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
41	2025-06-01	Asymmetric Braided Artificial Muscles with Precise Electrothermal Actuation Control Enabled by Deep Learning 2025-May-30, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c05636 PMID:40447577	研究论文	本研究提出了一种新型的不对称编织方法，结合碳纳米管纱线和液晶弹性体纤维，制造出电热纤维形状执行器，并通过深度学习提升其控制性能	采用Maypole编织机的不对称编织方法整合碳纳米管纱线与液晶弹性体纤维，以及应用LSTM模型提升执行器在多样化条件下的控制精度	未提及执行器在极端温度或长期使用下的性能稳定性	提升人工肌肉的执行性能和控制精度，以适应多样化操作环境	电热纤维形状执行器	柔性机器人	NA	Maypole编织技术，电热驱动	LSTM	执行器性能数据	NA
42	2025-06-01	HVAngleEst: A Dataset for End-to-end Automated Hallux Valgus Angle Measurement from X-Ray Images 2025-May-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05261-9 PMID:40447606	research paper	该论文介绍了HVAngleEst，一个用于从X射线图像中自动测量拇外翻角度的大规模开放数据集	首次提出了一个专为拇外翻角度估计设计的大规模开放数据集，包含全面的注释，支持全自动、端到端的角度测量	现有X射线数据集通常仅限于裁剪的足部区域图像，且公开可用的数据集样本量极少	开发一个用于自动测量拇外翻角度和跖骨间角度的大规模数据集，以支持深度学习算法的开发	拇外翻角度和跖骨间角度的测量	digital pathology	hallux valgus	deep learning	NA	X-ray images	1,382张X射线图像，来自1,150名患者
43	2025-06-01	Bayesian deep-learning structured illumination microscopy enables reliable super-resolution imaging with uncertainty quantification 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60093-w PMID:40447610	research paper	该研究开发了一种基于贝叶斯深度学习的结构光照明显微镜技术（BayesDL-SIM），用于提高超分辨率成像的可靠性和不确定性量化	提出了BayesDL-SIM方法，不仅提升了密集标记结构的重建质量，还能量化超分辨率成像中的不确定性，增强了成像的透明度和可靠性	NA	提高光学超分辨率成像的可靠性和不确定性量化，以促进科学发现	生物过程（如F-actin动力学和细胞骨架重组）的超分辨率成像	计算机视觉	NA	结构光照明显微镜（SIM）	Bayesian deep learning (BayesDL)	图像	NA
44	2025-06-01	Pixel super-resolved virtual staining of label-free tissue using diffusion models 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60387-z PMID:40447613	研究论文	本研究提出了一种基于扩散模型的像素超分辨率虚拟染色方法，用于将无标记组织的显微镜图像转换为等效的化学染色样本	利用布朗桥过程提升空间分辨率和保真度，显著减少生成图像的方差，实现更稳定和准确的输出	NA	提升无标记组织虚拟染色的分辨率和图像质量，增强临床诊断的可靠性	无标记人类肺组织样本的自动荧光图像	数字病理学	肺癌	扩散模型	扩散模型	图像	NA
45	2025-06-01	DeepDTAGen: a multitask deep learning framework for drug-target affinity prediction and target-aware drugs generation 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59917-6 PMID:40447614	研究论文	提出了一种多任务深度学习框架DeepDTAGen，用于预测药物-靶标亲和力并生成靶标感知的新药物	开发了一种新颖的多任务学习框架，能够同时预测药物-靶标结合亲和力并生成靶标感知的新药物变体，解决了现有方法单任务设计的局限性	未提及具体的数据集规模限制或模型泛化能力的局限性	加速药物发现和开发过程，提高药物-靶标相互作用预测和新药生成的效率	药物分子和靶标蛋白质	机器学习	NA	多任务深度学习	DeepDTAGen（多任务深度学习框架）	药物分子结构数据和靶标蛋白质构象动态数据	三个真实世界的数据集（未提及具体样本数量）
