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
201	2025-08-10	Advances in ocular aging: combining deep learning, imaging, and liquid biopsy biomarkers 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1591936 PMID:40771477	综述	本文探讨了结合深度学习、成像技术和液体活检生物标志物在眼部衰老研究中的进展	整合深度学习与先进成像及液体活检生物标志物，为理解眼部衰老及其对全身健康的影响提供了新视角	未提及具体实验数据或样本量，可能缺乏实证支持	探索眼部衰老作为全身衰老相关疾病和死亡率的标志物的直接关系	眼部衰老及其与全身健康的关系	数字病理学	老年疾病	液体活检、眼部成像	深度学习	图像、生物标志物数据	NA
202	2025-08-10	Applications and advances of multi-omics technologies in gastrointestinal tumors 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1630788 PMID:40771479	综述	本文系统综述了多组学技术在胃肠道肿瘤研究中的最新进展及其在早期筛查、生物标志物发现和治疗优化中的应用	整合了基因组学、转录组学、蛋白质组学和代谢组学等多维数据，构建多尺度框架，为分子分型和靶向治疗开辟了新路径	数据异质性、算法泛化能力不足以及高成本等问题限制了临床转化	探讨多组学技术在胃肠道肿瘤研究中的应用与进展	胃肠道肿瘤	多组学技术	胃肠道肿瘤	基因组学、转录组学、蛋白质组学、代谢组学、表观基因组学、宏基因组学、脂质组学	NA	多组学数据	NA
203	2025-08-10	Stochastic-based learning for image classification in chest X-ray diagnosis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251361745 PMID:40771770	研究论文	本文介绍了一种基于随机深度学习的胸部X光图像分类方法，旨在提高肺炎等肺部疾病的检测精度	采用随机深度学习方法优化卷积神经网络架构，结合dropout正则化和数据增强技术，显著提高了分类性能和模型鲁棒性	需要在更多样化的大规模数据集上进行验证，并整合到临床决策支持系统中才能广泛应用	提高胸部X光图像中肺部疾病（特别是肺炎）的诊断精度	胸部X光图像	计算机视觉	肺炎	随机深度学习	CNN	图像	NA
204	2025-08-10	CDFA: Calibrated deep feature aggregation for screening synergistic drug combinations 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1608832 PMID:40771923	research paper	提出了一种名为CDFA的校准深度特征聚合框架，用于筛选协同药物组合	利用基于蛋白质信息和基因表达的新型细胞系表示，以及基于Transformer的特征聚合网络，通过多头注意力机制建模药物对和细胞系之间的复杂相互作用，并引入不确定性校准方法	NA	开发一种计算工具，用于高效可靠地筛选协同药物组合	药物组合和细胞系	machine learning	NA	deep learning	Transformer	protein information, gene expression	NA
205	2025-08-10	Emerging trends and knowledge networks in pan-cancer sorafenib resistance: a 20-year bibliometric investigation 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1581820 PMID:40771926	研究论文	本研究通过文献计量学方法分析了20年来关于索拉非尼耐药性的研究趋势和知识网络	首次采用系统性文献计量学方法对索拉非尼耐药性进行跨癌种分析，揭示了关键耐药机制和研究热点	研究仅基于Web of Science数据库的文献，可能遗漏其他数据库的重要研究	阐明索拉非尼耐药的潜在机制并识别研究趋势和空白	索拉非尼耐药相关研究文献	医学文献计量学	肝癌、肾细胞癌、甲状腺癌	文献计量分析、VOSviewer、CiteSpace	NA	文献数据	1484篇符合条件的出版物
206	2025-08-10	Federated knee injury diagnosis using few shot learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1589358 PMID:40771942	研究论文	本文提出了一种结合少样本学习和联邦学习的混合方法，用于通过MRI扫描诊断膝关节损伤	整合了少样本学习和联邦学习，采用3DResNet50架构增强特征提取和嵌入表示，解决了标注数据稀缺和隐私问题	冠状面视图性能较低，复杂架构导致计算需求高	提高膝关节损伤的诊断准确性和患者数据隐私保护	膝关节损伤（如前交叉韧带撕裂和半月板撕裂）的MRI扫描	计算机视觉	膝关节损伤	MRI扫描	3DResNet50, Prototypical Networks	MRI图像	MRNet数据集
207	2025-08-10	A comparative study of bone density in elderly people measured with AI and QCT 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1582960 PMID:40771941	research paper	本研究比较了AI和QCT在老年人骨密度测量中的效果，验证了AI模型在骨质疏松诊断中的临床效用	首次采用双验证框架验证基于深度学习的BMD预测算法，并证明AI驱动的BMD量化在诊断准确性上不劣于QCT	研究为回顾性多中心研究，可能存在选择偏倚	验证AI在骨密度测量中的诊断等效性，评估其在骨质疏松分类中的临床效用	702名患者的CT/QCT配对数据集	digital pathology	geriatric disease	AI, QCT, CT	深度学习模型	医学影像	702名患者(2019-2022年)
