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	2025-04-24	Comprehensive Raman spectroscopy analysis for differentiating toxic cyanobacteria through multichannel 1D-CNNs and SHAP-based explainability 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127845 PMID:40081250	研究论文	结合拉曼光谱和深度学习技术对四种有毒蓝藻进行分类的研究	采用多通道一维卷积神经网络（1D-CNN）结合SHAP解释性方法，提高了分类准确率并增强了模型的可解释性	仅针对四种蓝藻物种进行研究，样本多样性可能有限	开发一种快速准确识别有毒蓝藻物种的方法，以支持水质监测和有害藻华早期检测	四种有毒蓝藻物种：Dolichospermum crassum, Aphanizomenon sp., Planktothrix agardhii 和 Microcystis aeruginosa	机器学习	NA	拉曼光谱	1D-CNN	光谱数据	四种蓝藻物种的光谱数据
2	2025-04-24	Advanced SERSome-based artificial-intelligence technology for identifying medicinal and edible homologs 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127931 PMID:40112588	研究论文	本研究提出了一种结合表面增强拉曼光谱（SERS）和深度学习的新方法，用于快速识别药食同源物质（MEHs）	利用基于光谱集的SERS（称为'SERSome'）与深度学习结合，开发了一种新型识别模型，避免了反应过程中额外保护剂的使用，并克服了MEHs的荧光干扰	NA	提高药食同源物质的质量控制和快速识别能力	药食同源物质（MEHs）	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习	光谱数据	NA
3	2025-04-24	Transformer-based deep learning models for quantification of La, Ce, and Nd in rare earth ores using laser-induced breakdown spectroscopy 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127937 PMID:40127553	研究论文	本文提出了一种基于iTransformer-BiLSTM（iTBi）深度学习算法和随机森林（RF）算法的LIBS定量分析模型，用于精确测定稀土矿石中的La、Ce和Nd元素浓度	提出iTBi-LIBS和iTBi-RF-LIBS集成模型，有效降低基质效应和光谱重叠干扰，提高了定量分析的准确性	样本量较小（35个样本），且浓度范围有限（La: 0-1.924wt%, Ce: 0-2.917wt%, Nd: 0-1.492wt%）	开发一种高效的LIBS定量分析方法，用于稀土矿石中La、Ce和Nd元素的实时定量分析	稀土矿石中的La、Ce和Nd元素	机器学习	NA	激光诱导击穿光谱（LIBS）	iTransformer-BiLSTM（iTBi）、随机森林（RF）	光谱数据	35个样本
4	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
5	2025-04-24	Mitigating ambient RNA and doublets effects on single cell transcriptomics analysis in cancer research 2025-Jun-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217693 PMID:40185305	research paper	该论文探讨了在癌症研究中如何减轻单细胞转录组学分析中环境RNA和双联体效应的影响	提出了使用计算方法和深度学习技术（如SoupX、DecontX和CellBender）来评估和消除环境RNA污染及背景噪声，提供了一种端到端的数据准备策略	未提及具体的技术局限性或数据集的限制	旨在提高单细胞转录组学数据的质量，以更准确地描述肿瘤微环境中的异质性，并促进精准肿瘤学的发展	单细胞转录组学数据	生物信息学	癌症	scRNA-seq, deep learning	NA	基因表达数据	NA
