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
1761	2025-12-03	Super-resolution Reconstruction of Fetal Brain MRI with Multi-view Interpolation Weight Learning 2025-Dec-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3638989 PMID:41325115	研究论文	本文提出了一种名为3D-WISE的深度学习模型，用于从多视角运动伪影的厚层扫描中重建高质量的各向同性胎儿脑部MRI图像	提出了一种创新的三维加权插值深度学习模型，通过多视角插值权重学习和多类型注意力机制引导的特征提取模块，直接学习插值权重以校正切片和体积之间的错位，避免了传统配准-重建框架的局限性	未明确说明模型对极端运动伪影或不同扫描参数的泛化能力，也未提供详细的临床验证结果	解决胎儿脑部MRI各向同性超分辨率重建中因胎儿运动和厚层扫描错位带来的挑战	胎儿脑部MRI图像	医学影像分析	胎儿脑部发育相关疾病	MRI	深度学习模型	三维医学影像	在两个基准数据集上进行实验，具体样本数量未明确说明	未明确说明，但代码已开源	3D-WISE（包含权重学习模块和特征提取模块），具体架构未详细说明	未明确说明具体评估指标，但提及性能显著提升	未明确说明
1762	2025-12-03	Unified VideoMAE Framework for Detection of Multi-Disorder ADHD and Depression 2025-Dec-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3638973 PMID:41325113	研究论文	本文提出了一种基于统一VideoMAE框架的多重精神障碍（ADHD和抑郁症）检测系统	在统一框架内检测多重精神障碍（ADHD和抑郁症）；创新性地在微调过程中优化注意力掩码以优先关注与精神障碍最相关的面部特征；采用了三种不同的预训练模型微调方法	精神健康数据集可用性有限	开发自动化精神障碍诊断技术，辅助诊断和评估多种精神障碍	注意力缺陷多动障碍（ADHD）和抑郁症患者	计算机视觉	精神障碍	视频预处理、面部特征提取	视频掩码自编码器	面部视频	NA	NA	VideoMAE	准确率	NA
1763	2025-12-03	Spatial Hierarchical Protein-Protein Interaction Site Prediction Using Squeeze-and-Excitation Capsule Networks 2025-Dec-01, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3638901 PMID:41325125	研究论文	本文提出了一种名为MSE-CapsPPISP的新型深度学习模型，用于预测蛋白质-蛋白质相互作用位点，通过结合空间层次特征和多尺度特征提取来提升预测性能	设计了基于胶囊网络（Capsule Network）的模型，考虑了蛋白质序列特征的空间层次关系，并引入多尺度CNN和Squeeze-and-Excitation模块以增强特征表示	未明确提及模型在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体分析	开发一种计算方法来预测蛋白质-蛋白质相互作用位点，以补充耗时且易受噪声影响的生物实验	蛋白质序列及其相互作用位点	生物信息学	NA	深度学习	Capsule Network, CNN	蛋白质序列数据	NA	NA	MSE-CapsPPISP, 多尺度CNN, Squeeze-and-Excitation Capsule Networks	F1, MCC, AUROC, AUPR	NA
1764	2025-12-03	Single-shot multi-wavelength imaging over scattering media enabled by deep learning 2025-Dec-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.578473 PMID:41325218	研究论文	提出一种基于深度学习的单次多波长散射成像方法，通过训练光谱视觉散斑网络从多波长全息实验中恢复高保真图像	首次将深度学习扩展到多波长散射成像，通过优化网络解决相干干涉和色散效应带来的训练挑战，实现单次拍摄下的多波长图像恢复	未明确说明方法在极端散射条件或动态环境中的适用性，也未讨论计算复杂度对实时应用的影响	开发一种能够克服散射介质影响、实现单次多波长高保真成像的深度学习技术	通过多波长全息实验生成的散射介质后的多波长图像	计算机视觉	NA	多波长全息术，深度学习成像	深度神经网络	图像	三个数据集	NA	光谱视觉散斑网络	恢复保真度	NA
1765	2025-12-03	Optical encryption-transmission via computational ghost imaging and fractional OAM multiplexing 2025-Dec-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.581801 PMID:41325262	研究论文	本文提出了一种结合计算鬼成像、分数轨道角动量和深度学习的光学图像安全加密传输方案	将计算鬼成像的加密优势与分数轨道角动量的高维传输特性结合，并引入深度学习进行解密，增强了系统的安全性和实用性	NA	实现光学图像的安全加密与传输	光学图像	计算机视觉	NA	计算鬼成像, 分数轨道角动量, 深度学习	CNN	图像	NA	NA	DenseNet	NA	NA
