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
1	2025-03-30	A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules 2025-Jun-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117251 PMID:40020636	研究论文	本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性	提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下异常检测的准确性和效率	胃肠道内摄像头分辨率低和光线条件差可能导致误诊，且研究使用的是模拟人类胃肠道的猪胃图像数据集	提高胃肠道疾病的早期筛查准确性和效率	胃肠道疾病（如癌症、溃疡、炎症等）的早期检测	数字病理	胃肠道疾病	近红外荧光胶囊内镜(NIRF-CE)	Multimodal-Retinex-Attention-YOLO (MRAY), 基于YOLO系列目标检测模型	图像（白光和近红外荧光图像）	使用NIRF-CE系统捕获的猪胃图像数据集，模拟人类胃肠道
2	2025-03-30	Individualized Analysis of Nipple-Sparing Mastectomy Versus Modified Radical Mastectomy Using Deep Learning 2025-Jun, Cancer innovation DOI:10.1002/cai2.70002 PMID:40151333	研究论文	本研究通过深度学习评估了乳头保留乳房切除术（NSM）与改良根治性乳房切除术（MRM）对个体生存结果的影响，并探讨了新辅助系统治疗（NST）在减少手术干预需求方面的潜力	提出了平衡个体与混合效应（BIME）生存回归模型，该模型在治疗推荐中显示出最强的保护效果	需要进一步结合全面的预后评估来优化手术选择过程并完善其临床实用性	评估NSM与MRM对乳腺癌患者生存结果的影响，并探讨NST在减少手术干预需求方面的潜力	乳腺癌患者	数字病理	乳腺癌	深度学习	BIME	临床数据	NA
3	2025-03-28	Food-derived DPP4 inhibitors: Drug discovery based on high-throughput virtual screening and deep learning 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143505 PMID:40015027	research paper	该研究通过高通量虚拟筛选和深度学习技术，从食物来源中开发出六种化合物，作为治疗2型糖尿病的潜在候选药物	结合虚拟筛选、深度学习算法、ADMET特性评估和分子动力学模拟，发现新型食物来源的DPP-4抑制剂，并利用味觉预测模型评估其风味	研究未提及临床试验结果，实际疗效和安全性需进一步验证	开发新型食物来源的DPP-4抑制剂，用于2型糖尿病治疗	六种从食物来源开发并修饰的化合物	machine learning	type 2 diabetes	virtual screening, deep learning, ADMET characterization assessment, molecular dynamics simulations	deep learning	chemical compound data	六种化合物
4	2025-03-28	Lightweight deep learning model for embedded systems efficiently predicts oil and protein content in rapeseed 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143557 PMID:40020621	研究论文	开发了一种基于优化深度学习方法的移动应用，用于低成本、无损且实时预测油菜籽中蛋白质和油脂含量	采用轻量级深度学习模型FasterNet-L，结合三种剪枝方法，显著提升了预测速度和模型效率	研究仅针对油菜籽，尚未在其他油料作物上广泛验证	开发一种高效、低成本的油菜籽蛋白质和油脂含量预测方法	油菜籽	计算机视觉	NA	深度学习	FasterNet-L	图像	NA
