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	2025-08-03	Ensemble of deep learning and IoT technologies for improved safety in smart indoor activity monitoring for visually impaired individuals 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09716-2 PMID:40739295	研究论文	本文提出了一种结合深度学习和物联网技术的智能室内活动监测系统，旨在提高视障人士的安全性	开发了EDLES-SIAM技术，集成了ResNet50特征提取和由DNN、BiLSTM、SSAE组成的集成深度学习分类器，用于室内活动监测	未提及系统在复杂环境或不同视障程度个体中的适用性测试	通过智能监测技术提升视障人士的室内活动安全性和独立性	视障人士的室内活动监测与异常检测	计算机视觉	视力障碍	深度学习、物联网传感器技术	ResNet50、DNN、BiLSTM、SSAE	图像传感器数据	基于跌倒检测数据集的模拟分析（具体样本量未说明）
242	2025-08-03	Histopathological-based brain tumor grading using 2D-3D multi-modal CNN-transformer combined with stacking classifiers 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11754-9 PMID:40739310	研究论文	提出一种结合2D-3D多模态CNN-transformer和堆叠分类器的混合学习架构，用于基于组织病理学的脑肿瘤分级	结合2D-3D混合CNN和视觉Transformer（ViT）提取特征，并使用堆叠集成机器学习分类器提高泛化能力	未提及具体局限性	提高脑肿瘤分级的准确性和可靠性	脑肿瘤组织病理学图像	数字病理学	脑肿瘤	深度学习（DL）	CNN, Transformer, 堆叠分类器	图像	TCGA和DeepHisto两个公开数据集
243	2025-08-03	Deep learning molecular interaction motifs from receptor structures alone 2025-Jul-30, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01055-8 PMID:40739522	研究论文	本文提出了一种名为MotifGen的深度学习网络，能够直接从受体结构中预测潜在的结合基序，无需额外支持信息	MotifGen直接从受体结构预测结合基序，突破了传统方法依赖已知结合分子的限制，为新型靶标或结合位点的设计提供了新策略	NA	开发一种直接从受体结构预测结合基序的深度学习网络，以扩展结合分子设计的适用范围	蛋白质与其他分子的相互作用基序	机器学习	NA	深度学习	MotifGen	蛋白质结构数据	NA
244	2025-08-03	A deep learning model for predicting radiation-induced xerostomia in patients with head and neck cancer based on multi-channel fusion 2025-Jul-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01848-1 PMID:40739612	研究论文	开发了一种基于多通道融合的三维深度学习模型，用于预测头颈癌患者放疗后口干症	通过融合GTVp通道和PGs通道的数据，构建了XeroNet模型，其性能优于现有方法	研究样本量较小（180例），且为回顾性数据	预测头颈癌患者放疗后口干症的发生	头颈癌患者	数字病理	头颈癌	深度学习	XeroNet（包含GNet、PNet和Naive Bayes决策融合层）	CT图像、剂量分布和轮廓数据	180例头颈癌患者（137例训练集，43例测试集）
245	2025-08-03	GastroNet-5M: A Multicenter Dataset for Developing Foundation Models in Gastrointestinal Endoscopy 2025-Jul-30, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.07.030 PMID:40749857	研究论文	本研究介绍了GastroNet-5M数据集，包含约500万张内窥镜图像，用于开发内窥镜AI应用的基础模型	提出了一个大规模、多样化的内窥镜图像数据集GastroNet-5M，并利用自监督学习开发了一个基础模型，该模型在多种内窥镜AI应用中表现出色	数据主要来自荷兰的八家医院，可能无法完全代表全球范围内的内窥镜图像多样性	开发一个适用于内窥镜AI应用的基础模型，提高诊断准确性并减少对特定应用数据的依赖	内窥镜图像	数字病理	胃肠道疾病	自监督学习	基础模型	图像	4,820,653张内窥镜图像，来自约500,000个手术
