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
7441	2025-06-07	UICD: A new dataset and approach for urdu image captioning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320701 PMID:40455832	research paper	该研究创建了一个新的乌尔都语图像描述数据集(UCID)并提出了专为乌尔都语图像描述设计的深度学习架构	提出了首个乌尔都语图像描述数据集UC-23-RY，并设计了NASNetLarge-LSTM和ResNet-50-LSTM两种深度学习架构	乌尔都语图像描述研究资源匮乏，且数据集基于Flickr30k数据集启发	填补乌尔都语图像描述研究的空白，提升自动乌尔都语图像描述的质量	乌尔都语图像描述	natural language processing	NA	deep learning	NASNetLarge-LSTM, ResNet-50-LSTM	image, text	159,816 Urdu captions
7442	2025-06-07	A dynamic early-warning method for bridge structural safety based on data reconstruction and depth prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324816 PMID:40460166	研究论文	提出了一种基于数据重构和深度预测的桥梁结构安全动态预警方法	利用SVD算法分解和重构监测数据，结合LSTM网络建立预测模型，显著提高了预测准确性	未提及具体桥梁类型或环境条件下的适用性限制	解决复杂耦合荷载下桥梁结构异常监测数据的有效检测和预警问题	桥梁结构的安全监测数据	结构健康监测	NA	奇异值分解(SVD), 长短期记忆网络(LSTM)	LSTM	应变监测数据	未明确提及样本数量
7443	2025-06-07	Multi-modal remote sensory learning for multi-objects over autonomous devices 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1430222 PMID:40462839	研究论文	提出了一种结合马尔可夫随机场和Alex Net模型的新方法，用于遥感图像中多对象的精确识别和场景分类	采用马尔可夫随机场进行精确标记和Alex Net模型进行场景识别的协同组合，提高了对复杂空中物体间交互的理解和识别能力	未提及具体样本量限制或计算资源需求	提高遥感图像中多对象识别的准确性和速度	遥感图像中的多类对象	计算机视觉	NA	马尔可夫随机场(MRF), Alex Net模型	MRF, CNN(Alex Net)	遥感图像	基准数据集(UC Merced Land Use和AID)
7444	2025-06-07	MultiCubeNet: Multitask deep learning for molecular subtyping and prognostic prediction in gliomas 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf079 PMID:40463652	research paper	开发并验证了一个名为MultiCubeNet的多任务深度学习模型，用于同时预测胶质瘤的关键分子标记和预后	提出了一个多序列、多尺度、多任务的深度学习框架，能够同时预测IDH突变、1p/19q共缺失、TERT启动子突变和预后	在TCGA队列中的性能不太理想，AUC值低于0.8	开发一个深度学习模型，用于胶质瘤的分子亚型和预后预测	457例成人型弥漫性胶质瘤（193例训练队列；162例和102例分别在SZS和TCGA验证队列中）	digital pathology	glioma	deep learning	MultiCubeNet	image	457例成人型弥漫性胶质瘤
7445	2025-06-07	Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images 2025, Simplifying medical ultrasound : 5th international workshop, ASMUS 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, proceedings. ASMUS (Workshop) (5th : 2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-73647-6_13 PMID:40463734	research paper	本文评估了3D交互式分割模型在人机协作胎盘分割任务中的表现，并提出了一种高效的人机交互模型	首次将人机交互模型应用于3D超声图像胎盘分割任务，并验证其有效性	未说明模型在临床环境中的实际应用效果	开发高效的3D超声图像胎盘分割方法	3D超声图像中的胎盘组织	digital pathology	产科疾病	3D超声成像	interactive segmentation model (基于SAM)	3D医学图像	未明确说明样本数量
7446	2025-06-07	Advancements and challenges of artificial intelligence in climate modeling for sustainable urban planning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1517986 PMID:40463823	Mini Review	探讨人工智能在气候建模中的进展与挑战，以促进可持续城市规划	综述了机器学习和深度学习技术在提高气候风险评估、资源优化和基础设施韧性方面的最新进展	数据质量不一致、模型可解释性限制、伦理问题以及AI模型在不同城市环境中的可扩展性	促进气候适应和可持续城市规划	气候建模和城市规划	机器学习	NA	机器学习和深度学习	ML和DL	多源数据	NA
7447	2025-06-07	BrainTumNet: multi-task deep learning framework for brain tumor segmentation and classification using adaptive masked transformers 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1585891 PMID:40463867	research paper	开发了一个名为BrainTumNet的多任务深度学习框架，用于脑肿瘤的分割和分类	结合了改进的编码器-解码器架构、自适应掩码Transformer和多尺度特征融合策略，实现了肿瘤分割和分类的多任务学习	研究仅基于485例病理确诊的病例，样本量可能不足以覆盖所有脑肿瘤类型和变异	开发一个多任务深度学习模型，用于精确的脑肿瘤分割和类型分类	高级别胶质瘤、转移性肿瘤和脑膜瘤的T1增强MRI序列图像	digital pathology	brain tumor	MRI	CNN, Transformer	image	485例病理确诊的病例（训练集378例，测试集109例，外部验证集51例）
