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
921	2025-05-03	Robust DEEP heterogeneous ensemble and META-learning for honey authentication 2025-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144001 PMID:40184746	研究论文	本研究提出了一种结合多种分析技术和深度学习模型的新框架，用于区分纯蜂蜜与掺假蜂蜜	通过元学习整合多种分析技术和深度学习模型，扩展了输入特征空间，提高了预测性能	未提及具体的数据来源和样本采集细节	解决蜂蜜掺假问题，保障消费者健康和经济诚信	纯蜂蜜与掺假蜂蜜（蔗糖糖浆、葡萄糖浆或焦糖味冰淇淋配料）	分析化学	NA	多种分析技术	CNN, 元学习	NA	NA
922	2025-04-24	Intelligent Recognition of Goji Berry Pests Using CNN With Multi-Graphic-Occlusion Data Augmentation and Multiple Attention Fusion Mechanisms 2025-Aug, Archives of insect biochemistry and physiology IF:1.5Q4 DOI:10.1002/arch.70060 PMID:40262026	研究论文	本文提出了一种改进的卷积神经网络（CNN）GojiNet，用于准确识别17种枸杞害虫	结合多图遮挡数据增强方法和多注意力融合机制，构建了GojiNet模型，提高了害虫识别的准确率	模型训练时间略有增加，且未提及在不同光照或环境条件下的泛化能力	解决枸杞害虫识别中传统人工检测方法的主观性、耗时和劳动密集型问题	17种枸杞害虫	计算机视觉	NA	多图遮挡数据增强方法	CNN（GojiNet，基于ResNet18改进）	图像	未明确提及具体样本数量，但涉及17种害虫的数据集
923	2025-04-23	Transcranial adaptive aberration correction using deep learning for phased-array ultrasound therapy 2025-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107641 PMID:40117699	研究论文	本研究探讨了使用深度学习方法校正颅骨引起的畸变，开发了一种用于安全超声治疗血脑屏障（BBB）开放的经颅自适应聚焦方法	提出了一种结合预分割、k-Wave模拟和基于3D U-net网络的方法，用于快速准确地预测相位校正，显著降低了计算成本和时间	研究仅基于模拟环境和小块颅骨样本，尚未在真实临床环境中验证	开发一种快速、精确且自适应的经颅畸变校正方法，用于通过超声治疗脑部疾病	256元相控阵、小块颅骨和水构成的非线性模拟环境	医学影像处理	脑部疾病	k-Wave模拟、3D U-net网络	3D U-net	模拟数据	NA
924	2025-04-22	DTF-diffusion: A 3D equivariant diffusion generation model based on ligand-target information fusion 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108392 PMID:40020563	research paper	本文提出了一种基于配体-靶标信息融合的3D等变扩散生成模型DTF-diffusion，用于生成与特定靶蛋白结合的药物分子	DTF-diffusion通过多模态特征融合模块融合配体和靶标的三维位置特征信息，并设计了化学规则判别模块以提高生成配体结构的合理性	未明确提及具体局限性	开发一种能够生成与特定靶蛋白结合的药物分子的深度学习模型	药物分子和靶蛋白	machine learning	NA	扩散模型	DTF-diffusion	3D分子结构数据	基于CrossDocket2020数据集进行评估
925	2025-04-22	Brain tumor segmentation and classification using MRI: Modified segnet model and hybrid deep learning architecture with improved texture features 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108381 PMID:40020564	研究论文	本文提出了一种基于MRI的脑肿瘤自动分割与分类方法，采用改进的Segnet模型和混合深度学习架构，结合增强的纹理特征	提出了改进的Segnet模型和混合深度学习架构(HDLA)，结合Bi-LSTM和改进的Linknet模型，以及新的纹理特征提取方法	未提及模型在不同类型脑肿瘤上的泛化能力，也未讨论计算复杂度问题	开发自动化的脑肿瘤分割与分类系统以提高诊断效率和准确性	MRI脑部扫描图像	数字病理学	脑肿瘤	MRI图像分析	改进的Segnet模型、Bi-LSTM、改进的Linknet模型、HDLA混合架构	医学影像(MRI)	未明确提及具体样本数量，但测试集占比为90%
