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
181	2025-05-17	MIST: An interpretable and flexible deep learning framework for single-T cell transcriptome and receptor analysis 2025-Apr-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr7134 PMID:40184452	research paper	介绍了一个名为MIST的深度学习框架，用于单T细胞转录组和受体分析，具有可解释性和灵活性	MIST框架通过三个潜在空间（基因表达、TCR和联合潜在空间）进行T细胞功能研究，能够解析细胞功能和抗原特异性	NA	深入T细胞免疫功能研究	单T细胞的转录组和T细胞受体（TCR）特征	machine learning	lung cancer, COVID19	single-cell transcriptome analysis, TCR analysis	deep learning framework (MIST)	transcriptomic data, TCR data	抗原特异性T细胞、肺癌免疫治疗和COVID19相关的T细胞数据集
182	2025-05-17	Advancing plant leaf disease detection integrating machine learning and deep learning 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72197-2 PMID:40185756	研究论文	本研究提出了一种结合机器学习和深度学习的自动化方法，用于提高植物叶片病害检测的准确性	结合深度学习和机器学习技术，利用CNN模型（如VGG19和Inception v3）提取叶片图像特征，并通过机器学习进一步处理，提高了病害检测的准确性和效率	实验数据仅覆盖了四种植物叶片病害，可能无法代表所有植物病害的检测需求	开发一种自动化的植物叶片病害检测方法，以解决传统方法的劳动密集和复杂性问题	香蕉叶、番荔枝叶和果实、无花果叶和马铃薯叶的病害图像	计算机视觉	植物病害	深度学习（DL）和机器学习（ML）	CNN（VGG19和Inception v3）	图像	四个不同的数据集（香蕉叶、番荔枝叶和果实、无花果叶和马铃薯叶）
183	2025-05-17	A fine-tuned convolutional neural network model for accurate Alzheimer's disease classification 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86635-2 PMID:40185767	研究论文	该研究提出了一种基于微调卷积神经网络（CNN）的模型，用于准确分类阿尔茨海默病（AD）	利用迁移学习技术，减少了训练成本并提高了性能，即使在训练数据较少的情况下也能实现良好的泛化能力	未提及模型在更大规模或多样化数据集上的表现，以及实际临床应用中的潜在挑战	通过早期诊断实现阿尔茨海默病的及时干预和有效控制	阿尔茨海默病患者	数字病理学	老年疾病	MRI扫描	CNN（AlexNet, GoogleNet, MobileNetV2）	图像	Kaggle MRI数据集和OASIS数据库
184	2025-05-17	Deep learning prediction of mammographic breast density using screening data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95275-5 PMID:40185813	研究论文	本研究探讨了使用深度学习模型客观评估乳腺密度的四种分类	使用深度学习模型InceptionV3在乳腺密度分类上表现优于放射科医生，特别是在异质性和极度致密类别中	研究仅基于回顾性数据，且外部验证集的范围和多样性未详细说明	开发并验证深度学习模型在乳腺密度分类中的应用	乳腺X光影像	计算机视觉	乳腺癌	深度学习	InceptionV3	图像	9,621名女性的57,282张乳腺X光影像
185	2025-05-17	Accurate cross-species 5mC detection for Oxford Nanopore sequencing in plants with DeepPlant 2025-Apr-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58576-x PMID:40185832	research paper	开发了一种名为DeepPlant的深度学习模型，用于提高植物中5-甲基胞嘧啶（5mC）的检测准确性，特别是在CHH位点	结合了Bi-LSTM和Transformer架构，显著提高了CHH检测的准确性，并在CpG和CHG基序上表现良好	需要依赖bisulfite-sequencing筛选高甲基化CHH位点的物种，且训练数据集的多样性可能影响模型的泛化能力	提高植物中5mC检测的准确性和跨物种泛化能力	植物中的5-甲基胞嘧啶（5mC）	生物信息学	NA	Oxford Nanopore sequencing, bisulfite-sequencing	Bi-LSTM, Transformer	基因组测序数据	覆盖了9个物种的多样9-mer基序数据集
186	2025-05-17	The analysis of optimization in music aesthetic education under artificial intelligence 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96436-2 PMID:40185937	研究论文	本文探讨了在人工智能环境下，如何将深度学习技术有效整合到音乐审美教育的内容、教学方法和学习过程中	结合AI和深度学习算法，设计了音乐情感识别的算法原理和运行代码，提高了识别的准确性	NA	优化音乐审美教育方法，探索AI时代音乐审美教育的新发展方向和实践路径	音乐审美教育	人工智能	NA	深度学习	DL	NA	NA
187	2025-05-17	Wild horseshoe crab image denoising based on CNN-transformer architecture 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96218-w PMID:40185943	research paper	该论文提出了一种基于CNN-Transformer混合架构的野马蹄蟹图像去噪方法	结合多头转置注意力机制、门控机制和深度可分离卷积，优化了野马蹄蟹图像的去噪质量	NA	提高在复杂自然栖息地中拍摄的野马蹄蟹图像的去噪效果	野马蹄蟹的图像	computer vision	NA	图像去噪技术	CNN-Transformer混合模型	图像	NA
