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
1	2025-05-04	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	研究论文	本文介绍了一种基于深度学习的LOCA-PRAM方法，结合光子共振吸收显微镜(PRAM)，用于实现金纳米颗粒(AuNPs)的数字分辨率检测	LOCA-PRAM利用光子晶体(PC)-AuNP共振耦合增强信号对比度，无需样品分割或酶扩增即可精确量化目标分子	NA	开发一种高精度、高灵敏度的分子生物标志物检测方法，用于疾病诊断和治疗研究	金纳米颗粒(AuNPs)作为分子标签	数字病理学	NA	光子共振吸收显微镜(PRAM)、扫描电子显微镜(SEM)	深度学习框架	图像	NA
2	2025-05-04	Multimodal depression recognition and analysis: Facial expression and body posture changes via emotional stimuli 2025-Jul-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.03.155 PMID:40187420	research paper	开发一种结合面部表情和身体姿势的多模态识别模型，用于抑郁症的快速初步筛查	结合面部表情和身体姿势的多模态识别模型，利用深度学习技术进行抑郁症筛查	样本量较小，仅146名受试者，可能影响模型的泛化能力	提高抑郁症检测效率，辅助医生早期识别患者	抑郁症患者和健康个体的面部表情及身体姿势变化	digital pathology	geriatric disease	深度学习技术，OpenFace序列分析	ResNet-50, 决策级融合模型	视频图像	146名受试者（73名患者和73名对照组）
3	2025-05-04	Interpretable machine learning and graph attention network based model for predicting PAMPA permeability 2025-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109050 PMID:40245571	研究论文	本研究利用机器学习和深度学习模型预测PAMPA渗透性	结合可解释机器学习（如RF、EBM和Adaboost）和图注意力网络（GAT）构建预测模型，并在外部数据集上验证其性能	GAT模型在初始验证数据集上的准确率相对较低（74%）	预测药物化合物在平行人工膜渗透性测定（PAMPA）中的渗透性	5447种具有PAMPA渗透性评分的化合物	机器学习	NA	PAMPA	RF, EBM, Adaboost, GAT	化学化合物数据	5447种化合物
4	2025-05-04	Discovery of naturally inspired antimicrobial peptides using deep learning 2025-Jun-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108444 PMID:40209356	研究论文	利用深度学习从微生物基因组中发现并评估新型抗菌肽	结合深度学习和生物信息学挖掘沉默的NRPS基因簇，设计并优化具有抗菌活性的新型肽类	仅针对两种病原菌进行了抗菌活性测试，未涉及更广泛的病原菌种类	加速从沉默的生物合成基因簇中发现天然启发的抗菌肽	216,408个细菌基因组中的NRPS基因簇及其编码的肽类	生物信息学	NA	深度学习、生物信息学挖掘、固相化学合成	深度学习模型	基因组数据	216,408个细菌基因组中的335,024个NRPS基因簇
5	2025-05-04	Metal Suppression Magnetic Resonance Imaging Techniques in Orthopaedic and Spine Surgery 2025-May-15, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-24-01057 PMID:40063737	review	本文综述了骨科和脊柱手术中金属抑制磁共振成像技术的应用和发展	探讨了最新的金属伪影抑制成像技术及未来方向，如深度学习和人工智能	未提及具体实验数据或样本量的支持	评估骨科和脊柱手术后金属植入物周围软组织的病理情况	骨科和脊柱手术中的金属植入物及其周围软组织	医学影像	骨科和脊柱疾病	磁共振成像（MRI）	NA	医学影像	NA
6	2025-05-04	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	本研究开发了一种基于深度学习的脑微出血自动量化模型，并探讨了脑微出血与血管风险因素、白质高信号负荷及认知功能之间的关联	使用nnU-Net框架开发了首个用于SWI序列的脑微出血自动分割模型，并首次在多中心数据集中验证了其性能	外部验证数据集的模型性能相对较低(Dice评分=0.46)，且样本量有限(n=68)	建立脑微出血自动量化方法并研究其与认知功能障碍的关系	脑微出血(CMB)患者	数字病理学	脑血管疾病	SWI(磁敏感加权成像)	nnU-Net	医学影像(MRI)	训练集287例，内部验证集67例，外部验证集68例，临床数据集448例
7	2025-05-04	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	research paper	该研究开发并验证了一种基于深度学习的自动量化黑质高信号和神经退行性帕金森病分类算法	首次探索了使用深度学习和SMwI技术同时检测和量化nigrosome-1异常的诊断性能	需要在不同的临床环境中进一步验证研究结果	开发并验证一种用于神经退行性帕金森病诊断的深度学习模型	450名参与者（210名特发性帕金森病患者和240名对照组个体）用于训练数据，237名参与者（168名IPD患者、58名原发性震颤患者和11名药物诱导的帕金森病患者）用于验证数据	digital pathology	Parkinson disease	susceptibility map-weighted imaging (SMwI)	deep learning-based automatic quantification (Heuron NI) and classification (Heuron IPD) models	MRI	687 participants (450 for training and 237 for validation)