926	2025-04-22	PocketDTA: A pocket-based multimodal deep learning model for drug-target affinity prediction 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108416 PMID:40073710	研究论文	提出了一种基于口袋的多模态深度学习模型PocketDTA，用于药物-靶标亲和力预测	引入了口袋图结构，编码蛋白质残基特征作为节点，边代表不同的蛋白质序列和空间距离，克服了传统模型仅依赖蛋白质序列输入缺乏空间信息的限制	未明确提及具体局限性	提高药物-靶标亲和力预测的准确性和泛化能力	药物和蛋白质	机器学习	NA	深度学习	关系图卷积网络（Relational Graph Convolutional Networks）	序列数据和结构数据	多个基准数据集（具体数量未提及）
927	2025-04-22	Multiple omics-based machine learning reveals specific macrophage sub-clusters in renal ischemia-reperfusion injury and constructs predictive models for transplant outcomes 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108421 PMID:40086342	研究论文	本研究通过多组学机器学习方法揭示了肾缺血再灌注损伤中特定的巨噬细胞亚群，并构建了移植结果的预测模型	创新性地将基因表达矩阵转化为独特的图形像素模块，并应用先进的计算机视觉处理算法构建DGF预测模型，同时使用10种机器学习算法的111种组合开发移植物存活的预测特征	研究主要基于GEO数据库的scRNA-Seq数据，可能需要更多独立队列验证模型的普适性	分析巨噬细胞在IRI中的发育和分化特征，识别IRI的特定分子亚型，并建立DGF和移植物存活的预测策略	肾缺血再灌注损伤中的巨噬细胞亚群和移植受者	数字病理	肾脏疾病	scRNA-Seq, bulk RNA-Seq, qRT-PCR, WB, IHC	深度学习算法, 随机生存森林算法	基因表达数据, 图像数据	GEO数据库中的scRNA-Seq数据和小鼠IRI模型
928	2025-04-22	On construction of data preprocessing for real-life SoyLeaf dataset & disease identification using Deep Learning Models 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108417 PMID:40086344	research paper	该论文构建了一个真实的大豆叶片数据集SoyLeaf，并应用深度学习模型进行叶片病害识别	开发了包含9786张高质量大豆叶片图像的真实数据集SoyLeaf，并比较了多种预训练深度学习模型在该数据集上的表现	未提及模型在实际田间环境中的泛化能力测试	解决大豆叶片病害识别中高质量样本不足的问题	大豆叶片（健康与病害叶片）	computer vision	soybean leaf diseases	transfer learning	ResNet50V2, ResNet101V2, ResNet152V2, InceptionV3, InceptionResNetV2, MobileNet, MobileNetV2, DenseNet121, DenseNet169	image	9786张大豆叶片图像
929	2025-04-22	Application of Machine Learning (ML) approach in discovery of novel drug targets against Leishmania: A computational based approach 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108423 PMID:40086345	review	本文提出了一种基于机器学习的计算流程，用于预测抗利什曼病药物的活性	利用先进的机器学习和深度学习方法构建计算流程，克服传统方法的局限性	面临数据收集、特征提取和选择等挑战，需要进一步优化	优化抗利什曼病药物的发现和设计过程	具有抗利什曼活性的分子	machine learning	leishmaniasis	machine learning, deep learning	NA	molecular structures	NA
930	2025-04-22	A critical address to advancements and challenges in computational strategies for structural prediction of protein in recent past 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108430 PMID:40121710	review	本文回顾了计算蛋白质结构预测领域的历史演变，分析了最新模型的优缺点	探讨了深度学习模型如AlphaFold2、RoseTTAFold和OpenFold在蛋白质结构预测中的革命性应用	需要大量训练数据、计算资源需求高，以及在建模蛋白质动力学、内在无序区域和蛋白质-蛋白质相互作用方面存在困难	探索计算蛋白质结构预测的进展与挑战	蛋白质结构预测的计算方法	computational biophysics	NA	homology modeling, threading, ab initio folding, deep learning	AlphaFold2, RoseTTAFold, OpenFold	protein sequences and structures	NA
