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
981	2025-07-11	A transformer model for de novo sequencing of data-independent acquisition mass spectrometry data 2025-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02718-y PMID:40596427	研究论文	本文介绍了一种名为Cascadia的基于transformer架构的模型，用于数据非依赖采集质谱数据的从头测序	Cascadia模型首次将transformer架构应用于DIA质谱数据的从头测序，相比现有方法在不同仪器和实验协议下均表现出显著提升的性能	NA	解决质谱数据分析中的从头测序问题，特别是针对数据非依赖采集(DIA)协议	质谱数据中的氨基酸序列	机器学习	NA	数据非依赖采集质谱(DIA-MS)	transformer	质谱数据	NA
982	2025-07-11	Comparison of Random Survival Forest Based-Overall Survival With Deep Learning and Cox Proportional Hazard Models in HER-2-Positive HR-Negative Breast Cancer 2025-Jul, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70262 PMID:40624807	研究论文	本研究比较了随机生存森林（RSF）、深度学习模型（DeepSurv）和Cox比例风险模型在HER2阳性/HR阴性乳腺癌患者总体生存预测中的表现	首次在HER2阳性/HR阴性乳腺癌亚型中系统比较了RSF、DeepSurv和CoxPH模型的预测性能，并发现RSF-VIMP特征选择方法能显著提升预后模型性能	研究数据仅来自SEER数据库，可能无法完全代表其他人群	开发更准确的乳腺癌患者生存预测模型以辅助临床决策	8,119名HER2阳性/HR阴性乳腺癌患者	机器学习	乳腺癌	生存分析	Random Survival Forest (RSF), DeepSurv, Cox Proportional Hazard (CoxPH)	临床数据	8,119名患者（训练集/验证集/测试集=7:1:2比例分配）
983	2025-07-11	Asymmetrical Contrastive Learning Network via Knowledge Distillation for No-Service Rail Surface Defect Detection 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3479453 PMID:39471124	研究论文	本文提出了一种基于知识蒸馏的非对称对比学习网络（ACLNet），用于无轨道表面缺陷检测，通过双流教师模型和单流学生模型实现高性能和参数效率的平衡	提出ACLNet-T双流教师模型同时提取RGB和深度特征，并设计ACLNet-S单流学生模型通过对比蒸馏损失、多尺度图映射蒸馏损失和基于自适应注意力解码器的注意力蒸馏损失实现知识迁移	未明确提及具体局限性，但可能涉及对特定数据集的依赖或计算资源需求	提高无轨道表面缺陷检测的性能和参数效率	铁路表面缺陷	计算机视觉	NA	知识蒸馏（KD）、对比学习、多尺度图映射	ACLNet-T（双流教师模型）、ACLNet-S（单流学生模型）	RGB-D图像	工业RGB-D数据集NEU RSDDS-AUG及三个额外公共数据集
984	2025-07-11	Spectral Super-Resolution in Frequency Domain 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3481060 PMID:39471122	研究论文	本文提出了一种在频域中进行光谱超分辨率重建的新方法，通过设计一个光谱-空间-频域融合网络（SSFDF）来提升重建效果	首次尝试在频域中解决光谱超分辨率问题，并设计了SSFDF网络来融合频域信息	未明确提及具体局限性	提升从RGB图像重建高光谱图像（HSI）的性能	高光谱图像（HSI）	计算机视觉	NA	深度学习	CNN	图像	多个数据集上的实验
985	2025-07-11	Structure-Preserved Self-Attention for Fusion Image Information in Multiple Color Spaces 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3490800 PMID:39531572	research paper	提出了一种结构保持自注意力网络（SPSANet），用于高效融合不同颜色空间的图像信息	引入了一种新颖的结构保持自注意力（SPSA）模块，采用单头像素级注意力机制，替代传统的多头自注意力（MHSA）方法	NA	提高深度学习模型在下游任务中的识别性能	图像信息	computer vision	NA	self-attention mechanism	SPSANet	image	NA
986	2025-07-11	CombiANT reader: Deep learning-based automatic image processing tool to robustly quantify antibiotic interactions 2025-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000669 PMID:40627666	研究论文	介绍了一种基于深度学习的自动图像处理工具CombiANT reader，用于稳健量化抗生素相互作用	开发了一种自动化深度学习方法，能够准确分割细菌生长并测量CombiANT测定中的关键点距离，具有亚毫米精度	需要进一步验证在不同环境和设备上的适用性	开发一种自动化工具来量化抗生素相互作用，以应对抗生素耐药性问题	CombiANT测定中的细菌生长图像	计算机视觉	NA	深度学习	NA	图像	100个平板，由三位不同用户使用手机相机拍摄
987	2025-07-11	Comparative analysis of deep learning and tree-based models in power demand prediction: Accuracy, interpretability, and computational efficiency 2025-Jul, Journal of building physics IF:1.8Q3 DOI:10.1177/17442591251333144 PMID:40630870	研究论文	比较深度学习和基于树的模型在电力需求预测中的准确性、可解释性和计算效率	提出了一种多视角评估分析，包括预测准确性、可解释性和计算效率，并比较了六种流行模型在不同电力需求水平下的表现	研究仅针对电力需求预测领域，未涉及其他能源预测场景	评估不同机器学习模型在电力需求预测中的性能，为模型选择提供指导	电力需求预测	机器学习	NA	机器学习	RNN, GRU, LSTM, Random Forest, XGBoost, LightGBM	时间序列数据	NA
