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
1901	2025-10-06	Bone-tissue decomposition of a single X-ray image via solving a Laplace equation 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20016 PMID:40955305	研究论文	提出一种通过求解拉普拉斯方程从单张X射线图像中虚拟分解骨骼和软组织成分的创新方法	建立了将X射线图像分解为骨骼和软组织成分的新型数学模型，并通过合理假设简化为标准拉普拉斯方程	NA	提升X射线图像中骨骼结构的可见度和对比度	X射线医学图像	医学影像处理	骨骼疾病	X射线成像	数学模型	X射线图像	NA	数值求解器	拉普拉斯方程	处理速度（每秒880万像素）	笔记本电脑
1902	2025-10-06	Deep learning-based Alzheimer's disease detection using magnetic resonance imaging and gene expression data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330085 PMID:40824894	研究论文	本研究开发了一种基于深度学习的阿尔茨海默病诊断模型，融合磁共振成像和基因表达数据	提出混合TWIN-Performer特征提取模型处理MRI数据，采用注意力机制特征融合方法，并集成多种分类器提升诊断性能	未明确说明数据集的样本规模和多样性限制	开发可解释的阿尔茨海默病早期诊断人工智能模型	认知正常(CN)和阿尔茨海默病(AD)患者	医学人工智能	阿尔茨海默病	磁共振成像(MRI), 基因表达分析	CNN, Transformer, 集成学习	图像, 基因表达数据	NA	NA	MobileNet V3, EfficientNet B7, TWIN-Performer	AUROC	NA
1903	2025-10-06	Enhancing predictive analytics in mandibular third molar extraction using artificial intelligence: A CBCT-Based study 2024-Dec, The Saudi dental journal DOI:10.1016/j.sdentj.2024.11.007 PMID:40952877	研究论文	本研究开发了一种基于CBCT报告的人工智能预测模型，用于预测下颌第三磨牙拔除的难度	首次将基于规则的NLP算法与深度学习神经网络相结合，从CBCT报告中自动提取特征并预测拔牙难度	回顾性研究设计，样本量相对有限（738例CBCT报告）	开发AI驱动的预测模型来评估下颌第三磨牙拔除的复杂性	下颌第三磨牙的CBCT影像报告	自然语言处理	口腔疾病	CBCT（锥形束CT）	深度学习神经网络	文本数据（CBCT报告）	738份CBCT报告（训练集556份，验证集182份）	NA	深度学习神经网络	准确率, 精确率, 召回率, F1分数	NA
1904	2025-10-06	Human microscopic vagus nerve anatomy using deep learning on 3D-MUSE images 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009682 PMID:40949787	研究论文	本研究使用深度学习技术对3D-MUSE图像中的人类迷走神经进行微观解剖分析，旨在构建首个迷走神经连接组	开发了3D-MUSE成像技术用于迷走神经微观解剖研究，并首次应用多种深度学习模型进行自动分割	训练样本数量有限（仅25张标注图像），需要更多样本进一步提升模型性能	构建人类迷走神经连接组以支持神经调控治疗的建模	人类迷走神经微观解剖结构	数字病理学	NA	3D-MUSE成像技术	CNN, Transformer	3D显微图像	25张手动标注图像和200张未标注图像	NA	U-Net, Attention U-Net, Vision Transformer, U-Net Transformer	Dice系数	NA
1905	2025-10-06	PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3407351 PMID:39050971	研究论文	提出一种名为PseudoCell的目标检测框架，用于在数字病理全切片图像中自动检测中心母细胞	通过将困难负样本挖掘作为伪标记策略，减少对病理学家精细标注的依赖	未明确说明模型在多样化数据集上的泛化能力	开发自动化的中心母细胞检测方法以辅助滤泡性淋巴瘤分级	数字病理全切片图像中的中心母细胞	数字病理	滤泡性淋巴瘤	深度学习，细胞形态特征分析	目标检测模型	全切片图像	NA	NA	NA	组织区域排除率(58.18-99.35%)	NA
