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
121	2025-11-04	PhysioFormer: Integrating multimodal physiological signals and symbolic regression for explainable affective state prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335221 PMID:41171897	研究论文	提出一种名为PhysioFormer的新型模型，通过整合多模态生理信号和符号回归实现可解释的情感状态预测	结合个体属性和多模态生理数据解决个体间变异性，引入特征嵌入和情感表示模块捕捉时序动态变化，并采用符号回归增强模型可解释性	尚未在更大数据集和实时应用中验证，在更复杂环境下的性能有待进一步测试	开发高可靠性、高精度的情感计算模型用于心理健康监测和心理干预	多模态生理信号和情感状态	机器学习	心理健康相关疾病	多模态生理信号处理，符号回归	Transformer	多模态生理信号，时间序列数据	WESAD数据集的腕部和胸部子集	NA	PhysioFormer	准确率，敏感性	NA
122	2025-11-04	A novel channel reduction concept to enhance the classification of motor imagery tasks in brain-computer interface systems 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335511 PMID:41171945	研究论文	提出一种结合统计检验和深度学习的混合方法，用于增强脑机接口系统中运动想象任务的分类性能	提出新型通道选择方法，结合t检验与Bonferroni校正的通道缩减技术，并开发DLRCSPNN深度学习框架	NA	开发新型通道选择方法以提升基于EEG的运动想象任务在BCI应用中的性能	脑电图信号和运动想象任务	脑机接口	运动障碍	脑电图信号处理	神经网络	脑电图信号	三个实时EEG-based BCI数据集	DLRCSPNN	深度学习正则化共同空间模式与神经网络	准确率	NA
123	2025-11-04	Analyzing student mental health with RoBERTa-Large: a sentiment analysis and data analytics approach 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1615788 PMID:41179258	研究论文	本研究使用RoBERTa-Large等大型语言模型通过情感分析技术分析学生心理健康状况	采用先进的RoBERTa-Large模型进行学生心理健康的多分类情感分析，相比传统方法更高效准确	情感表达强度、语言变异性和上下文依赖的情感分析仍是挑战	通过情感分析调查学生心理健康状况	学生群体	自然语言处理	心理健康问题	情感分析	Transformer	文本数据	NA	NA	RoBERTa-Large, ELECTRA, BERT	准确率	NA
124	2025-11-04	Case-based review of low-field MRI in resource-constrained settings: a clinical perspective from Malawi 2025-Jan, BJR open DOI:10.1093/bjro/tzaf028 PMID:41179281	综述	从马拉维临床视角探讨低场强MRI在资源受限环境中的应用案例回顾	提出在低收入和中等收入国家实施低场强MRI技术的结构化临床框架，并基于真实病例分析三种不同医疗场景的应用模式	研究基于单一国家（马拉维）的有限病例样本（31例），且部分场景为假设模型	为资源受限地区低场强MRI技术的临床应用和发展提供系统性框架	低收入和中等收入国家的医疗设施及低场强MRI应用案例	医学影像	多种疾病（基于病例回顾）	低场强MRI（0.064 T Hyperfine Swoop）	NA	MRI影像数据、临床病例数据	32个月内连续31例病例回顾	NA	NA	NA	NA
125	2025-11-04	ECG-XPLAIM: eXPlainable Locally-adaptive Artificial Intelligence Model for arrhythmia detection from large-scale electrocardiogram data 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1659971 PMID:41179570	研究论文	提出一种可解释的局部自适应人工智能模型ECG-XPLAIM，用于从大规模心电图数据中检测心律失常	结合一维inception风格卷积架构捕获局部波形特征和全局节律模式，并集成Grad-CAM可视化增强模型可解释性	在部分心律失常检测中特异性略低于基于ResNet的外部模型	开发高精度且可解释的心电图心律失常自动检测模型	心电图信号和多种心律失常类型	医疗人工智能	心血管疾病	心电图分析	深度学习,CNN	心电图时序数据	MIMIC-IV数据集训练，PTB-XL数据集外部验证	NA	一维inception风格卷积架构,GRU,ResNet	敏感度,特异性,AUROC	NA