6	2025-04-24	SSAT-Swin: Deep Learning-Based Spinal Ultrasound Feature Segmentation for Scoliosis Using Self-Supervised Swin Transformer 2025-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.02.013 PMID:40082183	research paper	提出了一种基于自监督Swin Transformer的深度学习模型SSAT-Swin，用于脊柱超声图像特征分割以诊断脊柱侧弯	结合边界增强模块和通道注意力模块，并采用自监督代理任务进行预训练，提高了超声图像分割的准确性	仅使用了1170张图像进行预训练和109张图像-标签对进行微调，样本量相对有限	提高脊柱侧弯超声图像分割的准确性，以辅助诊断	脊柱侧弯患者的超声图像	computer vision	脊柱侧弯	自监督学习	Swin Transformer	超声图像	预训练1170张图像，微调109张图像-标签对
7	2025-04-24	Brain tumor segmentation with deep learning: Current approaches and future perspectives 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110424 PMID:40122469	综述	本文系统回顾了基于深度学习的脑肿瘤分割技术，特别关注网络架构设计	全面比较了不同深度学习方法在脑肿瘤分割中的性能，并探讨了U-Net架构的迭代改进及其在医学图像分割中的潜力	主要基于BraTS数据集进行评估，可能无法完全代表所有临床场景	评估自动脑肿瘤分割技术的现状并展望未来研究方向	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI成像	CNN, U-Net, Transformer	医学影像	主要基于BraTS数据集（具体数量未提及）
8	2025-04-24	Exploring emotional climate recognition in peer conversations through bispectral features and affect dynamics 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108695 PMID:40138858	研究论文	该研究提出了一种名为MLBispec的新方法，用于通过语音信号识别对话中的情感氛围（EC）	MLBispec方法结合了时间窗口双谱分析和情感动态特征，提高了情感识别的准确性	研究未提及在嘈杂环境下的性能表现，且跨语言实验的泛化能力有待进一步验证	探索并提高人工智能在对话中情感氛围识别的能力	对话中的语音信号和情感标注	自然语言处理	NA	双谱分析，机器学习分类器	ML	语音信号	IEMOCAP、K-EmoCon和SEWA开放数据集
9	2025-04-24	A Physics-Integrated Deep Learning Approach for Patient-Specific Non-Newtonian Blood Viscosity Assessment using PPG 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108740 PMID:40158260	研究论文	本研究提出了一种结合物理约束的深度学习方法来从PPG数据中提取患者特异性血液粘度方程	开发了一种混合1D CNN-LSTM架构，结合了物理约束，将流变学原理整合到数据驱动的PPG分析中	在低剪切速率区域的准确性较低（7.84 cP误差），且仅针对特定剪切范围（50-300 s-1）进行了优化	通过可穿戴设备非侵入性地测量血液粘度，以监测和诊断循环系统疾病	PPG数据与血液粘度关系	数字病理学	心血管疾病	PPG（光电容积描记术）	1D CNN-LSTM混合架构	PPG信号	NA
10	2025-04-24	Discovery and characterization of novel FAK inhibitors for breast cancer therapy via hybrid virtual screening, biological evaluation and molecular dynamics simulations 2025-Jun-01, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108400 PMID:40163988	研究论文	通过混合虚拟筛选、生物评估和分子动力学模拟，发现并表征了新型FAK抑制剂用于乳腺癌治疗	使用基于结构的高透明度渗透性虚拟筛选（HTVS）和基于几何深度学习的DeepDock算法，发现了一种新的FAK抑制剂骨架	仅对10种化合物进行了生物活性评估，样本量较小	开发有效的FAK抑制剂用于乳腺癌治疗	FAK（粘着斑激酶）及其抑制剂	药物发现	乳腺癌	虚拟筛选（HTVS）、DeepDock算法、分子对接、分子动力学模拟	DeepDock（基于几何深度学习）	化学化合物数据	10种化合物
