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
1221	2025-04-09	Large Language Models (such as ChatGPT) as Tools for Machine Learning-Based Data Insights in Analytical Chemistry 2025-Apr-08, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05046 PMID:39907023	research paper	本文探讨了大型语言模型（如ChatGPT）在分析化学中作为机器学习数据洞察工具的应用	展示了大型语言模型通过智能手机以交互式对话方式处理和分析高光谱成像数据集的潜力	未提及具体的数据集规模或模型性能的定量评估	探索大型语言模型在分析化学数据处理和分析中的应用	高光谱成像数据集	自然语言处理	NA	激光诱导击穿光谱（LIBS）	CNN, LLM	高光谱图像	NA
1222	2025-04-09	WPR-Net: A Deep Learning Protocol for Highly Accelerated NMR Spectroscopy with Faithful Weak Peak Reconstruction 2025-Apr-08, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04830 PMID:40067126	research paper	提出一种深度学习架构WPR-Net，用于高度加速的NMR光谱学并可靠重建弱峰	该深度学习协议能够消除欠采样伪影，并在高度稀疏采样密度或严重噪声条件下重建高质量多维NMR光谱信号	NA	加速多维NMR光谱学的实现并提高弱峰重建的准确性	多维NMR光谱信号	machine learning	NA	NMR spectroscopy	deep learning architecture (WPR-Net)	spectral data	NA
1223	2025-04-09	Deep learning assisted high-resolution microscopy image processing for phase segmentation in functional composite materials 2025-Apr-08, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13413 PMID:40195694	research paper	该研究提出了一种基于深度学习的图像处理方法，用于高分辨率显微镜图像的相位分割和成分检测	提出了一种新的基于FFT的分割工作流程，并利用训练好的U-Net模型进行相位分割，这在复合材料的相位和成分检测中是一个尚未充分探索的领域	NA	开发一种高效的高分辨率显微镜图像分析方法，用于电池研究中的相位分割和成分检测	高分辨率透射电子显微镜（TEM）图像中的复合材料的相位和成分	computer vision	NA	深度学习	U-Net	image	NA
1224	2025-04-09	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2025-Apr-08, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了一种名为MULTICOM_ligand的深度学习方法，用于预测蛋白质-配体结构和结合亲和力，并在CASP16中表现优异	提出了一个结合结构共识排序和无监督姿势排序的深度学习集成方法，以及一个新的深度生成流匹配模型，用于联合预测结构和结合亲和力	未提及具体局限性	解决蛋白质-配体结构和结合亲和力预测的基础性问题，以支持生物技术和药物发现	蛋白质-配体结构和结合亲和力	机器学习	NA	深度学习	深度学习集成和流匹配模型	蛋白质-配体结构数据	NA
1225	2025-04-09	Enhancing Herbal Medicine-Drug Interaction Prediction Using Large Language Models 2025-Apr-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3558667 PMID:40193268	研究论文	该研究提出了一种结合大型语言模型(LLMs)、独热编码和变分图自编码器(VGAEs)的草药-药物相互作用(HDI)预测模型	首次整合LLMs、独热编码和VGAEs来预测HDI，并通过区分草药-药物相似性和节点度来优化VGAE消息流	未明确提及具体的数据集规模或模型性能比较的局限性	优化草药与药物联合治疗策略，支持个性化和精准医疗	草药与药物之间的相互作用	自然语言处理	NA	LLMs, 独热编码, VGAEs	变分图自编码器(VGAE)	药物SMILES字符串, 草药多天然产物特征	NA
