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
361	2025-07-24	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Jul-17, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新型四模态深度神经网络（QM-DNN），用于利用Sentinel-2 MSI数据估算连云港市湖泊和水库中的叶绿素a浓度	提出了基于多模态学习概念的新型四模态深度神经网络（QM-DNN），整合了双波段、三波段和四波段光谱特征组合以及辅助的时间和环境变量	研究仅针对连云港市的湖泊和水库，可能不适用于其他地区的水体	估算水体中叶绿素a浓度，支持水质评估和湖泊管理	连云港市的湖泊和水库	遥感	NA	Sentinel-2 MSI数据	QM-DNN（四模态深度神经网络）	卫星影像和现场测量数据	测试集样本量N = 197
362	2025-07-24	Enhancing 72-Hour air quality forecasting with an observation-driven deep learning chemistry transport model 2025-Jul-17, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109689 PMID:40695207	研究论文	本研究开发了一种基于观测驱动的深度学习大气化学预测模型DeepFC，以提高72小时空气质量预测的准确性	DeepFC模型首次将大量近实时卫星和地面观测数据与传统数值模型有效结合，显著提高了PM和O3两种主要污染物的预测精度	研究仅在中国27km×27km分辨率区域内进行验证，未涉及全球其他地区的适用性评估	提高高分辨率空气质量预测的准确性，为制定有效的空气污染控制策略提供支持	PM和O3两种主要空气污染物	机器学习	NA	深度学习	DeepFC	卫星观测数据、地面观测数据	2013-2021年共9年的观测数据集
363	2025-07-24	Iterative deep learning design of human enhancers exploits condensed sequence grammar to achieve cell-type specificity 2025-Jul-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101302 PMID:40472848	research paper	该研究应用迭代深度学习设计具有特定细胞类型活性的合成增强子	利用迭代深度学习优化模型，设计出在两种人类细胞系中具有强差异活性的合成增强子，并通过实验验证和模型再优化提高特异性	研究仅针对两种人类细胞系，可能无法推广到其他细胞类型	解决合成生物学中如何靶向特定细胞类型进行基因表达的问题	人类细胞系中的合成增强子	synthetic biology	NA	iterative deep learning	deep learning	enhancer activity and chromatin accessibility data	two human cell lines
364	2025-07-24	UM-CPP: A Universal Model for Efficient Classification of Protein Particles in cryo-EM Micrographs with Feature Engineering 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01660 PMID:40686975	研究论文	提出了一种结合特征工程与深度学习的通用模型UM-CPP，用于提高冷冻电镜显微图像中蛋白质颗粒检测的准确性和可解释性	UM-CPP采用混合方法，结合经典机器学习特征与先进深度学习技术，提升了颗粒检测的鲁棒性和适应性，同时提供了可解释的特征分析	未明确提及具体局限性	解决冷冻电镜数据处理中异质样本、IC污染和外来杂质导致的蛋白质识别准确性问题	冷冻电镜显微图像中的蛋白质颗粒	计算机视觉	NA	冷冻电镜(cryo-EM)	深度学习与特征工程混合模型	图像	未明确提及具体样本量
365	2025-07-24	Enhancing Accuracy and Feature Insights in Hydration Free Energy Predictions for Small Molecules with Machine Learning 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04249 PMID:40687018	research paper	该研究利用机器学习技术提高小分子溶剂化自由能的预测准确性并提取相关物理决定因素的见解	提出了一种改进的机器学习方案，整合K近邻进行特征处理、集成建模和降维，仅使用二维特征在FreeSolv数据集上实现了0.53 kcal/mol的平均无符号误差	未提及该方法在其他数据集上的泛化能力或实际应用中的潜在限制	提高小分子溶剂化自由能的预测准确性并理解其物理决定因素	小分子的溶剂化自由能	机器学习	NA	K-nearest neighbors, 集成建模, 降维	ensemble modeling	分子几何和拓扑特征	FreeSolv数据集
