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
1521	2025-10-05	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出一种结合卷积神经网络和决策树验证的深度学习增强算法，用于急性意识障碍患者的自动睡眠纺锤波检测	首次将CNN与决策树辅助验证相结合，利用小波变换原理提升检测精度，特别针对ADOC患者中常见的慢速纺锤波进行优化	样本量相对较小（MASS SS2数据集n=19，自采ADOC数据集n=24），需要更大规模验证	开发自动睡眠纺锤波检测算法以改善急性意识障碍患者的诊断和预后预测	急性意识障碍患者和健康对照者的睡眠脑电数据	医疗人工智能	急性意识障碍	脑电图分析，小波变换	CNN，决策树	睡眠脑电信号	MASS SS2数据集19例，自采ADOC患者数据集24例	NA	NA	F1分数，Spearman相关系数	NA
1522	2025-10-05	Preclinical Evaluation of an Interactive Image Search System of Oral Pathology 2025-Oct, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329042 PMID:40320652	研究论文	评估交互式口腔病理图像检索系统在诊断口腔肿瘤中的临床效用	首次在近临床环境中评估交互式CBIR系统对病理医生诊断准确性的影响，特别关注数据库代表性不足的肿瘤类别	误诊可能源于查询输入不当、罕见形态类型检索性能差、缺乏详细临床信息以及系统无法检索到准确类别	评估交互式图像检索系统在辅助病理医生诊断口腔肿瘤方面的有效性	口腔肿瘤病理图像	数字病理	口腔肿瘤	深度学习	NA	病理图像	603个病例的54,676个图像块，涵盖85种口腔肿瘤类别；28名病理医生参与评估（15名普通病理医生，13名口腔病理医生）	NA	NA	诊断准确率	NA
1523	2025-10-05	Enhanced risk stratification for stage II colorectal cancer using deep learning-based CT classifier and pathological markers to optimize adjuvant therapy decision 2025-Oct, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.05.537 PMID:40480552	研究论文	开发了一种结合深度学习CT分类器和病理标志物的智能风险整合系统，用于优化II期结直肠癌的辅助治疗决策	首次将Swin Transformer深度学习模型与病理标志物相结合，创建了四层风险分层系统，显著提高了风险分层的准确性	研究样本来自12个中心，可能存在选择偏倚；需要进一步的前瞻性研究验证临床效用	开发更精确的II期结直肠癌风险分层系统以优化辅助化疗决策	II期结直肠癌患者	数字病理	结直肠癌	多平面计算机断层扫描(CT)	深度学习	CT图像	2992例II期结直肠癌患者来自12个中心	NA	Swin Transformer	3年无病生存率	NA
1524	2025-10-05	Artificial Intelligence for Alzheimer's disease diagnosis through T1-weighted MRI: A systematic review 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111028 PMID:40902465	系统综述	本文系统评估了基于T1加权MRI数据使用人工智能技术对阿尔茨海默病多个阶段进行分类的研究现状	首次系统综述专门针对使用AI技术基于T1加权MRI数据对AD连续谱中两个以上阶段进行分类的研究	研究方法存在异质性、过拟合风险、过度依赖ADNI数据库导致数据集多样性不足	评估人工智能在阿尔茨海默病多阶段诊断中的应用效果	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	T1加权磁共振成像	CNN, 非卷积神经网络, 传统机器学习	医学影像	NA	NA	卷积神经网络	准确率	NA
1525	2025-10-05	Artificial Intelligence-Enabled Staging Classification of Pressure Injuries 2025-Oct-01, Advances in skin & wound care IF:1.7Q2 DOI:10.1097/ASW.0000000000000352 PMID:40981689	研究论文	本研究开发了一种基于人工智能的压力性损伤分期分类工具	首次将ResNet18-Transformer编码器混合模型等深度学习架构应用于压力性损伤分期分类，并使用Grad-CAM可视化注意力区域	模型在Stage 3的分类精度相对较低（64.72%），样本量有限	开发能够更准确客观识别压力性损伤不同分期的人工智能工具	压力性损伤图像	计算机视觉	压力性损伤	深度学习	CNN, Transformer	图像	1663张压力性损伤图像（1091张来自公开数据集，572张来自私人实验室）	PyTorch	ResNet18, ResNet18-Transformer Encoder Hybrid Model, DenseNet-121	准确率, 精确率	NA
