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
1001	2025-10-06	Use of a deep learning neural network to generate bone suppressed images for markerless lung tumor tracking 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17949 PMID:40660921	研究论文	本研究使用U-net神经网络生成合成双能减影图像，用于无标记肺部肿瘤追踪	首次使用深度学习神经网络生成合成双能减影图像，无需额外硬件即可实现骨骼抑制，改善肿瘤可见性	研究样本量有限（20例患者），缺乏患者图像中肿瘤位置的真实标注	开发无需标记物的肺部肿瘤实时运动管理方法	运动体模和20例肺癌患者的X射线图像	医学影像分析	肺癌	双能X射线成像，快速kV切换技术	U-net	X射线图像	2694个体模图像对和4499个患者图像对	NA	U-net	SSIM, PSNR, 2DCC, TSR, MF, MAE	NA
1002	2025-10-06	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的开源深度学习框架，用于放射治疗期间的呼吸运动监测和三维成像	提出了一个能够使用标准临床设备和数据实现实时三维呼吸运动估计和容积成像的框架，支持保拓扑和可逆的微分同胚映射	某些网络架构在目标质心误差方面表现不佳，特别是网络B和C在基于X射线的肺癌患者数据中误差较大	开发低成本实时图像引导放射治疗解决方案	放射治疗中的呼吸运动监测和器官风险跟踪	医学影像分析	肺癌, 心律失常	可变形图像配准, 前向投影, 切片提取	深度学习	4D-CT, 4D-MRI, X射线图像, k空间数据	XCAT和CoMBAT数字体模, SPARE Grand Challenge数据集	NA	五种不同的网络架构（网络A-E）	Dice相似系数, 目标质心误差	NA
1003	2025-10-06	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	本研究开发了一种基于卷积神经网络的长臂猿叫声自动检测方法，使用R语言环境下的深度学习框架	首次在R语言的'torch for R'生态系统中实现卷积神经网络，专门用于长臂猿叫声的自动检测，为生态学家提供了更易用的深度学习工具	不同架构的最佳性能因物种和测试数据集而异，缺乏统一的最高性能模型	开发长臂猿叫声的自动检测和分类方法，评估不同CNN架构在被动声学监测数据上的性能	北灰长臂猿和南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克奥塞马野生动物保护区的两个自主记录单元网格数据	torch for R	六种CNN架构（具体未指明）	NA	NA
1004	2025-10-06	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	本研究使用深度学习算法对饼干质量进行自动分类检测	首次将EfficientNet等深度学习模型应用于饼干质量检测，并通过Grad-CAM可视化验证模型关注的关键缺陷区域	未明确说明数据集规模和具体实验环境细节	通过深度学习减少饼干生产质量控制过程中的时间、成本和人为错误	饼干产品的质量缺陷检测	计算机视觉	NA	深度学习	CNN	图像	NA	NA	EfficientNet, ResNet, XceptionNet, MobileNet	准确率, 精确率, F1分数	NA
1005	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	NA	NA	NA	NA
1006	2025-10-06	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诊断和管理中的应用现状与前景	整合了AI在遗传性视网膜疾病领域的碎片化知识，提出可解释AI在临床应用中的重要性，并构建了推进临床应用的系统化路径	作为综述文章，不包含原始研究数据，主要基于现有文献进行分析和总结	探讨人工智能技术在遗传性视网膜疾病诊断、预后和管理中的应用潜力	遗传性视网膜疾病相关研究和临床数据	数字病理	遗传性视网膜疾病	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
1007	2025-10-06	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	提出基于多模态深度学习方法的可制造红外超表面逆向设计框架	提出多模态神经网络框架解决复合周期性微结构的逆向设计问题，生成速度比传统方法快数个数量级	NA	实现复杂光子系统的按需逆向设计	复合周期性微结构和红外隐身超表面	机器学习	NA	红外辐射控制技术	深度学习,神经网络	光谱数据,结构参数	NA	NA	多模态神经网络	红外发射率	NA
1008	2025-10-06	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	研究论文	提出一种名为LCwmcaR的跨窗口跨模态相关性感知框架，用于人类活动识别任务	首次提出同时建模时空依赖的跨窗口跨模态相关性学习框架，设计了可学习时间二维化策略和跨窗口相关性感知特征生成模块	NA	解决人类活动识别中空间分布信息建模不足和跨窗口交互学习缺失的问题	人类活动识别数据	机器学习	NA	深度学习	Mamba, CNN	传感器序列数据	四个公共数据集	NA	双分支网络	准确率等指标（具体未明确说明）	NA
