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
241	2025-03-11	Smart IoT-based snake trapping device for automated snake capture and identification 2025-Feb-10, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13722-2 PMID:39928180	研究论文	本文介绍了一种基于物联网（IoT）的智能捕蛇设备，旨在自动捕捉和识别蛇类，以减少蛇咬伤的风险	结合人工智能（AI）和物联网（IoT）技术，提出了一种非侵入性的解决方案，能够自动捕捉和识别蛇类，并通过深度学习算法实时分类蛇的毒性	设备的准确率为91.3%，仍有提升空间，且未提及设备在不同环境下的适用性	开发一种智能捕蛇设备，以减少蛇咬伤的风险并提高捕蛇的安全性和效率	蛇类，特别是热带和亚热带地区的蛇类	物联网	NA	深度学习，卷积神经网络（CNN）	CNN	图像	使用蛇类图像进行训练
242	2025-03-10	Identifying Research Priorities in Digital Education for Health Care: Umbrella Review and Modified Delphi Method Study 2025-Feb-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/66157 PMID:39969988	综述	本研究通过伞形综述和改良德尔菲法，确定了医疗保健数字教育领域的研究优先事项	采用伞形综述和改良德尔菲法结合的方法，系统性地识别和优先排序医疗保健数字教育的研究空白	研究依赖于现有文献的质量和覆盖范围，且专家共识可能受参与者背景和经验的影响	确定数字教育在医疗保健领域的有效性证据缺口，并识别未来研究的优先领域	医疗保健专业人员的数字教育	数字病理学	NA	伞形综述，改良德尔菲法	NA	文献数据	217篇系统综述或元分析论文，42位专家参与德尔菲过程
243	2025-03-10	The STRIPED Dietary Supplement Label Explorer: A Tool to Identify Supplements Sold with Weight-Loss, Muscle-Building, and Cleanse/Detox Claims 2025-Feb-14, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2025.02.007 PMID:39954739	研究论文	本研究开发了一个名为STRIPED Dietary Supplement Label Explorer的工具，用于分类和识别美国市场上销售的具有减肥、增肌和排毒/清洁声明的膳食补充剂标签	利用公开的膳食补充剂标签数据库（DSLD）API，开发了一个易于使用的工具，结合系统启发式方法和多模态深度学习模型，提高了对特定声明标签的分类准确性	系统启发式方法在分类排毒/清洁标签时表现优于深度学习模型，但效率较低，需要更多人力	开发一个工具，用于分类和识别美国市场上销售的具有减肥、增肌和排毒/清洁声明的膳食补充剂标签	美国市场上销售的膳食补充剂标签	自然语言处理	NA	API, 深度学习	多模态深度学习模型	文本	4745个DSLD标签
244	2025-03-10	Understanding the Engagement and Interaction of Superusers and Regular Users in UK Respiratory Online Health Communities: Deep Learning-Based Sentiment Analysis 2025-02-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/56038 PMID:39946690	研究论文	本研究通过深度学习情感分析，探讨了英国呼吸系统在线健康社区中超级用户与普通用户的互动和情感分布	使用预训练的BioBERT模型进行情感分析，并针对COVID-19 Twitter数据集进行微调，以解决健康相关标注数据稀缺的问题	研究依赖于特定时间段的数据（2006-2016年和2012-2016年），且仅针对两个特定的在线健康社区	了解呼吸系统在线健康社区中普通用户与超级用户互动的情感分布和动态	英国呼吸系统在线健康社区的用户	自然语言处理	呼吸系统疾病	情感分析	BioBERT	文本	两个在线健康社区的数据（Asthma UK和British Lung Foundation）