11	2025-04-24	Predicting protein-protein interaction with interpretable bilinear attention network 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108756 PMID:40174317	research paper	提出了一种名为PPI-BAN的新型端到端框架，通过整合蛋白质序列信息和3D结构信息来预测蛋白质-蛋白质相互作用及其类型	PPI-BAN首次将蛋白质序列和3D结构信息通过深度双线性注意力网络(BAN)联合学习，明确学习两个蛋白质的重要局部相互作用表示，提高了预测结果的可解释性	虽然PPI-BAN表现优异，但其性能仍依赖于蛋白质3D结构预测的准确性，且计算复杂度较高	开发一种能够准确预测蛋白质-蛋白质相互作用及其类型的计算方法	蛋白质-蛋白质相互作用(PPIs)	生物信息学	NA	一维卷积操作(Conv1D)、几何感知关系图神经网络(GearNet)、深度双线性注意力网络(BAN)	BAN	蛋白质序列和3D结构数据	NA
12	2025-04-24	Fusion of multi-scale feature extraction and adaptive multi-channel graph neural network for 12-lead ECG classification 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108725 PMID:40184850	研究论文	提出一种融合多尺度特征提取和自适应多通道图神经网络的12导联心电图分类方法	提出多尺度自适应图融合网络（MSAGFN）模型，结合特征图和拓扑图，有效整合12导联心电图的复杂关联	未提及具体局限性	提高12导联心电图的分类准确率	12导联心电图数据	机器学习	心血管疾病	图神经网络	MSAGFN（多尺度自适应图融合网络）和AMGNN（自适应多通道图神经网络）	心电图信号	PTB-XL数据集
13	2025-04-24	Self-supervised multi-modality learning for multi-label skin lesion classification 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108729 PMID:40184849	研究论文	提出一种自监督学习算法，用于多模态多标签皮肤病变分类，减少对大规模标注数据的依赖	通过最大化配对的皮肤镜和临床图像之间的相似性实现多模态自监督学习，并引入新的多模态多标签自监督策略，通过聚类分析生成七个皮肤病变属性的伪多标签	算法性能依赖于配对的皮肤镜和临床图像的可用性，且伪标签生成可能受到聚类分析准确性的影响	开发一种减少对大规模标注数据依赖的皮肤病变分类方法	皮肤病变的多模态图像（皮肤镜和临床图像）及其多标签属性	计算机视觉	皮肤病变	自监督学习（SSL）	CNN	图像	使用经过良好基准测试的七点皮肤病变数据集进行验证
14	2025-04-24	Efficient annotation bootstrapping for cell identification in follicular lymphoma 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108728 PMID:40188578	research paper	该研究探讨了在滤泡性淋巴瘤诊断中降低标注成本的可行方法，并比较了三种不同的标注引导方法	提出了一种混合架构，结合了自定义细胞编码器和数字病理学基础模型的上下文编码，用于中心母细胞和中心细胞的检测	标注过程存在固有偏差，且标签分布极不平衡	降低数字病理学中标注引导的成本，提高滤泡性淋巴瘤诊断的效率	滤泡性淋巴瘤的细胞检测	digital pathology	follicular lymphoma	active learning, weak supervision	custom cell encoder, foundation models	whole slide images	41张全切片图像，包含12,704个细胞标注
15	2025-04-24	A first explainable-AI-based workflow integrating forward-forward and backpropagation-trained networks of label-free multiphoton microscopy images to assess human biopsies of rare neuromuscular disease 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108733 PMID:40154003	研究论文	提出了一种基于可解释人工智能的工作流程，结合前向-前向和反向传播训练的卷积网络，用于评估罕见神经肌肉疾病的人类活检图像	首次将前向-前向训练应用于生物医学图像，为临床可解释深度学习应用设定了新标准	研究样本量较小（16例活检），且仅针对杜氏肌营养不良症	提高罕见神经肌肉疾病的诊断准确性，通过标准化特征和表型表达识别	人类肌肉活检的多光子显微镜图像	数字病理	神经肌肉疾病	多光子显微镜	CNN（前向-前向和反向传播训练）	图像	16例人类肌肉活检的1600张图像
