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
521	2025-06-20	"Amide - amine + alcohol = carboxylic acid." chemical reactions as linear algebraic analogies in graph neural networks 2025-Jun-18, Chemical science IF:7.6Q1 DOI:10.1039/d4sc05655h PMID:40395375	研究论文	本文探讨了图神经网络在化学数据中的应用，揭示了原子嵌入的算术性质如何代表有效的化学反应公式	展示了原子嵌入在化学图神经网络中表现出类似自然语言处理中的词嵌入算术性质，能够代表化学反应公式	NA	揭示图神经网络在化学数据中的学习机制，提升模型的可解释性	化学反应的图神经网络模型	机器学习	NA	图神经网络	GNN	化学数据	NA
522	2025-06-20	Data efficient molecular image representation learning using foundation models 2025-Jun-18, Chemical science IF:7.6Q1 DOI:10.1039/d5sc00907c PMID:40417293	research paper	该论文提出了一种名为MoleCLIP的分子图像表示学习框架，利用OpenAI的视觉基础模型CLIP作为骨干网络，显著减少了分子预训练数据的需求，并在标准基准测试中达到了最先进模型的性能	首次将基础模型（如CLIP）应用于分子图像表示学习，显著降低了数据需求并提高了模型性能，特别是在均相催化数据集上表现优于现有模型	未明确提及具体的数据集规模限制或计算资源需求，可能在实际应用中存在挑战	开发一种数据高效的分子图像表示学习方法，以解决化学领域中标记数据稀缺和分子特征提取困难的问题	分子图像数据	machine learning	NA	分子表示学习（MRL），基础模型（如CLIP）	CLIP	分子图像	NA
523	2025-06-20	ChargeNet: E(3) Equivariant Graph Attention Network for Atomic Charge Prediction 2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00602 PMID:40530778	研究论文	本文介绍了一种名为ChargeNet的E(3)等变图注意力网络，用于高精度预测原子电荷	提出了一种先进的等变图注意力神经网络，结合全局图注意力机制和多尺度注意力，显著提高了原子电荷预测的准确性和泛化能力	NA	开发一种高效准确的原子电荷预测方法，以促进药物设计和发现	原子电荷预测	机器学习	NA	机器学习	E(3)等变图注意力网络	分子结构数据	NA
524	2025-06-20	Comparison of publicly available artificial intelligence models for pancreatic segmentation on T1-weighted Dixon images 2025-Jun-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01814-5 PMID:40531398	research paper	比较三种公开可用的深度学习模型在T1加权Dixon图像上自动分割胰腺的性能	比较了三种公开可用的AI模型在胰腺分割任务上的性能，并评估了它们在分割准确性、体积测量和胰腺内脂肪分数评估方面的表现	研究仅基于20例上腹部T1加权磁共振系列图像，样本量较小	评估和比较不同AI模型在胰腺分割任务上的性能	胰腺	digital pathology	NA	T1-weighted Dixon磁共振成像	TotalSegmentator, TotalVibeSegmentator, PanSegNet	image	20例上腹部T1加权磁共振系列图像
525	2025-06-20	Multi-Scale Temporal Analysis with a Dual-Branch Attention Network for Interpretable Gait-Based Classification of Neurodegenerative Diseases 2025-Jun-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580944 PMID:40531650	研究论文	提出了一种新型深度学习架构DAERN，用于基于步态的神经退行性疾病分类	结合了扩张因果卷积和多头自注意力机制，并引入了交叉注意力融合模块和可解释性分析方法	未提及具体样本量限制或跨数据集验证情况	开发可解释的步态分析模型用于神经退行性疾病分类	肌萎缩侧索硬化症(ALS)、亨廷顿病(HD)和帕金森病(PD)患者的步态数据	数字病理学	神经退行性疾病	深度学习	DAERN（双分支注意力增强残差网络），包含DCCBlock和MHSA模块	步态数据	基于GaitNDD数据集（具体数量未说明）
