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
13961	2025-10-07	Deep learning-based Monte Carlo dose prediction for heavy-ion online adaptive radiotherapy and fast quality assurance: A feasibility study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17628 PMID:39871016	研究论文	开发基于深度学习的蒙特卡罗剂量预测模型，用于重离子在线自适应放疗和快速质量保证	在CHD U-Net基础上引入通道注意力机制(CAM)，显著提升重离子治疗中蒙特卡罗剂量预测精度	仅针对头颈部癌症患者进行研究，样本量相对有限	开发深度学习模型用于重离子治疗的在线自适应放疗和快速质量保证	120例头颈部癌症患者	医学影像分析	头颈部癌症	蒙特卡罗模拟(GATE/Geant4)	U-Net	CT图像、三维能量矩阵、射线掩模	120例头颈部癌症患者	NA	CHD U-Net, CAM-CHD U-Net	gamma通过率(3%/3mm), 平均绝对差异	NA
13962	2025-04-07	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2025-Mar-28, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学预测流感病毒感染，并验证了该模型在流感、COVID-19和健康人群鉴别诊断中的潜在价值	结合随机森林模型和LASSO回归模型筛选出能准确区分流感患者的临床指标，并通过蛋白质组测序和机器学习发现了26个差异表达蛋白，其中SAA2被证实可作为流感感染的辅助诊断指标	样本量相对有限（850名患者和265名健康个体），且仅针对特定病毒感染（流感、COVID-19及混合感染）进行研究	预测流感病毒感染的关键分子标记	流感、COVID-19及混合感染患者以及健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体	NA	NA	NA	NA
13963	2025-04-07	Utility-based Analysis of Statistical Approaches and Deep Learning Models for Synthetic Data Generation With Focus on Correlation Structures: Algorithm Development and Validation 2025-Mar-20, JMIR AI DOI:10.2196/65729 PMID:40112290	研究论文	本研究评估了多种合成数据生成方法在复制真实医疗数据集中的相关结构方面的有效性，并比较了它们在随机森林等下游任务中的表现	综合比较了统计方法和深度学习方法在生成合成数据时的性能，特别是在保留相关结构方面的表现	深度学习方法在小型数据集或有限训练周期下表现不佳，LLMs在复制数值依赖关系方面存在困难	评估不同合成数据生成方法在医疗数据中的相关结构复制能力和下游任务表现	合成数据生成方法在模拟和真实医疗数据集上的表现	机器学习	乳腺癌, 糖尿病	Generative Adversarial Networks, 大语言模型(LLMs), Random Forests, eXtreme Gradient Boosting, Gated Additive Tree Ensembles	GAN, ctgan, tvae, LLMs	表格数据	模拟数据(10个高斯变量和1个二元目标变量), 体测数据集(13,393样本), 威斯康星乳腺癌数据集(569样本), 糖尿病数据集(768样本)	NA	NA	NA	NA
13964	2025-10-07	Development of a Clinically Applicable Deep Learning System Based on Sparse Training Data to Accurately Detect Acute Intracranial Hemorrhage from Non-enhanced Head Computed Tomography 2025-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2024-0163 PMID:39864839	研究论文	开发基于稀疏训练数据的深度学习系统DeepCT，用于从非增强头部CT图像中准确检测急性颅内出血	基于稀疏训练数据开发临床适用的深度学习系统，并在美国和台湾多中心数据集上验证其普适可靠性	训练数据仅来自单一中心，可能影响模型泛化能力	开发用于检测急性颅内出血的深度学习算法并评估其临床适用性	非增强头部计算机断层扫描图像	计算机视觉	颅内出血	计算机断层扫描	深度学习	医学图像	1,815个CT图像集用于训练，多个外部验证和测试数据集	PyTorch	U-Net, ResNet	准确度	NA
13965	2025-10-07	An Explainable Unified Framework of Spatio-Temporal Coupling Learning With Application to Dynamic Brain Functional Connectivity Analysis 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3467384 PMID:39320999	研究论文	提出一种可解释的时空耦合学习统一框架，并应用于动态脑功能连接分析	构建基于时空相关性的深度学习网络，能有效整合节点表征与节点间连接性的时变耦合关系，并提供更好的结果可解释性	NA	开发能够挖掘时空耦合关系的可解释深度学习框架	fMRI和MEG时间序列数据，脑动态功能连接	机器学习	NA	fMRI, MEG	深度学习	时间序列数据，神经影像数据	NA	NA	NA	NA	NA
13966	2025-10-07	Integrating Protein Language Model and Molecular Dynamics Simulations to Discover Antibiofouling Peptides 2025-Jan-14, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c04140 PMID:39810350	研究论文	本研究结合蛋白质语言模型和分子动力学模拟从微生物组库中发现抗生物污染肽	首次将基于深度学习的高通量筛选与分子动力学模拟相结合，通过集成随机森林模型和ESM2蛋白质语言模型来发现新型抗生物污染肽	仅从六个候选肽中筛选，样本规模有限；依赖现有数据库可能存在的偏差	开发新型抗生物污染肽材料以扩展其应用场景	微生物组库中的肽序列	机器学习	NA	分子动力学模拟，蛋白质语言模型	随机森林，ESM2	肽序列数据	包含等量抗生物污染和生物污染肽序列的数据库，六个候选肽	NA	ESM2，集成随机森林	NA	NA
