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
1941	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
1942	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
1943	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
1944	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
1945	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
1946	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
1947	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
1948	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
1949	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
1950	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
1951	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
1952	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
1953	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
1954	2025-10-06	Multi-scenario simulation of future marine microplastic distribution under data scarcity: A deep learning approach 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124233 PMID:40701050	研究论文	提出一种结合小样本学习和Transformer架构的深度学习框架CGMAT，用于预测未来海洋微塑料分布	首次将小样本学习与Transformer架构结合应用于海洋微塑料分布预测，解决了数据稀缺条件下的预测挑战	预测结果显示出显著的地区差异，模型在不同海域的适用性需要进一步验证	评估未来海洋微塑料丰度趋势，为微塑料污染治理提供科学依据	台湾海峡和挪威沿海水域的海洋微塑料分布	机器学习	NA	深度学习	Transformer, 图注意力网络	海洋观测数据	台湾海峡和挪威沿海水域的异构数据集	深度学习框架	跨域多图注意力网络(CGMAT), Transformer	解释方差得分(EVS), 平均绝对百分比误差(MAPE)	NA
1955	2025-10-06	Sequence and Structure-based Prediction of Allosteric Sites 2025-Oct-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测计算方法及其在合理药物设计中的应用	强调多模态数据整合和可解释深度学习模型在改进变构位点预测和合理药物设计中的潜力	临床应用的变构药物仍然有限，面临计算方法和实验验证的挑战	促进对变构机制的理解并推动变构药物设计	蛋白质变构位点、变构药物	计算生物学	NA	计算方法、深度学习	深度学习模型	蛋白质序列、蛋白质结构	NA	NA	NA	NA	NA
1956	2025-10-06	Prediction of water quality parameters and pollution exceedance analysis in typical rivers of semi-arid regions based on interpretable deep learning models 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126801 PMID:40639737	研究论文	基于可解释深度学习模型预测半干旱地区典型河流水质参数并进行污染超标分析	提出可解释的注意力门控循环单元模型，结合SHAP分析增强预测结果的可解释性和可靠性	模型在高度污染条件下气象因素影响有限，主要针对半干旱地区河流	提高水质预测精度和结果透明度，支持针对性污染控制和水质管理	半干旱地区大黑河流域的水质、气象和水文数据	机器学习	NA	水质监测、气象观测、水文测量	AT-GRU（注意力门控循环单元）	水质数据、气象数据、水文数据	NA	NA	AT-GRU	相关系数R	NA
1957	2025-10-06	Deep learning-based screening approach for priority pollutants: a case study on retired power battery recycling 2025-Oct-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126849 PMID:40683377	研究论文	本研究提出了一种基于深度学习的优先污染物筛选框架，应用于退役动力电池回收过程	结合深度学习算法与层次聚类分析构建了污染物优先排序新方法，开发了基于五种深度学习方法的集成模型McA	研究仅针对退役动力电池回收场景，方法在其他污染物筛查领域的适用性需要进一步验证	开发高效的污染物优先排序方法以识别和评估退役动力电池回收过程中的环境风险	退役动力电池回收过程中可能产生的污染物	机器学习	NA	深度学习，层次聚类分析	集成学习模型	污染物特征数据	NA	NA	McA集成模型	R, MSE, MAE	NA
1958	2025-10-06	Deep learning-based prediction of cervical canal stenosis from mid-sagittal T2-weighted MRI 2025-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04917-2 PMID:40152984	研究论文	开发基于深度学习的模型从矢状位T2加权MRI预测颈椎管狭窄	建立了大规模退行性颈椎病队列，并首次使用深度学习模型从矢状位T2加权MRI预测颈椎管狭窄	单中心回顾性研究，未结合人口统计学特征提升模型性能	开发深度学习模型用于从MRI图像预测颈椎管狭窄	接受颈椎MRI检查的患者	医学影像分析	颈椎病	T2加权MRI	CNN	医学图像	7645名合格患者（6880名训练，765名测试）	NA	ResNet50,VGG16,MobileNetV3,EfficientNetV2	AUC,准确率,灵敏度,特异性	NA
1959	2025-10-06	A deep learning model with interpretable squeeze-and-excitation for automated rehabilitation exercise assessment 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03372-4 PMID:40327204	研究论文	提出一种基于可解释挤压激励机制的深度学习模型，用于自动化康复训练评估	结合CNN-SE架构与灰狼优化算法进行参数优化，并首次在康复评估中应用SHAP进行模型决策可解释性分析	NA	开发自动化康复训练评估系统以替代传统治疗师人工评估	患有运动功能障碍的患者（如中风、背痛、帕金森病、脊髓损伤）及健康参与者	计算机视觉	神经系统疾病	深度学习	CNN	运动数据	KIMORE和UI-PRMD数据集中的健康与不健康参与者	NA	CNN-SE（卷积神经网络-挤压激励）	平均绝对偏差	NA
1960	2025-10-06	Deep learning assisted identification of SCUBE2 and SLC16 A5 combination in RNA-sequencing data as a novel specific potential diagnostic biomarker in prostate cancer 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03365-3 PMID:40335872	研究论文	本研究应用深度学习模型从三个转录组数据集中识别前列腺癌的新型诊断生物标志物	首次发现SCUBE2作为前列腺癌潜在诊断生物标志物，并证明SCUBE2与SLC16A5组合可显著提升诊断准确性	SCUBE2在前列腺癌中的功能尚未深入探索，需要进一步实验验证	开发更精确特异的前列腺癌诊断方法	前列腺癌转录组数据	生物信息学	前列腺癌	RNA测序	深度学习	基因表达数据	三个转录组数据集中的68个差异表达基因	NA	NA	准确率,R值,PR-AUC,AUC,敏感性,特异性	NA