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
1001	2025-05-16	Revolutionizing biological digital twins: Integrating internet of bio-nano things, convolutional neural networks, and federated learning 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109970 PMID:40101583	研究论文	本文提出了一种整合生物纳米物联网、卷积神经网络和联邦学习的新型框架，以解决生物数字孪生在微生物领域的应用挑战	结合IoBNT进行微观数据采集与传输，并利用CNN和FL算法实现高效模式识别与带宽节省	未明确说明框架在非细菌类生物实体上的适用性	解决微生物数字孪生实现过程中的数据提取、传输和计算难题	微生物（如细菌）的数字孪生模型	数字病理学	NA	IoBNT（生物纳米物联网）、联邦学习	CNN（卷积神经网络）	微观生物数据	33种细菌类别
1002	2025-05-16	Approach and surgical management of epiretinal membrane 2025-May-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001135 PMID:40145317	综述	本文综述了近年来视网膜前膜（ERM）手术的最新研究进展，包括手术技术评估和内部限制膜（ILM）剥离的必要性	总结了ILM剥离可能减少ERM复发的优势，并探讨了光学相干断层扫描（OCT）在术前、术中和术后的应用，以及深度学习模型预测手术效果的能力	仍存在许多关于最佳手术实践的未解决问题，需要进一步评估	探讨视网膜前膜（ERM）手术的最新研究进展和手术技术	视网膜前膜（ERM）患者	数字病理学	视网膜疾病	光学相干断层扫描（OCT）	深度学习模型	图像	NA
1003	2025-05-16	scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013027 PMID:40333631	research paper	该论文提出了一种名为scSDNE的半监督图嵌入模型，用于推断基于配体-受体（L-R）相互作用的细胞间通讯	结合深度学习与手动整理的L-R相互作用数据库，scSDNE能够将相互作用细胞中的基因映射到共享潜在空间，从而更精确地表示细胞间关系	NA	全面理解细胞间通讯的复杂机制	细胞间通讯中的配体-受体（L-R）相互作用	生物信息学	NA	单细胞RNA测序（scRNA-seq）	半监督图嵌入模型（scSDNE）	基因表达数据	NA
1004	2025-05-16	Early detection of Alzheimer's disease using deep learning methods 2025-May, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70175 PMID:40356024	研究论文	本研究利用深度学习框架分析多模态数据集，以提高阿尔茨海默病的早期检测准确性	开发了一种结合LSTM和FNN处理结构化数据，以及ResNet50和MobileNetV2处理MRI数据的混合深度学习框架，显著提高了预测准确率	研究依赖于特定数据集（NACC和ADNI），可能限制了模型的泛化能力	通过AI技术提高阿尔茨海默病的早期检测准确性	阿尔茨海默病患者的多模态数据（临床数据、生物标志物和神经影像数据）	数字病理学	老年病	深度学习	LSTM, FNN, ResNet50, MobileNetV2	结构化数据, MRI图像	来自NACC和ADNI数据集的数据
1005	2025-05-15	The state of modelling face processing in humans with deep learning 2025-May-14, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12794 PMID:40364689	review	本文比较了深度学习模型与人类面部处理系统的心理学模型，探讨了深度学习在面部识别和面部代码编码方面的表现	揭示了深度学习模型在面部识别任务中不仅超越人类表现，还能模拟人类面部处理的某些定性方面，如身份识别网络中也编码表情信息	未提及具体的技术限制或数据限制	比较深度学习模型与人类面部处理系统的心理学模型，探讨面部代码的编码方式	人类面部处理系统和深度学习模型	computer vision	NA	深度学习	深度学习模型	面部图像	NA
1006	2025-05-15	Artificial Intelligence in Sincalide-Stimulated Cholescintigraphy: A Pilot Study 2025-May-13, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005967 PMID:40359029	研究论文	本研究探索了基于AI的实时胆囊放射性追踪方法在胆囊排空分数计算中的应用	首次在核医学实践中探索了整合实时图像处理和器官功能计算的AI驱动工作流程	AI在患者移动或低计数活动情况下容易出错，且样本量较小(仅20例)	开发AI驱动的实时胆囊追踪和功能评估系统	胆囊放射性追踪和胆囊排空分数(GBEF)计算	数字病理	胆囊功能障碍	胆囊闪烁扫描术(SSC)	U-Net	医学影像	20例胆囊闪烁扫描检查(10例简单病例和10例挑战性病例)
1007	2025-05-15	Artificial intelligence for chronic total occlusion percutaneous coronary interventions 2025-May-13, The Journal of invasive cardiology IF:1.6Q3 DOI:10.25270/jic/25.00089 PMID:40359582	review	本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展	探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力	未提及具体的研究样本量或模型性能的详细比较	评估AI在CTO PCI领域的应用效果和前景	慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI）	machine learning	cardiovascular disease	NA	neural networks, deep learning	clinical parameters, imaging	NA
