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
1321	2025-10-05	Improving prototypical parts abstraction for case-based reasoning explanations designed for the kidney stone type recognition 2025-Sep-19, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103266 PMID:40992030	研究论文	提出一种基于案例推理的深度学习模型，通过原型部件改进肾结石类型识别的可解释性	提出新的损失函数优化原型部件生成，并创建局部和全局描述符提供可理解的决策解释	仅针对工业化国家最常见的六种肾结石类型进行测试	开发可解释的肾结石类型自动识别系统	肾结石内窥镜图像	计算机视觉	肾结石	内窥镜成像	基于案例推理的深度学习模型	图像	包含六种最常见肾结石类型的图像数据库	NA	原型部件(PPs)模型	分类准确率	NA
1322	2025-10-05	Feature-driven optimization for growth and mortality prevention in poultry farms 2025-Sep-19, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105869 PMID:40992324	研究论文	开发基于特征驱动的优化模型来预测家禽死亡率与平均体重，为家禽养殖提供决策支持	提出集成神经网络模型，首次将深度学习软传感器技术应用于家禽生长与死亡率预测	环境变量在稳定饲养条件下影响较小，模型在极端环境变化下的适应性有待验证	通过机器学习方法降低家禽死亡率并优化生长性能	台湾本土肉鸡	机器学习	NA	机器学习	Random Forest, Gradient Boosting Machine, Support Vector Machine, Linear Regression, Neural Network, Ensemble NN	数值数据	20,000只台湾本土肉鸡的88天养殖数据	MATLAB	集成神经网络（5个并行网络）	RMSE, 变异系数	NA
1323	2025-10-05	Integrating spectroscopy with machine learning and deep learning for monitoring mung plant responses to silicon dioxide nanoparticles 2025-Sep-17, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126963 PMID:40991978	研究论文	本研究结合共聚焦显微拉曼光谱、紫外-可见光谱与机器学习及深度学习算法，评估绿豆植物对二氧化硅纳米颗粒的生化响应	首次将光谱技术与多种机器学习及深度学习方法集成，建立非侵入式监测植物-纳米材料相互作用的框架	仅针对绿豆植物和二氧化硅纳米颗粒进行研究，未验证其他植物或纳米材料	开发集成光谱与计算方法的植物-纳米材料相互作用监测平台	暴露于不同浓度二氧化硅纳米颗粒的绿豆植物	机器学习	NA	共聚焦显微拉曼光谱, 紫外-可见光谱	LDA, AGNES, DBSCAN, k-means, 随机森林, 支持向量机, 深度学习	光谱数据	不同浓度二氧化硅纳米颗粒处理的绿豆植物样本	NA	NA	准确率, RI	NA
1324	2025-10-05	Trade-Off Analysis of Classical Machine Learning and Deep Learning Models for Robust Brain Tumor Detection: Benchmark Study 2025-Sep-15, JMIR AI DOI:10.2196/76344 PMID:40952788	研究论文	本研究对传统机器学习和深度学习模型在脑肿瘤检测中的性能进行对比分析，重点关注小数据集下的模型表现和自监督学习降低标注成本的潜力	首次系统比较了传统特征工程方法(SVM+HOG)、经典CNN(ResNet18)、基于自注意力的视觉Transformer(ViT-B/16)和自监督学习(SimCLR)在脑肿瘤检测中的表现，并评估了它们在域内和跨域场景下的泛化能力	研究仅使用了2870张脑部磁共振图像，样本规模相对较小；未探索更多类型的模型架构；跨域评估的数据集未详细说明	评估传统机器学习与深度学习模型在小规模医学图像数据下的权衡，分析模型鲁棒性、可迁移性和泛化能力	脑部磁共振图像中的四种类型：胶质瘤、脑膜瘤、垂体瘤和非肿瘤	医学图像分析	脑肿瘤	磁共振成像(MRI)	SVM, CNN, Transformer, 自监督学习	医学图像	2870张脑部磁共振图像，涵盖4个类别	PyTorch, Scikit-learn	ResNet18, ViT-B/16, SimCLR	准确率, 精确率, 召回率, F1分数, 收敛性	NA
