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
2761	2025-05-14	Exploration of Novel Antimicrobial Agents against Foodborne Pathogens via a Deep Learning Approach 2025-Mar-26, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c00267 PMID:40080724	研究论文	本研究利用深度学习方法探索新型抗菌剂以对抗食源性病原体	采用深度学习模型筛选具有抗菌活性和非致癌性的天然产物，并实验验证了两种化合物的抗菌效果	仅验证了两种化合物的抗菌活性，未对其他筛选出的化合物进行实验验证	寻找可应用于食品工业的新型抗菌剂	食源性病原体	机器学习	食源性疾病	深度学习	NA	化合物数据	从COCONUT数据库中筛选出130种化合物，实验验证了2种化合物
2762	2025-05-14	Thermal Adaptation of Cytosolic Malate Dehydrogenase Revealed by Deep Learning and Coevolutionary Analysis 2025-Mar-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01774 PMID:40079215	研究论文	本研究通过深度学习和共进化分析揭示了胞质苹果酸脱氢酶（cMDH）的热适应机制	结合共进化模型与变分自编码器（VAE）生成cMDH序列空间的潜在生成景观（LGL），并通过AlphaFold结构预测和分子动力学模拟阐明热稳定性的分子基础	研究主要聚焦于cMDH，可能不适用于其他酶的热适应机制研究	探究序列变异和构象动力学如何共同影响cMDH的热适应机制	胞质苹果酸脱氢酶（cMDH）及其在不同温度环境下的变体	生物信息学	NA	深度学习、共进化分析、AlphaFold结构预测、分子动力学模拟	变分自编码器（VAE）	蛋白质序列与结构数据	NA
2763	2025-05-14	How much data is enough? Optimization of data collection for artifact detection in EEG recordings 2025-Mar-21, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adbebe PMID:40064096	research paper	该研究提出了一种基于深度学习的优化程序，用于设计面向数据的脑电图（EEG）数据收集，以减少肌电图（EMG）伪影检测所需的数据量	提出了一种系统化和动态量化的方法，通过减少EMG伪影任务的数量和重复次数，优化数据收集过程	研究主要关注EMG伪影，可能不适用于其他类型的EEG伪影	优化EEG数据收集过程，减少数据收集成本并保持伪影清理效率	EEG记录中的EMG伪影	machine learning	NA	deep learning	neural architectures	EEG recordings	减少了EMG伪影任务从12个到3个，等长收缩任务的重复次数从10次减少到3次或1次
2764	2025-05-14	Weight Differences-Based Multi-level Signal Profiling for Homogeneous and Ultrasensitive Intelligent Bioassays 2025-03-18, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c01436 PMID:40059671	研究论文	提出了一种基于重量分析的同质化智能分析策略Mata，用于实现超高灵敏度的生物检测	利用纳米磁标记和多级信号分类器结合深度学习模型，实现了高灵敏度且操作简便的免疫信号检测	未提及具体样本类型或多样性，可能影响方法的普适性	开发高灵敏度且操作简便的免疫分析方法	白细胞介素-6（IL-6）等免疫信号分子	生物检测技术	NA	纳米磁标记、多级信号分类、深度学习	深度学习模型	光学成像数据	未明确说明具体样本数量
2765	2025-05-14	Harnessing Electronic Health Records and Artificial Intelligence for Enhanced Cardiovascular Risk Prediction: A Comprehensive Review 2025-Mar-18, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.124.036946 PMID:40079336	综述	本文综述了电子健康记录（EHR）和人工智能（AI）在心血管疾病（CVD）风险预测中的应用与挑战	整合EHR数据与AI技术，提升CVD风险预测的准确性和动态管理能力	数据质量、标准化问题、地理差异以及AI模型的解释性和验证需求	探讨EHR和AI在CVD风险预测中的进展与挑战	心血管疾病（CVD）风险预测模型	医疗人工智能	心血管疾病	AI深度学习	深度学习模型	电子健康记录（EHR）数据	NA
