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
2181	2025-07-29	Evidential deep learning-based drug-target interaction prediction 2025-Jul-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62235-6 PMID:40715097	研究论文	提出了一种基于证据深度学习（EDL）的药物-靶点相互作用（DTI）预测新方法EviDTI，用于量化神经网络预测中的不确定性	利用EDL进行不确定性量化，整合药物2D拓扑图和3D空间结构及靶点序列特征，提供预测的不确定性估计	未提及具体的数据集局限性或模型泛化能力的详细分析	解决DTI预测中的不确定性量化问题，提高预测的可靠性和药物发现效率	药物-靶点相互作用	机器学习	NA	证据深度学习（EDL）	神经网络	药物2D拓扑图、3D空间结构、靶点序列特征	三个基准数据集，与11个基线模型对比
2182	2025-07-29	Deep learning application to hyphae and spores identification in fungal fluorescence images 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11228-y PMID:40715216	research paper	本研究探索了深度学习在真菌疾病诊断中的应用，专注于临床样本中菌丝和孢子的自动检测系统	提出了结合YOLOX和MobileNet V2模型的双模型框架，用于分析真菌荧光图像，显著提高了诊断效率和准确性	未提及模型在不同类型真菌样本中的泛化能力，以及在实际临床应用中的稳定性	开发一种自动检测系统，用于真菌疾病诊断中的菌丝和孢子识别	真菌荧光图像中的菌丝和孢子	digital pathology	fungal infection	fluorescence imaging	YOLOX, MobileNet V2	image	NA
2183	2025-07-29	A novel dual-student reverse knowledge distillation method for magnetic tile defect detection 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12339-2 PMID:40715252	研究论文	提出了一种新型的双学生反向知识蒸馏方法BSDRD，用于磁砖缺陷检测	引入了双学生反向知识蒸馏框架BSDRD，结合结构学生和细节学生网络，以及多维特征门控融合损失MD-GFLoss，提高了对复杂纹理和小缺陷的检测能力	未提及该方法在其他类型缺陷检测或不同工业场景中的泛化能力	解决磁砖表面缺陷检测中纹理相似、对比度低和缺陷形态多变的问题	磁砖表面缺陷	计算机视觉	NA	深度学习、小波变换	双学生反向知识蒸馏框架(BSDRD)	图像	磁砖缺陷检测数据集（未提及具体样本数量）
2184	2025-07-29	A triple pronged approach for ulcerative colitis severity classification using multimodal, meta, and transformer based learning 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12827-5 PMID:40715318	研究论文	本研究采用多模态、元学习和基于Transformer的集成学习方法，对溃疡性结肠炎的严重程度进行分类	结合多模态推理管道、少样本元学习和Vision Transformer集成方法，提高了分类准确率并增强了模型的可解释性	研究依赖于有限标注数据，且仅在HyperKvasir数据集上进行评估	开发一种稳健的溃疡性结肠炎严重程度分类方法	溃疡性结肠炎患者的医学图像数据	医学图像分析	溃疡性结肠炎	多模态预训练框架（如CLIP、BLIP、FLAVA）和少样本元学习（如Matching Networks）	Vision Transformer (ViT)、Swin-Base模型、软投票集成	医学图像	HyperKvasir数据集
2185	2025-07-29	Seasonal quantile forecasting of solar photovoltaic power using Q-CNN-GRU 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12797-8 PMID:40715333	研究论文	本文提出了一种结合CNN和GRU的混合Quantile-CNN-GRU模型，用于太阳能光伏发电的概率分位数预测	结合CNN和GRU的混合模型，生成日内概率分位数预测，并引入外生输入（如NWP数据）以提升预测性能	未提及具体的数据集规模限制或模型计算复杂度问题	提高太阳能光伏发电的概率预测准确性，以支持电网可靠性和可再生能源整合	太阳能光伏发电数据	机器学习	NA	Quantile-CNN-GRU, Quantile-GRU, Quantile-LSTM	CNN, GRU, LSTM	时间序列数据	来自荷兰（温带海洋性气候）、爱丽丝泉（干旱沙漠气候）和河北（湿润亚热带气候）的多样化数据集
2186	2025-07-29	A novel hybrid deep learning approach combining deep feature attention and statistical validation for enhanced thyroid ultrasound segmentation 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12602-6 PMID:40715468	研究论文	本文提出了一种结合深度特征注意力和统计验证的新型混合深度学习方法TATHA，用于增强甲状腺超声图像分割的准确性	开发了TATHA这一创新的深度学习架构，结合了深度特征注意力和统计验证，显著提高了甲状腺超声图像分割的准确性和可靠性	研究仅使用了包含99个病例的甲状腺超声图像数据库，样本量相对较小	提高甲状腺超声图像分割的准确性，以支持有效的诊断系统和治疗计划	甲状腺结节	计算机视觉	甲状腺疾病	深度学习	TATHA（结合深度特征注意力和统计验证的混合深度学习架构）	超声图像	99个病例，包含134张标注图像用于训练、验证和测试