1325	2025-10-05	Shifted windowing vision transformer-based skin cancer classification via transfer learning 2025-Sep-06, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2025.100724 PMID:40915182	研究论文	提出一种基于移位窗口视觉Transformer的皮肤癌分类方法，通过迁移学习解决训练数据有限和不平衡的问题	首次将移位窗口视觉Transformer应用于皮肤癌分类，利用注意力机制捕获图像全局关系，克服传统卷积神经网络感受野受限的局限性	训练数据有限且不平衡，模型在跨域适应性和鲁棒性方面仍需进一步验证	开发一种有效的皮肤癌自动分类方法以辅助临床决策	皮肤病变图像	计算机视觉	皮肤癌	NA	Vision Transformer	图像	NA	NA	Shifted Window Vision Transformer	NA	NA
1326	2025-10-05	Multiple constraint network classification reveals functional brain networks distinguishing 0-back and 2-back task 2025-Sep, Canadian journal of experimental psychology = Revue canadienne de psychologie experimentale DOI:10.1037/cep0000360 PMID:39786863	研究论文	本研究使用多约束深度学习分类器分析儿童执行不同工作记忆任务时的全脑BOLD活动模式	采用多约束神经网络分类器同时识别任务类别和功能连接性，能够检测非线性任务差异和分布式活动模式	样本量较小（仅20名儿童），未评估模型在其他人群或任务中的泛化能力	识别区分不同工作记忆负荷（0-back vs 2-back）的脑功能网络	儿童在执行情绪n-back任务时的脑活动模式	神经影像分析	NA	功能磁共振成像（fMRI），血氧水平依赖（BOLD）信号	神经网络分类器	脑功能影像数据	20名儿童	NA	深度学习分类器	任务分类准确性，功能连接性编码	NA
1327	2025-10-05	Dwarf Updated Pelican Optimization Algorithm for Depression and Suicide Detection from Social Media 2025-Sep, The Psychiatric quarterly DOI:10.1007/s11126-024-10111-9 PMID:39946018	研究论文	提出一种基于改进鹈鹕优化算法的社交媒体抑郁和自杀检测方法	提出Dwarf Updated Pelican优化算法(DU-POA)用于模型权重优化，并采用改进的互信息分数进行特征融合	未提及模型在不同语言或文化背景下的泛化能力测试	从社交媒体内容中检测抑郁和自杀倾向	社交媒体文本数据	自然语言处理	精神疾病	文本挖掘，特征提取	RNN, DBN, LSTM	文本	NA	NA	改进LSTM，深度信念网络(DBN)	准确率	NA
1328	2025-10-05	COVID-19CT+: A public dataset of CT images for COVID-19 retrospective analysis 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251332793 PMID:40405795	研究论文	发布了一个包含COVID-19和社区获得性肺炎CT图像的公开数据集，并比较了传统机器学习和深度学习在分类任务上的性能	提供了目前最大的COVID-19 CT图像公开数据集之一，包含超过40万张CT图像，系统比较了13种传统机器学习分类器和5种深度学习分类器在不同分类任务上的表现	未详细说明数据采集的具体时间范围和医疗机构来源，未对模型泛化能力进行充分验证	开发COVID-19CT+公开数据集，促进COVID-19自动诊断算法的研究	1333名患者的409,619张CT图像，包括1021例COVID-19患者和312例社区获得性肺炎患者	医学影像分析	COVID-19, 肺炎	CT成像	传统机器学习分类器, 深度学习分类器	CT图像	1333名患者（1021例COVID-19，312例社区获得性肺炎），共409,619张CT图像	NA	NA	准确率	NA
1329	2025-10-05	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	本研究开发了一种基于短暂发作间期颅内记录的深度学习模型，用于准确分类癫痫发作起始区	首次证明利用短暂发作间期立体定向脑电图数据通过深度学习可准确识别癫痫发作起始区，无需依赖长时间记录的自发性癫痫发作	研究样本量相对有限（78名患者），需要进一步验证模型的泛化能力	开发自动化方法定位癫痫发作起始区，改善术前评估并减少患者痛苦	78名癫痫患者的100多万个发作间期立体定向脑电图片段	医疗人工智能	癫痫	立体定向脑电图	CNN	颅内脑电信号	78名患者的1,000,000多个脑电片段	NA	多通道、多尺度一维卷积神经网络	灵敏度, 特异度, 准确率	NA
