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	2025-05-12	Preoperative diagnosis of meningioma sinus invasion based on MRI radiomics and deep learning: a multicenter study 2025-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00845-5 PMID:40022261	研究论文	本研究通过结合放射组学和深度学习特征构建融合模型，用于脑膜瘤窦侵犯的术前精确诊断	首次构建结合放射组学和多种深度学习特征的融合模型，显著提高脑膜瘤窦侵犯的诊断性能	研究为回顾性设计，需要前瞻性研究进一步验证模型效果	开发脑膜瘤窦侵犯的术前精确诊断方法	601例经手术病理证实的脑膜瘤患者	数字病理	脑膜瘤	MRI影像分析	随机森林(RF)、VGG、ResNet、DenseNet	医学影像	601例患者数据
182	2025-05-12	Neurofind: using deep learning to make individualised inferences in brain-based disorders 2025-Feb-27, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03290-x PMID:40016187	研究论文	介绍了一种名为Neurofind的新工具，利用深度学习在基于脑部的疾病中进行个体化推断	Neurofind是一个免费的网络平台，集成了数据协调和先进的规范模型，用户只需提供极少的输入	需要结构MRI图像作为输入，可能限制了某些研究的适用性	开发一个易于使用的工具，用于在精准精神病学中解析异质性	健康对照者和被诊断为阿尔茨海默病和精神分裂症的患者	数字病理学	阿尔茨海默病, 精神分裂症	结构MRI	对抗自编码器, 支持向量回归	图像	3362张健康对照者的图像和364张患者的图像
183	2025-05-12	Rapid and accurate prediction of protein homo-oligomer symmetry using Seq2Symm 2025-Feb-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57148-3 PMID:40016259	research paper	该论文介绍了一种名为Seq2Symm的模型，用于快速准确预测蛋白质同源寡聚体的对称性	通过微调多种蛋白质基础模型，Seq2Symm利用ESM2，在预测同源寡聚体对称性方面优于现有的基于模板和深度学习方法	NA	开发一种能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	蛋白质同源寡聚体的对称性	machine learning	NA	ESM2	Seq2Symm	protein sequence	5个蛋白质组和约350万未标记蛋白质序列
184	2025-05-12	Improving ALS detection and cognitive impairment stratification with attention-enhanced deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90881-9 PMID:40016300	研究论文	本研究开发了一种结合DenseNet121和Squeeze-and-Excitation注意力机制的卷积神经网络Miniset-DenseSENet，用于提高肌萎缩侧索硬化症（ALS）的检测和认知障碍分层	结合DenseNet121和Squeeze-and-Excitation注意力机制，显著提高了ALS诊断准确率，解决了涉及TDP-43蛋白病的神经退行性疾病重叠的挑战	研究样本量较小，仅使用了190张尸检脑图像	提高ALS的早期诊断准确率并改善患者分层	ALS患者（包括无认知障碍和有认知障碍的患者）及对照组	数字病理学	肌萎缩侧索硬化症	神经影像分析	CNN（DenseNet121结合Squeeze-and-Excitation注意力机制）	图像	190张尸检脑图像
185	2025-05-12	Deeply supervised two stage generative adversarial network for stain normalization 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91587-8 PMID:40016308	research paper	提出了一种深度监督的两阶段生成对抗网络（DSTGAN）用于染色归一化，以解决组织病理学图像中的颜色变化问题	创新性地在生成对抗网络中引入深度监督，增强模型学习能力，并设计了一种新颖的两阶段染色策略，利用半监督概念充分利用源域图像进行训练	未提及具体限制	减少染色差异对计算病理学的影响，提高组织病理学图像分析的准确性	组织病理学图像	digital pathology	NA	生成对抗网络	GAN	image	TUPAC-2016, MITOS-ATYPIA-14, ICIAR-BACH-2018和MICCAI-16-GlaS数据集
