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
3141	2025-05-06	Integrating genetic variation with deep learning provides context for variants impacting transcription factor binding during embryogenesis 2025-May-02, Genome research IF:6.2Q1 DOI:10.1101/gr.279652.124 PMID:40234030	研究论文	该研究通过整合遗传变异与深度学习技术，探讨了遗传变异如何影响转录因子结合，特别是在胚胎发生过程中的作用	研究扩展了WASP工具以检测indels，提高了等位基因不平衡峰的检测率30%-50%，并利用卷积神经网络预测DNA序列对转录因子结合的影响	研究主要集中在胚胎发生过程中的四个转录因子，可能无法全面反映所有遗传变异对转录因子结合的影响	理解遗传变异如何影响转录因子结合，以更好地模拟疾病相关变异	四个转录因子在胚胎发生过程中的等位基因特异性结合	机器学习和遗传学	NA	WASP扩展用于indels检测，卷积神经网络（Basenji）	CNN	DNA序列数据	使用F交叉系统产生的高遗传多样性样本
3142	2025-05-06	Semantical and geometrical protein encoding toward enhanced bioactivity and thermostability 2025-May-02, eLife IF:6.4Q1 DOI:10.7554/eLife.98033 PMID:40314227	研究论文	本文提出了一种结合序列和几何编码器的预训练框架，用于蛋白质的一级和三级结构，以指导蛋白质工程中的突变方向并评估变体效应	提出了一种新颖的预训练框架，整合了蛋白质的序列和几何编码器，能够更全面地预测蛋白质变体的效应，特别是在热稳定性和生物功能方面	缺乏对开发方法在预测蛋白质热稳定性方面的基本评估，尽管这是实践中经常研究的关键物理性质	提高蛋白质工程的效率和准确性，通过更全面的预测方法指导蛋白质修饰	蛋白质序列和结构	合成生物学	NA	深度学习	预训练框架（结合序列和几何编码器）	蛋白质序列和结构数据	超过300个深度突变扫描实验的基准测试
3143	2025-05-06	Graph Anomaly Detection in Time Series: A Survey 2025-May-02, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3566620 PMID:40315075	综述	本文对基于图的时间序列异常检测（G-TSAD）进行了全面且最新的回顾	探讨了图表示在时间序列数据中的潜力及其对异常检测的贡献，并回顾了最先进的图异常检测技术	讨论了每种方法的局限性，并指出了当前领域面临的技术和应用挑战	回顾和总结基于图的时间序列异常检测技术，以推动该领域的研究和实际应用	时间序列数据及其异常检测	机器学习	NA	图表示和深度学习架构	深度学习模型	时间序列数据	NA
3144	2025-05-06	Ultra-stable and high-performance squeezed vacuum source enabled via artificial intelligence control 2025-May-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu4888 PMID:40315327	研究论文	通过人工智能控制实现超稳定和高性能的压缩真空源	利用人工智能控制系统通过深度学习识别和管理复杂参数关系，实现自适应的外部环境适应，达到创纪录的4.3分贝（无损耗5.9分贝）压缩水平	PSR理论模型在优化指导方面存在局限性，源于多个参数在此压缩水平下的相互干扰	推进量子计量学超越经典极限，实现高性能压缩光的长期稳定生成	压缩真空源	量子计量学	NA	偏振自旋转(PSR)	深度学习	NA	NA
3145	2025-05-06	Smart weed recognition in saffron fields based on an improved EfficientNetB0 model and RGB images 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00331-9 PMID:40316572	研究论文	本研究基于改进的EfficientNetB0模型和RGB图像，开发了一种用于藏红花田间智能杂草识别的系统	改进的EfficientNetB0模型在藏红花田间杂草识别中表现最佳，准确率达到94.06%	研究仅针对四种常见杂草，可能不适用于其他杂草类型	开发一种用于藏红花田间杂草识别的智能系统，以实现精准杂草管理	藏红花及其四种常见杂草（flixweed、hoary cress、mouse barley和wild garlic）	计算机视觉	NA	深度学习	EfficientNetB0	RGB图像	504张在自然和非结构化田间环境下拍摄的图像
