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
2461	2025-05-10	Deep Learning Protocol for Predicting Full-Spectrum Infrared and Raman Spectra of Polypeptides and Proteins Using All-Atom Models 2025-Feb-27, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00169 PMID:39966082	研究论文	本研究开发了一种基于深度学习的协议，用于预测多肽和蛋白质的全谱红外和拉曼光谱	利用转移学习和DetaNet模型成功模拟了数千个原子组成蛋白质的振动光谱，效率比传统量子化学方法高10^10倍	NA	开发高效预测蛋白质振动光谱的深度学习方法	氨基酸、二肽、三肽以及大型多肽和蛋白质	机器学习	NA	红外光谱、拉曼光谱	DetaNet（深度等变张量注意力网络）	光谱数据	氨基酸、二肽和三肽的综合数据集
2462	2025-05-10	Toward equitable major histocompatibility complex binding predictions 2025-Feb-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2405106122 PMID:39964728	research paper	该研究开发了一种机器学习框架，用于评估MHC结合预测中的数据不平衡问题，并提出了一种先进的MHC结合预测模型，以减少不同种族群体间的数据差异	引入了一种机器学习框架来评估MHC等位基因结合预测中的数据不平衡影响，并开发了一种先进的MHC结合预测模型，提供每个等位基因的性能估计	尽管模型减轻了大部分数据差异，但仍存在一些不平等问题需要进一步解决	开发公平的MHC结合预测模型，用于个性化免疫疗法和疫苗开发	MHC等位基因及其结合数据	machine learning	cancer	deep learning	NA	biological data	NA
2463	2025-05-10	AI for image quality and patient safety in CT and MRI 2025-Feb-23, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00562-5 PMID:39987533	综述	本文综述了人工智能（AI）在计算机断层扫描（CT）和磁共振成像（MRI）中提升图像质量和患者安全的最新进展	AI算法在减少辐射剂量、优化对比剂使用、降低噪声和伪影、提高图像重建速度和质量方面的创新应用	模型的泛化能力有限、缺乏外部验证、模型解释性不足以及决策过程不透明	探讨AI如何优化CT和MRI的成像过程，以提高诊断准确性和患者安全性	计算机断层扫描（CT）和磁共振成像（MRI）的成像过程	数字病理学	NA	深度学习	NA	图像	NA
2464	2025-05-10	Event-driven figure-ground organisation model for the humanoid robot iCub 2025-Feb-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56904-9 PMID:39984477	研究论文	本文提出了一种受灵长类视觉系统启发的生物启发感知系统，用于神经形态机器人iCub的事件驱动图形-背景组织模型	采用生物启发的分层架构和事件驱动视觉技术，减少数据冗余和计算需求，与传统方法相比具有更高的效率	在复杂场景下的性能尚未完全验证，可能需要进一步优化以适应更复杂的环境	开发一种高效的图形-背景分割方法，用于自主机器人应用	神经形态机器人iCub	计算机视觉	NA	事件驱动视觉	生物启发分层架构	事件驱动摄像头数据	在模拟和真实场景中进行了定性和定量评估，包括Berkeley Segmentation数据集
2465	2025-05-10	Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery 2025-Feb-22, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03641-8 PMID:39984705	研究论文	本研究通过深度学习模型评估腹腔镜结直肠手术中组织解剖效率的可行性	首次使用深度学习技术自动评估手术技能，特别是组织解剖效率	研究为回顾性设计，依赖手术视频数据，可能存在选择偏差	验证基于深度学习的手术技能自动评估方法的可行性	腹腔镜结直肠手术中的组织解剖过程	计算机视觉	结直肠癌	深度学习	CNN	视频	766例来自日本多中心的腹腔镜结直肠手术视频
