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
3921	2025-06-06	Deep Ensemble for Central Serous Microscopic Retinopathy Detection in Retinal Optical Coherence Tomographic Images 2025-Jul, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24836 PMID:40014549	research paper	该研究提出了一种基于卷积神经网络的框架，结合分割和后处理技术，用于视网膜光学相干断层扫描图像中的中央浆液性视网膜病变检测	采用三种网络（ResNet-18、GoogleNet和VGG-19）的融合方法进行图像分类，实现了高准确率（99.6%）和高特异性（100%）	研究仅使用了公开数据集OCTID，样本量相对较小（207张正常图像和102张CSR图像）	开发一种自动检测中央浆液性视网膜病变的方法，以减少视力丧失的风险	视网膜光学相干断层扫描图像	digital pathology	retinal disorder	光学相干断层扫描（OCT）	CNN（ResNet-18、GoogleNet、VGG-19）	image	309张图像（207张正常，102张CSR）
3922	2025-06-06	Estimating canopy leaf angle from leaf to ecosystem scale: a novel deep learning approach using unmanned aerial vehicle imagery 2025-Jul, The New phytologist DOI:10.1111/nph.70197 PMID:40346911	研究论文	提出一种基于无人机影像和深度学习的创新方法，用于从叶片到生态系统尺度高效估算冠层叶片角度	相比传统方法，该方法更经济、高效、自动化且劳动强度低，能够跨尺度估算叶片角度分布	目前仅在三种植物物种上进行了单叶尺度的验证，需要更多物种和生态系统验证其普适性	开发高效估算植被冠层叶片角度分布的方法，以支持生态系统建模	植物冠层叶片角度	计算机视觉	NA	无人机影像、运动结构点云算法	Mask R-CNN	图像	57,032片叶片（来自30m×30m样地内的四种代表性树种）
3923	2025-06-06	BrainFusion: a Low-Code, Reproducible, and Deployable Software Framework for Multimodal Brain‒Computer Interface and Brain‒Body Interaction Research 2025-Jun-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417408 PMID:40470749	研究论文	本文介绍了BrainFusion，一个旨在提高多模态脑机接口（BCI）和脑体交互研究可重复性并支持转化应用的统一软件框架	BrainFusion通过标准化数据结构、自动化预处理流程、跨模态特征工程和集成机器学习模块，解决了多模态生理信号整合中的分析复杂性、标准化不足和实际部署挑战	NA	改善多模态脑机接口和脑体交互研究的可重复性并支持转化应用	多模态生理信号（EEG、fNIRS、EMG、ECG）	脑机接口	NA	EEG、fNIRS、EMG、ECG	集成建模、深度学习	多模态生理信号	NA
3924	2025-06-06	Clinical validation of a deep learning model for low-count PET image enhancement 2025-Jun-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07370-4 PMID:40471320	研究论文	本研究验证了深度学习模型RaDynPET在低计数PET图像增强中的效果	RaDynPET模型能够在标准采集时间的25%内恢复高质量的PET图像，同时保持SUV值的一致性	研究样本量相对较小（120例患者），且仅针对18F-FDG PET/CT检查	评估深度学习模型在低计数PET图像增强中的应用效果	120例接受18F-FDG PET/CT检查的患者	数字病理	NA	PET/CT	深度学习模型RaDynPET	PET图像	120例患者（84例内部队列和36例外部队列）
3925	2025-06-06	Development of a deep learning model for measuring sagittal parameters on cervical spine X-ray 2025-Jun-05, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08946-2 PMID:40471336	研究论文	开发了一种深度学习模型，用于自动测量颈椎X射线图像上的矢状面参数	使用CNN模型自动识别颈椎X射线图像上的关键点并测量相关参数，提高了诊断效率	研究仅基于700张X射线图像，样本量可能不足	开发一种自动测量颈椎矢状面参数的深度学习模型	颈椎X射线图像	计算机视觉	颈椎疾病	X射线成像	CNN	图像	700张颈椎X射线图像（500张训练集，100张内部测试集，100张外部测试集）