13967	2025-04-06	Code-Free Deep Learning Glaucoma Detection on Color Fundus Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100721 PMID:40182983	研究论文	本研究评估了无代码深度学习(CFDL)在眼底图像中检测青光眼的性能，并与专家设计的模型进行了比较	使用无代码深度学习(CFDL)方法，使无编程经验的临床医生能够构建自己的AI模型，用于青光眼筛查	未提及具体局限性	评估无代码深度学习在青光眼检测中的性能	眼底图像	计算机视觉	青光眼	深度学习	CFDL模型	图像	101442张标记的眼底图像	NA	NA	NA	NA
13968	2025-04-06	Optical label-free microscopy characterization of dielectric nanoparticles 2025-Apr-03, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03860f PMID:40079204	教程	本文综述了无标记光学显微镜技术在纳米颗粒表征中的应用，重点介绍了亚微米尺寸介电颗粒的光学散射理论及其与颗粒质量、大小、结构和材料特性的关系	探讨了不同无标记显微镜技术在纳米颗粒表征中的差异与相似性，并介绍了结合深度学习图像分析的Python笔记本等新兴技术	目前尚无适用于所有纳米颗粒表征的通用解决方案，需要根据样品特性选择合适的技术	为纳米颗粒表征提供测量策略选择指导	亚微米尺寸介电颗粒	光学显微镜	NA	无标记光学显微镜技术	深度学习	图像	NA	NA	NA	NA	NA
13969	2025-04-06	A deep learning framework for instrument-to-instrument translation of solar observation data 2025-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58391-4 PMID:40175360	研究论文	本文提出了一种深度学习框架，用于太阳观测数据的仪器间转换，以实现多仪器数据集的同质化	利用生成对抗网络（GAN）进行无配对域转换，无需空间或时间重叠即可关联不同仪器	NA	解决不同仪器观测数据因校准和质量差异而难以联合使用的问题	太阳观测数据	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	24年的空间观测数据及地面和空间太阳观测的四个不同应用	NA	NA	NA	NA
13970	2025-04-06	A compact deep learning approach integrating depthwise convolutions and spatial attention for plant disease classification 2025-Apr-02, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01325-4 PMID:40176127	研究论文	提出一种轻量级深度学习模型LWDSC-SA，用于植物病害分类，结合深度可分离卷积和空间注意力机制以提高特征提取能力并保持计算效率	整合空间注意力和深度可分离卷积，提升模型在资源受限环境中的部署能力，同时在PlantVillage数据集上达到98.7%的准确率	模型仅在PlantVillage数据集上进行测试，未在其他多样化的真实农业场景中验证	开发高效轻量的植物病害分类模型以支持农业生产力	14种植物物种的叶片病害图像	计算机视觉	植物病害	深度学习	LWDSC-SA（深度可分离卷积与空间注意力结合的轻量模型）	图像	55,000张图像（涵盖38个病害类别）	NA	NA	NA	NA
13971	2025-04-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	research paper	本文提出了一种新的深度学习方法，用于在观察数据中估计处理效应，并提高了模型的可解释性	通过利用加权能量距离的特性，提出了一个更紧的平均处理效应（ATE）估计偏差上界，并设计了一个新的目标函数，不需要正确指定倾向得分模型	NA	提高观察数据中处理效应估计的准确性和可解释性	观察数据中的处理效应	machine learning	NA	深度学习方法	neural additive models	观察数据	使用了两个基准数据集（IHDP和ACIC）以及NHANES中关于吸烟对血镉水平影响的研究数据	NA	NA	NA	NA
13972	2025-04-06	Applications of AI in Predicting Drug Responses for Type 2 Diabetes 2025-Mar-27, JMIR diabetes DOI:10.2196/66831 PMID:40146874	research paper	本文探讨了人工智能在预测2型糖尿病药物反应中的应用	利用AI技术（包括机器学习和深度学习）分析大规模数据集，以提高药物反应预测的准确性，并倾向于使用集成方法作为首选模型	未提及具体的数据集规模或模型性能的局限性	预测2型糖尿病患者对降糖药物的反应，以优化治疗方案和实现个性化医疗	2型糖尿病患者	machine learning	diabetes	machine learning, deep learning	ensemble methods	electronic health records, clinical trials, observational studies	NA	NA	NA	NA	NA
13973	2025-04-06	Integrating Single-Molecule Sequencing and Deep Learning to Predict Haplotype-Specific 3D Chromatin Organization in a Mendelian Condition 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.26.640261 PMID:40166185	research paper	该研究提出了一种结合单分子测序和深度学习的模型FiberFold，用于预测单倍型特异性的3D染色质组织	结合卷积神经网络和Transformer架构，利用长读长测序数据预测细胞类型和单倍型特异性的3D基因组组织	NA	研究3D基因组结构在基因调控和人类疾病中的作用	人类单倍型特异性3D染色质组织	machine learning	Mendelian disease	Fiber-seq, long-read sequencing	CNN, Transformer	multi-omic data	NA	NA	NA	NA	NA
