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
241	2025-06-07	Epistasis regulates genetic control of cardiac hypertrophy 2025-Jun-05, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00656-8 PMID:40473955	研究论文	本研究开发了一种低信号符号迭代随机森林方法，用于揭示心脏肥大的复杂遗传结构，并鉴定了与CCDC141、IGF1R、TTN和TNKS相关的上位性变异	使用深度学习和新型微流体单细胞形态分析技术，揭示了心脏肥大中基因的非加性相互作用	研究样本主要来自UK Biobank，可能限制了结果的普遍性	探索心脏肥大的遗传调控机制，特别是上位性相互作用的作用	人类心脏组织、诱导多能干细胞衍生的心肌细胞	遗传学	心血管疾病	深度学习、微流体单细胞形态分析、RNA沉默	随机森林	心脏磁共振图像、转录组数据	29,661个UK Biobank心脏磁共振图像，313个人类心脏样本
242	2025-06-07	A Multi-Task Deep Learning Approach for Simultaneous Sleep Staging and Apnea Detection for Elderly People 2025-Jun-05, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00721-7 PMID:40474036	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
243	2025-06-07	Stretchable, Multiplexed, and Bimodal Sensing Electronic Armor for Colonoscopic Continuum Robot Enhanced by Triboelectric Artificial Synapse 2025-Jun-05, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202502203 PMID:40474423	research paper	该研究提出了一种可拉伸的电子装甲（E-armor），用于结肠镜连续体机器人，通过仿生人工突触机制实现多路触觉和应变传感	采用3D交联结构实现300毫米全覆盖，结合双层共电极策略减少布线，并创新性地使用可拉伸摩擦电互连薄膜（TIFs）形成摩擦电人工突触	NA	增强结肠镜连续体机器人的传感能力，避免组织损伤	结肠镜连续体机器人	机器人技术	结肠疾病	摩擦电编码智能	CNN-LSTM	触觉和应变信号	48个触觉传感点和12个应变传感边缘
244	2025-06-07	Integrating computational pathology and multi-transcriptomics to characterize lung adenocarcinoma heterogeneity and prognostic modeling 2025-Jun-05, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002639 PMID:40474806	研究论文	该研究通过整合计算病理学和多转录组学技术，对肺腺癌的异质性进行表征并构建预后模型	首次结合计算病理学特征与单细胞多组学数据解析肺腺癌异质性，并建立基于机器学习的预后预测模型	主要基于回顾性生物信息学分析，缺乏前瞻性队列和实验验证	揭示肺腺癌病理组织学特征与基因组不稳定性之间的关系，开发预后预测工具	TCGA-LUAD数据集中的全切片图像（WSIs）和单细胞转录组数据	数字病理	肺癌	单细胞转录组测序（scRNA-seq）、加权基因共表达网络分析（hdWGCNA）、细胞间通讯分析（CellChat）	ResNet-50、Monocle2、机器学习基准框架	全切片病理图像、单细胞转录组数据	TCGA-LUAD数据集（具体样本量未明确说明）
245	2025-06-07	Association between street greenery and physical activity among Chinese older adults in Beijing, China 2025-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03050-3 PMID:40461572	research paper	本研究探讨了街道绿化与中国老年人特定领域身体活动（PA）之间的关联	首次使用百度街景图像和深度学习技术客观评估街道绿化暴露及其与中国老年人不同类型PA的关系	未发现街道绿化与休闲PA或家务PA之间的显著关联	研究街道绿化对中国老年人身体活动的影响	居住在北京市的1326名60岁及以上老年人	machine learning	geriatric disease	deep learning	NA	image	1326名老年人
246	2025-06-07	Artificial intelligence in prenatal diagnosis: Down syndrome risk assessment with the power of gradient boosting-based machine learning algorithms 2025-Jun-04, Turkish journal of obstetrics and gynecology IF:1.0Q4 DOI:10.4274/tjod.galenos.2025.83278 PMID:40462403	研究论文	本研究利用梯度提升机器学习算法评估唐氏综合征的产前诊断风险	比较了多种机器学习模型在唐氏综合征风险预测中的表现，发现CatBoost模型准确率最高	样本量有限，未来需要在更大数据集上验证模型的泛化能力	提高产前筛查中唐氏综合征风险评估的准确性	853名孕妇的生化与生物物理学数据	机器学习	唐氏综合征	梯度提升算法（CatBoost, XGBoost, LightGBM）	CatBoost, XGBoost, LightGBM	生化与生物物理学数据	853名孕妇的筛查数据
247	2025-06-07	UltraBones100k: A reliable automated labeling method and large-scale dataset for ultrasound-based bone surface extraction 2025-Jun-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110435 PMID:40472504	研究论文	提出了一种自动标记方法和大规模数据集UltraBones100k，用于超声骨表面分割	通过精确叠加跟踪的骨CT模型到超声图像上生成自动标记，改进了低信号区域的标记完整性	研究基于离体样本，可能无法完全反映体内超声图像的复杂性	推进超声骨分割技术并建立有效的模型基准	人体下肢骨（腓骨、胫骨和足骨）	数字病理	骨科疾病	超声成像和CT扫描	神经网络	超声图像	100k离体人体下肢超声图像