1008	2025-05-15	Predicting gene expression from DNA sequence using deep learning models 2025-May-13, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	研究论文	本文探讨了利用深度学习模型从DNA序列预测基因表达的方法	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提高了预测基因活性的准确性	不同方法存在各自的优缺点，且模型的复杂性可能限制其广泛应用	构建能够从DNA序列预测基因活性的计算模型	基因表达的调控机制，特别是启动子和增强子等DNA元件	机器学习	NA	表观基因组图谱和高通量报告基因检测	深度学习	DNA序列数据	NA
1009	2025-05-15	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-May-13, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	research paper	提出了一种混合框架，用于检测多媒体安全中的复制-移动伪造	结合了FFT、SIFT、ORB、MobilenetV2和VGG16模型以及注意力机制，提高了检测的准确性	传统方法在处理多样化的图像修改时可能存在困难	保证数字图像完整性并识别图像篡改	数字图像	computer vision	NA	FFT、SIFT、ORB、MobilenetV2、VGG16、DBSCAN	MobilenetV2、VGG16	image	五个基准复制-移动伪造数据集
1010	2025-05-15	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高	提高复杂系统中化合物分析的效率并减少有机溶剂消耗	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC），一维卷积神经网络（1D-CNN）	1D-CNN	色谱数据	NA
1011	2025-05-15	A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights 2025-May-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03952-6 PMID:40348987	research paper	该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级	结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级	研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响	创建可靠的食管癌分级框架，提高诊断准确性和可解释性	2560名食管癌患者的CT扫描图像和临床信息	digital pathology	esophageal cancer	CT imaging, radiomics, deep learning	DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost	image, clinical information	2560名食管癌患者
1012	2025-05-15	Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109957 PMID:40090185	研究论文	本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性	提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集	在外部测试数据集上的性能有所下降（F1分数从81%降至68%）	开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统	12导联心电图数据	机器学习	心血管疾病	傅里叶变换、小波变换、互相关	eXtreme Gradient Boosting (XGBoost)	心电图信号	未明确提及具体样本数量，但使用了大规模心电图数据库
1013	2025-05-15	Automatic pre-screening of outdoor airborne microplastics in micrographs using deep learning 2025-May-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125993 PMID:40090454	研究论文	本文提出了一种利用深度学习自动预筛选户外空气中微塑料的新方法	通过增强的U-Net模型（Attention U-Net和Dynamic RU-NEXT）及Mask R-CNN在低分辨率显微图像中识别和分类户外空气中的微塑料，创新性地将分类直接集成到基于U-Net的分割框架中，提高了计算效率	NA	提高户外空气中微塑料的识别和分类效率	户外空气中的微塑料	计算机视觉	NA	深度学习	Attention U-Net, Dynamic RU-NEXT, Mask R-CNN	图像	NA
1014	2025-05-15	Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110002 PMID:40096767	research paper	提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率	利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力	研究仅验证了20名正常受试者的数据，样本量较小	提高胎儿健康监测的可及性和可靠性	胎儿和母亲的心率	machine learning	心血管疾病	Phonocardiography (PCG)	U-NetR, transformer	PCG信号	20名正常受试者，包括一例胎儿心动过速心律失常病例