1226	2025-04-09	Dimensionality Reduction of Genetic Data using Contrastive Learning 2025-Apr-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyaf068 PMID:40194517	research paper	该论文介绍了一种利用对比学习进行遗传数据降维的框架，以生成类似PCA的群体可视化	定义了一种优于常用对比学习损失函数的损失函数，并针对SNP基因型数据集定制了数据增强方案	未明确提及具体局限性	开发一种适用于遗传数据的降维方法，以更好地保留局部和全局结构	狗和人类的基因型数据	machine learning	NA	对比学习	深度学习神经网络	SNP基因型数据	两个数据集（狗和人类基因型）
1227	2025-04-09	Severity Classification of Pediatric Spinal Cord Injuries Using Structural MRI Measures and Deep Learning: A Comprehensive Analysis Across All Vertebral Levels 2025-Apr-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8770 PMID:40194851	research paper	本研究通过结构MRI测量和深度学习技术，对儿童脊髓损伤的严重程度进行分类	结合横截面积、前后宽度和左右宽度等结构参数与深度学习技术，首次在儿童脊髓损伤中进行全面分析	样本量较小，仅61名参与者，且仅包括慢性脊髓损伤患者	评估儿童脊髓损伤患者的结构特征，并开发基于深度学习的分类方法	20名慢性脊髓损伤儿童和41名正常发育儿童	digital pathology	spinal cord injury	MRI扫描和深度学习	CNN	MRI图像	61名儿童（20名脊髓损伤患者和41名正常发育儿童）
1228	2025-04-09	Noninvasive early prediction of preeclampsia in pregnancy using retinal vascular features 2025-Apr-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01582-6 PMID:40188283	research paper	该研究开发了一种名为PROMPT的AI驱动模型，利用视网膜摄影技术对妊娠期高血压疾病子痫前期（PE）进行早期无创预测	首次结合视网膜血管特征、平均动脉压和风险因素，开发了非侵入性、经济高效的子痫前期预测工具PROMPT	研究样本量相对有限（1812例妊娠），且仅在妊娠14周前进行评估	开发无创、低成本的子痫前期早期预测方法	妊娠期妇女（孕14周前）	digital pathology	cardiovascular disease	retinal photography, deep learning	machine learning	retinal images	1812 pregnancies
1229	2025-04-09	Deep-learning enabled rapid and low-cost detection of microplastics in consumer products following on-site extraction and image processing 2025-Apr-04, RSC advances IF:3.9Q2 DOI:10.1039/d4ra07991d PMID:40190644	研究论文	提出一种基于深度学习的低成本、快速检测消费品中微塑料的方法	使用低成本手机显微镜和YOLOv5深度学习模型实现微塑料的快速准确检测	仅测试了五种消费品类别，样本量相对有限	开发一种快速、准确且低成本的微塑料检测方法	盐、糖、茶包、牙膏和牙粉中的微塑料	计算机视觉	NA	密度分离技术、ATR-FTIR光谱、FE-SEM	YOLOv5	图像	2490张图像（来自五种不同产品类别）
1230	2025-04-09	Non-invasive quantification of pressure drops in stenotic intracranial vessels: using deep learning-enhanced 4D flow MRI to characterize the regional haemodynamics of the pulsing brain 2025-Apr-04, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2024.0040 PMID:40191027	研究论文	本研究探讨了使用深度学习增强的超分辨率4D流MRI结合物理信息虚拟功-能相对压力技术来量化狭窄颅内动脉压力下降的方法	采用深度学习增强的超分辨率4D流MRI技术，结合物理信息虚拟功-能相对压力技术，显著提高了颅内动脉狭窄区域压力变化的非侵入性量化准确性	研究首先在模拟颅内环境的脉动流实验中进行验证，然后才转移到患者队列中，可能限制了直接临床应用的广泛性	开发一种非侵入性方法来量化狭窄颅内动脉的压力下降，以评估功能性狭窄的严重程度	狭窄颅内动脉及其区域血流动力学	数字病理学	心血管疾病	深度学习增强的超分辨率4D流MRI	深度学习	MRI图像	一组颅内动脉粥样硬化疾病患者队列
