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
361	2025-07-06	Artificial Olfactory System Enabled by Ultralow Chemical Sensing Variations of 1D SnO2 Nanoarchitectures 2025-Jul, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202501293 PMID:40318170	研究论文	本研究开发了一种高可靠的传感器平台，通过一维SnO纳米网络功能化Au和Pd纳米催化剂，标准化气体传感用于深度学习应用	通过系统沉积工艺制备的1D SnO纳米网络功能化Au和Pd纳米催化剂，显著提高了气体扩散和反应动力学，并通过受控老化过程将变异系数降低至5%以下	研究未涉及长期稳定性测试或在更广泛环境条件下的性能验证	开发一种高可靠的传感器平台，用于标准化气体传感并提升深度学习在气体识别中的应用	七种目标气体：丙酮、氢气、乙醇、一氧化碳、丙烷、异戊二烯和甲苯	传感器技术	NA	系统沉积工艺、受控老化过程	残差网络模型	气体传感数据	七种目标气体
362	2025-07-06	Artificial Intelligence Augmented Cerebral Nuclear Imaging 2025-Jul, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.05.005 PMID:40441996	research paper	本文探讨了人工智能（AI），特别是机器学习和深度学习在核神经影像处理、分析、增强和解释中的当前和新兴应用	介绍了AI在核神经影像中的创新应用，包括自动图像分割、疾病分类、放射组学特征提取，以及基于深度学习的重建、伪CT生成用于衰减校正和低计数研究的去噪	未明确提及具体局限性	探索AI如何提升核神经影像的能力，推动精准医学的发展	SPECT和PET脑部影像	digital pathology	NA	SPECT, PET, 放射组学	ML, DL	image	NA
363	2025-07-06	Systematic Evaluation of Atrous Spatial Pyramid Pooling in U-Net for Pore Segmentation in Plasma Electrolytic Oxidation Coatings 2025-Jul-01, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.5c01673 PMID:40523154	研究论文	本研究提出了一种基于深度学习的U-Net架构结合Atrous Spatial Pyramid Pooling (ASPP)的分割框架，用于提高等离子电解氧化(PEO)涂层中孔隙结构的多尺度特征提取能力	系统地评估了ASPP在U-Net不同位置的性能影响，发现桥接和解码器路径的修改对分割性能影响最大，结合修改在两者中应用ASPP获得了最高的F1分数和IoU	传统图像分割方法难以捕捉PEO表面在SEM图像中的复杂性，本研究虽有所改进，但可能仍存在对某些复杂孔隙结构的识别不足	提高PEO涂层孔隙结构的分割精度，以更好地理解界面结构-性能关系	等离子电解氧化(PEO)涂层的孔隙结构	计算机视觉	NA	深度学习	U-Net, ASPP	图像	未明确提及具体样本数量，但使用了5折交叉验证
364	2025-07-06	Language models learn to represent antigenic properties of human influenza A(H3) virus 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03275-2 PMID:40592976	研究论文	本研究比较了几种机器学习方法，用于预测流感A(H3N2)病毒的抗原特性，并识别可能需要疫苗更新的新抗原变异	使用深度学习语言模型（BiLSTM和ProtBERT）预测流感病毒的抗原特性，并在单氨基酸驱动的抗原变化和深度突变扫描实验中表现优于传统方法	研究主要针对流感A(H3N2)病毒的HA1蛋白序列，可能不适用于其他病毒或蛋白	评估从流感病毒基因组信息中可靠预测抗原特性的可能性，以支持疫苗更新决策	流感A(H3N2)病毒的HA1蛋白序列	自然语言处理	流感	深度学习语言模型（BiLSTM和ProtBERT）	BiLSTM, ProtBERT	蛋白质序列	已验证的流感病毒基因组和湿实验室实验结果的链接数据集