931	2025-04-22	Drug-drug interaction prediction based on graph contrastive learning and dual-view fusion 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108426 PMID:40138848	研究论文	提出了一种基于图对比学习和双视图融合的药物相互作用预测模型GDF-DDI	结合知识图谱网络和分子结构，通过双视图融合和图对比学习提取更丰富的药物嵌入信息	现有数据集中存在噪声和不完整数据，且数据量有限	提高药物相互作用(DDI)预测的性能	药物相互作用	机器学习	NA	图对比学习, 自监督学习	GDF-DDI, 图卷积网络	分子图, 知识图谱网络	两个数据集
932	2025-04-22	In silico discovery of novel compounds for FAK activation using virtual screening, AI-based prediction, and molecular dynamics 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108420 PMID:40157227	研究论文	利用虚拟筛选、AI预测和分子动力学模拟发现新型FAK激活化合物	开发了一个新流程，结合虚拟筛选、AI预测和分子动力学模拟，从1000万种化合物中筛选出10种潜在FAK激活剂，并最终确定3种最有希望的候选化合物	研究仅进行了计算机模拟，缺乏体外和体内实验验证	识别能够增强FAK活性的化合物	FAK(黏着斑激酶)及其潜在激活剂	计算生物学	癌症	虚拟筛选、分子对接模拟、分子动力学模拟、深度学习	GLAM、elEmBERT	化学化合物数据	从1000万种化合物开始筛选，最终确定3种候选化合物
933	2025-04-22	Lung cancer detection and classification using optimized CNN features and Squeeze-Inception-ResNeXt model 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108437 PMID:40158238	研究论文	本文提出了一种基于深度学习的方法，用于利用胸部CT扫描图像对肺癌进行分类	结合Squeeze-Inception V3与ResNeXt的新型Squeeze-Inception-ResNeXt模型，以及使用Slime Mould Algorithm (SMA)优化CNN特征提取	未提及具体的数据集来源或样本多样性，可能影响模型的泛化能力	开发一种高效的计算机辅助诊断系统，以提高肺癌的早期检测和分类准确性	胸部CT扫描图像中的肺结节	数字病理学	肺癌	计算机断层扫描(CT)	CNN, Squeeze-Inception-ResNeXt	图像	NA
934	2025-04-22	pACPs-DNN: Predicting anticancer peptides using novel peptide transformation into evolutionary and structure matrix-based images with self-attention deep learning model 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108441 PMID:40168838	研究论文	提出了一种基于自注意力深度学习模型pACPs-DNN，用于准确预测抗癌肽(ACPs)和非ACPs	将输入肽转化为基于残基能量接触矩阵(RECM)、替代矩阵表示(SMR)和位置特异性评分矩阵(PSSM)的图像表示，并采用局部二值模式(LBP)分解捕捉增强的结构和局部语义特征	未提及具体的数据集规模限制或模型计算资源需求	开发一种高效预测抗癌肽的深度学习模型，以推进癌症相关治疗药物的研发	抗癌肽(ACPs)和非ACPs	机器学习	癌症	残基能量接触矩阵(RECM)、替代矩阵表示(SMR)、位置特异性评分矩阵(PSSM)、局部二值模式(LBP)	自注意力深度神经网络(DNN)	肽序列数据	未明确提及具体样本数量，但在独立数据集Ind-I和Ind-II上进行了验证
935	2025-03-12	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性	ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能	NA	提高医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	Swin-Unet	图像	三个公开数据集（REFUGE、ISIC2018、RIT-Eyes）
936	2025-03-11	In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127762 PMID:39999584	研究论文	本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性	结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能	NA	提高LIBS作为高精度分析工具的性能	金属样品的连续LIBS烧蚀过程	机器学习和光谱分析	NA	拉曼光谱和激光诱导击穿光谱（LIBS）	深度卷积神经网络（CNN）	光谱数据	NA