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
21	2025-07-16	A Large Language Model-Powered Map of Metabolomics Research 2025-Jul-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01672 PMID:40608399	研究论文	本文通过大型语言模型绘制了代谢组学研究的全面图谱，综合分析了超过80,000篇文献	利用PubMedBERT将摘要转化为768维嵌入，捕捉了代谢组学领域的细微主题结构，并通过t-SNE降维和GPT-4o mini优化的神经主题建模管道重新分类了文献	研究依赖于文献摘要，可能未涵盖全文的深度信息	绘制代谢组学研究的全面图谱，识别新兴研究轨迹和关键挑战	超过80,000篇代谢组学相关文献	自然语言处理	NA	PubMedBERT, t-SNE, GPT-4o mini	BERT, 神经主题模型	文本	超过80,000篇文献
22	2025-07-16	Mapping the Conformational Heterogeneity Intrinsic to the Protein Native Ensemble 2025-Jul-15, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.5c00201 PMID:40615361	综述	本文回顾了在AlphaFold时代，如何通过实验和计算技术描绘蛋白质在不同分辨率水平下的构象景观	强调了单一结构无法完全捕捉蛋白质的真实情况，提出了整合多探针实验和物理基础模型的方法来理解序列-集合-功能的关系	未提及具体的技术限制或数据不足的问题	探讨蛋白质构象异质性及其对功能理解的重要性	蛋白质的构象景观和功能	结构生物学	NA	实验和计算技术	NA	结构数据	NA
23	2025-07-16	Deep learning-based contour propagation in magnetic resonance imaging-guided radiotherapy of lung cancer patients 2025-Jul-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade8d0 PMID:40570891	研究论文	本文提出了一种基于深度学习的轮廓传播方法，用于磁共振成像引导的肺癌患者放疗中器官风险和肿瘤体积的快速准确分割	采用混合Transformer-卷积神经网络TransMorph模型进行可变形图像配准，实现了不同场强下MRI图像的高效准确分割	研究样本主要来自特定场强(0.35T)的MR-Linac设备，在更广泛设备上的适用性有待验证	提高磁共振成像引导放疗中器官风险和肿瘤体积轮廓传播的效率和准确性	肺癌患者的MRI图像	数字病理	肺癌	MRI	TransMorph(混合Transformer-CNN)	医学图像	172名肺癌患者(140名内部数据，18名外部中央型肺癌，14名III期肺癌)，共490对计划图像和分次图像
24	2025-07-16	Dose-aware denoising diffusion model for low-dose CT 2025-Jul-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade8cc PMID:40570896	研究论文	本文提出了一种新型剂量感知扩散模型，用于低剂量CT图像去噪，旨在解决现有扩散基深度学习方法在泛化性和不确定性方面的问题	引入了一种基于物理的前向过程，具有连续时间步长，能够灵活表示不同的噪声水平，并包含了一个计算高效的噪声校准模块	未明确提及具体局限性，但可能包括对不同数据集的泛化能力仍需进一步验证	开发一种能够有效减少CT图像噪声同时保持结构保真度并适用于不同剂量水平的去噪方法	低剂量CT图像	数字病理	NA	扩散模型	扩散模型	图像	Mayo Clinic数据集
25	2025-07-16	Machine and deep learning models for predicting high pressure density of heterocyclic thiophenic compounds based on critical properties 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09600-z PMID:40659686	研究论文	本研究利用机器学习和深度学习模型预测七种噻吩衍生物的高压密度	使用临界性质作为输入参数，并展示了LightGBM模型在预测噻吩衍生物高压密度方面的优越性能	研究仅针对七种噻吩衍生物，可能不适用于其他类型的化合物	预测噻吩衍生物的高压密度，以促进材料科学的应用	七种噻吩衍生物（噻吩、2-甲基噻吩、3-甲基噻吩、2,5-二甲基噻吩、2-噻吩甲醇、2-噻吩甲醛和2-乙酰噻吩）	机器学习	NA	NA	Decision Tree (DT), Adaptive Boosting Decision Tree (AdaBoost-DT), Light Gradient Boosting Machine (LightGBM), Gradient Boosting (GBoost), TabNet, Deep Neural Network (DNN)	数值数据	七种噻吩衍生物的临界性质数据
