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
781	2025-07-19	An open-source deep learning framework for respiratory motion monitoring and volumetric imaging during radiation therapy 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18015 PMID:40665474	研究论文	开发了一个名为Voxelmap的深度学习框架，用于实时图像引导放射治疗中的呼吸运动监测和体积成像	Voxelmap框架能够利用标准临床环境中已有的数据和资源实现3D呼吸运动估计和体积成像，且可适应其他成像模式如MRI-Linacs，与现有方法相比，它鼓励保持拓扑结构和可逆性的微分同胚映射	在某些网络架构下，目标质心误差较大，如网络B和C在基于X射线的肺癌患者数据中表现出较大的误差	开发一种经济实惠的实时图像引导放射治疗工具	呼吸运动监测和体积成像在放射治疗中的应用	数字病理	肺癌	深度学习	CNN	图像	使用XCAT和CoMBAT数字幻影以及SPARE Grand Challenge数据集提供合成和患者数据
782	2025-07-19	Automated Detection of Gibbon Calls From Passive Acoustic Monitoring Data Using Convolutional Neural Networks in the "Torch for R" Ecosystem 2025-Jul, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71678 PMID:40666685	研究论文	本文提出了一种使用R环境中的'Torch for R'生态系统和卷积神经网络（CNNs）从被动声学监测数据中自动检测长臂猿叫声的方法	首次在R编程环境中实现了基于深度学习的声学信号自动检测方法，并比较了六种CNN架构在两种长臂猿叫声检测上的性能	不同架构的性能表现依赖于物种和测试数据集，没有统一的最高性能模型	开发一种可在R环境中运行的自动声学信号检测方法，用于生态监测	两种长臂猿的叫声（北部灰长臂猿和南部黄颊冠长臂猿的雌性叫声）	机器学习	NA	被动声学监测（PAM）	CNN	音频	来自马来西亚丹浓谷保护区和柬埔寨Keo Seima野生动物保护区的两个自主录音单元网格的数据
783	2025-07-19	Classification of Biscuit Quality With Deep Learning Algorithms 2025-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70379 PMID:40676924	研究论文	本研究旨在通过使用深度学习模型检测缺陷产品，减少饼干生产质量控制过程中的时间、成本和人为错误	采用深度学习模型（如EfficientNet、ResNet）进行饼干质量分类，并在工业食品生产中实现高效精确的质量控制	未提及数据集的具体规模或多样性，可能影响模型的泛化能力	减少饼干生产质量控制过程中的时间、成本和人为错误	饼干的质量分类（缺陷与无缺陷，以及多类别分类如过熟、纹理缺陷和不完整）	计算机视觉	NA	深度学习	EfficientNet, ResNet, XceptionNet, MobileNet	图像	两个数据集（一个用于二分类，一个用于多分类），具体样本数量未提及
784	2025-04-12	Performance of deep learning algorithm based on Xception in evaluating morphological characteristics reflecting the activity of vitiligo 2025-Jul-17, The British journal of dermatology DOI:10.1093/bjd/ljaf133 PMID:40209097	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
785	2025-07-18	Clinical Implementation of Sixfold-Accelerated Deep Learning Superresolution Knee MRI in Under 5 Minutes: Arthroscopy-Validated Diagnostic Performance 2025-Jul-16, AJR. American journal of roentgenology DOI:10.2214/AJR.25.32878 PMID:40266704	研究论文	本研究验证了使用深度学习超分辨率图像重建技术的六倍加速膝关节MRI在临床中的诊断性能	结合三倍并行成像和两倍同步多层加速技术，实现六倍加速的深度学习超分辨率膝关节MRI，并在5分钟内完成扫描	研究为回顾性设计，样本量相对较小（124例患者）	验证六倍加速深度学习超分辨率3-T膝关节MRI的临床效能	膝关节疼痛的成年患者	数字病理学	膝关节疾病	深度学习超分辨率图像重建、并行成像(PI)、同步多层加速(SMS)	DL（深度学习）	MRI图像	124名成年患者（79名男性，45名女性）