3146	2025-05-06	Hybrid deep learning CNN-LSTM model for forecasting direct normal irradiance: a study on solar potential in Ghardaia, Algeria 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94239-z PMID:40316622	研究论文	本文对四种太阳辐射预测模型进行了深入分析和性能评估，重点研究了CNN-LSTM混合深度学习模型在预测直接法向辐照度方面的表现	提出了一种结合CNN和LSTM的混合深度学习模型(CNN-LSTM)，相比传统方法具有更高的预测精度和可靠性	研究仅针对阿尔及利亚Ghardaia地区的数据，可能在其他地区的适用性有待验证	评估不同机器学习方法在太阳辐射预测中的性能，开发更准确的预测模型	太阳辐射预测模型	机器学习	NA	深度学习	CNN-LSTM混合模型	时间序列数据	NA
3147	2025-05-06	Multichannel convolutional transformer for detecting mental disorders using electroancephalogrpahy records 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98264-w PMID:40316629	研究论文	本文提出了一种新型深度学习架构——多通道卷积Transformer，用于通过脑电图（EEG）数据分类精神障碍	结合了卷积神经网络和Transformer的优势，并采用连续小波变换预处理EEG信号以增强特征提取	未提及模型在更大规模或多样化数据集上的泛化能力	开发一种准确可靠的精神障碍早期检测方法	脑电图（EEG）记录	机器学习	精神障碍（包括创伤后应激障碍、抑郁症和焦虑症）	连续小波变换（CWT）、共同空间模式滤波器、信号空间投影滤波器和小波去噪滤波器	多通道卷积Transformer（结合CNN和Transformer）	EEG信号	三个数据集：EEG Psychiatric Dataset、MODMA dataset和EEG and Psychological Assessment dataset
3148	2025-05-06	Retraining and evaluation of machine learning and deep learning models for seizure classification from EEG data 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98389-y PMID:40316648	research paper	该研究通过复现和评估多种机器学习和深度学习模型，用于从脑电图（EEG）数据中自动检测癫痫发作	研究比较了多种模型在公共数据集和本地患者数据上的表现，并发现随机森林和卷积神经网络在公共数据上表现最佳，但在本地数据上准确率显著下降	在本地数据上的准确率下降，尤其是神经网络模型，表明模型在临床实践中的泛化能力有限	提高癫痫诊断的自动化水平，减少人工标注的时间消耗	脑电图（EEG）数据	machine learning	epilepsy	EEG	random forest, CNN	EEG data	三个公共数据集和一个本地患者的手动标注EEG数据
3149	2025-05-06	A study of combination of autoencoders and boosted Big-Bang crunch theory architectures for Land-Use classification using remotely sensed imagery 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99436-4 PMID:40316651	研究论文	该研究提出了一种结合深度卷积神经网络和改进的元启发式优化技术的新方法，用于遥感图像的土地利用分类	将VGG-19模型与增强版Big Bang Crunch Theory优化的堆叠自编码器相结合，提高了土地利用分类的准确性	NA	提高遥感图像土地利用分类的准确性	Aerial Image Dataset和UC Merced Land Use Dataset	计算机视觉	NA	深度学习	VGG-19, 堆叠自编码器, CNN	图像	AID数据集和UC Merced数据集
3150	2025-05-06	Detecting the left atrial appendage in CT localizers using deep learning 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99701-6 PMID:40316718	研究论文	本研究利用深度学习自动检测CT定位图像中的左心耳，以减少辐射暴露	首次应用深度学习网络（如VariFocalNet）在CT定位图像中准确划定左心耳边界，显著降低辐射剂量	数据来自单一中心，外部验证队列规模有限（309例）	开发自动化工具以优化心脏CT扫描流程	左心耳（LAA）的CT定位图像	数字病理	心血管疾病	CT扫描	VariFocalNet, Cascade-R-CNN, Task-aligned One-stage Object Detection Network, YOLO v11	医学影像	训练集1253例定位图像，内部测试集368例，外部测试集309例