2466	2025-05-10	A hybrid inception-dilated-ResNet architecture for deep learning-based prediction of COVID-19 severity 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91322-3 PMID:39987169	research paper	提出了一种基于深度学习的混合Inception-dilated-ResNet架构，用于预测COVID-19的严重程度	首次将Inception-ResNet与扩张机制结合，用于COVID-19严重程度的评估，并在CT图像分类任务中表现优于非扩张模型	需要依赖专业放射科医生对CT扫描进行标注，且样本量相对有限	开发一种有效的深度学习方法，用于评估COVID-19患者的肺部病变严重程度	COVID-19患者的胸部CT扫描图像	computer vision	COVID-19	deep learning	Inception-dilated-ResNet (dResNet)	image	1548例人类胸部CT扫描
2467	2025-05-10	Semi-supervised tissue segmentation from histopathological images with consistency regularization and uncertainty estimation 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90221-x PMID:39987243	research paper	提出一种半监督方法用于组织病理学图像中的组织结构语义分割	结合自监督训练和一致性正则化，利用CNN教师模型生成伪标签训练学生模型，并采用蒙特卡洛dropout估计模型不确定性	需要大量标注数据训练模型，且对于罕见疾病数据获取困难	提高组织病理学图像分割的准确性	组织病理学图像中的组织结构	digital pathology	NA	semi-supervised learning, Monte Carlo dropout	CNN	image	public dataset (具体数量未提及)
2468	2025-05-10	Enhanced recognition and counting of high-coverage Amorphophallus konjac by integrating UAV RGB imagery and deep learning 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91364-7 PMID:39987316	研究论文	本研究通过整合无人机RGB影像和深度学习技术，提高了高覆盖率魔芋植株的识别和计数准确性	提出了一种结合早期和高覆盖率阶段魔芋位置信息的深度学习模型，显著提高了高覆盖率阶段魔芋植株的识别和计数准确率	研究主要针对魔芋这种具有单一茎干和直立生长特性的作物，对其他作物的适用性需要进一步验证	提高高覆盖率阶段魔芋植株的识别和计数准确性，为农业管理和产量预测提供支持	魔芋植株	计算机视觉	NA	无人机RGB影像	深度学习模型	图像	未明确说明样本数量
2469	2025-05-10	Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures 2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society IF:1.9Q2 DOI:10.1007/s00068-025-02793-y PMID:39984717	研究论文	本研究评估了结合区块链技术和人工智能的高级诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性	首次将区块链技术与AI结合用于胫骨平台骨折的诊断，实现安全、协作且便捷的辅助诊断	研究仅在三家独立医院进行，样本来源可能有限	评估区块链与AI结合的高级诊断模型在急诊胫骨平台骨折识别中的效果	胫骨平台骨折（TPFs）患者	数字病理	骨科创伤	区块链技术，深度学习	YOLOv8n，分布式AI模型	图像	来自三家独立医院的图像数据
2470	2025-05-10	Deep learning models for differentiating three sinonasal malignancies using multi-sequence MRI 2025-Feb-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01517-9 PMID:39984860	research paper	开发基于MRI的深度学习模型，用于区分三种鼻窦恶性肿瘤，并评估这些模型是否能提高资深和初级放射科医生的诊断性能	使用ResNet101网络构建的深度学习模型在区分鼻窦鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤方面表现出色，并能显著提升放射科医生的诊断准确性	研究为回顾性分析，可能存在选择偏倚，且样本量相对有限	开发并验证基于MRI的深度学习模型，以提高鼻窦恶性肿瘤的诊断准确性	465名鼻窦恶性肿瘤患者（包括229例鳞状细胞癌、128例腺样囊性癌和108例嗅神经母细胞瘤）	digital pathology	鼻窦恶性肿瘤	MRI（包括T2加权成像、对比增强T1加权成像和表观扩散系数）	ResNet101, ResNet50, DensNet121	MRI图像	465名患者（训练和验证队列372名，独立外部测试队列93名）
