深度学习在生物医药领域中的应用

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
4641	2025-05-09	Hybrid-RViT: Hybridizing ResNet-50 and Vision Transformer for Enhanced Alzheimer's disease detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318998 PMID:39951414	research paper	开发了一种名为Hybrid-RViT的新型深度学习模型，用于增强阿尔茨海默病的检测	结合了预训练的卷积神经网络ResNet-50和Vision Transformer (ViT)，以分类不同阶段的阿尔茨海默病脑部MRI图像	NA	提高阿尔茨海默病的早期检测准确率，以预防疾病进展并制定有效治疗方案	脑部MRI图像	digital pathology	geriatric disease	deep learning	Hybrid-RViT (ResNet-50 + ViT)	image	NA
4642	2025-05-09	Fast fault diagnosis of smart grid equipment based on deep neural network model based on knowledge graph 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315143 PMID:39951439	研究论文	本文提出了一种基于知识图谱和深度神经网络模型的智能电网设备快速故障诊断方法	创新性地将YOLOv4目标检测算法与知识图谱结合，统一了输入多模态信息的表征和存储	未提及具体实验样本量和在不同类型设备上的泛化能力	提高智能电网设备故障诊断的准确率和效率	智能电网设备	机器学习	NA	深度学习、知识图谱	YOLOv4	多模态信息	未提及具体样本量
4643	2025-05-09	The multiple uses of artificial intelligence in exercise programs: a narrative review 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1510801 PMID:39957989	综述	本文综述了人工智能在促进体育活动、训练、运动和健康结果中的应用	阐明了人工智能在体育活动中的多种应用，填补了实际应用理解的空白	仅包括2014年以后发表的英文随机对照试验，排除了机器人辅助的研究	探讨人工智能在体育活动、训练、运动和健康结果中的应用	儿童、青少年、成人、老年人和残疾人等不同人群	机器学习	NA	人工智能、机器学习和深度学习	NA	NA	15项符合条件的研究
4644	2025-05-09	A preoperative predictive model based on multi-modal features to predict pathological complete response after neoadjuvant chemoimmunotherapy in esophageal cancer patients 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1530279 PMID:39958355	research paper	本研究旨在开发一个多模态模型，结合治疗前的CT影像组学、病理组学特征及临床变量，预测局部晚期食管癌患者对新辅助化疗免疫治疗的病理完全缓解	提出了一个结合影像组学、病理组学及临床特征的多模态预测模型，其预测性能优于单一模态模型	样本量相对较小（223例），且研究时间范围较短（2021年8月至2023年12月）	预测食管癌患者对新辅助化疗免疫治疗的病理完全缓解	局部晚期食管癌患者	digital pathology	esophageal cancer	CT影像组学、病理组学	SVM	image	223例食管癌患者
4645	2025-05-08	Aflatoxin detection in naturally contaminated peanuts based on vision transformer and multi-scale convolutional fusion 2025-Aug-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144300 PMID:40220445	research paper	提出了一种结合Vision Transformer和多尺度卷积融合的改进1D-MCFViT模型，用于自然条件下花生中黄曲霉毒素的检测	结合Vision Transformer和多尺度卷积融合，使用自编码器网络和高斯重采样技术增强模型特征判别能力	未提及具体样本量或实验条件的局限性	提高自然条件下花生中黄曲霉毒素的检测准确率	自然污染的花生	computer vision	NA	autoencoder network, Gaussian resampling	1D-MCFViT, Vision Transformer, CNN	RGB图像, 光谱曲线	NA
4646	2025-05-08	From prediction to design: Revealing the mechanisms of umami peptides using interpretable deep learning, quantum chemical simulations, and module substitution 2025-Aug-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144301 PMID:40233511	研究论文	本研究利用深度学习模型和模块替换策略筛选和设计鲜味肽	结合预训练、增强特征和对比学习模块的预测模型，准确率达到0.94，比其他模型高出2-9%，并通过模块替换策略揭示鲜味肽的机制	NA	快速筛选和设计鲜味肽，并揭示其机制	鲜味肽	自然语言处理	NA	深度学习、量子化学模拟、模块替换	深度学习模型	NA	NA
4647	2025-05-08	A deep learning model for structure-based bioactivity optimization and its application in the bioactivity optimization of a SARS-CoV-2 main protease inhibitor 2025-Jul-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2025.117602 PMID:40239482	研究论文	本文提出了一种基于深度学习的结构生物活性优化模型Pocket-StrMod，并将其应用于SARS-CoV-2主要蛋白酶抑制剂的生物活性优化	开发了Pocket-StrMod模型，采用自回归流架构，在蛋白质结合口袋内同步优化所有取代基，显著提高了生物活性优化的效率和效果	模型的应用范围可能受限于特定蛋白质结合口袋的结构特征	通过深度学习技术优化药物发现早期阶段的生物活性	SARS-CoV-2主要蛋白酶抑制剂Hit1及其优化后的化合物	药物发现	COVID-19	深度学习	自回归流架构	分子结构数据	6个合成化合物