2187	2025-07-29	Insurance claims estimation and fraud detection with optimized deep learning techniques 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12848-0 PMID:40715558	研究论文	本文探讨了使用优化的深度学习技术进行保险索赔估计和欺诈检测	结合增强河马优化算法(EHOA)与自定义12层CNN，优化超参数并提升模型性能，解决了局部最小值和收敛速度慢的问题	未提及具体的数据集规模或实际应用场景的局限性	提高保险索赔估计的准确性和欺诈检测的效率	保险索赔数据	机器学习	NA	深度学习	VGG 16 & 19, ResNet 50, 自定义12 & 15层CNN	结构化数据	NA
2188	2025-07-29	Explainable AI-driven assessment of hydro climatic interactions shaping river discharge dynamics in a monsoonal basin 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13221-x PMID:40715581	research paper	本研究提出了一种可解释的深度学习框架，用于在Subarnarekha河流域进行日河流流量预测，结合了Kolmogorov Arnold网络（KAN）和Shapley加性解释（SHAP）	创新点在于将KAN与SHAP结合，提供了一种可解释的深度学习框架，用于水文建模，特别是在季风影响和数据有限的区域	局限性包括GCM降水数据的空间固有不一致性，导致降水（pr）对预测的贡献有限	研究目的是开发一种准确且可解释的河流流量预测方法，以支持水资源管理	研究对象是Subarnarekha河流域的四个活跃测站（Muri、Adityapur、Jamshedpur和Ghatsila）的河流流量数据	机器学习	NA	Kolmogorov Arnold网络（KAN）、Shapley加性解释（SHAP）	KAN	水文气候数据	四个测站的数据，覆盖1980年至2022年，并预测至2100年
2189	2025-07-29	Transforming label-efficient decoding of healthcare wearables with self-supervised learning and "embedded" medical domain expertise 2025-Jul-26, Communications engineering DOI:10.1038/s44172-025-00467-6 PMID:40715702	研究论文	本研究提出了一种结合自监督对比学习和医学领域知识的方法，以提高医疗可穿戴设备数据的解码效率	通过将临床有意义的特征（如心电图的心率变异性）整合到对比学习过程中，改进了传统自监督对比学习忽视生理相似性的问题	方法依赖于特定领域知识的可用性，可能限制了在其他领域的适用性	提高医疗可穿戴设备数据解码的标签效率	医疗可穿戴设备生成的数据	机器学习	NA	自监督对比学习（SSCL）	NA	时间序列数据（如心电图）	NA
2190	2025-07-29	Can AI find the cavities in caries prediction and diagnosis? 2025-Jul-26, Evidence-based dentistry DOI:10.1038/s41432-025-01181-0 PMID:40715738	评论	本文是对一篇关于人工智能在早期儿童龋齿检测和预测中应用的系统性综述和元分析的评论	评论探讨了AI在龋齿检测和预测中的潜力，特别是深度学习算法的表现	评论基于已有研究，未提供新的实验数据或模型改进	评估AI在早期儿童龋齿检测和预测中的应用效果	早期儿童龋齿（ECC）	数字病理	龋齿	机器学习（ML）、深度学习（DL）和神经网络（NN）	NA	NA	21项研究，其中7项用于ECC检测，14项用于ECC预测
2191	2025-07-29	A classification method for fluorescence emission spectra of anionic surfactants with few-shot learning 2025-Jul-26, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-025-06440-6 PMID:40715840	研究论文	提出了一种基于小样本学习的阴离子表面活性剂荧光发射光谱分类方法	结合一维卷积神经网络(1D-CNN)和原型网络(CNN-PN)，直接从原始光谱中提取特征并进行相似性分类，避免了传统预处理步骤造成的信息损失	方法仅在53种表面活性剂类别和公开金属氧化物数据集上进行了验证，需要更多样化的数据集验证泛化能力	开发一种数据高效的光谱分析框架，用于阴离子表面活性剂的快速准确识别	阴离子表面活性剂的荧光发射光谱	机器学习	NA	荧光光谱法	1D-CNN, 原型网络(Prototypical Network)	光谱数据	FESS数据集(53种表面活性剂类别)和公开金属氧化物数据集