786	2025-07-18	Artificial intelligence techniques in inherited retinal diseases: a review 2025-Jul-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c7 PMID:40587976	综述	本文综述了人工智能技术在遗传性视网膜疾病(IRDs)中的应用，包括诊断、预后和管理方面的潜力	整合了现有研究，识别了知识空白，并探讨了可解释AI在临床环境中的重要性	该领域知识碎片化，需要更多针对性研究来填补空白	探索AI技术在遗传性视网膜疾病诊断和管理中的应用潜力	遗传性视网膜疾病(IRDs)	人工智能在医疗领域的应用	遗传性视网膜疾病	机器学习和深度学习	NA	NA	NA
787	2025-07-18	Inverse Design of Manufacturable Infrared Metasurfaces Based on Multimodal Deep Learning Methods 2025-Jul-16, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c07116 PMID:40623946	研究论文	本文提出了一种基于多模态深度学习的可制造红外超表面的逆向设计方法	提出了一种多模态神经网络框架，能够根据目标光谱生成不同模式的设计结果，解决了高维参数空间和非线性映射带来的挑战，设计速度比传统方法快几个数量级	未提及具体样本量或实验验证的广泛性	实现复杂光子器件的逆向设计，特别是红外隐身超表面的设计	复合周期性微结构	机器学习	NA	多模态深度学习	神经网络	光谱数据	NA
788	2025-07-18	The Second Skin: A Wearable Sensor Suite that Enables Real-Time Human Biomechanics Tracking Through Deep Learning 2025-Jul-16, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3589996 PMID:40668712	研究论文	开发了一种可穿戴传感器套装，通过深度学习实现实时人体生物力学跟踪	提出了一种任务无关、用户无关的方法，用于在各种任务中精确实时估计下肢关节状态	样本量较小（N=10），且仅针对特定行业（建筑和危险废物清理）的任务	研究实时人体运动学和动力学测定方法，以推进生物力学研究和生物反馈应用	人体下肢关节的运动学和动力学	机器学习	NA	惯性测量单元（IMUs）和压力鞋垫	深度学习模型	传感器数据	10名参与者，33项任务
789	2025-07-18	LCwmcaR: Learning Cross-Window Cross-Modality Correlation-Aware Representation for Human Activity Recognition 2025-Jul-16, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3581226 PMID:40668703	research paper	提出了一种名为LCwmcaR的新型跨窗口跨模态相关性感知框架，用于人类活动识别（HAR）	LCwmcaR框架通过双分支网络同时建模时间和空间级别信息，并设计了可学习的时间二维化策略和跨窗口相关性感知特征表示生成模块	未提及具体的局限性	提升人类活动识别的准确性和鲁棒性	人类活动识别（HAR）数据	machine learning	NA	Mamba和CNN	dual-branch network	时序数据	四个公共数据集
790	2025-07-18	Re-Boosting Self-Collaboration Parallel Prompt GAN for Unsupervised Image Restoration 2025-Jul-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3589606 PMID:40668718	research paper	提出了一种自协作并行提示GAN框架，用于无监督图像恢复，通过自协作策略和重新增强模块显著提升性能	引入自协作策略（SC）和重新增强模块（Reb-SC），在不增加推理复杂度的前提下显著提升恢复性能	未提及具体的数据集限制或计算资源需求	提升无监督图像恢复的性能，减少对配对数据的依赖	图像恢复任务	computer vision	NA	GAN	GAN	image	NA