26	2025-07-16	Evaluating the strength properties of high-performance concrete in the form of ensemble and hybrid models using deep learning techniques 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10860-y PMID:40659776	研究论文	本研究开发了混合和集成模型，利用深度学习技术预测高性能混凝土的抗压强度和坍落度	结合T-SFIS、GBMBoost和决策树等模型与元启发式算法（GWO、QPSO）在混合和集成框架中，显著提高了预测性能	研究仅基于191种混合物的数据集，可能限制了模型的泛化能力	预测高性能混凝土的抗压强度和坍落度	高性能混凝土（HPC）	机器学习	NA	深度学习	T-SFIS, GBMBoost, Decision Tree, GWO, QPSO	数值数据	191种混凝土混合物
27	2025-07-16	NeXtMD: a new generation of machine learning and deep learning stacked hybrid framework for accurate identification of anti-inflammatory peptides 2025-Jul-15, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02314-8 PMID:40660190	研究论文	提出了一种名为NeXtMD的新型混合框架，用于准确识别抗炎肽	NeXtMD结合了机器学习和深度学习组件，采用双模块堆叠框架和两阶段预测策略，显著提高了抗炎肽的识别准确率	未提及具体样本量或数据集的局限性	开发高性能计算框架以准确识别抗炎肽，促进抗炎药物开发	抗炎肽（AIPs）	机器学习	炎症性疾病	机器学习（ML）和深度学习（DL）	ResNeXt	序列数据	NA
28	2025-07-16	MSCMLCIDTI: Drug-Target Interaction Prediction Based on Multiscale Feature Extraction and Deep Interactive Attention Fusion Mechanisms 2025-Jul-15, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70170 PMID:40660331	research paper	提出了一种基于多尺度特征提取和深度交互注意力融合机制的药物-靶标相互作用预测模型MSCMLCIDTI	采用多尺度卷积块提取药物化合物和氨基酸序列的结构指纹，结合门控注意力获取多维特征，并通过多层注意力交互机制建模药物亚结构与蛋白质片段间的复杂关系	未提及具体的数据集规模限制或模型计算复杂度问题	提升药物-靶标相互作用预测的准确性以加速药物发现	药物化合物与生物靶标（蛋白质）的相互作用	machine learning	NA	多尺度特征提取、注意力机制	MSCMLCIDTI（基于CNN与注意力机制的混合模型）	药物分子结构数据、蛋白质氨基酸序列数据	四个公开基准数据集（未说明具体样本量）
29	2025-07-16	VAULT-OCT: Vault Accuracy Using Deep Learning Technology - An AI Model for Predicting Implantable Collamer Lens Postoperative Vault with AS-OCT 2025-Jul-15, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001743 PMID:40660493	研究论文	开发了一个基于深度学习的模型VAULT-OCT，用于预测植入式Collamer晶体（ICL）术后拱高	首次利用术前AS-OCT图像结合深度学习技术预测ICL术后拱高	研究为回顾性设计，样本量相对有限（324只眼）	提高ICL植入术后拱高预测的准确性	接受ICL植入术的患者（162例患者的324只眼）	数字病理	眼科疾病	光学相干断层扫描（OCT）	神经网络	图像	162例患者的324只眼