13974	2025-04-06	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	research paper	该研究开发了一种名为PiCAP的新型数据集和神经网络架构，用于预测蛋白质是否非共价结合碳水化合物，并开发了CAPSIF2模型预测与碳水化合物相互作用的蛋白质残基	开发了PiCAP和CAPSIF2两个新模型，分别用于预测蛋白质与碳水化合物的结合以及相互作用的残基，性能优于现有模型	研究基于已知碳水化合物结合蛋白的数据集，可能无法涵盖所有潜在的相互作用	预测蛋白质与碳水化合物的非共价结合及其相互作用位点	蛋白质和碳水化合物的相互作用	machine learning	NA	neural network	PiCAP, CAPSIF2	protein sequence data	已知碳水化合物结合蛋白的数据集及三个蛋白质组	NA	NA	NA	NA
13975	2025-04-06	GREEN: A lightweight architecture using learnable wavelets and Riemannian geometry for biomarker exploration with EEG signals 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101182 PMID:40182177	研究论文	介绍了一种名为GREEN的轻量级神经网络架构，用于处理原始EEG数据，结合了小波变换和黎曼几何	GREEN结合了小波变换和黎曼几何，提供了一种轻量级且可解释的EEG信号处理方法，优于现有非深度学习和大型深度学习模型	未提及具体局限性	探索EEG信号中的生物标志物，并开发一种轻量级且可解释的神经网络架构	EEG信号	机器学习	NA	小波变换和黎曼几何	GREEN（Gabor Riemann EEGNet）	EEG信号	超过5,000名参与者的四个数据集	NA	NA	NA	NA
13976	2025-10-07	Weakly Aligned Feature Fusion for Multimodal Object Detection 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3105143 PMID:34437075	研究论文	提出一种名为AR-CNN的多模态目标检测方法，解决多模态数据中的位置偏移问题	设计了区域特征对齐模块、RoI抖动策略和特征重加权融合方法，并提供了新的多模态标注数据集KAIST-Paired	NA	解决多模态目标检测中的位置偏移问题，提升检测准确性和鲁棒性	多模态图像数据（RGB、热成像、深度）中的目标检测	计算机视觉	NA	多模态图像融合	CNN	多模态图像（RGB、热成像、深度）	NA	NA	AR-CNN	NA	NA
13977	2025-10-07	Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in Visual Question Answering 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3135655 PMID:35130171	研究论文	提出一种图匹配注意力网络用于解决视觉问答任务中的跨模态特征融合问题	首次为问题和图像同时构建图结构，并提出双边跨模态图匹配注意力机制	未明确说明模型计算复杂度和实时性能表现	提升视觉问答任务中跨模态信息的对齐和利用能力	图像和文本问题	计算机视觉,自然语言处理	NA	深度学习,图神经网络	GNN,注意力机制	图像,文本	GQA数据集和VQA 2.0数据集	NA	图匹配注意力网络(GMA),双阶段图编码器	准确率	NA
13978	2025-10-07	Quality-Driven Regularization for Deep Learning Networks and Its Application to Industrial Soft Sensors 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3144162 PMID:35180085	研究论文	提出一种用于工业软传感器的质量驱动正则化深度学习方法	提出质量驱动正则化方法，在深度网络预训练阶段保留质量变量相关信息	仅应用于加氢裂化工业过程，未在其他工业场景验证	开发能够提取质量相关特征的深度学习方法以提高工业软传感器预测精度	工业过程数据和产品质量变量	机器学习	NA	深度网络特征学习	SAE, QR-SAE	工业过程数据	NA	NA	堆叠自编码器	预测精度	NA
13979	2025-10-07	Learning Selective Sensor Fusion for State Estimation 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3176677 PMID:35657847	研究论文	提出一种用于状态估计的选择性传感器融合方法SelectFusion	提出端到端选择性传感器融合模块，能够评估不同传感器模态的可靠性并处理现实世界中的噪声或不完整传感器观测	NA	解决自动驾驶和移动机器人系统中的鲁棒传感器融合问题	自动驾驶车辆和移动机器人系统	机器学习和计算机视觉	NA	深度学习，传感器融合	深度学习模型	单目图像，惯性测量，深度图像，激光雷达点云	公共数据集和逐步退化数据集	NA	SelectFusion	轨迹估计的尺度和全局姿态	NA
13980	2025-04-06	Dynamic Neural Network Structure: A Review for its Theories and Applications 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3377194 PMID:40038922	综述	本文全面回顾了动态神经网络（DNN）的理论及其应用，重点探讨了其在深度学习和广泛学习领域的发展	详细分析了DNN的动态结构和参数灵活性带来的优势，并探讨了其在多个领域的应用潜力	虽然综述了DNN的理论和应用，但未涉及具体实验验证或性能比较	旨在为研究人员提供对DNN的全面理解，并指导未来的研究方向	动态神经网络（DNN）的理论基础、结构优化及其应用	机器学习	NA	NA	DNN, BLS	NA	NA	NA	NA	NA	NA