5	2025-03-26	Artificial intelligence driven plaque characterization and functional assessment from CCTA using OCT-based automation: A prospective study 2025-Jun-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133140 PMID:40064207	研究论文	开发并验证了一种基于AI的模型，利用CCTA和OCT图像自动分析斑块特征和冠状动脉功能	首次将AI模型与OCT图像结合，用于自动分析斑块特征和冠状动脉功能，并展示了与OCT分析结果的高度一致性	样本量相对较小（100名患者），且所有患者均来自同一机构，可能限制结果的普遍性	开发并验证一种AI模型，用于自动分析冠状动脉斑块特征和功能评估	100名接受侵入性冠状动脉造影、OCT和CCTA检查的患者	数字病理学	心血管疾病	CCTA, OCT	CNN	图像	100名患者，21,471张断层图像
6	2025-03-25	Fragment-level feature fusion method using retrosynthetic fragmentation algorithm for molecular property prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108985 PMID:40009893	研究论文	提出了一种基于逆合成片段化算法的片段级特征融合方法（RFA-FFM），用于分子性质预测	RFA-FFM通过两种策略整合多视角分子表征：1) 对比两种逆合成方法生成的片段化学信息；2) 融合分子层次结构不同水平的化学信息	未明确提及具体局限性	提高分子性质（如毒性和血脑屏障渗透性）预测的准确性	分子性质预测	机器学习	NA	逆合成片段化算法	GCL（图对比学习）	分子图数据	四个分类基准测试和乙型肝炎病毒数据集
7	2025-03-25	DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108982 PMID:40020469	研究论文	本研究提出了一种基于二叉树的深度学习模型DeepTree-AAPred，用于预测抗血管生成肽（AAPs）	结合二叉树结构、蛋白质语言预训练模型（ProtBERT和ESM-2）以及BiLSTM和TextCNN，提取一维和二维广义特征，并捕获局部特征和上下文依赖关系	未提及模型在非标准数据集上的泛化能力或实际临床应用的验证	提高抗血管生成肽（AAPs）的预测准确性，以支持肿瘤治疗	抗血管生成肽（AAPs）	机器学习	肿瘤	蛋白质语言预训练模型（ProtBERT和ESM-2）、BiLSTM、TextCNN	DeepTree-AAPred（基于二叉树的深度学习模型）	蛋白质序列数据	标准数据集（具体数量未提及）
8	2025-03-23	Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas 2025-Jun, Annals of diagnostic pathology IF:1.5Q3 DOI:10.1016/j.anndiagpath.2025.152462 PMID:40048885	研究论文	本研究旨在开发一种数字算法，用于评估外阴鳞状细胞癌中的肿瘤-基质比率、肿瘤芽和肿瘤浸润淋巴细胞，并探讨这些因素与p16状态的变化	开发了一种基于深度学习的应用协议包（APP），用于自动分割组织并量化肿瘤-基质比率、肿瘤芽和肿瘤浸润淋巴细胞，实现了精确和客观的测量	需要在更大的队列中验证算法，并与临床病理特征和预后相关联以确定其临床相关性	开发数字方法评估外阴鳞状细胞癌中的肿瘤-基质比率、肿瘤芽和肿瘤浸润淋巴细胞，并研究这些因素与p16状态的变化	外阴鳞状细胞癌	数字病理学	外阴鳞状细胞癌	深度学习	NA	图像	41例外阴鳞状细胞癌病例
9	2025-03-22	Low-speed impact localization of wind turbine blades with a single sensor utilizing multiscale feature fusion convolutional neural networks 2025-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107598 PMID:39955861	研究论文	本文提出了一种基于深度学习的单传感器冲击定位方法，用于风力涡轮机叶片的低速冲击定位	设计了一种多尺度特征融合卷积神经网络，并结合卷积块注意力模块，从单传感器信号中自适应提取特征，实现精确的区域级源定位	NA	开发一种用于评估和定位复合材料结构（如风力涡轮机叶片）冲击的方法	风力涡轮机叶片的低速冲击响应	机器学习	NA	完全集成经验模态分解与自适应噪声	多尺度特征融合卷积神经网络	声发射信号	钢球跌落实验模拟的风力涡轮机叶片翼梁低速冲击响应