1526	2025-10-05	Enhanced detection of Argulus and epizootic ulcerative syndrome in fish aquaculture through an improved deep learning model 2025-Sep-22, Journal of aquatic animal health IF:1.5Q2 DOI:10.1093/jahafs/vsaf001 PMID:40662570	研究论文	开发改进的YOLOV5深度学习模型用于检测水产养殖中感染流行性溃疡综合征和鱼虱的鱼类	在YOLOV5基础上进行改进，采用预训练模型进行迁移学习，并将模型部署到树莓派开发板	NA	及时检测水产养殖中感染流行性溃疡综合征和鱼虱的鱼类，防止疾病传播	水产养殖鱼类	计算机视觉	水产疾病	深度学习	YOLO	图像	NA	PyTorch	YOLOV5	精确率, 召回率, mAP50, mAP50-95	树莓派开发板
1527	2025-10-05	3D Spatial Learning for Adsorption Energy Prediction in Multi-Temporal Solution Systems: The MTSS Data Set and a GCN-Based Network 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00645 PMID:40903277	研究论文	本文提出了一种用于多时间溶液系统中吸附能预测的3D空间学习方法，包括MTSS数据集和基于GCN的网络	引入了首个包含时间分辨配置的MTSS数据集，并提出双通道图网络SEP-Net，整合旋转不变几何学习和分子SMILES嵌入	在未知溶剂上的预测误差较大(MAE 507.37 kJ/mol)，模型泛化能力有待提升	解决复杂溶液系统中吸附能的预测问题	多时间溶液系统中的分子配置和吸附能	机器学习	NA	几何深度学习，分子SMILES嵌入	GCN	3D原子坐标，吸附能标签	500,000个时间分辨配置，涵盖五种溶剂	NA	SEP-Net（双通道图网络）	MAE（平均绝对误差）	NA
1528	2025-10-05	Multiview Deep Learning Framework for Precise Prediction of Transcription Factor Binding Sites 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01054 PMID:40914877	研究论文	提出一种多视角深度学习框架MDNet-TFP，用于精确预测转录因子结合位点	开发了双向反向互补模块(BiRC-Mamba)和多尺度卷积循环注意力网络(MCRAN)，能够有效建模DNA序列的双向特性和多维度特征	NA	提高转录因子结合位点预测的准确性	DNA序列中的转录因子结合位点	生物信息学	NA	ChIP-seq	深度学习	基因组序列数据	165个ChIP-seq数据集（主要评估），690个ChIP-seq数据集（扩展验证）	NA	BiRC-Mamba, MCRAN	准确率, ROC-AUC, PR-AUC	NA
1529	2025-10-05	Precision in Predicting Protein-Nucleic Acid Complexes: Establishing a Benchmark Data Set and Comparative Metrics 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01372 PMID:40932245	研究论文	本研究建立了蛋白质-核酸复合物预测的基准数据集ProNASet，并系统评估了多种计算方法在该任务上的性能	创建了包含100个实验解析结构的蛋白质-核酸复合物基准数据集，并建立了多维评估框架	当前深度学习方法在预测蛋白质-核酸复合物结构方面表现显著落后于物理驱动方法	评估和比较不同计算方法在预测蛋白质-核酸复合物结构方面的性能	蛋白质-核酸复合物结构	计算生物学	NA	结构生物学实验方法	深度学习算法,物理驱动对接方法	蛋白质-核酸复合物三维结构数据	100个实验解析的蛋白质-核酸复合物结构	NA	AlphaFold3, Chai-1, HelixFold3, Protenix, HDOCK, HDOCK_NT	RMSD, TM-score, LDDT	NA
1530	2025-10-05	SERS mapping combined with explainable deep learning for exosome analysis to enhance lung cancer detection 2025-Sep-22, The Analyst DOI:10.1039/d5an00685f PMID:40859702	研究论文	本研究结合表面增强拉曼散射图谱与可解释深度学习模型，通过全面分析外泌体表面和内部生物标志物来提升肺癌检测准确率	首次将Grad-CAM增强的深度学习模型应用于外泌体SERS信号分析，同时检测表面和内部生物标志物，并提供模型决策的可视化解释	未明确说明样本来源的具体肺癌亚型及临床分期信息，模型在独立验证集上的性能有待进一步验证	开发一种结合SERS图谱和可解释深度学习的方法，提高肺癌检测的准确性和可解释性	肺癌细胞来源的外泌体生物标志物	生物医学工程	肺癌	表面增强拉曼散射，金纳米立方体超晶格自组装	深度学习	SERS光谱图谱	正常细胞和肺癌细胞来源的外泌体SERS信号数据	NA	Grad-CAM增强的深度学习模型	准确率	NA