46	2025-06-01	Automated diagnosis for extraction difficulty of maxillary and mandibular third molars and post-extraction complications using deep learning 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00236-7 PMID:40447616	研究论文	本研究提出了一种基于深度学习的方法，用于自动预测上下颌第三磨牙的拔牙难度及拔牙后并发症	首次结合语义分割和分类模型，全面预测拔牙难度及并发症（如上颌窦穿孔和下牙槽神经损伤）	研究仅基于OPG影像数据，未考虑其他临床因素	开发一种自动化诊断系统，辅助临床医生术前评估第三磨牙拔牙难度和并发症风险	上下颌第三磨牙（M3）	数字病理	口腔疾病	深度学习	语义分割模型和分类模型	影像数据（OPG）	4,903张经过专家标注的全景片（OPG）
47	2025-06-01	Assessing and improving reliability of neighbor embedding methods: a map-continuity perspective 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60434-9 PMID:40447630	研究论文	本文通过引入LOO-map框架，评估并改进了邻域嵌入方法（如t-SNE和UMAP）的可靠性，解决了高维数据可视化中的误导性视觉伪影问题	提出了LOO-map框架，扩展了嵌入映射的范围，并开发了两种点级诊断分数来检测不可靠的嵌入点，改进了超参数选择	未明确提及具体的数据集规模或实验限制	评估和改进邻域嵌入方法的可靠性，以提高高维数据可视化的准确性	邻域嵌入方法（如t-SNE和UMAP）及其在高维数据可视化中的应用	机器学习	NA	邻域嵌入方法（t-SNE和UMAP）	LOO-map	高维数据	NA
48	2025-06-01	Upper limb human-exoskeleton system motion state classification based on semg: application of CNN-BiLSTM-attention model 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02864-5 PMID:40447649	研究论文	本研究基于表面肌电信号对上肢五种典型运动状态进行分类，以支持辅助上肢外骨骼的实时控制系统	提出了一种结合CNN、BiLSTM和注意力机制的深度学习模型，以提高复杂场景下运动状态识别的准确性	样本量较小（仅10名参与者），且未提及模型在不同人群或环境下的泛化能力	开发一种能够准确分类上肢运动状态的方法，以支持外骨骼控制系统的智能化	上肢运动状态（包括休息、轻度活动、快速运动、动态负重和静态负重）	机器学习	NA	表面肌电信号采集	CNN-BiLSTM-attention	表面肌电信号	10名参与者的肱二头肌、肱三头肌和三角肌数据
49	2025-06-01	MCOA: A Comprehensive Multimodal Dataset for Advancing Deep Learning in Corneal Opacity Assessment 2025-May-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05205-3 PMID:40447652	research paper	该研究建立了一个全面的角膜混浊多模态数据集，用于推进深度学习在角膜混浊评估中的应用	创建了目前最大规模的角膜混浊数据集，结合了AS-OCT图像和前段照片，为深度学习算法开发提供了高质量数据	未提及数据集的多样性或覆盖范围是否足够广泛	推进深度学习在角膜混浊识别和评估中的应用，支持AI驱动的临床决策和个性化治疗计划制定	角膜混浊患者	digital pathology	眼科疾病	AS-OCT	深度学习	图像	6,272张AS-OCT图像和392张前段照片
50	2025-06-01	Deep learning based motion correction in ultrasound microvessel imaging approach improves thyroid nodule classification 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02728-y PMID:40447670	研究论文	本文介绍了一种基于深度学习的运动校正技术，用于改善超声定量高清微血管成像（qHDMI）中的帧间运动伪影，从而提高甲状腺结节的分类准确性	提出了一种新颖的基于深度学习的运动校正技术，能够补偿甲状腺附近颈动脉搏动引起的帧间运动伪影，保留精细血管结构以提取更准确的生物标志物	NA	改善甲状腺结节的超声成像分类准确性	甲状腺结节	数字病理学	甲状腺疾病	超声定量高清微血管成像（qHDMI）	深度学习	图像	根据帧间相关值将数据集分为低运动和高运动病例