526	2025-06-20	Changes in Epidemiological Characteristics of Varicella and Breakthrough Cases in Ningbo, China, From 2010 to 2023: Surveillance Study 2025-Jun-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/71691 PMID:40533066	研究论文	本研究监测了2010年至2023年中国宁波水痘的流行病学特征及突破性病例的变化，以调整免疫策略并加强预防工作	使用循环神经网络模型分析水痘发病率趋势和非药物干预措施的影响，并建立了出生队列研究突破性病例	研究仅基于宁波地区的数据，可能无法完全代表其他地区的情况	监测水痘的流行病学特征和突破性病例的变化，为免疫策略调整提供依据	2010年至2023年宁波地区报告的水痘病例	流行病学	水痘	主动和被动监测方法，循环神经网络模型	RNN	流行病学监测数据	70,163例水痘病例
527	2025-06-20	Can CTA-based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy is Insufficient? 2025-Jun-18, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8885 PMID:40533350	research paper	本研究评估了基于CTA的机器学习方法在识别可能需要额外干预的中风患者中的表现	使用深度学习模型（DSN-CTA）预测中风患者的功能性结果，相比传统临床变量模型表现更优	样本量较小（48例），且仅在特定条件下（FIV<30mL和成功再灌注）验证	评估机器学习模型在预测中风患者功能性结果中的效能	大血管闭塞急性缺血性中风（LVO AIS）患者	machine learning	cardiovascular disease	CT angiography (CTA)	DeepSymNet-v3 model (DSN-CTA)	image	预训练1542例，微调和交叉验证48例
528	2025-06-20	Smartphone eye-tracking with deep learning: Data quality and field testing 2025-Jun-18, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02718-y PMID:40533681	研究论文	本文介绍了一种基于深度学习的实时智能手机眼动追踪系统，并对其数据质量和实际应用进行了评估	利用深度神经网络在智能手机上实现实时眼动追踪，并在较大样本量下与工业金标准眼动仪进行性能对比	智能手机眼动追踪系统的精度(0.177°)低于EyeLink追踪器(0.028°)	评估基于智能手机的眼动追踪系统在科研和临床应用中的潜力	人类注意力测量	计算机视觉	抑郁症	深度学习	深度神经网络	图像	训练数据集包含740万张面部图像，基准测试样本量N=32，现场测试涉及98名志愿者
529	2025-06-20	Automated Multi-grade Brain Tumor Classification Using Adaptive Hierarchical Optimized Horse Herd BiLSTM Fusion Network in MRI Images 2025-Jun-18, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00708-4 PMID:40533703	研究论文	提出了一种基于自适应分层优化马群BiLSTM融合网络的MRI图像多级脑肿瘤分类方法	模型能够将肿瘤分为多个等级，捕捉肿瘤严重程度的层次性，并采用改进的自适应强度归一化预处理步骤和双树复小波变换增强三角特征进行特征提取	未提及具体样本量，且仅基于特定数据集进行评估	提高MRI图像中不同级别脑肿瘤分类的精确度	脑肿瘤	数字病理	脑肿瘤	MRI	AHOHH-BiLSTM	图像	NA
530	2025-06-20	MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting 2025-Jun-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade049 PMID:40460850	研究论文	本研究提出了一种基于扩散概率模型和残差位移的高效MRI超分辨率重建方法，显著减少了采样步骤并保持了关键解剖细节	引入了残差位移机制，显著减少了采样步骤，同时保持了关键解剖细节，大大加速了MRI重建过程	NA	提高MRI超分辨率重建的效率和图像质量	MRI图像	医学影像	脑部疾病和前列腺疾病	扩散概率模型	Res-SRDiff	MRI图像	超高场脑T1 MP2RAGE图像和T2加权前列腺图像
