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
1201	2025-10-07	Deep learning-assisted cellular imaging for evaluating acrylamide toxicity through phenotypic changes 2025-Jun, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association IF:3.9Q1 DOI:10.1016/j.fct.2025.115401 PMID:40118138	研究论文	开发结合深度学习与细胞荧光成像的新方法评估丙烯酰胺毒性	首次将U-Net细胞分割与ResNet34分类模型结合，通过表型变化直接关联细胞表型与毒性评估	验证准确率为80%，仍有提升空间	评估丙烯酰胺毒性及其对细胞表型的影响	暴露于丙烯酰胺的细胞	计算机视觉	毒理学	细胞荧光成像	CNN	图像	NA	NA	U-Net, ResNet34	准确率	NA
1202	2025-04-26	Future prospects of deep learning in esophageal cancer diagnosis and clinical decision support (Review) 2025-Jun, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15039 PMID:40271007	review	本文综述了深度学习在食管癌诊断和临床决策支持中的应用前景	深度学习在提高早期食管癌病变检测、区分良恶性病变以及辅助癌症分期和预后方面显示出巨大潜力	面临图像质量差异、数据标注不足和泛化能力有限等挑战	探讨深度学习在食管癌诊断和临床决策支持中的应用	食管癌（EC）及其癌前病变（如Barrett食管）	digital pathology	esophageal cancer	endoscopic examination, pathological analysis, computed tomography	deep learning (DL)	medical images	NA	NA	NA	NA	NA
1203	2025-04-26	A comprehensive Malabar Spinach dataset for diseases classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111532 PMID:40275977	研究论文	本研究致力于开发针对马拉巴尔菠菜病害的机器视觉算法，以提高病害检测的准确性	开发了专门针对马拉巴尔菠菜病害的机器视觉算法，并构建了一个包含健康和患病植株图像的全面数据集	研究仅限于马拉巴尔菠菜的特定病害，可能不适用于其他作物	提高马拉巴尔菠菜病害的检测准确性，以支持精准农业和有效的作物管理	马拉巴尔菠菜的病害检测	计算机视觉	植物病害	机器视觉	ResNet50	图像	包含健康和患病马拉巴尔菠菜植株图像的全面数据集	NA	NA	NA	NA
1204	2025-04-25	Machine learning-based detection and quantification of red blood cells in Cholistani cattle: A pilot study 2025-Jun, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105650 PMID:40215610	研究论文	本研究首次使用机器学习检测和计数巴基斯坦Cholistani牛的正常和异常红细胞（RBCs），包括泪滴细胞和裂红细胞	首次在Cholistani牛中应用机器学习进行红细胞检测和计数，并比较了SVM模型与人工计数方法的效果	需要进一步改进以提升使用卷积神经网络或其他深度学习方法进行红细胞检测的准确性	探索机器学习在兽医血液学评估中的应用潜力	Cholistani牛的红细胞（包括正常红细胞、泪滴细胞和裂红细胞）	机器学习	NA	支持向量机（SVM）、主成分分析（PCA）	SVM	图像	预标注的血涂片图像数据集，随机分为训练集（80%）和测试集（20%）	NA	NA	NA	NA
1205	2025-04-25	An Intelligent Model of Segmentation and Classification Using Enhanced Optimization-Based Attentive Mask RCNN and Recurrent MobileNet With LSTM for Multiple Sclerosis Types With Clinical Brain MRI 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70036 PMID:40269999	研究论文	本文提出了一种基于深度学习的智能模型，用于通过临床脑部MRI扫描对多发性硬化症类型进行分割和分类	该模型的主要创新点在于将注意力机制和基于循环的深度学习应用于卷积网络，以分类疾病，并提出了一种优化算法来调整参数以提高性能	NA	开发一种深度学习系统，用于通过临床脑部MRI扫描对多发性硬化症类型进行分类	多发性硬化症（MS）的临床脑部MRI扫描图像	数字病理学	多发性硬化症	MRI	AA-MRCNN, RM-LSTM	图像	3427张图像	NA	NA	NA	NA