7448	2025-06-07	A novel method of BiFormer with temporal-spatial characteristics for ECG-based PVC detection 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1549380 PMID:40463999	研究论文	提出了一种结合BiFormer模型和时空特征的ECG信号处理方法，用于检测室性早搏（PVC）	使用BiFormer分类模型和Bi-level Routing Attention机制，结合Markov Transition Fields将一维时间序列信号转换为二维图像，提高了PVC检测的准确性和计算效率	NA	开发一种更准确和高效的ECG信号分析方法，用于早期检测室性早搏（PVC）	ECG信号	机器学习	心血管疾病	Markov Transition Fields (MTFs), Bi-level Routing Attention (BRA)	BiFormer	ECG信号	MIT-BIH心律失常数据库
7449	2025-06-07	YOLO for early detection and management of Tuta absoluta-induced tomato leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1524630 PMID:40464016	研究论文	该研究利用YOLOv8模型进行Tuta absoluta引起的番茄叶部病害的早期检测与管理	首次公开了一个名为TomatoEbola的数据集，并提出了基于迁移学习的方法评估YOLOv8在检测Tuta absoluta中的性能	数据集样本量较小，仅包含326张图像和784个标注，可能影响模型的泛化能力	通过AI技术提高农业病害检测效率，减少作物损失并增强粮食安全	番茄叶部病害（由Tuta absoluta引起）	计算机视觉	植物病害	迁移学习	YOLOv8	图像	326张图像和784个标注，来自三个不同的农场
7450	2025-06-06	Incremental learning for acute lymphoblastic leukemia classification based on hybrid deep learning using blood smear image 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108456 PMID:40222054	research paper	该研究提出了一种基于混合深度学习的增量学习方法，用于血涂片图像中急性淋巴细胞白血病的精确分类	提出了TSCO-L-LeNet模型，结合Tangent Sand Cat Swarm Optimization和长短期记忆网络，采用增量学习方法提高分类准确率	未提及模型在其他类型白血病或更大规模数据集上的泛化能力	开发一种快速、准确的白血病自动诊断方法	急性淋巴细胞白血病患者的血涂片图像	digital pathology	leukemia	图像处理、深度学习	TSCO-L-LeNet (结合LSTM和LeNet的混合模型)	image	未明确提及具体样本数量
7451	2025-06-06	MGMA-DTI: Drug target interaction prediction using multi-order gated convolution and multi-attention fusion 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108449 PMID:40239449	research paper	提出了一种基于多门控卷积和多注意力融合的药物-靶标相互作用预测模型MGMA-DTI	使用多门控卷积增强对氨基酸序列全局特征的捕捉能力，并设计了多注意力融合模块以有效捕获药物-靶标相互作用特征	未提及具体的数据集规模限制或模型计算复杂度问题	提高药物-靶标相互作用预测的准确性和模型可解释性	药物分子和靶标蛋白质	machine learning	NA	graph convolutional neural network, multi-order gated convolution, multi-attention fusion	MGMA-DTI	SMILES字符串（药物分子），氨基酸序列（蛋白质）	三个基准数据集：BindingDB、BioSNAP和Human
7452	2025-06-06	ProAttUnet: Advancing protein secondary structure prediction with deep learning via U-Net dual-pathway feature fusion and ESM2 pretrained protein language model 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108429 PMID:40288255	研究论文	提出了一种名为ProAttUnet的新型深度学习方法，用于提升基于单序列的蛋白质二级结构预测性能	整合了最先进的蛋白质语言模型ESM2，采用独特的双路径U-Net框架进行特征融合，并引入交叉注意力机制和GCU_SE模块	NA	提升蛋白质二级结构预测的准确性	蛋白质序列	生物信息学	NA	深度学习	U-Net, ESM2	蛋白质序列数据	五个测试集（SPOT-2016, SPOT-2016-HQ, SPOT-2018, SPOT-2018-HQ和TEST2018）
7453	2025-06-06	DICCA-DTA: Diffusion and Contextualized Capsule Attention guided Factorized Cross-Pooling for Drug-Target Affinity prediction 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108472 PMID:40288256	研究论文	提出了一种名为DICCA-DTA的新框架，用于预测药物-靶标亲和力，通过改进分子信息的上下文整合和药物-靶标相互作用的全面表示	引入了扩散同构网络(DIN)和上下文胶囊注意力网络(CCAN)模块，结合因子化交叉池化(FCP)机制，动态优化药物-蛋白质相互作用建模，提高预测准确性和可解释性	未明确提及具体局限性	改进药物-靶标亲和力预测，加速药物发现和再利用过程	药物分子和蛋白质靶标	机器学习	癌症	深度学习	DIN, CCAN, FCP	分子图和蛋白质序列	Davis、KIBA、Metz和BindingDB数据集，以及DrugBank数据库中的癌症相关蛋白质相互作用案例
