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
1141	2025-10-06	Leveraging protein language models for cross-variant CRISPR/Cas9 sgRNA activity prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf385 PMID:40600900	研究论文	提出基于蛋白质语言模型的深度学习模型PLM-CRISPR，用于跨变体CRISPR/Cas9 sgRNA活性预测	首次利用蛋白质语言模型捕捉Cas9蛋白变体表征，采用跨变体训练策略和动态特征融合机制	NA	优化CRISPR/Cas9基因编辑系统，提高sgRNA活性预测的准确性和泛化能力	单导RNA（sgRNA）和Cas9蛋白变体	机器学习	NA	CRISPR/Cas9基因编辑技术	深度学习	蛋白质序列，RNA序列	涵盖7种Cas9蛋白变体的数据集	NA	蛋白质语言模型	NA	NA
1142	2025-10-06	Nondestructive Detection and Quality Grading System of Walnut Using X-Ray Imaging and Lightweight WKNet 2025-Jul-01, Foods (Basel, Switzerland) DOI:10.3390/foods14132346 PMID:40647098	研究论文	基于X射线成像和轻量级WKNet的核桃无损检测与质量分级系统	首次将X射线成像与深度学习模型结合用于核桃质量检测，开发了集成Transformer、GhostNet和交叉注意力模块的轻量级WKNet网络	NA	解决核桃内部质量检测的耗时和参数冗余问题，实现高效准确的核桃质量分级	核桃内部质量	计算机视觉	NA	X射线成像	CNN, Transformer	X射线图像	NA	PyTorch	YOLO v5s, Transformer, GhostNet, CCA模块	mAP_0.5, 精确率, 召回率	NA
1143	2025-10-06	Enhancing Early Detection of Oral Squamous Cell Carcinoma: A Deep Learning Approach with LRT-Enhanced EfficientNet-B3 for Accurate and Efficient Histopathological Diagnosis 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131678 PMID:40647677	研究论文	本研究提出了一种结合学习率调优的EfficientNet-B3深度学习模型，用于从组织病理学图像中准确检测口腔鳞状细胞癌	将学习率调优(LRT)技术与EfficientNet-B3模型结合，能够根据训练过程中的准确率和损失自动调整学习率	NA	开发自动化、可靠的诊断解决方案以提高口腔鳞状细胞癌的早期检测和治疗成功率	口腔鳞状细胞癌(OSCC)的组织病理学图像	数字病理学	口腔癌	组织病理学成像	CNN	图像	来自多癌症数据集的口腔肿瘤数据集	NA	EfficientNet-B3	准确率, 特异性	NA
1144	2025-10-06	Deep Learning-Enhanced T1-Weighted Imaging for Breast MRI at 1.5T 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131681 PMID:40647680	研究论文	评估基于深度学习的T1加权VIBE序列在1.5T乳腺MRI中的图像质量表现	首次将深度学习技术集成到T1加权VIBE序列中用于乳腺MRI成像	样本量较小（52例患者），仅使用1.5T MRI设备	比较深度学习增强的T1加权VIBE序列与标准VIBE序列在乳腺MRI中的图像质量	52名乳腺癌患者	医学影像分析	乳腺癌	MRI成像，T1加权VIBE序列	深度学习	医学影像	52例乳腺癌患者	NA	NA	图像质量评分，图像清晰度评分，信噪比评分，伪影评分，诊断置信度评分	NA
1145	2025-10-06	Deep Learning Models for Detection and Severity Assessment of Cercospora Leaf Spot (Cercospora capsici) in Chili Peppers Under Natural Conditions 2025-Jul-01, Plants (Basel, Switzerland) DOI:10.3390/plants14132011 PMID:40648020	研究论文	本研究评估了八种深度学习模型在自然条件下检测和评估辣椒尾孢叶斑病严重程度的能力	在自然田间条件下比较四种YOLOv8和四种Mask R-CNN模型，为农业应用提供单阶段与两阶段模型的实用见解	Mask R-CNN在较高严重程度级别上存在低估问题，且推理时间较长	开发准确的植物病害严重程度评估方法以支持作物管理	辣椒叶片上的尾孢叶斑病	计算机视觉	植物病害	图像分割	CNN	图像	1645张辣椒叶片图像，包含6282个病变标注	NA	YOLOv8, Mask R-CNN, R101_FPN	MIoU, F1-score, 准确率, 推理时间	NA
