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
501	2025-05-11	A bioinspired microbial taste chip with artificial intelligence-enabled high selectivity and ultra-short response time 2025-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117264 PMID:39987654	研究论文	本文介绍了一种受生物启发的无线微流控微生物味觉芯片，结合人工智能技术，实现了高选择性和超短响应时间，用于实时水污染监测	利用基于GRU的深度学习算法，实现了对Cu、Pb和Cr的高达98.9%的分类准确率，响应时间缩短至48秒，比之前报道的最快速度提高了3.75倍	目前仅针对Cu、Pb和Cr三种重金属离子进行了验证，尚未扩展到其他污染物	解决微生物味觉芯片在选择性方面的挑战，并缩短响应时间，以实现更高效的实时水污染监测	水中的重金属离子（Cu、Pb、Cr）	人工智能与传感器技术	NA	微流控技术、GRU深度学习算法	GRU	时间序列电流数据	NA
502	2025-05-11	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	该研究通过识别电网中的领先指标，提出了一种新的深度学习模型ALI-GRU，用于长期（长达一个月）协作电力发电预测	提出了ALI-GC模型用于全局能源源交互的综合建模，以及ALI-GRU模型用于长期电力发电预测，并在大规模实时预测场景中表现出强适应性	未提及具体局限性	通过长期预测多资源和多区域的电力发电，帮助实现电力平衡并为目标调整创造足够的缓冲	美国2018年至2024年的区域级每小时电力发电数据	机器学习	NA	深度学习	ALI-GRU, GRU	时间序列数据	美国2018年至2024年的区域级每小时电力发电数据
503	2025-05-11	Taylor-dingo optimized RP-net for segmentation toward Alzheimer's disease detection and classification using deep learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108359 PMID:39987743	research paper	提出了一种名为RP-Net_TaylorDOX-based DNFN的新方法，用于通过深度学习对阿尔茨海默病进行检测和分类	结合了泰勒级数和Dingo优化器开发了泰勒Dingo优化器（TaylorDOX），用于优化RP-Net的参数，并利用深度卷积神经网络（DCNN）和深度神经模糊网络（DNFN）进行AD检测和严重程度分类	未提及样本来源的具体细节或数据集的多样性	通过深度学习提高阿尔茨海默病的诊断和分类准确性	阿尔茨海默病患者的大脑图像	digital pathology	geriatric disease	deep learning, image segmentation, feature extraction, data augmentation	RP-Net, DCNN, DNFN	image	NA
504	2025-05-11	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	research paper	提出了一种基于逆合成碎片算法的片段级特征融合方法（RFA-FFM），用于分子性质预测	RFA-FFM通过整合多视角分子表示，对比两种逆合成方法生成的片段化学信息，并在分子层次结构的不同级别融合化学信息，从而提升分子性质预测的准确性	当前方法可能仍无法完全捕捉分子的所有复杂特性，且实验仅在有限的数据集上进行了验证	提高分子性质（如毒性和血脑屏障通透性）的预测准确性，以加速药物开发	分子及其片段	machine learning	hepatitis B	graph contrastive learning (GCL), self-supervised learning (SSL)	RFA-FFM	molecular graphs	四个分类基准数据集和乙型肝炎病毒数据集
505	2025-05-11	A novel deep learning model combining 3DCNN-CapsNet and hierarchical attention mechanism for EEG emotion recognition 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107267 PMID:40010290	研究论文	提出了一种结合3DCNN-CapsNet和分层注意力机制的新型深度学习模型HA-CapsNet，用于EEG情绪识别	首次将3DCNN-CapsNet与分层注意力机制结合，同时捕捉通道间相关性和各频段贡献，胶囊网络相比传统CNN能提取更多空间特征信息	未提及模型在实时性方面的表现以及在更广泛EEG数据集上的泛化能力	提升EEG信号情绪识别的准确性和鲁棒性	人类EEG信号	机器学习	NA	深度学习	3DCNN-CapsNet结合分层注意力机制	EEG信号	DEAP和DREAMER数据集（具体数量未提及）
506	2025-05-11	Advertising or adversarial? AdvSign: Artistic advertising sign camouflage for target physical attacking to object detector 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107271 PMID:40010291	研究论文	提出一种名为AdvSign的艺术广告标志伪装方法，用于在物理环境中对目标物体检测器进行对抗攻击	利用艺术图案（如品牌标志和广告标志）设计对抗性广告标志，增强攻击的隐蔽性和不可追踪性	实验主要在模拟环境（CARLA自动驾驶模拟器）中进行，真实环境中的效果可能有所不同	开发一种在物理环境中对物体检测器进行对抗攻击的隐蔽且难以追踪的方法	物体检测器，尤其是自动驾驶场景中的目标检测模型	计算机视觉	NA	对抗训练	YOLOv5	图像	模拟环境中的合成场景图像和真实环境中的打印AdvSign图像