531	2025-06-20	Predicting mucosal healing in Crohn's disease: development of a deep-learning model based on intestinal ultrasound images 2025-Jun-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02014-5 PMID:40522531	research paper	开发基于肠道超声图像和临床信息的深度学习模型，用于预测克罗恩病患者的黏膜愈合	首次利用深度学习模型结合肠道超声图像预测克罗恩病患者的黏膜愈合	需要更多多中心真实世界数据进一步验证和改进模型	预测克罗恩病患者的治疗反应，优化治疗方案	克罗恩病患者	digital pathology	Crohn's disease	intestinal ultrasound (IUS)	CNN	image	190名患者，1548张IUS图像
532	2025-06-20	AI-echocardiography: Current status and future direction 2025-Jun, Journal of cardiology IF:2.5Q2 DOI:10.1016/j.jjcc.2025.02.005 PMID:40023671	综述	本文回顾了AI在超声心动图领域的当前应用和未来发展方向	讨论了深度学习和大规模计算在超声心动图参数自动获取和疾病预测中的应用，以及大规模语言模型带来的零样本预测和自动报告生成的潜力	NA	探讨AI增强超声心动图在临床实践中的应用潜力	超声心动图数据及其在心脏疾病评估中的应用	数字病理学	心血管疾病	深度学习, 大规模语言模型	深度学习模型	超声心动图图像	NA
533	2025-06-20	An Indian UAV and leaf image dataset for integrated crop health assessment of soybean crop 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111517 PMID:40534711	research paper	该研究创建了一个包含大豆作物受病虫害影响的图像数据集，用于训练和测试机器学习和深度学习模型	提出了一个综合的大豆作物病虫害图像数据集，结合了空中和地面两种数据采集方法	数据集仅涵盖印度马哈拉施特拉邦地区的大豆作物，可能无法代表其他地区的病虫害情况	开发准确和鲁棒的机器学习和深度学习模型，用于大豆作物的病虫害检测和分类	大豆作物及其病虫害	digital pathology	NA	artificial intelligence, computer vision	machine learning, deep learning	image	覆盖印度马哈拉施特拉邦地区两个季节的大豆作物图像，包含4种疾病和1种害虫攻击
534	2025-06-20	The mechanomyographic dataset of hand gestures harvested using an accelerometer and gyroscope 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111558 PMID:40534716	research paper	本文介绍了一个用于人机交互研究的机械肌电图（MMG）信号数据集，该数据集通过加速度计和陀螺仪收集了43名参与者的11种手势数据	数据集采用新型可穿戴系统收集，结合了加速度计和陀螺仪的数据，提供了丰富的手势信号，适用于多种应用领域	数据集仅包含11种手势，且参与者年龄和性别分布可能不足以代表所有人群	开发基于MMG的手势控制系统，并验证人工智能模型在手势识别中的应用	43名年龄在18至69岁之间的参与者，男女比例为60%比40%	human-computer interaction	NA	accelerometer and gyroscope	deep learning or machine learning	sensor data (accelerometer and gyroscope)	43名参与者，每人每种手势重复50次，共550个样本/人
535	2025-06-20	Cauliflower leaf diseases: A computer vision dataset for smart agriculture 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111594 PMID:40534720	research paper	本文介绍了一个用于智能农业的计算机视觉数据集，包含花椰菜叶子的图像，旨在促进疾病监测、诊断和预防技术的发展	提供了一个包含2661张花椰菜叶子图像的数据集，涵盖健康、虫洞和黑腐病三种类别，并在不同天气条件和设备下采集，经过预处理以提高数据质量	数据集仅包含在孟加拉国特定时间段内采集的图像，可能无法涵盖所有地理和气候条件下的花椰菜疾病	开发高精度的机器学习模型，用于早期检测花椰菜叶子疾病，支持精准农业中的自动化监测和智能决策	花椰菜叶子的图像数据	computer vision	植物疾病	图像处理	deep learning	image	2661张花椰菜叶子图像
