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
18961	2025-12-05	Plug-and-play computational method for advancing natural and biomedical image representation 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101412 PMID:41328168	研究论文	本文介绍了一种基于超复数代数的非数据驱动框架，用于自然和生物医学图像处理	提出了一种无需训练数据的即插即用方法，适用于多种图像处理任务	NA	推进自然和生物医学图像的表示方法	自然和生物医学图像	计算机视觉	NA	超复数代数	NA	图像	NA	NA	NA	NA	NA
18962	2025-12-05	Pan-microalgal dark proteome mapping via interpretable deep learning and synthetic chimeras 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101373 PMID:41328162	研究论文	本研究开发了一个名为LASR的深度学习框架，用于对微藻基因组中的“暗蛋白质组”序列进行分类和注释	提出了结合Transformer和状态空间模型的LASR框架，使用合成嵌合序列进行训练，实现了比传统BLASTP快约10,701倍的分类速度，并保持了高准确率	研究仅针对十个藻类门类，可能无法完全覆盖所有微藻物种的多样性	开发高效准确的微藻暗蛋白质组序列分类工具	十个藻类门类的翻译ORFeomes序列	自然语言处理	NA	氨基酸序列分析	Transformer, 状态空间模型	氨基酸序列	约7700万条序列	NA	Transformer	召回率, 准确率	NA
18963	2025-12-05	Metagenomics approach to predict antibiotic resistance genes in sputum samples of adult people with cystic fibrosis: a pilot study 2025-Nov-05, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02299-24 PMID:41190884	研究论文	本研究探索了使用宏基因组学和深度学习工具deepARG来预测囊性纤维化成人痰液样本中抗生素耐药基因的可行性	首次将宏基因组学与深度学习工具deepARG结合，为囊性纤维化患者提供了一种不依赖培养、更快速的抗生素敏感性预测方法	样本量较小（20名患者，68份样本），且仅对部分抗生素类别（如氨基糖苷类、头孢菌素类、氟喹诺酮类）的预测结果显著	评估宏基因组学方法预测囊性纤维化患者痰液中抗生素耐药基因的效能，以替代耗时的传统培养方法	囊性纤维化成人患者的痰液样本	宏基因组学	囊性纤维化	鸟枪法宏基因组测序	深度学习	宏基因组测序数据	20名患者提供的68份痰液样本	NA	deepARG	AUC-ROC, 灵敏度	NA
18964	2025-12-05	Extraction of Novel Features and Diagnosis Prediction in Myelodysplastic Neoplasm Using a Weakly Supervised Artificial Intelligence Model Based on Normal Megakaryocytes 2025-Nov, Pathology international IF:2.5Q2 DOI:10.1111/pin.70049 PMID:40955745	研究论文	本研究提出了一种基于形态正常巨核细胞的弱监督人工智能模型，用于从骨髓活检标本中提取新特征并预测骨髓增生异常肿瘤的诊断	首次开发出能够基于正常巨核细胞形态对骨髓增生异常肿瘤与正常病例进行分类的人工智能模型，并揭示了与疾病预测显著相关的新的组织学特征	研究领域（骨髓活检）的人工智能应用仍相对有限，模型性能在疾病分类方面（AUC 0.879）虽良好但仍有提升空间	开发人工智能模型以辅助骨髓病理评估和疾病诊断	苏木精-伊红染色的骨髓活检标本中的形态正常巨核细胞	数字病理学	骨髓增生异常肿瘤	苏木精-伊红染色	深度学习, XGBoost	图像	未明确说明	未明确说明	未明确说明	AUC	未明确说明
18965	2025-12-05	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202508358 PMID:40948400	研究论文	提出了一种名为MCIST的多尺度细胞间交互空间转录组学分析方法，用于改进空间域检测	结合多尺度拓扑表示与空间深度学习技术，首次在空间转录组学分析中系统考虑多尺度细胞间交互作用	未明确提及方法在特定组织类型或低分辨率数据上的适用性限制	开发一种能整合多尺度细胞间交互的空间转录组学数据分析方法	空间转录组学数据	空间转录组学	NA	空间转录组学	深度学习	空间转录组学数据	37个基准空间转录组学数据集	NA	NA	聚类分数	NA