366	2025-07-24	Near InfraRed Reflectance Imaging for the Assessment of Geographic Atrophy Using Deep Learning 2025-Jul-15, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004614 PMID:40694826	研究论文	本研究开发并评估了一种基于深度学习的全自动方法，用于在近红外反射（NIR）成像上检测地理萎缩（GA）	首次利用深度学习模型在NIR成像上实现GA的自动检测与定位	样本量相对较小（113例GA患者和119例对照）	开发自动检测地理萎缩（GA）的深度学习模型	年龄≥50岁且经两名视网膜专家确诊的GA患者及健康视网膜对照者	数字病理学	老年性黄斑变性	近红外反射成像（NIR）	Vision Transformer B16, YOLOv8-Large	图像	分类数据集330张图像，定位数据集659张图像（共113例GA患者和119例对照）
367	2025-07-24	TME-guided deep learning predicts chemotherapy and immunotherapy response in gastric cancer with attention-enhanced residual Swin Transformer 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102242 PMID:40695288	research paper	本研究提出了一种基于注意力增强残差Swin Transformer网络的深度学习模型，用于预测胃癌患者的化疗和免疫治疗反应	使用注意力增强残差Swin Transformer网络预测化疗反应，并通过中间任务（ImmunoScore和POSTN）提升模型性能，同时探索模型在免疫治疗受益患者识别中的应用	需要前瞻性研究验证其临床实用性	预测胃癌患者的化疗和免疫治疗反应，为个性化治疗提供依据	3,095名胃癌患者	digital pathology	gastric cancer	deep learning	attention-enhanced residual Swin Transformer	medical data	3,095 patients with gastric cancer
368	2025-07-24	Deep learning for detection and diagnosis of intrathoracic lymphadenopathy from endobronchial ultrasound multimodal videos: A multi-center study 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102243 PMID:40695290	研究论文	本文提出了一种基于深度学习的诊断系统AI-CEMA，用于从支气管内超声多模态视频中自动选择代表性图像、识别淋巴结并区分良恶性淋巴结	开发了首个基于深度学习的自动化诊断系统AI-CEMA，能够处理多模态超声视频数据，并在多中心研究中验证其诊断性能	研究样本量相对有限(总计1,273个淋巴结)，且需要进一步验证系统在其他医疗中心的泛化能力	开发自动化诊断系统以提高胸腔内淋巴结病变的诊断准确性和效率	胸腔内淋巴结病变和肺部病变	数字病理学	肺癌	CP-EBUS(凸探头支气管内超声)	深度学习模型(具体架构未说明)	多模态超声视频	1,273个淋巴结(1,006个来自单中心训练集，267个来自多中心验证集)
369	2025-07-24	Attention-enhanced Dual-stream Registration Network via Mixed Attention Transformer and Gated Adaptive Fusion 2025-Jul-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103713 PMID:40694890	研究论文	提出了一种新型的注意力增强双流配准网络（ADRNet），用于可变形脑部MRI配准	通过混合注意力Transformer（MAT）模块和门控自适应融合（GAF）模块，同时实现图像内特征提取和图像间特征匹配	未明确提及具体局限性	改进可变形脑部MRI图像的配准性能	脑部MRI图像	计算机视觉	脑部疾病	MRI	CNN, Transformer	图像	三个公共脑部MRI数据集
370	2025-07-24	Fluid and White Matter Suppression contrasts MRI improves Deep Learning detection of Multiple Sclerosis Cortical Lesions 2025-Jul-14, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103818 PMID:40695098	研究论文	本研究探讨了Fluid and White Matter Suppression (FLAWS) MRI序列在提高深度学习检测和分割多发性硬化(MS)患者皮质病变方面的效果，并开发了能够推广到仅使用标准T1加权图像(MPRAGE)的临床环境的模型	结合FLAWS和MP2RAGE序列开发的深度学习模型在皮质病变检测和分割方面表现出优越性能，并展示了从高级研究序列到常规临床序列的知识迁移能力	研究依赖于专家标注的一致性，且样本量相对有限(204名MS患者)	提高多发性硬化皮质病变的检测和分割准确性	多发性硬化患者的MRI图像	数字病理	多发性硬化	FLAWS MRI, MP2RAGE, MPRAGE	深度学习模型	MRI图像	204名多发性硬化患者