188	2025-05-17	GCN-BBB: Deep Learning Blood-Brain Barrier (BBB) Permeability PharmacoAnalytics with Graph Convolutional Neural (GCN) Network 2025-Apr-03, The AAPS journal DOI:10.1208/s12248-025-01059-0 PMID:40180695	research paper	该研究开发了一种基于图卷积神经网络（GCN）的深度学习模型，用于预测血脑屏障（BBB）渗透性，以辅助中枢神经系统（CNS）靶向药物开发	首次将图卷积神经网络（GCN）应用于BBB渗透性预测，并展示了其在分子图形表示上的优越性能	研究仅基于1924个分子的数据集，可能需要更大规模的数据验证模型的泛化能力	开发高精度的BBB渗透性预测模型，以加速CNS靶向药物的开发	小分子药物的BBB渗透性	machine learning	Alzheimer's Disease, 药物滥用, 胶质母细胞瘤	Graph Neural Networks (GNNs), 分子指纹	GCN	分子结构图	1924个分子
189	2025-05-17	CodonTransformer: a multispecies codon optimizer using context-aware neural networks 2025-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58588-7 PMID:40180930	研究论文	介绍了一种名为CodonTransformer的多物种密码子优化工具，利用上下文感知神经网络优化DNA序列的密码子使用	提出了CodonTransformer，一个基于Transformer架构的多物种深度学习模型，能够生成具有自然密码子分布特征的宿主特异性DNA序列	NA	开发一个能够优化DNA序列密码子使用的深度学习模型，以适应不同生物体的偏好	164种生物体的超过100万对DNA-蛋白质序列	机器学习	NA	深度学习	Transformer	DNA序列和蛋白质序列	超过100万对DNA-蛋白质序列，来自164种生物体
190	2025-05-17	Genetically regulated eRNA expression predicts chromatin contact frequency and reveals genetic mechanisms at GWAS loci 2025-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58023-x PMID:40180945	research paper	该研究开发了增强子RNA的遗传调控表达模型，并利用深度学习预测三维染色质接触频率，揭示了其在复杂性状中的作用	利用增强子RNA的遗传调控表达预测染色质接触频率，并揭示其在GWAS位点的遗传机制	研究仅基于49种细胞和组织类型，可能无法涵盖所有情况	探索增强子RNA的遗传调控表达及其在疾病风险中的作用	增强子RNA和经典基因	基因组学	精神分裂症	Hi-C, TWAS, Mendelian randomization	深度学习模型	基因组数据	>70,000个DNA样本
191	2025-05-17	Linking sequence restoration capability of shuffled coronary angiography to coronary artery disease diagnosis 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95640-4 PMID:40181050	研究论文	本研究探讨了冠状动脉造影（CA）帧序列在冠状动脉疾病（CAD）诊断中的潜力，并开发了一种自监督深度学习模型来评估序列恢复能力	揭示了冠状动脉造影帧序列中的'序列价值'，并开发了一种自监督深度学习模型来自动评估这一能力	未提及具体样本量，可能影响结果的普遍性	探索冠状动脉造影帧序列在CAD诊断中的应用价值	冠状动脉造影帧序列	数字病理	心血管疾病	自监督深度学习	深度学习模型	图像序列	NA
192	2025-05-17	Difficulty aware programming knowledge tracing via large language models 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96540-3 PMID:40181055	research paper	该论文提出了一种基于大型语言模型的难度感知编程知识追踪方法（DPKT），用于提取编程问题的文本理解难度和知识概念难度，并动态更新学生的知识状态	结合注意力机制分析知识概念难度与文本理解难度的关系，并采用更新门机制和图注意力网络，显著提高了编程问题难度的评估准确性和知识状态的时空反映能力	未提及具体局限性	提高编程知识追踪的准确性，促进个性化学习	学生在智能辅导系统中的交互数据	natural language processing	NA	large language models, attention mechanism, graph attention network	DPKT (Difficulty aware Programming Knowledge Tracing)	text	未提及具体样本数量
193	2025-05-17	An enhanced CNN-Bi-transformer based framework for detection of neurological illnesses through neurocardiac data fusion 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96052-0 PMID:40181122	研究论文	提出了一种基于CNN-Bi-transformer的多模态深度学习框架，通过神经心脏数据融合预测精神疾病	结合MEG、EEG和ECG信号，利用CardioNeuroFusionNet模型实现多模态数据融合，提高了预测性能	未提及具体样本量及数据集的多样性限制	开发一种创新的方法来预测精神疾病，提高诊断准确性	癫痫、睡眠障碍、双相情感障碍、饮食障碍和抑郁症等精神疾病患者	机器学习	精神疾病	多模态深度学习	CNN-Bi-transformer (CardioNeuroFusionNet)	MEG、EEG和ECG信号	NA
