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	2025-05-09	On the Upper Bounds of Number of Linear Regions and Generalization Error of Deep Convolutional Neural Networks 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548620 PMID:40042958	research paper	本文研究了卷积神经网络（CNNs）的超参数对性能的影响，基于CNNs的分段线性（PWL）函数特性，提出了线性区域数量的紧界和泛化误差的上界	通过将卷积、ReLU和最大池化操作表示为矩阵乘法，提供了CNNs的代数表达式，并首次提出了考虑网络层数、池化维度和宽度等因素的线性区域数量紧界和泛化误差上界	矩阵表示方法具有较高的时间复杂度	研究CNN网络结构超参数对性能的影响	卷积神经网络（CNNs）	machine learning	NA	NA	CNN	NA	NA
522	2025-05-09	Lag-Net: Lag correction for cone-beam CT via a convolutional neural network 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108753 PMID:40233441	research paper	提出了一种名为Lag-Net的卷积神经网络方法，用于校正锥束CT中的滞后信号，以减少伪影并提高图像质量	引入深度学习方法来消除滞后信号，利用硬件校正的无滞后结果作为训练目标，避免了传统线性时不变校正的局限性	硬件校正方法操作复杂，对CT仪器要求高，而深度学习方法的校正效果在低曝光条件下仍有提升空间	提高锥束CT图像质量，减少由滞后信号引起的伪影	锥束CT中的滞后信号及其引起的伪影	digital pathology	NA	deep learning, convolutional neural network	CNN	image	模拟和真实数据集
523	2025-05-09	Reconstruction of highly and extremely aberrated wavefront for ocular Shack-Hartmann sensor using multi-task Attention-UNet 2025-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110394 PMID:40254120	研究论文	本研究提出了一种多任务注意力UNet（HR-HDR-SHUNet）用于高分辨率和宽动态范围的Shack-Hartmann波前重建，以解决高度和极度像差眼睛中的波前记录问题	首次将多任务学习方案应用于高分辨率和宽动态范围的Shack-Hartmann波前重建，同时输出波前图和Zernike系数	未明确提及具体局限性	提高高度和极度像差眼睛中Shack-Hartmann波前重建的准确性和计算效率	具有不同高阶像差水平（正常、高度和极度像差）的眼睛	计算机视觉	眼科疾病（圆锥角膜和角膜激光手术后）	深度学习	改进的注意力UNet（HR-HDR-SHUNet）	波前图像数据	三个大型数据集（包含不同像差水平的样本）
524	2025-05-09	Improved prediction of chlorophyll-a concentrations using advancing graph neural network variants 2025-Jun-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179481 PMID:40280091	研究论文	本研究提出了一种基于深度学习的框架，用于长期叶绿素a（Chl-a）浓度模拟，结合了不规则测量的水质观测数据和恒定时间步长的气候数据	引入了先进的图神经网络（GNN）架构（如ChebNet和GCN）来处理连续气候数据，并提出了一个门控机制来整合两个处理模块的输出	研究仅使用了韩国汉江上游流域的每日数据集，可能限制了模型的泛化能力	提高有害藻华预测的准确性，以保护地表水资源	叶绿素a（Chl-a）浓度	机器学习	NA	深度学习，图神经网络	GCN, LSTM	水质观测数据，气候数据	韩国汉江上游流域的每日数据集
525	2025-05-09	Incremental capacity analysis of battery under dynamic load conditions 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103331 PMID:40337556	研究论文	本文提出了一种基于增量容量分析（ICA）的方法，用于在动态负载条件下评估电动汽车电池的容量和健康状态（SOH）	该方法不仅提供了标记的SOH值，还提取了可用于数据驱动的容量或SOH预测的健康特征	NA	开发一种在动态负载条件下准确评估电动汽车电池容量和健康状态的方法	电动汽车电池	机器学习	NA	增量容量分析（ICA）	机器学习或深度学习模型	电池数据	NA