186	2025-05-12	T1-weighted MRI-based brain tumor classification using hybrid deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92020-w PMID:40016334	研究论文	本研究利用混合深度学习模型对基于T1加权MRI的脑肿瘤进行分类	结合U-Net架构和多种CNN模型（如Inception-V3、EfficientNetB4和VGG19），并通过迁移学习技术增强模型性能，实现了高精度的脑肿瘤分类	未提及模型在不同类型MRI数据上的泛化能力或计算资源需求	提高脑肿瘤早期检测和治疗规划的准确性	脑肿瘤（如神经胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI	U-Net, Inception-V3, EfficientNetB4, VGG19	图像	未明确提及样本数量
187	2025-05-12	A hybrid deep learning model approach for automated detection and classification of cassava leaf diseases 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90646-4 PMID:40016508	研究论文	本文探讨了利用深度学习技术自动检测和分类木薯叶疾病的方法	混合模型（DenseNet169 + EfficientNetB0）结合了DenseNet169的特征重用能力和EfficientNetB0的计算效率，提高了准确性和可扩展性	NA	开发自动化的木薯叶疾病检测和分类系统	木薯叶疾病	计算机视觉	植物疾病	深度学习	DenseNet169, EfficientNetB0, Xception, MobileNetV2, ResNet, Vgg19, InceptionV3, InceptionResNetV2	图像	约36,000张标记的木薯叶图像
188	2025-05-12	Comparative Assessment of Protein Large Language Models for Enzyme Commission Number Prediction 2025-Feb-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06081-9 PMID:40016653	研究论文	比较评估蛋白质大语言模型在酶委员会编号预测中的性能	首次全面比较了不同蛋白质大语言模型（如ESM2、ESM1b和ProtBERT）在预测酶委员会编号（EC编号）任务中的表现，并与传统的序列比对方法（如BLASTp）进行了对比	研究表明，大语言模型仍需改进才能超越BLASTp成为主流酶注释工具的金标准	评估和比较不同蛋白质大语言模型在预测酶功能（EC编号）方面的性能	酶序列及其对应的酶委员会编号（EC编号）	自然语言处理	NA	蛋白质序列比对（BLASTp、DIAMOND）	ESM2、ESM1b、ProtBERT、全连接神经网络	蛋白质序列	NA
189	2025-05-12	Auxiliary meta-learning strategy for cancer recognition: leveraging external data and optimized feature mapping 2025-Feb-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13740-w PMID:40016648	研究论文	提出一种辅助元学习策略用于癌症识别，通过利用外部数据和优化特征映射来提高识别准确率	在辅助训练阶段结合外部数据训练特征映射模型，减少误分类概率，并利用深度过参数化卷积层和三分支结构加速训练	未提及具体的数据集规模限制或模型计算资源需求	提高癌症识别的准确率，特别是在少样本学习场景下	癌症识别	数字病理学	癌症	元学习，深度过参数化卷积	三分支结构	图像	BreakHis、Pap smear和ISIC 2018数据集
190	2025-05-12	MultiCycPermea: accurate and interpretable prediction of cyclic peptide permeability using a multimodal image-sequence model 2025-Feb-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02166-2 PMID:40016695	research paper	提出了一种名为MultiCycPermea的新型深度学习模型，用于预测环肽的渗透性	MultiCycPermea模型首次结合了环肽的图像信息（2D结构信息）和序列信息（1D结构信息），并提出了一个子结构约束的特征对齐模块来对齐这两种特征	NA	开发一种能够快速准确预测环肽渗透性的工具，以辅助设计具有良好膜渗透性的环肽药物	环肽	machine learning	NA	深度学习	multimodal image-sequence model	image, sequence	CycPeptMPDB数据集