248	2025-06-07	Vascular segmentation of functional ultrasound images using deep learning 2025-Jun-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110377 PMID:40472502	research paper	该论文介绍了一种基于深度学习的fUS图像分割方法，用于区分基于垂直血流方向的信号，并实现动态CBV量化	首次将深度学习应用于fUS图像分割，能够基于血流方向区分动脉和静脉信号，并实现动态CBV量化	该方法无法达到ULM的完全粒度水平	开发一种非侵入性、经济高效的fUS图像分割方法，用于血流方向推断	大鼠大脑的fUS图像	digital pathology	NA	functional ultrasound (fUS), ultrasound localization microscopy (ULM)	UNet	image	100 temporal frames from a fUS stack
249	2025-06-07	Accelerating promoter identification and design by deep learning 2025-Jun-04, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.05.008 PMID:40473557	review	本文综述了深度学习在启动子识别、强度预测和从头设计中的应用	利用深度学习技术，特别是生成模型，革新了启动子工程领域	讨论了数据库质量、特征提取和模型架构对预测准确性的影响，以及开发稳健模型面临的挑战	探讨深度学习在启动子工程中的应用及其对基因转录控制的改进	启动子DNA序列	machine learning	NA	deep learning	generative models	DNA序列	NA
250	2025-06-07	Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias 2025-Jun-03, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awae388 PMID:39657969	研究论文	本文介绍了一种基于神经病理学的多标签深度学习框架，用于识别和量化阿尔茨海默病、血管性痴呆和路易体痴呆的生物标志物	提出了创新的DeepSPARE指数，能够可视化疾病模式并量化特定病理相关的脑部改变	模型在路易体痴呆上的识别准确率相对较低(0.623)	开发深度学习方法来识别不同痴呆类型的神经影像特征	阿尔茨海默病、血管性痴呆和路易体痴呆患者	数字病理学	老年疾病	T1加权MRI扫描	深度学习模型	MRI影像数据	423名痴呆患者和361名对照参与者
251	2025-06-07	Measurement of spatial heterogeneity in street restorative perceptions and street refinement design 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02841-y PMID:40461492	research paper	本研究整合街景数据、深度学习算法、MGWR模型和空间句法，分析街道恢复感知的空间异质性并优化街道设计策略	通过比较多种回归模型确定最有效模型，展示不同视觉元素的空间异质性，并基于恢复感知和可达性耦合评估确定急需修复的街道	研究仅针对上海黄浦区，可能无法完全代表其他城市或地区的街道恢复感知情况	分析街道恢复感知的空间异质性并优化街道设计策略	上海黄浦区街道的恢复感知	urban planning	NA	deep learning, MGWR model, space syntax	random forest (RF), multiple regression models, MGWR model	street view data	上海黄浦区的街道数据
252	2025-06-07	FPA-based weighted average ensemble of deep learning models for classification of lung cancer using CT scan images 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02015-w PMID:40461493	研究论文	提出了一种基于花授粉算法(FPA)的加权集成深度学习模型，用于CT扫描图像的肺癌分类	与传统静态或等权重集成方法不同，FPA根据验证性能自适应优化每个CNN的贡献，显著提高了诊断准确性	NA	提高肺癌早期诊断的准确性和可靠性	肺癌(特别是腺癌)的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN (VGG16, ResNet101V2, InceptionV3)的集成模型	图像	NA
253	2025-06-07	Co-occurrence feature learning for visual recognition of immature leukocytes 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01791-9 PMID:40461529	research paper	该研究提出了一种名为密集连接共现网络（DCONN）的方法，用于提高未成熟白细胞视觉识别的分类准确性	结合密集连接卷积层和共现层，使用较少的可训练参数，提高了分类准确性，且对训练硬件要求较低	方法尚未扩展到其他病理图像分析，且样本规模可能有限	提高白血病诊断中未成熟白细胞的计算机辅助分类准确性	未成熟中性粒细胞（包括原始粒细胞、早幼粒细胞、中幼粒细胞、晚幼粒细胞和带状细胞）	digital pathology	leukemia	Yolact用于白细胞检测，RGB到LAB颜色空间转换	DCONN（密集连接共现网络）	image	NA
