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
381	2025-07-29	Dual branch neural network with dynamic learning mechanism for P300-based brain-computer interfaces 2025-Jul-13, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107876 PMID:40712216	研究论文	本研究提出了一种双分支神经网络与动态学习机制，用于解决基于P300的脑机接口中的类别不平衡问题	提出了一种双分支学习方法（DBL），同时考虑特征表示和类别不平衡，通过动态学习机制逐步强调少数类样本	研究依赖于公开和自收集的数据集，可能在其他数据集上的泛化能力有待验证	解决基于P300的脑机接口系统中的类别不平衡问题，提高分类性能	P300拼写器系统及其用户	脑机接口	NA	双分支学习（DBL）	双分支神经网络	脑电信号数据	公开数据集和自收集数据集
382	2025-07-29	Analysis of the carotenoid cycle during microbial growth by combining fluorescence imaging and deep learning 2025-Jul-10, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126641 PMID:40712219	研究论文	结合荧光成像和深度学习分析微生物生长过程中的类胡萝卜素循环	首次检测并实时追踪两种海洋芽孢杆菌孢子生长过程中类胡萝卜素含量的动态变化	仅针对两种特定的海洋芽孢杆菌孢子进行研究，样本范围有限	研究微生物生长过程中类胡萝卜素含量的动态变化及其代谢特性	两种海洋芽孢杆菌孢子（编号#2430和#2966）	数字病理	NA	拉曼光镊、活细胞动态成像、荧光显微镜	UNet-VGG16	图像	两种海洋芽孢杆菌孢子
383	2025-07-29	Monochromatic LeafAdaptNet (MLAN): an adaptive approach to spinach leaf disease detection using monochromatic imaging 2025-Jul-08, World journal of microbiology & biotechnology IF:4.0Q2 DOI:10.1007/s11274-025-04442-3 PMID:40627236	研究论文	本文提出了一种名为Monochromatic LeafAdaptNet (MLAN)的自适应方法，用于通过单色成像检测菠菜叶部病害	基于DenseNet-121-DO模型开发了定制的MLAN模型，用于菠菜叶部病害的检测与分类，实现了高准确率和平均精度	NA	提高菠菜叶部病害的检测和分类精度，以减少农药使用并提升农业产量	菠菜叶片	计算机视觉	植物病害	深度学习目标检测	DenseNet-121-DO, MLAN	图像	NA
384	2025-07-29	Deep Learning Based Models for CRISPR/Cas Off-Target Prediction 2025-Jul, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500122 PMID:40468633	综述	本文综述了基于深度学习的CRISPR/Cas脱靶预测工具，评估了六种深度学习模型在公共数据集上的表现	强调了将已验证的脱靶数据集整合到模型训练中以提升预测性能的重要性，并评估了多种深度学习模型的综合表现	没有一种模型在所有场景中始终优于其他模型	改进CRISPR/Cas脱靶位点预测，确保更安全的基因组编辑应用	CRISPR/Cas基因组编辑技术的脱靶效应	机器学习	NA	深度学习	CRISPR-Net, CRISPR-IP, R-CRISPR, CRISPR-M, CrisprDNT, Crispr-SGRU	序列数据	六个公共数据集和CRISPRoffT数据库中的验证数据
385	2025-07-29	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-Jul, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	研究论文	介绍了一种基于记忆核最小化的神经网络（MEMnets），用于发现生物分子动力学的慢集体变量	MEMnets基于整合广义主方程理论，通过编码记忆核处理非马尔可夫动力学，并通过并行编码网络最小化时间积分记忆核的上界来识别最优集体变量	未明确提及具体限制，但可能在大分子动态系统中采样有限时存在挑战	识别准确捕捉蛋白质构象变化最慢时间尺度的集体变量	生物分子动力学中的慢集体变量	机器学习	NA	深度学习	神经网络	分子动态数据	涉及FIP35 WW域的折叠和细菌RNA聚合酶的钳位开放
386	2025-07-29	A deep learning phenome wide association study of the electrocardiogram 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf047 PMID:40703109	研究论文	本研究利用深度学习技术，通过心电图（ECG）波形检测多种心脏和非心脏疾病，并探索了这些疾病分类的ECG特征	发现了ECG可以检测的新疾病，如呼吸衰竭、中性粒细胞减少症和月经紊乱，并揭示了这些疾病分类的ECG特征	研究中使用的数据集仅来自两个医疗中心，可能限制了结果的普适性	确定ECG可检测的全部心脏和非心脏疾病，并理解哪些ECG特征有助于疾病分类	心电图（ECG）波形和连接的电子健康记录	机器学习	心血管疾病	深度学习	PheWASNet（多任务深度学习模型）	ECG波形数据	来自两个医疗中心的大规模ECG和电子健康记录数据集