365	2025-07-06	SE(3)-equivariant ternary complex prediction towards target protein degradation 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61272-5 PMID:40593782	研究论文	本文介绍了一种名为DeepTernary的新型深度学习方法，用于预测靶向蛋白质降解中的三元复合物结构	提出了一种端到端的深度学习方法，结合SE(3)-等变编码器和基于查询的解码器，能够准确快速地预测三元复合物结构	未提及具体的数据集规模限制或模型泛化能力的局限性	开发一种能够预测靶向蛋白质降解中三元复合物结构的工具，以促进靶向蛋白质降解剂的设计	靶向蛋白质降解中的三元复合物（包括PROTACs和分子胶降解剂MGD）	机器学习	NA	深度学习	SE(3)-等变编码器和基于查询的解码器	蛋白质结构数据	基于精心整理的TernaryDB数据集，但未提及具体样本数量
366	2025-07-06	Artificial intelligence derived grading of mustard gas induced corneal injury and opacity 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08042-x PMID:40594758	研究论文	本研究开发了一种基于人工智能的临床分类模型，用于客观评估活兔眼角膜损伤和不透明度水平	首次使用AI评估活兔化学性角膜损伤，结合Mask-RCNN和ResNet50模型实现可靠分级	研究仅基于兔眼角膜图像，未涉及人类数据	开发客观评估化学性角膜损伤的AI分类模型	硫芥子气暴露后的活兔眼角膜	数字病理学	角膜损伤	深度学习	Mask-RCNN, CNN (VGG16, ResNet101, DenseNet121, InceptionV3, ResNet50)	图像	401张兔眼角膜图像
367	2025-07-06	Associations of street-view greenspace exposure with cardiovascular health (Life's Essential 8) among women in midlife 2025-Jul-01, Biology of sex differences IF:4.9Q1 DOI:10.1186/s13293-025-00718-3 PMID:40598663	研究论文	该研究探讨了街道绿化景观暴露与中年女性心血管健康（Life's Essential 8）之间的关联	使用Google街景图像和深度学习算法量化街道绿化暴露，而非传统的卫星数据，并首次将整体心血管健康评分（LE8）纳入分析	研究样本主要来自美国马萨诸塞州东部，可能限制结果的普遍性，且未考虑其他潜在的环境或生活方式因素	评估街道绿化景观暴露对中年女性心血管健康的影响	Project Viva队列中的中年女性（平均年龄46-51岁）	环境流行病学	心血管疾病	深度学习算法	线性回归模型	图像（Google街景）和问卷数据	767名参与者（68%非西班牙裔白人，74%大学毕业生）
368	2025-07-06	Advancing Spike Sorting Through Gradient-Based Preprocessing and Nonlinear Reduction With Agglomerative Clustering 2025-Jul, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70650 PMID:40607611	research paper	该论文提出了一种基于梯度预处理和非线性降维的尖峰排序方法，结合凝聚聚类以提高分类准确性	引入了数学技术进行数据预处理，并结合非线性变换（如UMAP和谱嵌入）优化特征提取，显著提高了尖峰分类的准确性	方法在特定神经元群体中的效果未充分验证，可能仍存在视觉上难以区分的相似尖峰问题	开发一种全自动尖峰排序方法，以提高神经电信号分类的准确性	神经电信号（尖峰）	机器学习	NA	UMAP, 谱嵌入	密度聚类算法	电信号数据	未明确提及具体样本数量，但包含非重叠和重叠尖峰数据集
369	2025-07-06	Leveraging multithreading on edge computing for smart healthcare based on intelligent multimodal classification approach 2025-Jul-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102594 PMID:40614479	研究论文	本文提出了一种基于边缘计算的智能多模态分类方法，用于智能医疗中的临床决策支持系统	提出了一种多线程并行架构，结合机器学习和深度学习技术，用于处理多类别医疗记录，并在边缘计算设备上实现高效分类	研究仅针对脑肿瘤、肺炎和结肠癌三种疾病进行分类，未涵盖更多疾病类型	开发一种智能医疗系统，用于自动化医疗多模态数据的诊断	医疗多模态数据，包括医学影像和患者生命体征	数字病理学	脑肿瘤、肺炎、结肠癌	遗传算法优化的轻量级神经网络	MobileNet、EfficientNet、ResNet18	医学影像、生命体征数据	未明确提及具体样本数量，但涉及三种疾病的分类任务