16	2025-04-24	Performance of Artificial Intelligence in Diagnosing Lumbar Spinal Stenosis: A Systematic Review and Meta-Analysis 2025-May-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005174 PMID:39451133	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在诊断腰椎管狭窄症中的性能	首次对AI在腰椎管狭窄症诊断中的性能进行了系统综述和荟萃分析，为智能诊断工具的开发提供了循证支持	需要进一步的外部验证以增强对不同狭窄类别的分析，并提高对轻度至中度狭窄水平的诊断准确性	评估人工智能在诊断各种类型腰椎管狭窄症及其狭窄水平中的诊断价值	腰椎管狭窄症（LSS）及其不同类型和狭窄水平	数字病理	腰椎管狭窄症	深度学习（DL）和机器学习（ML）	DL和ML模型	医学影像数据	48篇研究文章
17	2025-04-24	Detection of Pulmonary Nodules on Ultra-low Dose Chest Computed Tomography With Deep-learning Image Reconstruction Algorithm 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000806 PMID:39267547	研究论文	评估使用深度学习图像重建（DLIR）算法在超低剂量（ULD）胸部计算机断层扫描（CT）中检测肺结节的准确性	首次在ULD CT中应用DLIR算法进行肺结节检测，并与传统ASIR-V重建方法进行比较	样本量较小（60例患者），且仅评估了固体肺结节的检测	探索ULD CT结合DLIR在肺结节检测中的临床应用价值	60例转诊评估或随访固体肺结节的患者	数字病理学	肺癌	深度学习图像重建（DLIR）和自适应统计迭代重建-V（ASIR-V）	DLIR	CT图像	60例患者，共检测733个结节
18	2025-04-24	Predicting Gene Comutation of EGFR and TP53 by Radiomics and Deep Learning in Patients With Lung Adenocarcinomas 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000817 PMID:39319553	研究论文	本研究基于放射组学和深度学习构建了预测EGFR和TP53共突变的二元分类模型，并评估了这些模型在识别适合TKI靶向治疗和预后不良患者方面的能力	结合放射组学和深度学习构建渐进式二元分类模型，用于预测EGFR和TP53共突变，并评估模型在临床识别TKI响应者和预后不良患者中的潜力	研究样本量较小（267例患者），且为单中心回顾性研究，可能存在选择偏倚	构建预测EGFR和TP53共突变的分类模型，以辅助临床识别适合TKI靶向治疗和预后不良的肺腺癌患者	267例接受基因检测和非增强胸部CT检查的肺腺癌患者	数字病理学	肺癌	放射组学特征提取和深度学习	临床模型、放射组学模型、深度学习模型以及多种组合模型（如DL-rad-clin模型）	影像数据（非增强胸部CT）和临床数据	267例肺腺癌患者
19	2025-04-24	Deep learning-based cytoskeleton segmentation for accurate high-throughput measurement of cytoskeleton density 2025-May, Protoplasma IF:2.5Q2 DOI:10.1007/s00709-024-02019-9 PMID:39692866	研究论文	本研究探讨了基于深度学习的细胞骨架分割方法在定量评估细胞骨架组织中的效用	采用深度学习技术显著提高了细胞骨架密度测量的准确性，并验证了该方法在不同生理模型中的适用性	未提及具体的技术局限性	开发一种高精度、高通量的细胞骨架密度测量方法	烟草BY-2细胞的皮层微管、拟南芥保卫细胞和受精卵	数字病理学	NA	共聚焦显微镜成像	深度学习模型	图像	未明确提及具体样本数量
20	2025-04-24	The Quality and Accuracy of Radiomics Model in Diagnosing Osteoporosis: A Systematic Review and Meta-analysis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.065 PMID:39701845	meta-analysis	对当前用于诊断骨质疏松症的放射组学模型的诊断性能进行荟萃分析，并评估这些放射组学研究的方法学和报告质量	首次通过荟萃分析评估放射组学模型在骨质疏松症诊断中的表现，并使用QUADAS-2和RQS工具全面评估研究质量	纳入研究的方法学质量参差不齐，RQS评分平均仅为31.89%的依从率	评估放射组学模型在骨质疏松症诊断中的准确性和质量	骨质疏松症患者和非骨质疏松症患者	digital pathology	osteoporosis	radiomics	deep learning algorithms	medical imaging (CT images)	25项研究(1553名骨质疏松患者和2200名非骨质疏松患者)