1231	2025-04-09	BRAFPred: A Novel Approach for Accurate Prediction of the B-Type Rapidly Accelerated Fibrosarcoma Inhibitor 2025-Apr-01, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10367 PMID:40191311	研究论文	本文提出了一种名为BRAFPred的新方法，用于准确预测B型快速加速纤维肉瘤抑制剂	采用堆叠集成学习框架，结合经典机器学习和深度学习技术，提高了预测BRAF抑制剂的准确性	未明确提及具体局限性	开发更准确的BRAF抑制剂预测方法	B型快速加速纤维肉瘤(BRAF)抑制剂	机器学习	癌症	堆叠集成学习、XGB、SVR、Chemprop、FG-BERT	随机森林回归模型	分子描述符和小分子序列特征	未明确提及具体样本数量
1232	2025-04-08	Optimal selection of a probabilistic machine learning model for predicting high run chase outcomes in T-20 international cricket 2025-Apr-07, Journal of sports sciences IF:2.3Q2 DOI:10.1080/02640414.2025.2488157 PMID:40192186	研究论文	本研究评估了多种概率机器学习模型在预测T20国际板球比赛中高得分追逐结果的有效性	首次系统地比较了多种贝叶斯概率模型在板球高得分追逐预测中的表现，并确定CAWNB模型为最优选择	研究仅限于T20板球比赛，未考虑其他板球赛制，且未探索混合贝叶斯深度学习方法	评估不同概率机器学习模型在板球高得分追逐预测中的性能	T20国际板球比赛中的高得分追逐情景	机器学习	NA	蒙特卡洛模拟，非参数统计检验	Naïve Bayes, Bayesian Network, BRNN, HNB, CFWNB, CAWNB	比赛数据	NA
1233	2025-04-08	Phantom-based evaluation of image quality in Transformer-enhanced 2048-matrix CT imaging at low and ultralow doses 2025-Apr-07, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01755-z PMID:40193009	研究论文	比较标准512矩阵、标准1024矩阵和基于Swin2SR的2048矩阵幻影图像在不同扫描协议下的质量	使用Swin2SR超分辨率模型生成2048矩阵图像，相比标准512和1024矩阵图像，提高了空间分辨率并降低了图像噪声	研究仅基于Catphan 600幻影，未涉及真实患者数据	评估Transformer增强的2048矩阵CT图像在低剂量和超低剂量下的图像质量	Catphan 600幻影	医学影像	NA	多排CT扫描、超分辨率重建	Swin2SR、SRCNN	CT图像	Catphan 600幻影
1234	2025-04-08	Optimization on multifractal loss landscapes explains a diverse range of geometrical and dynamical properties of deep learning 2025-Apr-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58532-9 PMID:40185730	research paper	该论文提出了一个理论框架，将深度学习中的损失景观复杂性建模为多重分形，以解释优化器在复杂景观中导航的能力	引入多重分形模型统一解释损失景观的几何特征和优化动力学，提出分数扩散理论说明优化过程如何引导向平滑解空间	未提及具体实验验证或实际应用案例	理解深度学习优化器在复杂损失景观中的动态导航机制	深度学习中的损失景观和优化过程	machine learning	NA	NA	deep neural networks	NA	NA
1235	2025-04-08	CT-based radiomics deep learning signatures for non-invasive prediction of metastatic potential in pheochromocytoma and paraganglioma: a multicohort study 2025-Apr-05, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01952-4 PMID:40185919	research paper	该研究开发并验证了基于CT的放射组学深度学习特征，用于无创预测嗜铬细胞瘤和副神经节瘤的转移潜能	结合放射组学特征和深度学习模型（ResNet），构建了一个能够术前预测PPGL转移潜能的组合模型	研究为回顾性分析，样本量相对有限（249例患者）	开发非侵入性预测嗜铬细胞瘤和副神经节瘤转移潜能的方法	嗜铬细胞瘤和副神经节瘤（PPGL）患者	digital pathology	pheochromocytoma and paraganglioma	CT imaging, radiomics, deep learning	SVM, ResNet-50	CT images	249例PPGL患者（训练集138例，测试集1 71例，测试集2 40例）