1766	2025-12-03	Deep Learning vs Classical Methods in Potency and ADME Prediction: Insights from a Computational Blind Challenge 2025-Dec-01, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01982 PMID:41325513	研究论文	本文通过回顾性分析，比较了深度学习方法与经典方法在化合物效价和ADME预测中的表现，并基于2025年ASAP-Polaris-OpenADMET抗病毒挑战赛的结果提供了建模策略和经验教训	通过大规模计算盲挑战赛的统计基准测试，首次系统性地证明了深度学习在ADME预测中显著优于传统机器学习方法，同时强调了数据整理和特征增强的重要性	未整合结构引导建模，且主要基于特定挑战赛数据，可能限制了结果的普适性	评估深度学习方法与经典方法在化合物效价和ADME预测中的性能差异，并为计算药物发现领域提供建模指导	化合物效价（如pIC50）和ADME（吸收、分布、代谢、排泄）特性	机器学习	NA	NA	深度学习算法, 传统机器学习	化合物数据	NA	NA	NA	Pearson相关系数	NA
1767	2025-12-03	A transfer learning-driven fine-tuning of YOLOv10 for improved brain tumor detection in MRI images 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28813-w PMID:41326486	研究论文	本研究提出了一种基于迁移学习的YOLOv10模型微调方法，用于提升MRI图像中脑肿瘤检测的准确率	将YOLOv10架构与迁移学习相结合，针对医学影像数据稀缺问题，通过COCO数据集预训练参数初始化并微调，显著提升了脑肿瘤检测性能	依赖于有限标注的医学影像数据集，模型泛化能力未在更大规模或更复杂临床场景中验证	开发自动化、高效且精确的脑肿瘤检测系统，以支持计算机辅助诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	未明确说明具体样本数量，仅提及使用脑肿瘤专用数据集	未明确说明，可能为PyTorch（YOLO系列常用框架）	YOLOv10	平均精度均值(mAP), 精确率(precision)	未明确说明
1768	2025-12-03	Quantum resistant blockchain and deep learning revolutionize secure communications for autonomous vehicles 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28938-y PMID:41326509	研究论文	提出一种结合抗量子区块链和深度学习的新型架构，以增强智能交通系统中自动驾驶车辆网络的安全通信	首次将抗量子区块链技术与深度学习模型集成，为自动驾驶车辆网络提供针对量子计算威胁的端到端安全解决方案	未提及实验的具体部署环境、对抗性攻击的鲁棒性测试以及不同交通场景下的可扩展性验证	提升智能交通系统中自动驾驶车辆网络在量子计算时代的网络安全性和通信可靠性	自动驾驶车辆网络、车联网通信、智能交通系统	机器学习	NA	区块链技术、深度学习	深度学习模型	车辆通信数据、交易数据	NA	NA	NA	准确率, 精确率, 召回率, 吞吐量, 区块验证时间	NA
1769	2025-12-03	AttBiLSTM_DE: enhancing anticancer peptide prediction using word embedding and an optimized attention-based BiLSTM framework 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29767-9 PMID:41326521	研究论文	本文提出了一种结合注意力机制的双向LSTM框架AttBiLSTM_DE，用于增强抗癌肽的预测性能	结合了四种NLP特征编码技术、k-mer嵌入、随机差分进化算法优化特征权重，并采用注意力机制增强的双向LSTM模型，显著提升了预测准确度	未提及模型在外部验证集上的泛化能力或计算资源需求的具体限制	开发一种计算框架以准确预测抗癌肽，辅助癌症治疗和药物开发	抗癌肽（ACPs）序列	自然语言处理	癌症	One-Hot Encoding, GloVe, fastText, Word2Vec, k-mer嵌入	BiLSTM	文本（肽序列）	NA	NA	Attention-based Bidirectional LSTM	准确率, AUC	NA
1770	2025-12-03	Identification of Indigenous fish species in lake Tana using deep learning 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29455-8 PMID:41326545	研究论文	本研究利用深度学习技术，特别是YOLO系列算法，开发了一种用于识别塔纳湖本土鱼类物种的自动化方法	引入了包含13,000张图像的新数据集，结合了图像增强、CSPDarkNet、HOG和分割特征提取的预处理流程，并比较了多种YOLO版本以优化性能	NA	开发一种自动化、高效的本土鱼类物种识别方法，以支持可持续渔业管理和生物多样性保护	塔纳湖的16种本土鱼类物种	计算机视觉	NA	深度学习	YOLO	图像	13,000张图像，涵盖16种鱼类物种	NA	YOLOv5, YOLOv7, YOLOv8, YOLOv11	平均精度均值 (mAP)	NA