18966	2025-12-05	Artificial Intelligence for Detection of Parkinson's Disease From Speech Signals-A Comprehensive Review 2025 Nov-Dec, BioFactors (Oxford, England) DOI:10.1002/biof.70065 PMID:41342337	综述	本文全面回顾了2020年至2024年间利用人工智能方法通过语音信号检测帕金森病的研究	聚焦于AI方法在帕金森病语音信号检测中的应用，并强调了对更具可解释性AI方法的需求	仅回顾了IEEE出版物，可能未涵盖所有相关研究	调查利用语音信号检测帕金森病的人工智能方法	帕金森病患者与健康对照者的语音信号	自然语言处理	帕金森病	语音信号分析	机器学习, 深度学习	语音信号	NA	NA	NA	NA	NA
18967	2025-12-05	Comparison of machine learning methods versus traditional Cox regression for survival prediction in cancer using real-world data: a systematic literature review and meta-analysis 2025-Oct-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02694-z PMID:41152747	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了机器学习模型与传统Cox回归在癌症生存预测中的性能	首次系统性地比较了多种机器学习模型与Cox比例风险模型在真实世界癌症生存预测中的性能，并进行了荟萃分析	纳入研究的异质性较高，且仅基于AUC或C指数进行性能比较，可能未全面反映模型优劣	系统总结观察性研究中机器学习模型在癌症生存结局预测中的应用，并比较其与Cox回归模型的性能	癌症患者的生存结局预测	机器学习	癌症	NA	随机生存森林, 梯度提升, 深度学习	真实世界数据	NA	R	NA	AUC, C指数	NA
18968	2025-12-05	MobileDANet integrating transfer learning and dynamic attention for classifying multi target histopathology images with explainable AI 2025-Oct-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21360-4 PMID:41136678	研究论文	本研究提出了一种名为MobileDANet的深度学习框架，用于对肾细胞癌、乳腺癌和结肠癌的组织病理学图像进行多目标分类，并整合了可解释AI技术	结合了MobileNetV2骨干网络与动态注意力块（多头注意力+MLP），以高效捕获长程依赖关系，并采用Grad-CAM增强模型可解释性	未来需要扩展到更大的多机构数据集，并探索模型压缩与自动超参数优化	开发自动化计算机辅助诊断框架，用于癌症严重程度的分类	肾细胞癌、乳腺癌和结肠癌的组织病理学图像	数字病理学	肾细胞癌,乳腺癌,结肠癌	组织病理学成像	CNN,注意力机制	图像	KMC数据集（肾细胞癌）、BreakHis（乳腺癌）、CRCH（结肠癌）	NA	MobileNetV2,动态注意力块（多头注意力+MLP）	准确率,F1分数,加权F1分数	NA
18969	2025-12-05	Clinical target volumes for glioma - Automated delineation to improve neuroanatomic consistency 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100865 PMID:41328287	研究论文	本研究开发了一种结合肿瘤浸润路径和解剖屏障的自动化方法，用于改进胶质瘤临床靶区（CTV）勾画的神经解剖一致性和效率	提出了一种整合白质束连接结构的约束距离变换方法，允许CTV在不同脑结构边界（如小脑和脑干）间扩展，从而提高了神经解剖一致性	未明确说明模型在更大规模或多中心数据集上的泛化能力，且对小结构（如视交叉）的分割性能相对较低（DSC 63.9%）	提高胶质瘤临床靶区勾画的神经解剖一致性和自动化效率	99名胶质瘤患者的CT图像及对应的脑结构（半球、脑干、小脑、视交叉、视神经、脑室、中线）	数字病理	胶质瘤	CT成像	深度学习模型	CT图像	99名胶质瘤患者	NA	NA	Dice相似系数（DSC）, 95%豪斯多夫距离（HD95）, 表面DSC	NA
18970	2025-12-05	DGCA-DTA: A Deep Graph Neural Network Based on Co-Attention for Drug Target Affinity Prediction 2025 Sep-Oct, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3583208 PMID:40811270	研究论文	本文提出了一种基于协同注意力的深度图神经网络DGCA-DTA，用于药物靶点亲和力预测	采用多尺度图神经网络提取药物特征，并集成协同注意力机制学习药物与蛋白质内部子空间的高阶交互特征	未明确说明模型在更大规模或更复杂数据集上的泛化能力	提高药物靶点亲和力预测的准确性，以缩短药物开发周期并降低成本	药物化合物和蛋白质靶点	机器学习	NA	深度学习方法	图神经网络	图数据	在两个基准数据集上进行实验	NA	多尺度图神经网络	NA	NA