208	2025-08-10	Artificial intelligence in neurodegenerative diseases research: a bibliometric analysis since 2000 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1607924 PMID:40771972	综述	本文通过文献计量学方法分析了2000年至2025年3月16日间人工智能在神经退行性疾病研究中的应用和发展趋势	利用VOSviewer、CiteSpace和Bibliometrix R等工具，首次全面绘制了该领域的合作网络、关键词趋势和知识轨迹	数据仅来源于Web of Science核心合集，可能未涵盖所有相关研究	探索人工智能在神经退行性疾病研究中的发展历程和应用现状	1402篇出版物（1159篇文章和243篇综述）	人工智能	神经退行性疾病	文献计量分析	CNN	文献数据	1402篇出版物
209	2025-08-10	Domain adaptive deep possibilistic clustering for EEG-based emotion recognition 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1592070 PMID:40772260	研究论文	提出一种名为DADPc的新框架，结合深度域不变特征学习和可能性聚类，用于基于EEG的情感识别	将最大均值差异（MMD）重新表述为模糊熵正则化框架下的单中心聚类任务，并引入自适应加权损失和记忆库策略以提高伪标签和跨域对齐的可靠性	未明确提及具体局限性	克服传统域适应方法在EEG情感识别中的泛化能力不足问题	基于EEG的情感识别	机器学习	NA	深度域不变特征学习、可能性聚类、最大均值差异（MMD）	DADPc框架	EEG信号	三个基准数据集（SEED、SEED-IV和DEAP）
210	2025-08-10	EPI-DynFusion: enhancer-promoter interaction prediction model based on sequence features and dynamic fusion mechanisms 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1614222 PMID:40772277	research paper	提出了一种基于序列特征和动态融合机制的增强子-启动子相互作用预测模型EPI-DynFusion	结合了Transformer和BiGRU架构的动态特征融合机制，以及CBAM注意力模块，显著提升了模型性能	模型性能依赖于预训练的DNA嵌入和特定细胞系数据的微调	开发高效的计算模型来预测增强子-启动子相互作用	增强子-启动子相互作用	machine learning	NA	DNA序列编码、CNN、Transformer、BiGRU、CBAM	EPI-DynFusion (包含CNN、Transformer、BiGRU和CBAM)	DNA序列数据	六个基准细胞系的数据
211	2025-08-10	Advancing dermoscopy through a synthetic hair benchmark dataset and deep learning-based hair removal 2024-11, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.11.116003 PMID:39564076	研究论文	本文通过合成毛发基准数据集和基于深度学习的毛发去除方法，提升皮肤镜图像在黑色素瘤检测中的诊断准确性	开发了一个新颖的合成毛发皮肤镜图像数据集，并设计了一个专注于毛发去除同时保留病变完整性的CNN模型	NA	提升皮肤镜图像在黑色素瘤早期检测中的诊断准确性	皮肤镜图像中的毛发干扰	数字病理学	黑色素瘤	深度学习	CNN	图像	NA
212	2025-08-10	An end-to-end recurrent compressed sensing method to denoise, detect and demix calcium imaging data 2024-Sep, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00892-w PMID:40771998	研究论文	本文介绍了一种名为DeepCaImX的端到端深度学习方法，用于钙成像数据的去噪、检测和解混	首次提出了一种能够同时生成准确神经元足迹和提取干净神经元活动轨迹的神经网络	NA	开发一个自动化、高速度的钙成像数据分析流程	钙成像数据中的神经元活动	计算机视觉	NA	双光子钙成像	LSTM神经网络	图像	模拟数据集和体内实验数据
213	2025-08-10	Enhanced Partial Fourier MRI With Zero-Shot Deep Untrained Priors 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3508761 PMID:40766109	研究论文	提出了一种基于零样本无监督深度学习的部分傅里叶重建新方法	将传统的相位约束与零样本深度学习技术相结合，无需训练数据即可实现图像重建和先验学习	未提及具体局限性	提高部分傅里叶重建的质量和鲁棒性	MRI图像	医学影像处理	NA	零样本深度学习、虚拟共轭线圈(VCC)相位约束	无训练生成先验的神经网络	MRI图像数据	fastMRI数据集、QALAS多对比数据集和低场数据集
214	2025-04-24	Geneformer: a deep learning model for exploring gene networks 2023-12, Science China. Life sciences DOI:10.1007/s11427-023-2431-x PMID:37672186	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
