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
2701	2025-05-08	Deep Learning and Single-Molecule Localization Microscopy Reveal Nanoscopic Dynamics of DNA Entanglement Loci 2025-02-18, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c15364 PMID:39903818	研究论文	该研究利用深度学习与单分子定位显微镜（SMLM）相结合的方法，揭示了DNA纠缠位点的纳米级动力学	首次将深度学习与SMLM结合，用于研究纳米尺度下DNA纠缠位点的动力学行为	研究基于Lambda DNA模型系统，可能无法完全反映真实生物系统中的复杂性	探究纳米尺度下分子动力学行为	DNA分子及其纠缠位点	生物物理学	NA	单分子定位显微镜（SMLM）	深度学习算法	图像数据	基于Lambda DNA模型系统的模拟数据
2702	2025-05-08	A deep learning-enabled smart garment for accurate and versatile monitoring of sleep conditions in daily life 2025-Feb-18, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2420498122 PMID:39932995	research paper	介绍了一种基于深度学习的智能服装，用于日常生活中准确且多功能地监测睡眠状况	开发了一种可水洗、与皮肤兼容的智能服装睡眠监测系统，无需定位或皮肤准备，即可在弱设备-皮肤耦合条件下捕获局部皮肤应变信号	未提及具体的技术或应用限制	提高睡眠质量并预防与睡眠相关的慢性病	睡眠状况监测	可穿戴技术	睡眠相关慢性病	深度学习、可解释AI和迁移学习数据处理	深度学习模型	皮肤应变信号	未提及具体样本量
2703	2025-05-08	Time-series attribution maps with regularized contrastive learning 2025-Feb-17, ArXiv PMID:40034132	研究论文	提出了一种具有可识别性保证的时间序列归因图生成方法，结合正则化对比学习算法和新的归因方法Inverted Neuron Gradient（统称为CEBRA）	首次提出了具有可识别性保证的时间序列归因图生成方法，并通过理论和实证验证了其优越性	未提及具体的数据集规模或实际应用场景的限制	提高深度学习模型决策解释的可识别性和准确性	时间序列数据和深度学习模型的归因图	机器学习	NA	正则化对比学习算法	CEBRA（结合Inverted Neuron Gradient）	时间序列数据	NA
2704	2025-05-08	Extended Technical and Clinical Validation of Deep Learning-Based Brainstem Segmentation for Application in Neurodegenerative Diseases 2025-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70141 PMID:39936343	研究论文	本研究优化并验证了基于深度学习的脑干分割方法，应用于神经退行性疾病的研究	优化了深度学习脑干分割方法，适用于多种病理和T1加权图像采集参数，并进行了系统和临床验证	研究样本量相对较小，且仅针对特定神经退行性疾病进行了验证	优化和验证深度学习脑干分割方法，以评估脑干体积作为神经退行性变的候选生物标志物	脑干结构和神经退行性疾病患者	数字病理	神经退行性疾病	T1加权图像采集	MD-GRU, nnU-Net	医学影像	257例训练数据，46例扫描重复性验证，20例跨扫描仪验证，16例多系统萎缩患者随访数据，23例多发性硬化患者
2705	2025-05-08	Deep Learning Radiomics for Survival Prediction in Non-Small-Cell Lung Cancer Patients from CT Images 2025-Feb-11, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02156-5 PMID:39930275	research paper	本研究旨在应用深度学习方法的多模态策略，通过基于CT的放射组学预测非小细胞肺癌（NSCLC）患者的生存期	结合传统放射组学、深度放射组学特征和临床参数，使用DeepSurv神经网络进行生存预测，相比Cox-PH模型有更高的预测效率	研究依赖于公开数据集，可能无法涵盖所有NSCLC患者的临床多样性	提高非小细胞肺癌患者生存预测的准确性	非小细胞肺癌患者	digital pathology	lung cancer	CT-based radiomics	3D CNN, DeepSurv neural network	CT images	420名患者用于训练（Lung 1数据集），516名患者用于测试（Lung 2数据集）