791	2025-07-18	Multi-View Fused Nonnegative Matrix Completion Methods for Drug-Target Interaction Prediction 2025-Jul-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3589662 PMID:40668724	研究论文	本研究提出两种多视图融合非负矩阵补全方法，用于提高药物-靶标相互作用预测的准确性、可解释性和可扩展性	结合非负矩阵补全框架、线性多视图融合机制和多图拉普拉斯正则化，避免启发式秩选择并保持各视图结构特性	未明确说明方法在超大规模数据集上的性能表现	提高药物-靶标相互作用预测的准确性	药物-靶标相互作用数据	机器学习	NA	非负矩阵补全、多视图融合、多图拉普拉斯正则化	非负矩阵补全模型	异构相似性矩阵	四个黄金标准数据集和一个更大的真实世界数据集
792	2025-07-18	VGRF Signal-Based Gait Analysis for Parkinson's Disease Detection: A Multi-Scale Directed Graph Neural Network Approach 2025-Jul-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3589772 PMID:40668723	research paper	该论文提出了一种基于垂直地面反作用力(VGRF)信号的多尺度有向图神经网络方法，用于帕金森病的步态分析检测	提出了一种多尺度自适应有向图神经网络(MS-ADGNN)，首次考虑了VGRF信号的固有图结构，能够捕捉足底传感器间的分布关系和行走时的动态压力传导	未提及具体样本量限制或数据多样性问题	开发更有效的帕金森病步态异常检测方法	帕金森病患者与健康对照者的步态数据	digital pathology	帕金森病	VGRF信号分析	MS-ADGNN（包含ADGN和MSTCN单元）	生物力学信号数据	三个广泛使用的数据集（具体数量未说明）
793	2025-07-18	Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions 2025-Jul-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11800-0 PMID:40670764	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）、常规深度学习重建（C-DLR）和混合迭代重建（HIR）在提高儿科先天性心脏病（CHD）CT血管造影（CCTA）图像质量和诊断性能方面的有效性	SR-DLR显著降低图像噪声并提高分辨率，在检测小病灶方面优于现有算法，诊断准确性接近超声	研究样本仅限于1-10岁的儿科患者，且仅在自由呼吸条件下进行CCTA	评估不同重建算法在儿科CHD的CCTA中的图像质量和诊断性能	91名疑似CHD的1-10岁儿科患者	数字病理学	先天性心脏病	CT血管造影（CCTA）	深度学习重建（SR-DLR, C-DLR）	图像	91名1-10岁的儿科患者
794	2025-07-18	DNA Methylation Recognition Using Hybrid Deep Learning with Dual Nucleotide Visualization Fusion Feature Encoding 2025-Jul-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00737-z PMID:40670806	研究论文	提出了一种名为DeepDNA-DNVFF的新型高效DNA甲基化预测方法，通过改进和整合二维DNA可视化技术，开发了双核苷酸视觉融合特征编码（DNVFF）方法，并结合CNN、BiLSTM和注意力机制的混合深度学习模型	开发了新的双核苷酸视觉融合特征编码（DNVFF）方法，并整合了CNN、BiLSTM和注意力机制的混合深度学习模型，以提高DNA甲基化预测的准确性和通用性	NA	开发一种高效且通用的DNA甲基化预测方法，以帮助理解基因调控机制和识别潜在的疾病生物标志物	DNA甲基化位点	机器学习	NA	DNA甲基化测序	CNN, BiLSTM, 注意力机制	DNA序列	17个物种数据集
795	2025-07-18	AMPred-MFG: Investigating the Mutagenicity of Compounds Using Motif-Based Graph Combined with Molecular Fingerprints and Graph Attention Mechanism 2025-Jul-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00742-2 PMID:40670804	研究论文	介绍了一种名为AMPred-MFG的新型深度学习预测模型，用于预测药物分子的致突变性	结合分子指纹特征与分子图特征，通过基于motif的图和图注意力机制提取特征，提高了致突变性预测的准确性和可解释性	未明确提及具体局限性	开发一种准确预测药物分子致突变性的工具，以支持药物开发的早期阶段	药物分子	机器学习	NA	分子指纹、图注意力机制、图变换器	多层感知机(MLP)、图变换器	分子结构数据	未明确提及具体样本数量，但通过十折交叉验证和外部验证数据集进行了评估