215	2025-08-10	Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations 2018-10-08, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/gly005 PMID:29340580	研究论文	本研究利用深度学习技术，基于加拿大、韩国和东欧人群的血液样本数据，开发了一种血液学衰老时钟模型，提高了对个体人群衰老的预测准确性	开发了针对特定人群的血液学衰老时钟模型，相比单一人群模型具有更高的预测准确性，并探讨了其与全因死亡率之间的关联	研究仅基于加拿大、韩国和东欧人群的数据，可能无法完全代表其他种族或地区的人群	开发更准确、具有生理意义的衰老生物标志物，以评估抗衰老疗法	加拿大、韩国和东欧人群的血液样本数据	机器学习	老年疾病	深度学习	深度学习模型	血液样本数据	加拿大、韩国和东欧人群的大规模组合数据集，以及NHANES的美国人群公开样本
216	2025-08-09	A classification method of motor imagery based on brain functional networks by fusing PLV and ECSP 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107684 PMID:40450930	research paper	提出了一种融合PLV和ECSP的脑功能网络构建方法，用于增强脑状态解码能力并评估运动想象期间脑区相关节点的功能连接变化	融合边特征和节点特征构建新型脑功能网络，并设计AMSF-CNN模型进行验证	未提及具体样本量以外的局限性	提升运动想象任务中脑状态解码能力，探索人脑工作机制	左右手抓握任务的运动想象脑电信号	脑机接口	NA	PLV（相位锁定值）、ECSP（增强共同空间模式）	AMSF-CNN（注意力多尺度特征卷积神经网络）	脑电信号	SHU_Dataset和BCI IV 2a Dataset（未提具体样本数）
217	2025-08-09	CDAFormer: Hybrid Transformer-based contrastive domain adaptation framework for unsupervised hyperspectral change detection 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107633 PMID:40505164	研究论文	提出了一种基于混合Transformer的对比域适应框架（CDAFormer），用于无监督高光谱变化检测，以解决现有方法在不同数据分布的高光谱图像上泛化能力差和标注数据获取困难的问题	通过混合Transformer块进行初步粗对比域对齐，并在损失函数层面进行细粒度对齐，有效利用先验信息提升无标签训练样本下的检测性能	未明确说明模型在极端光照或天气条件下的鲁棒性，也未讨论计算复杂度问题	提升无监督高光谱变化检测的跨域泛化能力	高光谱图像（HSI）的变化检测	计算机视觉	NA	对比域适应（CDA）	混合Transformer（Hybrid Transformer）	高光谱图像	广泛使用的数据集（未明确数量）
218	2025-08-09	Physics-informed neural networks for solving inverse problems in phase field models 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107665 PMID:40554300	research paper	该论文探讨了物理信息神经网络（PINNs）在解决相场模型反问题中的应用	将PINNs应用于反问题，特别是关键各向异性材料参数的逆反，并扩展到多物理耦合系统	未提及具体的数据量或实验验证范围	研究PINNs在材料科学中解决反问题的潜力	相场模型中的扩散、流动和相变问题	machine learning	NA	Physics-Informed Neural Networks (PINNs)	PINNs	numerical simulation data	NA
219	2025-08-09	Understanding the Pathophysiology of Mental Diseases and Early Diagnosis Thanks to Electrophysiological Tools: Some Insights and Empirical Facts 2025-Sep, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241227485 PMID:38238934	research paper	本文探讨了神经生理学工具在精神疾病病理生理学理解和早期诊断中的应用	提出了三种神经生理学技术的新应用，包括EEG记录与深度学习用于痴呆亚型诊断、不匹配负性用于精神分裂症早期诊断、以及认知事件相关电位用于成瘾监测和复发预防	未提及具体研究样本量和数据收集的局限性	探索神经生理学工具在精神疾病诊断和管理中的应用价值	三种高发精神疾病：痴呆亚型、精神分裂症和成瘾	神经科学	精神疾病	EEG、不匹配负性(MMN)、认知事件相关电位(ERPs)	深度学习	电生理数据	NA
220	2025-08-09	af2rave: protein ensemble generation with physics-based sampling 2025-Aug-06, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00201j PMID:40621440	research paper	介绍了一个开源Python包af2rave，用于通过物理驱动采样生成蛋白质的多种构象	改进了AlphaFold2-RAVE协议，通过自动选择重要集体变量简化了用户操作，提高了构象采样的效率	虽然提高了采样效率，但仍需进一步验证其在更广泛蛋白质体系中的适用性	开发一个高效且自动化的工具，用于生成和分析蛋白质的多种构象	蛋白质构象	结构生物学	NA	AlphaFold2预测与分子动力学(MD)模拟结合	AlphaFold2	蛋白质结构数据	包括腺苷激酶(ADK)、人类DDR1激酶和SARS-CoV-2刺突蛋白受体结合域等多个系统