1906	2025-10-06	UKSSL: Underlying Knowledge Based Semi-Supervised Learning for Medical Image Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3305190 PMID:38899016	研究论文	提出一种基于底层知识的半监督学习框架UKSSL，用于医学图像分类	通过MedCLR从未标记数据中提取特征表示，结合UKMLP利用有限标记数据进行微调，在仅使用50%标记数据的情况下性能优于完全监督方法	NA	解决医学图像分析中标记数据稀缺的问题，提高有限标记数据下的分类性能	医学图像分类	计算机视觉	肺癌	深度学习	半监督学习	医学图像	LC25000和BCCD数据集，使用50%标记数据	NA	MedCLR, UKMLP	准确率, 精确率, 召回率, F1分数	NA
1907	2025-10-06	Simultaneous EEG-fNIRS Data Classification Through Selective Channel Representation and Spectrogram Imaging 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448457 PMID:39247844	研究论文	提出一种多模态DenseNet融合模型，通过将EEG数据转换为二维图像并与fNIRS特征融合，提升脑机接口中EEG-fNIRS数据的分类性能	通过短时傅里叶变换将EEG数据转换为二维图像，结合选择性通道表示和频谱图成像技术，有效整合EEG的时间丰富性和fNIRS的空间特异性	NA	解决EEG-fNIRS数据融合中特征选择效率低的问题，提升脑机接口的分类准确性和多功能性	脑电图（EEG）和功能性近红外光谱（fNIRS）数据	脑机接口	神经诊断与康复	短时傅里叶变换，频谱熵特征提取	深度学习	EEG信号，fNIRS信号，二维图像	两个公共数据集	NA	多模态DenseNet融合模型（MDNF）	分类准确率	NA
1908	2025-10-06	Deep Learning and fMRI-Based Pipeline for Optimization of Deep Brain Stimulation During Parkinson's Disease Treatment: Toward Rapid Semi-Automated Stimulation Optimization 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448392 PMID:39247846	研究论文	提出一种基于深度学习和fMRI的深度脑刺激优化流程，用于帕金森病治疗	将深度脑刺激优化时间从约1年缩短至数小时，实现快速半自动化参数优化	研究基于39名先前临床优化的患者数据，样本量有限	优化帕金森病治疗中的深度脑刺激参数设置	39名接受深度脑刺激治疗的帕金森病患者	医学影像分析	帕金森病	fMRI，血氧水平依赖功能磁共振成像	自编码器，多层感知机	fMRI影像数据	122个fMRI数据集，来自39名患者	NA	自编码器，多层感知机	准确率，精确率，召回率，F1分数，AUC	NA
1909	2025-10-06	Masked Modeling-Based Ultrasound Image Classification via Self-Supervised Learning 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3374966 PMID:38606402	研究论文	提出一种基于掩码建模的自监督学习方法用于超声图像分类	设计了三种掩码策略（随机、垂直、水平掩码）的预训练方法，并提出新的困难样本挖掘策略	未提及方法在更大规模数据集上的泛化能力	解决超声图像分类中标注数据稀缺和困难样本问题	超声图像数据	计算机视觉	NA	自监督学习	深度学习	图像	在两个数据集上进行实验	NA	掩码建模	分类性能	NA
1910	2025-10-06	Predictive modelling of brain disorders with magnetic resonance imaging: A systematic review of modelling practices, transparency, and interpretability in the use of convolutional neural networks 2023-12-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26521 PMID:37909364	系统综述	对使用卷积神经网络和MRI数据进行脑部疾病预测建模的研究实践、透明度和可解释性进行系统性评估	首次系统评估脑部疾病CNN预测建模的方法学差异，并提出改善临床整合的具体建议	仅纳入55项研究，可能未涵盖所有相关文献；定性分析可能受主观判断影响	评估基于CNN的脑部疾病MRI预测建模的方法学质量并提出改进建议	55项使用CNN和MRI数据进行脑部疾病预测建模的研究	医学影像分析	脑部疾病	结构磁共振成像	CNN	MRI图像	NA	NA	NA	NA	NA