370	2025-07-06	Deep learning approaches for attenuation correction in myocardial perfusion imaging 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102277 PMID:40615168	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
371	2025-07-06	GC-PGE: A novel deep learning model for tumor drug resistance prediction and core resistance gene extraction based on graph and signaling pathways 2025-Jun-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108578 PMID:40614480	研究论文	提出了一种名为GC-PGE的新型深度学习模型，用于预测肿瘤耐药性并提取核心耐药基因	整合了多维组学数据和通路级信息，利用图神经网络构建基因关联网络，并通过贝叶斯学习方法将耐药基因预测和肿瘤样本分类任务统一到一个网络架构中	未提及具体的数据集大小或模型在不同类型肿瘤上的泛化能力	预测肿瘤耐药性并识别核心耐药基因，以推进个性化癌症治疗和新治疗靶点的发现	肝癌、卵巢癌和黑色素瘤的肿瘤样本	机器学习	肝癌、卵巢癌、黑色素瘤	图神经网络、贝叶斯学习	GC-PGE（Gene Correlation and Pathway Graph Encoder Network）	多维组学数据（如蛋白质相互作用、基因同源性、信号通路数据）	NA
372	2025-07-06	Classifying kidney disease using a dense layers deep learning model 2025-Jun-28, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100324 PMID:40588036	research paper	该研究提出了一种基于密集层深度学习模型的肾脏疾病分类方法	使用优化的密集层深度神经网络架构，实现了99%的高准确率	研究使用了公开数据集，可能无法完全代表所有临床场景	开发高准确率的肾脏疾病自动诊断系统	慢性肾脏疾病(CKD)患者	machine learning	kidney disease	deep learning	dense-layered deep neural networks	structured data	公开数据集，包含24个独立字段的样本
373	2025-07-06	Automatic prostate volume estimation in transabdominal ultrasound images 2025-Jun-28, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112274 PMID:40614658	research paper	本研究提出了一种基于深度学习的框架，用于在经腹超声图像中自动估计前列腺体积，旨在改进非侵入性前列腺癌风险分层	利用深度学习模型在经腹超声图像中自动进行前列腺分割和体积估计，为非侵入性前列腺癌风险评估提供新方法	经腹超声图像质量较低且依赖操作者，可能影响分割和体积估计的准确性	改进非侵入性前列腺癌风险分层方法	前列腺体积估计	digital pathology	prostate cancer	deep learning	CNN	image	100名患者（中位年龄67岁，95%范围55-81.2岁）的经腹超声视频
374	2025-07-06	MSC-transformer-based 3D-attention with knowledge distillation for multi-action classification of separate lower limbs 2025-Jun-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107806 PMID:40614457	研究论文	提出了一种基于MSC-transformer的三维注意力模型，结合知识蒸馏技术，用于下肢分离动作的多动作分类	首次将多尺度可分离卷积与Transformer结合，并引入知识蒸馏技术，提高了模型的计算效率和分类性能	模型在真实运动（RM）和运动观察（MO）分类方面的探索仍然有限	改进基于EEG的运动想象（MI）分类方法，特别是针对下肢分离动作的分类	下肢分离动作的EEG信号	机器学习	NA	知识蒸馏（KD）	MSC-T3AM（基于Transformer的三维注意力模型）	EEG信号	NA