526	2025-05-08	Discovery of naturally inspired antimicrobial peptides using deep learning 2025-Jun-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108444 PMID:40209356	研究论文	利用深度学习发现天然启发的抗菌肽	使用深度学习算法从216,408个细菌基因组中挖掘NRPS基因簇，发现并优化了具有抗菌活性的新型肽	研究仅针对两种病原菌进行了抗菌活性测试，未涵盖更广泛的病原菌种类	加速从沉默的生物合成基因簇中发现天然启发的抗菌肽	非核糖体肽（NRPs）及其衍生物	机器学习	细菌感染	深度学习	深度学习模型	基因组数据	216,408个细菌基因组中的335,024个NRPS基因簇
527	2025-05-08	Automatic Vertical Root Fracture Detection on Intraoral Periapical Radiographs With Artificial Intelligence-Based Image Enhancement 2025-Jun, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.13027 PMID:39829209	研究论文	探索迁移学习技术在提高垂直根折诊断准确性中的应用，并评估人工智能在图像增强对垂直根折检测的影响	结合迁移学习技术和多种深度学习模型（DenseNet、ConvNext、Inception121、MobileNetV2）进行模型融合，并应用粒子群优化和深度学习图像增强技术	样本量相对较小（378张根尖周X光片），且仅针对磨牙和前磨牙进行了评估	提高垂直根折（VRF）在根尖周X光片上的自动检测准确性	根尖周X光片中的牙齿图像，包括195颗有折裂和183颗无折裂的牙齿	计算机视觉	牙科疾病	迁移学习（TL）、粒子群优化（PSO）、深度学习（DL）	DenseNet、ConvNext、Inception121、MobileNetV2	图像	378张根尖周X光片（195颗有折裂牙齿，183颗无折裂牙齿）
528	2025-05-08	Automated Detection and Severity Prediction of Wheat Rust Using Cost-Effective Xception Architecture 2025-Jun, Plant, cell & environment DOI:10.1111/pce.15413 PMID:39898421	研究论文	提出了一种基于计算机视觉的小麦锈病自动检测和严重程度预测方法	使用深度学习分类器和Grabcut分割技术，结合CIELAB色彩空间分析，开发了一种低成本、自动化的田间小麦锈病筛查解决方案	未提及该方法在不同光照条件或不同小麦品种上的泛化能力	开发自动化的小麦锈病检测和严重程度预测方法，以改善作物病害管理	小麦叶片（健康和感染锈病的）	计算机视觉	小麦锈病	深度学习、图像分割	Xception架构	数字彩色图像	未明确提及样本数量
529	2025-05-08	Deep learning-driven multi-class classification of brain strokes using computed tomography: A step towards enhanced diagnostic precision 2025-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112109 PMID:40252282	研究论文	开发并验证了利用CT成像预测和分类脑卒中状况的深度学习模型，以提高诊断准确性并支持临床决策	使用Expanded ResNet101深度学习框架构建两步模型，实现了脑卒中的多类分类，并在外部验证中展示了高准确率	外部验证准确率相对较低（78.6%和60.2%），且需要更大规模和多样化的数据集进一步验证	提高脑卒中的诊断精确性并支持临床决策	脑卒中患者的CT影像	数字病理学	脑卒中	CT成像	Expanded ResNet101	图像	250名患者的8186张CT影像
530	2025-05-07	Reinforcement learning using neural networks in estimating an optimal dynamic treatment regime in patients with sepsis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108754 PMID:40222267	research paper	本研究提出了一种结合强化学习和神经网络的算法（RL-NN），用于优化脓毒症患者的动态治疗方案	利用深度学习的灵活性减轻模型误设，并通过交叉验证和随机搜索进行超参数调优，提高了模型的鲁棒性和泛化能力	研究结果基于模拟数据和MIMIC-III数据库，可能无法完全反映真实世界的临床多样性	确定脓毒症患者多阶段液体复苏的最佳剂量	脓毒症患者	machine learning	sepsis	reinforcement learning, neural networks	RL-NN	electronic health records (EHR)	脓毒症患者队列（来自MIMIC-III数据库）