371	2025-07-24	Blind super-resolution for handheld ultrasound image: Two-stage degradation based unpaired deep learning 2025-Jul-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108956 PMID:40694937	研究论文	提出一种基于两阶段退化的盲超分辨率方法，用于提升手持超声设备的图像质量	引入频率概率退化阶段以减少结构扭曲和纹理损失，并提出新的超声感知损失函数	未提及实际临床应用的验证结果	提升手持超声设备的图像质量	手持超声设备获取的低质量超声图像	计算机视觉	NA	小波变换、神经网络生成的模糊核和噪声	EDSR	图像	公共数据集
372	2025-07-24	Convolutional Neural Network-Transformer Model to Predict and Classify Early Arrhythmia Using Electrocardiogram Signal 2025-Jul-03, Journal of visualized experiments : JoVE DOI:10.3791/68227 PMID:40690419	research paper	本文提出了一种基于深度学习的分类模型，用于从心电图信号中识别五种主要的心跳类型，以早期诊断和检测心律失常	结合Transformer层和1D CNN的混合架构，用于建模时间依赖性和提取空间特征，实现了99.99%的准确率、精确度和F1分数	未提及模型在临床环境中的实际应用效果或跨数据集泛化能力的验证	开发精确且自动化的技术，用于早期心律失常的诊断和检测	五种主要的心跳类型：正常（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、房性早搏（A）和室性早搏（V）	machine learning	cardiovascular disease	深度学习	CNN-Transformer混合模型	心电图信号	超过3.9百万训练段和112,575测试段，来自多个数据库（如INCART 12-lead、Sudden Cardiac Death Holter等）
373	2025-07-24	MDNN: memetic deep neural network for genomic prediction 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf352 PMID:40698862	研究论文	提出了一种名为MDNN的新框架，利用模因算法进行神经架构搜索，自动优化网络架构，以提高基因组预测的准确性	MDNN框架首次将模因算法应用于神经架构搜索，自动优化网络架构，相比传统DL模型减少了手动设计的需要	未提及在不同作物或更大规模数据集上的泛化能力	提高基因组预测（GP）的准确性，特别是在处理复杂性状时	小麦基因组数据（wheat599和wheat2000数据集）	机器学习	NA	深度学习（DL），模因算法	MDNN（Memetic Deep Neural Network）	基因组数据	两个小麦数据集（wheat599和wheat2000）
374	2025-07-24	Dynamic glucose enhanced imaging using direct water saturation 2025-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30447 PMID:40096575	研究论文	本文提出了一种利用直接水饱和（DS）曲线的交换性线宽（LW）增宽进行动态葡萄糖增强（DGE）MRI成像的新方法	采用基于交换性线宽增宽的DS-DGE MRI方法，克服了传统CEST或CESL方法效应低和对运动敏感的局限性	目前仅在4例脑肿瘤患者中进行了验证，样本量较小	开发一种新的MRI技术来评估葡萄糖摄取情况	脑肿瘤患者	医学影像	脑肿瘤	DS-DGE MRI	深度学习（Lorentzian拟合）	MRI影像数据	4例脑肿瘤患者
375	2025-07-24	Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida 2025-Jul, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000004547 PMID:40132220	研究论文	本研究开发了机器学习模型，利用视频尿动力学数据预测脊柱裂患者发生肾积水的风险	首次将机器学习应用于视频尿动力学数据，通过自动化特征提取预测肾积水风险	研究样本量有限(训练组354人，验证组200人)，且仅针对脊柱裂患者	开发可靠的肾积水风险预测模型以辅助临床决策	脊柱裂患者(年龄范围2个月至42岁)	机器学习	脊柱裂	视频尿动力学检查	随机生存森林模型(Random Survival Forest)、集成模型(Ensemble Model)	视频尿动力学数据(包括压力-容积数据和荧光透视图像)	训练组354例，验证组200例
