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	2025-07-29	Intelligent waste sorting for urban sustainability using deep learning 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08461-w PMID:40715219	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
202	2025-07-29	Enhanced EEG signal classification in brain computer interfaces using hybrid deep learning models 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07427-2 PMID:40715225	研究论文	该研究通过结合先进的机器学习和深度学习技术，提升脑机接口系统中运动想象的分类性能	提出了一种结合CNN和LSTM的混合深度学习模型，显著提高了运动想象分类的准确率	研究中LSTM网络的单独表现较差，准确率仅为16.13%	提升脑机接口系统中运动想象信号的分类准确率	脑电图(EEG)信号	脑机接口	NA	EEG信号处理	CNN, LSTM, 混合模型	EEG信号数据	PhysioNet EEG Motor Movement/Imagery Dataset中的多种运动任务EEG数据
203	2025-07-29	Deep-learning structure elucidation from single-mutant deep mutational scanning 2025-Jul-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62261-4 PMID:40715235	研究论文	该研究提出了一种利用深度突变扫描（DMS）的稀疏残基埋藏约束来优化AlphaFold2，从而显著提高蛋白质结构预测精度的方法	通过结合DMS的残基埋藏信息，显著提升了AlphaFold2在蛋白质结构预测中的准确性	该方法可能仍无法准确预测所有蛋白质系统的结构	提高蛋白质结构预测的准确性	蛋白质结构	机器学习	NA	深度突变扫描（DMS）	AlphaFold2, DMS-Fold	蛋白质结构数据	252个蛋白质目标
204	2025-07-29	Joint learning equation of state surfaces with uncertainty-aware physically regularized neural networks 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11874-2 PMID:40715257	研究论文	提出了一种基于神经网络的物理信息深度学习方法EOSNN，用于联合学习多种状态方程表面，并开发了一个概率模型来处理不确定性	EOSNN方法通过物理信息正则化神经网络联合学习多种状态方程表面，并处理了不确定性问题，相比传统方法在准确性、灵活性和可扩展性上有显著提升	未明确提及具体局限性	开发一种能够联合学习多种状态方程表面的深度学习方法，并处理不确定性	材料在不同压力-温度-体积条件下的状态方程	机器学习	NA	神经网络、概率模型	EOSNN	静态和动态压缩数据、ab initio计算结果	未明确提及样本数量
205	2025-07-29	Automated characterization of abdominal MRI exams using deep learning 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11985-w PMID:40715356	研究论文	本研究开发了基于卷积神经网络（CNN）的自动化工具，用于分类腹部MRI的核心属性	使用CNN自动分类MRI图像的脉冲序列类型、成像方向和对比增强状态，并在体积级别实现了100%的准确率	需要调整类别标签不匹配以增强外部验证的准确性	开发标准化工具以自动识别和表征MRI图像的关键属性，支持大规模多机构研究	腹部MRI图像	计算机视觉	NA	MRI	CNN	图像	Duke Liver Dataset用于外部验证
206	2025-07-29	Multimodal prediction based on ultrasound for response to neoadjuvant chemotherapy in triple negative breast cancer 2025-Jul-25, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01057-7 PMID:40715366	研究论文	本研究开发了一种基于超声的多模态预测模型（BCRP），用于预测三阴性乳腺癌（TNBC）患者对新辅助化疗的病理完全缓解（pCR）	整合了多维纵向定量影像特征、临床因素和BI-RADS系统特征，结合深度学习特征和放射组学特征进行预测	需要外部验证队列进一步验证模型的泛化能力	预测TNBC患者对新辅助化疗的反应	三阴性乳腺癌患者	数字病理学	乳腺癌	B型超声、彩色多普勒超声、深度学习、放射组学	BCRP（自定义预测模型）	超声图像、临床数据	训练队列和外部测试队列（具体数量未说明）
207	2025-07-29	ECG features improve multimodal deep learning prediction of incident T2DM in a Middle Eastern cohort 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12633-z PMID:40715481	研究论文	本研究提出了一种名为ECG-DiaNet的多模态深度学习模型，通过整合心电图（ECG）特征与临床风险因素（CRFs）来提升2型糖尿病（T2DM）发病风险的预测准确性	ECG-DiaNet模型首次将ECG特征与CRFs结合，显著提高了T2DM预测的准确性，并通过重分类指标验证了其优越性	需要更大规模和更多样化的数据集进行进一步验证以提高模型的普适性	开发一种更准确的T2DM发病风险预测工具	来自Qatar Biobank（QBB）的参与者数据	机器学习	2型糖尿病	深度学习	多模态深度学习模型（ECG-DiaNet）	ECG信号和临床风险因素数据	开发队列2043人，测试队列395人