2706	2025-05-08	Deliod a lightweight detection model for intestinal organoids based on deep learning 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89409-y PMID:39934224	研究论文	本文提出了一种基于深度学习的轻量级肠道类器官检测模型Deliod，用于自动化识别类器官形态	Deliod模型基于YOLOv8设计，解决了现有技术中组织重叠和小目标导致的高错误率和有限适用性问题	NA	开发一种高效准确的肠道类器官形态识别方法	肠道类器官	计算机视觉	肠道疾病	深度学习	YOLOv8	图像	NA
2707	2025-05-08	MedFuseNet: fusing local and global deep feature representations with hybrid attention mechanisms for medical image segmentation 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89096-9 PMID:39934248	研究论文	提出了一种名为MedFuseNet的新型编码器-解码器架构，通过混合注意力机制融合局部和全局深度特征表示，用于医学图像分割	设计了混合注意力机制，结合四种不同的注意力模块，以融合和增强局部与全局特征	未提及具体局限性	提高医学图像分割的性能	医学图像	数字病理	NA	深度学习	CNN, Swin-Transformer	图像	公共ACDC和Synapse数据集
2708	2025-05-08	A promising AI based super resolution image reconstruction technique for early diagnosis of skin cancer 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89693-8 PMID:39934265	研究论文	提出了一种基于AI的超分辨率图像重建技术，用于皮肤癌的早期诊断	提出了一种名为MELIIGAN的新型生成对抗网络框架，用于加速中间皮肤病变的诊断，并设计了处理更大缩放因子和重建细粒度细节的堆叠残差块	未提及具体的数据集规模或多样性限制	开发一种非侵入性方法，通过超分辨率图像重建技术提高皮肤病变图像质量，以实现早期诊断	中间或可疑的皮肤病变	计算机视觉	皮肤癌	超分辨率图像重建	GAN（生成对抗网络）	图像	未提及具体样本数量
2709	2025-05-08	Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89646-1 PMID:39934290	研究论文	本文开发了一种结合深度学习和可解释人工智能的多视图图级表示学习框架，用于研究衰老的分子机制	提出了一个先进的MGRL框架，整合了先验生物网络信息，构建了细胞类型分辨率的分子衰老时钟，并通过XAI进行解释	未提及具体的样本限制或技术局限性	研究衰老的分子机制	单细胞转录组数据和DNA甲基化数据	机器学习	老年疾病	单细胞转录组测序、DNA甲基化测序	MGRL（多视图图级表示学习框架）	单细胞转录组数据、DNA甲基化数据	来自981名捐赠者的超过一百万免疫细胞
2710	2025-05-08	Artificial intelligence support improves diagnosis accuracy in anterior segment eye diseases 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89768-6 PMID:39934383	research paper	评估深度学习模型CorneAI在提高眼科医生诊断前段眼病准确性方面的效果	CorneAI模型能够显著提高眼科医生对前段眼病的诊断准确性，即使使用智能手机图像也能有效提升诊断效果	CorneAI模型仅针对特定的九种前段眼病进行了评估，且样本量相对较小	研究深度学习模型在眼科诊断中的辅助作用	40名眼科医生（20名专家和20名住院医师）和100张眼部图像	digital pathology	前段眼病	deep learning	CNN	image	100张图像（50张iPhone 13 Pro照片和50张散光裂隙灯照片）
