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
3421	2025-07-23	The Significance of Prolonged Physical Activity in Neurogenesis and Neural Regeneration: Comparing Clinical Studies With Proposed AI-Based Framework 2025-Jul-21, Artificial organs IF:2.2Q3 DOI:10.1111/aor.15059 PMID:40692193	review	本文探讨了人工智能在分析运动对神经干细胞增殖影响中的应用，并提出了一个基于AI的框架	提出了一个结合AI技术分析运动对神经再生影响的创新框架	未具体说明AI模型的验证效果和实际应用的限制	研究运动对神经发生的影响以及AI在此领域的应用潜力	神经干细胞增殖、神经再生和恢复	machine learning	neurodegenerative illnesses	machine learning algorithms, deep learning techniques	NA	NA	NA
3422	2025-07-23	Natural variation of the wheat root exudate metabolome and its influence on biological nitrification inhibition activity 2025-Jul-21, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.70248 PMID:40692297	研究论文	本研究通过GC-和LC-MS平台分析了44种不同小麦基因型的根系分泌物代谢组，开发了一种新型高通量测定方法评估生物硝化抑制活性，并利用机器学习和深度学习识别了与高BNI活性相关的代谢物组合	开发了新型高通量BNI测定方法，结合代谢组学和机器学习识别了与BNI活性相关的代谢物组合，揭示了根系分泌物代谢组的基因型特异性和地理模式	研究仅针对来自印度和奥地利的44种小麦基因型，样本来源和数量有限	提高农业生态系统中的氮利用效率，探索小麦中的生物硝化抑制特性	44种不同小麦基因型的根系分泌物代谢组	农业生态学	NA	GC-MS, LC-MS, 机器学习和深度学习	NA	代谢组数据	44种小麦基因型（来自印度和奥地利）
3423	2025-07-23	Development of an optimized deep learning model for predicting slope stability in nano silica stabilized soils 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11497-7 PMID:40683973	研究论文	本研究开发了一种优化的深度学习模型，用于预测纳米硅稳定土壤中的边坡稳定性	结合CNN、LSTM和RNN的混合深度学习模型，并通过Optuna优化，提高了预测精度和模型解释性	模型的应用可能受到特定土壤类型和纳米硅稳定条件的限制	开发一种高效准确的边坡稳定性预测工具，以减少计算资源需求并提高预测精度	纳米硅稳定土壤的无限边坡稳定性	机器学习	NA	深度学习	CNN, LSTM, RNN	数值数据	3,159个不同纳米硅含量和岩土参数的边坡案例
3424	2025-07-23	Artificial intelligence-enabled electrocardiography and echocardiography to track preclinical progression of transthyretin amyloid cardiomyopathy 2025-Jul-18, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf450 PMID:40679604	研究论文	本研究利用人工智能技术分析心电图和超声心动图数据，追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于心电图和超声心动图数据，用于ATTR-CM的临床前监测和风险分层	研究为回顾性分析，需要前瞻性研究验证结果	开发可扩展的ATTR-CM临床前监测策略	转诊进行心脏淀粉样变核素检测的患者	数字病理学	心血管疾病	深度学习	深度学习模型	图像（心电图和超声心动图视频）	内部队列984人（YNHHS），外部队列806人（HMH），共分析7352次超声心动图和32205次心电图
3425	2025-07-23	Curating a knowledge base for patients with neurosyphilis: a study protocol of a DEep learning Framework for pErsonalized prediction of Adverse prognosTic events in NeuroSyphilis (DEFEAT-NS) 2025-Jul-18, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-092248 PMID:40681191	研究论文	本研究旨在开发和验证一个深度学习框架，用于个性化预测神经梅毒患者的不良预后事件	首次提出使用深度学习框架进行神经梅毒不良预后事件的个性化预测，并考虑了多种机器学习方法	研究采用回顾性设计，可能受到数据质量和完整性的限制	开发预测模型以辅助神经梅毒患者的临床决策和分层治疗	神经梅毒患者	数字病理	神经梅毒	深度学习，半监督机器学习	深度学习框架	临床数据	NA