194	2025-05-17	CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy 2025-Apr-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13926-2 PMID:40181353	research paper	该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和可解释性	通过将因果推理、因果发现与传统深度学习模型结合，增强了模型的解释性和诊断准确性	研究未提及模型在不同医疗设备或不同操作者采集的图像上的泛化能力	提高宫颈癌细胞的分类准确性和诊断效率，同时增强模型的可解释性	宫颈癌细胞图像	digital pathology	cervical cancer	deep learning	CNN	image	三个数据集（SIPaKMeD、Herlev和自收集的ShUCSEIT数据集）的宫颈细胞细胞病理学图像
195	2025-05-17	Deep learning assisted retinal microvasculature assessment and cerebral small vessel disease in Fabry disease 2025-Apr-03, Orphanet journal of rare diseases IF:3.4Q2 DOI:10.1186/s13023-025-03627-1 PMID:40181436	research paper	该研究利用深度学习评估法布里病患者的视网膜微血管参数，并分析其与脑小血管病相关脑损伤的相关性	首次使用深度学习辅助分析法布里病患者的视网膜微血管参数，并发现这些参数与脑小血管病评分显著相关	样本量较小（仅27名患者和27名对照），且为回顾性研究	评估法布里病患者的视网膜微血管变化及其与脑小血管病的相关性	法布里病患者和健康对照者的视网膜微血管参数	digital pathology	Fabry disease	deep learning	NA	image	27名法布里病患者和27名年龄性别匹配的健康对照者
196	2025-05-17	Tackling a textbook example of multistep enzyme catalysis with deep learning-driven design 2025-Apr-03, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.03.012 PMID:40185078	research paper	该研究利用深度学习技术设计出与天然酶相媲美的丝氨酸水解酶	首次通过深度学习设计出复杂且高效的丝氨酸水解酶，挑战了传统酶设计的局限性	未提及具体设计酶的催化效率或稳定性数据	探索深度学习在复杂多步酶催化设计中的应用	丝氨酸水解酶	machine learning	NA	deep learning	NA	NA	NA
197	2025-05-17	Hybrid deep learning model for density and growth rate estimation on weed image dataset 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86357-5 PMID:40175374	研究论文	本文提出了一种混合深度学习模型，用于杂草图像数据集中的密度和生长率估计	结合了SegNet和U-Net CNN模型的特征，提出了混合卷积神经网络模型（HCNN），并引入了四种不同的改进池化层以减少经典分割模型的池化层和损失函数	NA	通过深度学习模型提高杂草密度和生长率的估计精度，以帮助制定合适的杂草管理策略	杂草图像数据集中的杂草	计算机视觉	NA	深度学习	HCNN（混合CNN），SegNet，U-Net	图像	2100张杂草图像（包括500张原始数据集图像和1600张来自CWFID数据集的图像）
198	2025-05-17	Machine learning fusion for glioma tumor detection 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89911-3 PMID:40175410	研究论文	本文介绍了一种用于胶质瘤检测和分级的系统框架，通过分析脑部磁共振图像并利用深度学习模型进行分类	提出了一种融合机器学习的框架，能够高精度地分类胶质瘤，准确率达到99.21%	需要进一步的研究和验证以优化系统并确保其临床适用性	开发一种准确高效的脑肿瘤检测系统，以提升患者护理和生存率	脑部胶质瘤	数字病理学	脑肿瘤	磁共振成像（MRI）	深度学习模型	图像	NA
199	2025-05-17	Investigation on potential bias factors in histopathology datasets 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89210-x PMID:40175463	research paper	本文探讨了数字病理学数据集中潜在的偏差因素，特别是TCGA数据集中存在的站点特异性偏差	揭示了TCGA数据集中存在的站点特异性偏差，并分析了这种偏差对深度学习模型性能的影响	研究仅针对TCGA数据集和两种DNN模型进行分析，可能无法推广到其他数据集或模型	调查数字病理学数据集中潜在偏差因素的来源及其影响	TCGA数据集中的数字病理学图像	digital pathology	NA	deep learning	KimiaNet, EfficientNet	image	TCGA数据集中的样本
200	2025-05-17	Estimating strawberry weight for grading by picking robot with point cloud completion and multimodal fusion network 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92641-1 PMID:40175474	research paper	该研究提出了一种多模态点云补全方法和融合网络MMF-Net，用于草莓采摘机器人通过RGB-D图像准确估计草莓重量以实现分级	针对对称物体设计了多模态点云补全方法，并开发了融合点云和RGB图像特征的MMF-Net模型	仅针对对称物体（草莓）进行研究，方法在非对称物体上的适用性未验证	提高草莓采摘机器人通过视觉信息进行重量估计的准确性	草莓	computer vision	NA	RGB-D成像，点云处理	MMF-Net（融合EfficientNet和PointNet）	RGB-D图像，点云数据	1521组草莓RGB-D图像及其重量和尺寸测量数据