3926	2025-06-06	MSFHNet: a hybrid deep learning network for multi-scale spatiotemporal feature extraction of spatial cognitive EEG signals in BCI-VR systems 2025-Jun-05, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03386-y PMID:40471491	research paper	提出了一种名为MSFHNet的混合深度学习网络，用于在BCI-VR系统中提取空间认知EEG信号的多尺度时空特征	MSFHNet采用分层架构，时间模块使用多尺度扩张卷积捕捉动态EEG变化，空间模块集成通道-空间注意力机制建模通道间依赖和空间分布，通过跨堆叠模块进行深层融合优化特征提取	NA	提升BCI-VR系统中空间认知训练和评估的EEG信号表征能力	空间认知EEG信号	脑机接口	NA	EEG信号分析	MSFHNet（混合神经网络）	EEG信号	NA
3927	2025-06-06	Physics-Assisted Machine Learning for the Simulation of the Slurry Drying in the Manufacturing Process of Battery Electrodes: A Hybrid Time-Dependent VGG16-DEM Model 2025-Jun-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c23103 PMID:40327815	研究论文	本研究提出了一种结合深度学习与离散元方法的混合物理辅助机器学习模型，用于模拟锂离子电池电极制造过程中的浆料干燥过程	提出了一种混合物理辅助机器学习模型，结合了深度学习与离散元方法，显著提高了模拟效率并保持了物理合理性	模型训练基于特定配方（96%活性材料和4%碳粘合剂），虽然展示了良好的泛化能力，但未测试更广泛配方范围的适用性	提高锂离子电池电极制造过程中浆料干燥模拟的效率和准确性	锂离子电池电极制造过程中的浆料干燥过程	机器学习	NA	深度学习（DL）、离散元方法（DEM）	VGG16-DEM混合模型	模拟数据	NA
3928	2025-06-06	Advances in Machine Learning-Driven Flexible Strain Sensors: Challenges, Innovations, and Applications 2025-Jun-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c06453 PMID:40418062	综述	本文系统评估了柔性应变传感器的最新进展，重点探讨了机器学习在提升传感器性能中的关键作用	强调了机器学习特别是深度学习在提升柔性应变传感器稳定性、灵敏度和适应性方面的创新应用	传感器材料优化面临挑战，机器学习算法存在局限性、复杂环境下的噪声容忍度低以及模型可解释性有限	探讨机器学习驱动的柔性应变传感器的创新、挑战及应用	柔性应变传感器及其在健康监测、人机交互和智能家居中的应用	机器学习	NA	机器学习和深度学习	传统机器学习方法和深度学习	传感器数据	NA
3929	2025-06-06	GONet: A Generalizable Deep Learning Model for Glaucoma Detection 2025-Jun-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3576688 PMID:40465450	research paper	介绍了一种名为GONet的深度学习模型，用于从彩色眼底照片中检测青光眼性视神经病变	GONet采用DINOv2预训练的自监督视觉变换器，并通过多源域策略进行微调，展现出较高的跨分布泛化能力	模型在不同种族、疾病群体和检查环境中的泛化能力仍有待进一步验证	开发一种能够自动检测青光眼性视神经病变的深度学习模型	青光眼性视神经病变患者	digital pathology	glaucoma	deep learning	vision transformers	image	超过119,000张彩色眼底照片，以及一个新的包含747张标记CFPs的数据集
3930	2025-06-06	Early diagnosis model of mycosis fungoides and five inflammatory skin diseases based on multi-modal data-based convolutional neural network 2025-Jun-04, The British journal of dermatology DOI:10.1093/bjd/ljaf212 PMID:40465821	research paper	开发了一种基于多模态数据和卷积神经网络的AI模型，用于早期诊断蕈样肉芽肿和五种炎症性皮肤病	首次提出基于多模态信息（临床信息、临床图像和皮肤镜图像）的卷积神经网络模型，用于早期诊断蕈样肉芽肿和炎症性皮肤病	单中心回顾性研究，样本来源有限	构建AI辅助的早期诊断模型，提高蕈样肉芽肿和炎症性皮肤病的诊断准确性	蕈样肉芽肿（MF）和五种炎症性皮肤病患者	digital pathology	cutaneous T-cell lymphoma	deep learning	CNN (RegNetY-400MF)	multimodal data (clinical information, clinical images, dermoscopic images)	1157例患者（2452张临床图像和6550张皮肤镜图像）