51	2025-06-01	Assessing the performance of domain-specific models for plant leaf disease classification: a comprehensive benchmark of transfer-learning on open datasets 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03235-w PMID:40447674	research paper	本文通过评估多种CNN模型在公开植物叶片病害数据集上的性能，旨在为植物病害分类任务确定最佳模型架构和数据集	首次对大量先进CNN模型在多种公开植物病害数据集上进行全面基准测试，为领域内模型选择提供依据	研究仅基于现有公开数据集，可能无法涵盖所有实际农业场景中的植物病害情况	评估不同CNN模型在植物叶片病害分类任务中的性能，为构建更好的模型和新基础模型提供依据	植物叶片病害图像	computer vision	plant disease	transfer-learning	CNN	image	23种模型在18个数据集上进行测试，共训练4140次
52	2025-06-01	Deep learning-driven automated mitochondrial segmentation for analysis of complex transmission electron microscopy images 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03311-1 PMID:40447684	研究论文	本文介绍了一种结合概率交互式分割和线粒体形态自动量化的深度学习框架，用于复杂透射电子显微镜图像的线粒体分割分析	该模型利用不确定性分析和实时用户反馈，在保持分割精度的同时，将分析时间相比手动方法减少了90%	NA	开发自动化工具以提高线粒体超微结构分析的效率和准确性	小鼠骨骼肌的透射电子显微镜图像中的线粒体	计算机视觉	杜氏肌营养不良症	透射电子显微镜(TEM)	深度学习框架	图像	基准Lucchi++数据集和真实世界的小鼠骨骼肌TEM图像
53	2025-06-01	A global object-oriented dynamic network for low-altitude remote sensing object detection 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02194-6 PMID:40447715	研究论文	本研究提出了一种名为GOOD-Net的全局面向对象动态网络算法，用于低空遥感图像中的目标检测	引入了GOOD-Net算法，包含动态自适应骨干网络、全局信息优化颈部网络和任务特定处理头，以及ReSSD Block、GPSA和DECBS等新模块组件	NA	开发一种高效、实时的低空遥感图像目标检测算法	低空遥感图像中的目标检测	计算机视觉	NA	深度学习	GOOD-Net（包含ReSSD Block、GPSA、DECBS等模块）	图像	VisDrone数据集
54	2025-06-01	Intelligent deep learning model for targeted cancer drug delivery 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96149-6 PMID:40447713	研究论文	本文提出了一种基于分子通信技术的多室模型，结合人工智能生物网络接口，用于靶向癌症药物递送	提出了一种新型的多室模型，结合AI生物网络接口和分子通信技术，能够连接人体内外，提高药物在靶向细胞中的浓度并减少对健康细胞的不良影响	NA	开发一种创新的靶向药物递送系统，以提高治疗效果并减少副作用	肿瘤细胞和药物递送系统	数字病理学	癌症	分子通信技术	多室模型	NA	NA
55	2025-06-01	Histopathological image based breast cancer diagnosis using deep learning and bio inspired optimization 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04136-8 PMID:40447726	research paper	该研究提出了一种结合深度学习和生物启发优化算法的框架，用于基于组织病理学图像的乳腺癌诊断	整合了AlexNet和GRU网络，并采用河马优化算法（HOA）进行超参数调优，实现了99.60%的分类准确率	未提及模型在临床环境中的实际应用验证	提高乳腺癌的早期诊断准确率和临床决策效率	乳腺癌组织病理学图像	digital pathology	breast cancer	deep learning, bio-inspired optimization	AlexNet, GRU, DenseNet-41	image	BreakHis和BACH基准数据集