3151	2025-05-06	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	research paper	本研究旨在开发一种基于机器学习算法的数据驱动预测模型，用于预测埃塞俄比亚6-23个月儿童的肺炎风险并分层分析其决定因素	使用随机森林算法预测肺炎并分层其决定因素，准确率达到91.3%，为相关健康干预提供了个性化依据	研究仅基于2016年的数据，未使用深度学习算法，可能影响预测准确性的进一步提升	开发预测模型以降低儿童肺炎发病率和死亡率	埃塞俄比亚6-23个月大的儿童	machine learning	pneumonia	machine learning algorithms	random forest	demographic and health survey data	2035名儿童样本
3152	2025-05-06	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-May-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104986 PMID:40318556	研究论文	本研究提出了一种基于双能CT生成的虚拟单色图像的新型深度学习模型MIAU-Net，用于头部风险器官的自动分割	提出了一种新型深度学习模型MIAU-Net，并评估了其在虚拟单色图像上的分割性能，优于现有方法	研究样本量较小（46名患者），且仅针对头部风险器官进行分割	提高基于双能CT的自动分割准确性	头部风险器官（如脑干、视交叉、晶状体、下颌骨、眼睛和视神经）	数字病理	NA	双能CT（DECT）	MIAU-Net	医学影像	46名患者的DECT数据
3153	2025-05-06	Deep Learning-enhanced Opportunistic Osteoporosis Screening in Ultralow-Voltage (80 kV) Chest CT: A Preliminary Study 2025-May-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.062 PMID:40318972	研究论文	探讨利用深度学习增强的80 kV胸部CT扫描进行骨质疏松筛查的可行性	首次使用深度学习在超低电压80 kV胸部CT中实现全自动骨密度测量	研究样本量相对有限，且仅针对特定电压的CT扫描	评估深度学习在骨质疏松筛查中的应用效果	987名接受80 kV胸部CT和120 kV腰椎CT扫描的患者	数字病理学	骨质疏松症	定量CT (QCT)	3D VB-Net, SCN, DenseNet, ResNet	CT图像	987名患者，分为训练集、验证集和测试集
3154	2025-05-06	The Initial Screening of Laryngeal Tumors via Voice Acoustic Analysis Based on Siamese Network Under Small Samples 2025-May-02, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.03.043 PMID:40318998	研究论文	本文介绍了一种基于Siamese网络和辅助性别分类器的声学分析方法，用于喉部肿瘤的自动化、准确和客观的初步筛查	提出了一种结合Siamese网络和辅助性别分类器的新方法，用于小样本情况下的喉部肿瘤声学分析筛查	样本量相对较小（71名肿瘤患者和293名非肿瘤受试者）	开发一种自动化、准确且客观的喉部肿瘤初步筛查方法	汉语普通话使用者的声音信号	数字病理学	喉癌	声学分析、MFCC特征提取	Siamese网络	声音信号	71名肿瘤患者和293名非肿瘤受试者
3155	2025-05-06	IR-MBiTCN: Computational prediction of insulin receptor using deep learning: A multi-information fusion approach with multiscale bidirectional temporal convolutional network 2025-May-02, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143844 PMID:40319974	研究论文	提出了一种基于深度学习和多信息融合的计算方法IR-MBiTCN，用于预测胰岛素受体	首次将多尺度双向时间卷积网络(MBiTCN)应用于胰岛素受体的预测，结合多种特征融合方法，显著提高了预测准确率	模型在测试集上的准确率为79.43%，仍有提升空间	开发一种可扩展、高效的胰岛素受体预测计算方法，替代传统实验方法	胰岛素受体(IR)	机器学习	癌症和神经系统疾病	W-GDPC, FastText, BB-PSSM	MBiTCN	序列数据	NA