988	2025-07-11	From segmentation to explanation: Generating textual reports from MRI with LLMs 2025-Jul-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108922 PMID:40633400	研究论文	本文提出了一种结合语义分割模型、基于图谱的映射和大型语言模型（LLMs）的新方法，用于从MRI生成可读的医学报告	通过结合结构化JSON与提示约束的反幻觉设计，提高了AI系统的透明度和可解释性	方法仅在脑肿瘤检测和多发性硬化病变检测中进行了验证，需要进一步测试在其他医学影像场景中的通用性	增强AI在医学影像中的可解释性，提升医疗专业人员对AI驱动诊断的信任	脑肿瘤（胶质瘤）和多发性硬化病变	数字病理学	脑肿瘤	语义分割模型、图谱映射、LLMs	SegResNet, Gemma, Llama, Mistral	MRI影像	NA
989	2025-07-11	Modeling the vertebrate regulatory sequence landscape by UUATAC-seq and deep learning 2025-Jul-01, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.06.020 PMID:40633538	研究论文	本研究开发了一种名为UUATAC-seq的超高通量、超敏感单核测序协议，用于构建脊椎动物染色质可及性图谱，并引入深度学习模型NvwaCE来解析顺式调控语法并预测调控序列	开发了UUATAC-seq协议和NvwaCE深度学习模型，首次实现了在一天内构建一个物种的染色质可及性图谱，并揭示了调控语法的保守性	研究仅覆盖了五个代表性脊椎动物物种，可能无法完全代表所有脊椎动物的调控序列多样性	解码脊椎动物基因组的调控序列语言	五种代表性脊椎动物的候选顺式调控元件(cCREs)	基因组学	NA	UUATAC-seq, 深度学习	NvwaCE	基因组序列数据	五种代表性脊椎动物物种
990	2025-07-11	From Promise to Practice: Reducing Research Waste in Deep Learning Model Development for Cardiovascular Imaging 2025-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.05.003 PMID:40634020	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
991	2025-07-11	Challenges and Strategies for Deep Learning in Cardiovascular Imaging: Ejection Fraction and Heart Failure Management 2025-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.02.011 PMID:40634019	研究论文	本文探讨了深度学习在心血管成像中面临的挑战及应对策略，特别是关于左心室射血分数（LVEF）的自动测量和心力衰竭管理	通过分析评估指标、训练数据和模型泛化三大挑战，提出了结合医学影像领域知识以提升深度学习模型性能的方法	研究仅基于3,538个样本，可能无法完全代表所有临床场景	评估深度学习在心血管成像自动测量中的挑战并探讨改进策略	左心室射血分数（LVEF）测量和心力衰竭管理	数字病理	心血管疾病	深度学习（DL）	监督端到端学习	医学影像	3,538个样本（来自三个不同人群）
992	2025-07-11	Physics informed neural networks simulation of fingering instabilities arising during immiscible and miscible multiphase flow in oil recovery processes 2025-Jul-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0273935 PMID:40637571	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的深度学习框架，用于模拟石油开采过程中多相流的不稳定性（指进现象）	利用PINNs将物理定律（偏微分方程）编码为神经网络的先验信息，有效解决了流体动力学问题中的强非线性和高维度挑战	未明确提及具体的数据集或实验验证规模，可能缺乏实际应用的广泛验证	解决石油开采过程中多相流的不稳定性模拟问题	石油开采过程中的多相流（包括不可混溶和可混溶流体）	流体动力学	NA	物理信息神经网络（PINNs）	PINNs	数值模拟数据	NA
993	2025-07-10	Deep Learning-Guided Discovery of Celestolide as a Natural Allosteric Inhibitor Targeting Botrytis cinerea CYP51 and Its Application in Strawberry Preservation 2025-Jul-09, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c05257 PMID:40576401	研究论文	本研究利用深度学习模型发现了一种天然变构抑制剂celestolide，靶向Botrytis cinerea CYP51，并验证了其在草莓保鲜中的应用效果	首次使用神经关系推理框架和基于高斯网络的深度学习模型CorrSite2.0主动识别CYP51的变构位点，并发现celestolide作为天然变构抑制剂	未提及具体样本量或实验重复次数，体外实验数据可能需要进一步体内验证	开发新型抗真菌剂用于农产品采后保鲜	Botrytis cinerea CYP51蛋白和草莓	机器学习	真菌感染	神经关系推理框架、Gaussian网络模型CorrSite2.0	深度学习模型	蛋白质结构数据、生物活性数据	NA