4648	2025-05-08	A lightweight spatial and spectral CNN model for classifying floating marine plastic debris using hyperspectral images 2025-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117965 PMID:40252351	研究论文	提出了一种轻量级的空间和光谱CNN模型（LSS-HCNN），用于利用高光谱图像对漂浮的海洋塑料垃圾进行分类	LSS-HCNN模型通过空间和光谱卷积提取特征，并结合Squeeze-and-Excitation（SE）块提高可解释性，显著降低了计算复杂度和参数数量	未提及具体局限性	开发高效且自动化的海洋塑料垃圾检测方法，以应对海洋塑料污染问题	漂浮的海洋塑料垃圾	计算机视觉	NA	高光谱成像	CNN	高光谱图像	三个高光谱数据集和四个专门的漂浮塑料数据集，包括一个新的塑料垃圾数据集
4649	2025-05-08	Discovery of naturally inspired antimicrobial peptides using deep learning 2025-Jun-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108444 PMID:40209356	研究论文	利用深度学习发现天然启发的抗菌肽	使用深度学习算法从216,408个细菌基因组中挖掘NRPS基因簇，发现并优化了具有抗菌活性的新型肽	研究仅针对两种病原菌进行了抗菌活性测试，未涵盖更广泛的病原菌种类	加速从沉默的生物合成基因簇中发现天然启发的抗菌肽	非核糖体肽（NRPs）及其衍生物	机器学习	细菌感染	深度学习	深度学习模型	基因组数据	216,408个细菌基因组中的335,024个NRPS基因簇
4650	2025-05-08	Automatic Vertical Root Fracture Detection on Intraoral Periapical Radiographs With Artificial Intelligence-Based Image Enhancement 2025-Jun, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.13027 PMID:39829209	研究论文	探索迁移学习技术在提高垂直根折诊断准确性中的应用，并评估人工智能在图像增强对垂直根折检测的影响	结合迁移学习技术和多种深度学习模型（DenseNet、ConvNext、Inception121、MobileNetV2）进行模型融合，并应用粒子群优化和深度学习图像增强技术	样本量相对较小（378张根尖周X光片），且仅针对磨牙和前磨牙进行了评估	提高垂直根折（VRF）在根尖周X光片上的自动检测准确性	根尖周X光片中的牙齿图像，包括195颗有折裂和183颗无折裂的牙齿	计算机视觉	牙科疾病	迁移学习（TL）、粒子群优化（PSO）、深度学习（DL）	DenseNet、ConvNext、Inception121、MobileNetV2	图像	378张根尖周X光片（195颗有折裂牙齿，183颗无折裂牙齿）
4651	2025-05-08	Automated Detection and Severity Prediction of Wheat Rust Using Cost-Effective Xception Architecture 2025-Jun, Plant, cell & environment DOI:10.1111/pce.15413 PMID:39898421	研究论文	提出了一种基于计算机视觉的小麦锈病自动检测和严重程度预测方法	使用深度学习分类器和Grabcut分割技术，结合CIELAB色彩空间分析，开发了一种低成本、自动化的田间小麦锈病筛查解决方案	未提及该方法在不同光照条件或不同小麦品种上的泛化能力	开发自动化的小麦锈病检测和严重程度预测方法，以改善作物病害管理	小麦叶片（健康和感染锈病的）	计算机视觉	小麦锈病	深度学习、图像分割	Xception架构	数字彩色图像	未明确提及样本数量
4652	2025-05-08	Deep learning-driven multi-class classification of brain strokes using computed tomography: A step towards enhanced diagnostic precision 2025-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112109 PMID:40252282	研究论文	开发并验证了利用CT成像预测和分类脑卒中状况的深度学习模型，以提高诊断准确性并支持临床决策	使用Expanded ResNet101深度学习框架构建两步模型，实现了脑卒中的多类分类，并在外部验证中展示了高准确率	外部验证准确率相对较低（78.6%和60.2%），且需要更大规模和多样化的数据集进一步验证	提高脑卒中的诊断精确性并支持临床决策	脑卒中患者的CT影像	数字病理学	脑卒中	CT成像	Expanded ResNet101	图像	250名患者的8186张CT影像
4653	2025-05-08	Quality prediction of seabream Sparus aurata by deep learning algorithms and explainable artificial intelligence 2025-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143150 PMID:39923522	研究论文	本研究使用深度学习算法和可解释人工智能技术预测海鲷鱼的新鲜度	结合CNN、DenseNet121等深度学习模型与Grad-CAM、LIME等XAI算法，开发了一种非破坏性的海鲷鱼新鲜度检测方法	仅针对冰箱储存条件下的海鲷鱼进行研究，未涉及其他储存条件或鱼类品种	开发基于图像分析的鱼类新鲜度自动检测技术	海鲷鱼（Sparus aurata）的眼睛和鳃部图像	计算机视觉	NA	深度学习、可解释人工智能（XAI）	CNN, DenseNet121, Inception V3, ResNet50	图像	NA