1206	2025-04-24	Mitigating ambient RNA and doublets effects on single cell transcriptomics analysis in cancer research 2025-Jun-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217693 PMID:40185305	research paper	该论文探讨了在癌症研究中如何减轻单细胞转录组学分析中环境RNA和双联体效应的影响	提出了使用计算方法和深度学习技术（如SoupX、DecontX和CellBender）来评估和消除环境RNA污染及背景噪声，提供了一种端到端的数据准备策略	未提及具体的技术局限性或数据集的限制	旨在提高单细胞转录组学数据的质量，以更准确地描述肿瘤微环境中的异质性，并促进精准肿瘤学的发展	单细胞转录组学数据	生物信息学	癌症	scRNA-seq, deep learning	NA	基因表达数据	NA	NA	NA	NA	NA
1207	2025-04-24	SSAT-Swin: Deep Learning-Based Spinal Ultrasound Feature Segmentation for Scoliosis Using Self-Supervised Swin Transformer 2025-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.02.013 PMID:40082183	research paper	提出了一种基于自监督Swin Transformer的深度学习模型SSAT-Swin，用于脊柱超声图像特征分割以诊断脊柱侧弯	结合边界增强模块和通道注意力模块，并采用自监督代理任务进行预训练，提高了超声图像分割的准确性	仅使用了1170张图像进行预训练和109张图像-标签对进行微调，样本量相对有限	提高脊柱侧弯超声图像分割的准确性，以辅助诊断	脊柱侧弯患者的超声图像	computer vision	脊柱侧弯	自监督学习	Swin Transformer	超声图像	预训练1170张图像，微调109张图像-标签对	NA	NA	NA	NA
1208	2025-04-24	Brain tumor segmentation with deep learning: Current approaches and future perspectives 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110424 PMID:40122469	综述	本文系统回顾了基于深度学习的脑肿瘤分割技术，特别关注网络架构设计	全面比较了不同深度学习方法在脑肿瘤分割中的性能，并探讨了U-Net架构的迭代改进及其在医学图像分割中的潜力	主要基于BraTS数据集进行评估，可能无法完全代表所有临床场景	评估自动脑肿瘤分割技术的现状并展望未来研究方向	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI成像	CNN, U-Net, Transformer	医学影像	主要基于BraTS数据集（具体数量未提及）	NA	NA	NA	NA
1209	2025-04-24	Exploring emotional climate recognition in peer conversations through bispectral features and affect dynamics 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108695 PMID:40138858	研究论文	该研究提出了一种名为MLBispec的新方法，用于通过语音信号识别对话中的情感氛围（EC）	MLBispec方法结合了时间窗口双谱分析和情感动态特征，提高了情感识别的准确性	研究未提及在嘈杂环境下的性能表现，且跨语言实验的泛化能力有待进一步验证	探索并提高人工智能在对话中情感氛围识别的能力	对话中的语音信号和情感标注	自然语言处理	NA	双谱分析，机器学习分类器	ML	语音信号	IEMOCAP、K-EmoCon和SEWA开放数据集	NA	NA	NA	NA
1210	2025-04-24	A Physics-Integrated Deep Learning Approach for Patient-Specific Non-Newtonian Blood Viscosity Assessment using PPG 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108740 PMID:40158260	研究论文	本研究提出了一种结合物理约束的深度学习方法来从PPG数据中提取患者特异性血液粘度方程	开发了一种混合1D CNN-LSTM架构，结合了物理约束，将流变学原理整合到数据驱动的PPG分析中	在低剪切速率区域的准确性较低（7.84 cP误差），且仅针对特定剪切范围（50-300 s-1）进行了优化	通过可穿戴设备非侵入性地测量血液粘度，以监测和诊断循环系统疾病	PPG数据与血液粘度关系	数字病理学	心血管疾病	PPG（光电容积描记术）	1D CNN-LSTM混合架构	PPG信号	NA	NA	NA	NA	NA
