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	2025-06-06	A deep learning and IoT-driven framework for real-time adaptive resource allocation and grid optimization in smart energy systems 2025-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02649-w PMID:40456783	研究论文	提出了一种结合深度学习和物联网的智能能源系统实时自适应资源分配与电网优化框架	开发了ORA-DL框架，整合深度学习、物联网传感和实时自适应控制，显著提升电网能源管理效率	未提及框架在极端电网条件下的表现或潜在网络安全风险	优化智能电网能源管理，提高资源分配效率和电网稳定性	智能电网系统	机器学习	NA	深度学习、强化学习、多智能体决策	深度神经网络、强化学习	历史和实时能源数据	实验验证数据（具体样本量未明确说明）
282	2025-06-06	A sequence to formula tree model for solving electrical text problems 2025-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04392-8 PMID:40456791	research paper	提出了一种序列到公式树模型，用于解决电气文本问题	使用深度学习网络将问题文本解析为带有数值和电气定理的公式树，并结合图卷积神经网络提取隐含的电气定理	NA	开发一个能够理解复杂多样的电气问题文本并应用相关电气定理的通用电气问题求解器	电气文本问题	natural language processing	NA	deep learning, Graph Convolutional Neural Network	Gate Recurrent Unit, Graph Convolutional Neural Network	text	3027个电气文本问题
283	2025-06-06	Diagnosis and classification of neuromuscular disorders using Bi-LSTM optimized with grey Wolf optimizer for EMG signals 2025-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03766-2 PMID:40456840	研究论文	该研究提出了一种使用灰狼优化器（GWO）优化Bi-LSTM超参数的方法，以提高EMG信号分类的准确性	首次将灰狼优化器（GWO）应用于Bi-LSTM模型的超参数优化，以提高EMG信号分类的准确性	模型的性能可能受限于EMG信号的质量和样本量	提高EMG信号分类的准确性，以更准确地诊断和跟踪神经肌肉疾病的康复效果	EMG信号	生物医学工程与计算智能	神经肌肉疾病	EMG信号分析	Bi-LSTM	EMG信号	NA
284	2025-06-06	Randomized comparison of AI enhanced 3D printing and traditional simulations in hepatobiliary surgery 2025-Jun-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01571-9 PMID:40457016	research paper	比较AI增强的3D打印和传统模拟在肝胆手术中的效果	结合深度学习和3D打印技术优化肝胆手术规划，提高效率和准确性	样本量较小（64例患者），可能影响结果的普遍性	评估3D打印肝脏模型在肝胆手术规划中的效果	肝胆手术患者	digital pathology	肝胆疾病	3D打印，深度学习	deep learning	医学影像	64例患者
285	2025-06-06	SC2Spa: a deep learning based approach to map transcriptome to spatial origins at cellular resolution 2025-Jun-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06173-6 PMID:40457183	研究论文	SC2Spa是一种基于深度学习的工具，用于将转录组数据映射到细胞分辨率的空间位置	SC2Spa通过学习空间转录组数据中的复杂空间关系，能够准确地将单细胞RNA测序数据映射到空间位置，并识别空间可变基因	NA	开发一种能够准确映射细胞到其空间坐标的工具，以理解组织内的细胞异质性	空间转录组数据和单细胞RNA测序数据	数字病理学	NA	空间转录组学(ST)、单细胞RNA测序(scRNA-seq)	深度学习	转录组数据	NA
286	2025-06-06	NeuroCL: A Deep Learning Approach for Identifying Neuropeptides Based on Contrastive Learning 2025-Jun-02, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115920 PMID:40466845	研究论文	介绍了一种基于对比学习和交叉注意力机制的深度学习模型NeuroCL，用于高效识别神经肽	利用对比学习和交叉注意力机制，增强类别区分和特征连接，提升神经肽识别的准确性和效率	未提及具体的局限性	提升神经肽识别的准确性和效率，为相关疾病的早期诊断和靶向治疗提供科学依据	神经肽（NPs）	机器学习	NA	对比学习、交叉注意力机制	深度学习模型（NeuroCL）	生物分子数据	未提及具体样本数量
287	2025-06-06	PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-Translational Modification and Classifying Disease Subtypes 2025-Jun-02, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101009 PMID:40466864	研究论文	提出了一种名为PTMFusionNet的深度学习方法，用于预测疾病相关的翻译后修饰（PTM）并整合蛋白质表达数据以分类疾病亚型	PTMFusionNet结合了两种图卷积网络（GCN）模型，LAGCN和FWGCN，分别用于预测PTM潜力分数和整合这些分数与蛋白质表达数据进行疾病亚型分类	未提及具体局限性	预测疾病相关的PTM并整合蛋白质表达数据以分类疾病亚型	蛋白质翻译后修饰（PTM）和蛋白质表达数据	机器学习	癌症	质谱技术	GCN（LAGCN和FWGCN）	蛋白质表达数据和PTM信息	三个数据集（KIPAN、COADREAD和THCA）