7454	2025-06-06	scDGG: Dynamic gene graphs for enhancing clustering analysis of single-cell RNA sequencing data via spatiotemporal representations 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108483 PMID:40328048	研究论文	本文提出了一种名为scDGG的多视图图学习架构，用于从不同信号通路中压缩动态基因图，以增强单细胞RNA测序数据的聚类分析	提出动态基因图（dynamic gene graphs）来捕捉调控机制的动态变化，相比静态基因图能更全面地观察细胞命运和疾病进展的调控机制	未明确提及具体局限性	提高单细胞RNA测序数据的聚类分析准确性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序（scRNA-seq）	多视图图学习架构（multi-view graph learning architecture）	基因表达数据	基准scRNA-seq数据集（未明确数量）
7455	2025-06-06	NABP-LSTM-Att: Nanobody-Antigen binding prediction using bidirectional LSTM and soft attention mechanism 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108490 PMID:40347542	研究论文	该研究提出了一种名为NABP-LSTM-Att的深度学习模型，用于仅从序列信息预测纳米抗体与抗原的结合	使用双向LSTM和软注意力机制，仅依赖序列信息预测纳米抗体与抗原的结合，无需3D结构	模型的性能依赖于SAbDab-nano数据库中的序列数据，可能无法泛化到所有未知的纳米抗体-抗原对	提高纳米抗体与抗原结合亲和力和特异性的预测能力，以促进纳米抗体药物的开发	纳米抗体和抗原的序列	自然语言处理	NA	深度学习	biLSTM和软注意力机制	序列数据	来自SAbDab-nano数据库的纳米抗体-抗原序列对
7456	2025-06-06	Towards automated and reliable lung cancer detection in histopathological images using DY-FSPAN: A feature-summarized pyramidal attention network for explainable AI 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108500 PMID:40381571	research paper	本研究提出了一种名为DY-FSPAN的深度学习框架，用于在组织病理学图像中实现自动化和可靠的肺癌检测	结合Y-blocks和注意力机制增强空间特征表示，同时保持感受野一致性，提高了分类准确性和可解释性	未提及具体的数据集限制或临床应用中的潜在问题	开发一个平衡性能和可解释性的医学图像分类模型，以提高肺癌诊断的准确性	肺癌组织病理学图像	digital pathology	lung cancer	deep learning	DY-FSPAN (Dilated Y-Block-based Feature Summarized Pyramidal Attention Network)	image	NA
7457	2025-06-06	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	提出一种端到端深度学习算法，用于加速3D全心联合T1/T2映射，通过联合运动估计和基于模型的运动校正重建多对比度欠采样数据	采用端到端非刚性运动校正重建网络，显著减少重建时间（从2.5小时缩短至24秒），同时保持T1和T2值的良好一致性	未提及具体样本量或临床验证范围	加速全心心肌组织表征的3D联合T1/T2映射	多对比度欠采样MRI数据	医学影像分析	心血管疾病	深度学习算法、MRI多对比度成像	端到端非刚性运动校正重建网络	3D MRI影像	NA
7458	2025-06-06	Self-supervised learning for MRI reconstruction through mapping resampled k-space data to resampled k-space data 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110404 PMID:40324545	研究论文	本文提出了一种自监督深度学习方法RSSDU，用于从欠采样的MRI数据中高效准确地重建图像，无需完全采样数据集作为参考	提出了一种新的自监督学习方法RSSDU，通过两次重采样k空间数据并训练网络从一个子集映射到另一个子集，无需完全采样数据	未提及具体在哪些临床场景下该方法可能表现不佳	开发一种无需完全采样数据的MRI图像重建方法	欠采样的MRI数据	医学影像处理	NA	深度学习	DL	MRI k空间数据	未提及具体样本量
7459	2025-06-06	Accelerating prostate rs-EPI DWI with deep learning: Halving scan time, enhancing image quality, and validating in vivo 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110418 PMID:40368253	研究论文	本研究评估了基于深度学习的超分辨率技术在减少前列腺扩散加权成像（DWI）扫描时间的同时保持图像质量的可行性和有效性	使用多尺度自相似网络（MSSNet）进行图像重建，显著减少扫描时间并提升图像质量	研究未提及对大规模临床数据集的验证，可能影响结果的普适性	评估深度学习超分辨率技术在前列腺DWI中的应用效果	前列腺扩散加权成像（DWI）数据	数字病理	前列腺癌	readout-segmented echo-planar imaging (rs-EPI)	MSSNet	医学影像	未明确提及样本数量
7460	2025-06-06	A Multihead Attention Deep Learning Algorithm to Detect Amblyopia Using Fixation Eye Movements 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100775 PMID:40458668	研究论文	开发了一种基于多注意力头的深度学习模型，通过简单的视觉注视任务中的眼动数据来检测不同类型和严重程度的弱视患者	使用多注意力头的transformer编码器模型，首次利用眼动数据进行弱视的客观分类	样本量相对较小（135名受试者），且仅在单一医疗中心进行	开发客观检测弱视的深度学习模型	40名对照组和95名弱视患者（包括不同类型和严重程度）	计算机视觉	弱视	红外视频眼动追踪技术	多注意力头transformer编码器	眼动位置数据	135名受试者（40名对照，95名弱视患者）