246	2025-08-03	Deep Learning for the Diagnosis and Treatment of Thyroid Cancer: A Review 2025-Jul-30, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.020 PMID:40749944	review	本文系统回顾了深度学习在甲状腺癌诊断和治疗中的最新研究进展	重点介绍了CNN、LSTM和GAN等先进模型在甲状腺结节超声图像分析、病理图像自动分类和甲状腺外扩展评估等关键领域的突破性应用	分析了当前深度学习在甲状腺癌诊断和治疗中面临的技术瓶颈和临床挑战	促进甲状腺癌精准诊疗体系的进一步完善，最终实现更好的甲状腺癌患者诊疗效果	甲状腺癌的诊断和治疗	digital pathology	thyroid cancer	deep learning	CNN, LSTM, GAN	ultrasound images, pathological images	NA
247	2025-08-03	Toroidal Indentation for Measuring Cell and Tissue Mechanical Anisotropy 2025-Jul-30, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.07.064 PMID:40749995	研究论文	本研究开发了一种通用的压痕方法，用于估计从宏观组织到单细胞各向异性生物材料的弹性模量	使用环形压头探针和基于有限元建模的深度学习模型，首次提供了一种低成本、易获取的方法来测量各向异性生物材料的刚度	方法假设材料为线性不可压缩横向各向同性，可能不适用于所有生物材料	开发一种测量生物材料和细胞各向异性机械性能的新方法	各向异性肌肉组织、细胞单层和单细胞	生物力学	NA	环形压痕法、有限元建模、深度学习	深度学习模型	机械测试数据	NA
248	2025-08-03	Biochar-Augmented Anaerobic Digestion System: Insights from an Interpretable Stacking Ensemble Deep Learning 2025-Jul-29, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c05051 PMID:40676947	研究论文	本研究提出了一种通过可解释的堆叠集成深度学习模型优化生物炭增强厌氧消化系统的方法	结合卷积神经网络和长短期记忆网络的堆叠集成框架，有效捕捉厌氧消化过程中的复杂相互依赖关系，并提高甲烷产量预测的准确性	NA	优化生物炭增强厌氧消化系统，提高甲烷产量并保持过程稳定性	厌氧消化系统中的生物炭增强过程	机器学习	NA	深度学习	CNN, LSTM, 堆叠集成模型	实验数据（包括原料特性、操作条件、生物炭性质及稳定性指标）	NA
249	2025-08-03	Interpretable graph Kolmogorov-Arnold networks for multi-cancer classification and biomarker identification using multi-omics data 2025-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13337-0 PMID:40730661	研究论文	本文提出了一种名为MOGKAN的深度学习框架，用于整合多组学数据和蛋白质-蛋白质相互作用网络，以实现31种不同癌症类型的分类和生物标志物识别	MOGKAN框架基于Kolmogorov-Arnold定理原理，利用可训练的单变量函数增强模型的解释性和特征分析能力，同时结合了差异基因表达和多种回归方法降低数据维度	NA	开发一种能够整合多组学数据的计算模型，以提高癌症诊断的精确性	31种不同癌症类型的多组学数据（mRNA、micro-RNA序列、DNA甲基化样本）和蛋白质-蛋白质相互作用网络	数字病理学	多癌症分类	DESeq2、LIMMA、LASSO回归	MOGKAN（基于Kolmogorov-Arnold定理的深度学习框架）	多组学数据（mRNA、micro-RNA、DNA甲基化）和PPI网络	涉及31种不同癌症类型的样本
250	2025-08-03	The path to biotechnological singularity: Current breakthroughs and outlook 2025-Jul-29, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108667 PMID:40744238	综述	本文探讨了生物技术领域的最新突破及其未来展望，特别是在基因编辑、合成生物学、人工智能、再生医学和脑机接口等方面的进展	综述了生物技术领域多个前沿方向的突破性进展，并提出了生物技术奇点的概念及其对社会的影响	未涉及具体实验数据或案例研究，主要基于现有技术的理论分析	探讨生物技术领域的当前突破和未来发展方向，以及相关的伦理和社会问题	生物技术领域的多个前沿方向，包括基因编辑、合成生物学、人工智能、再生医学和脑机接口	生物技术	NA	CRISPR基因编辑、合成生物学、深度学习、干细胞研究、脑机接口	深度学习模型	NA	NA
