模态运动意图识别系统，通过融合传统深度学习模型来快速准确地在实验室外估计下肢关节力矩，并设计了包含数据增强模块和可变权重融合方法的新框架DeepMPSF-Net	NA	为智能辅助设备设计控制器提供可靠的步态变量反馈，特别是估计下肢关节力矩	下肢关节力矩	机器学习	NA	多模态运动意图识别	CNN, RNN, 注意力机制	关节运动学数据，个体特征参数	NA	NA	DeepMPSF-Net	PCC（皮尔逊相关系数）	NA
1239	2025-12-05	ISENet: a deep learning model for detecting ischemic ST changes in long-term ECG monitoring 2025-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03416-9 PMID:40682722	研究论文	本研究提出了一种名为ISENet的轻量级深度学习模型，用于在长期ECG监测中检测缺血性ST变化事件	首次应用基于深度学习的神经网络，利用长期ST数据库的ECG信号进行ISE检测，解决了先前特征工程和特征学习方法在实验设计和方法上的关键限制	NA	开发一个自动化检测心肌缺血的深度学习模型，以改善长期ECG监测中对无症状或间歇性心肌缺血的识别	长期ECG监测中的ECG信号，特别是缺血性ST变化事件（ISE）	数字病理学	心血管疾病	ECG监测	CNN	ECG信号	使用PhysioNet长期ST数据库中的ECG信号和标注进行训练和评估	NA	ISENet, VGG19, ResNet50	准确率	NA
1240	2025-12-05	Radiomics integrated with machine and deep learning analysis of T2-weighted and arterial-phase T1-weighted Magnetic Resonance Imaging for non-invasive detection of metastatic axillary lymph nodes in breast cancer 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02090-z PMID:40986134	研究论文	本研究比较了从T2加权和动脉期T1加权MRI序列中提取的影像组学特征，通过单变量、机器学习和深度学习分析，评估其在预测乳腺癌患者腋窝淋巴结转移中的诊断性能	首次将T2加权和动脉期T1加权MRI的影像组学特征与多种机器学习及深度学习模型结合，用于非侵入性检测乳腺癌腋窝淋巴结转移，并比较了不同序列和建模方法的性能差异	研究为回顾性分析，样本量相对较小（100名患者），且仅基于单一机构的MRI数据，可能限制了结果的普遍适用性	评估影像组学特征结合机器学习和深度学习在预测乳腺癌腋窝淋巴结转移中的诊断效能	乳腺癌患者的腋窝淋巴结（包括52个转移性和103个非转移性淋巴结）	数字病理学	乳腺癌	MRI（T2加权和动脉期T1加权序列）	逻辑回归, 梯度提升, 随机森林, 神经网络	医学影像（MRI图像）	100名乳腺癌患者，共155个淋巴结（52个转移性，103个非转移性）	NA	神经网络（具体架构未指定）	AUC, 敏感性, 特异性, 准确率	NA