245	2025-03-09	A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks 2025-Feb-07, Micromachines IF:3.0Q2 DOI:10.3390/mi16020193 PMID:40047666	研究论文	本文设计了一种用于合成孔径雷达（SAR）目标检测任务的低功耗、低延迟深度学习加速器，以实现在机载和卫星SAR平台上的实时目标检测	提出了一种适用于多维卷积并行计算的Process Engine（PE），并设计了独特的存储器排列方案，以提高FPGA的计算效率和内存读写效率	实验仅在Virtex 7 690t芯片上进行，未涉及其他硬件平台或更广泛的应用场景	解决当前GPU实时处理平台在机载或卫星应用中的功耗问题，实现SAR图像的实时目标检测	合成孔径雷达（SAR）图像	计算机视觉	NA	深度学习	CNN, Yolov5s	图像	52.19张512×512大小的SAR图像每秒
246	2025-03-08	Sliding-window enhanced olfactory visual images combined with deep learning to predict TVB-N content in chilled mutton 2025-Feb-28, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109791 PMID:40048988	研究论文	本研究提出了一种新的嗅觉视觉图像数据增强方法，结合深度学习实现了对冷藏羊肉中总挥发性碱性氮（TVB-N）含量的准确预测	提出了滑动窗口增强嗅觉视觉图像的方法，结合深度学习模型进行TVB-N含量预测，相比传统机器学习模型具有更好的预测性能	NA	实现对冷藏羊肉中TVB-N含量的准确预测，用于现场评估羊肉新鲜度	冷藏羊肉	计算机视觉	NA	嗅觉可视化传感器阵列	InceptionNetV3, ResNet50, MobileNetV3, PLSR, SVR, RF	图像	NA
247	2025-03-08	Deep learning-based cell-specific gene regulatory networks inferred from single-cell multiome data 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf138 PMID:40037709	研究论文	本文介绍了一种名为scMultiomeGRN的深度学习框架，用于从单细胞多组学数据中推断细胞特异性的基因调控网络	scMultiomeGRN通过独特整合单细胞基因组学（单细胞RNA测序）和表观基因组学（单细胞ATAC测序）数据，构建了模态特定的邻居聚合器和跨模态注意力模块，以学习转录因子的潜在表示	单细胞测序数据的高丢失率可能导致单组学数据不足，从而影响基因调控网络的推断	研究目的是开发一种深度学习框架，以从单细胞多组学数据中推断细胞特异性的基因调控网络	研究对象是单细胞多组学数据中的转录因子调控网络	机器学习	阿尔茨海默病	单细胞RNA测序, 单细胞ATAC测序	深度学习框架	单细胞多组学数据	多个基准数据集
248	2025-03-08	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.04.636130 PMID:39974895	研究论文	本文探讨了使用合成调控基因组学迭代改进深度学习模型的方法，特别是Enformer模型在预测DNA可及性方面的应用	通过合成调控基因组学数据对Enformer模型进行微调，显著减少了预测误差，并保持了在其他轨迹上的强预测性能	模型在序列与参考基因组差异较大时（如DHS顺序或方向的重排）预测能力较差	提高深度学习模型在预测与参考基因组序列不同的DNA可及性方面的性能	DNA可及性预测，特别是与疾病和性状相关的变异或工程序列	机器学习	NA	合成调控基因组学	Enformer	基因组序列数据	数十个DNase I超敏感位点（DHSs）的删除、倒置和重排
249	2025-03-08	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	本文通过深度学习模型预测了1500万种非编码变异在132种成人和胎儿大脑及心脏细胞环境中的影响，并开发了FLARE模型来优先考虑具有极端调控效应的突变	结合单细胞图谱、群体遗传学和基于深度学习的变异效应预测，揭示了发育和疾病的机制，特别是神经发育障碍的遗传贡献主要是罕见的	NA	优先考虑人类疾病中的因果常见和罕见非编码变异，并理解选择压力如何塑造非编码基因组	成人和胎儿大脑及心脏中的非编码变异	生物信息学	神经发育障碍	单细胞ATAC-seq, 深度学习	深度学习模型, FLARE	基因组数据	1500万种非编码变异，132种细胞环境
250	2025-03-06	Multiplex Detection and Quantification of Virus Co-Infections Using Label-free Surface-Enhanced Raman Spectroscopy and Deep Learning Algorithms 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03209 PMID:39874586	研究论文	本文介绍了一种结合表面增强拉曼散射（SERS）和深度学习的无标记诊断平台，用于快速定量检测呼吸道病毒共感染	开发了MultiplexCR深度学习模型，能够同时从SERS光谱中预测病毒种类和浓度，准确率高达98.6%	未提及具体局限性	开发一种快速、定量的呼吸道病毒共感染检测平台	11种病毒、9种双病毒混合物和4种三病毒混合物	机器学习	呼吸道疾病	表面增强拉曼散射（SERS）	深度学习模型（MultiplexCR）	SERS光谱	超过120万条SERS光谱，来自唾液中的病毒样本