1146	2025-10-06	Multi-sequence brain tumor segmentation boosted by deep semantic features 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17845 PMID:40296197	研究论文	提出一种基于深度学习的新型脑肿瘤分割方法，通过语义特征模块增强图像特征的类内一致性	引入语义特征模块(SFM)，通过深度语义向量重新编码图像特征，提高特征的类内一致性和语义信息丰富度	NA	解决脑肿瘤区域异质性导致的图像特征类内一致性问题，提高脑肿瘤分割准确性	脑肿瘤患者的多序列MR图像	医学图像分析	脑肿瘤	多序列MR成像	深度学习分割网络	医学图像	1251名患者的多序列MR图像数据	NA	NA	Dice指数	NA
1147	2025-10-06	Singular value decomposition based under-sampling pattern optimization for MRI reconstruction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17860 PMID:40296184	研究论文	提出一种基于奇异值分解的轻量级数据驱动欠采样模式优化方法，用于快速MRI重建	通过奇异值分解建立k空间与MRI图像之间的关联，按能量贡献排序选择采样点，避免耗时的参数调优和复杂数学模型构建	NA	设计轻量级数据驱动欠采样模式，平衡MRI重建质量与采样时间	MRI图像重建	医学影像处理	NA	奇异值分解(SVD)	深度学习模型	MRI图像数据	两个公共数据集	NA	NA	重建质量，收敛速度	NA
1148	2025-10-06	Seeing is Believing-On the Utility of CT in Phenotyping COPD 2025-Jul-12, The British journal of radiology DOI:10.1093/bjr/tqaf160 PMID:40650927	综述	探讨胸部CT影像生物标志物在慢性阻塞性肺疾病表型分析中的发展与应用	系统回顾了从传统阈值方法到深度学习技术的CT生物标志物演进历程，强调了空间感知机制和自动化表型分析的突破	数据集异质性、模型泛化能力和临床可解释性方面仍存在挑战	评估CT影像在COPD表型分析中的效用和发展前景	慢性阻塞性肺疾病患者的胸部CT影像特征	数字病理	慢性阻塞性肺疾病	胸部计算机断层扫描	深度学习	CT影像	NA	NA	NA	NA	NA
1149	2025-10-06	AI-powered disease progression prediction in multiple sclerosis using magnetic resonance imaging: a systematic review and meta-analysis 2025-Jul-12, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2532038 PMID:40650946	系统综述与荟萃分析	本文系统回顾和荟萃分析了基于MRI的人工智能模型在预测多发性硬化症残疾进展方面的性能	首次对MRI驱动的AI模型预测多发性硬化症残疾进展的研究进行系统综述和荟萃分析，比较了传统机器学习与深度学习的性能差异	研究存在异质性高(I²=95%)、外部验证研究少(仅6项)、校准和决策曲线分析报告不足、个体水平预测误差超过1个EDSS点	评估基于MRI的人工智能模型在预测多发性硬化症未来残疾进展方面的准确性和临床应用价值	多发性硬化症患者	医学影像分析	多发性硬化症	磁共振成像	传统机器学习,深度学习	磁共振图像	12,252名多发性硬化症患者，来自21项研究	NA	NA	AUC,RMSE	NA
1150	2025-10-06	ST-CFI: Swin Transformer with convolutional feature interactions for identifying plant diseases 2025-Jul-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08673-0 PMID:40640259	研究论文	提出一种结合Swin Transformer和卷积特征交互的深度学习框架ST-CFI，用于通过叶片图像识别植物病害	首次将Swin Transformer与CNN特征交互结合，通过inception架构和跨通道特征学习同时提取局部和全局特征	在PlantDoc数据集上准确率相对较低(77.54%)，表明模型在某些真实场景下性能有待提升	开发高精度植物病害检测方法以保障粮食安全	植物叶片图像	计算机视觉	植物病害	深度学习图像分析	CNN, Transformer	图像	五个数据集：PlantVillage、Plant Pathology 2021、PlantDoc、AI2018、iBean	NA	Swin Transformer, inception架构	准确率, F1分数, 损失值	NA