1009	2025-10-06	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	提出两种多视图融合非负矩阵补全方法用于药物-靶点相互作用预测	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确保生物可解释性	未明确说明方法在极大规模数据集上的性能表现	提高药物-靶点相互作用预测的准确性、可解释性和可扩展性	药物-靶点相互作用	机器学习	NA	多视图数据融合	非负矩阵补全	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	NA	多视图融合非负矩阵补全	准确性, 可解释性, 可扩展性	NA
1010	2025-10-06	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	提出一种结合分子指纹和基序图的新型深度学习模型AMPred-MFG，用于预测药物分子的致突变性	首次将分子指纹特征、分子图特征与基序图相结合，并利用图注意力机制提取关键分子片段特征	未明确说明模型对特定类型分子的预测局限性及数据集的潜在偏差	开发准确预测化合物致突变性的计算工具以辅助药物早期开发	药物分子化合物	机器学习	NA	深度学习	图Transformer, 多层感知机	分子图数据, 分子指纹数据	未明确说明具体样本数量	未明确说明	图Transformer, 多层感知机	AUC, ACC, SEN, NPV, PPV, MCC	NA
1011	2025-10-06	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	本研究使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	首次将临界性质作为输入参数，并比较多种先进机器学习模型在噻吩衍生物高压密度预测中的性能	仅针对七种特定噻吩衍生物进行研究，模型泛化能力需进一步验证	开发准确预测噻吩衍生物高压密度的计算模型	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	临界性质分析	DT, AdaBoost-DT, LightGBM, GBoost, TabNet, DNN	数值数据	NA	NA	决策树, 自适应提升决策树, 轻量梯度提升机, 梯度提升, 表格神经网络, 深度神经网络	AAPRE, RMSE, 决定系数R	NA
1012	2025-10-06	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	本研究开发了基于深度学习的混合和集成模型来预测高性能混凝土的抗压强度和坍落度流动性能	结合元启发式算法(GWO, QPSO)与机器学习模型(T-SFIS, GBMBoost, Decision Tree)构建混合和集成框架，显著提高了预测精度	研究仅基于191种混合物的数据集，样本规模相对有限	开发高精度预测高性能混凝土力学性能的计算模型	高性能混凝土的抗压强度和坍落度流动性能	机器学习	NA	深度学习	集成模型, 混合模型, Decision Tree	混凝土混合物性能数据	191种混凝土混合物	NA	T-SFIS, GBMBoost, Decision Tree, GWO, QPSO	R², RMSE	NA
1013	2025-10-06	NeXtMD: a new generation of machine learning and deep learning stacked hybrid framework for accurate identification of anti-inflammatory peptides 2025-Jul-15, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02314-8 PMID:40660190	研究论文	提出了一种名为NeXtMD的新型机器学习与深度学习混合框架，用于准确识别抗炎肽	开发了双模块堆叠框架，整合机器学习和深度学习组件，采用四类序列衍生描述符和两阶段预测策略	NA	准确识别抗炎肽以支持药物开发和炎症疾病治疗	抗炎肽序列	机器学习	炎症疾病	序列分析	机器学习,深度学习	肽序列数据	NA	NA	ResNeXt	准确率,精确率,召回率,F1分数,AUC	NA
1014	2025-10-06	Harnessing AlphaFold to reveal hERG channel conformational state secrets 2025-Jul-14, eLife IF:6.4Q1 DOI:10.7554/eLife.104901 PMID:40658102	研究论文	本研究利用AlphaFold结合结构模板预测hERG离子通道的不同构象状态，揭示其功能机制和药物结合特性	首次展示通过精心选择结构模板可引导AlphaFold预测特定功能状态，发现hERG通道失活机制和增强药物结合的新分子特征	方法依赖于结构模板的选择质量，计算预测仍需实验验证	解析跨膜离子通道蛋白的离散构象状态，提升药物安全性筛选能力	hERG钾离子通道（K11.1）	计算生物学	心律失常	AlphaFold蛋白质结构预测，分子对接，分子动力学模拟	深度学习	蛋白质结构数据，实验验证数据	NA	AlphaFold	AlphaFold	与实验药物亲和力的一致性，结构特征验证	NA
