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
141	2025-12-14	High-Precision Coal Mine Microseismic P-Wave Arrival Picking via Physics-Constrained Deep Learning 2025-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s25237103 PMID:41374478	研究论文	本文提出了一种融合物理约束与深度学习架构的微震P波初至自动拾取模型，用于煤矿动力灾害的智能监测与预警	将物理约束与深度学习架构相结合，开发了高精度、鲁棒性强且具有跨域自适应潜力的微震P波初至自动拾取模型	在采样率更高、噪声更强的矿区性能下降，表明模型对数据采集参数敏感	实现煤矿微震P波初至时间的高精度自动识别，以支持煤矿动力灾害的智能监测与预警	煤矿微震信号	机器学习	NA	微震监测	深度学习	时间序列信号	高质量人工标注数据集（具体数量未提及）	NA	NA	精确率, 召回率, F1分数, P波初至时间拾取误差, 平均初至时间误差	NA
142	2025-12-14	UAV and Deep Learning for Automated Detection and Visualization of Façade Defects in Existing Residential Buildings 2025-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s25237118 PMID:41374496	研究论文	本研究提出了一种结合无人机可见光与热红外成像、深度学习算法及参数化三维可视化的集成框架，用于现有住宅建筑立面缺陷的自动化检测与可视化	融合可见光与热红外图像实现裂缝与渗漏缺陷的协同识别，并开发了Grasshopper集成的映射工具进行实时三维可视化与参数化分析	研究仅针对深圳三个代表性住宅社区，样本范围有限，且未详细讨论模型在不同气候或建筑类型下的泛化能力	开发一种高效、自动化的立面缺陷检测框架，以提升城市建筑安全管理水平	深圳1988年至2010年间建造的三个代表性住宅社区的立面缺陷	计算机视觉	NA	无人机可见光成像、热红外成像	深度学习	图像（可见光与热红外）	三个住宅社区（建于1988-2010年）	NA	Knet	mIoU	NA
143	2025-12-14	General Intelligence-based Fragmentation (GIF): A framework for peak-labeled spectra simulation 2025-Nov-11, ArXiv PMID:41293535	研究论文	提出了一种基于大语言模型的质谱模拟框架GIF，用于提高代谢组学中质谱注释的效率	首次将大语言模型通过结构化提示和推理引导应用于质谱模拟，提供了一种系统化的替代方案	未明确说明模型在复杂分子或低丰度化合物上的泛化能力限制	开发一个基于大语言模型的框架，以改进质谱模拟和注释	质谱数据	自然语言处理	NA	质谱分析	LLM	文本	基于MassSpecGym数据集衍生的QA-sim数据集	NA	GPT-4o, GPT-4o-mini, GPT-5, Llama-3.1, ChemDFM	余弦相似度	NA
144	2025-12-14	Accelerating cardiac diffusion tensor imaging with deep learning-based tensor de-noising and breath hold reduction. A step towards improved efficiency and clinical feasibility 2025-Nov-08, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101971 PMID:41213455	研究论文	本研究开发了一种基于深度学习的去噪框架，用于加速心脏扩散张量成像，通过减少呼吸暂停次数来缩短扫描时间	提出了从图像空间到张量空间的去噪范式转变，使用基于Vision Transformer的模型集成并通过对抗训练优化，以及动态重复选择的数据增强策略	未明确说明模型在更广泛临床数据集上的泛化能力或计算资源需求的具体细节	开发一种心脏扩散张量成像去噪方法，以减少扫描重复次数并保持图像质量	心脏扩散张量成像数据	医学影像处理	心血管疾病	心脏扩散张量成像	Vision Transformer	张量数据	NA	NA	Vision Transformer	分数各向异性误差	NA
145	2025-12-14	buzzdetect: an open-source deep learning tool for automated bioacoustic pollinator monitoring 2025-Nov-07, Journal of insect science (Online) DOI:10.1093/jisesa/ieaf104 PMID:41369586	研究论文	本文介绍了一种名为“buzzdetect”的开源深度学习工具，用于通过音频数据进行生物声学传粉者自动监测	开发了首个开源深度学习工具“buzzdetect”，专门用于传粉者的被动声学监测，能够从环境噪声中区分昆虫飞行嗡嗡声	模型在检测昆虫飞行嗡嗡声时的灵敏度仅为28%，可能影响对低强度活动的捕捉能力	开发并测试一个自动化工具，以支持生态学中传粉者的大规模、长期监测研究	传粉昆虫（通过其飞行嗡嗡声进行监测）	机器学习	NA	被动声学监测	深度学习模型	音频数据	来自4种作物和1种野花的录音数据	NA	NA	灵敏度, 精确度	NA
