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
1681	2025-10-05	Predicting protein-protein interactions in the human proteome 2025-Sep-25, Science (New York, N.Y.) DOI:10.1126/science.adt1630 PMID:40997207	研究论文	通过增强协同进化信号和开发新的深度学习网络，系统预测人类蛋白质-蛋白质相互作用	使用来自30PB未组装基因组数据的7倍深度多序列比对增强协同进化信号，并基于2亿个预测蛋白质结构开发新的深度学习网络	NA	预测人类蛋白质组中的蛋白质-蛋白质相互作用	人类蛋白质组	生物信息学	人类疾病	协同进化分析, 深度学习, 多序列比对	深度学习网络	基因组数据, 蛋白质结构数据	2亿个人类蛋白质对	NA	NA	精确度	30PB基因组数据处理
1682	2025-10-05	Using economic value signals from primate prefrontal cortex in neuro-engineering applications 2025-Sep-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae0bf6 PMID:40997885	研究论文	本研究探索在脑机接口中使用灵长类前额叶皮层经济价值信号的方法	首次将抽象认知信号（经济价值信号）应用于神经工程，开发了基于强化学习的自适应解码器架构	研究基于非人灵长类动物数据，尚未在人类或临床环境中验证	开发能够利用抽象认知信号的脑机接口系统，辅助用户实现目标导向行为	非人灵长类动物的眶额叶皮层神经信号	神经工程	NA	多变量时间序列神经信号记录	深度学习, 强化学习	神经信号时间序列数据	非人灵长类动物实验数据	NA	神经预测模型	准确率	NA
1683	2025-10-05	Integrative Omics and AI-Driven Systems Biology: Multilayer Networks Decoding Apis mellifera Health and Resilience 2025-Sep-25, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00294 PMID:40997916	综述	本文综述了整合多组学与人工智能方法在解码蜜蜂健康与恢复力分子机制中的应用	提出了结合多组学（蛋白质组学、代谢组学、脂质组学）与人工智能的多层网络模型，为非模式生物研究提供创新框架	面临样本输入量有限和跨组学异质性等挑战	解码蜜蜂分子恢复力机制，推动系统生物学研究	蜜蜂（Apis mellifera）及其分子网络	系统生物学	NA	蛋白质组学, 代谢组学, 脂质组学, 空间组学, 单细胞组学, 质谱分析	深度学习, 图神经网络, 多层网络模型	多组学数据	NA	NA	NA	NA	NA
1684	2025-10-05	Multi-Scale Attention Fusion With Depthwise Separable Convolutions for Efficient Skin Cancer Detection 2025-Sep-25, Journal of cutaneous pathology IF:1.6Q3 DOI:10.1111/cup.14870 PMID:40998452	研究论文	提出一种融合多尺度注意力机制和深度可分离卷积的高效皮肤癌检测框架MAF-DermNet	结合多尺度注意力融合机制与深度可分离卷积，通过DCGAN数据增强和残差注意力模块提升模型性能	未整合临床元数据，需进一步优化以适应多样化医疗场景	开发高效准确的皮肤癌自动检测方法	皮肤病变图像	计算机视觉	皮肤癌	DCGAN数据增强	CNN, GAN	图像	NA	NA	深度可分离卷积, 残差注意力模块	准确率, 宏平均F1分数	NA
1685	2025-10-05	Voice of Mind, a Deep Learning Model for Depression and Anxiety Assessment From Acoustic and Lexical Vocal Biomarkers 2025-Sep-25, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.09.012 PMID:40998607	研究论文	开发了一个名为Voice of Mind的深度学习模型，通过声学和词汇生物标志物从意大利心理治疗录音中评估焦虑和抑郁	提出了一种结合CNN分析梅尔频谱图和MLP整合词汇与声学输入的混合架构，能够区分抑郁、焦虑和无病理三种状态	样本量较小（仅5名患者，7个录音），缺乏大规模验证	开发从语音数据评估心理健康状况的深度学习模型	意大利心理治疗录音中的声学和词汇特征	自然语言处理	精神疾病	语音分析，声学特征提取，词汇标记分析	CNN, MLP	音频	5名患者（重度抑郁症或广泛性焦虑症），7个录音，超过1000个音频片段	NA	卷积神经网络，多层感知器	分类准确率，特征重要性分析	NA
