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
281	2025-04-17	Capsule neural network and adapted golden search optimizer based forest fire and smoke detection 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81742-y PMID:39905031	研究论文	本文提出了一种结合增强胶囊神经网络和自适应黄金搜索优化器的创新方法，用于检测森林火灾和烟雾	结合增强胶囊神经网络(CNN)和自适应黄金搜索优化器(AGSO)，提高了森林火灾和烟雾检测的准确性和可靠性	NA	开发一种高效的森林火灾和烟雾检测方法，以减少火灾风险并提升自动检测系统的性能	森林火灾和烟雾	计算机视觉	NA	深度学习	CNN, AGSO	图像	野火烟雾图像和BowFire数据集
282	2025-04-17	Advances in colorectal cancer diagnosis using optimal deep feature fusion approach on biomedical images 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83466-5 PMID:39905104	研究论文	提出了一种基于最优深度特征融合方法的结直肠癌诊断技术CCD-ODFFBI，用于生物医学图像分析	结合三种深度学习模型（MobileNet、SqueezeNet和SE-ResNet）进行特征提取，并使用Osprey优化算法进行超参数选择，最后通过深度信念网络（DBN）进行分类	研究仅基于Warwick-QU数据集，可能在其他数据集上的泛化能力未经验证	提高结直肠癌的诊断准确性和效率	结直肠癌的生物医学图像	数字病理学	结直肠癌	深度学习	MobileNet, SqueezeNet, SE-ResNet, DBN	图像	Warwick-QU数据集（具体样本数量未提及）
283	2025-04-17	Deep learning powered single-cell clustering framework with enhanced accuracy and stability 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87672-7 PMID:39900656	研究论文	提出了一种名为scG-cluster的深度结构聚类方法，用于提高单细胞RNA测序数据的聚类准确性和稳定性	scG-cluster引入了双拓扑邻接图和双拓扑自适应图卷积网络（TAGCN），通过整合节点分布信息和动态特征加权机制，改进了传统方法的不足	未提及具体的数据集规模限制或计算资源需求	提高单细胞RNA测序数据的聚类准确性和稳定性	单细胞RNA测序数据	机器学习	NA	scRNA-seq	TAGCN	基因表达数据	六个不同的scRNA-seq数据集
284	2025-04-17	Fundus camera-based precision monitoring of blood vitamin A level for Wagyu cattle using deep learning 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85372-w PMID:39900776	研究论文	本研究开发了一种基于深度学习的便携式相机系统，用于实时监测和牛血液中维生素A水平	利用深度学习和可视化热图技术，实现了对和牛维生素A水平的实时监测和高精度预测	研究仅使用了50头日本黑牛的4000张眼底图像，样本量可能不足以代表所有和牛品种	开发一种实时监测和牛血液中维生素A水平的方法，以预防维生素A缺乏或过量引起的健康问题	和牛（特别是日本黑牛）	计算机视觉	维生素A缺乏症	深度学习	DNN	图像	50头日本黑牛的4000张眼底图像
285	2025-04-17	An explainable deep learning model for diabetic foot ulcer classification using swin transformer and efficient multi-scale attention-driven network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87519-1 PMID:39900977	研究论文	提出一种基于特征融合的深度学习模型，用于糖尿病足溃疡分类，结合Swin Transformer和高效多尺度注意力驱动网络	首次提出双轨架构（Swin Transformer和EMADN网络）用于DFU分类，并引入可解释人工智能（XAI）可视化网络决策	未提及模型在跨数据集或临床环境中的泛化能力验证	开发自动化DFU分类方法以辅助临床诊断	糖尿病足溃疡图像	计算机视觉	糖尿病并发症	深度学习	Swin Transformer + EMADN（含LMDS和GDA模块）	医学图像	DFUC-2021数据集（具体数量未说明）