507	2025-05-11	CNN-Transformer and Channel-Spatial Attention based network for hyperspectral image classification with few samples 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107283 PMID:40010294	研究论文	提出了一种基于CNN-Transformer和通道-空间注意力的网络CTA-net，用于小样本高光谱图像分类	结合CNN-Transformer模块提取局部和非局部特征，并采用通道-空间注意力模块优化特征，同时提出样本扩展方案缓解样本不足问题	未明确提及在极端环境或特殊场景下的泛化能力	解决小样本条件下高光谱图像分类的难题	高光谱图像	计算机视觉	NA	深度学习	CNN-Transformer混合模型	高光谱图像	多个高光谱图像数据集（未明确具体数量）
508	2025-05-10	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MMTDL的方法，用于无损分析西洋参的产地和人参皂苷含量	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，用于同时进行西洋参的产地溯源和人参皂苷含量预测	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	开发一种无损方法，同时识别西洋参的产地并预测其人参皂苷含量	西洋参	深度学习	NA	近红外光谱（NIR）	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
509	2025-05-10	Automated Cone Beam Computed Tomography Segmentation of Multiple Impacted Teeth With or Without Association to Rare Diseases: Evaluation of Four Deep Learning-Based Methods 2025-Jun, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.12890 PMID:39744906	research paper	评估四种基于深度学习的自动牙齿分割方法在锥形束计算机断层扫描（CBCT）图像中的准确性	比较了三种商业化和一种开源的深度学习解决方案在牙齿分割中的表现，特别是在多颗阻生牙患者中的应用	研究样本量较小（20例CBCT扫描），且未来深度学习解决方案的性能无法基于当前结果预测	评估深度学习解决方案在自动牙齿分割中的准确性	多颗阻生牙患者的CBCT图像	digital pathology	dental disease	CBCT	DL (deep learning)	image	20例CBCT扫描（来自多颗阻生牙患者）
510	2025-05-10	Deep Learning-Based Three-Dimensional Analysis Reveals Distinct Patterns of Condylar Remodelling After Orthognathic Surgery in Skeletal Class III Patients 2025-Jun, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.12895 PMID:39754473	研究论文	本研究利用深度学习技术对骨骼III类错颌畸形患者进行下颌髁突形态变化的自动化三维分析	采用深度学习算法自动化CBCT图像的方向调整、配准、骨分割和标志点识别，并通过体素叠加和形状对应分析髁突重塑模式	样本量较小（17例患者），且为回顾性研究	评估骨骼III类错颌畸形患者双颌正颌手术后下颌髁突的形态变化	17例骨骼III类错颌畸形患者（平均年龄24.8±3.5岁）	数字病理	骨骼III类错颌畸形	CBCT扫描、深度学习算法	深度学习算法	三维医学影像	17例患者的术前和术后12-18个月CBCT扫描数据
511	2025-05-10	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	research paper	提出一种结合深度学习模型与虚拟消化的高效计算策略CAE-VD，用于制备具有特定活性的核桃蛋白抗氧化肽	首次将高精度深度学习模型（卷积自编码器，CAE）与虚拟消化（VD）相结合，指导酶的选择以高效制备天然生物活性肽（NBAPs）	研究仅针对核桃蛋白，未验证其他蛋白来源的适用性	开发高效计算策略以优化天然生物活性肽的酶法制备过程	核桃蛋白及其酶解产物	机器学习	NA	虚拟消化（VD）与深度学习建模	卷积自编码器（CAE）	肽序列数据与活性数据	未明确样本量（涉及核桃蛋白、碱性蛋白酶、胃蛋白酶和胰蛋白酶）
512	2025-05-10	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的特异性检测与分析	采用双成像（固有荧光成像和银染）生成互补检测信号，结合信号融合深度学习模型提高定量分析性能	NA	开发一种特异性、灵敏且简单的方法，用于检测和分析牛奶中的糖巨肽	牛奶样品中的糖巨肽（GMP）	机器视觉	NA	SDS-PAGE、固有荧光成像（IFI）、银染	信号融合深度学习模型	图像	NA
513	2025-05-10	A Tc1- and Th1-T-lymphocyte-rich tumor microenvironment is a hallmark of MSI colorectal cancer 2025-Jun, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6415 PMID:40181205	research paper	该研究通过分析MSI和MSS结直肠癌患者的肿瘤微环境，揭示了T细胞亚群的组成和功能差异	首次详细描述了MSI结直肠癌中Tc1和Th1 T细胞的富集及其与免疫检查点治疗反应的关系	样本量相对有限，且仅针对结直肠癌，未涉及其他癌症类型	探究MSI和MSS结直肠癌患者肿瘤微环境中T细胞亚群的组成和功能差异	79例MSI和1,045例MSS结直肠癌患者	digital pathology	colorectal cancer	multiplex-fluorescence immunohistochemistry	CNN	image	79 MSI和1,045 MSS结直肠癌样本