2766	2025-05-14	Genetically supported targets and drug repurposing for brain aging: A systematic study in the UK Biobank 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr3757 PMID:40073132	research paper	本研究通过深度学习模型估计基于MRI的脑年龄，利用UK Biobank数据训练并在三个外部数据集验证，探索脑年龄差距（BAG）的遗传基础及潜在药物靶点	发现了两个未报告的BAG相关基因位点，整合孟德尔随机化和共定位分析优先确定了七个遗传支持的药物靶点基因，并重新发现了13种潜在药物	研究依赖于UK Biobank数据，可能受限于样本的特定人群特征，且外部验证数据集数量有限	探索脑年龄差距的遗传基础，识别潜在的药物靶点以促进脑衰老相关药物开发	UK Biobank参与者的MRI数据和遗传数据	machine learning	geriatric disease	MRI, deep learning, genome-wide association study (GWAS), Mendelian Randomization (MR), colocalization analysis	deep learning	image, genetic	UK Biobank参与者及三个外部数据集
2767	2025-05-14	A stochastic structural similarity guided approach for multi-modal medical image fusion 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93662-6 PMID:40082698	research paper	提出了一种基于随机结构相似性引导的无监督多模态医学图像融合方法S3IMFusion，结合CNN和Transformer模块有效提取图像互补信息	引入随机排序索引混合和重排像素特征，设计能够交互全局上下文信息的损失函数，确保融合结果保留源图像的全局相关互补特征	未明确说明方法在计算复杂度或实时性方面的表现	解决现有深度学习方法主要关注局部统计特征而难以捕捉长程依赖关系的问题，提升多模态医学图像融合性能	多模态医学图像（延伸至红外与可见光图像）	computer vision	NA	深度学习	CNN, Transformer	医学图像	Harvard数据集（未明确样本数量）
2768	2025-05-14	Exploring the repository of de novo-designed bifunctional antimicrobial peptides through deep learning 2025-Mar-13, eLife IF:6.4Q1 DOI:10.7554/eLife.97330 PMID:40079572	research paper	该研究通过深度学习探索了从头设计的双功能抗菌肽库，发现并验证了16种具有抗菌和抗病毒活性的肽	建立了一个结合深度生成模块和图编码活性回归器的从头设计抗菌肽框架，能够同时编码抗菌和抗病毒活性	未明确提及研究的局限性	探索和设计具有抗菌和抗病毒活性的双功能抗菌肽，以对抗广泛的耐药性感染	抗菌肽（AMPs）	机器学习	耐药性感染	深度学习	深度生成模块和图编码活性回归器	肽序列数据	16种双功能抗菌肽
2769	2025-05-14	Multi-dimensional interpretable deep learning-radiomics based on intra-tumoral and spatial habitat for preoperative prediction of thymic epithelial tumours risk categorisation 2025-Mar-13, Acta oncologica (Stockholm, Sweden) DOI:10.2340/1651-226X.2025.42982 PMID:40079653	研究论文	本研究旨在开发和比较基于增强CT的放射组学、多维深度学习、临床常规成像和空间栖息地分析的组合模型，以实现胸腺瘤风险分类的准确预测	结合全肿瘤放射组学、2D和3D深度学习、临床视觉放射学及亚区域组学，开发了RDLCSM模型，用于非侵入性预测胸腺瘤风险分类	研究样本来自三个医疗中心，可能存在选择偏差	实现胸腺瘤风险分类的准确预测	205例经手术病理证实的胸腺瘤患者	数字病理	胸腺瘤	增强CT成像、K-means聚类方法	LightGBM、KNN、2D和3D深度学习模型	CT图像、临床常规成像数据	205例患者
2770	2025-05-14	Enhancing yeast cell tracking with a time-symmetric deep learning approach 2025-Mar-13, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00466-x PMID:40082471	research paper	提出了一种基于深度学习的酵母细胞追踪方法，该方法利用时空邻域信息而非连续帧进行追踪	开发了一种不依赖连续帧的深度学习追踪方法，能够学习细胞运动模式且无需先验假设，并能处理大量存在严重伪影的视频帧	NA	提高活细胞视频显微记录的追踪准确性	酵母细胞	computer vision	NA	深度学习	深度学习框架	视频	芽殖酵母记录和模拟样本