286	2025-04-17	Enhancing depression recognition through a mixed expert model by integrating speaker-related and emotion-related features 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88313-9 PMID:39900968	research paper	提出了一种混合专家模型（MoE），通过整合说话者相关和情感相关特征来提升抑郁症识别的准确性	首次在抑郁症识别中分离并整合说话者相关和情感相关特征，采用多领域适应算法训练MoE模型	未提及模型在跨文化数据集上的泛化能力是否经过充分验证	提高通过语音特征识别抑郁症的准确率	抑郁症患者的语音数据	natural language processing	geriatric disease	Time Delay Neural Network, transfer learning, multi-domain adaptation algorithm	Mixture-of-Experts (MoE)	speech	自建的中文本地化抑郁症数据集和AVEC2014数据集
287	2025-04-17	Synchronization-based graph spatio-temporal attention network for seizure prediction 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88492-5 PMID:39901056	research paper	提出一种基于同步的图时空注意力网络（SGSTAN）用于癫痫发作预测，通过利用EEG记录中的时空相关性来提高预测准确性	提出SGSTAN模型，有效利用EEG记录中的时空相关性，解决了现有方法因个体差异难以准确捕捉癫痫特征的问题	未提及模型在更大规模或多样化数据集上的泛化能力	设计准确可靠的癫痫发作预测方法，为患者提供早期预警	癫痫患者的脑电图（EEG）数据	machine learning	epilepsy	EEG	SGSTAN（基于同步的图时空注意力网络）	EEG信号	CHB-MIT数据集上的实验
288	2025-04-17	Effect of magnetic field strength and segmentation variability on the reproducibility and repeatability of radiomic texture features in cardiovascular magnetic resonance parametric mapping 2025-Feb, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03312-7 PMID:39776324	research paper	评估心肌放射组学纹理特征（RTF）在不同磁场强度和分割变异性下的稳健性，以解决临床实践中可靠性的问题	首次系统评估RTF在不同磁场强度和分割变异性下的可重复性和再现性，并识别出对这些变化不敏感的预处理滤波器和特征类别	样本量较小（仅15名健康志愿者），且仅使用了Siemens扫描仪，可能限制了结果的普适性	评估心肌RTF在不同磁场强度和分割变异性下的稳健性，以提高其在临床实践中的可靠性	45对来自15名健康志愿者的CMR T1映射图像	digital pathology	cardiovascular disease	CMR T1 mapping, deep learning-based segmentation	deep learning model with Monte Carlo Dropout	medical image	45 pairs of CMR T1 maps from 15 healthy volunteers
289	2025-04-17	Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf007 PMID:40008184	研究论文	利用深度学习检测西班牙语推文中关于COVID-19疫苗接种的立场	开发了针对西班牙语社交媒体推文的立场检测模型，填补了非英语语料研究的空白	语言特定嵌入模型未优于多语言嵌入或TF-IDF特征，可能由于BERT或RoBERTa嵌入不熟悉Twitter常用俚语和疫情期间特定语境	开发西班牙语社交媒体推文的立场检测模型，以支持公共卫生应用	关于COVID-19疫苗接种的西班牙语推文	自然语言处理	COVID-19	深度学习	BERT-Multi+BiLSTM, BETO+BiLSTM, RoBERTa BNE-LSTM, TF-IDF+SVM	文本	6170条推文
290	2025-04-17	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文介绍了一个新的数据集TB-Portals SIFT，用于胸部X光片中结核病(TB)病灶的语义分割，并评估了多种语义分割模型的性能	提出了一个新的TB病灶语义分割数据集，并比较了基于分割的方法与传统分类方法在泛化性能上的差异	数据集中的病灶实例使用的是伪标签，可能影响模型性能	开发能够解释决策过程的TB自动诊断系统	胸部X光片中的TB病灶	计算机视觉	结核病	深度学习	UNet, YOLOv8-seg, DenseNet121	图像	6,328张胸部X光片，包含10,435个伪标签病灶实例