994	2025-07-10	Deep learning generalization study on optical coherence tomography image denoising 2025-Jul-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade840 PMID:40562073	研究论文	本文提出了一种结合多噪声水平数据集的混合训练策略，旨在提升深度学习模型在光学相干断层扫描（OCT）图像去噪中的泛化能力	提出了一种混合训练策略，结合多噪声水平数据集，增强了模型对未见噪声条件的适应能力	实验仅针对特定噪声水平（4 dB、6 dB、10 dB）进行了验证，未涵盖更广泛的噪声范围	提升深度学习模型在OCT图像去噪中的泛化能力	光学相干断层扫描（OCT）图像	计算机视觉	NA	深度学习	ResNet, U-Net, DnCNN, ADCN	图像	多噪声水平数据集（0 dB、6 dB、10 dB用于训练，4 dB用于测试）
995	2025-07-10	Artificial intelligence in prostate cancer 2025-Jul-09, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003689 PMID:40629505	review	本文综述了人工智能在前列腺癌诊断、治疗和预后预测中的临床应用	介绍了基础模型在医疗AI应用中的革命性作用及其临床整合	探讨了AI在临床应用中的当前挑战和未来发展方向	提高前列腺癌患者的生存率	前列腺癌患者	digital pathology	prostate cancer	deep learning	foundation model	image	NA
996	2025-07-10	A Novel Time-Division Multiplexing Architecture Revealed by Reconfigurable Synapse for Deep Neural Networks 2025-Jul-09, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202420218 PMID:40630032	研究论文	提出了一种新型的基于石墨烯/二维钙钛矿/碳纳米管（CNTs）突触晶体管的时分复用（TDM）神经网络架构，用于降低深度学习硬件集成的复杂性	首次在硬件层面实现了基于石墨烯/二维钙钛矿/CNTs突触晶体管的TDM神经网络，通过新型夹层结构提高了突触传输效率	当前突触晶体管的固有器件限制可能影响TDM网络的实际部署	降低神经网络硬件实现的集成复杂性	石墨烯/二维钙钛矿/CNTs突触晶体管	机器学习	NA	分子动力学模拟	TDM神经网络	NA	NA
997	2025-07-10	AI Revolution in Radiology, Radiation Oncology and Nuclear Medicine: Transforming and Innovating the Radiological Sciences 2025-Jul-09, Journal of medical imaging and radiation oncology IF:2.2Q2 DOI:10.1111/1754-9485.13880 PMID:40631621	review	本文探讨了人工智能（AI）在放射学、核医学和放射肿瘤学中的革命性影响及其在临床实践中的整合	强调了AI在医疗影像和治疗领域的潜力，特别是通过深度学习和机器学习提高图像识别、分析和决策能力	未提及具体的技术实施细节或临床案例研究	评估AI如何影响放射学、核医学和放射肿瘤学，并强调医学教育中AI专业培训的必要性	放射学、核医学和放射肿瘤学领域的临床实践	医疗影像	NA	深度学习和机器学习	NA	影像数据	NA
998	2025-07-10	Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned 2025-Jul-09, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004758 PMID:40631753	研究论文	评估基于永久病理学训练的深度学习模型在Mohs冰冻切片中对鳞状细胞癌的分类效果，并从中学习模型不足以指导重新训练和微调	首次尝试将基于永久病理学训练的模型应用于冰冻切片，并识别模型在分布外数据上的不足	模型在肿瘤稀少区域的冰冻切片上表现不佳，可能错误关注正常组织或其他结构	扩展永久病理学训练模型的临床应用范围，提升其在冰冻切片中的分类性能	鳞状细胞癌的Mohs手术冰冻切片	数字病理学	鳞状细胞癌	深度学习	CNN	病理图像	746张皮肤活检切片（训练集），15张Mohs手术冰冻切片（测试集）
999	2025-07-10	Estimation of lower limb joint moments using consumer realistic wearable sensor locations and deep learning - finding the balance between accuracy and consumer viability 2025-Jul-09, Sports biomechanics IF:2.0Q2 DOI:10.1080/14763141.2025.2526702 PMID:40631968	研究论文	使用消费者可穿戴传感器数据和深度学习技术估计下肢关节力矩，平衡准确性与消费者可行性	利用消费者实际佩戴位置的传感器数据（如手表、臂带、胸带等），通过LSTM模型估计跑步时下肢关节力矩，并评估减少传感器数量对准确性的影响	研究仅针对跑步机跑步场景，未涉及其他运动或日常活动	开发一种基于可穿戴传感器的现场工具，为跑步者提供关节力矩的实时反馈	50名不同能力的跑步者（25名男性和25名女性）	机器学习	NA	深度学习	LSTM	传感器数据	50名跑步者（25名男性和25名女性）
1000	2025-07-10	A multi-pseudo-sensor fusion approach to estimating the lower limb joint moments based on deep neural network 2025-Jul-09, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03406-x PMID:40632380	research paper	提出了一种基于深度神经网络的多伪传感器融合方法，用于估计下肢关节力矩	结合卷积神经网络、循环神经网络和注意力机制，设计了一个新的框架DeepMPSF-Net，通过伪传感器观测和可变权重融合方法提高了分类精度和动力学估计性能	NA	快速准确地估计实验室外下肢关节力矩，以辅助智能辅助设备的设计	下肢关节力矩	machine learning	NA	deep learning	CNN, RNN, attention mechanisms	joint kinematics data and individual feature parameters	NA