1771	2025-12-03	Public feedback analysis on multi-stage emergency management policies using BERTopic-SKEP integrated model 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30319-4 PMID:41326561	研究论文	本研究提出了一种结合BERTopic主题建模和SKEP情感分析的深度学习框架，用于分析多阶段应急管理政策下的公众反馈	1. 提出了BERTopic-SKEP融合模型，克服了传统LDA在短文本处理中的局限性；2. 揭示了多阶段应急管理中公众关注度和情感极性的显著差异；3. 整合叙事政策框架（NPF）将主题建模结果解释为结构化的政策叙事	NA	通过分析社交媒体数据，量化公众对政府应急管理行动的感知，以提升灾害治理效能	北京“23.7”特大暴雨事件期间与应急管理政策相关的社交媒体帖子	自然语言处理	NA	主题建模，情感分析	BERTopic, SKEP	文本	50,015条社交媒体帖子	NA	BERTopic, SKEP	NA	NA
1772	2025-12-03	Artificial Intelligence-based fine-tuning model for fall activity recognition in disabled persons within an IoT environment 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30340-7 PMID:41326571	研究论文	本文提出了一种基于时序卷积网络的物联网环境下残疾人跌倒活动识别系统，用于远程监控和检测跌倒事件	结合了NASNetMobile、DenseNet121和MobileNetV3Large三种特征提取模型进行特征融合，并使用时序卷积网络分类器进行跌倒活动检测，通过Adamax优化器进行微调以提高模型性能	NA	在物联网环境中监控和检测残疾人的跌倒事件，以提升医疗保健和福祉	残疾人的跌倒活动	计算机视觉	老年疾病	深度学习，机器学习	CNN, TCN	图像	NA	TensorFlow, PyTorch, Keras	NASNetMobile, DenseNet121, MobileNetV3Large, TCN	准确率	NA
1773	2025-12-03	Automated classification of lung cancer subtypes cells using microscopic images and ensembled deep learning architectures 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29492-3 PMID:41326575	研究论文	本研究提出了一种结合ResNet-50和Attention U-Net的混合深度学习框架，用于通过显微图像自动分类肺癌亚型细胞	结合ResNet-50的全局特征提取能力和Attention U-Net的空间注意力机制，并采用增强的图像预处理流程提升信噪比23%	未提及模型在外部验证集或临床实际应用中的泛化能力	实现肺癌亚型在细胞水平的早期检测和分类	肺癌细胞显微图像	数字病理学	肺癌	显微成像	CNN, U-Net	图像	4,650张灰度图像（每个亚型1,500张）	NA	ResNet-50, Attention U-Net	准确率, 精确率, 召回率, F1分数	NA
1774	2025-12-03	Prediction of PEMFC life based on IGJO-TCN-BiGRU-Attention 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29800-x PMID:41326586	研究论文	本文提出了一种基于IGJO-TCN-BiGRU-Attention算法的质子交换膜燃料电池寿命预测方法	提出了一种集成智能优化算法与深度学习框架的IGJO-TCN-BiGRU-Attention算法，用于准确预测PEMFC寿命	NA	准确预测质子交换膜燃料电池的寿命	质子交换膜燃料电池	机器学习	NA	NA	TCN, BiGRU, Attention机制	电压-温度参数的时间序列数据	NA	NA	TCN-BiGRU-Attention混合模型	均方根误差	NA
1775	2025-12-03	Detecting mangrove seedlings from UAV imagery using deep learning for restoration monitoring 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30387-6 PMID:41326629	研究论文	本研究开发了一种基于深度学习的模型，用于从超高分辨率无人机图像中检测红树林幼苗，以支持红树林生态系统的恢复监测	首次提出专门针对红树林生态系统的幼苗检测方法，并采用两阶段（密度图预测与高斯差分阈值化）的深度学习流程，相比现有最先进的目标检测框架（ResNet-DETR）在F1分数上提升了9%	存在标注不准确、无人机图像随时间可能不一致以及深度学习方法固有的局限性等挑战	开发一种准确检测红树林幼苗的模型，以评估恢复成功情况并为保护区域优先排序提供支持	红树林幼苗	计算机视觉	NA	无人机遥感成像	深度学习	图像	阿拉伯联合酋长国阿布扎比酋长国的22个播种点	NA	MaxViT-UNet, ResNet-DETR	F1-score, precision, recall	NA