288	2025-06-06	UniScore, a unified and universal measure for peptide identification by multiple search engines 2025-Jun-02, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101010 PMID:40466863	research paper	提出UniScore作为一种度量标准，用于整合和标准化多种搜索引擎在基于LC/MS/MS的自下而上蛋白质组学数据分析中的输出	UniScore仅通过匹配候选肽的氨基酸序列与产物离子谱来计算，独立于分数值控制接受标准，且能处理大量数据而无需大量计算资源	未提及具体局限性	开发一种统一且通用的度量标准，用于多搜索引擎在蛋白质组学数据分析中的肽识别	数据依赖采集(DDA)数据中的肽识别	蛋白质组学	NA	LC/MS/MS, 自下而上蛋白质组学	NA	质谱数据	大规模全局蛋白质组数据和磷酸化蛋白质组数据
289	2025-06-06	Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning 2025-Jun-02, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.05.026 PMID:40466886	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
290	2025-06-06	READRetro Web: A User-Friendly Platform for Predicting Plant Natural Product Biosynthesis 2025-Jun-02, Molecules and cells IF:3.7Q2 DOI:10.1016/j.mocell.2025.100235 PMID:40466944	research paper	介绍了一个用户友好的网络平台READRetro Web，用于预测植物天然产物的生物合成	开发了一个基于现代网络技术的用户友好平台，使缺乏计算背景的研究人员也能轻松使用高级ML驱动的逆合成预测	未提及平台在处理复杂天然产物时的具体限制或挑战	促进植物天然产物的大规模生产，通过逆合成预测加速药物发现	植物天然产物及其生物合成途径	machine learning	NA	deep learning-based retrosynthesis	READRetro ML model	chemical data	NA
291	2025-06-06	Referenceless 4D Flow Cardiovascular Magnetic Resonance with deep learning 2025-Jun-02, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101920 PMID:40467036	research paper	本研究利用深度学习预测心血管4D Flow中的参考编码，以减少扫描时间并保持与传统方法相当的流速和流量量化	首次提出使用深度学习预测参考编码，从而减少25%的数据采集量，缩短扫描时间或提高分辨率	在左心室和右心室的总湍流动能方面存在较大误差，最高误差达-77.17%	改进心血管疾病的评估方法，减少4D Flow CMR的扫描时间	126名不同类型心肌病患者的心脏4D Flow数据集	digital pathology	cardiovascular disease	4D Flow CMR	U-Net	image	126名患者（113名用于训练，13名用于测试）
292	2025-06-06	ScreenDx, an artificial intelligence-based algorithm for the incidental detection of pulmonary fibrosis 2025-Jun, The American journal of the medical sciences DOI:10.1016/j.amjms.2025.02.011 PMID:40020875	研究论文	开发并验证了一种基于深度学习的卷积神经网络算法ScreenDx，用于筛查计算机断层扫描图像并识别偶然发现的肺纤维化病例	开发了ScreenDx算法，能够在不同CT制造商和切片厚度条件下高效识别肺纤维化，表现出较高的敏感性和特异性	研究未涉及所有可能的CT设备类型和临床环境，算法的普适性仍需进一步验证	开发一种机器学习算法以提高肺纤维化的早期诊断率	肺纤维化患者的CT影像	数字病理	肺纤维化	深度学习	CNN	图像	总样本量4,722例（包括3,658例训练集、381例调优集和683例外部验证集）
293	2025-06-06	FedBCD: Federated Ultrasound Video and Image Joint Learning for Breast Cancer Diagnosis 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532474 PMID:40031191	research paper	该研究提出了一种名为FedBCD的去中心化学习方法，用于联合学习乳腺超声视频和图像，以改善乳腺癌诊断	首次提出针对乳腺超声视频和图像的联合去中心化学习解决方案，设计了JUVIL模型以弥合视频和图像数据的维度差距，并提出了FILA层间聚合方法以提高联邦训练的稳定性	实验仅在三个图像客户端和一个视频客户端上进行，可能需要更多样化的数据验证其泛化能力	开发一种高效的联合学习方法，用于乳腺癌的超声诊断	乳腺超声视频和图像	digital pathology	breast cancer	federated learning	JUVIL (Joint Ultrasound Video and Image Learning)	image, video	三个图像客户端和一个视频客户端
294	2025-06-06	Score-Based Diffusion Models With Self-Supervised Learning for Accelerated 3D Multi-Contrast Cardiac MR Imaging 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3534206 PMID:40031249	research paper	本研究提出了一种基于分数扩散模型与自监督学习的新型方法，用于加速三维多对比心脏磁共振成像	结合自监督贝叶斯重建网络与联合分数扩散模型，无需全采样训练数据即可实现高质量图像重建	仅在特定3D联合心肌T1和T1ρ映射序列数据集上进行了验证	加速三维多对比心脏磁共振成像采集过程	三维多对比心脏磁共振图像	医学影像分析	心血管疾病	分数扩散模型、自监督学习、Langenvin Markov chain Monte Carlo采样	贝叶斯重建网络、联合分数扩散模型	3D多对比心脏磁共振图像	使用3D联合心肌T1和T1ρ映射序列采集的数据集