18971	2025-12-05	Dynamical Modeling of Behaviorally Relevant Spatiotemporal Patterns in Neural Imaging Data 2025-Jul, Proceedings of machine learning research PMID:41321375	研究论文	提出了一种名为SBIND的数据驱动深度学习框架，用于建模神经成像数据中的时空依赖性，并分离行为相关动态	SBIND框架能有效识别大脑中的局部和远程空间依赖性，同时分离行为相关的神经动态，优于现有模型在神经-行为预测方面的表现	NA	理解大脑活动与行为之间的关系	神经成像数据，包括宽场钙成像和功能性超声成像	机器学习	NA	宽场钙成像，功能性超声成像	深度学习	图像	NA	NA	NA	神经-行为预测准确性	NA
18972	2025-12-05	A Hybrid CNN-Transformer Network for fMRI-Based Feature Encoding in Alzheimer's Disease Classification 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253167 PMID:41335632	研究论文	本研究提出了一种用于fMRI特征编码的混合CNN-Transformer网络，并在阿尔茨海默病分类任务中验证了其有效性	设计了一种专门针对3D MRI的Transformer注意力块，结合3D位置编码增强空间特征建模，并构建级联Transformer模块整合不同时间点的空间特征，以建模脑活动的动态变化	NA	解决fMRI高维性和时间复杂性带来的特征表示挑战，提升阿尔茨海默病分类性能	功能磁共振成像数据	计算机视觉	阿尔茨海默病	功能磁共振成像	CNN, Transformer	图像	NA	NA	3D CNN, Transformer	NA	NA
18973	2025-12-05	Style Transfer as Data Augmentation: Evaluating Unpaired Image-to-Image Translation Models in Mammography 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253212 PMID:41335642	研究论文	本文评估了在乳腺X线摄影中使用无配对图像到图像转换模型（如CycleGAN和SynDiff）进行风格转移作为数据增强的方法，以提高深度学习模型的泛化能力	提出了评估风格转移算法性能的关键方面，比较了CycleGAN和扩散模型SynDiff在乳腺X线摄影数据上的表现，并分析了不同评估指标的优缺点	未提供具体模型性能的定量结果，且评估依赖于无配对数据，缺乏真实标签作为基准	评估无配对图像到图像转换模型在乳腺X线摄影中作为数据增强技术的效果，以提高乳腺癌检测模型的泛化能力	乳腺X线摄影图像（X射线图像）	计算机视觉	乳腺癌	图像到图像转换	GAN, 扩散模型	图像	NA	NA	CycleGAN, SynDiff	NA	NA
18974	2025-12-05	Edge-Enabled Pre-Ictal Activity Prediction Framework Using Geometric Deep Learning 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253214 PMID:41335673	研究论文	本文提出了一种基于几何深度学习的边缘设备预发作活动预测框架，用于癫痫发作预测	利用Brain Network Transformer (BNT) 分析基于EEG的脑连接性来检测预发作状态，相比传统深度学习方法提供了可解释性，并实现了在边缘设备上的实时部署	NA	开发一个高效、实时的癫痫发作预发作阶段预测系统，以通过及时干预改善患者预后	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	几何深度学习	EEG信号	CHB-MIT数据集	NA	Brain Network Transformer (BNT)	准确率, 接收者操作特征曲线下面积	Nvidia Jetson Xavier NX边缘设备
18975	2025-12-05	A Two-Stage Deep Learning Approach for EEG Artifact Removal and Classification: Towards Reliable Wearable Applications 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254976 PMID:41335679	研究论文	本文提出了一种用于EEG伪迹去除和分类的两阶段深度学习方法，旨在提高可穿戴EEG应用的可靠性	提出了一种新颖的两阶段方法，结合了改进的IC-UNet架构进行伪迹去除和改进的VGGNet进行伪迹类型识别，并引入了基于学习阈值的自动触发分类机制	研究仅针对受控的眼眨和扫视运动任务进行评估，未涵盖更广泛的伪迹类型或真实世界复杂场景	开发一种可靠的EEG伪迹去除和分类系统，以支持可穿戴EEG设备的连续监测和混合脑机接口系统	执行受控眼眨和扫视运动任务的受试者的EEG信号	机器学习	NA	EEG信号处理	深度学习	EEG信号	620个案例	NA	IC-UNet, VGGNet	准确率, 相关系数	NA