8	2025-05-04	Integrating genetic variation with deep learning provides context for variants impacting transcription factor binding during embryogenesis 2025-May-02, Genome research IF:6.2Q1 DOI:10.1101/gr.279652.124 PMID:40234030	研究论文	通过整合遗传变异与深度学习，研究胚胎发生期间影响转录因子结合的变异	使用高度控制的F杂交系统结合深度学习模型Basenji，提高了等位基因特异性结合的检测能力，并揭示了转录因子之间的意外关系	研究仅关注了四种转录因子，可能无法全面反映所有遗传变异对转录因子结合的影响	理解遗传变异如何影响转录因子结合，以更好地模拟疾病相关变异	胚胎发生期间的转录因子结合位点	机器学习	NA	WASP扩展用于检测indels，等位特异性读段映射	CNN (Basenji)	DNA序列数据	多个时间点的F杂交系统样本
9	2025-05-04	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	research paper	开发一种基于深度学习的自动去识别工具，用于儿科脑部MRI数据的面部区域去除	针对儿科病例和多种MRI序列定制开发的去识别工具，解决了现有工具在儿科病例和多样化图像类型上的不足	耳朵区域的去除准确率较低（73%）	解决儿科神经影像数据共享中的隐私问题，促进神经科学研究	儿科脑部MRI图像	digital pathology	brain tumor	MRI	nnU-Net	image	208名脑肿瘤患者和36名临床对照患者，共976张图像
10	2025-05-04	Semantical and geometrical protein encoding toward enhanced bioactivity and thermostability 2025-May-02, eLife IF:6.4Q1 DOI:10.7554/eLife.98033 PMID:40314227	研究论文	本文提出了一种结合序列和几何编码器的预训练框架，用于蛋白质的一级和三级结构，以指导蛋白质工程中的突变方向并评估变异效应	提出了一种新颖的预训练框架，整合了蛋白质的序列和几何信息，解决了现有方法在编码氨基酸局部环境几何方面的不足，并首次对预测蛋白质热稳定性的方法进行了基础评估	NA	提高蛋白质工程的效率和准确性，增强蛋白质功能性和物理性质的预测能力	蛋白质序列和结构	合成生物学	NA	深度学习	预训练框架	蛋白质序列和结构数据	超过300个深度突变扫描实验
11	2025-05-04	Graph Anomaly Detection in Time Series: A Survey 2025-May-02, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3566620 PMID:40315075	综述	本文对基于图的时间序列异常检测（G-TSAD）进行了全面且最新的综述	探讨了图表示在时间序列数据中的潜力及其对异常检测的贡献，并回顾了最先进的基于图的异常检测技术	讨论了每种方法的局限性以及当前领域面临的技术和应用挑战	综述基于图的时间序列异常检测技术及其应用	时间序列数据及其异常检测	机器学习	NA	NA	深度学习架构	时间序列数据	NA
12	2025-05-04	Enhancing privacy in biosecurity with watermarked protein design 2025-May-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf141 PMID:40315154	研究论文	提出了一种在蛋白质序列中添加水印的通用框架，以增强生物安全性和数据隐私	相比现有监管程序，该框架不仅确保生物安全的可追溯性，还通过本地验证保护设计序列的隐私，并显著提高了水印检测效率	未提及具体性能指标或与其他方法的详细对比	解决基于深度学习的蛋白质设计中的生物安全和数据隐私问题	由自回归深度学习模型设计的蛋白质序列	生物信息学	NA	蛋白质水印技术	自回归深度学习模型	蛋白质序列	NA
13	2025-05-04	Ultra-stable and high-performance squeezed vacuum source enabled via artificial intelligence control 2025-May-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu4888 PMID:40315327	研究论文	通过人工智能控制实现超稳定高性能的压缩真空源	利用人工智能控制系统克服了偏振自旋转理论模型在优化指导上的限制，实现了4.3分贝（无损5.9分贝）的压缩水平，并保持数小时的稳定性	偏振自旋转理论模型在达到此压缩水平时，由于多参数相互干扰，优化指导存在局限性	提升量子计量学和信息处理的实际应用性能	压缩真空源	量子计量学	NA	偏振自旋转(PSR)和深度学习	深度学习	NA	NA
14	2025-05-04	Lightweight and universal deep learning model for fast proton spot dose calculation at arbitrary energies 2025-May-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add3b9 PMID:40315885	research paper	提出了一种轻量级且通用的深度学习模型MED-LSTM，用于快速计算任意能量下的质子点剂量	利用LSTM网络的序列学习能力，提出适用于任意能量的轻量级质子点剂量计算模型	在鼻咽和肺部病例的某些点样本中，由于组织结构差异，出现了可见的偏差	改进快速自适应规划和质量保证过程中的质子点剂量计算	前列腺、鼻咽和肺部病例	digital pathology	prostate cancer, nasopharynx cancer, lung cancer	intensity-modulated proton therapy (IMPT)	LSTM	dose calculation data	前列腺、鼻咽和肺部病例数据