126	2025-11-04	Multimodal BEHRT: transformers for multimodal electronic health records to predict breast cancer prognosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1496215 PMID:41179659	研究论文	提出基于Transformer的多模态电子健康记录模型M-BEHRT，用于预测乳腺癌患者预后	首次将多模态电子健康记录（包括临床特征、实验室检测结果、医疗科室和程序以及自由文本医疗报告）整合到基于BERT的架构中，并采用类似掩码语言模型的预训练任务从未标记的删失数据中学习患者轨迹表示	使用的电子健康记录数据量远少于当前已发表研究中通常使用的数百万条记录	利用电子健康记录改善乳腺癌患者的治疗结果和预后预测	约15,000名接受辅助化疗的乳腺癌患者	自然语言处理	乳腺癌	电子健康记录分析	Transformer	多模态电子健康记录（结构化数据和自由文本）	约15,000名乳腺癌患者	BERT	M-BEHRT（基于BEHRT的多模态BERT架构）	AUC-ROC	NA
127	2025-11-04	CT-based deep learning for preoperative prediction of pathological grading of renal clear cell carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1656244 PMID:41179687	研究论文	本研究基于四期CT图像构建深度学习模型，用于术前无创预测肾透明细胞癌的WHO/ISUP病理分级	首次将SENet注意力机制与ResNet34结合构建SE-ResNet34模型，显著提升了肾透明细胞癌病理分级的预测性能	模型鲁棒性和多中心适用性仍需进一步验证，样本量相对有限	开发术前无创预测肾透明细胞癌病理分级的深度学习模型	肾透明细胞癌患者	计算机视觉	肾癌	CT成像	CNN	医学图像	158例肾透明细胞癌患者（124例低级别，34例高级别）	NA	ResNet34, SE-ResNet34	准确率, AUC	NA
128	2025-11-04	A deep learning approach integrating multi-dimensional features for expert matching in healthcare question answering communities 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1633754 PMID:41179757	研究论文	提出一种集成多维度特征的深度学习模型，用于医疗问答社区中的专家匹配	融合GRU、CNN和注意力机制的多特征专家推荐模型，结合患者问题文本与专家专业信息的跨维度特征对齐	未明确说明模型在跨语言医疗场景的适用性及实时推荐性能	优化在线医疗问答社区的专家推荐准确性和相关性	患者提问内容和医疗专家信息	自然语言处理	NA	深度学习	GRU, CNN	文本	NA	NA	双向GRU, CNN, 注意力机制	推荐精度	NA
129	2025-11-04	Meta-representations as representations of processes 2025, Neuroscience of consciousness IF:3.1Q1 DOI:10.1093/nc/niaf038 PMID:41179950	研究论文	本文提出了一种基于过程表征的元表征计算解释，并在深度学习架构中构建了元网络作为概念验证	提出了元表征作为生成一阶表征的计算过程的表征，而非简单的一阶表征转换或置信度估计	人类大脑中是否存在此类元表征系统仍是一个悬而未决的问题	探索高阶意识理论中元表征概念在计算模型中的实现方法	元表征的计算建模及其在神经网络中的应用	机器学习	NA	深度学习	自编码器	视觉和听觉数据集	NA	NA	元网络	表征空间分离能力	NA
130	2025-11-04	Spiking neural networks for EEG signal analysis using wavelet transform 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1652274 PMID:41179991	研究论文	提出一种结合小波变换和脉冲神经网络的SpikeWavformer模型，用于脑电信号分析	首次将脉冲自注意力机制与离散小波变换相结合，实现自动EEG信号时频分解和能量高效分类决策	未提及具体的数据集规模和模型泛化能力的定量分析	解决现有脑机接口方法依赖手动特征提取和高能耗的问题	脑电信号(EEG)	脑机接口	NA	小波变换	脉冲神经网络, Transformer	脑电信号	NA	NA	SpikeWavformer	NA	资源受限的边缘设备