375	2025-07-06	Sequence and Structure-based Prediction of Allosteric Sites 2025-Jun-24, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测方法，并讨论了计算机辅助变构药物设计的挑战和未来方向	强调了多模态数据整合和可解释深度学习模型在改进变构位点预测和合理变构药物设计中的潜力	临床应用中变构药物的存在仍然有限	促进对变构机制的理解并促进变构药物设计	蛋白质序列、结构和变构调控	生物信息学	NA	计算机辅助药物设计	深度学习模型	蛋白质序列和结构数据	NA
376	2025-07-06	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Jun-19, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络，提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	通过引入门控循环单元(GRU)和注意力机制对传统CNN模型进行结构强化，构建了CNN-GRU-Attention增强混合神经网络，显著提升了特征提取能力和非线性关系建模能力	NA	开发高灵敏度且准确的水中溴氰菊酯残留定量分析方法	水中的溴氰菊酯残留	机器学习	NA	表面增强拉曼光谱(SERS)	CNN-GRU-Attention混合神经网络	光谱数据	NA
377	2025-07-06	Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions 2025-Jun-17, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112531 PMID:40544576	研究论文	本研究开发了一种基于多任务深度学习的自动方法，用于从口腔全景片中估计性别和年龄，并与人类预测进行了比较	采用多任务学习方法，结合VGG主干网络和独立的注意力分支，显著提高了性别和年龄估计的准确性和一致性	数据集仅包含2067张口腔全景片，可能不足以覆盖所有可能的年龄和性别变异性	开发一种自动且稳健的方法，用于法医牙科和法医鉴定中的性别和年龄估计	口腔全景片	计算机视觉	NA	深度学习	多任务学习网络（VGG主干网络）	图像	2067张口腔全景片，性别和年龄组均匀分布，年龄范围3至89岁
378	2025-07-06	Predicting and explaining high dead-on-arrival outcomes in meat-type ducks using deep learning: A path to improved welfare management 2025-Jun-13, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105439 PMID:40541105	研究论文	本研究利用深度学习模型预测和解释肉鸭高到货死亡率(DOA)的结果，旨在改善福利管理	首次将可解释的深度学习模型应用于肉鸭DOA预测，结合SHAP分析提高模型透明度和实用性	研究数据仅来自2022-2023年的8220车次记录，可能无法涵盖所有潜在影响因素	开发可解释的深度学习模型来预测肉鸭高DOA结果，以优化屠宰前管理	肉鸭的屠宰前管理和环境数据	数字病理	NA	深度学习, SHAP分析	深度学习模型	屠宰前管理和环境数据	8220车次肉鸭运输记录(2022-2023年)
379	2025-07-06	An Integrated Framework for Automated Image Segmentation and Personalized Wall Stress Estimation of Abdominal Aortic Aneurysms 2025-Jun-12, Research square DOI:10.21203/rs.3.rs-6630234/v1 PMID:40585219	研究论文	提出一个集成框架，用于自动分割腹部主动脉瘤（AAA）图像并个性化估计壁应力	结合基于块的扩张改进U-Net模型、非线性弹性膜分析（NEMA）和非均匀有理B样条（NURBS）来精确分割和估计AAA壁应力	未提及样本量或具体临床验证结果	开发自动化方法以改进腹部主动脉瘤的监测和手术规划	腹部主动脉瘤（AAA）患者	数字病理学	心血管疾病	CT血管造影（CTA）	改进的U-Net模型	图像	NA
380	2025-07-06	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	本研究开发了一种基于深度学习的计算流程，用于从数字化组织学切片中准确分类儿科肉瘤亚型	采用先进的ViT基础模型（UNI、CONCH）和多尺度特征提升分类准确性，同时优化了轻量级SAMPLER分类器	研究依赖于有限的数据集（867张全切片图像），且仅针对特定儿科肉瘤亚型	开发一种计算流程以准确分类儿科肉瘤亚型，减少诊断中的观察者间变异	儿科肉瘤的数字化组织学切片	数字病理学	儿科肉瘤	深度学习	CNN, ViT, SAMPLER	图像	867张全切片图像（来自三个医疗中心和儿童肿瘤学组）