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	2025-07-05	Constraint Boundary Wandering Framework: Enhancing Constrained Optimization With Deep Neural Networks 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3560762 PMID:40232899	研究论文	提出了一种基于深度神经网络的约束边界游走框架（CBWF），用于解决约束优化问题	引入了受主动集方法启发的边界游走策略，增强了等式约束的可行性，并将Lipschitz常数作为可学习参数	NA	解决约束优化问题的可扩展性挑战	约束优化问题	机器学习	NA	深度神经网络（DNNs）	DNN	合成数据集和ACOPT数据集	NA
22	2025-07-05	PointNorm-Net: Self-Supervised Normal Prediction of 3D Point Clouds via Multi-Modal Distribution Estimation 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3562051 PMID:40238601	research paper	提出了一种名为PointNorm-Net的自监督深度学习框架，用于预测3D点云的法线	首次提出了一种自监督深度学习框架PointNorm-Net，采用三阶段多模态法线分布估计范式	未提及具体局限性	解决3D点云法线预测在真实场景中的性能下降问题	3D点云数据	computer vision	NA	自监督学习	PointNorm-Net	3D点云	三个真实世界数据集
23	2025-07-05	Graph Anomaly Detection in Time Series: A Survey 2025-Aug, 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）进行了全面和最新的回顾	探讨了图表示在时间序列数据中的潜力及其对促进异常检测的贡献，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以及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	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	NA	时间序列数据	NA
24	2025-07-05	Pollen morphology, deep learning, phylogenetics, and the evolution of environmental adaptations in Podocarpus 2025-Aug, The New phytologist DOI:10.1111/nph.70250 PMID:40458972	研究论文	该研究通过深度学习量化花粉形态特征，结合系统发育框架分析环境因素对Podocarpus花粉形态的影响，并推断化石的温度耐受性	首次将深度学习量化特征与系统发育分析相结合，揭示环境因素驱动花粉形态演化的机制	研究仅聚焦于Podocarpus属，结论可能不适用于其他植物类群	探究环境因素对花粉形态演化的影响及植物环境适应性	Podocarpus属植物花粉及31个新热带区Podocarpidites化石	计算生物学	NA	深度学习	NA	花粉形态图像	31个新热带区Podocarpidites化石
25	2025-07-05	Plexus and Peripheral Nerve MR Imaging: Advances and Applications: MR Neurography: Sequence Possibilities and Recent Advances 2025-Aug, Magnetic resonance imaging clinics of North America IF:1.5Q3 DOI:10.1016/j.mric.2025.03.001 PMID:40610154	综述	本文综述了磁共振神经成像（MRN）在诊断和管理神经丛及周围神经疾病中的最新进展	强调了3T成像、线圈选择、脂肪和血管抑制策略以及基于深度学习的重建技术以提高图像分辨率	未提及具体的研究限制	探讨MRN技术在临床实践中的应用和未来发展方向	神经丛（如臂丛、腰骶丛）和周围神经	数字病理学	周围神经疾病	MRN、3T成像、7T MR成像、定量扩散成像	深度学习	图像	NA
26	2025-07-05	BengalDeltaFish: A local dataset for fish detection in Bangladeshi markets 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111764 PMID:40612467	research paper	介绍了一个名为BengalDeltaFish的数据集，用于在孟加拉国市场的真实环境中检测鱼类物种	数据集在非受控的真实市场环境中收集，包含自然光照变化和复杂背景，不同于传统在受控条件下收集的鱼类数据集	数据集的样本仅来自孟加拉国市场，可能无法涵盖所有鱼类物种或不同地区的市场环境	开发一个适用于真实市场环境的鱼类检测和分类工具	孟加拉国市场中常见的33种鱼类，包括一些稀有物种	computer vision	NA	deep learning	YOLOv11s	image	4560张标注图像