2711	2025-05-08	Deep attention model for arrhythmia signal classification based on multi-objective crayfish optimization algorithmic variational mode decomposition 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89752-0 PMID:39934416	research paper	本文提出了一种基于多目标小龙虾优化算法变分模态分解的深度注意力模型，用于心律失常信号分类	结合心脏电生理学的数学模型，提出了一种新的多目标优化算法MOCOA-VMD用于ECG信号处理，并构建了深度注意力模型进行分类	模型仅在模拟数据和MIT-BIH数据库上进行了验证，需要更多真实临床数据的验证	开发一种新的心律失常信号分类方法以提高诊断准确性	心律失常ECG信号	machine learning	cardiovascular disease	variational mode decomposition (VMD), multi-objective crayfish optimization algorithm (MOCOA)	deep attention model	ECG信号	MIT-BIH心律失常数据库数据
2712	2025-05-08	Mammalian piRNA target prediction using a hierarchical attention model 2025-Feb-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06068-6 PMID:39934678	研究论文	本研究开发了一种基于深度学习的模型，用于预测哺乳动物piRNA的靶标	采用分层注意力模型和迁移学习方法来克服数据不足的问题，显著提高了piRNA靶标预测的准确性	模型依赖于现有piRNA靶向规则的理解，而这些规则在哺乳动物中尚不完善	阐明piRNA在哺乳动物中的靶向规则及其功能	小鼠和人类的piRNA	机器学习	NA	深度学习	分层注意力模型	RNA序列数据	piRNA数据库中所有可用的小鼠和人类piRNA
2713	2025-05-08	A hybrid machine learning framework for functional annotation of mitochondrial glutathione transport and metabolism proteins in cancers 2025-Feb-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06051-1 PMID:39934670	研究论文	开发了一种混合机器学习框架，用于癌症中线粒体谷胱甘肽转运和代谢蛋白的功能注释	利用癌症细胞系多组学数据和其他生物学知识数据作为特征，开发了一种灵活的混合机器学习框架，用于功能注释	现有基于蛋白质序列的机器学习或深度学习模型无法在生物背景下注释功能	研究癌症中线粒体谷胱甘肽（mGSH）转运和代谢的功能注释	线粒体谷胱甘肽转运和代谢蛋白	机器学习	癌症	多组学数据分析	混合机器学习框架	多组学数据	多个细胞系和原发性肿瘤样本
2714	2025-05-08	A novel method for assessing cycling movement status: an exploratory study integrating deep learning and signal processing technologies 2025-Feb-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02828-1 PMID:39934805	研究论文	本研究提出了一种基于深度学习的运动评估方法，结合了姿态估计算法（Keypoint RCNN）与信号处理技术，验证了其可靠性和有效性	整合了Keypoint RCNN算法与信号处理技术，用于评估骑行运动状态，并验证了其在家居或社区环境中个体化运动功能评估的潜力	样本量较小（仅20名大学生），且仅在静态自行车上进行测试，未涉及其他运动场景	开发一种可靠且有效的运动评估方法，用于个体化运动功能评估	骑行运动状态	计算机视觉	NA	信号处理技术、Keypoint RCNN算法	Keypoint RCNN	视频、传感器数据	20名大学生
2715	2025-05-08	Classifying and fact-checking health-related information about COVID-19 on Twitter/X using machine learning and deep learning models 2025-Feb-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02895-y PMID:39934858	研究论文	本研究旨在开发和比较机器学习及深度学习模型，以分类和验证Twitter/X上关于COVID-19的健康信息是否可靠	采用TextConvoNet模型在健康信息分类中表现出色，特别是在处理可信信息与错误信息的平衡问题上	研究可能受限于Twitter/X数据的代表性和标签过程的准确性	开发更强大的事实核查模型，以应对健康信息分享中的独特挑战	Twitter/X上关于COVID-19的健康相关信息	自然语言处理	COVID-19	机器学习/深度学习模型	TextConvoNet及其他6种模型	文本	通过关键词和标签收集的推文数据集，分为'可信信息'和'错误信息'两类