1015	2025-05-15	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	research paper	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像（WSI）的分类和识别，通过多尺度融合特征和语义相关性聚类实现跨域知识迁移	依赖于动物模型数据集，可能无法完全覆盖人类WSI的多样性	提高组织病理学图像分类的准确性，减少对人类WSI标注的依赖	人类全切片图像（WSI）和Minmice模型的组织病理学图像数据集	digital pathology	NA	无监督域适应方法，多尺度特征融合，语义相关性聚类	deep learning	image	NA
1016	2025-05-15	Enhancing synchrotron radiation micro-CT images using deep learning: an application of Noise2Inverse on bone imaging 2025-May-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525001833 PMID:40167487	研究论文	该研究应用深度学习技术Noise2Inverse来增强同步辐射微CT图像，以解决低剂量CT成像中的噪声问题	首次将自监督深度学习方法Noise2Inverse应用于骨成像的低剂量同步辐射微CT图像降噪	在极低剂量（1/4和1/6）下网络结果出现失真，且测试设置中的数据采集噪声是影响方法可行性的主要问题	降低骨成像研究中低剂量CT的噪声，同时保持骨的力学特性	骨组织的同步辐射微CT图像	计算机视觉	NA	同步辐射微CT（SRµCT）	CNN	图像	模拟剂量数据集（全剂量、1/2、1/3、1/4和1/6剂量）
1017	2025-05-15	AMPCliff: Quantitative definition and benchmarking of activity cliffs in antimicrobial peptides 2025-May-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.04.046 PMID:40318764	研究论文	本文介绍了AMPCliff，一个用于定量定义和基准测试抗菌肽（AMPs）中活性悬崖（AC）现象的方法	首次为抗菌肽中的活性悬崖现象提供了定量定义和基准测试框架，并评估了多种机器学习模型在此任务上的表现	当前基于深度学习的表征模型在预测抗菌肽活性悬崖方面仍有提升空间，特别是需要整合原子级动态信息以更准确捕捉抗菌肽特性	研究抗菌肽中活性悬崖现象的定量定义和预测方法	由标准氨基酸组成的抗菌肽（AMPs）	机器学习	NA	机器学习、深度学习、掩码语言模型、生成语言模型	ESM2、多种机器学习算法	肽序列数据	来自公开AMP数据集GRAMPA的金黄色葡萄球菌配对AMP基准数据集
1018	2025-05-15	An inherently interpretable AI model improves screening speed and accuracy for early diabetic retinopathy 2025-May, PLOS digital health DOI:10.1371/journal.pdig.0000831 PMID:40354306	研究论文	本文开发了一种内在可解释的深度学习模型，用于早期糖尿病视网膜病变的筛查，提高了筛查速度和准确性	提出了一种内在可解释的深度学习模型，直接在其网络架构中建模糖尿病视网膜病变的局部证据，超越了传统的黑盒模型和后解释技术	研究主要基于回顾性数据，前瞻性临床验证仍需进一步研究	开发一种内在可解释的AI模型，用于早期糖尿病视网膜病变的筛查和临床决策支持	糖尿病视网膜病变患者的眼底图像	数字病理	糖尿病视网膜病变	深度学习	DNN	图像	34,350张高质量眼底图像（训练集）+ 10个外部数据集（验证集）+ 65张带注释的图像（分析用）
1019	2025-05-14	NCPepFold: Accurate Prediction of Noncanonical Cyclic Peptide Structures via Cyclization Optimization with Multigranular Representation 2025-May-13, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00139 PMID:40255206	研究论文	提出了一种名为NCPepFold的计算方法，用于直接预测含有非经典氨基酸的环肽结构	NCPepFold通过整合残基和原子级别的多粒度信息以及微调技术，显著提高了预测准确性，平均肽均方根偏差（RMSD）为1.640 Å	NA	提高含有非经典氨基酸的环肽结构预测的准确性，以促进肽药物设计和生物医学研究	含有非经典氨基酸的环肽	生物分子科学	NA	深度学习	NCPepFold	分子结构数据	NA
1020	2025-05-14	SpecRecFormer: Deep Learning-Driven Adaptive Component Identification of PAH Mixtures Based on Single-Component Raman Spectra 2025-May-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00461 PMID:40298131	研究论文	本文提出了一种名为SpecRecFormer的深度学习模型，用于基于拉曼光谱快速识别多环芳烃混合物中的单个组分	结合双通道CNN和Transformer模块进行局部和全局特征提取，并引入自适应阈值策略提高识别准确率	训练数据仅来源于四种单组分参考光谱，可能限制模型在其他类型混合物上的泛化能力	解决混合光谱中组分识别的挑战，提升环境科学和化学分析中的应用潜力	多环芳烃(PAHs)混合物	机器学习	NA	拉曼光谱分析	CNN+Transformer混合模型	光谱数据	四种单组分参考光谱生成的数据集，并在三个真实PAH数据集上测试