2771	2025-05-14	Multi-domain Urdu fake news detection using pre-trained ensemble model 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91054-4 PMID:40082485	research paper	该研究提出了一种基于预训练集成模型的多领域乌尔都语假新闻检测方法	采用堆叠集成学习方法结合ELECTRA、mBERT和XLM-RoBERTa三种预训练模型，通过微调和超参数优化提升乌尔都语假新闻检测性能	研究仅针对乌尔都语这一资源受限语言，且依赖于公开可用的有限数据集	解决资源受限语言（乌尔都语）的假新闻自动检测问题	乌尔都语在线新闻内容	natural language processing	NA	NLP	ELECTRA, mBERT, XLM-RoBERTa的集成模型	text	公开可用的乌尔都语数据集（未说明具体数量）
2772	2025-05-14	Attention-enhanced and integrated deep learning approach for fishing vessel classification based on multiple features 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88158-2 PMID:40082493	研究论文	提出了一种基于多特征的注意力增强和集成深度学习方法，用于渔船分类	创新性地结合了二维双向LSTM和带有注意力机制的CNN，构建了一个集成模型，显著提高了渔船分类的准确率	NA	提高基于AIS数据的渔船分类精度，以支持有效的渔业管理	五种类型的渔船（刺网渔船、钩线渔船、拖网渔船、鱼类运输船和刺网渔船）	机器学习	NA	自动识别系统（AIS）数据	二维双向LSTM和带有注意力机制的CNN的集成模型	AIS数据	NA
2773	2025-05-14	Deep learning based agricultural pest monitoring and classification 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92659-5 PMID:40082501	research paper	该论文提出了一种基于深度学习的创新方法，用于智能农业中的害虫监测和分类	利用自动编码器解决数据不平衡问题，结合RGB色彩编码和对象检测技术定位和分割害虫，使用CNN进行分类	NA	开发一种先进的害虫分类技术，以提高智能农业中的害虫监测效率	82类害虫	computer vision	NA	object detection, image augmentation	Autoencoder, CNN	image	IP102数据集中的82类害虫图像
2774	2025-05-14	Liver margin segmentation in abdominal CT images using U-Net and Detectron2: annotated dataset for deep learning models 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92423-9 PMID:40082561	research paper	该研究利用U-Net和Detectron2两种深度学习模型对腹部CT图像中的肝脏边缘进行分割，并提供了一个包含4200多张图像的标注数据集	研究不仅比较了U-Net和Detectron2在肝脏分割任务中的表现，还公开了一个由专家标注的大规模数据集，为后续研究提供了资源	研究可能未涵盖所有肝脏解剖变异情况，且模型性能在极端复杂病例中可能仍有提升空间	提高医学影像中肝脏边缘分割的准确性，为肝脏疾病的自动化诊断系统开发提供支持	腹部CT图像中的肝脏边缘	digital pathology	liver disease	CT imaging	U-Net, Detectron2	image	4200多张腹部CT图像
2775	2025-05-14	A robust deep learning approach for segmenting cortical and trabecular bone from 3D high resolution µCT scans of mouse bone 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92954-1 PMID:40082604	research paper	本文提出了一种名为DBAHNet的深度学习架构，用于自动分割小鼠胫骨3D高分辨率µCT扫描中的皮质骨和小梁骨	DBAHNet结合了transformer和卷积神经网络，以捕捉长距离依赖和局部特征，提高了上下文表示能力	训练数据集有限，仅基于小鼠胫骨的3D µCT扫描	提高高分辨率µCT小鼠胫骨扫描的自动分割准确性和效率	小鼠胫骨的皮质骨和小梁骨	digital pathology	NA	µCT扫描	DBAHNet（结合transformer和CNN的混合网络）	3D图像	来自七项不同研究的小鼠胫骨3D µCT扫描数据集