4654	2025-05-08	SERS based determination of ceftriaxone, ampicillin, and vancomycin in serum using WS2/Au@Ag nanocomposites and a 2D-CNN regression model 2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125850 PMID:39929115	research paper	开发了一种基于表面增强拉曼光谱（SERS）和二维卷积神经网络（2D-CNN）回归模型的快速检测新生儿败血症治疗中抗生素浓度的方法	结合超灵敏SERS与2D-CNN深度学习模型，实现了对复杂混合血清溶液中多种抗生素浓度的同时高精度预测	研究仅针对三种抗生素（头孢曲松、氨苄西林和万古霉素）进行了验证，未涵盖其他可能的治疗药物	开发一种快速、准确的抗生素治疗药物监测（TDM）方法，以优化新生儿败血症的治疗	头孢曲松、氨苄西林和万古霉素三种抗生素在血清中的浓度	machine learning	neonatal sepsis	surface-enhanced Raman spectroscopy (SERS)	2D-CNN	spectroscopic data	NA
4655	2025-05-08	Detection of Heavy Metal Copper Stress in Apple Rootstocks Using Surface-Enhanced Raman Spectroscopy 2025-May-07, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c00126 PMID:40264342	research paper	利用表面增强拉曼光谱（SERS）结合深度学习模型快速准确检测苹果砧木中的重金属铜胁迫水平	结合SERS与1D-SAE-CNN深度学习模型，实现了对苹果砧木中铜胁迫水平的快速准确分类	研究仅针对铜胁迫，未涉及其他重金属污染物的检测	开发一种快速准确检测苹果砧木中重金属铜胁迫水平的方法	苹果砧木	digital pathology	NA	表面增强拉曼光谱（SERS）、扫描电子显微镜-能谱分析（SEM-EDS）、微拉曼成像	一维堆叠自编码卷积神经网络（1D-SAE-CNN）	光谱数据、图像数据	10种常见铜胁迫浓度的苹果砧木样本
4656	2025-05-08	Single-microphone deep envelope separation based auditory attention decoding for competing speech and music 2025-May-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/add0e7 PMID:40280149	研究论文	本研究介绍了一种端到端的单麦克风深度学习系统，用于在竞争性语音和音乐设置中进行源分离和听觉注意解码（AAD）	直接在观察到的混合音频信号的包络上应用深度源分离，并通过深度刺激重建将分离后的包络与从脑电图（EEG）信号获得的包络进行比较	源分离在混合音乐和语音信号上表现较差，但AAD性能未受影响	开发一种用于源分离和听觉注意解码的深度学习系统	竞争性语音和音乐信号	机器学习	NA	深度刺激重建，Pearson相关	深度学习模型	音频信号，EEG信号	60秒EEG试验中提取的20秒时间窗口
4657	2025-05-08	Response to Letter: "Skin Cancer Detection Using Deep Learning Approaches" by Haque et al 2025-May-07, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2025.0122 PMID:40329831	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4658	2025-05-08	Deep learning-based prognostic assessment of polyploid giant cancer cells and mitotic figures in liver cancer 2025-May-07, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03360-8 PMID:40332632	研究论文	利用深度学习算法快速检测细胞水平特征，并结合生存分析建立肝癌症诊断和治疗的新型预后风险评估系统	结合细胞水平特征检测和生存分析，构建了一个全流程的计算系统，用于肝癌症的预后评估	样本量相对较小（172例肝癌症病例），可能影响模型的泛化能力	开发一个实用的肝癌症预后风险评估系统，以改善患者的预后和治疗计划	肝癌症患者	数字病理学	肝癌症	深度学习	CellFDet框架	病理图像	172例肝癌症病例，340张病理图像
4659	2025-05-08	A Survey and Evaluation of Adversarial Attacks in Object Detection 2025-May-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561225 PMID:40327472	综述	本文对目标检测中的对抗攻击进行了调查和评估，提出了分类框架并评估了现有攻击方法的有效性	提出了针对目标检测架构的对抗攻击分类框架，并对现有攻击方法进行了全面评估	未提出新的对抗攻击防御方法，主要关注现有攻击方法的评估和分类	评估目标检测系统中的对抗攻击脆弱性并提出分类框架	目标检测模型（包括传统检测器和现代视觉语言预训练检测器）	计算机视觉	NA	对抗攻击	传统目标检测器和现代视觉语言预训练检测器	图像	NA
4660	2025-05-08	AdvMixUp: Adversarial MixUp Regularization for Deep Learning 2025-May-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3562363 PMID:40327482	research paper	提出了一种名为AdvMixUp的新方法，通过结合对抗训练来生成更具挑战性的混合样本，以减少深度神经网络中的过拟合问题	AdvMixUp通过结合对抗训练生成样本依赖和特征级别的插值掩码，从而创建更接近决策边界的混合样本	未提及具体局限性	减少深度神经网络中的过拟合问题	深度神经网络（DNNs）	machine learning	NA	对抗训练（AT）	DNNs	image	CIFAR-10, CIFAR-100, Tiny-ImageNet, ImageNet数据集