1211	2025-04-24	Discovery and characterization of novel FAK inhibitors for breast cancer therapy via hybrid virtual screening, biological evaluation and molecular dynamics simulations 2025-Jun-01, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108400 PMID:40163988	研究论文	通过混合虚拟筛选、生物评估和分子动力学模拟，发现并表征了新型FAK抑制剂用于乳腺癌治疗	使用基于结构的高透明度渗透性虚拟筛选（HTVS）和基于几何深度学习的DeepDock算法，发现了一种新的FAK抑制剂骨架	仅对10种化合物进行了生物活性评估，样本量较小	开发有效的FAK抑制剂用于乳腺癌治疗	FAK（粘着斑激酶）及其抑制剂	药物发现	乳腺癌	虚拟筛选（HTVS）、DeepDock算法、分子对接、分子动力学模拟	DeepDock（基于几何深度学习）	化学化合物数据	10种化合物	NA	NA	NA	NA
1212	2025-04-24	Predicting protein-protein interaction with interpretable bilinear attention network 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108756 PMID:40174317	research paper	提出了一种名为PPI-BAN的新型端到端框架，通过整合蛋白质序列信息和3D结构信息来预测蛋白质-蛋白质相互作用及其类型	PPI-BAN首次将蛋白质序列和3D结构信息通过深度双线性注意力网络(BAN)联合学习，明确学习两个蛋白质的重要局部相互作用表示，提高了预测结果的可解释性	虽然PPI-BAN表现优异，但其性能仍依赖于蛋白质3D结构预测的准确性，且计算复杂度较高	开发一种能够准确预测蛋白质-蛋白质相互作用及其类型的计算方法	蛋白质-蛋白质相互作用(PPIs)	生物信息学	NA	一维卷积操作(Conv1D)、几何感知关系图神经网络(GearNet)、深度双线性注意力网络(BAN)	BAN	蛋白质序列和3D结构数据	NA	NA	NA	NA	NA
1213	2025-04-24	Fusion of multi-scale feature extraction and adaptive multi-channel graph neural network for 12-lead ECG classification 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108725 PMID:40184850	研究论文	提出一种融合多尺度特征提取和自适应多通道图神经网络的12导联心电图分类方法	提出多尺度自适应图融合网络（MSAGFN）模型，结合特征图和拓扑图，有效整合12导联心电图的复杂关联	未提及具体局限性	提高12导联心电图的分类准确率	12导联心电图数据	机器学习	心血管疾病	图神经网络	MSAGFN（多尺度自适应图融合网络）和AMGNN（自适应多通道图神经网络）	心电图信号	PTB-XL数据集	NA	NA	NA	NA
1214	2025-04-24	Self-supervised multi-modality learning for multi-label skin lesion classification 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108729 PMID:40184849	研究论文	提出一种自监督学习算法，用于多模态多标签皮肤病变分类，减少对大规模标注数据的依赖	通过最大化配对的皮肤镜和临床图像之间的相似性实现多模态自监督学习，并引入新的多模态多标签自监督策略，通过聚类分析生成七个皮肤病变属性的伪多标签	算法性能依赖于配对的皮肤镜和临床图像的可用性，且伪标签生成可能受到聚类分析准确性的影响	开发一种减少对大规模标注数据依赖的皮肤病变分类方法	皮肤病变的多模态图像（皮肤镜和临床图像）及其多标签属性	计算机视觉	皮肤病变	自监督学习（SSL）	CNN	图像	使用经过良好基准测试的七点皮肤病变数据集进行验证	NA	NA	NA	NA
1215	2025-04-24	A first explainable-AI-based workflow integrating forward-forward and backpropagation-trained networks of label-free multiphoton microscopy images to assess human biopsies of rare neuromuscular disease 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108733 PMID:40154003	研究论文	提出了一种基于可解释人工智能的工作流程，结合前向-前向和反向传播训练的卷积网络，用于评估罕见神经肌肉疾病的人类活检图像	首次将前向-前向训练应用于生物医学图像，为临床可解释深度学习应用设定了新标准	研究样本量较小（16例活检），且仅针对杜氏肌营养不良症	提高罕见神经肌肉疾病的诊断准确性，通过标准化特征和表型表达识别	人类肌肉活检的多光子显微镜图像	数字病理	神经肌肉疾病	多光子显微镜	CNN（前向-前向和反向传播训练）	图像	16例人类肌肉活检的1600张图像	NA	NA	NA	NA