146	2025-12-14	StoPred: Accurate Stoichiometry Prediction for Protein Complexes Using Protein Language Models and Graph Attention 2025-Nov-05, Research square DOI:10.21203/rs.3.rs-7909758/v1 PMID:41282093	研究论文	本文提出了一种名为StoPred的新方法，通过整合蛋白质语言模型嵌入和图注意力网络来预测蛋白质复合物的化学计量比	首次提出基于深度学习的异源寡聚体化学计量比预测方法，无需模板组装或预定义组成，并利用图注意力网络建模亚基间相互作用	未在摘要中明确说明	开发一种准确预测蛋白质复合物化学计量比的计算方法	蛋白质复合物（包括同源和异源寡聚体）	计算生物学	NA	蛋白质语言模型，图注意力网络	图注意力网络	序列特征，结构特征	NA	NA	图注意力网络	top-1准确率	NA
147	2025-12-14	Deep learning-driven characterization of single cell tuning in primate visual area V4 supports topological organization 2025-Nov-04, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.12.540591 PMID:41279983	研究论文	本文利用深度学习技术，结合大规模记录，研究猕猴视觉区域V4在非参数自然图像空间中的功能聚类，以支持其拓扑组织	首次在非参数自然图像空间中，使用深度学习驱动的MEI合成与验证方法，系统表征V4神经元对高维感官输入的复杂非线性调谐，并揭示沿皮层深度的功能组织	研究主要基于猕猴V4区域，可能不直接适用于其他物种或脑区；依赖人工心理物理学和对比学习嵌入空间进行MEI相似性量化，可能存在主观性或模型偏差	探索大脑结构-功能关系，特别是在视觉皮层中功能柱的普遍性及其在自然图像空间中的复杂调谐	猕猴视觉区域V4中的神经元	计算机视觉	NA	线性探针记录，深度学习分析，MEI（最兴奋图像）合成与验证	深度学习模型	图像	超过1,200个V4神经元	NA	NA	MEI相似性量化（通过人类心理物理学和对比学习嵌入空间距离）	NA
148	2025-12-14	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-Nov-01, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本文介绍了一种用于县级新冠预测的深度学习模型，通过融合多源数据和注意力机制进行回顾性评估	采用Transformer神经网络结合多源数据融合，并开发了多级多尺度注意力机制进行自适应时频分析	研究为回顾性评估，需要前瞻性验证以评估模型在实时演化数据条件下的实用性	提高县级传染病预测的准确性	县级新冠病例和死亡数据	机器学习	传染病	多源数据融合	Transformer	时间序列数据,文本数据	三个奥密克戎变异波（2021年12月至2023年2月）的县级数据	NA	Transformer	县级一致性准确率	NA
149	2025-12-14	A Systematic Review on Machine Learning Techniques for Survival Analysis in Cancer 2025-Nov, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71375 PMID:41264402	系统综述	本文系统综述了机器学习技术在癌症生存分析中的应用，比较了不同方法的预测性能	首次系统性地比较了机器学习与传统统计方法在癌症生存分析中的表现，并识别了多任务学习和深度学习方法在少数研究中显示出优越性能	仅分析了39项可比研究，且深度学习方法仅在少数论文中报告，方法学及实施存在较大变异性	评估机器学习技术在癌症生存分析中是否优于传统统计方法，并比较不同机器学习策略的性能	癌症患者的生存数据	机器学习	癌症	NA	深度学习, 多任务学习	生存数据	196项研究中的39项可比研究	NA	NA	预测性能	NA
150	2025-12-14	PBIP: a deep learning framework for predicting phage-bacterium interactions at the strain level 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf656 PMID:41370631	研究论文	本文提出了一种名为PBIP的深度学习框架，用于在菌株级别预测噬菌体-细菌相互作用	PBIP框架首次在菌株级别整合了预训练的统一表示模型、合成少数类过采样技术以及结合CNN、双向GRU和注意力机制的深度神经网络，以捕获序列中的复杂生物模式	研究主要基于从湘雅医院临床环境中分离的肺炎克雷伯菌，可能限制了模型在其他细菌种类或环境中的泛化能力	开发一个深度学习框架来准确预测噬菌体与细菌在菌株级别的相互作用，以支持噬菌体疗法的临床应用	噬菌体和细菌（具体为肺炎克雷伯菌）的蛋白质序列	机器学习	NA	生物感染实验和测序	CNN, 双向GRU	蛋白质序列	NA	NA	结合CNN、双向GRU和注意力机制的深度神经网络	NA	NA