2471	2025-05-10	An ensemble deep learning framework for multi-class LncRNA subcellular localization with innovative encoding strategy 2025-Feb-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02148-4 PMID:39984880	research paper	提出了一种名为MGBLncLoc的深度学习模型，用于预测长非编码RNA（LncRNA）的亚细胞定位	采用了一种新颖的多类编码技术MCD-ND，能更精确地反映核苷酸分布，并结合多种先进的神经网络模块	未提及具体的数据集规模或模型在更广泛数据集上的泛化能力	提高LncRNA亚细胞定位预测的准确性	长非编码RNA（LncRNA）	生物信息学	NA	深度学习	Multi-Dconv Head Transposed Attention, Gated-Dconv Feed-forward Network, CNN, Bidirectional Gated Recurrent Unit	序列数据	NA
2472	2025-05-10	Multi-cancer early detection based on serum surface-enhanced Raman spectroscopy with deep learning: a large-scale case-control study 2025-Feb-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03887-5 PMID:39984977	研究论文	本研究提出了一种基于血清表面增强拉曼光谱（SERS）技术和深度学习的多癌症早期检测方法	结合SERS技术、重采样策略、特征维度增强、深度学习和可解释性分析方法，实现了高灵敏度和高准确性的泛癌筛查	研究样本中某些癌症类型的病例数较少（如食管癌仅38例），可能影响模型的泛化能力	开发一种高效的多癌症早期检测方法	1655例早期癌症患者（包括乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌）和1896例健康对照	数字病理学	多癌症（乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌）	表面增强拉曼光谱（SERS）、连续小波变换（CWT）	ResNet（CNN算法）、深度神经网络（DNN）	血清SERS光谱数据	3551例样本（1655例癌症患者和1896例健康对照）
2473	2025-05-10	High throughput analysis of rare nanoparticles with deep-enhanced sensitivity via unsupervised denoising 2025-Feb-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56812-y PMID:39979247	研究论文	开发了一种结合无监督深度学习和光流体设备的纳米颗粒分析方法，实现了高可扩展性、高吞吐量和高灵敏度的纳米颗粒检测	提出了一种名为'Deep Nanometry' (DNM)的新方法，结合无监督深度学习和光流体设备，显著提高了纳米颗粒检测的灵敏度和吞吐量	未明确提及具体限制，但可能涉及设备复杂性和成本	开发一种高灵敏度、高吞吐量的纳米颗粒分析方法，用于生物学、医学和材料科学领域	纳米颗粒，特别是稀有纳米颗粒和细胞外囊泡(EVs)	机器学习	结直肠癌	无监督深度学习，光流体技术	无监督深度学习	纳米颗粒检测数据	1,214,392个总颗粒，其中包括0.002%的稀有目标细胞外囊泡(EVs)，以及结直肠癌患者和健康对照血清中的0.93%和0.17%的诊断标记EVs
2474	2025-05-10	Application of deep learning for fruit defect recognition in Psidium guajava L 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88936-y PMID:39979339	research paper	该研究应用深度学习技术识别番石榴果实的外观缺陷	使用YOLO v4预训练网络架构在果实缺陷检测中表现出色，特别是在识别特定病害方面	未提及模型在不同光照或果实成熟度条件下的泛化能力	实现番石榴果实质量标准化和自动化检测	番石榴果实及其外观缺陷	computer vision	NA	deep learning	YOLO v4	image	189个番石榴果实和1701张图像样本
2475	2025-05-10	IoT-driven smart assistive communication system for the hearing impaired with hybrid deep learning models for sign language recognition 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89975-1 PMID:39979401	research paper	该研究提出了一种基于混合深度学习模型的智能辅助通信系统，用于听力障碍者的手语识别	结合改进的MobileNetV3特征提取、CNN-BiGRU-A模型分类器以及AROA超参数优化算法，实现了高精度的手语识别	实验仅在印度手语数据集上进行验证，可能在其他手语系统中的泛化能力有限	开发一种智能辅助通信系统，帮助听力障碍者更好地进行交流	听力障碍者的手语识别	computer vision	hearing impairment	hybrid deep learning	CNN-BiGRU-A with AROA optimization	image	印度手语数据集（具体数量未提及）