1216	2025-04-23	A semantic segmentation network for red tide detection based on enhanced spectral information using HY-1C/D CZI satellite data 2025-Jun, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117813 PMID:40117936	研究论文	提出了一种基于增强光谱信息的语义分割网络SIC-RTNet，用于利用HY-1C/D CZI卫星数据检测赤潮	SIC-RTNet通过引入残差块、计算三个光谱信息通道和改进损失函数，提高了赤潮监测的准确性	传统遥感方法难以监测小规模赤潮事件和详细分布，且不适用于中高空间分辨率和低光谱分辨率的卫星传感器	提高赤潮监测的准确性，助力海洋生态灾害监测	赤潮	计算机视觉	NA	卫星遥感	Residual Neural Network (SIC-RTNet)	卫星图像	NA	NA	NA	NA	NA
1217	2025-04-23	High-level visual processing in the lateral geniculate nucleus revealed using goal-driven deep learning 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110429 PMID:40122470	研究论文	本研究提出了一种利用目标驱动的深度学习方法来揭示侧膝状体核（LGN）在高级视觉处理中的作用	使用VGG16和ResNet50两种深度神经网络作为目标驱动模型，探索LGN在高级视觉特征（如数量感知）编码中的作用，挑战了关于LGN功能简单性的传统观点	研究仅针对小鼠LGN，结果是否适用于其他物种尚不明确	探索LGN在高级视觉处理中的功能	小鼠侧膝状体核（LGN）的神经活动	计算机视觉	NA	深度学习	VGG16, ResNet50	神经活动数据	NA	NA	NA	NA	NA
1218	2025-04-20	Prior guided deep difference meta-learner for fast adaptation to stylized segmentation 2025-Jun-30, Machine learning: science and technology DOI:10.1088/2632-2153/adc970 PMID:40247921	研究论文	提出一种先验引导的深度差异元学习器（DDL），用于快速适应不同风格的解剖结构分割，以提高放疗治疗计划中分割的精确性	利用初始患者数据学习分割风格与解剖定义之间的一致差异，并将其应用于预训练模型，无需重新训练即可适应新风格	需要一定数量的初始患者数据来学习风格差异，且测试数据规模相对较小（30例）	提高放疗治疗计划中解剖结构分割的精确性和效率	前列腺临床靶区（CTV）、腮腺和直肠的轮廓	数字病理	前列腺癌	深度学习	Prior-guided deep difference meta-learner (DDL)	医学图像	440例患者用于模型开发，30例用于测试	NA	NA	NA	NA
1219	2025-10-07	Deep learning-enhanced zero echo time MRI for glenohumeral assessment in shoulder instability: a comparative study with CT 2025-Jun, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04830-0 PMID:39572485	研究论文	本研究比较了深度学习重建的零回波时间MRI与传统重建方法在肩关节不稳评估中的图像质量，并与CT进行骨缺损测量的对比	首次将深度学习重建算法应用于零回波时间MRI，并与金标准CT在肩关节骨缺损测量方面进行系统性比较	样本量相对较小（44例患者），且仅限于前向盂肱不稳患者	评估深度学习增强的ZTE MRI在肩关节不稳诊断中的性能	44例有症状的前向盂肱不稳患者（9名女性，平均年龄33.5±15.65岁）	医学影像分析	肩关节不稳	零回波时间MRI，CT扫描，深度学习重建	深度学习算法	MRI影像，CT影像	44例患者	NA	NA	Likert评分，Cohen's kappa，组内相关系数，Bland-Altman分析，比值比	NA
1220	2025-10-07	Leveraging protein language models for robust antimicrobial peptide detection 2025-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.03.002 PMID:40049432	研究论文	提出了一种基于蛋白质语言模型的新型抗菌肽检测框架PLAPD	首次将预训练的ESM2蛋白质语言模型与卷积层局部特征提取和残差Transformer模块全局特征提取相结合用于抗菌肽分类	NA	开发高精度、高通量的抗菌肽检测方法	抗菌肽(AMPs)	自然语言处理	NA	蛋白质语言模型	Transformer, CNN	蛋白质序列	8,268条肽序列	NA	ESM2, 残差Transformer	准确率, 精确率, 特异性, MCC, AUC	NA