3426	2025-07-23	Deep learning-based profiling side-channel attacks in SPECK cipher 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08888-1 PMID:40681536	research paper	本文介绍了一种基于深度学习的SPECK密码侧信道分析技术	首次将深度学习应用于SPECK轻量级密码的侧信道分析，并成功恢复其8字节密钥	主要针对SPECK-32/64密码实现，未广泛测试其他轻量级密码	研究轻量级密码SPECK的侧信道攻击防护	SPECK密码算法及其在物联网设备中的实现	信息安全	NA	深度学习侧信道分析	深度学习模型集成	密码算法执行轨迹数据	少于250条轨迹数据
3427	2025-07-23	Development of a clinical decision support system for breast cancer detection using ensemble deep learning 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06784-2 PMID:40681548	research paper	开发了一种基于集成深度学习的临床决策支持系统，用于乳腺癌检测	结合多种深度学习模型形成集成方法，优化个体技术的优势并减少劣势，提高从医学影像数据中提取复杂模式和特征的能力	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高乳腺癌的早期诊断准确性和效率	乳腺癌	digital pathology	breast cancer	Deep Learning (DL), Ensemble Deep Learning, Kelm Extreme Learning Machine (KELM), Deep Belief Network (DBN)	Ensemble Deep Learning	medical imaging data	NA
3428	2025-07-23	High-throughput behavioral screening in Caenorhabditis elegans using machine learning for drug repurposing 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10370-x PMID:40681561	研究论文	本研究提出了一种基于机器学习的高通量筛选方法，用于评估秀丽隐杆线虫的行为表型，以进行药物再利用研究	使用机器学习模型（特别是随机森林分类器）分析线虫行为表型，相比传统统计方法能检测更复杂和细微的模式	未提及方法在其它疾病模型或更大规模数据集上的泛化能力	开发更精确和可解释的自动化表型筛选方法用于药物测试	秀丽隐杆线虫（Caenorhabditis elegans）	机器学习	NA	Tierpsy Tracker行为特征提取	随机森林（Random Forest）和深度神经网络	视频序列和从线虫骨架提取的行为特征	未明确提及具体样本量，但涉及unc-80突变体的已发表药物再利用研究数据
3429	2025-07-23	Speech emotion recognition based on a stacked autoencoders optimized by PSO based grass fibrous root optimization 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08703-x PMID:40681606	研究论文	该论文提出了一种结合深度学习和元启发式算法的创新方法，用于提高语音情感识别（SER）系统的效率	结合堆叠自编码器（SAE）与基于粒子群优化（PSO）和草纤维根优化（GFRO）的混合算法，优化语音情感识别性能	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	提高语音情感识别的准确性和效率	语音信号中的情感状态	自然语言处理	NA	PSO, GFRO	SAE, CNN, SVM, DL, CNN/INCA, VGG-16	语音信号	标准情感识别数据集（未提及具体样本数量）
3430	2025-07-23	Video-based pupillometry using Fourier Mellin image correlation 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09321-3 PMID:40681614	研究论文	提出了一种基于傅里叶-梅林图像相关性的视频瞳孔测量新方法，用于评估瞳孔光反射（PLR）响应	采用傅里叶-梅林相关性（FMC）方法绕过瞳孔检测，提供了一种低成本、易获取的PLR测量方案	样本量较小（仅4名人类受试者），未来需要扩大样本量和纳入多样化条件以进一步验证方法	开发一种无需专用设备、可广泛应用的瞳孔光反射测量方法	瞳孔光反射（PLR）响应	计算机视觉	NA	傅里叶-梅林相关性（FMC）	NA	视频	4名人类受试者