1151	2025-10-06	Machine Learning-Assisted Multimodal Early Screening of Lung Cancer Based on a Multiplexed Laser-Induced Graphene Immunosensor 2025-Jul-11, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c02822 PMID:40644803	研究论文	开发了一种基于激光诱导石墨烯免疫传感器与机器学习相结合的多模态肺癌早期筛查平台	首次将多重激光诱导石墨烯免疫传感器与深度学习CT影像特征和临床数据整合，构建多模态预测模型	未明确说明样本规模和研究人群特征	提高肺癌早期筛查的准确性和可及性	肺癌患者和四种肿瘤标志物（NSE、CEA、p53、SOX2）	机器学习	肺癌	激光诱导石墨烯免疫传感器、CT成像	深度学习	蛋白质组数据、医学影像、临床数据	NA	NA	NA	AUC	NA
1152	2025-07-14	Advancing neural decoding with deep learning 2025-Jul-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00837-2 PMID:40646317	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1153	2025-10-06	Interpretable MRI Subregional Radiomics-Deep Learning Model for Preoperative Lymphovascular Invasion Prediction in Rectal Cancer: A Dual-Center Study 2025-Jul-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01586-4 PMID:40646374	研究论文	开发基于可解释机器学习的融合模型，结合多参数MRI亚区域影像组学和深度学习，用于直肠癌术前淋巴血管侵犯预测	首次将K-means聚类划分的肿瘤亚区域影像组学特征与Vision Transformer深度学习特征融合构建SubViT模型，并采用SHAP工具增强模型可解释性	样本量相对有限（共376例患者），仅来自两个医疗中心	术前无创预测直肠癌淋巴血管侵犯状态	经组织病理学证实的直肠癌患者	医学影像分析	直肠癌	多参数MRI	融合模型（影像组学+深度学习）	医学影像（MRI）	376例患者（301例训练集，75例外部队验证集）	NA	Vision Transformer (ViT), K-means聚类	AUC, ROC曲线, 决策曲线分析(DCA), Delong检验	NA
1154	2025-10-06	Deep learning to assess erythritol in zebrafish development, circadian rhythm, and cardiovascular disease risk 2025-Jul-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00512-w PMID:40640190	研究论文	使用深度学习方法评估赤藓糖醇对斑马鱼发育、昼夜节律和心血管疾病风险的影响	首次采用深度学习方法系统评估赤藓糖醇对斑马鱼发育时序、运动行为、昼夜节律和血栓形成的综合影响	研究仅基于斑马鱼模型，结果外推至人类需谨慎；赤藓糖醇浓度范围有限	评估赤藓糖醇作为人工甜味剂的安全性及其对生物发育和健康的潜在风险	斑马鱼胚胎和幼虫	数字病理	心血管疾病	深度学习	深度学习模型	发育时序数据、行为数据、分子表达数据	斑马鱼胚胎（从受精后2小时暴露至120小时）	NA	NA	NA	NA
1155	2025-10-06	Deformable detection transformers for domain adaptable ultrasound localization microscopy with robustness to point spread function variations 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09120-w PMID:40640235	研究论文	提出一种基于可变形检测Transformer的超声定位显微成像方法，能够应对点扩散函数变化并实现跨域适应	首次将可变形检测Transformer(DE-DETR)应用于超声定位显微成像，结合KDTree算法改进微泡跟踪，解决了点扩散函数动态变化和模拟-活体数据域适应问题	方法在模拟和活体数据间的泛化能力仍需进一步验证，未明确说明计算资源需求	提升超声定位显微成像在临床应用中的性能和鲁棒性	气体微泡在血管中的运动轨迹	计算机视觉	NA	超声定位显微成像(ULM)	Transformer	超声图像序列	NA	NA	DEformable DEtection TRansformer (DE-DETR)	精确率, 召回率	NA