2476	2025-05-10	Pathology-based deep learning features for predicting basal and luminal subtypes in bladder cancer 2025-Feb-20, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13688-x PMID:39979837	research paper	该研究利用H&E染色的全切片图像中的深度学习特征，开发机器学习模型以预测膀胱癌的基底和管腔亚型	首次基于H&E染色的全切片图像提取深度学习特征，用于预测膀胱癌分子亚型，并展示了优于病理学家的性能	外部验证集表现存在差异（AUC 0.64-0.81），模型泛化能力有待提升	开发基于病理图像的膀胱癌分子分型预测工具	膀胱癌患者的H&E染色全切片图像	digital pathology	bladder cancer	RNA-seq, WSIs分析	Resnet50, SVM, RF, LR	病理图像	TCGA数据集（内部验证）+ 两个中国医院数据集（STPH和GD2H，外部验证）
2477	2025-05-10	stDyer enables spatial domain clustering with dynamic graph embedding 2025-Feb-20, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03503-y PMID:39980033	research paper	介绍了一种名为stDyer的端到端深度学习框架，用于空间转录组学数据中的空间域聚类	结合高斯混合变分自编码器与图注意力网络，通过动态图自适应地连接单元，改进了聚类效果并产生更平滑的域边界	未明确提及具体局限性	开发一种有效的方法来识别空间转录组学数据中的空间域	空间转录组学数据	生物信息学	NA	空间转录组学	高斯混合变分自编码器与图注意力网络	空间转录组学数据	未明确提及具体样本数量
2478	2025-05-10	AI-based approach to dissect the variability of mouse stem cell-derived embryo models 2025-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56908-5 PMID:39971935	研究论文	利用深度学习方法提高小鼠干细胞衍生胚胎模型的选择可重复性	首次将深度学习应用于干细胞衍生胚胎模型的分类，预测其发育轨迹	模型在初始细胞接种阶段的准确率相对较低（65%）	提高干细胞衍生胚胎模型研究的标准化程度	小鼠植入后干细胞衍生胚胎样结构（ETiX-embryos）	数字病理学	NA	活体成像、深度学习	深度学习模型	图像	900个小鼠ETiX-embryos
2479	2025-05-10	LSTM and ResNet18 for optimized ambulance routing and traffic signal control in emergency situations 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89651-4 PMID:39971977	研究论文	提出一种AI驱动的实时交通管理系统，旨在减少紧急医疗服务（EMS）的响应时间	结合了基于Raspberry Pi的交通信号优先、深度学习支持的视听救护车检测和先进的智能交通管理框架，通过多模态数据融合实现高精度救护车检测	未提及系统在实际复杂交通环境中的部署效果和长期稳定性	优化救护车路线和交通信号控制，减少紧急医疗服务的响应时间	城市交通网络和紧急医疗服务	机器学习和智能交通系统	NA	Mel Frequency Cepstral Coefficients (MFCCs) 和归纳迁移学习	LSTM 和 ResNet18	音频和视觉数据	未明确提及具体样本数量
2480	2025-05-10	A skin disease classification model based on multi scale combined efficient channel attention module 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90418-0 PMID:39972014	研究论文	提出一种基于多尺度通道注意力的皮肤疾病分类模型，用于提高皮肤疾病的诊断准确率	改进了金字塔分割注意力模块以全面提取图像的多尺度特征，并将注意力模块整合到反向残差结构中，以实现更好的多尺度特征提取	NA	提高皮肤疾病的分类准确率，降低误诊率	皮肤疾病图像	计算机视觉	皮肤疾病	深度学习	基于多尺度通道注意力的分类模型	图像	两个皮肤疾病数据集（ISIC2019和HAM10000）