531	2025-05-07	A deep learning framework leveraging spatiotemporal feature fusion for electrophysiological source imaging 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108767 PMID:40245605	研究论文	提出了一种基于深度学习的框架SSINet，用于通过脑电图(EEG)提供准确的脑活动时空估计	SSINet整合了残差网络(ResBlock)用于空间特征提取和双向LSTM用于捕捉时间动态，通过Transformer模块融合以捕捉全局依赖关系，并采用通道注意力机制优先处理活跃脑区	未提及具体局限性	解决非侵入性测量脑活动的电生理源成像(ESI)中的高度不适定逆问题	脑活动	机器学习	NA	脑电图(EEG)	ResBlock, 双向LSTM, Transformer	脑电图数据	三个真实EEG数据集（视觉、听觉和体感刺激）
532	2025-05-06	Multi-class brain malignant tumor diagnosis in magnetic resonance imaging using convolutional neural networks 2025-Jun-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111329 PMID:40180191	研究论文	本研究开发了一种深度学习模型FoTNet，用于提高多类脑恶性肿瘤在磁共振成像中的自动诊断准确性	整合了基于频率的通道注意力层和焦点损失函数，以解决由PCNSL样本有限引起的类别不平衡问题	样本量相对有限，尤其是PCNSL肿瘤的样本较少	提高多类脑恶性肿瘤（GBM、PCNSL和BM）在MRI中的自动诊断准确性	多中心MRI数据集，包括GBM、PCNSL和BM病例	数字病理学	脑恶性肿瘤	MRI	CNN	图像	58例GBM、82例PCNSL和269例BM的T1加权对比增强MRI图像
533	2025-05-03	DisDock: A Deep Learning Method for Metal Ion-Protein Redocking 2025-Jun, Proteins IF:3.2Q2 DOI:10.1002/prot.26791 PMID:39838957	研究论文	提出了一种名为DisDock的深度学习方法，用于预测蛋白质与金属离子的对接结构	结合U-net架构与自注意力模块，利用几何信息揭示原子相互作用的潜在特征	未提及具体局限性	预测金属离子与蛋白质的结合结构	金属蛋白	机器学习	NA	深度学习	U-net与自注意力模块结合	距离矩阵	来自MOAD的高质量金属蛋白数据集
534	2025-05-03	OrgaMeas: A pipeline that integrates all the processes of organelle image analysis 2025-Jun, Biochimica et biophysica acta. Molecular cell research DOI:10.1016/j.bbamcr.2025.119964 PMID:40268058	research paper	介绍了一种名为OrgaMeas的高通量图像分析流程，用于测量细胞器的形态和动态	整合了两个基于深度学习的工具OrgaSegNet和DIC2Cells，实现了高精度的细胞器分割和单细胞水平的数据处理	未提及具体的性能对比实验或在实际应用中的具体表现	开发一个低成本、易用的图像分析流程，用于细胞器研究	细胞器的形态和动态	digital pathology	NA	deep learning-based image analysis	CNN (implied by deep learning-based tools)	image	NA
535	2025-05-03	Dynamic Prediction and Intervention of Serum Sodium in Patients with Stroke Based on Attention Mechanism Model 2025-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00192-x PMID:40309130	研究论文	本研究开发了一种基于多头注意力机制的深度学习模型，用于实时预测中风患者的血清钠浓度并提供个性化干预建议	引入了时间-特征融合多头注意力（TFF-MHA）模型，能够处理复杂的动态特征和长时间序列数据，优于现有模型	模型依赖于公开数据集，可能无法涵盖所有临床场景	优化中风患者的血清钠管理策略，提供临床决策支持工具	ICU中风患者	医疗信息学	中风	深度学习	TFF-MHA（时间-特征融合多头注意力模型）	时间序列临床数据	MIMIC-III（2346例）和MIMIC-IV（896例）数据集