1686	2025-10-05	Spatiotemporal assessment and background climate drivers of atmospheric urban heat island in Guangdong province, China 2025-Sep-25, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-025-03022-2 PMID:40999209	研究论文	本研究评估了广东省大气城市热岛强度的时空变化及其与背景气候因子的关系	结合计量经济学技术与机器学习/深度学习方法，首次在广东省范围内系统分析大气城市热岛与气候变量的长期关联	研究区域限于广东省，未涵盖其他气候区域；模型对极端天气事件的适应性有待验证	探究大气城市热岛强度的时空变化规律及其与背景气候驱动因子的关系	广东省城市地区的大气城市热岛现象	机器学习	NA	气象观测数据分析	Random Forest, CNN-LSTM	气象时间序列数据	广东省多个城市的长期气象观测数据	NA	CNN-LSTM	R²	NA
1687	2025-10-05	A Deep Learning-Based EffConvNeXt Model for Automatic Classification of Cystic Bronchiectasis: An Explainable AI Approach 2025-Sep-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01688-z PMID:40999297	研究论文	提出一种结合EfficientNetB1和ConvNeXtTiny的EffConvNeXt深度学习模型，用于胸部X光片中囊性支气管扩张、肺炎和正常病例的自动分类	首次将EfficientNetB1的高效性与ConvNeXtTiny的先进特征提取能力相结合，通过混合模型架构提升分类准确率，并采用可解释AI方法	研究仅使用单一医疗中心（Dicle大学医学院）的5899张胸部X光图像，需要更多外部数据验证模型泛化能力	开发自动分类囊性支气管扩张和肺炎的深度学习模型，提高胸部X光片的诊断准确性	胸部X光片中的囊性支气管扩张、肺炎和正常病例	计算机视觉	呼吸系统疾病	胸部X光成像	CNN	图像	5899张胸部X光图像	NA	EffConvNeXt（EfficientNetB1和ConvNeXtTiny混合架构）	准确率	NA
1688	2025-10-05	Aerosol optical depth retrieval from Geostationary Environment Monitoring Spectrometer (GEMS): Advancing the first hyperspectral geostationary air quality mission using deep learning 2025-Sep-24, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180535 PMID:40997388	研究论文	本研究提出基于深度学习的TabNet模型，从地球静止环境监测光谱仪(GEMS)数据中反演气溶胶光学厚度(AOD)	首次将注意力可解释表格学习(TabNet)应用于全球首个地球静止轨道高光谱环境卫星的AOD反演，显著提升了反演精度和鲁棒性	NA	开发准确高效的气溶胶光学厚度反演方法，用于空气质量监测和气候研究	亚太地区的气溶胶分布和变化	机器学习	NA	高光谱遥感	TabNet	光谱辐射数据、气象数据和辅助变量	NA	NA	TabNet	决定系数(R), 期望误差包络线(EE)	NA
1689	2025-10-05	An efficient dark spot detection method for offshore oil spill in SAR images based on edge-enhanced attention fusion 2025-Sep-24, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118748 PMID:40997542	研究论文	提出一种基于边缘增强注意力融合的SAR图像海上溢油黑斑检测方法	设计了残差瓶颈注意力模块、增强通道融合模块和深度监督优化模块，在提高边缘检测精度的同时显著降低检测时间	NA	提高SAR图像中海上溢油黑斑的边缘检测精度并减少检测时间	合成孔径雷达图像中的海上溢油黑斑	计算机视觉	NA	合成孔径雷达成像	CNN	图像	PALSAR和Sentinel-1数据集	NA	EAF-Net, RBAM, ECFM, DSRM	检测精度, 检测时间	NA
1690	2025-10-05	Identifying an optimal perturbation to induce a desired cell state by generative deep learning 2025-Sep-24, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101405 PMID:40997798	研究论文	提出了一种名为PAIRING的生成式深度学习方法，用于识别能够诱导细胞达到期望状态的最佳扰动	通过将细胞状态嵌入潜在空间并分解为基础状态和扰动效应，创新性地比较扰动效应与期望细胞状态转换向量的相似性来识别最优扰动	NA	开发一种能够识别诱导细胞达到期望状态的最佳扰动的计算方法	细胞状态转换，特别是结直肠癌细胞向正常样状态的转化	机器学习	结直肠癌	转录组数据分析	生成式深度学习	转录组数据	NA	NA	NA	NA	NA