295	2025-06-06	Cardiac Phase Estimation Using Deep Learning Analysis of Pulsed-Mode Projections: Toward Autonomous Cardiac CT Imaging 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3536160 PMID:40031322	研究论文	本文提出了一种基于深度学习的脉冲模式投影分析方法，用于心脏CT成像中的心脏相位估计，旨在实现自主心脏CT扫描	首次在投影域进行前瞻性心脏相位估计，提出了一种新的投影域心脏相位估计网络（PhaseNet）和不确定性驱动的Viterbi（UDV）正则化器	研究使用了基于物理的模拟数据进行性能评估，尚未在真实临床数据上进行验证	开发一种无需心电图设备和专家干预的自主心脏CT扫描方法	心脏CT成像中的心脏相位估计	医学影像分析	心血管疾病	深度学习分析	LSTM, CNN	脉冲模式投影（PMPs）	基于物理的模拟数据
296	2025-06-06	Information Geometric Approaches for Patient-Specific Test-Time Adaptation of Deep Learning Models for Semantic Segmentation 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3540546 PMID:40031589	研究论文	本研究提出了一种基于信息几何原理的新框架，用于在测试时对深度学习语义分割模型进行患者特异性适应	提出了一种基于信息几何原理的通用、即插即用、正则化的患者特异性适应框架，无需额外的神经网络或解剖先验信息	NA	解决深度学习语义分割模型在测试时的患者特异性适应问题	COVID-19异常的CT图像、跨机构脑肿瘤MR图像、视网膜层OCT图像	计算机视觉	COVID-19、脑肿瘤、视网膜疾病	深度学习	语义分割模型	CT图像、MR图像、OCT图像	NA
297	2025-06-06	CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction Across Various Sampling Rates 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3541491 PMID:40031824	research paper	提出了一种自适应重建方法CT-SDM，用于在不同采样率下实现高性能稀疏视图CT重建	设计了新颖的成像退化算子，在采样扩散模型中模拟正弦图域的投影过程，从而通过一个训练模型适应多种采样率	未提及具体临床验证结果或实际部署中的计算效率问题	解决稀疏视图CT重建中因采样率固定导致的模型泛化能力不足问题	稀疏视图CT扫描数据	digital pathology	NA	deep learning, diffusion model	CT-SDM (采样扩散模型)	CT图像	多个数据集（未明确数量）
298	2025-06-06	Ultra-Sparse-View Cone-Beam CT Reconstruction-Based Strictly Structure-Preserved Deep Neural Network in Image-Guided Radiation Therapy 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3541242 PMID:40031817	研究论文	本研究提出了一种基于严格结构保持的深度神经网络（PSSP-NET）用于超稀疏视角锥束CT重建，旨在在图像引导放射治疗中减少额外剂量同时保持图像质量	利用计划CT作为先验信息，开发了基于生成对抗网络（GAN）的PSSP-NET模型，用于快速重建高质量CBCT图像	研究仅在头颈癌患者中进行了临床性能评估，未涉及其他癌症类型	减少图像引导放射治疗中的额外辐射剂量，同时保持CBCT图像质量	头颈癌患者	数字病理	头颈癌	锥束CT（CBCT）	GAN	图像	头颈癌患者的临床CBCT投影数据
299	2025-06-06	TransMatch: Employing Bridging Strategy to Overcome Large Deformation for Feature Matching in Gastroscopy Scenario 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3541433 PMID:40031823	research paper	提出了一种名为TransMatch的特征匹配框架，用于解决胃镜场景中特征严重变形和大位移的匹配问题	通过Transformer结构利用全局信息匹配特征，并采用双向二次插值网络的桥接策略分解和简化严重变形特征的匹配	NA	解决胃镜场景中特征严重变形和大位移的匹配问题	胃镜图像中的特征匹配	computer vision	NA	Transformer, 双向二次插值网络	Transformer	image	大规模胃镜数据集
300	2025-06-06	Image classification-driven speech disorder detection using deep learning technique 2025-Jun, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100261 PMID:40057233	研究论文	本研究提出了一种基于图像分类的自动语音障碍检测模型，通过Mel-Spectrogram分类识别多种语音障碍	使用增强的LEVIT transformer进行特征提取，并采用包含CatBoost和XGBoost的集成学习方法进行分类，同时利用量化感知训练减少计算资源	模型在多语言和方言中的适用性有待进一步验证，且需要更多样化的数据集进行泛化	开发一种自动化的语音障碍检测模型，以提高诊断的准确性和效率	语音障碍患者	自然语言处理	语音障碍	Wavelet Transform (WT), 量化感知训练 (QAT)	LEVIT transformer, CatBoost, XGBoost, Extremely Randomized Tree	Mel-Spectrogram图像	VOICED和LANNA数据集