376	2025-07-24	Virtual lung screening trial (VLST): An in silico study inspired by the national lung screening trial for lung cancer detection 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103576 PMID:40209556	研究论文	本研究通过虚拟肺部筛查试验（VLST）模拟国家肺部筛查试验（NLST），探讨虚拟成像试验（VITs）在加速临床试验、降低参与者风险及优化影像技术应用方面的潜力	利用虚拟成像试验平台模拟主要临床试验的关键要素，特别是比较CT和CXR在肺癌筛查中的诊断性能	研究基于模拟数据，可能无法完全反映真实临床环境中的复杂情况	探讨虚拟成像试验在复制临床试验某些方面的有效性，为影像诊断提供安全高效的方法	模拟的294名虚拟患者	数字病理	肺癌	CT和CXR成像	深度学习模型（AI CT-Reader和AI CXR-Reader）	影像数据	294名虚拟患者
377	2025-07-24	Transfer Learning Empowered Multiple-Indicator Optimization Design for Terahertz Quasi-Bound State in the Continuum Biosensors 2025-Jul, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504855 PMID:40287969	research paper	该研究提出了一种利用迁移学习优化太赫兹准连续态束缚态（QBIC）生物传感器多指标设计的创新方法	首次实现了质量因子（Q因子）、品质因数（FoM）和有效传感面积（ESA）的多指标综合优化，并通过两阶段迁移学习方法显著降低了数据需求	未明确提及具体局限性	优化太赫兹超表面生物传感器的多指标设计，提升痕量生物检测性能	太赫兹QBIC生物传感器	机器学习	NA	迁移学习	深度学习	NA	数据需求比传统深度学习方法减少50%
378	2025-07-24	World of Forms: Deformable geometric templates for one-shot surface meshing in coronary CT angiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103582 PMID:40318517	研究论文	提出了一种基于几何先验的数据高效深度学习方法，用于直接生成3D解剖对象表面网格	采用多分辨率图神经网络和几何模板变形方法，结合新型掩码自编码器预训练策略，提高了在低数据量情况下的网格生成准确性和拓扑一致性	方法性能在极低数据量情况下的表现尚未充分验证	改进医学图像表面网格生成方法，提高在有限数据情况下的性能	冠状动脉CT血管造影中的心包、左心室腔和左心室心肌	数字病理	心血管疾病	深度学习	多分辨率图神经网络	3D医学图像	未明确说明样本数量
379	2025-07-24	Improving the Robustness of Deep Learning Models in Predicting Hematoma Expansion from Admission Head CT 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8650 PMID:39794133	研究论文	本研究探讨了通过对抗训练和输入修改提高深度学习模型在预测急性脑出血患者血肿扩张方面的鲁棒性	使用对抗训练和Otsu多阈值分割作为额外输入来提高深度学习模型的鲁棒性	对抗训练对FGSM攻击的鲁棒性提升有限，对PGD类型攻击的交叉鲁棒性有限	提高深度学习模型在临床实践中预测血肿扩张的鲁棒性	急性脑出血患者的入院头部CT扫描	数字病理	脑出血	FGSM和PGD对抗攻击，Otsu多阈值分割	深度学习模型	CT图像	训练/交叉验证队列890名患者，独立验证队列684名患者
380	2025-07-24	Tracking conditioned fear in pair-housed mice using deep learning and real-time cue delivery 2025-Jul, Neurobiology of stress IF:4.3Q1 DOI:10.1016/j.ynstr.2025.100742 PMID:40678084	研究论文	本研究开发了一种基于深度学习的开源软件，用于在配对饲养的小鼠中实时追踪条件性恐惧行为	结合开源软件和深度学习姿态估计技术，在自然环境中研究小鼠的条件性恐惧行为	研究仅针对小鼠模型，结果向人类PTSD的转化需要进一步验证	开发新方法来研究创伤后应激障碍(PTSD)相关的恐惧行为	配对饲养的小鼠	数字病理学	创伤后应激障碍(PTSD)	深度学习姿态估计	深度学习模型	视频	配对饲养的小鼠群体(具体数量未提及)