深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1141	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	NA	NA	NA	NA
1142	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	NA	NA	NA	NA
1143	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	NA	NA	NA	NA
1144	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	NA	NA	NA	NA
1145	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	NA	NA	NA	NA
1146	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	NA	NA	NA	NA
1147	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）	NA	NA	NA	NA
1148	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	NA	NA	NA	NA
1149	2025-10-07	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	本研究探索基于人工智能图像增强和迁移学习的垂直根折自动检测方法	首次将粒子群优化算法与深度学习图像增强技术结合用于根折检测，并采用多模型融合策略	样本量相对有限（378张影像），仅评估了四种神经网络架构	提高口腔根尖片中垂直根折的诊断准确性	牙齿根尖片中的垂直根折	计算机视觉	牙科疾病	数字影像分析	CNN	影像	378张口腔根尖片（195例骨折，183例对照）	NA	DenseNet,ConvNext,Inception121,MobileNetV2	准确率,精确率,召回率,F1分数,AUC,kappa值	NA
1150	2025-10-07	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	提出基于计算机视觉的小麦锈病严重程度预测方法，通过深度学习分类和图像分割技术实现自动化检测	首次将Xception架构应用于小麦锈病检测，结合Grabcut分割和CIELAB色彩空间分析，提供低成本自动化解决方案	仅针对小麦叶锈病和条锈病，方法在田间条件下的实际应用效果需进一步验证	开发自动化小麦锈病检测和严重程度预测系统	小麦叶片（健康和感染锈病）	计算机视觉	植物病害	数字彩色图像分析	CNN	图像	NA	NA	Xception	疾病严重程度比率	NA
1151	2025-10-07	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	利用深度学习从微生物基因组中发现新型抗菌肽并评估其活性	结合216,408个细菌基因组的NRPS基因簇分析与深度学习算法，实现抗菌肽的高效发现与优化	研究仅针对特定病原菌株进行验证，尚未进行体内实验评估	从沉默生物合成基因簇中发现新型抗菌肽	非核糖体肽（NRPs）及其衍生物	机器学习	细菌感染	基因组挖掘，固相化学合成	深度学习	基因组序列数据	216,408个细菌基因组，335,024个NRPS基因簇	NA	NA	最小抑菌浓度（MIC）	NA
1152	2025-10-07	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	开发用于多类别脑恶性肿瘤MRI图像自动诊断的深度学习模型FoTNet	集成频率通道注意力层和焦点损失函数，专门针对罕见肿瘤PCNSL的样本不平衡问题	PCNSL样本数量相对有限，可能影响模型泛化能力	提高胶质母细胞瘤、原发性中枢神经系统淋巴瘤和脑转移瘤的自动诊断准确性	脑部MRI图像中的三种恶性脑肿瘤：胶质母细胞瘤、原发性中枢神经系统淋巴瘤和脑转移瘤	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	409例病例（58例GBM、82例PCNSL、269例BM）的T1加权对比增强MRI图像	NA	FoTNet	准确率,AUC	NA
1153	2025-10-07	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	开发并验证基于CT影像的深度学习模型用于脑卒中的预测和多分类	采用扩展ResNet101框架构建两步式模型实现脑卒中多分类，并通过外部验证评估模型性能	回顾性研究且样本量有限，外部验证准确率相对较低（78.6%和60.2%）	提升脑卒中诊断精度并支持临床决策	脑卒中患者	计算机视觉	脑卒中	CT成像	深度学习	CT图像	250名患者的8186张CT图像	NA	ResNet101	准确率,精确率,F1分数,置信区间,Cohen's Kappa,McNemar检验P值	NA
1154	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	NA	NA	NA	NA
1155	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	NA	NA	NA	NA
1156	2025-10-07	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	提出一种基于蛋白质语言模型的深度学习框架PLPTP，用于肽毒性预测	整合ESM2、BiLSTM和DNN模型，并结合基序分析增强模型可解释性，使用Focal Loss处理类别不平衡问题	NA	提高肽毒性预测的准确性，促进更安全的肽类药物设计	肽序列	生物信息学	NA	深度学习	ESM2, BiLSTM, DNN	肽序列数据	NA	NA	ESM2, BiLSTM, 深度神经网络	多个评估指标	NA
1157	2025-10-07	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	研究论文	本研究采用堆叠集成方法基于患者症状进行猴痘诊断	提出结合Tab Transformer、LSTM和传统机器学习模型的堆叠集成方法，并使用条件表格GAN生成合成数据解决数据不平衡问题	NA	开发基于症状的猴痘早期检测方法	猴痘患者症状数据	机器学习	猴痘	机器学习，深度学习	Tab Transformer, LSTM, XGBoost, LightGBM, Stacking Classifier	表格数据（症状数据）	NA	NA	Tab Transformer, LSTM, Stacking Classifier	准确率, 精确率, 召回率, F1分数	NA
1158	2025-10-07	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	本研究使用深度学习模型结合心理语言学特征，通过社交媒体数据检测COVID-19封锁期间的担忧情绪水平	整合语义和上下文表征与心理语言学特征，提出改进的深度学习模型用于担忧情绪检测	NA	通过社交媒体数据预测担忧情绪水平，为公共健康干预提供支持	COVID-19封锁期间的社交媒体用户	自然语言处理	精神健康障碍	社交媒体数据分析	GRU, LSTM, CNN	文本	NA	NA	GRU, LSTM, CNN	准确率, F1分数, 精确率, 召回率	NA
1159	2025-10-07	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	研究论文	本研究开发了一种基于胸部CT图像的深度学习放射组学模型，用于预测结缔组织病相关间质性肺病患者的GAP分期	结合放射组学和深度学习特征构建诊断模型，并整合年龄、性别等临床特征生成列线图模型	样本量有限，特别是GAP III期患者仅13例，需合并分组进行分析	预测结缔组织病相关间质性肺病患者的GAP分期	264例CTD-ILD患者（GAP I期195例，II期56例，III期13例）	医学影像分析	结缔组织病相关间质性肺病	计算机断层扫描	深度学习, 支持向量机, 逻辑回归	CT图像	264例患者	NA	NA	AUC	NA
1160	2025-10-07	An informed deep learning model of the Omicron wave and the impact of vaccination 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109968 PMID:40209576	研究论文	本研究使用物理信息神经网络分析奥密克戎变异株在德国、法国和意大利的传播动态及疫苗影响	首次将物理信息神经网络应用于奥密克戎变异株传播动力学研究，并识别出与传播率增加相关的特定病毒突变	研究仅针对三个欧洲国家，可能无法完全代表全球其他地区的传播情况	分析奥密克戎变异株的传播动态、疫苗效力及再感染潜力	奥密克戎变异株（B.1.1.529）及其BA.2和BA.3亚系	机器学习	COVID-19	物理信息神经网络	PINN	流行病学时间序列数据	德国、法国和意大利三个国家的疫情数据	NA	物理信息神经网络	均方根百分比误差	NA