3931	2025-06-06	Development and validation of a deep learning-powered system for multi-version global alignment and proportion score to predict mechanical complications after adult degenerative scoliosis surgery 2025-Jun-04, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08995-7 PMID:40468028	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3932	2025-06-06	Deep Learning Based Models for CRISPR/Cas Off-Target Prediction 2025-Jun-04, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500122 PMID:40468633	综述	本文回顾了基于深度学习的CRISPR/Cas脱靶预测工具，评估了六种深度学习模型在公共数据集上的性能	强调将经过验证的脱靶位点数据集整合到模型训练中，提高了预测的鲁棒性，特别是在高度不平衡的数据集上	没有模型在所有场景中始终优于其他模型	改进CRISPR/Cas脱靶位点预测，确保更安全的基因组编辑应用	CRISPR/Cas脱靶位点预测工具	机器学习	NA	深度学习	CRISPR-Net, CRISPR-IP, R-CRISPR, CRISPR-M, CrisprDNT, Crispr-SGRU	序列数据	六个公共数据集和CRISPRoffT数据库中的验证数据
3933	2025-06-06	Artificial intelligence in bone metastasis analysis: Current advancements, opportunities and challenges 2025-Jun-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110372 PMID:40466242	综述	本文综述了人工智能在骨转移分析中的当前进展、机遇与挑战	总结了人工智能在骨转移分析中的最新技术，包括传统机器学习和现代深度学习架构如CNN和Transformer的应用	数据不平衡、过拟合风险、模型透明度不足以及临床转化面临的监管和验证障碍	探讨人工智能在骨转移分析中的应用及其潜力	骨转移（BM）	医学影像分析	癌症骨转移	CT、MRI、PET、SPECT和骨闪烁扫描	CNN、Transformer	医学影像	NA
3934	2025-06-06	Disruption of Hsp70.14-BAG2 Protein-Protein interactions using deep Learning-Driven peptide design and molecular simulations 2025-Jun-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110443 PMID:40466244	研究论文	本研究利用深度学习驱动的肽设计和分子模拟技术，破坏Hsp70.14与BAG2之间的蛋白质相互作用	结合深度学习肽筛选、分子对接、分子动力学模拟和MM-GBSA自由能分析的综合计算框架，用于识别能破坏Hsp70.14-BAG2相互作用的抗菌肽	需要进一步的体外验证和结构优化以支持其转化潜力	开发针对Hsp70.14-BAG2相互作用的治疗性肽	Hsp70.14和BAG2蛋白质相互作用	计算生物学	癌症	深度学习、分子对接、分子动力学模拟、MM-GBSA自由能分析	深度学习模型	蛋白质序列和结构数据	从公共数据库中筛选的抗菌肽候选物
3935	2025-06-06	Real-time multiple people gait recognition in the edge 2025-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02351-x PMID:40456749	research paper	该研究探讨了在边缘设备上部署步态识别模型，以实现实时多目标处理，同时优化延迟和能耗	将步态识别模型部署问题视为多目标选择问题，同时优化延迟、能耗和准确性，并利用批处理和并发执行提高吞吐量	研究仅在NVIDIA Jetson Orin Nano和Jetson AGX Orin设备上进行实验，可能不适用于其他硬件平台	优化边缘设备上的步态识别模型，实现实时多目标处理	步态识别模型在边缘设备上的部署与优化	computer vision	NA	deep learning	CNN	video	42至188个同时处理的目标
3936	2025-06-06	Single-molecule direct RNA sequencing reveals the shaping of epitranscriptome across multiple species 2025-Jun-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60447-4 PMID:40456740	研究论文	本研究开发了一种名为SingleMod的深度学习模型，用于从直接RNA测序数据中精确检测单个RNA分子上的m6A修饰	创新性地采用了多实例回归框架，利用定量NGS方法提供的广泛甲基化率标签，实现了对单个RNA分子m6A修饰的高精度预测	NA	全面表征m6A在转录组范围内的分布格局和生物发生机制	人类细胞系和八个不同物种的RNA分子	生物信息学	NA	直接RNA测序(DRS), 下一代测序(NGS)	深度学习模型(SingleMod), 多实例回归(MIR)	RNA测序数据	人类细胞系和八个不同物种的RNA分子
3937	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）
3938	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
3939	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
3940	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