1531	2025-10-05	From AI-Driven Sequence Generation to Molecular Simulation: A Comprehensive Framework for Antimicrobial Peptide Discovery 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00892 PMID:40879040	研究论文	提出结合深度学习和分子模拟的综合计算框架，用于系统性设计和筛选新型抗菌肽	首次将基于字符序列的生成对抗网络与分子动力学模拟相结合，建立从序列生成到功能验证的完整AMP发现流程	仅生成50个候选序列，样本规模有限；分子模拟时间范围受限	开发新型抗菌肽以解决细菌耐药性问题	抗菌肽(AMPs)	机器学习	细菌感染	分子动力学模拟, 体外合成测试	GAN, 判别网络	氨基酸序列, 分子结构数据	50个候选序列，最终验证2个肽	NA	GAN, PGAT-ABPp	抗菌活性验证	NA
1532	2025-10-05	GlucoNet-MM: A multimodal attention-based multi-task learning framework with decision transformer for personalised and explainable blood glucose forecasting 2025-Sep-22, Diabetes, obesity & metabolism DOI:10.1111/dom.70147 PMID:40977343	研究论文	提出了一种基于注意力机制的多任务学习框架GlucoNet-MM，用于个性化和可解释的血糖预测	结合多模态注意力机制、多任务学习和决策变换器，实现了政策感知的血糖预测和可解释性分析	仅在两个公开数据集上验证，需要更多临床环境下的验证	开发先进的、可解释的深度学习框架，用于患者特异性、政策感知的血糖预测	糖尿病患者	机器学习	糖尿病	连续血糖监测(CGM)、胰岛素剂量、碳水化合物摄入、身体活动等多模态数据整合	注意力机制, 多任务学习, 决策变换器	多模态生理和行为数据	两个公开数据集(BrisT1D和OhioT1DM)	深度学习框架	注意力机制, 多任务学习, 决策变换器	R2分数, 平均绝对误差(MAE)	NA
1533	2025-10-05	AnatomyArray: a high-throughput platform for anatomical phenotyping in plants 2025-Sep-22, The Plant cell DOI:10.1093/plcell/koaf223 PMID:40977461	研究论文	开发用于植物解剖表型分析的高通量平台AnatomyArray，整合组织切片与深度学习技术	提出集成高通量石蜡切片和多通道玻片成像的系统，结合专用深度学习工具AnatomyNet实现组织与细胞水平的自动化量化分析	未明确说明系统对不同植物组织的适用性限制及在大规模应用中可能存在的技术瓶颈	开发高通量植物解剖表型分析平台并解析植物组织结构的遗传基础	小麦（Triticum aestivum L）根系组织及细胞排列模式	数字病理学	NA	石蜡切片，多通道玻片成像，全基因组关联分析（GWAS）	深度学习	组织切片图像	多样化小麦群体	NA	AnatomyNet	图像分析准确度	NA
1534	2025-10-05	Deep Raman Quantitative Profiling and Augmented Features for Biologically Interpretable GI Cancer Detection 2025-Sep-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04073 PMID:40977515	研究论文	开发结合拉曼光谱和深度学习的胃肠道癌症检测框架，通过定量光谱分解实现生物可解释的癌症诊断	提出协同框架整合拉曼光谱和CNN进行定量光谱分解，引入生物可解释的比率特征，并应用SMOTE解决类别不平衡问题	样本数量相对有限（927个组织样本），恶性样本较少（82例），需更大规模验证	开发基于拉曼光谱的胃肠道癌症早期诊断方法	胃肠道组织样本（恶性和良性）	医学影像分析	胃肠道癌症	拉曼光谱，合成少数类过采样技术	CNN, LightGBM	光谱数据	927个胃肠道组织样本（82个恶性，845个良性），平衡后1090个样本（545良性 vs 545 SMOTE恶性）	LightGBM	CNN	准确率，灵敏度，特异性，AUC	NA
1535	2025-10-05	Accelerating battery innovation: AI-powered molecular discovery 2025-Sep-22, Chemical Society reviews IF:40.4Q1 DOI:10.1039/d5cs00053j PMID:40980860	综述	系统探讨人工智能在电池材料分子发现中的应用及其对下一代电池技术发展的推动作用	全面整合AI技术在电池分子工程中的多维应用策略，包括分子表征、算法框架、性能预测和自主实验平台	未涉及具体实验验证数据，主要基于现有文献和案例研究的理论分析	加速电池材料分子发现进程，推动下一代电池技术发展	电池相关分子材料	机器学习	NA	人工智能算法	经典机器学习, 深度学习, 大语言模型	分子结构数据, 电化学性能数据	NA	NA	NA	NA	NA