1911	2025-10-06	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	对心胸影像领域中机器学习和深度学习应用的范围综述	系统性地梳理了心胸影像领域ML/DL研究的整体格局，特别关注了COVID-19大流行对该领域的影响	作为范围综述，主要提供领域概览而非深入的技术分析	了解ML/DL在快速发展的心胸影像领域中的应用现状	心胸影像相关的医学文献	医学影像分析	心胸疾病	NA	机器学习,深度学习	医学影像	NA	NA	NA	NA	NA
1912	2025-10-06	Integration of coagulation parameters Enhances deep Learning-Based survival prediction in High-Grade serous ovarian Cancer: A comprehensive prognostic model 2026-Jan-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120512 PMID:40738419	研究论文	开发并验证了一个整合凝血参数和临床病理因素的深度学习生存预测模型用于高级别浆液性卵巢癌	首次将凝血参数（特别是D-二聚体水平）与传统预后因素结合到机器学习模型中，提高了生存预测的准确性	需要进一步的前瞻性验证研究	开发改进的高级浆液性卵巢癌预后预测模型	高级别浆液性卵巢癌患者	机器学习	卵巢癌	机器学习算法	深度学习	临床数据,分子数据,凝血参数	216例训练患者+108例外部验证患者	NA	NA	时间依赖性AUC,一致性指数,校准曲线	NA
1913	2025-10-06	HCNS:A deep learning model for identifying essential proteins based on hypergraph convolution and sequence features 2025-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115949 PMID:40783109	研究论文	提出一种基于超图卷积和序列特征的深度学习模型HCNS，用于准确识别必需蛋白质	首次将超图卷积网络与多模态序列特征提取相结合，同时考虑蛋白质相互作用网络的复杂结构关系和蛋白质氨基酸序列信息	NA	提高必需蛋白质识别的准确性	必需蛋白质	生物信息学	NA	蛋白质相互作用网络分析，蛋白质序列分析	HGCN, CNN, Bi-LSTM, Transformer, MLP	蛋白质相互作用网络数据，蛋白质复合物数据，蛋白质氨基酸序列数据	NA	NA	超图卷积网络，卷积神经网络，双向长短期记忆网络，多头自注意力机制，NAG Transformer，多层感知机	准确率，AUC，AUPR	NA
1914	2025-10-06	Deep learning-enabled fluorescence imaging for oral cancer margin classification in preclinical models 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34109 PMID:40949530	研究论文	本研究开发了一种结合深度学习与空间频率域成像的系统，用于口腔癌手术边界的亚表面深度量化评估	首次将深度学习与空间频率域成像结合，实现了对荧光标记物亚表面深度的精确量化，突破了传统荧光成像无法量化亚表面结构的限制	研究主要基于模拟数据和体外组织验证，尚未进行临床人体试验验证	开发一种能够术中评估口腔癌三维手术标本边界的新方法	口腔癌肿瘤边界、荧光标记物	数字病理	口腔癌	空间频率域成像、荧光成像	CNN	图像	模拟数据集、患者来源的舌肿瘤形状模拟数据、体模数据集、离体动物组织	NA	ResNet, U-Net	深度预测误差、浓度预测误差	NA
1915	2025-10-06	MLSPred-bench: Transforming electroencephalography (EEG) datasets into machine learning-ready epileptic seizure prediction benchmarks 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103574 PMID:40949826	研究论文	开发了一种将癫痫检测用EEG数据集转换为适用于癫痫发作预测的机器学习就绪基准数据的方法	提出了首个能够将现有癫痫检测数据集转换为预测任务就绪数据的系统方法，并生成了12个包含不同预测参数的基准数据集	方法依赖于现有检测数据集的标注质量，转换过程中可能引入标注误差	解决癫痫发作预测任务中缺乏合适标注数据的问题	脑电图(EEG)数据集	机器学习	癫痫	脑电图(EEG)	多种机器学习和深度学习模型	时间序列脑电信号	生成超过150GB的机器学习就绪数据，包含12个基准数据集	NA	NA	准确率	NA