151	2025-12-14	Artificial intelligence guided Raman spectroscopy in biomedicine: Applications and prospects 2025-Nov, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101271 PMID:41377140	综述	本文综述了人工智能（特别是深度学习）如何增强拉曼光谱在生物医学中的应用，包括药物分析、疾病诊断和治疗优化	通过人工智能（尤其是深度学习算法）提升拉曼光谱的数据处理、特征提取和模型优化，从而扩展其在生物医学中的应用范围	存在计算需求高、数据要求严格以及伦理考虑等挑战	探讨人工智能如何推动拉曼光谱在生物制药研究和临床诊断中的进步	拉曼光谱在生物医学领域的应用，包括药物结构表征、疾病早期诊断和治疗优化	机器学习	NA	拉曼光谱	深度学习	光谱数据	NA	NA	NA	准确性, 效率	NA
152	2025-12-14	Labeled dataset of X-ray protein ligand images in 3D point cloud and validated deep learning models 2025-Oct-31, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06002-8 PMID:41173949	研究论文	本文介绍了首个化学标记的蛋白质配体3D点云数据集LigPCDS，并验证了基于该数据集的深度学习模型用于语义分割以恢复配体化学结构	首次创建了基于X射线蛋白质晶体学实验数据的化学标记3D点云配体数据集，并采用类似积木的标记方法进行点云标注	NA	构建并验证一个标记的3D点云配体数据集，以支持蛋白质配体结构解析、计算机辅助药物设计和蛋白质功能研究	蛋白质配体（小有机分子）的3D点云图像	计算机视觉	NA	X射线蛋白质晶体学	深度学习模型	3D点云图像	NA	NA	NA	NA	NA
153	2025-12-14	Structure-based Predictions of Conformational B Cell Epitopes by Protein Language Model and Deep Learning 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.29.685313 PMID:41278910	研究论文	本文介绍了一种基于蛋白质语言模型和深度学习的框架，用于预测抗原结构上的构象B细胞表位	提出了一种以表面“斑块”（由三个相邻残基组成的三元组）为中心的框架，直接预测抗原结构上的表位，结合蛋白质语言模型（ESM-2）和卷积神经网络，显著优于现有工具	模型在开发过程中未见的五个外部复合物上表现良好，但可能仍需更多样化的数据集验证泛化能力，且实验成本较高的问题未完全解决	预测构象B细胞表位，以支持抗体发现、抗原优先排序、抗体工程和疫苗设计	抗体-抗原复合物，特别是构象B细胞表位	自然语言处理, 机器学习	NA	蛋白质语言模型, 深度学习	多层感知机, 卷积神经网络	蛋白质结构数据	1,151个AbDb抗体-抗原复合物	NA	ESM-2, 多层感知机, 卷积神经网络	F1分数, ROC-AUC, PR-AUC	NA
154	2025-12-14	SubCell: Proteome-aware vision foundation models for microscopy capture single-cell biology 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.06.627299 PMID:41278937	研究论文	本文介绍了SubCell，一套用于荧光显微镜的自监督深度学习模型，旨在准确捕捉细胞形态、蛋白质定位、细胞组织和生物功能	提出了一种新颖的蛋白质组感知学习目标，并构建了首个直接从图像数据学习的蛋白质组层次结构图	未明确提及具体局限性	开发能够超越人类感知能力捕捉单细胞生物学的视觉基础模型	人类蛋白质图谱中的蛋白质组范围图像集合	计算机视觉	NA	荧光显微镜	自监督深度学习模型	图像	NA	NA	NA	NA	NA
155	2025-12-14	Time series forecasting of chlorophyll-a concentrations in the Chesapeake Bay 2025-Aug-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16352-3 PMID:40846738	研究论文	本研究评估了使用LSTM神经网络预测切萨皮克湾叶绿素a浓度的效果，并与传统统计模型进行了比较	首次将LSTM模型应用于切萨皮克湾叶绿素a浓度的时间序列预测，并展示了其在捕捉复杂时空动态方面的优越性能	研究仅基于卫星数据，未考虑其他环境因素如水温、营养盐等对叶绿素a浓度的影响	提高水质预测的准确性，以支持及时的政策决策和水生生态系统的可持续管理	切萨皮克湾三个地理区域的叶绿素a浓度时间序列数据	机器学习	NA	卫星遥感	LSTM	时间序列数据	1997年至2020年每周的卫星衍生叶绿素a测量数据，覆盖三个区域	NA	LSTM	均方根误差（RMSE）	NA