10	2025-03-21	Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder 2025-Jun-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.109 PMID:40044084	研究论文	本研究通过大规模代谢组学连接组分析，揭示了重度抑郁症（MDD）患者与健康对照组之间的核心差异代谢网络特征	首次采用bootstrap推断分析和机器学习方法构建代谢相关网络，识别MDD与健康对照组之间的核心差异代谢网络特征，并整合网络特征和基线特征进行MDD诊断	研究仅基于血浆代谢组学数据，未考虑其他生物标志物或临床数据	揭示MDD患者与健康对照组之间的代谢网络差异，探索MDD的病理生理机制和诊断生物标志物	182,053名UK Biobank参与者（9,425名MDD患者和172,628名健康对照组）	机器学习	重度抑郁症	代谢组学分析、bootstrap推断分析	极端梯度提升模型（XGBoost）	血浆代谢组学数据	182,053名参与者（9,425名MDD患者和172,628名健康对照组）
11	2025-03-19	StopSpamX: A multi modal fusion approach for spam detection in social networking 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103227 PMID:40093577	研究论文	本文提出了一种多模态融合方法StopSpamX，用于社交网络中的垃圾信息检测	结合了多种最先进的词嵌入技术和深度学习混合融合分类器技术，包括GRU、LSTM和CNN，以提高垃圾信息检测的性能	未提及具体的数据集大小或实验环境的限制	实现一个无垃圾信息的社交网络环境	社交网络平台（如Twitter、Instagram、Youtube、Facebook、Whatsapp）上的数据	自然语言处理	NA	Word2Vec, GloVe, FastText, GRU, LSTM, CNN	混合融合分类器（基于文本的分类器和组合分类器）	文本	未提及具体样本数量
12	2025-03-19	Prediction of lymph node metastasis in papillary thyroid carcinoma using non-contrast CT-based radiomics and deep learning with thyroid lobe segmentation: A dual-center study 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100639 PMID:40093877	研究论文	本研究旨在通过深度学习放射组学（DLRad）和临床特征开发预测乳头状甲状腺癌（PTC）患者淋巴结转移（LNM）的模型	结合深度学习放射组学和临床特征，开发了一个新的预测模型，用于预测PTC患者的LNM，并在双中心研究中验证了其性能	研究样本量相对较小，且仅使用了非对比CT数据，可能限制了模型的泛化能力	开发并验证一个预测PTC患者LNM的模型	228名PTC患者的271个甲状腺叶	数字病理学	甲状腺癌	非对比CT	深度学习	图像	271个甲状腺叶（来自228名PTC患者）
13	2025-03-14	A breakthrough computational strategy for efficient enzymatic digestion of walnut protein to prepare antioxidant peptides 2025-Jun-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143311 PMID:39970520	研究论文	本研究提出了一种高效的计算策略（CAE-VD），结合深度学习模型和虚拟消化技术，用于制备具有特定活性的天然生物活性肽	创新点在于将高精度的深度学习模型（卷积自编码器，CAE）与虚拟消化（VD）相结合，用于指导酶的选择和生物活性肽的制备	研究未提及该策略在其他类型生物活性肽制备中的广泛适用性，且未讨论实际应用中的潜在挑战	研究目的是开发一种高效的计算策略，用于指导酶的选择和生物活性肽的制备	研究对象为核桃蛋白及其衍生的抗氧化肽	机器学习	NA	虚拟消化（VD）	卷积自编码器（CAE）	肽序列数据	未明确提及具体样本数量
14	2025-03-14	Specific glycomacropeptide detection via polyacrylamide gel electrophoresis with dual imaging and signal-fusion deep learning 2025-Jun-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143293 PMID:39986063	研究论文	本文报告了一种结合双成像和信号融合深度学习的SDS-PAGE方法，用于牛奶样品中糖巨肽（GMP）的特异性识别和分析	通过结合固有荧光成像（IFI）和银染色的双成像方法，以及信号融合深度学习模型，提高了对GMP的特异性识别和定量分析能力	该方法主要适用于具有独特IFI特性的蛋白质/肽的分析，可能不适用于所有类型的蛋白质/肽	开发一种特异性、灵敏且简便的方法，用于牛奶样品中糖巨肽（GMP）的识别和定量分析	牛奶样品中的糖巨肽（GMP）	食品安全	NA	SDS-PAGE, 固有荧光成像（IFI）, 银染色	信号融合深度学习模型	图像	NA