208	2025-07-29	Innovative data augmentation strategy for deep learning on biological datasets with limited gene representations focused on chloroplast genomes 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12796-9 PMID:40715495	研究论文	本文提出了一种创新的数据增强策略，用于解决生物数据集中基因表示有限的问题，特别是在叶绿体基因组研究中	引入了一种新颖的数据增强策略，通过滑动窗口技术生成大量重叠子序列，并结合CNN和LSTM混合模型，显著提升了模型性能	当前的数据增强过程虽然高度适应性强，但在某些特定类型的生物数据仓库中可能需要进一步优化	解决生物数据集中数据稀缺问题，特别是针对基因或蛋白质序列表示有限的情况	八种微藻和高等植物的叶绿体基因和蛋白质	机器学习	NA	滑动窗口技术，k-mer数据增强策略	CNN和LSTM混合模型	基因序列数据	八种微藻和高等植物的叶绿体基因和蛋白质
209	2025-07-29	Analysis of space solar array arc images based on deep learning techniques 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97579-y PMID:40715539	研究论文	利用深度学习技术分析空间太阳能电池板的电弧图像，以研究放电和电弧光谱	采用先进的深度学习方法（包括CNN和迁移学习）开发预测模型，分析电弧行为并识别缺陷电池	未提及具体样本量或实验环境的限制	研究太阳能电池板表面的放电和电弧光谱，以提高空间太阳能电池系统的性能和可靠性	空间太阳能电池板的电弧图像	计算机视觉	NA	深度学习（CNN、迁移学习）、图像处理工具（Python、Maxim-DL）	CNN	图像	NA
210	2025-07-29	A novel ligand-based convolutional neural network for identification of P-glycoprotein ligands in drug discovery 2025-Jul-25, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11301-8 PMID:40715638	研究论文	本文提出了一种新型配体基卷积神经网络（NLCNN），用于高精度分类和预测P-糖蛋白（P-gp）底物	提出了一种新型配体基卷积神经网络（NLCNN），在P-gp底物预测中实现了比传统CNN和SVM更高的准确率	模型训练数据集规模较小，仅包含197个P-gp底物	开发一种高精度的计算工具，用于预测P-gp底物和抑制剂，以支持药物发现和个性化医疗	P-糖蛋白（P-gp）底物	计算药理学	癌症	分子对接和配体基深度学习方法	CNN	分子数据	197个P-gp底物
211	2025-07-29	A Two-Phase Deep Learning Approach for Architectural Distortion Detection in Mammograms 2025-Jul-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01613-4 PMID:40715861	research paper	提出了一种两阶段深度学习方法用于乳腺X光片中结构扭曲的检测	结合了Mask R-CNN和ResNet-18的两阶段管道，显著提高了结构扭曲的分割和分类准确性	未提及具体的数据集大小或多样性限制	自动化并改进乳腺X光片中结构扭曲的分割和分类，以提高乳腺癌的早期检测	乳腺X光片中的结构扭曲区域	digital pathology	breast cancer	deep learning	U-Net++, Mask R-CNN, ResNet-18	image	NA
212	2025-07-29	Advancements and challenges in inverse lithography technology: a review of artificial intelligence-based approaches 2025-Jul-24, Light, science & applications DOI:10.1038/s41377-025-01923-w PMID:40701983	综述	本文综述了逆光刻技术（ILT）的原理、发展、应用及其与人工智能（AI）技术的结合，重点讨论了AI方法在ILT中的最新进展和面临的挑战	强调了AI技术（如CNN、DNN、GAN和模型驱动的深度学习方法）在ILT中的应用及其对现有技术局限性的潜在解决方案	计算运行时间长和掩模写入复杂性等挑战仍然存在	探讨逆光刻技术在半导体制造中的应用及其与AI技术的结合	逆光刻技术（ILT）及其在半导体制造中的应用	计算光刻	NA	逆光刻技术（ILT）	CNN, DNN, GAN, 模型驱动的深度学习方法	NA	NA
213	2025-07-29	An automated hybrid deep learning framework for paddy leaf disease identification and classification 2025-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08071-6 PMID:40701992	研究论文	提出一种用于稻田叶片病害识别和分类的自动化混合深度学习框架	结合MobileNetV3预训练模型与混合优化算法（GKSO和SA）进行特征选择，并使用CatBoost进行分类，实现了98.52%的高准确率	未提及模型在不同环境或光照条件下的泛化能力，也未说明数据集的多样性是否足够	提升农业生产力，通过深度学习技术实现稻田叶片病害的快速识别与分类	稻田叶片病害图像	计算机视觉	水稻病害	深度学习、迁移学习、优化算法（GKSO和SA）	MobileNetV3, CatBoost	图像	来自Kaggle的paddy doctor数据集（具体样本数量未提及）
214	2025-07-29	DEEP Q-NAS: A new algorithm based on neural architecture search and reinforcement learning for brain tumor identification from MRI 2025-Jul-24, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110767 PMID:40712211	研究论文	提出了一种基于神经架构搜索和强化学习的新算法DEEP Q-NAS，用于从MRI中识别脑肿瘤	结合神经架构搜索和强化学习，优化了特征金字塔网络和预测头的搜索效率，提高了脑肿瘤检测的准确率	研究仅基于BraTS 2021数据集，可能在其他数据集上的泛化能力有待验证	提高脑肿瘤检测的准确性和效率	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI	DEEP Q-NAS, ResNeXt-152	图像	BraTS 2021数据集中的mpMRI扫描