156	2025-12-14	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文研究如何通过引入基于神经同步的机制来增强深度学习模型在复杂视觉场景中的多物体编码能力	将复数表示与Kuramoto同步动力学相结合，利用相位对齐机制促进同一物体特征的绑定，并设计了前馈和循环两种架构来验证同步机制的有效性	研究主要针对多物体图像任务进行验证，尚未扩展到更广泛的视觉任务或实际应用场景	探索神经同步机制是否能增强人工模型在视觉分类任务中的物体编码能力	深度学习模型在复杂视觉场景中的多物体表示	计算机视觉	NA	NA	前馈神经网络, 循环神经网络	图像	NA	NA	NA	NA	NA
157	2025-12-14	PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification 2025-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01250-3 PMID:39633210	研究论文	提出一种名为PixCUE的深度学习方法，用于在MRI重建中同时生成重建图像和不确定性图	首次将像素分类框架应用于MRI重建中的不确定性估计，能够在单次前向传播中同时输出重建图像和不确定性图，显著降低了计算成本	未明确说明方法在极端噪声或复杂病理情况下的鲁棒性，也未与其他非MC类不确定性估计方法进行系统比较	解决深度学习MRI重建中的不确定性估计问题，降低计算成本	磁共振成像（MRI）数据	医学影像分析	NA	磁共振成像（MRI）	深度学习模型	图像（k空间数据及重建图像）	NA	NA	NA	NMSE, PSNR, SSIM	NA
158	2025-12-14	URDM: Hyperspectral Unmixing Regularized by Diffusion Models 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3638151 PMID:41348789	研究论文	本文提出了一种基于扩散模型正则化的新型高光谱解混方法，结合传统优化算法和深度生成模型的优势	将变分视角下的解混目标函数整合到扩散采样过程中，引入去噪扩散概率模型的生成先验，并通过分裂策略简化优化	未明确提及方法在计算效率或大规模数据集上的具体限制	克服传统模型驱动方法和深度学习方法在高光谱解混中的局限性，提高解混性能	高光谱图像中的混合像素	计算机视觉	NA	高光谱成像	扩散模型	图像	合成和真实数据集，具体数量未说明	NA	DDPM	未明确指定，但提及效率和性能优越性	NA
159	2025-12-14	Hybrid quantum neural network models for fruit quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332528 PMID:41370242	研究论文	本研究探讨了用于水果质量评估的混合量子神经网络，重点关注纠缠门选择的影响	提出了两种基于不同纠缠门（CNOT与CZ）的混合量子神经网络架构，并从门分解和硬件感知噪声角度提供了理论依据，表明基于CZ的架构可能更稳定	研究为计算性基础研究，量子电路在经典硬件上执行，未在真实量子硬件上验证	研究量子机器学习算法中门级设计选择的作用，以指导未来算法开发	水果质量评估	机器学习	NA	混合量子神经网络	量子神经网络	图像数据	使用了MNIST、FruitQ数据集和一个自定义的苹果数据集	NA	NNQEv1, NNQEv2	测试准确率	经典硬件（用于量子电路的计算执行）
160	2025-12-14	A cross-domain framework for emotion and stress detection using WESAD, SCIENTISST-MOVE, and DREAMER datasets 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1659002 PMID:41376700	研究论文	本文提出了一种基于双深度学习框架的情绪和压力检测方法，利用WESAD、SCIENTISST-MOVE和DREAMER数据集进行跨域分析	结合了1D-CNN和时序Conformer架构，采用迁移学习和可解释AI技术，实现了跨数据集的情绪与压力检测	Grad-CAM提供的解释信息不明确，未能清晰指示信号中影响预测的具体部分	开发准确、鲁棒且可解释的情绪识别系统，用于心理健康监测和日常活动检测	生理和行为数据，包括生物信号（如ECG）和运动信号	机器学习	情绪和压力相关障碍	深度学习，特征工程，可解释AI	CNN, Transformer	生理信号数据，运动信号数据	WESAD、SCIENTISST-MOVE和DREAMER三个数据集的样本	未明确指定	1D-CNN, 时序Conformer	准确率, 精确率, 召回率, R2分数	NA