2716	2025-05-08	Human sleep position classification using a lightweight model and acceleration data 2025-Feb-10, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03247-w PMID:39928075	研究论文	本研究介绍了一种便携式可穿戴设备，使用单个加速度计监测十二种睡眠姿势，旨在帮助胃食管反流病（GERD）患者改善睡眠质量和反流症状	开发了AnpoNet轻量级深度学习模型，结合1D-CNN和LSTM，优化了BN和Dropout，用于睡眠姿势分类	研究样本量较小（15名参与者），未来需要更大规模的队列研究和更长的监测时间	开发一种便携式设备，用于家庭环境中非侵入性连续监测睡眠姿势，以改善GERD患者的睡眠质量和反流症状	15名参与者模拟的十二种睡眠姿势	机器学习	胃食管反流病（GERD）	加速度计数据采集	1D-CNN和LSTM结合的AnpoNet模型	加速度数据	15名参与者，每人模拟十二种睡眠姿势，每种姿势记录一分钟，采样频率50 Hz
2717	2025-05-08	Smart IoT-based snake trapping device for automated snake capture and identification 2025-Feb-10, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13722-2 PMID:39928180	research paper	介绍了一种基于物联网和人工智能的智能捕蛇设备，用于自动捕获和识别蛇类	结合IoT和AI技术，开发出非侵入式智能捕蛇设备，能实时分类蛇类并采取相应措施	识别准确率为91.3%，仍有提升空间	开发智能设备以减少蛇咬伤风险并研究蛇类生态	蛇类（毒蛇与非毒蛇）	物联网与人工智能应用	NA	深度学习、IoT技术	CNN	图像、传感器数据	使用蛇类图像训练模型
2718	2025-05-08	Identifying invasiveness to aid lung adenocarcinoma diagnosis using deep learning and pathomics 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87094-5 PMID:39929860	research paper	本研究探讨了结合深度学习和病理组学识别肺腺癌肿瘤侵袭性的可行性，并评估其在辅助初级和中级病理医师诊断中的潜在临床价值	首次将深度学习和病理组学结合用于肺腺癌肿瘤侵袭性的识别，并验证其对病理医师诊断准确性的提升效果	研究为回顾性分析，样本量相对有限（289例），且仅针对磨玻璃结节患者	提高肺腺癌亚型分类的临床实用性，辅助病理医师诊断	肺腺癌患者的肿瘤侵袭性	digital pathology	lung cancer	whole slide image (WSI) analysis	ResNet, Random Forest	image	289例手术切除的磨玻璃结节患者WSI数据
2719	2025-05-08	BO-CLAHE enhancing neonatal chest X-ray image quality for improved lesion classification 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88451-0 PMID:39929905	research paper	提出了一种名为BO-CLAHE的方法，通过贝叶斯优化自动选择最佳超参数，以提升新生儿胸部X光图像质量，从而改善病变分类效果	首次将贝叶斯优化应用于CLAHE超参数选择，实现了自动化优化过程，显著提升了图像增强效果	研究仅针对新生儿特定肺部疾病（如TTN）进行了验证，未涵盖其他可能疾病类型	提高新生儿（特别是早产儿和高危婴儿）胸部X光图像质量，以支持更准确的AI辅助诊断	早产和高危新生儿的胸部X光图像	digital pathology	lung disease	Bayesian Optimization, CLAHE	深度学习分类模型（未指定具体类型）	image	未明确提及具体样本数量
2720	2025-05-08	A robust deep learning framework for multiclass skin cancer classification 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89230-7 PMID:39930026	研究论文	提出了一种结合ConvNeXtV2块和可分离自注意力机制的混合深度学习模型，用于多类皮肤癌分类	创新性地结合ConvNeXtV2块和可分离自注意力机制，优化特征提取和分类性能	未提及具体局限性	提高皮肤癌早期和精确诊断的准确率	皮肤病变图像	计算机视觉	皮肤癌	深度学习	混合模型（ConvNeXtV2 + 可分离自注意力机制）	图像	ISIC 2019数据集中的八种皮肤病变类别