291	2025-04-17	Residue-Level Multiview Deep Learning for ATP Binding Site Prediction and Applications in Kinase Inhibitors 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01255 PMID:39690486	research paper	该论文介绍了一种名为Multiview-ATPBind的深度学习模型和ResiBoost算法，用于准确预测ATP结合位点，并应用于激酶抑制剂的药物发现	提出了Multiview-ATPBind模型，整合1D序列和3D结构信息进行快速精确的残基水平口袋-配体相互作用预测，以及ResiBoost算法用于缓解数据不平衡问题	未提及具体局限性	提高ATP结合位点的预测准确性，并应用于激酶抑制剂的药物发现	ATP结合位点及激酶抑制剂（如伊马替尼和达沙替尼）	machine learning	cancer	deep learning	Multiview-ATPBind, ResiBoost	1D序列数据, 3D结构数据	NA
292	2025-04-17	MGT: Machine Learning Accelerates Performance Prediction of Alloy Catalytic Materials 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01065 PMID:39698829	研究论文	本文提出了一种名为MGT的机器学习方法，用于加速合金催化材料在氢析出反应中的性能预测	引入了掩码图Transformer网络（MGT）和非线性消息传递机制，增强模型对催化反应中关键位点的识别能力	当前深度学习方法未充分关注活性原子和吸附物的重要性，而更侧重于催化材料的整体结构	提高合金催化材料在氢析出反应中吸附能预测的准确性	合金催化材料	机器学习	NA	深度学习	Transformer, MPNN	分子图数据	小数据集OC20-Ni
293	2025-04-17	Deep Learning-Driven Insights into Enzyme-Substrate Interaction Discovery 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01801 PMID:39721977	研究论文	介绍了一种名为MEI的新型机器学习框架，用于高精度预测分子是否为特定酶的底物	MEI模型通过先进的注意力机制在分层神经网络中结合原子环境数据和氨基酸序列特征，显著提高了预测准确性	虽然模型表现出色，但对于某些特定酶或分子的预测可能仍需进一步验证	开发高精度的计算模型来预测分子与酶之间的相互作用	酶与分子之间的相互作用	机器学习	NA	机器学习	分层神经网络	酶反应数据和酶序列数据	包含广泛酶反应和酶序列信息的综合数据集
294	2025-04-17	Evaluations of the Perturbation Resistance of the Deep-Learning-Based Ligand Conformation Optimization Algorithm 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01096 PMID:39724561	研究论文	评估基于深度学习的配体构象优化算法（DeepRMSD+Vina）在输入扰动下的鲁棒性	与传统优化算法（如Prime MM-GBSA和Vina优化）相比，DeepRMSD+Vina在处理不同蛋白-配体案例时表现出更高的性能，并且在输入结构存在扰动（高达3 Å）时仍能生成正确的结合结构	对于大扰动（RMSD在3-4 Å之间），成功率显著下降至11%	评估基于深度学习的配体构象优化算法的鲁棒性	蛋白-配体结合构象	机器学习	NA	深度学习	DeepRMSD+Vina	蛋白-配体结合构象数据	NA
295	2025-04-17	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320360 PMID:40228177	研究论文	提出了一种名为c-Triadem的深度学习模型，用于识别阿尔茨海默病的潜在血液生物标志物并预测轻度认知障碍和阿尔茨海默病	c-Triadem是一种新型的深度神经网络，结合了基因分型数据、基因表达数据和临床信息，通过SHAP分析识别关键基因和临床特征	模型依赖于ADNI数据库的数据，可能在其他数据集上的泛化能力有限	开发一种高精度的血液生物标志物识别方法，用于阿尔茨海默病的早期诊断	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	数字病理学	阿尔茨海默病	基因分型、微阵列、SHAP分析	深度神经网络	基因数据、临床数据	来自阿尔茨海默病神经影像学疾病倡议（ADNI）的血液基因分型数据、微阵列和临床特征