56	2025-06-01	Quantitative benchmarking of nuclear segmentation algorithms in multiplexed immunofluorescence imaging for translational studies 2025-May-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08184-8 PMID:40447729	research paper	该研究对多重免疫荧光成像中常用的核分割工具进行了定量基准测试，评估了它们在7种组织类型中的性能	首次在多种组织类型上对核分割算法进行了全面基准测试，并推荐了在准确性和计算效率上表现最佳的预训练深度学习模型	研究仅评估了核分割性能，未考虑下游分析任务的影响	为转化研究中的多重免疫荧光成像数据开发高效准确的核分割方法	人类组织样本中约20,000个标记核	digital pathology	NA	multiplexed immunofluorescence imaging	deep learning models (Mesmer, StarDist)	image	约20,000个标记核，来自7种组织类型的人类样本
57	2025-06-01	Secure IoV communications for smart fleet systems empowered with ASCON 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04061-w PMID:40447743	research paper	该研究提出了一种结合ASCON低功耗加密算法和MQTT协议的安全车联网通信框架，并集成深度学习模型进行实时异常检测和入侵预测	该研究的创新点在于采用轻量级加密方法与基于深度学习的威胁防护相结合的混合框架，能够抵御多种网络攻击	NA	增强智能车队系统的安全车联网通信，提升自动驾驶车辆网络的安全性、可持续性和操作稳健性	智能车队系统和车联网通信	物联网安全	NA	ASCON加密算法、MQTT协议、深度学习	深度学习模型	工业车辆数据集	使用Raspberry Pi板和真实工业车辆数据集
58	2025-06-01	Deep convolutional fuzzy neural networks with stork optimization on chronic cardiovascular disease monitoring for pervasive healthcare services 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02924-w PMID:40447750	研究论文	提出了一种结合深度卷积模糊神经网络与鹳优化算法的技术，用于心血管疾病的分类和监测	结合深度卷积模糊神经网络(DCFNN)与鹳优化算法(SOA)进行心血管疾病分类，提出DCFNN-SOCVDC模型，实现了99.05%的高准确率	未提及模型在实时监测环境中的性能表现及计算资源消耗情况	开发一种高效的心血管疾病分类方法以提升普适医疗服务的质量	心血管疾病患者	数字病理	心血管疾病	Z-score标准化、算术优化算法、鹳优化算法	DCFNN（深度卷积模糊神经网络）	临床数据	NA
59	2025-06-01	A review of enhanced biosignature immunotherapy tools for predicting lung cancer immune phenotypes using deep learning 2025-May-30, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02771-1 PMID:40447924	综述	本文综述了深度学习技术在增强生物标志物免疫治疗工具中的应用，用于预测肺癌患者的免疫表型	系统分析了整合多模态生物医学数据（如放射组学、基因组学、转录组学和病理图像）以开发稳健的深度学习预测模型的最新研究	未提及具体局限性	探索深度学习在精准肿瘤学中的变革作用，强调将生物标志物整合到临床工作流程中以改善肺癌免疫治疗效果的潜力	肺癌患者	数字病理	肺癌	深度学习	DL	多模态生物医学数据（放射组学、基因组学、转录组学、病理图像）	NA
60	2025-06-01	Deep learning-driven modality imputation and subregion segmentation to enhance high-grade glioma grading 2025-May-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03029-0 PMID:40448035	研究论文	本研究开发了一种深度学习框架，通过模态填补和子区域分割提高高级别胶质瘤分级的准确性	提出了一种结合PatchGAN和聚合残差Transformer（ART）模块的模态填补网络，以及用于分割的U-Net变体	研究依赖于回顾性数据，外部测试集样本量相对较小	提高高级别胶质瘤的分级准确性	高级别胶质瘤患者	数字病理学	胶质瘤	深度学习	PatchGAN, Transformer, U-Net	医学影像	主要队列1,251例患者（BraTS2021数据集），外部测试集181例临床病例