251	2025-03-06	XLTLDisNet: A novel and lightweight approach to identify tomato leaf diseases with transparency 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42575 PMID:40040968	研究论文	本文提出了一种名为XLTLDisNet的新型轻量级深度学习模型，用于识别番茄叶部疾病，并增强了模型的可解释性	提出了一种新型轻量级深度学习模型XLTLDisNet，并集成了可解释性AI技术（如GRAD-CAM和LIME）以增强模型的可解释性	未提及具体局限性	通过早期检测番茄叶部疾病，减少农业损失并最大化产量	番茄叶部疾病	计算机视觉	NA	深度学习	XLTLDisNet	图像	PlantVillage番茄叶部疾病数据集，包含十类番茄叶部疾病（包括健康图像）
252	2025-03-06	A hybrid Bayesian network-based deep learning approach combining climatic and reliability factors to forecast electric vehicle charging capacity 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42483 PMID:40040994	研究论文	本文提出了一种结合气候和可靠性因素的混合贝叶斯网络深度学习模型，用于预测电动汽车充电容量	创新点在于将排队网络和贝叶斯网络模型与深度学习技术结合，以提高预测精度和基础设施可靠性	未明确提及具体局限性	开发一个综合系统，考虑气象条件和充电桩故障率等多种影响因素，以优化电动汽车基础设施	电动汽车充电需求	机器学习	NA	深度学习	混合贝叶斯网络深度学习（HBNDL）	交易数据和气候分析数据	未明确提及具体样本数量
253	2025-03-06	Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis 2025-Feb-27, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf011 PMID:40036568	review	本文综述了生物医学多模态数据融合与分析中的人工智能技术应用及其挑战	提出了深度学习模型在生物医学数据整合分析中的应用及其未来发展方向，包括模型预训练和知识整合	讨论了数据隐私、融合和模型解释等方面的挑战	探讨人工智能技术在生物医学多模态数据融合与分析中的应用及其挑战	生物医学多模态数据，包括分子、细胞、图像和电子健康记录数据集	machine learning	NA	deep learning	deep learning models	molecular, cellular, image, electronic health record datasets	NA
254	2025-03-06	Toward equitable major histocompatibility complex binding predictions 2025-Feb-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2405106122 PMID:39964728	研究论文	本文介绍了一种机器学习框架，用于评估MHC等位基因结合数据不平衡对预测结合的影响，并开发了一种先进的MHC结合预测模型	提出了一个机器学习框架来评估数据不平衡对MHC结合预测的影响，并开发了一个提供每个等位基因性能估计的最新MHC结合预测模型	尽管模型成功缓解了种族群体间的数据差异，但仍存在一些不平等问题需要解决	开发公平的MHC结合预测模型，用于个性化免疫疗法和疫苗开发	MHC等位基因的结合数据	机器学习	癌症	机器学习	NA	结合数据	NA
255	2025-03-06	Real-World Insights Into Dementia Diagnosis Trajectory and Clinical Practice Patterns Unveiled by Natural Language Processing: Development and Usability Study 2025-Feb-25, JMIR aging IF:5.0Q1 DOI:10.2196/65221 PMID:39999185	研究论文	本研究利用自然语言处理技术分析门诊电子健康记录，揭示了从记忆丧失投诉到痴呆诊断的时间间隔及临床实践模式	开发了基于深度学习的自然语言处理管道，用于从电子健康记录中提取临床信息，提供了关于痴呆诊断轨迹和临床实践模式的新见解	研究依赖于单一医疗中心的电子健康记录数据，可能限制了结果的普遍性	确定从记忆丧失投诉到痴呆诊断的时间间隔，评估诊断前使用认知增强药物的患者比例，并识别影响这些时间间隔和药物使用的患者和提供者特征	581名门诊患者	自然语言处理	老年疾病	自然语言处理（NLP）	深度学习	电子健康记录（EHR）	581名门诊患者