15	2025-05-04	Prospective study of continuous rhythm monitoring in patients with early post-infarction systolic dysfunction: clinical impact of arrhythmias detected by an implantable cardiac monitoring device with real-time transmission-the TeVeO study protocol 2025-May-02, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-094764 PMID:40316360	研究论文	该研究探讨了使用植入式心脏监测设备实时监测早期心肌梗死后收缩功能障碍患者心律失常的临床影响	首次提供心肌梗死后心室功能障碍患者心律失常负担的实时信息及其中期预后影响	样本量相对较小（约200名患者），且研究结果可能受现代设备编程和当前缺血性心脏病综合治疗的影响	更新心肌梗死后心源性猝死（SCD）的一级预防策略	心肌梗死后左心室射血分数（LVEF）≤40%的患者	心血管疾病	心血管疾病	植入式心脏监测设备（ICM）和MRI	机器学习和深度学习技术	心脏监测数据和影像数据	约200名患者，预计分析超过20,000次远程传输数据
16	2025-05-04	Smart weed recognition in saffron fields based on an improved EfficientNetB0 model and RGB images 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00331-9 PMID:40316572	研究论文	本研究基于改进的EfficientNetB0模型和RGB图像，开发了一种用于藏红花田间智能杂草识别的系统	通过改进EfficientNetB0模型，在自然和非结构化田间环境下实现了高精度的杂草与藏红花分类	研究仅针对四种常见杂草，可能无法覆盖所有田间杂草类型	开发精确的杂草管理系统以减少除草剂使用并提高藏红花产量和质量	藏红花及其四种常见杂草(荠菜、灰芥、鼠大麦和野蒜)	计算机视觉	NA	深度学习	改进的EfficientNetB0模型	RGB图像	504张在自然田间环境下拍摄的图像
17	2025-05-04	Hybrid deep learning CNN-LSTM model for forecasting direct normal irradiance: a study on solar potential in Ghardaia, Algeria 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94239-z PMID:40316622	研究论文	本文对四种太阳辐射预测模型进行了深入分析和性能评估，特别关注了CNN-LSTM混合深度学习模型在预测阿尔及利亚Ghardaia地区太阳直接法向辐照度中的应用	提出了一种结合CNN和LSTM的混合深度学习模型（CNN-LSTM），该模型在预测太阳直接法向辐照度方面表现出更高的准确性和可靠性	研究仅针对阿尔及利亚Ghardaia地区，模型的普适性需要进一步验证	评估和比较不同机器学习方法在太阳辐射预测中的性能	太阳直接法向辐照度	机器学习	NA	深度学习	CNN-LSTM	时间序列数据	NA
18	2025-05-04	Multichannel convolutional transformer for detecting mental disorders using electroancephalogrpahy records 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98264-w PMID:40316629	研究论文	提出了一种新型深度学习架构——多通道卷积变换器，用于通过脑电图（EEG）数据分类精神障碍	结合了卷积神经网络和变换器的优势，专门处理经过连续小波变换预处理的EEG数据，提高了分类准确性	未提及模型在不同年龄段或不同严重程度患者中的泛化能力	开发一种准确可靠的精神障碍早期检测方法	创伤后应激障碍、抑郁症和焦虑症等精神障碍患者	机器学习	精神障碍	连续小波变换、共同空间模式滤波、信号空间投影滤波和小波去噪滤波	多通道卷积变换器（结合CNN和Transformer）	EEG信号	三个数据集：EEG Psychiatric Dataset、MODMA dataset和EEG and Psychological Assessment dataset
19	2025-05-04	Retraining and evaluation of machine learning and deep learning models for seizure classification from EEG data 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98389-y PMID:40316648	research paper	该研究通过重新训练和评估多种机器学习和深度学习模型，用于从EEG数据中自动分类癫痫发作	在三个不同的数据集上复现和评估了多种模型的表现，并使用了本地患者的手动注释EEG数据进行进一步测试	在本地数据上测试时，尤其是神经网络模型，准确率大幅下降	提高癫痫诊断的自动化准确率，促进机器学习技术在临床环境中的应用	EEG数据中的癫痫发作检测	machine learning	epilepsy	EEG	random forest, CNN	EEG数据	三个公共数据集和一个本地患者的手动注释EEG数据
20	2025-05-04	A study of combination of autoencoders and boosted Big-Bang crunch theory architectures for Land-Use classification using remotely sensed imagery 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99436-4 PMID:40316651	研究论文	该研究提出了一种结合深度卷积神经网络和元启发式优化技术的新方法，用于遥感影像的土地利用分类	通过将VGG-19模型与增强版的Big Bang Crunch Theory优化的堆叠自编码器结合，提高了土地利用分类的准确性	NA	提高遥感影像土地利用分类的准确性	Aerial Image Dataset和UC Merced Land Use Dataset	计算机视觉	NA	元启发式优化技术	VGG-19, 堆叠自编码器, CNN	遥感影像	AID数据集和UC Merced数据集