15	2025-03-14	Role of artificial intelligence in data-centric additive manufacturing processes for biomedical applications 2025-Jun, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106949 PMID:40036906	综述	本文综述了人工智能（AI）在增材制造（AM）过程中，特别是在生物医学应用中的角色，以增强从预处理到后处理的各个环节，满足更广泛的个性化医疗需求	本文首次全面探讨了AI在AM全过程中的应用，包括预处理、打印过程和后处理，特别是在生物医学领域的应用，展示了AI在提高资源效率和产品质量方面的潜力	本文主要集中于理论探讨和现有研究的综述，缺乏具体的实验验证和案例分析	探讨AI如何增强AM过程，以满足生物医学应用中的个性化需求	增材制造（AM）过程及其在生物医学应用中的各个环节	机器学习	NA	监督学习、无监督学习、深度学习、强化学习	NA	NA	NA
16	2025-03-14	"Optimizing sEMG Gesture Recognition with Stacked Autoencoder Neural Network for Bionic Hand" 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103207 PMID:40071216	研究论文	本研究提出了一种使用堆叠自编码器神经网络（SAE）进行表面肌电图（sEMG）手势识别的新方法	利用堆叠自编码器神经网络进行层次表示学习，从原始sEMG信号中提取有意义的特征，提高了手势分类的精度和鲁棒性	NA	优化sEMG手势识别，以增强仿生手的控制技术	表面肌电图（sEMG）信号	机器学习	NA	MODWT分解（最大重叠离散小波变换）	堆叠自编码器神经网络（SAE）	sEMG信号	NA
17	2025-03-12	Non-destructive origin and ginsenoside analysis of American ginseng via NIR and deep learning 2025-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125913 PMID:39987608	研究论文	本研究开发了一种结合近红外光谱和多任务深度学习网络的非破坏性方法，用于西洋参的产地追溯和总皂苷含量预测	提出了一种混合多任务深度学习网络MMTDL，结合残差网络、注意力机制和混合头网络，增强了从近红外光谱数据中提取特征的能力	样本量相对较小，仅包含150个样本，可能影响模型的泛化能力	开发一种非破坏性方法，同时识别西洋参的产地和预测总皂苷含量	西洋参	机器学习	NA	近红外光谱	MMTDL（混合多任务深度学习网络）	光谱数据	150个样本，来自四个不同产地
18	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集
19	2025-03-11	DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108376 PMID:39986257	研究论文	本文提出了一种基于深度Kronecker卷积神经网络（DKCN-Net）和联邦学习的肺部疾病检测方法	结合了联邦学习（FL）和深度Kronecker卷积神经网络（DKCN-Net），在保护隐私的同时实现高精度的肺部疾病检测	未提及具体的数据集大小或模型在其他数据集上的泛化能力	开发一种能够在保护隐私的同时实现高精度肺部疾病检测的深度学习模型	肺部疾病检测	计算机视觉	肺癌	联邦学习（FL）、深度模糊聚类（DFC）、3D全卷积神经网络（3D-FCN）	DKCN-Net（深度Kronecker卷积神经网络）	CT图像	NA
20	2025-03-11	Learning from leading indicators to predict long-term dynamics of hourly electricity generation from multiple resources 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107268 PMID:39987713	研究论文	本文提出了一种基于领先指标的深度学习方法ALI-GRU，用于预测多资源和多区域的长期电力生成动态	提出了ALI-GC模型用于全球能源源相互作用的综合建模，并提出了ALI-GRU深度学习模型用于长期电力生成预测	NA	通过长期预测多资源和多区域的电力生成，帮助实现电力平衡并为目标调整创建足够的缓冲	美国2018年至2024年的区域级每小时电力生成数据	机器学习	NA	深度学习	ALI-GRU	时间序列数据	2018年至2024年的美国区域级每小时电力生成数据