3431	2025-07-23	An elegant intellectual engine towards automation of blockchain smart contract vulnerability detection 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08870-x PMID:40681656	研究论文	本研究提出了一种结合可解释人工智能（XAI）与深度学习（DL）的新方法，用于检测区块链智能合约中的漏洞	提出了一种新型混合引导分支定界长短期记忆（HBLSTM）方法，结合XAI与DL技术，显著提高了智能合约漏洞检测的准确性和性能	未提及具体的数据集规模或实际部署中的性能表现	提高区块链智能合约的安全性，自动化检测合约中的漏洞	区块链智能合约	区块链安全	NA	可解释人工智能（XAI）、深度学习（DL）	混合引导分支定界长短期记忆（HBLSTM）	智能合约代码	NA
3432	2025-07-23	Systematic review and meta-analysis of deep learning for MSI-H in colorectal cancer whole slide images 2025-Jul-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01848-z PMID:40681867	meta-analysis	本文通过meta分析评估了深度学习算法在结直肠癌全切片图像中检测微卫星不稳定性高的诊断性能	首次系统评估深度学习在MSI-H检测中的表现，并识别了影响异质性的主要因素	外部验证的特异性较低，表明存在过拟合问题，需要算法标准化以提高泛化能力	评估深度学习算法在结直肠癌MSI-H检测中的诊断性能	结直肠癌全切片图像	digital pathology	colorectal cancer	deep learning	DL algorithms	whole slide images	33,383 samples from 19 studies
3433	2025-07-23	A densely connected framework for cancer subtype classification 2025-Jul-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06230-0 PMID:40681997	research paper	提出了一种名为DEGCN的新型深度学习模型，用于癌症亚型分类	结合了三通道变分自编码器(VAE)和多层密集连接的图卷积网络(GCN)，用于多组学数据降维和癌症亚型分类	未提及模型在其他癌症类型上的泛化能力是否同样优秀	开发一个能够准确分类癌症亚型的深度学习框架	肾癌、乳腺癌和胃癌的亚型分类	digital pathology	renal cancer, breast cancer, gastric cancer	multi-omics data integration	VAE, GCN	multi-omics data	TCGA数据集中的肾癌、乳腺癌和胃癌样本
3434	2025-07-23	A new approach for microbe-disease association prediction: incorporating representation learning of latent relationships 2025-Jul-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03093-6 PMID:40682015	research paper	提出了一种新的深度学习框架RKGATMDA，用于预测微生物与疾病之间的关联	结合图注意力网络和随机K近邻算法，解决了现有微生物-疾病关联数据不足的问题	依赖于现有的微生物-疾病关联数据，数据稀缺可能影响模型性能	预测微生物与疾病之间的关联，以辅助临床诊断和治疗	微生物与疾病之间的关联	machine learning	asthma, colon cancer, colorectal carcinoma	graph attention network, Random K-Nearest Neighbors	RKGATMDA	microbe-disease association data	NA
3435	2025-07-23	Open-access ultrasonic diaphragm dataset and an automatic diaphragm measurement using deep learning network 2025-Jul-18, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03325-3 PMID:40682068	research paper	该研究构建了一个超声膈肌数据集，并开发了一种基于深度学习的自动膈肌测量系统	提出了一个新的深度学习分割网络MDRU-Net，用于精确测量膈肌厚度和运动，并设计了用户友好的自动测量系统	研究中未提及样本的多样性或代表性，可能影响模型的泛化能力	开发自动化的膈肌功能评估系统，以提高临床检测的准确性和效率	膈肌的厚度和运动	digital pathology	NA	超声成像	MDRU-Net (基于U-Net架构)	B-mode和M-mode超声图像及视频	未明确提及具体样本数量