27	2025-07-05	teaLeafBD: A comprehensive image dataset to classify the diseased tea leaf to automate the leaf selection process in Bangladesh 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111769 PMID:40612469	research paper	该研究创建了一个名为teaLeafBD的综合图像数据集，用于分类孟加拉国茶叶的病害叶片，以自动化叶片选择过程	提供了一个包含5278张病害和健康茶叶叶片图像的综合数据集，涵盖了多种病害类型和不同气象条件下的图像	数据集仅针对孟加拉国的茶叶病害，可能不适用于其他地区的茶叶病害分类	提高对茶叶病害影响的认识，并支持构建精确的人工智能模型来自动化病害分类	茶叶叶片	computer vision	植物病害	深度学习	NA	image	5278张病害和健康茶叶叶片图像
28	2025-07-05	X-ArecaNet: Dataset of arecanut X-ray images for deep learning applications 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111721 PMID:40612478	research paper	介绍了一个用于槟榔分级的X射线图像数据集，并建立了质量检查标准的基准	首次提出了一个基于X射线图像的槟榔数据集，用于非破坏性内部检查和质量分级	数据集未进行图像增强，且样本量相对较小（共900张图像）	为槟榔行业提供一个用于分级的X射线图像数据集，并建立质量检查标准	槟榔的X射线图像	computer vision	NA	X-ray成像	YOLOv5	image	900张X射线图像（3个等级各300张）
29	2025-07-05	Urban tree species benchmark dataset for time series classification 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111777 PMID:40612477	research paper	该研究提出了一个基于多源光学卫星图像时间序列的城市树种分类基准数据集	创建了一个包含斯特拉斯堡市20种最常见树种的45,084棵树的基准数据集，并提供了三种基于InceptionTime的预训练模型	数据集仅覆盖斯特拉斯堡市的树种，可能无法代表其他地区的树种多样性	推进利用卫星图像时间序列和深度学习进行城市植被监测	城市树种	computer vision	NA	卫星图像时间序列分析	InceptionTime, Dual-InceptionTime	卫星图像时间序列	45,084棵树，涵盖20个常见树种
30	2025-07-05	Assessment model of blast injury: A narrative review 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112830 PMID:40612508	综述	本文系统总结了爆炸冲击波的生物效应、传统评估模型的应用及其局限性，以及新兴技术——细胞/类器官模型和AI应用	成功开发了冲击波细胞模型和类器官模型，特别是能高度模拟人体器官结构和功能的人源类器官，显著提高了模型的生理相关性	传统评估模型存在局限性	评估爆炸性生物损伤及其后续研究，理解损伤的细胞机制、保护研究和损伤预警系统	爆炸冲击波引起的颅脑和肺部损伤	生物医学工程	爆炸伤	数值模拟、动物模型、死后人体替代物(PMHS)、冲击波细胞模型、类器官模型、AI模型	机器学习/深度学习	NA	NA
31	2025-07-05	Super-resolution tactile sensor arrays with sparse units enabled by deep learning 2025-Jul-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adv2124 PMID:40601743	研究论文	本文提出了一种基于深度学习的超分辨率触觉传感器阵列，通过稀疏分布的触觉单元实现高分辨率触觉感知	提出了一种通用的智能框架，结合拓扑优化策略和自注意力辅助触觉超分辨率深度学习模型，实现了从少量物理触觉单元生成大量虚拟触觉单元的高分辨率感知	未提及具体应用场景下的鲁棒性测试结果	提升人形机器人触觉感知分辨率	触觉传感器阵列	机器人与触觉感知	NA	深度学习	自注意力辅助触觉超分辨率模型	触觉压力数据	23个物理触觉单元生成2700个虚拟触觉单元
32	2025-07-05	Exploratory development of human-machine interaction strategies for post-stroke upper-limb rehabilitation 2025-Jul-04, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01680-2 PMID:40611303	研究论文	本文提出了一种用于中风后上肢康复的人机交互策略及设备UarDus，包括三种交互模式，并通过概念验证研究验证了其有效性	结合CNN和Transformer结构开发了新的深度学习模型，用于捕捉细微运动意图，并设计了具有14自由度的基础外骨骼	研究仅在一个接受过开颅手术的出血性中风患者身上进行了概念验证，样本量较小	开发并验证用于中风后上肢康复的人机交互策略及设备	中风后上肢康复患者	数字病理学	心血管疾病	离散小波变换(DWT)、运动捕捉技术、核密度估计(KDE)	CNN、Transformer	运动数据、电流信号	1名接受过开颅手术的出血性中风患者