256	2025-03-06	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Feb-25, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	本文开发了一种深度学习策略，用于从清醒动物的细胞外记录中识别细胞类型，并揭示具有不同功能、分子和解剖特性的神经元的计算作用	结合光遗传学和药理学，在小脑上生成一个经过筛选的电生理特性库，训练一个半监督深度学习分类器，预测细胞类型的准确率超过95%	NA	识别细胞类型并揭示不同神经元的计算作用	Purkinje细胞、分子层中间神经元、Golgi细胞和苔藓纤维	机器学习	NA	光遗传学、药理学	半监督深度学习分类器	电生理记录数据	NA
257	2025-03-06	Enhancing Image Retrieval Performance With Generative Models in Siamese Networks 2025-Feb-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3543907 PMID:40036556	研究论文	本研究探讨了生成深度学习模型如何提升基于内容的图像检索（CBIR）系统的检索质量，特别是在前列腺癌诊断中的应用	首次在文献中使用优化用于CBIR的潜在表示来训练注意力机制，以执行WSI的Gleason评分	NA	提升前列腺癌早期诊断的准确性和治疗效果	前列腺癌图像	计算机视觉	前列腺癌	GAN	Siamese Network	图像	SiCAPv2数据集
258	2025-03-06	Predicting gene expression from histone marks using chromatin deep learning models depends on histone mark function, regulatory distance and cellular states 2025-Feb-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1212 PMID:39660643	研究论文	本文通过卷积和基于注意力的模型，研究了七种组蛋白标记在十一种细胞类型中的表达预测，探讨了组蛋白标记功能、基因组距离和细胞状态对转录的影响	本研究是迄今为止最全面的关于组蛋白标记与基因表达关系的研究，考虑了细胞状态、组蛋白标记功能和远端效应等关键因素，并使用深度学习模型进行预测	研究中未涉及所有可能的组蛋白标记和细胞类型，且模型的泛化能力有待进一步验证	探讨组蛋白标记活性与基因表达之间的复杂关系，并利用深度学习模型进行预测	七种组蛋白标记在十一种细胞类型中的表达	机器学习	NA	深度学习	卷积神经网络（CNN）、基于注意力的模型	基因组数据	十一种细胞类型
259	2025-03-06	Top-DTI: Integrating Topological Deep Learning and Large Language Models for Drug Target Interaction Prediction 2025-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.07.637146 PMID:39975019	研究论文	本文提出了一种名为Top-DTI的框架，通过整合拓扑数据分析和大型语言模型来预测药物-靶点相互作用	Top-DTI框架首次将拓扑数据分析和大型语言模型结合，用于药物-靶点相互作用预测，显著提高了预测性能和鲁棒性	NA	提高药物-靶点相互作用预测的准确性和鲁棒性，以加速药物发现过程	药物-靶点相互作用	机器学习	NA	拓扑数据分析（TDA），大型语言模型（LLMs）	Top-DTI	蛋白质接触图，药物分子图像，蛋白质序列，药物SMILES字符串	公共BioSNAP和Human DTI基准数据集
260	2025-03-06	ParaSurf: a surface-based deep learning approach for paratope-antigen interaction prediction 2025-Feb-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf062 PMID:39921885	研究论文	本文提出了一种名为ParaSurf的深度学习模型，用于预测抗体结合位点，通过结合表面几何和非几何因素显著提高了预测准确性	ParaSurf模型不仅限于可变区域，还能准确预测整个Fab区域的结合得分，且在三个主要抗体-抗原基准测试中达到了最先进的性能	NA	提高抗体结合位点的预测准确性，以加速疫苗和治疗性抗体的开发	抗体-抗原相互作用	机器学习	NA	深度学习	ParaSurf	表面几何和非几何数据	三个主要抗体-抗原基准测试数据集