1691	2025-10-05	Causal deep learning for real-time detection of cardiac surgery-associated acute kidney injury: derivation and validation in seven time-series cohorts 2025-Sep-24, The Lancet. Digital health DOI:10.1016/j.landig.2025.100901 PMID:40998651	研究论文	开发了一种名为REACT的因果深度学习架构，用于实时检测心脏手术相关急性肾损伤	提出因果深度学习方法，将复杂时间变量交互简化为少量通用、成本效益高的输入因素	回顾性模型开发和前瞻性验证研究，存在回顾性研究的固有局限性	开发能够实现CSA-AKI精确动态预测的深度学习模型	接受重大开胸心脏手术的成年患者（年龄≥18岁）	医疗人工智能	心脏手术相关急性肾损伤	因果深度学习	深度学习	电子健康记录时间序列数据	最终推导队列14,513名患者，外部验证包括中国20,813名患者和美国28,023名患者	NA	REACT（因果深度学习架构）	AUROC	NA
1692	2025-10-05	Automated Coronary Artery Calcium Scoring Using Deep Learning: Validation Across Diverse Chest CT Protocols 2025-Sep-24, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.009 PMID:40998657	研究论文	开发并验证一种基于深度学习的全自动冠状动脉钙化评分模型，适用于多种胸部CT协议	开发了首个工作流就绪、协议无关的深度学习模型，能够在常规非门控胸部CT上实现全自动冠状动脉钙化量化	回顾性研究，数据来自单一大学医院，需要进一步外部验证	开发自动化冠状动脉钙化评分工具以改进心血管疾病风险评估	无已知动脉粥样硬化心血管疾病患者的胸部CT扫描	医学影像分析	心血管疾病	胸部CT扫描	深度学习	医学影像	2132例胸部CT扫描（常规、CT-CAC和CT-COVID）	NA	NA	组内相关系数, Cohen's kappa, 敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数	NA
1693	2025-10-05	A modified vision transformer framework for image-based land cover segmentation in rural architectural design and planning 2025-Sep-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19234-w PMID:40987770	研究论文	提出一种基于改进视觉Transformer和萤火虫算法的深度学习框架，用于农村建筑设计与规划中的土地覆盖图像分割	将改进的视觉Transformer与改进的萤火虫算法相结合，用于优化特征和超参数选择，在土地覆盖分割任务中实现高精度	仅使用EuroSAT基准数据集进行验证，模型在其他地理区域的适用性有待进一步测试	开发用于农村建筑设计与规划的土地覆盖图像分割方法	卫星图像中的土地覆盖区域	计算机视觉	NA	卫星遥感图像分析	Vision Transformer	图像	27,000个地理参考样本，涵盖10个平衡的土地覆盖类别	NA	改进的Vision Transformer	准确率, Kappa系数, 平均适应度值	NA
1694	2025-10-05	Exploring the role of preprocessing combinations in hyperspectral imaging for deep learning colorectal cancer detection 2025-Sep-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20735-x PMID:40987788	研究论文	本研究比较了高光谱成像中不同预处理组合对深度学习结直肠癌检测性能的影响	系统探索了高光谱数据在空间和光谱维度上的多种预处理组合，包括光谱缩放、噪声消除、血液和反光过滤，并分析了数据不平衡问题的解决方案	噪声消除意外地降低了模型性能，血液和反光过滤均未产生显著效果	优化高光谱成像的预处理流程以提高深度学习在癌症诊断中的性能	结直肠癌组织的高光谱图像数据	计算机视觉	结直肠癌	高光谱成像	深度学习	高光谱图像	NA	NA	NA	灵敏度, 特异性	NA
1695	2025-10-05	Multi-label machine learning for power forecasting of a grid-connected photovoltaic solar plant over multiple time horizons 2025-Sep-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20251-y PMID:40987842	研究论文	本文提出基于机器学习算法的多标签预测方法，用于预测建筑光伏电站输送到电网的PV和AC功率	首次在光伏功率预测中采用多标签机器学习方法，同时预测DC和AC功率，并评估多种算法在多个时间尺度上的性能	研究基于单一光伏电站的一年数据，未考虑不同地理位置和气候条件的影响	开发准确的光伏发电预测方法以支持电网规划和运营	建筑应用光伏电站的PV和AC功率输出	机器学习	NA	传感器数据采集	线性回归,多项式回归,神经网络,深度学习,梯度提升树,随机森林,决策树,k近邻,支持向量机	时间序列传感器数据	一年实时采集的太阳辐照度、环境温度、风速和电池温度数据	NA	NA	绝对误差,均方根误差,归一化绝对误差,相对误差,相对均方根误差,相关系数	NA