1236	2025-04-08	Parallel boosting neural network with mutual information for day-ahead solar irradiance forecasting 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95891-1 PMID:40185800	research paper	提出了一种新颖的并行提升神经网络框架（PBNN），用于日前太阳辐照度预测，结合了提升算法和前馈神经网络	提出了一种新的并行提升神经网络框架（PBNN），结合了三种提升决策树算法（XgBoost、CatBoost和RF回归器）作为基础学习器，并通过前馈神经网络（FFNN）分配最优权重以生成最终预测	虽然PBNN在性能上有所提升，但其计算复杂度可能仍然较高，且依赖于特征选择算法的准确性	提高日前太阳辐照度预测的准确性，以支持光伏系统的可靠运行	太阳辐照度数据	machine learning	NA	并行提升神经网络（PBNN）、互信息（MI）算法	PBNN、XgBoost、CatBoost、RF、FFNN	太阳辐照度数据	两个地理数据集（伊斯兰堡和圣地亚哥）
1237	2025-04-08	Improved deep learning model for accurate energy demand prediction and conservation in electric vehicles integrated with cognitive radio networks 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94650-6 PMID:40185809	research paper	提出了一种改进的深度学习模型，用于准确预测电动汽车与认知无线电网络整合中的能源需求并实现节能	结合经验模态分解、CNN和海鸥优化算法（EMD-CNN-SOA），提高了能源需求预测的准确性	未提及具体的数据集来源或实验环境限制	解决电动汽车能源需求预测和节能问题，减轻电网负担并降低充电成本	电动汽车和认知无线电网络	machine learning	NA	Empirical Mode Decomposition, Seagull Optimization Algorithm	EMD-CNN-SOA, CNN, LSTM, RNN	NA	NA
1238	2025-04-08	A performance-driven hybrid text-image classification model for multimodal data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95674-8 PMID:40185890	research paper	本文提出了一种结合文本和图像处理的混合模型HTIC，用于多模态数据的分类任务	HTIC模型采用复杂的深度学习架构，结合VGG16进行图像分类和Roberta与MYSQL进行文本分类，通过多模态特征提取层确保不同类型数据的兼容性	未明确提及具体局限性	提高多模态数据分类的准确性、可解释性和应用性	多模态数据（文本和图像）	machine learning	NA	深度学习、多模态特征提取	HTIC（混合文本图像分类模型）、VGG16、Roberta、CNN	文本、图像	五个不同的数据集（包括NFT数据集）
1239	2025-04-08	Tunnel face rock mass class rapid identification based on TBM cutterhead vibration monitoring and deep learning model 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96875-x PMID:40186002	研究论文	基于TBM刀盘振动监测和深度学习模型，开发了一种端到端的隧道工作面岩体等级快速识别方法	结合1DCNN、BiLSTM和自注意力机制的优势，提出了一种新的深度学习模型，能够自动提取信号中的时空域特征，无需中断正常掘进过程即可快速识别岩体等级	缺乏对长隧道段连续振动记录的获取，且对TBM刀盘振动监测的研究较少	优化TBM操作参数和选择后续隧道支护措施	TBM隧道工作面的岩体条件	机器学习	NA	深度学习	1DCNN, BiLSTM, 自注意力机制	振动信号	NA
1240	2025-04-08	Compact Model Training by Low-Rank Projection With Energy Transfer 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3400928 PMID:38843062	研究论文	提出了一种名为LRPET的新训练方法，用于从头开始训练低秩压缩网络，并实现竞争性性能	通过交替执行随机梯度下降训练和权重矩阵的低秩流形投影，并结合能量转移和BN校正，提高了低秩压缩网络的性能	未明确提及具体限制，但可能包括对特定网络架构的依赖或计算资源需求	开发一种高效的深度神经网络低秩压缩方法	深度神经网络	机器学习	NA	低秩投影与能量转移（LRPET）	CNN, Transformer	图像	CIFAR-10和ImageNet数据集