796	2025-07-18	Prediction of Epilepsy Seizure Based on Cepstrum Analysis and Deep Learning 2025-Jul-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00741-3 PMID:40670805	research paper	该论文提出了一种基于倒谱分析和深度学习的癫痫发作预测模型	结合Mel频率倒谱系数(MFCC)和线性预测编码倒谱系数(LPCC)处理EEG信号，并整合CNN和LSTM提取更全面的EEG特征	模型性能在不同癫痫发作阶段和时间点的适应性有待进一步验证	提高癫痫发作预测的准确性和稳定性	癫痫患者的EEG信号	machine learning	癫痫	MFCC, LPCC	CNN, LSTM	EEG信号	公开的CHB-MIT癫痫EEG数据集
797	2025-07-18	Biomolecular Interaction Prediction: The Era of AI 2025-Jul-16, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509501 PMID:40671265	review	本文综述了深度学习在预测生物分子相互作用中的应用及其潜力	深度学习能够从大规模数据中学习复杂模式，提高生物分子相互作用的预测准确性，并有助于理解药物副作用机制	未提及具体模型的性能比较或实际应用中的挑战	提升药物发现和分子生物学中生物分子相互作用的预测效率和准确性	蛋白质、核酸和小分子等目标分子	machine learning	NA	deep learning	NA	sequence data, structural information, functional annotations	NA
798	2025-07-18	Deep learning-assisted comparison of different models for predicting maxillary canine impaction on panoramic radiography 2025-Jul-16, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.05.008 PMID:40673857	研究论文	本研究利用深度学习辅助的自动标志点检测系统，比较了不同模型在全景X光片上预测上颌犬齿阻生的准确性	首次采用深度学习辅助的自动标志点检测系统进行外部验证，比较现有预测模型的性能	最佳模型仍存在逻辑和计算上的挑战，需要进一步改进	比较现有模型在全景X光片上预测上颌犬齿阻生的准确性	7-14岁接受全景X光检查并被诊断为犬齿阻生的患者	数字病理学	牙科疾病	全景X光摄影	深度学习	图像	102张全景X光片（102颗阻生犬齿和102颗非阻生犬齿）
799	2025-07-18	Machine and deep learning models for predicting high pressure density of heterocyclic thiophenic compounds based on critical properties 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09600-z PMID:40659686	研究论文	本研究利用机器学习和深度学习模型预测七种噻吩衍生物的高压密度	使用临界特性作为输入参数，并展示了LightGBM模型在预测噻吩衍生物高压密度方面的优越性能	研究仅针对七种噻吩衍生物，可能不适用于其他类型的化合物	预测噻吩衍生物的高压密度，以支持材料科学应用	七种噻吩衍生物（噻吩、2-甲基噻吩、3-甲基噻吩、2,5-二甲基噻吩、2-噻吩甲醇、2-噻吩甲醛和2-乙酰噻吩）	机器学习	NA	机器学习和深度学习	DT, AdaBoost-DT, LightGBM, GBoost, TabNet, DNN	临界特性数据（临界温度、临界压力、临界体积、偏心因子、沸点和分子量）	七种噻吩衍生物的数据
800	2025-07-18	Evaluating the strength properties of high-performance concrete in the form of ensemble and hybrid models using deep learning techniques 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10860-y PMID:40659776	研究论文	本研究开发了混合和集成模型，利用深度学习技术预测高性能混凝土的抗压强度和坍落流动度	结合T-SFIS、GBMBoost和决策树等模型与元启发式算法（GWO、QPSO）在混合和集成框架中，显著提高了预测性能	研究仅基于191种混合物的数据集，样本量相对较小	预测高性能混凝土的抗压强度和坍落流动度	高性能混凝土（HPC）	机器学习	NA	深度学习	T-SFIS, GBMBoost, Decision Tree, GWO, QPSO	数值数据	191种混凝土混合物