1015	2025-10-06	Pathological omics prediction of early and advanced colon cancer based on artificial intelligence model 2025-Jul-14, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03119-5 PMID:40658261	研究论文	本研究开发了一种基于全切片图像的AI模型用于预测结肠癌分期	结合病理组学诊断开发深度学习模型预测结肠癌分期，相比传统机器学习方法具有更高识别精度	外部验证集性能相对较低（AUC 0.700），样本量有限	开发基于病理切片的AI模型预测结肠癌分期	结肠癌患者病理切片	数字病理	结肠癌	全切片图像分析	机器学习算法,深度学习算法	病理图像	100张训练集病理切片 + 421张TCGA外部验证集病理切片	CellProfiler, CLAM	NA	AUC, 准确率	NA
1016	2025-10-06	Identification of a 10-species microbial signature of inflammatory bowel disease by machine learning and external validation 2025-Jul-14, Cell regeneration (London, England) DOI:10.1186/s13619-025-00246-w PMID:40658318	研究论文	本研究通过机器学习方法识别出与炎症性肠病相关的10种微生物标志物，并进行了外部验证	首次开发了基于10种微生物特征的XGBoost分类模型，并采用标准化方法确保宏基因组和16S测序数据的可比性	模型性能在不同人群和数据质量下存在差异，需要进一步验证	开发非侵入性生物标志物以提高炎症性肠病的诊断精度	炎症性肠病患者和健康对照的粪便样本	机器学习	炎症性肠病	宏基因组测序,16S测序	XGBoost	微生物组测序数据	181份粪便样本（验证集）	XGBoost	XGB-IBD10	准确率	NA
1017	2025-10-06	Uncertainty aware domain incremental learning for cross domain depression detection 2025-Jul-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10917-y PMID:40659724	研究论文	提出一种不确定性感知的领域增量学习框架用于跨领域抑郁症检测	整合了不确定性引导的自适应类别阈值学习和无数据领域对齐方法，解决了领域间隙、类别不平衡和模型不确定性问题	仅在四个基准数据集上进行验证，需要进一步在真实临床场景中测试	开发可靠的跨领域抑郁症检测方法	重度抑郁症患者的文本数据	自然语言处理	抑郁症	深度学习	深度学习模型	文本数据	四个基准数据集(CMDC, DIAC-WoZ, MODMA, EATD)	NA	UDIL-DD框架（包含UACTL和DFDA模块）	NA	NA
1018	2025-10-06	AFTG-Net: A Deep Attention-based Fusion Framework of Topological and Gradient Features for Pathological Image Analysis 2025-Jul-11, Research square DOI:10.21203/rs.3.rs-6710077/v1 PMID:40671798	研究论文	提出一种基于注意力机制的深度学习框架AFTG-Net，用于骨骼肌病理图像分类	首次将拓扑数据分析与梯度特征通过交叉加权融合方法结合，使用余弦相似度自适应平衡异构特征的贡献	NA	开发自动分类骨骼肌病理图像的机器学习方法，区分肌萎缩侧索硬化症、糖尿病和健康对照组	野生型和疾病模型（G93A*SOD1 ALS模型和Akita 1型糖尿病模型）的WGA染色骨骼肌图像	数字病理学	神经肌肉疾病, 糖尿病	WGA染色组织病理学成像	深度学习, 注意力机制	图像	多种骨骼肌（股四头肌、腓肠肌、胫骨前肌、趾长伸肌和比目鱼肌）的病理图像	NA	AFTG-Net	分类准确率	NA
1019	2025-10-06	Deep learning for predicting myopia severity classification method 2025-Jul-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01416-2 PMID:40634962	研究论文	本文提出了一种结合深度可分离卷积和动态卷积的深度学习模型X-ENet，用于从眼底图像中分类不同严重程度的近视	结合深度可分离卷积和动态卷积的优势，实现轻量化处理同时保持高分类精度	NA	提高近视筛查效率，开发近视严重程度分类方法	眼底图像	计算机视觉	近视	深度学习	CNN	图像	NA	NA	X-ENet	准确率,精确率,召回率,F1分数,特异性	NA
1020	2025-10-06	A Digital Twin Framework for Adaptive Treatment Planning in Radiotherapy 2025-Jul-09, ArXiv PMID:40671956	研究论文	开发用于前列腺立体定向放射治疗的数字孪生框架，实现快速在线自适应质子治疗计划优化	集成深度学习多图谱形变图像配准、日常CBCT解剖结构更新和基于知识的计划质量评估，显著缩短重新优化时间	研究基于43例历史病例，样本量有限，需进一步验证框架的普适性	提高前列腺SBRT治疗中自适应放疗的精确度和效率	前列腺癌患者，特别是伴有显性前列腺内病灶增强的患者	数字病理	前列腺癌	锥形束CT，质子治疗，立体定向放射治疗	深度学习	医学影像	43例前列腺SBRT历史病例	NA	多图谱形变图像配准	重新优化时间，计划质量评分，V100，膀胱V20.8Gy，直肠V23Gy，尿道D10	NA