30	2025-07-16	Collaborative Internal Cavity Effect and Interfacial Modulation Mechanism for Boosting Deep Learning-Powered Immunochromatographic Pathogen Detection 2025-Jul-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03367 PMID:40662476	研究论文	本文提出了一种深度学习增强的免疫测定方法，通过利用空心碳纳米球（h-CNSs）的内部空腔效应和界面抗体定向调节，实现了病原体的超灵敏检测	结合空心碳纳米球的内部空腔效应和界面抗体定向调节，显著提高了光吸收和光热转换效率，并通过深度学习进一步提升了检测准确率	未明确提及具体局限性	开发一种高灵敏度的病原体检测方法	病原体	数字病理学	NA	免疫色谱分析（ICA）	CNN	图像	加标牛奶和生菜样本
31	2025-07-16	Enhanced detection of Argulus and epizootic ulcerative syndrome in fish aquaculture through an improved deep learning model 2025-Jul-15, Journal of aquatic animal health IF:1.5Q2 DOI:10.1093/jahafs/vsaf001 PMID:40662570	研究论文	本文开发了一种改进的YOLOV5模型，用于检测水产养殖中感染流行性溃疡综合症和鱼虱的鱼类	改进的YOLOV5模型在迁移学习中使用预训练模型处理二值图像，并集成到Raspberry Pi板上，相比简单YOLOV5模型更有效	NA	检测水产养殖中感染流行性溃疡综合症和鱼虱的鱼类，以预防疾病传播	水产养殖中的鱼类	计算机视觉	流行性溃疡综合症	深度学习	YOLOV5	图像	NA
32	2025-07-16	Placenta segmentation redefined: review of deep learning integration of magnetic resonance imaging and ultrasound imaging 2025-Jul-15, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00197-8 PMID:40663247	综述	本文综述了2019年至2024年间深度学习在医学影像（特别是MRI和超声）中胎盘分割技术的最新进展	整合MRI和超声的互补信息以提升分割性能，并强调深度学习在产前诊断中的变革性影响	高级影像技术的高成本和有限可用性	提升胎盘分割技术以改善产前诊断及母婴健康结果	胎盘在MRI和超声影像中的分割	数字病理	NA	MRI和超声成像	深度学习	医学影像（MRI和超声）	NA
33	2025-07-16	A Geometric Deep Learning Model for Real-Time Prediction of Knee Joint Biomechanics Under Meniscal Extrusion 2025-Jul-15, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03798-9 PMID:40663282	研究论文	本研究提出了一种几何深度学习模型，用于实时预测膝关节在半月板突出情况下的生物力学响应	该模型利用几何深度学习和AI算法，显著减少了计算时间，同时保持了高预测精度，能够实时或近实时进行生物力学评估	模型基于有限元分析数据训练，可能受限于训练数据的质量和多样性	开发一种快速准确的膝关节生物力学预测方法，以支持临床决策和个性化康复策略	膝关节软组织，特别是半月板突出情况下的生物力学响应	生物力学	骨关节炎	几何深度学习(GDL), 有限元分析(FEA)	GDL	生物力学数据	NA
34	2025-07-16	AI-Driven Smart Sportswear for Real-Time Fitness Monitoring Using Textile Strain Sensors 2025-Jul-14, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3588051 PMID:40658556	研究论文	本文提出了一种基于AI的智能运动服装系统，用于实时监测健身活动中的呼吸-力量协调和肌肉激活对称性	通过集成石墨烯应变传感器和深度学习框架，系统能够实时分类运动执行质量，并区分呼吸不规律和肌肉不对称用力	现有解决方案在无缝和非侵入性同时捕捉呼吸-力量协调和肌肉激活对称性方面存在不足	开发下一代AI驱动的智能运动服装，应用于健身优化、伤害预防和适应性康复训练	健身和康复训练中的运动执行质量	可穿戴技术	NA	深度学习	1D ResNet-18	传感器数据	六种运动条件下的分类准确率达到92.1%
35	2025-07-16	Region Uncertainty Estimation for Medical Image Segmentation with Noisy Labels 2025-Jul-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589058 PMID:40658577	研究论文	提出一种针对带有噪声标签的CT图像分割的区域不确定性估计框架	提出样本分层训练策略和边界引导的区域不确定性估计模块，有效减少噪声标注的影响	实验仅在CT数据集上进行，未验证在其他医学影像模态（如MRI）上的泛化性	降低医学图像标注成本并提升噪声标签下的分割鲁棒性	CT图像中的器官和组织分割	数字病理	NA	CT图像分割	深度学习基础模型（如SAM）	3D医学图像	多个CT数据集（未明确数量）