3156	2025-05-06	Quantitative Analysis of Perovskite Morphologies Employing Deep Learning Framework Enables Accurate Solar Cell Performance Prediction 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202408528 PMID:40109130	研究论文	开发了一种名为Self-UNet的深度学习模型，用于从扫描电子显微镜（SEM）图像中提取和量化钙钛矿的形态信息，以预测太阳能电池性能	Self-UNet在边缘提取方面优于传统的Canny和UNet模型，并且集成了梯度提升决策树（GBDT）回归来高精度预测太阳能电池效率	未提及具体样本量，且仅针对钙钛矿太阳能电池进行研究	通过量化钙钛矿的形态信息来准确预测太阳能电池的性能	钙钛矿太阳能电池的形态特征	计算机视觉	NA	深度学习，SEM图像分析	Self-UNet, GBDT	图像	NA
3157	2025-05-06	Graph-based prototype inverse-projection for identifying cortical sulcal pattern abnormalities in congenital heart disease 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103538 PMID:40121807	研究论文	本研究开发了一种基于深度学习的脑沟模式分析方法，用于识别先天性心脏病患者的皮质脑沟模式异常	提出了一种基于原型图神经网络的脑沟模式分析方法，并引入了原型逆向投影以提高模型的可解释性	需要更多的验证研究来确认该方法在其他神经系统疾病中的适用性	开发一种敏感且可解释的工具用于脑沟模式分析	健康对照组(n=174)和先天性心脏病患者(n=345)的脑沟模式	数字病理学	先天性心脏病	深度学习	图神经网络(GNN)	脑沟模式图	519名受试者(174名健康对照和345名先天性心脏病患者)
3158	2025-04-17	Molecular endotypes and theratypes in osteoarthritis: transforming a concept into reality with deep learning and multiomics 2025-May, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.03.009 PMID:40234175	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3159	2025-05-06	Evaluation of minor labial salivary gland focus score in Sjögren's disease using deep learning: a tool for more efficient diagnosis and future tissue biomarker discovery 2025-May, Journal of autoimmunity IF:7.9Q1 DOI:10.1016/j.jaut.2025.103418 PMID:40262321	research paper	利用深度学习评估小唇唾液腺焦点评分，以提高干燥综合征的诊断效率和未来组织生物标志物的发现	采用基于注意力的深度学习二分类模型评估小唇唾液腺活检的阳性情况，克服了观察者内偏差和观察者间变异性	研究仅使用了H&E染色的小唇唾液腺活检样本，未涉及其他染色方法或更大规模的样本验证	提高干燥综合征的诊断效率和探索未来组织生物标志物	小唇唾液腺活检样本	digital pathology	Sjögren's disease	H&E染色	attention-based deep learning binary classification model	image	271个小唇唾液腺活检样本（153个FS < 1，118个FS ≥ 1）
3160	2025-05-06	Phytophagous, blood-suckers or predators? Automated identification of Chagas disease vectors and similar bugs using convolutional neural network algorithms 2025-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107621 PMID:40288198	research paper	该研究评估了三种卷积神经网络（AlexNet、MobileNetV2和ResNet-50）在识别按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）方面的性能	首次使用深度学习技术自动识别恰加斯病媒介昆虫及其类似昆虫，并通过Grad-CAM可视化预测影响最大的图片区域	数据集规模相对较小（707张图片），且仅使用背部视角图片	开发一种自动识别恰加斯病媒介昆虫的可靠工具，以改善疾病监测和控制	按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）	computer vision	Chagas disease	transfer learning, Grad-CAM	CNN (AlexNet, MobileNetV2, ResNet-50)	image	707张背部视角昆虫图片