251	2025-08-03	Multi-Faceted Consistency learning with active cross-labeling for barely-supervised 3D medical image segmentation 2025-Jul-29, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103744 PMID:40749274	研究论文	提出了一种多面一致性学习框架（MF-ConS）结合主动学习策略（DUS-AL），用于在标注极少的3D医学图像分割任务中提升模型性能	结合了交叉标注的弱监督学习策略与主动学习范式，通过三种互补的一致性正则化模块提升模型在稀疏标注下的性能	在标注极少的极端情况下性能仍有提升空间，且需要人工参与主动学习过程	解决3D医学图像在稀疏标注条件下的分割问题	3D医学图像	数字病理	NA	主动学习（AL），弱监督学习（BSL）	师生架构（teacher-student architecture）	3D医学图像	三个基准数据集
252	2025-08-03	Sequence-based virtual screening using transformers 2025-Jul-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61833-8 PMID:40721411	研究论文	本文介绍了一种基于transformer架构的深度学习方法Ligand-Transformer，用于预测蛋白质与小分子之间的结合亲和力	采用序列为基础的方法，结合目标蛋白的氨基酸序列和小分子的拓扑结构，预测复合物的构象空间	NA	预测蛋白质与小分子之间的结合亲和力，揭示分子机制并促进药物设计的初步步骤	蛋白质与小分子的相互作用	机器学习	NA	深度学习	transformer	序列数据	NA
253	2025-08-03	Predicting geriatric environmental safety perception assessment using LightGBM and SHAP framework 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12541-2 PMID:40721444	研究论文	本研究利用LightGBM和SHAP框架预测老年人对环境安全的感知评估，通过图像语义分割识别全景图像中的关键视觉元素	结合图像语义分割、LightGBM和SHAP工具分析老年人对口袋公园环境安全的感知，识别出影响安全感知的关键视觉元素及其交互作用	研究仅针对厦门岛的29个口袋公园，样本来源和数量有限	探索口袋公园环境如何影响老年人的安全感知，为公园规划提供指导	老年人对口袋公园环境的安全感知	计算机视觉	老年疾病	图像语义分割	LightGBM	图像	来自29个口袋公园的497张图像
254	2025-08-03	HAVIT: research on vision-language gesture interaction mechanism for smart furniture 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10758-9 PMID:40721440	研究论文	本研究提出了一种基于Vision Transformer和ALBEF的混合深度学习模型HAVIT，旨在提升数据稀缺条件下手势识别系统的性能	通过有机整合Vision Transformer的特征提取能力和ALBEF的语义理解机制，实现了手势特征的高效提取和准确识别	未提及模型在更复杂环境下的表现或对其他干扰因素的鲁棒性	提升智能家具手势识别技术的性能	智能家具的手势交互系统	计算机视觉	NA	深度学习	Vision Transformer和ALBEF的混合模型	手势图像数据	未明确提及具体样本数量，但包含完全标注数据集和20%标签缺失条件下的测试
255	2025-08-03	Creating interpretable deep learning models to identify species using environmental DNA sequences 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09846-7 PMID:40721613	研究论文	本文介绍了一种可解释的深度学习模型，用于通过环境DNA序列识别物种	提出了一种基于ProtoPNet框架的可解释原型CNN模型，能够可视化每个物种最具区分性的碱基序列，并引入了一种新的跳跃连接以提高模型的可解释性	未明确提及具体的数据集规模限制或模型泛化能力限制	开发可解释的深度学习模型以提高物种识别效率和准确性	环境DNA(eDNA)序列	机器学习	NA	环境DNA测序	CNN, ProtoPNet	DNA序列数据	未明确提及具体样本数量