36	2025-07-16	Mining Global and Local Semantics from Unlabeled Spectra for Spectral Classification 2025-Jul-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3588122 PMID:40658574	研究论文	提出了一种名为GLSM的新方法，通过自监督学习从未标记的光谱中捕获全局和局部语义信息，以减少对大量标注数据的依赖	提出了一种结合全局和局部语义挖掘的自监督学习方法，能够从未标记的光谱中提取特征，减少对标注数据的依赖	方法在实验数据集上表现良好，但在更广泛的光谱类型和复杂场景下的适用性尚未验证	提高振动光谱识别的准确性，减少对大量标注数据的依赖	振动光谱数据	机器学习	NA	自监督学习	GLSM	光谱数据	三个数据集
37	2025-07-16	Closed-loop transcranial ultrasound stimulation based on deep learning effectively suppresses epileptic seizures in mice 2025-Jul-14, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3589089 PMID:40658582	研究论文	本研究设计并实现了一种基于深度学习的闭环经颅超声刺激系统，用于实时检测和干预青霉素诱导的癫痫小鼠海马区的癫痫信号	首次将深度学习应用于闭环经颅超声刺激系统，实现了对癫痫信号的实时识别和动态响应	研究仅在青霉素诱导的癫痫小鼠模型中进行，尚未在人类或其他癫痫模型中进行验证	开发一种能够动态响应癫痫发作的闭环经颅超声刺激系统	青霉素诱导的癫痫小鼠	神经调控技术	癫痫	经颅超声刺激	深度学习网络模型	神经信号	青霉素诱导的癫痫小鼠
38	2025-07-16	Deep Learning Applications in Lymphoma Imaging 2025-Jul-14, Acta haematologica IF:1.7Q3 DOI:10.1159/000547427 PMID:40659002	综述	本文综述了深度学习在淋巴瘤影像学中的应用及其在临床实践中的整合	探讨了深度学习模型（如CNN）在淋巴瘤影像学中的自动化检测、分割和分类方面的应用	获取高质量注释数据集的挑战、训练数据中的偏差问题以及模型性能的一致性	提高淋巴瘤影像诊断的自动化水平，改善患者治疗效果	淋巴瘤影像数据	数字病理学	淋巴瘤	深度学习	CNN	影像数据（PET/CT, CT, MRI）	NA
39	2025-07-16	Generative AI enables medical image segmentation in ultra low-data regimes 2025-Jul-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61754-6 PMID:40659619	research paper	提出一种生成式深度学习框架，用于在极低数据量情况下生成高质量的医学图像-掩码对作为辅助训练数据，以提升医学图像分割性能	采用多级优化实现端到端数据生成，使分割性能指导生成过程，生成针对性提升分割效果的数据	未具体说明在极端数据稀缺情况下（如少于10个样本）的性能表现	解决医学图像分割在极低数据量情况下的性能问题	医学图像分割任务	digital pathology	NA	generative deep learning	generative model (未指定具体类型)	medical images	19个数据集（未提供具体样本数）
40	2025-07-16	A cryptosystem for face recognition based on optical interference and phase truncation theory 2025-Jul-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06990-y PMID:40659666	研究论文	本文提出了一种基于光学干涉和相位截断理论的人脸识别加密系统，旨在解决人脸图像数据的安全传输和存储问题	引入了振幅-相位分离异步加密（APSAE）技术，通过异步加密振幅和相位分量来减少固有漏洞	未提及系统在大规模部署时的实际应用限制	解决人脸图像隐私泄露问题，推动安全生物识别系统的发展	人脸图像数据	计算机视觉	NA	光学干涉和相位截断理论	深度学习	图像	Labeled Faces in the Wild (LFW) 数据集上的实验评估