131	2025-11-04	Advancing epileptic seizure recognition through bidirectional LSTM networks 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1668358 PMID:41180116	研究论文	本研究开发了一种基于双向LSTM网络的深度学习模型，用于提高癫痫发作识别的准确性和可靠性	采用双向LSTM网络架构，能够有效捕捉神经信号的动态特征，支持从原始EEG信号进行端到端特征学习，无需复杂的预处理和特征工程	NA	提高癫痫发作识别的准确性和可靠性	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	BiLSTM	脑电图信号	11,500个样本，每个样本包含179个特征	NA	双向LSTM网络，包含多个密集层、dropout层和批归一化层	准确率，F1分数，召回率，精确率	NA
132	2025-11-04	RTCB: an integrated deep learning model for garlic leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1687300 PMID:41180409	研究论文	提出一种基于改进ResNet18、三重注意力和卷积块注意力机制的深度学习模型RTCB，用于大蒜叶部病害识别	在经典ResNet18架构基础上，将残差块中的卷积层替换为部分卷积提高计算效率，在第一卷积层后引入三重注意力增强关键特征关注能力，并在每个残差层后添加卷积块注意力机制提升特征感知能力	NA	开发高效准确的大蒜叶部病害识别方法，为智能农业中的自动病害监测与控制提供技术参考	大蒜叶部病害	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	ResNet18, RTCB	准确率	NA
133	2025-11-04	Skin disease diagnosis using decision and feature level fusion of deep features 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1478688 PMID:41180465	研究论文	提出一种结合特征级融合和决策级融合的混合集成框架用于皮肤疾病诊断	首次将特征级融合与决策级融合策略结合，并集成CNN模型与视觉Transformer，同时采用GAN进行数据增强	未提及模型在临床环境中的实际部署验证和计算效率分析	开发自动化的皮肤疾病检测与分类系统	皮肤疾病图像	计算机视觉	皮肤疾病	深度学习	CNN, Transformer, GAN	图像	四个基准数据集：PH2、HAM10000、ISIC 2018、ISIC 2019	NA	DenseNet201, VGG19, Vision Transformer (ViT)	准确率, 精确率, 召回率, F1分数	NA
134	2025-11-04	Gliomas Analysis via Multimodal MRI-Deep Learning Fusion: Technical Innovations in Segmentation, Molecular Subtyping, and Clinical Translation Pathways 2025, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S554692 PMID:41181383	综述	系统综述多模态MRI与深度学习融合技术在胶质瘤分割、分子分型和临床转化中的应用进展	提出Transformer-3D CNN混合模型与跨模态注意力机制，实现影像特征与EGFR/PI3K-AKT信号通路的生物学关联挖掘	存在数据异质性、模型可解释性差和伦理限制等挑战，需要标准化协议推动临床转化	通过多模态MRI与深度学习融合实现胶质瘤精准诊疗	胶质瘤患者	数字病理	胶质瘤	多模态MRI	Transformer, 3D CNN	MRI影像	NA	NA	Transformer-3D CNN混合模型	Dice系数, 准确率	NA
135	2025-11-04	Deep learning methods for 3D tracking of fish in challenging underwater conditions for future perception in autonomous underwater vehicles 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1628213 PMID:41181523	研究论文	开发了四种基于深度学习的鱼类3D追踪方法，用于水下自主车辆的实时感知系统	提出了三种新的鱼类-相机距离自动评估流程，并与现有方法结合形成四种完整的技术方案	仅与声纳数据进行了性能比较，未在真实水下作业场景中进行大规模验证	开发水下自主车辆的实时鱼类感知系统以减少对鱼群的干扰	养殖网箱中的鱼类	计算机视觉	NA	立体视觉，单目视觉	深度学习	视频，图像	NA	ROS2	NA	平均绝对误差(MAE)	NA