536	2025-05-02	Educational strategies for teaching metabolic profiles across three endurance training zones 2025-Jun-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00094.2024 PMID:39809450	research paper	本文探讨了一种创新的教育方法，使用代谢板来增强对三个耐力训练区域肌肉代谢的理解	开发了一种交互式代谢板工具，用于简化复杂的生理过程并促进深度学习	未提及具体的研究样本量或实验验证结果	提高对耐力训练区域肌肉代谢的理解，并优化训练处方决策	运动科学专业的学生和专业人士	运动科学	NA	NA	NA	real data	NA
537	2025-05-01	PLPTP: A Motif-based Interpretable Deep Learning Framework Based on Protein Language Models for Peptide Toxicity Prediction 2025-Jun-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169115 PMID:40158838	研究论文	本研究提出了一种基于深度学习的肽毒性预测模型PLPTP，整合了ESM2、BiLSTM和DNN技术，并通过基序分析增强模型的可解释性	结合ESM2、BiLSTM和DNN的深度学习框架，引入基序分析提高模型可解释性，使用Focal Loss解决类别不平衡问题	未提及模型在跨物种或不同肽类上的泛化能力测试	提高肽毒性预测的准确性以促进更安全的肽类药物设计	肽序列及其毒性特征	生物信息学	NA	ESM2蛋白语言模型、BiLSTM、DNN	ESM2+BiLSTM+DNN混合模型	蛋白质序列数据	未明确提及具体样本量
538	2025-04-29	A stacked ensemble approach for symptom-based monkeypox diagnosis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110140 PMID:40203737	research paper	该研究使用机器学习和深度学习技术，基于患者症状预测猴痘病毒感染	提出了一种结合多种模型的堆叠集成方法，并使用Conditional Tabular GAN生成合成数据以解决数据不平衡问题	未提及模型在真实临床环境中的验证情况	开发一种基于症状的猴痘早期诊断方法	猴痘病毒感染患者	machine learning	monkeypox	Conditional Tabular GAN	Tab Transformer, LSTM, XGBoost, LightGBM, Stacking Classifier	tabular data	NA
539	2025-04-29	Mental disorder preventing by worry levels detection in social media using deep learning based on psycho-linguistic features: application on the COVID-19 lockdown period 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110162 PMID:40203736	研究论文	该研究利用深度学习和心理语言学特征，通过社交媒体数据检测忧虑情绪水平，以预防心理障碍，特别是在COVID-19封锁期间	结合语义和上下文表示与心理语言学特征，提升深度学习模型在忧虑情绪检测中的性能	研究主要基于Twitter数据，可能无法完全代表所有人群的忧虑情绪	预测社交媒体中的忧虑情绪水平，以早期识别潜在的心理健康问题	社交媒体用户（特别是Twitter用户）在COVID-19封锁期间的文本数据	自然语言处理	心理障碍	深度学习	GRU, LSTM, CNN	文本	NA
540	2025-04-29	A computed tomography-based deep learning radiomics model for predicting the gender-age-physiology stage of patients with connective tissue disease-associated interstitial lung disease 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110128 PMID:40209580	research paper	本研究探讨了基于胸部CT图像的深度学习放射组学模型预测结缔组织病相关间质性肺疾病患者GAP分期的可行性	结合深度学习和放射组学特征构建诊断模型，并整合年龄、性别和DLR特征生成列线图模型，提高了预测性能	样本量较小，特别是GAP III期患者仅有13例，可能影响模型的泛化能力	预测结缔组织病相关间质性肺疾病患者的GAP分期	264例CTD-ILD患者	digital pathology	interstitial lung disease	computed tomography	SVM, logistic regression	image	264例CTD-ILD患者（GAP I期195例，II期56例，III期13例）