296	2025-04-17	Deep learning models for segmenting phonocardiogram signals: a comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320297 PMID:40228205	research paper	本研究比较了不同深度学习模型在心音图信号分割中的应用效果	首次对CirCor DigiScop数据集的分割过程进行研究，并比较了GRU、Bidirectional-GRU和BILSTM模型的性能	未提及模型在其他数据集上的泛化能力	提高心音图信号分割的准确性和可靠性	心音图信号中的四个特定区域（S1、收缩区、S2、舒张区）	machine learning	cardiovascular disease	digital filtering, empirical mode decomposition	GRU, Bidirectional-GRU, BILSTM	signal	三个数据集：PhysioNet/Computing in Cardiology Challenge 2016、MITHSDB、CirCor DigiScope Phonocardiogram
297	2025-04-17	Robust soybean seed yield estimation using high-throughput ground robot videos 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1554193 PMID:40230608	research paper	提出了一种利用计算机视觉和深度学习技术从地面机器人视频中高效估算大豆种子产量的新方法	结合了鱼眼图像校正和随机传感器效应的数据增强技术，提高了种子计数和产量估算的准确性和泛化能力	仅基于两年的测试数据（2021年的8,500个地块和2023年的650个地块），可能需要更多年份和更大范围的数据验证	开发一种高效、低成本的大豆种子产量估算方法，以替代传统劳动密集型且成本高的方法	大豆种子产量估算	computer vision	NA	computer vision, deep learning	P2PNet-Yield	image, video	2021年8,500个地块和2023年650个地块的数据
298	2025-04-17	A weakly supervised deep learning framework for automated PD-L1 expression analysis in lung cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1540087 PMID:40230846	research paper	开发了一种基于弱监督深度学习的框架MiLT，用于自动分析肺癌中的PD-L1表达	创新性地开发了多实例学习工具MiLT，显著减少了对劳动密集型细胞级注释的需求，同时保持高准确性	需要在前瞻性临床试验中进一步探索	开发可靠的方法来识别可能对免疫检查点抑制剂治疗有反应的肺癌患者群体	肺癌患者	digital pathology	lung cancer	multiple instance learning (MIL)	deep learning	whole slide images	内部和外部队列
299	2025-04-17	Unlocking chickpea flour potential: AI-powered prediction for quality assessment and compositional characterisation 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101030 PMID:40231315	研究论文	本研究探讨了深度学习模型与近红外光谱技术相结合，以提高鹰嘴豆粉质量评估的准确性和效率	首次将CNN、ViT和GCN等深度学习模型应用于鹰嘴豆粉质量评估，并与传统PLSR方法进行比较	数据集有限，可能影响模型的泛化能力	提高鹰嘴豆粉质量评估的准确性和效率	136种不同品种的鹰嘴豆粉	机器学习	NA	近红外光谱技术	CNN, ViT, GCN	光谱数据	136种鹰嘴豆品种
300	2025-04-17	Deep learning enabled integration of tumor microenvironment microbial profiles and host gene expressions for interpretable survival subtyping in diverse types of cancers 2024-Dec-17, mSystems IF:5.0Q1 DOI:10.1128/msystems.01395-24 PMID:39565103	research paper	该研究开发了一种名为ASD-cancer的半监督深度学习框架，用于从肿瘤微生物组和转录组数据中提取与生存相关的特征，并识别患者的生存亚型	提出了ASD-cancer框架，能够整合肿瘤微生物组和宿主基因表达数据，进行可解释的生存亚型分析，相比传统方法如PCA，提供了更好的风险分层	研究依赖于TCGA数据库的样本，可能无法涵盖所有肿瘤类型的多样性	解码肿瘤微生物组与宿主基因表达之间的复杂关系，及其对患者生存的联合影响	20种不同类型癌症的组织样本	digital pathology	cancer	deep learning, autoencoder	autoencoder	microbiome and transcriptome data	来自TCGA数据库的多种癌症类型的组织样本