191	2025-05-12	Development of an artificial intelligence-based multimodal diagnostic system for early detection of biliary atresia 2025-Feb-27, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03962-x PMID:40016769	research paper	开发了一种基于人工智能的多模态诊断系统，用于早期检测胆道闭锁	利用多样化的数据源和格式开发智能诊断系统，并简化模型以减少对血液样本的需求	尽管模型在内部和外部测试中表现良好，但样本量仍可能限制其广泛适用性	改善胆道闭锁的早期诊断，提高患者预后	胆道闭锁患者的多模态数据（超声图像、临床数据和实验室结果）	digital pathology	biliary atresia	deep learning	CNN	multimodal (image, clinical data, laboratory results)	1579名参与者（回顾性研究），171例（前瞻性研究外部测试集）
192	2025-05-12	Predicting the efficacy of neoadjuvant chemotherapy in breast cancer patients based on ultrasound longitudinal temporal depth network fusion model 2025-Feb-27, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01971-5 PMID:40016785	研究论文	本研究开发并验证了一种基于纵向超声数据和临床特征的深度学习放射组学模型，用于预测乳腺癌患者新辅助化疗后的病理完全缓解	结合了治疗前和治疗后2个周期的超声数据以及临床特征，构建了集成模型，提高了预测性能	样本量相对较小，且仅基于单一机构的患者数据	预测乳腺癌患者新辅助化疗后的病理完全缓解	312名经组织学确认的乳腺癌患者	数字病理学	乳腺癌	深度学习放射组学	XGBoost	超声图像和临床数据	312名患者（训练队列219名，测试队列93名）
193	2025-05-12	Deep learning-based cell-specific gene regulatory networks inferred from single-cell multiome data 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf138 PMID:40037709	research paper	该研究开发了一个名为scMultiomeGRN的深度学习框架，用于从单细胞多组学数据中推断细胞特异性基因调控网络	通过独特整合单细胞RNA测序和单细胞ATAC测序数据，构建了模态特定的邻居聚合器和跨模态注意力模块，以学习转录因子的潜在表示	单细胞测序数据的高丢失率可能导致单组学数据不足，影响基因调控网络的推断	开发深度学习框架以推断细胞特异性基因调控网络	转录因子调控网络	machine learning	Alzheimer's disease	single-cell RNA sequencing, single-cell ATAC sequencing	deep learning framework	single-cell multi-omics data	multiple benchmark datasets
194	2025-05-12	Discrimination of unsound soybeans using hyperspectral imaging: A deep learning method based on dual-channel feature fusion strategy and attention mechanism 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115810 PMID:40022337	研究论文	本研究提出了一种基于双通道特征融合策略和注意力机制的深度学习方法，用于利用高光谱图像中的一维光谱数据和二维图像数据来鉴别不健全的大豆	提出了结合注意力机制的双通道特征融合模型（DCFFM），实现了高光谱图像中光谱和图像数据的高层次融合	未提及具体的数据集规模或实际应用场景的局限性	探索一个能够全面获取高光谱图像中光谱和图像的建模框架，实现高层次数据融合以提高准确性	不健全的大豆	计算机视觉	NA	高光谱成像	CNN与DCFFM	高光谱图像（包含一维光谱数据和二维图像数据）	NA
195	2025-05-12	A robust deep learning model for predicting green tea moisture content during fixation using near-infrared spectroscopy: Integration of multi-scale feature fusion and attention mechanisms 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115874 PMID:40022390	研究论文	提出了一种结合多尺度特征融合和注意力机制的深度学习模型DiSENet，用于基于近红外光谱的绿茶杀青过程中水分含量预测	整合多尺度特征融合和注意力机制，提出新型深度学习网络DiSENet，有效校正温度变化引起的光谱干扰	NA	提高绿茶杀青过程中水分含量预测的准确性	绿茶杀青过程中的茶叶样本	机器学习	NA	近红外光谱(NIRS)	DiSENet	光谱数据	不同杀青阶段和温度下的茶叶样本