1696	2025-10-05	Multimodal AI-based risk stratification for distant metastasis in nasopharyngeal carcinoma 2025-Sep-23, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105809 PMID:40997749	研究论文	开发并验证一种基于多模态深度学习的GNPC风险评分系统，用于预测鼻咽癌患者的远处转移风险	首次将组织病理学图像表示为图结构以捕捉空间背景和肿瘤异质性，并结合临床信息构建多模态深度学习模型	研究样本量相对有限（1949例患者），且仅基于两个独立队列进行验证	开发预测鼻咽癌远处转移风险的深度学习风险评分系统	鼻咽癌患者	数字病理学	鼻咽癌	苏木精-伊红染色，深度学习	图神经网络	组织病理学图像，临床数据	1949例患者来自两个独立队列	NA	GNPC（鼻咽癌图神经网络）	远处转移P值，总生存期P值，局部复发P值	NA
1697	2025-10-05	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2025-Sep-23, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	验证深度学习基础模型在头部CT标准化重建中的性能，并与人工重建进行质量和效率对比	首次使用深度学习基础模型实现头部CT的自动化标准化重建，并系统量化了人工重建的质量差异和操作者变异性	研究仅针对非对比头部CT检查，未包含其他类型的CT扫描	验证自动化头部CT重建模型的质量和效率，评估人工重建的变异性	1,763例连续非对比头部CT检查	医学影像分析	神经系统疾病	CT扫描	深度学习基础模型	CT影像	1,763例头部CT检查	NA	基础模型	标志点定位误差, 旋转误差, 对中误差, 缩放误差	NA
1698	2025-10-05	Lightweight deep learning model for crime pattern recognition based on transformer with simulated annealing sparsity and CNN 2025-Sep-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07260-7 PMID:40983626	研究论文	提出一种用于犯罪模式识别的轻量级深度学习模型LCRNet，结合Transformer编码器和卷积神经网络	在Transformer的多头自注意力机制中引入模拟退火稀疏化方法，有效降低计算开销同时保持精度	模型可解释性有待提升，在资源受限环境中的适应性需要进一步验证	为公共安全治理中的犯罪模式识别提供高效低耗的智能解决方案	洛杉矶真实犯罪数据	机器学习	NA	深度学习	Transformer, CNN	犯罪数据	NA	NA	Transformer编码器, 卷积神经网络	准确率	边缘设备
1699	2025-10-05	Explainable AI-driven analysis of radiology reports using text and image data: An experimental study 2025-Sep-22, JMIR formative research IF:2.0Q4 DOI:10.2196/77482 PMID:40997754	研究论文	本研究评估了可解释人工智能在解读放射学报告中的应用，旨在提高医疗从业者对AI辅助诊断的信心和理解	结合文本和图像数据，使用多种先进AI模型，并应用SHAP和LIME等可解释性方法来增强临床决策的透明度和可信度	仅使用印第安纳大学胸部X射线数据集，样本量有限，且仅针对正常/异常二分类问题	评估可解释AI在放射学报告解读中的应用效果	放射学报告和胸部X射线图像	自然语言处理,计算机视觉	胸部疾病	X射线成像	传统机器学习,集成方法,LSTM,Transformer,CNN	文本,图像	3169份文本报告和6471张图像	NA	GPT-2,T5,LLaMA-2,LLaMA-3.1,DenseNet121,DenseNet169	准确率,Cohen's kappa,Chi-Square,Fisher's Exact test,McNemar's Test	NA
1700	2025-10-05	An attention aided wavelet convolutional neural network for lung nodule characterization 2025-Sep-21, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106118 PMID:40997672	研究论文	提出一种结合小波变换和注意力机制的双通路深度学习框架，用于肺结节良恶性分类	首次将可训练小波块与CNN结合进行多分辨率分析，并引入CBAM注意力机制增强判别性特征学习	仅在公开数据集上验证，需要进一步临床验证	开发准确高效的肺结节计算机辅助诊断方法	肺结节图像	计算机视觉	肺癌	高分辨率计算机断层扫描(HRCT)	CNN	医学图像	LIDC-IDRI数据集和Kaggle DSB2017测试数据集	NA	WaveLCDNet, CBAM	灵敏度, 特异性, 准确率, Brier分数	NA