387	2025-07-29	Novel artificial intelligence model using electrocardiogram for detecting acute myocardial infarction needing revascularization 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf049 PMID:40703113	研究论文	本研究开发了一种基于心电图（ECG）的人工智能模型，用于检测需要血运重建的急性心肌梗死（AMI）	采用基于transformer的深度学习模型，并通过自监督学习在大规模无标记ECG数据上进行预训练，提高了AMI检测性能	研究数据来自单中心，外部验证集的时间跨度较大（2002-2020年）	开发能够及时诊断需要血运重建的AMI的人工智能模型	急性心肌梗死患者	医疗人工智能	心血管疾病	深度学习	transformer	心电图数据	训练集：723,389份ECG（300,627名患者）；外部验证集：261,429份ECG（259,454名患者）
388	2025-07-29	Development and multinational validation of an ensemble deep learning algorithm for detecting and predicting structural heart disease using noisy single-lead electrocardiograms 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf034 PMID:40703117	研究论文	开发并验证了一种基于深度学习的噪声弹性单导联心电图算法，用于检测和预测结构性心脏病	提出了一种噪声弹性的单导联AI-ECG算法，适用于便携/可穿戴设备，用于社区筛查和风险分层	研究主要基于医院数据，社区应用的实际效果需进一步验证	开发一种适用于便携设备的AI算法，用于结构性心脏病的检测和预测	结构性心脏病患者及高风险人群	机器学习	心血管疾病	深度学习	ADAPT-HEART (基于深度学习的算法)	心电图数据	266,740份心电图，来自99,205名患者
389	2025-07-29	Detection of subclinical atherosclerosis by image-based deep learning on chest X-ray 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf033 PMID:40703133	研究论文	开发了一种基于深度学习的系统，用于在普通正面胸部X光片上识别亚临床动脉粥样硬化	利用深度学习算法预测冠状动脉钙化（CAC）评分，能够在胸部X光片上准确检测亚临床动脉粥样硬化	需要在未来进行前瞻性评估以验证其在心血管风险分层或机会性筛查工具中的应用	开发一种深度学习系统，用于识别亚临床动脉粥样硬化	初级预防患者的胸部X光片和胸部CT扫描	计算机视觉	心血管疾病	深度学习	AI-CAC模型	图像	460例患者用于训练和内部验证，90例患者用于外部验证
390	2025-07-29	Explainable AI for Cotton Leaf Disease Classification: A Metaheuristic-Optimized Deep Learning Approach 2025-Jul, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70658 PMID:40703612	研究论文	本研究提出了一种结合EfficientNetB3和InceptionResNetV2的可解释深度学习框架，用于棉花叶部病害的准确分类	结合了元启发式优化的深度学习方法，并引入可解释AI技术（LIME和SHAP）增强模型透明度	未提及具体样本量或数据来源的详细信息	开发可靠、可解释且适用于田间实时应用的棉花叶部病害诊断工具	棉花叶部病害	计算机视觉	棉花叶部病害	深度学习	EfficientNetB3, InceptionResNetV2	图像	NA
391	2025-07-29	Multistage attention-based extraction and fusion of protein sequence and structural features for protein function prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf374 PMID:40569190	研究论文	提出了一种基于多阶段注意力机制的蛋白质功能预测框架MAEF-GO，整合了图卷积网络和图注意力网络来提取蛋白质结构特征，并引入频域注意力机制和交叉注意力模块来融合蛋白质序列和结构信息	创新性地整合了图卷积网络和图注意力网络来提取蛋白质结构特征，引入了频域注意力机制来处理蛋白质序列中的长距离依赖关系，并实现了交叉注意力模块来促进序列和结构模态的交互融合	未提及具体的数据集限制或模型泛化能力的详细评估	提高蛋白质功能预测的准确性和全面性	蛋白质序列和结构信息	生物信息学	NA	图卷积网络(GCN)、图注意力网络(GAT)、频域注意力机制	MAEF-GO	蛋白质序列和结构数据	未提及具体样本数量
392	2025-07-28	A Deep Learning Multimodal Fusion-Based Method for Cell and Nucleus Segmentation 2025-Jul-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3592625 PMID:40711898	研究论文	提出了一种基于深度学习多模态融合的细胞和细胞核分割方法	通过结合预训练模型和多模态数据融合技术，实现了无需重新训练新数据的细胞和细胞核分割	需要高质量的预训练模型和多模态数据支持	解决细胞和细胞核分割任务中标注数据稀缺的问题	细胞和细胞核图像	数字病理学	NA	深度学习多模态融合	CNN	图像和文本	NA
393	2025-07-28	A Multi-Modal Pelvic MRI Dataset for Deep Learning-Based Pelvic Organ Segmentation in Endometriosis 2025-Jul-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05623-3 PMID:40707497	研究论文	本研究提出了一个新的女性盆腔MRI多中心数据集，用于子宫内膜异位症的深度学习盆腔器官分割，并展示了两种自动分割管线的基线性能	提出了一个新的多序列子宫内膜异位症MRI数据集，并评估了两种自动分割方法（nnU-Net和RAovSeg）的性能	研究中使用的数据集样本量相对较小（51例和81例），且部分数据仅来自单一中心	开发自动分割方法以支持子宫内膜异位症的MRI研究	女性盆腔MRI数据，特别是子宫、卵巢和子宫内膜异位瘤的分割	数字病理	子宫内膜异位症	MRI	nnU-Net, RAovSeg	MRI图像	51例多中心数据集和81例单中心数据集