2192	2025-07-29	A DCT-UNet-based framework for pulmonary airway segmentation integrating label self-updating and terminal region growing 2025-Jul-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf486 PMID:40712639	研究论文	提出了一种基于DCT-UNet的框架，结合标签自更新和终端区域生长技术，用于肺部气道分割	设计了DCT-UNet以收集更好的邻近体素信息，提出气道标签自更新策略以解决标签不完整问题，采用基于深度学习的终端区域生长技术提取终端气道	未明确提及	提高胸部CT中气道树的分割性能，用于慢性呼吸系统疾病的定量和定性分析及支气管手术导航	肺部气道树	数字病理	慢性阻塞性肺病(COPD)	CT	DCT-UNet	图像	两个内部数据集和三个公共数据集
2193	2025-07-29	Spatial features of tumor-infiltrating lymphocytes in primary lesions of lung adenocarcinoma predict lymph node metastasis 2025-Jul-25, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06860-1 PMID:40713757	研究论文	本研究探讨了肺腺癌原发灶中肿瘤浸润淋巴细胞（TILs）的空间特征与淋巴结转移（LNM）的关系	首次将TILs的空间特征与LNM风险关联，并开发了结合TIL特征的随机森林预测模型	研究样本量有限，且未考虑其他可能影响LNM的因素	预测肺腺癌患者的淋巴结转移风险	肺腺癌患者的原发灶肿瘤浸润淋巴细胞	数字病理学	肺腺癌	全切片图像分析、热点分析、深度学习特征提取、K-means聚类	随机森林	图像	训练队列312例，验证队列78例，独立测试队列148例
2194	2025-07-29	A hyperspectral imaging dataset and Grassmann manifold method for intraoperative pixel-wise classification of metastatic colon cancer in the liver 2025-Jul-25, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110841 PMID:40714409	研究论文	本文介绍了一种基于高光谱成像(HSI)的Grassmann流形方法，用于术中转移性结肠癌在肝脏中的像素级分类	提出了一种结合Grassmann点和最近子空间分类器的新方法，用于HSI的像素级分类，并在少量标注数据下取得了优于深度学习架构的性能	研究样本量较小(仅27个HSI图像，来自14名患者)，且仅针对特定类型的癌症(结肠癌肝转移)	验证高光谱成像在术中肿瘤切除的像素级分类中的应用潜力	结肠腺癌肝转移患者的术中冰冻切片样本	数字病理学	结肠癌	高光谱成像(HSI)，光谱范围450-800nm，分辨率1nm	Grassmann流形(GM)结合张量奇异谱分析(TSSA)	图像	27个HSI图像，来自14名结肠癌肝转移患者
2195	2025-07-29	Deep learning-based image classification for integrating pathology and radiology in AI-assisted medical imaging 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07883-w PMID:40715157	研究论文	本文提出了一种结合病理学和放射学的AI辅助医学影像新框架DIANet及ACWI策略，以提高诊断准确性和临床工作流程	引入了Domain-Informed Adaptive Network (DIANet)和Adaptive Clinical Workflow Integration (ACWI)策略，结合多尺度特征提取、领域特定先验和贝叶斯不确定性建模，增强可解释性和鲁棒性	未提及具体样本量或实验数据集的详细情况，可能影响结果的可推广性	解决医学影像分析中多模态成像、不平衡数据集及缺乏鲁棒可解释性和不确定性量化的问题	多模态医学影像任务	数字病理学	NA	多尺度特征提取、贝叶斯不确定性建模、可解释AI (XAI)技术	Domain-Informed Adaptive Network (DIANet)	医学影像	NA
2196	2025-07-29	QKDTI A quantum kernel based machine learning model for drug target interaction prediction 2025-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07303-z PMID:40715162	研究论文	提出了一种基于量子核的机器学习模型QKDTI，用于预测药物靶点相互作用	利用量子机器学习的优势，如叠加和纠缠，提高了预测准确性、可扩展性和效率，并引入了Nystrom近似以增强计算可行性	未提及具体的数据集局限性或模型在实际应用中的潜在问题	改进药物靶点相互作用（DTI）的预测，以促进药物再利用和精准医疗	药物靶点相互作用	机器学习	NA	量子支持向量回归（QSVR）	QSVR	分子描述符和蛋白质特征	在Davis、KIBA和BindingDB基准数据集上评估
2197	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
2198	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
2199	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
2200	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