1536	2025-10-05	A multi-class segmentation model of deep learning on contrast-enhanced computed tomography to segment and differentiate lipid-poor adrenal nodules: a dual-center study 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12007-z PMID:40981992	研究论文	开发基于深度学习的多类别分割模型，用于在增强CT图像上分割和区分脂质贫乏肾上腺结节	提出Mamba-USeg模型，这是首个基于状态空间模型的多类别分割方法，能够同时实现分割和分类任务	回顾性研究，样本量有限（164例患者），仅包含两个医疗中心数据	开发能够准确分割和分类肾上腺结节的深度学习模型	脂质贫乏腺瘤和结节性增生的肾上腺结节	计算机视觉	肾上腺疾病	对比增强计算机断层扫描	深度学习	医学影像	164例患者（内部中心128例，外部验证36例）	NA	Mamba-USeg, MultiResUNet, CPFNet	平均Dice相似系数, 敏感度, 特异度, 准确率	NA
1537	2025-10-05	Deep-learning-based prediction of significant portal hypertension with single cross-sectional non-enhanced CT 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12010-4 PMID:40981991	研究论文	基于单张非增强CT图像开发深度学习模型预测临床显著性门静脉高压	首次使用单张非增强CT图像通过深度学习预测CSPH，无需图像后处理	研究样本量有限，仅包含单一机构的421名患者	建立非侵入性CSPH预测方法，替代侵入性肝静脉压力梯度测量	慢性肝病患者	医学影像分析	慢性肝病，门静脉高压	CT成像	CNN	医学影像	421名慢性肝病患者	NA	卷积神经网络配合多层感知机分类器	AUC, 敏感度, 特异度, Youden指数	NA
1538	2025-10-05	MRI-based habitat analysis for pathologic response prediction after neoadjuvant chemoradiotherapy in rectal cancer: a multicenter study 2025-Sep-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11997-0 PMID:40981989	研究论文	本研究通过MRI影像进行生境分析，预测直肠癌患者新辅助放化疗后的病理反应	首次在多中心研究中结合临床因素、影像组学特征和瘤内异质性特征构建融合模型预测直肠癌新辅助放化疗反应	未发现融合模型与ITH模型之间存在显著差异，需要进一步验证	预测直肠癌患者接受新辅助放化疗后的病理反应	1021例直肠癌患者	数字病理	直肠癌	MRI影像分析	深度学习	医学影像	训练测试集319例，内部验证集317例，外部验证集1（158例），外部验证集2（227例）	NA	NA	AUC, 疾病无进展生存期	NA
1539	2025-10-05	Machine learning model for predicting the conversion to dementia using the Cube Copying Test 2025-Sep-22, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251376939 PMID:40982217	研究论文	开发基于立方体复制测试的机器学习模型，用于预测3-5年内转化为痴呆的风险	首次将基于深度学习的异常检测模型应用于立方体复制测试绘图数据，检测前驱期或轻度认知障碍阶段已存在的结构性失用样症状	回顾性研究设计，存在1002例患者失访，样本选择可能存在偏差	开发高效准确的痴呆转化预测模型，实现早期筛查	767名基线时无痴呆诊断且完成3-5年随访的患者	机器学习	老年疾病	立方体复制测试	异常检测模型	绘图数据	767名患者（457名转化为痴呆，310名未转化）	NA	PatchCore	AUC	NA
1540	2025-10-05	Advanced deep learning strategies for detection and quantification of macroplastics in rivers along the Peruvian coast 2025-Sep-20, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118649 PMID:40976044	研究论文	开发结合深度学习的框架，用于检测和量化秘鲁沿海河流中的大塑料污染	首次将YOLOv11卷积神经网络应用于河流大塑料检测，并分析时空动态变化	对家具和PET瓶等类别的检测精度较低，受碎片大小、丰度和颜色对比度影响	建立大塑料污染自动监测系统	秘鲁利马Rímac河流中的混合无机城市固体废物	计算机视觉	NA	无人机图像采集	CNN	图像	Rímac河流一年期的监测数据	YOLOv11	YOLOv11	mAP	NA