18976	2025-12-05	Gaussian Process-driven Hidden Markov Models for Early Diagnosis of Infant Gait Anomalies 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254881 PMID:41335700	研究论文	本文提出了一种基于高斯过程驱动的隐马尔可夫模型，用于早期诊断婴儿步态异常	结合多输出高斯过程与隐马尔可夫模型，以捕捉婴儿步态的高变异性与周期性动态，并提供不确定性量化	未明确提及模型在更大样本或不同疾病类型婴儿中的泛化能力	开发自动识别婴儿步态异常的方法，以支持早期神经运动障碍的诊断与干预	患有或未患有神经运动障碍的婴儿步态数据	机器学习	神经运动障碍	步态分析	高斯过程, 隐马尔可夫模型	步态信号	包含患有和未患有神经运动障碍婴儿的数据集，具体数量未明确	NA	多输出高斯过程, 隐马尔可夫模型	准确性, 方差解释, 时间对齐	NA
18977	2025-12-05	Attribute-Aware Adversarial Domain Augmentation for Zero-Shot Medical Domain Adaptation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254904 PMID:41335704	研究论文	本文提出了一种属性感知对抗域增强方法，用于零样本医学域适应，以提升诊断模型在未见域上的性能	提出AAADA方法，利用目标属性信息通过对抗性探索生成合成数据，有效捕捉目标域特征，从而优化模型决策边界	NA	解决深度学习医疗诊断在分布外场景中的不可靠预测问题，实现零样本域适应	医疗数据，特别是基于患者属性（如年龄）的多样化域	机器学习	NA	对抗性域增强	深度学习模型	健康检查数据集	大规模健康检查数据集	NA	NA	诊断准确率	NA
18978	2025-12-05	Automatic Identification of Anatomical Locations for Bone Abnormalities in CT Imaging: A Multiplanar YOLOv5 Detection Approach 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254481 PMID:41335747	研究论文	本文提出了一种基于多平面YOLOv5的CT图像中骨骼异常解剖位置自动识别方法	采用三个2D YOLOv5l模型在轴状面、冠状面和矢状面上进行预测，为骨骼异常定位提供了一种可替代3D分割模型的竞争性方案	在椎骨或肋骨的精确定位方面表现不如nnU-Net，但在预测可能的肋骨或椎骨范围时表现更优	开发一种自动检测和分类CT扫描中骨骼以确定异常解剖位置的方法	CT扫描中的骨骼组织，特别是肿瘤或溶骨性病变等骨骼异常	计算机视觉	骨骼疾病	CT成像	YOLOv5	图像	TotalSegmentator数据集（含合成溶骨性病变）和RibFrac数据集（含标注的肋骨骨折）	PyTorch	YOLOv5l	定位准确性	NA
18979	2025-12-05	Investigating Multiple Physical Priors in Deep Learning for Electrical Properties Reconstruction in MREPT 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254469 PMID:41335751	研究论文	本研究提出了一种融合多物理先验的深度学习框架，用于磁共振电特性断层成像中的电导率和介电常数重建，以提高重建精度和模型泛化能力	将梯度相似性、亥姆霍兹方程约束、复数运算以及旋度和拉普拉斯算子先验知识等物理约束集成到网络训练中，首次对多种物理先验进行了定量分析	未明确说明模型在更广泛数据集或不同成像条件下的泛化性能，也未详细讨论计算复杂度或实时性限制	提高基于深度学习的磁共振电特性断层成像方法的可靠性和泛化能力，以促进其临床应用	人类头部的电导率和介电常数重建	医学影像分析	NA	磁共振电特性断层成像	深度学习	磁共振图像	NA	NA	NA	重建精度，模型泛化能力	NA
18980	2025-12-05	Deep Learning Assessment of Epicardial Adipose Tissue: New Perspectives on Major Adverse Cardiac Events Prediction 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254457 PMID:41335772	研究论文	本研究开发了一种基于自编码器的深度学习架构，用于重建心外膜脂肪组织的心脏磁共振图像并提取特征，以预测主要不良心脏事件	首次提出使用自编码器从心外膜脂肪组织图像中提取代表性特征，并结合多种特征选择方法和分类器构建MACE预测模型	样本量相对较小（仅90名患者用于分析），且为初步研究结果，需要更大规模的外部验证	开发基于深度学习的模型，利用心外膜脂肪组织图像特征预测主要不良心脏事件的发生	心外膜脂肪组织的心脏磁共振图像	医学影像分析	心血管疾病	心脏磁共振成像	自编码器, 支持向量机, 逻辑回归, 梯度提升	医学图像	251名患者的图像用于自编码器训练，其中90名患者（45名MACE患者和45名无事件患者）用于后续分析	NA	自编码器	准确率, 敏感性, 特异性	NA