3436	2025-07-23	AI-Driven segmentation and morphogeometric profiling of epicardial adipose tissue in type 2 diabetes 2025-Jul-18, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-025-02829-y PMID:40682091	研究论文	开发了一种基于AI的形状感知方法，用于自动分割和分析2型糖尿病患者的EAT形态几何特征	结合了多模态深度学习和统计形状分析，首次实现了对EAT的空间分布和结构变化的自动化分析	样本量相对较小（90名参与者），且仅针对瑞典SCAPIS队列的亚组研究	开发AI驱动的EAT分割和形态几何分析方法，以评估2型糖尿病患者的EAT特征	2型糖尿病患者的EAT（心外膜脂肪组织）	数字病理学	2型糖尿病	3D Dixon MRI	多模态深度学习模型（EAT-Seg）	3D MRI图像	90名参与者（45名2型糖尿病患者和45名年龄、性别匹配的对照组）
3437	2025-07-23	Mortality and antibiotic timing in deep learning-derived surviving sepsis campaign risk groups: a multicenter study 2025-Jul-14, Critical care (London, England) DOI:10.1186/s13054-025-05493-6 PMID:40660326	研究论文	本研究通过深度学习模型对脓毒症患者进行风险分层，探讨抗生素使用时机对不同风险组患者死亡率的影响	首次使用深度学习模型客观地对脓毒症患者进行风险分层，并分析不同抗生素使用时机对各风险组死亡率的影响	需要更多前瞻性研究来验证这些发现	探讨基于风险分层的抗生素使用时机对脓毒症患者死亡率的影响	脓毒症患者	数字病理学	脓毒症	深度学习	DL	临床数据	34,087名成年脓毒症患者
3438	2025-07-23	VDCRL: vulnerability detection with supervised contrastive code representation learning 2025-Jul-14, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107861 PMID:40690875	研究论文	提出了一种基于监督对比代码表示学习的漏洞检测框架VDCRL，以提高检测性能和泛化能力	结合输入和特征空间代码增强技术，使用特征融合编码器SAFE整合源代码和汇编指令特征，并采用监督对比学习和BGRU模型进行训练和检测	未提及在更广泛或多样化数据集上的测试结果	提高代码漏洞检测的泛化能力和检测性能	软件代码中的漏洞	自然语言处理	NA	监督对比学习	BGRU	代码文本	合成数据集训练，两个真实数据集测试
3439	2025-07-23	From Single-Cancer to Pan-Cancer Prognosis: A Multimodal Deep Learning Framework for Survival Analysis with Robust Generalization Capability 2025-Jul-10, The American journal of pathology DOI:10.1016/j.ajpath.2025.06.006 PMID:40651540	research paper	本文介绍了一种名为UMPSNet的多模态深度学习框架，用于跨癌症类型的生存分析，具有强大的泛化能力	UMPSNet通过基于最优传输的注意力机制进行多模态特征对齐，并采用专家混合机制解决癌症类型分布偏移问题，实现了跨癌症类型的预后预测	研究虽然展示了在未见过的恶性肿瘤上的泛化能力，但样本量相对有限（胰腺癌样本n=66）	开发一个能够克服数据异质性和领域转移挑战的多模态生存分析框架，用于泛癌症预后预测	癌症患者的组织病理学图像、基因组表达谱和四种元数据类别	digital pathology	pan-cancer	multimodal deep learning	UMPSNet	image, genomic data, metadata	3523张全切片图像（n=2831）来自TCGA五个队列，以及392张胰腺腺癌全切片图像（n=66）
3440	2025-07-23	[Advances in prediction models for temporomandibular disorders] 2025-Jul-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250401-00114 PMID:40619145	综述	本文全面评估了颞下颌关节紊乱病（TMD）预测模型的实现与性能，并分析了不同计算方法的优缺点及未来研究方向	比较了传统统计方法、机器学习和深度学习在TMD预测中的应用，指出了各自的创新点和局限性	传统统计方法依赖先验知识和假设，机器学习依赖数据质量且泛化能力有限，深度学习需要大量训练数据且存在可解释性问题	探讨TMD预测模型的研究进展及其在早期预测和治疗中的应用	颞下颌关节紊乱病（TMD）患者	机器学习	颞下颌关节紊乱病	传统统计方法、机器学习、深度学习	NA	时间序列数据	NA