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
1481	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
1482	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
1483	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
1484	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
1485	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
1486	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
1487	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
1488	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
1489	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
1490	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
1491	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
1492	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
1493	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
1494	2025-12-05	Impact of statins on progression of coronary artery calcium composition and density as assessed by noncontrast CT 2025-Dec, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03561-0 PMID:41201709	研究论文	本研究利用深度学习模型分析非对比CT扫描，探讨他汀类药物对冠状动脉钙化密度和组成进展的影响	首次使用全自动深度学习模型定量评估他汀治疗与冠状动脉钙化密度组成变化的时间关联	单中心回顾性研究，样本量有限，可能存在选择偏倚	评估他汀类药物对冠状动脉钙化密度进展的影响	无症状个体接受连续冠状动脉钙化评分CT扫描	数字病理学	心血管疾病	非对比计算机断层扫描	深度学习	医学影像	316名患者	NA	NA	NA	NA
1495	2025-12-05	Machine and deep learning structural vessel analysis of ruptured and unruptured brain arteriovenous malformations 2025-Dec-01, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199251400137 PMID:41325021	研究论文	本文提出了一种基于机器学习和深度学习的图像分析方法，用于评估脑动静脉畸形（bAVM）的结构血管特征，以预测破裂风险	首次结合多种人工智能模型（包括隔离森林、一类支持向量机、变分自编码器和基于分数的模型）自动分析bAVM的血管段曲线特征，以区分破裂与未破裂病例	样本量较小（仅20例bAVM），且为回顾性研究，需要更大规模的前瞻性验证	预测脑动静脉畸形的破裂风险，通过分析血管结构特征来识别与破裂相关的曲线特征	9例先前破裂和11例未破裂的脑动静脉畸形（bAVM）	医学影像分析	脑血管疾病	图像分析	Isolation Forest, One Class SVM, VAE, Score Based Models	图像	20例脑动静脉畸形（9例破裂，11例未破裂）	NA	NA	F1分数, AUC	NA
1496	2025-12-05	Cable partial discharge identification network based on adaptive residual diffusion denoising and morphological attention 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25197-9 PMID:41326469	研究论文	本文提出了一种基于自适应残差扩散去噪和形态学注意力的电缆局部放电识别网络（ARDDMA-Net），用于在噪声环境下准确识别电缆局部放电信号	提出了一种新颖的两阶段深度学习架构ARDDMA-Net，结合了自适应残差扩散去噪模块和形态学注意力机制，有效抑制噪声并保留PD信号的关键特征	未明确说明模型在极端噪声条件下的性能边界，也未讨论模型的计算复杂度和实时性	提高电力系统中电缆局部放电（PD）信号的准确识别能力，以早期检测绝缘缺陷并维护电网可靠性	电缆局部放电信号	机器学习	NA	NA	CNN	信号数据	NA	NA	ResNet-1D, ARDDMA-Net	识别准确率	NA
1497	2025-12-05	Immunological risk factors for recurrent implantation failure using a deep learning model: a multicenter retrospective cohort study 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27561-1 PMID:41326470	研究论文	本研究利用深度学习模型（TabNet）预测反复种植失败患者的活产结局，基于23个变量进行多中心回顾性队列分析	首次将TabNet深度学习模型应用于反复种植失败患者的活产预测，并识别出包括年龄、Th1/Th2比值、BMI及多种自身抗体在内的关键免疫学风险因素	研究为回顾性设计，可能存在选择偏倚；仅纳入无妇科和解剖异常的患者，限制了结果的普遍性	预测反复种植失败患者的活产结局，并识别相关的免疫学风险因素	2463名反复种植失败且无妇科和解剖异常的患者	机器学习	生殖系统疾病	NA	深度学习	临床变量数据	2463名患者	NA	TabNet	准确率, AUROC	NA
1498	2025-12-05	Artificial intelligence in antibody design and development: harnessing the power of computational approaches 2025-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03429-4 PMID:40887563	综述	本文综述了人工智能在抗体设计与开发中的应用，重点介绍了计算方法的优势及其如何革新抗体序列设计、结构预测和优化过程	系统性地整合了机器学习、深度学习和强化学习等多种人工智能技术，并将其与高通量数据结合，用于实现抗体的从头设计、多功能开发以及快速筛选，显著提升了抗体设计的效率和效果	文中提到仍存在挑战，但未具体说明是哪些挑战，例如数据质量、模型泛化能力或实验验证的局限性	探讨人工智能如何革新抗体的设计、优化与开发流程，以提升其疗效和安全性	抗体序列、三维结构、亲和力、特异性以及多功能抗体	机器学习	NA	高通量数据技术	机器学习, 深度学习, 强化学习	序列数据, 结构数据	NA	NA	NA	NA	NA
1499	2025-12-05	Deep learning-based automated diagnosis of obstructive sleep apnea and sleep stage classification in children using millimeter-wave radar and pulse oximeter 2025-Dec, Sleep health IF:3.4Q2 DOI:10.1016/j.sleh.2025.06.006 PMID:40738779	研究论文	本研究评估了基于毫米波雷达和脉搏血氧仪的QSA600设备与多导睡眠监测在儿童阻塞性睡眠呼吸暂停诊断和睡眠分期中的一致性	开发并验证了一种基于深度学习的自动化诊断模型，用于儿童阻塞性睡眠呼吸暂停和睡眠分期，使用便携式毫米波雷达设备作为传统多导睡眠监测的简化替代方案	研究样本仅来自单一医院（北京儿童医院），且数据收集时间较短（2023年9月至11月），可能限制结果的普适性	评估QSA600设备与多导睡眠监测在儿童阻塞性睡眠呼吸暂停诊断和睡眠分期中的诊断准确性	281名1-18岁的儿童	数字病理学	阻塞性睡眠呼吸暂停	毫米波雷达监测、脉搏血氧监测	深度学习模型	雷达信号、血氧数据	281名儿童	NA	NA	组内相关系数, Bland-Altman分析, 灵敏度, 特异性, 受试者工作特征曲线下面积, Kappa系数, 总体准确率	NA
1500	2025-12-05	Interpretable fault diagnosis framework for offshore wind turbine gearbox based on AFS and signal analysis theory 2025-Dec, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.08.009 PMID:40816973	研究论文	本文提出了一种基于公理化模糊集理论和信号分析理论的可解释故障诊断框架AFSBWFA，用于海上风力涡轮机齿轮箱的故障诊断	结合BKA、WPD和FMD的信号去噪与重构方法BWF，基于MFE的二维时频域特征提取方法MFETF，以及基于EI代数的概念分类器AFSCC，在保持高诊断精度的同时增强了模型的可解释性	未明确说明框架的计算复杂度或实时性限制，且主要基于特定数据集验证，泛化能力需进一步测试	开发一个可解释的故障诊断框架，以提高海上风力涡轮机齿轮箱故障诊断的透明度和准确性	海上风力涡轮机齿轮箱	机器学习	NA	信号分析理论，公理化模糊集理论，熵理论	概念分类器	信号数据	使用了大连海事大学的私有数据集和北京交通大学的公共数据集，具体样本数量未明确	NA	AFSCC	诊断准确率	NA