1776	2025-12-03	Artificial intelligence-enabled electrocardiography from scientific research to clinical application 2025-Dec-01, EMBO molecular medicine IF:9.0Q1 DOI:10.1038/s44321-025-00351-y PMID:41326714	综述	本文综述了人工智能在心电图分析中的最新进展及其从科学研究到临床应用的转变	AI-ECG能够直接从原始信号处理高维数据，揭示传统方法常忽略的模式，如无症状低射血分数和阵发性心房颤动在正常窦性心律中的迹象，从而实现早期临床干预	NA	探讨人工智能在心电图分析中的应用及其对心血管诊断、风险分层和社区筛查的变革性影响	心电图数据及其在心血管疾病诊断中的应用	机器学习	心血管疾病	深度学习	深度学习算法	心电图原始信号	NA	NA	NA	NA	NA
1777	2025-12-03	Graph-based deep learning approach for high-throughput protein-DNA interaction scoring 2025-Dec-01, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01688-3 PMID:41326808	研究论文	本文提出了一种基于图深度学习的PDIScore方法，用于高通量蛋白质-DNA相互作用评分，显著提升了预测性能	开发了PDIScore，首次结合全面的图表示捕捉核苷酸灵活性、采用可扩展的GraphGPS架构与BigBird线性全局注意力处理大接口，并利用混合密度网络建模残基-核苷酸距离分布	训练数据依赖于自收集的约7000个蛋白质-核酸复合物结构，可能受限于实验结构的可用性和多样性	开发一种可靠的深度学习评分函数，以准确量化蛋白质-DNA相互作用，支持生物学过程理解和药物设计	蛋白质-DNA相互作用复合物	机器学习	NA	深度学习，图表示学习	图神经网络，混合密度网络	蛋白质-核酸复合物结构数据	约7000个蛋白质-核酸复合物结构	NA	GraphGPS, BigBird	EF, AUROC, 对接成功率, PCC	NA
1778	2025-12-03	Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle 2025-Dec-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12049-3 PMID:41326828	研究论文	本研究开发并外部验证了一种基于CT的多任务深度学习模型，用于预测椎体骨折风险	采用多任务学习框架，整合骨骼和肌肉的CT图像特征，相比仅使用骨骼图像或传统临床模型（如FRAX）展现出更优的预测性能	研究样本主要来自50-80岁患者，可能限制了模型在其他年龄段的泛化能力；外部验证仅基于两家独立医院的数据	开发并验证一种基于CT的椎体骨折风险预测模型	50-80岁患者的腹部CT扫描图像	计算机视觉	骨质疏松性骨折	CT扫描	深度学习	图像	开发集2553名患者，外部测试集1506名患者	NA	多任务深度学习模型	AUROC, c-index	NA
1779	2025-12-03	Automated HFrEF Diagnosis Using an Optimized TimeSformer Model in Echocardiography 2025-Dec-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01758-2 PMID:41326877	研究论文	本研究提出了一种基于优化的TimeSformer模型和左心室掩码方法，用于从超声心动图视频中自动诊断射血分数降低的心力衰竭	首次将TimeSformer架构应用于超声心动图领域，并引入基于图像分割的领域知识左心室掩码方法，以引导模型关注诊断关键区域	未明确提及具体局限性，但暗示在小型和不平衡临床数据集中的有效性可能受限	增强射血分数降低的心力衰竭的自动检测能力	超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	Transformer	视频	大规模基准数据集和来自心脏病科的小型专业临床数据集	NA	TimeSformer	准确率, AUC	NA
1780	2025-12-03	Lung Disease Classification with Deep Learning Enhanced CNN Architecture in Chest X-Ray Imaging 2025-Dec-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01760-8 PMID:41326879	研究论文	本研究提出了一种结合离散小波变换、U-Net++、注意力门和渐进增长生成对抗网络的深度学习增强CNN架构，用于胸部X射线图像的肺部分割和多种肺部疾病的分类	使用离散小波变换替代传统最大池化以提供更精确的下采样，结合U-Net++与注意力门提升分割精度，并在DenseNet-201中集成DWT进行分类，同时采用PGGAN进行数据增强以生成高分辨率合成图像	未明确说明模型在外部验证集上的泛化能力，以及计算复杂度和实时性方面的限制	开发一种准确可靠的胸部X射线图像分析系统，用于肺部疾病诊断	胸部X射线图像	计算机视觉	肺部疾病	胸部X射线成像	CNN, GAN	图像	日本放射技术学会数据集	NA	U-Net++, DenseNet-201, PGGAN	准确率, Dice系数, 精确率	NA