254	2025-06-07	Use of deep learning-based NLP models for full-text data elements extraction for systematic literature review tasks 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03979-5 PMID:40461545	研究论文	本研究探讨了应用自然语言处理（NLP）方法从科学文献中自动提取数据元素的可行性	比较了三种经典的命名实体识别（NER）算法在数据元素提取任务上的性能，并公开了标注语料库以供进一步研究	BERT模型在三个任务中未观察到性能提升，可能与任务特性或数据规模有关	评估NLP方法在系统文献综述（SLR）数据元素自动提取中的应用效果	239篇全文文章，标注了12个重要变量	自然语言处理	人乳头瘤病毒（HPV）感染、肺炎球菌流行病学、肺炎球菌经济负担	自然语言处理（NLP）	CRF, LSTM, BERT	文本	239篇全文文章，包含4,498、579和252个标注实体提及
255	2025-06-07	Enhanced residual attention-based subject-specific network (ErAS-Net): facial expression-based pain classification with multiple attention mechanisms 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04552-w PMID:40461564	research paper	提出了一种基于增强残差注意力机制的主题特定网络（ErAS-Net），用于通过面部表情进行疼痛分类	采用多种注意力机制和迁移学习，模仿人类对面部表情的感知，增强疼痛识别能力并捕捉个体独特的表情特征	未提及具体局限性	解决面部表情自动疼痛检测中的个体差异问题	面部表情数据	computer vision	NA	深度学习	ErAS-Net（基于残差注意力机制的CNN）	图像（面部表情）	UNBC-McMaster Shoulder Pain数据集和BioVid Heat Pain Database数据集
256	2025-06-07	Energy consumption analysis and prediction in exercise training based on accelerometer sensors and deep learning 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04380-y PMID:40461566	研究论文	本研究基于加速度传感器数据和深度学习技术，提出了一种优化的能量消耗预测模型，以提高运动训练中能量消耗预测的准确性和效率	结合CNN、Bi-LSTM网络和注意力机制的模型架构，优化了局部特征提取、时间建模和动态权重分配能力，并提出了多维特征分析框架	未提及具体的数据采集环境限制或模型在不同运动类型中的泛化能力	提高运动训练中能量消耗预测的准确性和效率，支持智能运动监测、健康管理和个性化训练计划开发	运动训练中的能量消耗	机器学习	NA	深度学习	CNN, Bi-LSTM, 注意力机制	加速度传感器数据	NA
257	2025-06-07	Multimodal deep learning for chemical toxicity prediction and management 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95720-5 PMID:40461585	研究论文	本文提出了一种多模态深度学习方法，用于化学毒性的预测和管理	引入了结合化学属性数据和分子结构图像的综合研究数据集，并提出了集成Vision Transformer (ViT)和多层感知机(MLP)的深度学习模型，通过联合融合机制显著提高了预测性能	由于安全约束和化学数据的结构复杂性，综合数据集的开发仍然有限	提高化学毒性的多标签预测精度	化学毒性的预测和管理	机器学习	NA	深度学习	Vision Transformer (ViT), Multilayer Perceptron (MLP)	图像, 数值数据	NA
258	2025-06-07	Data-intelligence driven methods for durability, damage diagnosis and performance prediction of concrete structures 2025-Jun-03, Communications engineering DOI:10.1038/s44172-025-00431-4 PMID:40461590	综述	本文全面回顾了机器学习和深度学习在钢筋混凝土结构耐久性、损伤诊断和性能预测中的应用	利用人工智能技术（如深度学习和机器学习）为钢筋混凝土结构的损伤检测和材料性能预测提供了创新方法	传统方法效率低且准确性不足，而基于降解机制的偏微分方程模型计算量大且难以求解	提高钢筋混凝土结构损伤检测的效率和材料性能预测的准确性	钢筋混凝土结构	机器学习	NA	深度学习和机器学习	NA	NA	NA
259	2025-06-07	A novel EEG artifact removal algorithm based on an advanced attention mechanism 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98653-1 PMID:40461599	研究论文	提出了一种基于改进注意力机制的EEG伪迹去除算法CLEnet，结合双尺度CNN和LSTM，有效分离EEG信号与伪迹	整合双尺度CNN和LSTM，并引入改进的EMA-1D注意力机制，提升对未知伪迹的去除能力及多通道EEG数据的适应性	未明确说明算法在实时处理或计算效率方面的表现	解决EEG信号处理中的伪迹去除问题，提升信号质量	多通道EEG数据中的伪迹	脑机接口	脑部疾病	深度学习	CNN, LSTM, EMA-1D	EEG信号	三个数据集（未明确样本数量）
260	2025-06-07	Deep learning-based electrical impedance spectroscopy analysis for malignant and potentially malignant oral disorder detection 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05116-8 PMID:40461631	研究论文	本研究首次将电阻抗光谱(EIS)与深度学习结合，用于口腔潜在恶性病变(OPMDs)和口腔癌的检测与分类	首次应用EIS结合CNN模型进行口腔病变的非侵入性诊断	样本量较小(51名健康人和11名患者)，需进一步扩大验证	开发一种非侵入性的口腔病变辅助诊断技术	口腔潜在恶性病变(OPMDs)和口腔癌	数字病理学	口腔癌	电阻抗光谱(EIS)	CNN	光谱数据	51名健康人和11名患者