136	2025-11-04	Utility of wearable technology in predicting panic attacks: A scoping review 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251390475 PMID:41181552	综述	本文通过范围综述评估可穿戴技术结合机器学习模型在预测惊恐发作方面的应用方法和效果	系统评估了可穿戴设备在惊恐发作预测领域的最新研究方法、关键特征和机器学习模型的应用现状	现有研究预测时间框架不实用，缺乏近实时预测的成功证据，样本研究数量有限（仅7项研究）	评估可穿戴技术结合机器学习方法在预测惊恐发作方面的应用效果和方法论	使用可穿戴设备进行惊恐发作预测的相关研究	机器学习	精神疾病	可穿戴设备监测	监督异常检测,深度学习,随机森林,混合回归模型,LSTM,RNN	生理指标数据	7项研究	NA	LSTM,RNN	预测准确率	NA
137	2025-11-04	AI-Powered histopathology slide image interpretation in oncology: A comprehensive knowledge mapping and bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393286 PMID:41181553	文献计量分析	通过文献计量学方法分析2000-2024年间人工智能在肿瘤组织病理学图像解读领域的全球研究趋势	首次对AI驱动组织病理学图像解释领域进行全面的知识图谱绘制和文献计量分析，揭示研究集群和发展轨迹	数据来源仅限于Scopus数据库，可能遗漏其他数据库的重要文献；研究受限于数据标准化和可解释性等问题	绘制AI驱动组织病理学图像解释在肿瘤学领域的全球研究图谱	1874篇相关科学出版物	数字病理学	多种癌症（乳腺癌、前列腺癌、结直肠癌、头颈癌、妇科癌症、胃肠/肝癌）	组织病理学图像分析	CNN,深度学习,经典机器学习,弱监督学习,Transformer	全切片图像,多组学数据	基于1874篇出版物的文献计量分析	NA	NA	H指数(112)	NA
138	2025-11-04	FAME: A privacy-preserving dual-stage deep learning framework for breast ultrasound imaging using federated transfer and synthetic learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251390564 PMID:41181569	研究论文	提出一种隐私保护的联邦注意力引导多任务集成网络框架，用于乳腺超声图像的联合分割和分类	结合联邦迁移学习与类别特定合成数据生成，在数据稀缺情况下通过注意力机制和多任务学习提升性能	研究主要基于公开数据集，在真实临床环境中的泛化能力需进一步验证	开发隐私保护的高效深度学习框架用于乳腺超声图像分析	乳腺超声图像	计算机视觉	乳腺癌	超声成像	深度学习, 生成对抗网络, 集成学习	图像	BUSI数据集780张图像(80%训练,10%验证,10%测试)，BUSC数据集407张图像，UDIAT数据集163张图像	TensorFlow, PyTorch	Multi Attention U-Net, ResNet50V2, NASNetLarge, Auxiliary Classifier GAN	准确率, F1分数, AUC, Dice系数	NA
139	2025-11-04	Ensemble learning for improved sentiment analysis in doctor-patient communication 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393338 PMID:41181566	研究论文	本研究比较了深度学习和集成学习方法在医患沟通情感分析中的性能	填补了医患情感分析的基准测试空白，首次系统比较了深度学习、Transformer和集成模型在医患咨询三分类情感分析中的表现	仅使用文本数据，未包含多模态信息；数据集规模有限；低严重度类别识别仍具挑战性	提升医患沟通中情感分析的准确性和可解释性	医患咨询对话文本	自然语言处理	NA	文本挖掘，情感分析	LSTM, BiLSTM, CNN, CNN-LSTM, BERT, 集成学习	文本	3325个匿名医患咨询对话	TensorFlow/PyTorch, Scikit-learn	LSTM, BiLSTM, CNN, BERT	准确率, 精确率, 召回率, F1分数	NA
140	2025-11-04	Application and research progress on artificial intelligence in the quality of Traditional Chinese Medicine 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1687681 PMID:41181603	综述	本文综述了人工智能在中药质量评价与控制中的研究进展与应用前景	系统整合了人工智能技术与多组学、生物信息学方法在中药质量评估中的创新应用，提出了构建可扩展、符合监管要求的数据驱动质控系统的新策略	面临关键挑战和技术瓶颈，需要进一步解决数据标准化和系统可扩展性问题	推动中药质量控制现代化，支持中药产业可持续高质量发展	中药质量评价与控制	机器学习	NA	多组学分析、生物信息学	机器学习、深度学习	光谱、色谱、图像、文本信息	NA	NA	NA	NA	NA