256	2025-08-03	An efficient deep learning approach with frequency and channel optimization for underwater acoustic target recognition 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12452-2 PMID:40717158	研究论文	提出了一种针对水下声学目标识别的高效深度学习方法FCResNet5，通过频率和通道优化提高识别性能	提出FCResNet5网络，专注于关键频段并应用频率通道化增强频谱表示，同时保持计算效率	未明确提及方法在其他类型水下信号或更复杂环境中的适用性	解决船舶辐射噪声识别中的环境噪声和宽频范围信号处理问题	船舶辐射噪声(SRN)	机器学习	NA	深度学习	FCResNet5(基于CNN的优化架构)	声学信号	未明确说明具体样本数量
257	2025-08-03	Harnessing deep learning to optimize induction chemotherapy choices in nasopharyngeal carcinoma 2025-Jul-28, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111047 PMID:40738344	研究论文	本研究利用深度学习优化局部晚期鼻咽癌诱导化疗方案的选择	首次开发基于放射组学和图卷积网络的深度学习模型，用于预测局部晚期鼻咽癌患者对诱导化疗的响应	研究样本来自两个中心，可能存在选择偏倚	开发预测局部晚期鼻咽癌患者对诱导化疗响应的工具	局部晚期鼻咽癌患者	数字病理	鼻咽癌	MRI放射组学分析	GCN	MRI影像和临床参数	1438例患者（训练集969例，内部验证集243例，测试集226例）
258	2025-08-03	Affinity prediction of inhibitor-kinase based on mixture of experts enhanced by multimodal feature semantic analysis 2025-Jul-28, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.146324 PMID:40738444	研究论文	提出了一种基于混合专家系统（MoE）和多模态特征语义分析的抑制剂-激酶亲和力预测模型Mokin，用于提高药物发现中的预测准确性	首次利用MoE系统作为药物分子特征提取的桥梁，并整合蛋白质和蛋白质-蛋白质相互作用（PPI）网络特征以丰富语义表示，创新性地设计了全局记忆门控块路由器以捕获历史全局特征和探索当前状态的潜在内容	NA	提高抑制剂-激酶结合亲和力的预测准确性，以支持药物发现	EGFR家族激酶及其抑制剂	机器学习	癌症	多模态特征语义分析	混合专家系统（MoE）	生物分子数据（药物分子、蛋白质、PPI网络）	NA
259	2025-08-03	PreAIS: Prediction of A-to-I editing sites based on DNN-CNN deep learning models 2025-Jul-28, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108612 PMID:40749520	研究论文	提出了一种基于DNN-CNN深度学习模型的PreAIS方法，用于预测A-to-I RNA编辑位点	结合K-mer算法进行特征提取，并采用DNN-CNN模型构建，显著提高了预测准确性和泛化能力	模型在不同数据集上的泛化能力仍需进一步验证	开发一种高准确性和泛化能力的A-to-I RNA编辑位点预测方法	A-to-I RNA编辑位点	生物信息学	NA	K-mer算法、DNN-CNN模型、10折交叉验证	DNN-CNN	RNA序列数据	Dataset 1和Dataset 2，具体样本数量未明确说明
260	2025-08-03	Deep learning-based morphological assessment of myelodysplastic syndrome on bone marrow smears 2025-Jul-28, Leukemia research IF:2.1Q3 DOI:10.1016/j.leukres.2025.107923 PMID:40749584	研究论文	本文提出了一种基于深度学习的骨髓涂片形态学评估方法，用于识别与细胞遗传学定义的骨髓增生异常综合征（cMDS）相关的形态学异常	开发了一种分析红细胞（RBCs）分割二值掩模的模型，结合传统的基于彩色图像的分类模型，揭示了红细胞形态与cMDS之间的强关联，提出红细胞形态作为MDS的新型生物标志物	研究依赖于骨髓涂片的全切片图像（WSIs），可能受限于图像质量和样本数量	提高骨髓增生异常综合征（MDS）的诊断精确性和客观性	骨髓涂片中的红细胞（RBCs）形态	数字病理学	骨髓增生异常综合征	深度学习	CNN	图像	NA