1330	2025-10-05	Multimodal predictive model for strangulation risk in adhesive small bowel obstruction using deep learning and electronic health record data 2025-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251378951 PMID:40983055	研究论文	开发并验证了一种多模态预测模型，用于评估粘连性小肠梗阻患者的绞窄风险	首次将基于深度学习的CT影像特征与电子健康记录数据相结合，构建多模态预测模型	回顾性研究设计，样本量相对有限（共348例患者）	提高粘连性小肠梗阻绞窄风险的预测准确性	粘连性小肠梗阻患者	计算机视觉, 机器学习	小肠梗阻	计算机断层扫描(CT)	CNN, XGBoost	医学影像, 临床数据	225例用于模型开发，123例用于外部验证	PyTorch/TensorFlow（基于ResNet架构推断）	ResNet50, XGBoost	AUC, 校准曲线, 决策曲线分析, 净重分类改善指数	NA
1331	2025-10-05	Deep learning for atrioventricular regurgitation diagnosis: an external validation study 2025-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf078 PMID:40984997	研究论文	本研究通过外部验证评估深度学习算法在房室瓣反流诊断中的性能	在梅奥诊所健康系统的真实世界数据中对AI算法进行外部验证，评估其在房室瓣反流严重程度分类中的表现	模型仅对38%的可用超声心动图研究生成预测，性能分析仅限于这些病例	验证深度学习算法在房室瓣反流诊断中的准确性和临床应用价值	梅奥诊所健康系统2013-2023年的经胸超声心动图研究	医学影像分析	心血管疾病	经胸超声心动图	深度学习	超声心动图图像	1541例符合条件的TTE研究，其中578例生成预测（MR队列280例，TR队列298例）	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
1332	2025-10-05	Application of a Deep Learning Model to Predict Liquid Chromatography Retention Times of Food Peptides Across Chromatographic Conditions 2025-Sep, Journal of separation science IF:2.8Q2 DOI:10.1002/jssc.70270 PMID:40994122	研究论文	本研究应用深度学习模型预测食品肽在多种色谱条件下的液相色谱保留时间	采用迁移学习方法，将在大型蛋白质组学数据集上预训练的通用深度学习模型通过食品肽实验数据进行微调	模型训练依赖于商业肽标准品获得的实验数据，可能对某些特殊食品肽的适用性有限	提高食品肽在LC-MS分析中通过保留时间预测进行肽鉴定的可靠性	食品来源的肽类物质，包括酵母蛋白水解物和植物蛋白水解物中的胰蛋白酶和非胰蛋白酶肽	机器学习	NA	液相色谱-质谱联用(LC-MS)	深度学习	肽保留时间数据	商业肽标准品实验数据和酵母蛋白水解物验证集	NA	NA	Q值, 预测准确率(95%预测值在±1.0分钟窗口内)	NA
1333	2025-10-05	Artificial Intelligence in the Study of Root and Canal Anatomy: A Comprehensive Review on Applications, Advantages, Challenges and Future Directions 2025-Sep, European endodontic journal IF:1.6Q3 DOI:10.14744/eej.2025.37232 PMID:40995722	综述	全面分析人工智能在牙根和根管解剖研究中的应用及其对教育、研究和临床实践的影响	首次系统综述人工智能在牙根和根管解剖研究中的应用现状，并探讨未来发展方向	基于现有文献的叙述性综述，需要更大数据集支持更准确的深度学习模型	评估人工智能在牙根和根管解剖研究中的应用价值和发展前景	牙根和根管解剖结构	医学影像分析	牙科疾病	2D和3D成像技术	深度学习模型	2D和3D医学影像	NA	NA	NA	NA	NA
1334	2025-10-05	scHSC: enhancing single-cell RNA-seq clustering via hard sample contrastive learning 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf485 PMID:40977264	研究论文	提出一种基于困难样本对比学习的深度学习方法scHSC，用于提升单细胞RNA测序数据的聚类性能	通过困难样本挖掘和对比学习，同时整合基因表达和细胞间拓扑结构信息，采用自适应权重策略将对比学习与ZINB模型结合	NA	提升单细胞RNA测序数据的聚类准确性和细胞类型注释效果	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序(scRNA-seq)	深度学习	基因表达数据	18个单细胞RNA测序真实数据集	PyTorch	对比学习框架,ZINB模型	聚类性能指标	NA