196	2025-05-12	Automated and explainable machine learning for monitoring lipid and protein oxidative damage in mutton using hyperspectral imaging 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115905 PMID:40022412	研究论文	本研究开发了自动化和可解释的机器学习模型，用于通过高光谱成像监测羊肉中脂质和蛋白质的氧化损伤	结合AutoML、AutoDL和SHAP方法，实现了无需人工干预的高质量可解释预测模型	研究仅针对羊肉样品，未验证在其他肉类中的适用性	开发自动化的机器学习模型来监测肉类氧化损伤	经过不同冻融循环处理的羊肉样品	机器学习	NA	高光谱成像(HSI)、AutoML、AutoDL	AutoML、AutoDL	高光谱图像	经过不同冻融循环处理的羊肉样品
197	2025-05-12	AI-augmented Biophysical modeling in thermoplasmonics for real-time monitoring and diagnosis of human tissue infections 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104075 PMID:40023011	research paper	该研究提出了一种结合AI与局域表面等离子体共振(LSPR)技术的系统，用于实时监测和诊断人体组织感染	采用AI辅助的热等离子体技术，检测时间比传统技术缩短57.7%，并显著降低了假阳性和诊断成本	NA	开发一种实时监测和诊断人体组织感染的新方法	人体组织感染	数字病理	组织感染	Localised Surface Plasmon Resonance (LSPR)	circuitry deep learning	single-cell transcriptomic profiles	2,333,481个单细胞转录组图谱，来自486人（107名未受影响，379名受影响）
198	2025-05-12	Advancing Sleep Disorder Diagnostics: A Transformer-Based EEG Model for Sleep Stage Classification and OSA Prediction 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3512616 PMID:40030422	research paper	本研究开发了一种基于Transformer和CNN的深度学习模型，用于睡眠阶段分类和阻塞性睡眠呼吸暂停（OSA）预测	结合自注意力机制和条件随机场（CRF）的深度学习模型，能够捕捉睡眠阶段的时序依赖性，提高分类准确性	模型性能在具有不同AHI值的数据集上表现不一，可能存在泛化性问题	提高睡眠阶段分类的准确性，并探索睡眠阶段与OSA严重程度之间的关系	单通道脑电图（EEG）记录	machine learning	sleep disorder	EEG	CNN, Transformer, CRF	EEG信号	NA
199	2025-05-12	Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510217 PMID:40030552	研究论文	通过分析生理时间序列和临床特征，使用机器学习/深度学习集成方法预测儿科心脏重症监护病房中机械循环支持的需求	处理分钟级多传感器数据以识别急性失代偿性心力衰竭患者对机械循环支持的需求，不同于现有研究通常处理单一特征类型或关注生理信号的短期诊断	研究队列中的临床决策可能不明确，可能影响模型的普适性	预测儿科心脏重症监护病房中机械循环支持的需求	儿科心脏重症监护病房中急性失代偿性心力衰竭患者	机器学习	心血管疾病	机器学习/深度学习集成方法	NA	时间序列数据、临床特征数据、原始波形数据	来自四级医院的儿科心脏重症监护病房患者数据
200	2025-05-12	Autoencoder-Based Detection of Insulin Pump Faults in Type 1 Diabetes Treatment 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3518233 PMID:40030700	研究论文	本文提出了一种基于LSTM自编码器和随机森林的新型方法，用于检测1型糖尿病治疗中的胰岛素泵故障	结合LSTM自编码器的特征提取能力和随机森林的异常检测能力，提出了一种新的胰岛素泵故障检测方法	研究使用了模拟数据而非真实患者数据，可能影响模型在真实场景中的表现	提高1型糖尿病治疗中胰岛素泵系统的安全性和可靠性	1型糖尿病患者的胰岛素泵系统	机器学习	1型糖尿病	LSTM自编码器，随机森林	LSTM autoencoder, random forest	模拟生理数据	100名受试者的90天模拟数据