2776	2025-05-14	Artificial intelligence based classification and prediction of medical imaging using a novel framework of inverted and self-attention deep neural network architecture 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93718-7 PMID:40082642	research paper	提出了一种基于人工智能的新型深度学习框架，用于分类多种医学影像模态	引入了两种新颖的自定义深度学习架构（IRCNN和SACNN），并采用改进的串行融合方法和优化算法SScSEM进行特征选择和分类	未提及样本量的具体限制或数据集的潜在偏差	提高医学影像分类的准确性和效率	多种医学影像模态（如乳腺X线摄影、内窥镜图像、皮肤镜图像、肺癌和口腔癌影像）	computer vision	lung cancer, oral cancer	deep learning, data augmentation, feature fusion	IRCNN, SACNN, SWNN	image	五个公开数据集（INBreast、KVASIR、ISIC2018、肺癌和口腔癌数据集）
2777	2025-05-14	Development and evaluation of a deep learning framework for pelvic and sacral tumor segmentation from multi-sequence MRI: a retrospective study 2025-Mar-13, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00850-8 PMID:40082955	research paper	开发并评估了一种用于从多序列MRI中分割盆腔和骶骨肿瘤的深度学习框架	提出了一种结合2.5D U-net和MobileNetV2的深度学习框架，并采用快速标注策略，减少了数据标注的依赖性	研究为回顾性研究，可能存在选择偏倚	开发高效的盆腔和骶骨肿瘤分割方法，以支持治疗和手术规划	盆腔和骶骨肿瘤（PSTs）	digital pathology	pelvic and sacral tumors	multi-sequence MRI (T1-w, T2-w, DWI, CET1-w)	2.5D U-net, MobileNetV2	MRI images	616名病理确诊的盆腔和骶骨肿瘤患者
2778	2025-05-14	Deep learning based automatic quantification of aortic valve calcification on contrast enhanced coronary CT angiography 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93744-5 PMID:40069321	研究论文	本研究评估了基于深度学习的自动量化主动脉瓣钙化在对比增强冠状动脉CT血管造影中的可行性，并与手动钙化评分进行了比较	开发了一种结合DeepLab v3+和XGBoost模型的自动化方法，用于在增强CT上高精度量化主动脉瓣钙化，减少了对非对比CT的依赖	研究为回顾性分析，样本量相对有限（n=177）	评估自动量化主动脉瓣钙化的可行性，为主动脉狭窄评估提供替代方案	接受主动脉狭窄评估的177名患者	数字病理学	心血管疾病	对比增强冠状动脉CT血管造影	DeepLab v3+和XGBoost	医学影像	177名患者（97例开发集，80例内部验证集）
2779	2025-05-14	Two-Year Hypertension Incidence Risk Prediction in Populations in the Desert Regions of Northwest China: Prospective Cohort Study 2025-Mar-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/68442 PMID:40072485	研究论文	本研究旨在开发和验证一个用于预测中国西北沙漠地区人群2年内高血压发病风险的机器学习模型	利用大规模健康检查数据开发并验证了针对沙漠地区人群的高血压风险预测模型，结合了多种机器学习和深度学习方法，并开发了基于网络的应用程序以提高临床和公共卫生应用的可及性	研究结果可能仅适用于中国西北沙漠地区人群，对其他地区的适用性有待验证	开发、校准和前瞻性验证一个2年高血压风险预测模型，以支持早期检测和干预策略	居住在中国西北塔克拉玛干沙漠周边4个地区的成年人群	机器学习	心血管疾病	多种机器学习方法（逻辑回归、随机森林、XGBoost、LightGBM）和深度学习方法（Feature Tokenizer + Transformer, SAINT）	CatBoost	健康检查数据（人口统计学、生活方式因素、体检和实验室测量）	回顾性队列1,038,170名成年人（2019-2021年），前瞻性验证队列961,519名成年人（2021-2023年）
2780	2025-05-14	Disease detection on exterior surfaces of buildings using deep learning in China 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92112-7 PMID:40074790	研究论文	本研究探讨了深度学习技术在中国城市建筑外表面病害检测中的应用，旨在提高检测效率和准确性	通过整合DenseNet块和Swin-Transformer预测头改进了特征提取和准确性，显著优于传统方法	数据集仅包含289张高分辨率图像，可能影响模型的泛化能力	提高城市建筑外表面病害检测的效率和准确性，提供实时监测解决方案	城市建筑外表面	计算机视觉	NA	深度学习	DenseNet, Swin-Transformer	图像	289张高分辨率图像