215	2025-07-29	Robust daily satellite sea surface salinity reconstruction using deep learning in low-salinity coastal regions 2025-Jul-24, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118462 PMID:40712332	研究论文	提出了一种名为MAIN的自监督深度神经网络，用于生成近实时、无间隙的每日海表盐度数据	MAIN网络能够在不依赖未来观测数据的情况下，显著提高盐度估计的准确性，特别是在河流主导区域	未明确提及具体局限性	解决传统物理方法在捕捉盐度急剧变化方面的不足，以及卫星数据重访时间长的问题	海表盐度（SSS）数据	机器学习	NA	自监督深度神经网络	MAIN（多尺度感知插值网络）	卫星数据（SMAP L2B swath数据）和现场测量数据	亚马逊区域和东亚区域的盐度数据
216	2025-07-29	Contrast-Enhanced CT-Based Deep Learning and Habitat Radiomics for Analysing the Predictive Capability for Oral Squamous Cell Carcinoma 2025-Jul-24, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100914 PMID:40712385	research paper	本研究通过对比基于对比增强CT的深度学习和栖息地分析模型，探索了一种预测口腔鳞状细胞癌宫颈淋巴结转移和病理亚型的新方法	结合栖息地分析和临床特征的集成模型展示了改进的预测性能，为口腔癌预测提供了新方法	研究为回顾性分析，样本量相对较小（132例），可能影响模型的泛化能力	预测口腔鳞状细胞癌的宫颈淋巴结转移和病理亚型	口腔鳞状细胞癌患者	digital pathology	oral squamous cell carcinoma	contrast-enhanced CT (CECT), K-means clustering	CNN, FCNN	image	132例口腔鳞状细胞癌患者的CECT图像
217	2025-07-29	Use of artificial intelligence in animal experimentation: A review 2025-Jul-24, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2025.07.1417 PMID:40712858	综述	本文回顾了人工智能在动物实验中的应用及其对减少动物使用和提高毒性及安全性评估可靠性的潜力	探讨了AI如何通过计算机建模、机器学习和计算毒理学等方法改进毒性预测和药物安全性评估，同时促进3R原则和监管创新	监管验证仍是一个挑战	评估人工智能在替代动物实验和提高毒性及安全性评估方面的应用	毒性预测、药物安全评估和化学危害分类	计算毒理学	NA	机器学习、计算机建模	深度学习算法、定量结构-活性关系模型	计算机模拟数据、体外数据	NA
218	2025-07-29	Comparative Analysis of the Tumor Microenvironment in Primary CNS and Testicular Large B-cell Lymphomas Using Digital Image Analysis and Its Implications for Immunotherapy 2025-Jul-24, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.105874 PMID:40714128	研究论文	本研究通过数字图像分析比较了中枢神经系统和睾丸原发性大B细胞淋巴瘤的肿瘤微环境，并探讨了其对免疫治疗的潜在影响	首次直接比较了PCNSL和PTL的肿瘤微环境，揭示了它们在免疫生物学上的差异，并提出了针对不同部位的个性化治疗策略	样本量相对有限（55例），且仅针对特定免疫标记物进行分析	比较中枢神经系统和睾丸原发性大B细胞淋巴瘤的肿瘤微环境差异，为免疫治疗提供理论依据	55例涉及中枢神经系统和睾丸的弥漫性大B细胞淋巴瘤病例	数字病理学	淋巴瘤	数字图像分析、免疫组织化学染色	深度学习	图像	55例病例
219	2025-07-29	Bio-impedance spectroscopy-based classification of mental acuity in university students via machine-learning and deep-learning approaches 2025-Jul-24, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.009 PMID:40714180	研究论文	本研究利用生物电阻抗光谱（BIS）和深度学习模型对大学生心理敏锐度进行分类	首次将MobileNetV2深度学习架构应用于基于BIS的心理敏锐度分类，并展示了其优于传统随机森林模型的性能	研究样本仅限于大学生群体，未涉及其他年龄段或特殊人群	开发基于生物电阻抗光谱的心理敏锐度分类方法	大学生心理敏锐度水平（优秀、良好、一般）	机器学习	NA	生物电阻抗光谱（BIS）	MobileNetV2, 随机森林（RF）	2D阻抗谱图像	未明确说明具体数量的大学生样本
220	2025-07-29	Molecular Machine Learning Approach to Enantioselective C-H Bond Activation Reactions: From Generative AI to Experimental Validation 2025-Jul-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01098e PMID:40556724	研究论文	本文提出了一种分子机器学习方法，用于对映选择性C-H键活化反应的预测和实验验证	利用深度生成模型指导新反应及其前瞻性验证，采用迁移学习方法结合化学语言模型，提出了一种高可靠性的集成预测模型	研究基于220个实验报告的例子，数据规模较小，且强调了领域专家在关键决策中的重要性	开发机器学习算法用于化学反应预测，特别是对映选择性β-C(sp)-H活化反应	对映选择性β-C(sp)-H活化反应，包括底物、催化剂和偶联伙伴	机器学习	NA	迁移学习，化学语言模型	CLM（化学语言模型），EnP（集成预测模型）	化学反应数据	220个实验报告的反应例子，77种已知手性配体