394	2025-07-28	AI-CMCA: a deep learning-based segmentation framework for capillary microfluidic chip analysis 2025-Jul-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11508-7 PMID:40691244	研究论文	介绍了一种基于深度学习的毛细管微流控芯片分析框架AI-CMCA，用于自动化流体路径检测和追踪	结合迁移学习特征初始化、编码器-解码器语义分割和连续帧分析，实现高精度流体路径追踪，相比手动方法显著提升效率和一致性	未明确说明对不同类型微流控芯片的泛化能力	开发自动化毛细管微流控芯片流体分析工具	毛细管微流控芯片中的流体路径	计算机视觉	NA	深度学习	U-Net, PAN, FPN, PSP-Net, DeepLabV3+	图像	NA
395	2025-07-28	An ensemble deep learning model for author identification through multiple features 2025-Jul-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11596-5 PMID:40691694	研究论文	提出了一种结合多种特征的自注意力加权集成深度学习框架，用于提高作者身份识别的准确性和稳定性	通过自注意力机制智能结合多种写作风格表示（统计特征、TF-IDF向量和Word2Vec嵌入），动态学习每种特征类型的重要性	仅在两个数据集上进行了测试，样本量和作者数量有限	提高自然语言处理中作者身份识别的准确性和稳定性	文本数据中的作者身份识别	自然语言处理	NA	TF-IDF, Word2Vec, 自注意力机制	CNN, 自注意力加权集成框架	文本	两个数据集（Dataset A包含4位作者，Dataset B包含30位作者）
396	2025-07-28	Improving mortality prediction after radiotherapy with large language model structuring of large-scale unstructured electronic health records 2025-Jul-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111052 PMID:40692078	研究论文	本研究利用大型语言模型（LLM）对大规模非结构化电子健康记录（EHR）进行结构化处理，以提高放疗后患者死亡率预测的准确性	使用开源LLM对非结构化EHR数据进行单次学习结构化处理，显著提升了生存预测模型的准确性和可解释性	研究依赖于特定医疗中心的数据，外部验证样本量相对较小（852例）	提高放疗后患者死亡率预测的准确性，优化临床决策	接受放疗的癌症患者	自然语言处理	癌症	大型语言模型（LLM）	深度学习模型	非结构化电子健康记录（EHR）	34,276例放疗患者（主要数据集）+852例外部验证患者
397	2025-07-28	The Chest X- Ray: The Ship has Sailed, But Has It? 2025-Jul-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-52-1-21-22.1 PMID:40047110	research paper	本文探讨了胸部X光片（CXR）在深度学习技术应用下是否能为保险承保风险分析增加额外价值	探讨了深度学习技术如何可能使传统的CXR重新成为保险风险评估的有价值工具	未具体说明深度学习技术的应用细节或实证结果	评估CXR在深度学习技术辅助下对保险承保风险分析的潜在价值	胸部X光片（CXR）和保险承保风险分析	machine learning	NA	deep learning	NA	image	NA
398	2025-07-26	Letter to the Editor: "Development and Validation of a Deep Learning Ultrasound Radiomics Model for Predicting Drug Resistance in Lymph Node Tuberculosis a Multicenter Study" 2025-Jul-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003118 PMID:40705514	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
399	2025-07-26	Letter to the editor: multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study 2025-Jul-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003109 PMID:40705510	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
400	2025-07-26	Advances and challenges in AI-assisted MRI for lumbar disc degeneration detection and classification 2025-Jul-25, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09179-z PMID:40707791	综述	本文综述了AI在MRI辅助腰椎间盘退变检测和分类中的进展与挑战	全面概述了AI在腰椎间盘退变MRI检测和分级中的应用，包括机器学习和深度学习技术，并讨论了其临床价值、当前局限性和未来方向	泛化性、数据不平衡、可解释性和监管整合方面仍存在挑战	提高腰椎间盘退变的诊断效率和一致性	腰椎间盘退变的MRI图像	数字病理学	腰椎间盘退变	MRI	CNN, SpineNet, ResNet, U-Net, transformers, 多任务学习	图像	NA