1156	2025-10-06	An ODE based neural network approach for PM2.5 forecasting 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05958-2 PMID:40640232	研究论文	提出两种基于常微分方程的神经网络模型用于PM2.5浓度预测	开发了基于Transformer的ODE模型和闭式ODE模型，相比传统LSTM模型在长期预测中表现更优	未明确说明模型在处理极端天气事件或突发污染事件时的表现	提高PM2.5浓度时间序列预测的准确性	PM2.5浓度时间序列数据	机器学习	NA	时间序列预测	ODE, Transformer, LSTM, BiLSTM, GRU, CNN	时间序列数据	NA	NA	Transformer, LSTM, BiLSTM, GRU, ODE-LSTM, PCNN, CNN-LSTM	RMSE	NA
1157	2025-10-06	Enhanced spectrum sensing for 5G and LTE signals using advanced deep learning models and hyperparameter tuning 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07837-2 PMID:40640243	研究论文	本文提出了一种利用先进深度学习模型和超参数调优增强5G和LTE信号频谱感知准确性的新方法	首次系统研究超参数调优对深度学习模型在频谱感知中性能的影响，并采用DenseNet121和InceptionV3架构在动态噪声环境中实现显著性能提升	在低信噪比帧被排除的受控场景中表现最佳，实际应用中信号质量变化可能影响性能	提高5G和LTE信号在动态噪声环境中的频谱感知准确性	5G和LTE无线信号	机器学习	NA	深度学习	CNN	无线信号数据	包含合成信号和真实数据的大规模多样化数据集	NA	DenseNet121, InceptionV3	检测准确率	NA
1158	2025-10-06	SynergyBug: A deep learning approach to autonomous debugging and code remediation 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08226-5 PMID:40640256	研究论文	提出一种结合BERT和GPT-3的自主调试与代码修复深度学习系统	首次将BERT的上下文理解能力与GPT-3的代码生成能力结合，实现自动化的错误检测与修复统一流程	需要人工监控安全程序并管理系统训练偏差	开发自动化软件调试系统以提高软件开发质量	软件错误报告、错误日志和文档	自然语言处理	NA	深度学习	BERT, GPT-3	文本	超过100,000个错误报告案例	NA	Transformer	准确率, 精确率, 召回率	NA
1159	2025-10-06	Lightweight machine learning framework for efficient DDoS attack detection in IoT networks 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10092-0 PMID:40640290	研究论文	提出一种轻量级机器学习框架，用于物联网网络中高效的DDoS攻击检测	专门针对资源受限的物联网环境设计，采用Extra Trees分类器进行特征选择，显著降低计算开销	仅使用NSL-KDD数据集进行评估，未在真实物联网环境中测试	开发适用于物联网网络的高效DDoS攻击检测方案	物联网网络中的DDoS攻击	机器学习	NA	NA	Random Forest, Logistic Regression, Naïve Bayes	网络流量数据	NSL-KDD数据集	Scikit-learn	Extra Trees Classifier, Random Forest, Logistic Regression, Naïve Bayes	准确率, 精确率, 召回率, F1分数	NA
1160	2025-10-06	Plastic water bottle detection model using computer vision in aquatic environments 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09300-8 PMID:40640371	研究论文	提出一种基于计算机视觉的水生环境中塑料水瓶自动检测与计数方法	结合YOLOv8目标检测模型与Norfair目标跟踪库，并开发了新颖的后处理算法来过滤误检	仅针对塑料水瓶进行检测，测试场景有限	开发自动化废物计数方法以解决水域垃圾污染监测问题	河流和溪流中漂浮的塑料水瓶	计算机视觉	NA	目标检测、目标跟踪	YOLOv8	图像	多个公开可用的标记垃圾和塑料水瓶图像数据集	PyTorch, Norfair	YOLOv8	召回率, 误检数	NA