514	2025-05-10	Prediction methodology of air absorbed dose rates for Chinese cities with deep learning models 2025-Jun, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2025.107685 PMID:40245757	research paper	本研究提出了一种基于历史数据的城市空气吸收剂量率预测框架，并比较了三种深度学习模型在预测性能上的差异	结合CNN进行数据预处理，显著提高了处理效率，并比较了LSTM、CNN-LSTM和Bi-LSTM三种模型在预测空气吸收剂量率上的性能	研究仅针对中国部分城市，未涵盖所有地区，且Bi-LSTM模型在内陆城市的MAE值略高于LSTM模型	开发有效的城市空气吸收剂量率预测方法，以支持环境辐射防护策略的制定	中国多个城市的空气吸收剂量率监测数据	machine learning	NA	Lagrange插值法、深度学习模型	LSTM、CNN-LSTM、Bi-LSTM、CNN	监测数据	中国多个城市的空气吸收剂量率报告数据
515	2025-05-10	Canine EEG helps human: cross-species and cross-modality epileptic seizure detection via multi-space alignment 2025-Jun, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf086 PMID:40330047	研究论文	提出一种基于跨物种和跨模态脑电图数据的多空间对齐方法，以提高癫痫发作的检测能力和理解	首次展示整合不同物种和模态的异质数据以提高基于EEG的癫痫发作检测性能的有效性	是一项初步研究，仅提供了多物种和多模态数据整合的挑战和潜力的见解	提高癫痫发作的检测能力和理解	人类和犬类的脑电图数据	机器学习	癫痫	脑电图(EEG)	深度学习，包括领域适应和知识蒸馏	EEG信号	多个人类和犬类的表面和颅内EEG数据集
516	2025-05-10	Zero-Shot Artifact2Artifact: Self-incentive artifact removal for photoacoustic imaging 2025-Jun, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100723 PMID:40331014	研究论文	提出了一种零样本自监督伪影去除方法ZS-A2A，用于提高三维光声成像的质量	利用超轻量网络和随机丢弃传感器数据的方法，无需训练数据或先验知识即可实现伪影去除	未提及在复杂临床环境中的验证结果	提高三维光声成像的质量	光声成像中的伪影	数字病理	NA	光声成像	超轻量网络	图像	模拟研究和动物实验
517	2025-05-10	An Optimized Framework of QSM Mask Generation Using Deep Learning: QSMmask-Net 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70057 PMID:40331503	research paper	提出了一种基于深度学习的QSM掩模生成优化框架QSMmask-Net，用于精确生成定量磁化率成像（QSM）所需的掩模	QSMmask-Net通过深度神经网络实现了精确的QSM掩模生成，其性能优于其他掩模生成方法，且与人工掩模（金标准）的差异最小	未提及具体局限性	优化QSM掩模生成方法，提高定量磁化率成像的准确性和效率	定量磁化率成像（QSM）中的掩模生成	digital pathology	NA	deep learning	deep neural network	image	模拟数据和健康对照组
518	2025-05-09	Beyond Batch Learning: Global Awareness Enhanced Domain Adaptation 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3541207 PMID:40036452	research paper	提出了一种名为GAN-DA的新型域适应方法，通过全局统计和几何特征增强，克服了传统批量学习的限制	引入了预定义特征表示（PFR）以对齐跨域分布，创新性地扩展了正交和共同特征方面，增强了全局流形结构的统一和决策边界的优化	NA	改进域适应（DA）方法，提升跨域图像分类任务的性能	跨域图像分类任务	machine learning	NA	domain adaptation	GAN-DA	image	27个不同的跨域图像分类任务
519	2025-05-09	A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548148 PMID:40048344	research paper	本文提出了一种轻量级的深度排除展开网络（DExNet），用于单图像反射去除（SIRR）	DExNet通过展开和参数化一种新的基于模型的SIRR优化公式，结合通用的排除先验，提高了反射去除的准确性和可解释性	未提及具体限制	解决单图像反射去除问题，提高图像分离的准确性	反射污染的图像	computer vision	NA	深度学习	DExNet	image	四个基准数据集
520	2025-05-09	Graph Foundation Models: Concepts, Opportunities and Challenges 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548729 PMID:40048343	综述	本文介绍了图基础模型（GFMs）的概念，并详细解释了其关键特征和基础技术	提出了图基础模型（GFMs）的新概念，并对其进行了系统分类和分析	缺乏对图基础模型（GFMs）的明确定义和系统分析	探讨图基础模型（GFMs）在图形机器学习中的潜力和发展方向	图基础模型（GFMs）及其相关技术	机器学习	NA	NA	图神经网络（GNNs）、大语言模型（LLMs）	图数据	NA