1916	2025-10-06	Design of an iterative hybrid multimodal deep learning method for early skin disease detection with cross-attention and graph-based fusions 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103584 PMID:40949827	研究论文	提出一种用于早期皮肤病检测的迭代混合多模态深度学习框架，融合皮肤镜图像、传感器时序信号和临床文本数据	结合多头交叉注意力机制和图注意力网络，同时优化空间细节、时间动态和临床上下文的多模态特征交互	NA	早期皮肤病检测	皮肤病患者的多模态数据	计算机视觉,自然语言处理,机器学习	皮肤病	皮肤镜检查,传感器监测,临床记录分析	CNN,BiLSTM,Transformer,GAT	图像,时间序列信号,文本	NA	NA	EfficientNet-B4,BiLSTM,ClinicalBERT,Graph Attention Network	准确率,F1分数	NA
1917	2025-10-06	Umami-Transformer: A deep learning framework for high-precision prediction and experimental validation of umami peptides 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145905 PMID:40848351	研究论文	开发了一种基于Transformer架构的深度学习框架Umami-Transformer，用于高精度预测鲜味肽并进行实验验证	首次将Transformer架构与八种物理化学描述符相结合用于鲜味肽预测，并通过实验验证预测结果	仅研究了二肽至五肽，未涉及更长的肽链	开发高效准确的鲜味肽预测方法，克服传统方法效率低和人工评估主观性强的问题	鲜味肽（二肽至五肽）	自然语言处理	NA	分子对接，感官分析，电子舌分析	Transformer	肽序列数据，物理化学描述符	所有二肽至五肽，合成四种预测得分最高的肽（DD, DDE, DDED, DDEDD）	NA	Transformer	准确率，F1分数，马修斯相关系数	NA
1918	2025-10-06	Deep learning-derived optimal annotation strategies to power the systematic mapping of peptide space 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145437 PMID:40639248	研究论文	本文探讨深度学习在肽段识别技术中的应用，提出优化注释策略以提升肽段空间系统映射效率	结合Prosit、pDeep等MS/MS谱图预测工具与数据库搜索，并融合图论与卷积神经网络等深度学习模型实现质谱数据的高效判别	未提及具体实验数据规模与模型泛化能力验证	提升肽段识别方法的效率与准确性，推动蛋白质组学发展	质谱数据中的肽段序列	机器学习	NA	串联质谱、数据依赖性采集(DDA)、数据非依赖性采集(DIA)	深度神经网络, 卷积神经网络	质谱数据	NA	NA	NA	召回率, 精确度	NA
1919	2025-10-06	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	本文提出了两种新型无监督异常检测方法用于时空传感器数据，并开发了集成两种方法优势的融合框架	开发了基于降秩高斯过程的动态贝叶斯时空模型和基于注意力机制的时空LSTM深度学习架构，并提出融合两种方法优势的集成方法	主要针对高度结构化的河流传感器网络数据，对其他类型时空数据的适用性需要进一步验证	开发高效的时空异常检测方法以提高环境和水质监测数据的可靠性	河流传感器网络收集的时空序列数据	机器学习	NA	传感器网络监测	贝叶斯模型,LSTM	时空序列数据	NA	NA	降秩高斯过程,时空注意力LSTM	准确率,计算效率	NA
1920	2025-10-06	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新型四模态深度神经网络，利用Sentinel-2卫星影像估算连云港湖泊水库的叶绿素a浓度	提出了基于多模态学习概念的四模态深度神经网络，整合了双波段、三波段和四波段光谱特征组合以及辅助时空环境变量	研究区域仅限于连云港市的湖泊水库，样本数量相对有限（测试集N=197）	开发有效的叶绿素a浓度估算模型，支持水质评估和湖泊管理	连云港市湖泊水库的叶绿素a浓度	遥感监测	水体富营养化	卫星遥感，多模态学习	深度神经网络	卫星影像，现场测量数据，环境变量	测试集197个样本，数据时间跨度为2017-2024年	NA	四模态深度神经网络	R², MAE, RMSE	NA