1335	2025-10-05	A survey on deep learning for drug-target binding prediction: models, benchmarks, evaluation, and case studies 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf491 PMID:40977267	综述	本文系统综述了深度学习在药物-靶点结合预测中的最新模型、基准数据集、评估方法及应用案例	全面分析了从早期异质网络方法到图神经网络、注意力机制及多模态方法的范式转变，并通过癌症相关靶点的案例研究验证方法实用性	识别出现有预测模型的缺陷与不足	探讨深度学习如何为药物-靶点关系研究提供定量框架，加速新药候选物识别	药物-靶点结合预测的深度学习模型、基准数据集和评估指标	机器学习	癌症	深度学习	异质网络, 图神经网络, 注意力机制, 多模态模型	化合物库数据, 蛋白质靶点数据	NA	NA	NA	NA	NA
1336	2025-10-05	MVRBind: multi-view learning for RNA-small molecule binding site prediction 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf489 PMID:40977268	研究论文	提出一种多视图图卷积网络MVRBind，用于预测RNA-小分子结合位点	开发多视图特征融合模块，整合RNA的一级、二级和三级结构视图，并融合多尺度嵌入以获得RNA核苷酸的全面表示	NA	推进RNA靶向治疗，通过准确预测RNA-小分子结合位点	RNA分子及其与小分子的相互作用	生物信息学	多种疾病（与RNA失调相关）	多视图图卷积网络	图卷积网络	RNA序列和结构特征	NA	NA	多视图图卷积网络	NA	NA
1337	2025-10-05	Diagnostic performance of deep learning for predicting glioma isocitrate dehydrogenase and 1p/19q co-deletion in MRI: a systematic review and meta-analysis 2025-Aug-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11898-2 PMID:40817944	系统综述与荟萃分析	评估基于深度学习的影像组学模型使用MRI序列无创预测胶质瘤IDH突变和1p/19q共缺失状态的诊断性能	首次系统评估深度学习在胶质瘤分子分型中的诊断性能，并识别影响准确性和泛化性的方法学因素	需要多中心外部验证、前瞻性临床验证、数据标准化和自动分割协议	评估深度学习模型对胶质瘤分子标志物的无创预测性能	胶质瘤患者	医学影像分析	胶质瘤	MRI序列	深度学习	医学影像	1517篇文献中的104篇纳入定性综合，72篇进行荟萃分析	NA	NA	敏感性,特异性	NA
1338	2025-10-05	Modified Le-Net Model with Multiple Image Features for Skin Cancer Detection 2025-Aug, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2518400 PMID:40536067	研究论文	提出一种基于改进LeNet模型和多种图像特征的皮肤癌检测方法	结合改进的深度联合分割技术和多种特征提取方法（MTH、IPHOG、MBP）用于皮肤癌检测	NA	开发高精度的皮肤癌自动检测系统	皮肤癌图像（黑色素瘤和非黑色素瘤）	计算机视觉	皮肤癌	深度学习	CNN	图像	HAM10000数据集和ISIC 2019数据集	NA	Modified LeNet, Improved DeepJoint Segmentation	准确率	NA
1339	2025-10-05	Enhancing Lung Cancer Diagnosis: An Optimization-Driven Deep Learning Approach with CT Imaging 2025-Aug, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2518404 PMID:40546028	研究论文	提出一种优化驱动的CBAM-EfficientNet深度学习模型，用于增强CT影像中肺癌分类的准确性和效率	结合CBAM注意力机制与EfficientNet架构，并采用灰狼优化、鲸鱼优化和蝙蝠算法进行超参数调优，实现高效特征提取和分类性能提升	仅在两个基准数据集上进行验证，需要更多临床数据验证泛化能力	提高肺癌CT影像分类的准确性和效率	肺癌CT影像	计算机视觉	肺癌	CT成像	深度学习	医学影像	两个基准数据集（Lung-PET-CT-Dx和LIDC-IDRI）	NA	EfficientNet, CBAM	准确率	轻量级架构支持实时实施
1340	2025-10-05	Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation 2025-Aug, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06211-0 PMID:40580222	研究论文	开发并验证了一种基于经会阴超声图像的多任务深度学习模型，用于自动评估女性盆腔器官脱垂	首次使用多任务深度学习模型自动评估盆腔器官脱垂，通过并行全连接层同时预测多种脱垂类型	研究样本量相对有限（1340例），且数据来自单一时间段（2023年1-6月）	开发自动化盆腔器官脱垂评估系统以减少诊断变异	女性盆腔器官脱垂患者	计算机视觉	盆腔器官脱垂	经会阴超声	CNN	图像	1340例女性患者，其中1072例用于训练，268例用于验证	NA	ResNet34	准确率,AUC	NA