536	2025-06-19	Chemical Properties-Based Deep Learning Models for Recommending Rational Daily Diet Combinations to Diabetics Through Large-Scale Virtual Screening of α-Glucosidase Dietary-Derived Inhibitors and Verified In Vitro 2025-Jun-18, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c03646 PMID:40472393	研究论文	本文提出基于化学性质的深度学习模型，用于通过大规模虚拟筛选α-葡萄糖苷酶膳食来源抑制剂，为糖尿病患者推荐合理的日常饮食组合	开发了三种基于化学性质的深度学习模型（AGIs、安全性和药物-药物相互作用），用于筛选潜在的α-葡萄糖苷酶抑制剂，并验证了其协同效应	仅通过体外实验验证了部分筛选结果的协同效应，未进行体内实验验证	解决食品化学研究中开发合理日常饮食组合的挑战	糖尿病患者	机器学习	糖尿病	深度学习	深度学习模型	化学性质数据	约70,000种食物来源化合物（FooDB数据库）
537	2025-06-19	Deep Learning-Based Adrenal Gland Volumetry for the Prediction of Diabetes 2025-Jun-18, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2025.2336 PMID:40528328	研究论文	本研究利用深度学习技术测量肾上腺体积，探索其与2型糖尿病的关联及预测价值	首次使用三维nnU-Net深度学习算法从CT图像中自动测量肾上腺体积，并建立其与2型糖尿病的预测关联	研究为观察性设计，无法确定因果关系；外部验证数据集有限	探究肾上腺体积与当前血糖状态及2型糖尿病发病的关联	接受腹部盆腔CT检查的成年人（无肾上腺结节）	数字病理	糖尿病	CT成像	nnU-Net	医学影像	模型开发500例CT扫描，临床队列9708名成年人
538	2025-06-19	Explainable AI predicting Alzheimer's disease with latent multimodal deep neural networks 2025-Jun-18, Journal of biopharmaceutical statistics IF:1.2Q2 DOI:10.1080/10543406.2025.2511194 PMID:40528446	研究论文	提出了一种新颖的潜在多模态深度学习框架，用于预测阿尔茨海默病的认知状态	引入了注意力层和交叉注意力层以提升预测性能，并计算模态重要性分数以增强模型的可解释性	样本量相对较小（322名患者），且数据来源仅限于ADNI数据库	预测阿尔茨海默病的认知状态	阿尔茨海默病患者	机器学习	阿尔茨海默病	多模态深度学习	深度神经网络（带有注意力层和交叉注意力层）	临床数据、影像数据和遗传数据	322名年龄在55至92岁之间的患者
539	2025-06-19	Identifying and predicting EEG microstates with sequence-to-sequence deep learning models for online applications 2025-Jun-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade1f8 PMID:40480246	研究论文	本文提出了一种基于序列到序列深度学习模型的新框架，用于在线识别和预测EEG微状态	首次提出序列到序列框架，实现从EEG信号到微状态标签的端到端在线识别和预测	未提及模型在更复杂场景下的泛化能力	改进EEG微状态分析方法，实现跨被试、跨数据集和多任务场景的在线应用	EEG微状态	机器学习	NA	深度学习	序列到序列模型	EEG信号	两个公共数据集
540	2025-06-19	NLP-like deep learning aided in identification and validation of thiosulfinate tolerance clusters in diverse bacteria 2025-Jun-17, mSphere IF:3.7Q2 DOI:10.1128/msphere.00023-25 PMID:40525872	研究论文	该研究利用类似自然语言处理的深度学习技术，识别和验证了多种细菌中的硫代亚磺酸盐耐受基因簇	采用NLP类似技术处理基因簇，克服了传统方法在识别多样性基因簇上的困难，发现了多个新基因簇	NA	开发新方法以识别和验证细菌中的硫代亚磺酸盐耐受基因簇	植物病原细菌中的硫代亚磺酸盐耐受基因簇	自然语言处理	NA	NLP-like深度学习技术、基因合成分析、蛋白质结构预测	DeepBGC类似模型	基因序列数据	3种细菌菌株（97-1R、pv. FDAARGOS 389、pv. tomato DC3000）及RefSeq细菌数据库序列