33	2025-07-05	Deep learning-based CNN model for multiclass classification of fingerprint patterns 2025-Jul-04, Medicine, science, and the law DOI:10.1177/00258024251355042 PMID:40611678	研究论文	本研究提出了一种基于卷积神经网络（CNN）的模型，用于根据亨利分类法对指纹模式（弓形、环形、螺旋形和复合形）进行多类分类	采用CNN模型自动分类指纹模式，提高了指纹匹配和犯罪现场指纹分类的效率	样本量相对较小（2000个指纹模式来自200名参与者），可能影响模型的泛化能力	开发一个自动化的指纹分类系统，以加快指纹匹配和犯罪现场分析	指纹模式（弓形、环形、螺旋形和复合形）	计算机视觉	NA	NA	CNN	图像	2000个指纹模式来自200名参与者
34	2025-07-05	Ultrahigh-Throughput Virtual Screening Strategies against PPI Targets: A Case Study of STAT Inhibitors 2025-Jul-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00907 PMID:40611790	研究论文	本文评估了Deep Docking工作流程在不同规模化合物库上的性能，特别是在针对STAT3和STAT5b等蛋白-蛋白相互作用型靶点的虚拟筛选中的应用	首次应用虚拟筛选技术针对STAT5b的N端结构域进行研究，并展示了AI辅助的uHTVS在提高命中率方面的潜力	深度学习步骤的性能高度依赖于基础对接模型的性能，且在蛋白-蛋白相互作用型靶点上评估基础对接模型的可靠性更为困难	评估AI辅助的虚拟筛选工作流程在超高通量虚拟筛选中的性能和应用	STAT3和STAT5b等蛋白-蛋白相互作用型靶点	机器学习	癌症	AI辅助虚拟筛选、Deep Docking	深度学习	化合物库数据	数百万至数十亿的化合物库，实际对接约12万种化合物
35	2025-07-05	Novel CAC Dispersion and Density Score to Predict Myocardial Infarction and Cardiovascular Mortality 2025-Jul-04, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.018059 PMID:40613107	研究论文	本研究提出了一种新型的冠状动脉钙化分散度和密度评分（CAC-DAD），用于预测心肌梗死和心血管死亡率，并与传统的Agatston评分（AS）进行比较	首次提出CAC-DAD评分，该评分考虑了冠状动脉钙化的空间分布和高密度钙化的保护性作用	研究为回顾性设计，样本量相对较小（961例患者），且随访时间较短（中位30天）	评估新型CAC-DAD评分在预测主要不良心血管事件（MACE）方面的预后价值	接受心脏计算机断层扫描进行心血管或围手术期风险评估的患者	数字病理学	心血管疾病	心脏计算机断层扫描（CT）	深度学习算法	医学影像	961例患者（中位年龄67岁，61%男性）
36	2025-07-05	Element Optimization in NASICON Phosphates Enhances Sodium Storage Performance 2025-Jul-04, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502098 PMID:40613249	综述	本文综述了NASICON材料在钠离子电池中的发展历程、挑战及未来研究方向	提出了多元素优化、高熵材料、梯度掺杂和AI驱动方法等未来研究方向	元素优化中存在合成不一致、电化学分析技术有限和掺杂机制不明确等问题	优化NASICON材料以提高钠离子电池的性能	NASICON磷酸盐材料	材料科学	NA	AI、机器学习和深度学习	NA	NA	NA
37	2025-07-05	Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning 2025-Jul-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01486 PMID:40613676	研究论文	开发了一种结合蒙特卡洛模拟和深度学习的框架，用于精确的单分子光谱成像去噪和分析	首次提出了基于监督学习的单分子光谱图像去噪方法SpecUNet，并建立了八个综合评价指标	框架的标准化程度和在实际应用中的广泛性尚未验证	推动高通量单分子光谱和光谱分辨超分辨率显微镜的发展	单分子光谱数据	机器学习和光谱成像	NA	蒙特卡洛模拟和深度学习	SpecUNet（基于CNN的变种）	光谱图像数据	合成GT数据和实验验证数据（具体数量未提及）
38	2025-07-05	Quantitative CT Imaging in Chronic Obstructive Pulmonary Disease 2025-Jul-04, The British journal of radiology DOI:10.1093/bjr/tqaf105 PMID:40613687	综述	本文综述了慢性阻塞性肺疾病（COPD）的定量CT成像技术及其在评估和管理中的应用	应用深度学习技术实现CT参数的自动分割和量化，以及图像标准化等创新技术	这些技术在临床实践中的常规应用仍存在障碍	提高COPD评估和管理的精确性、客观性和可重复性	慢性阻塞性肺疾病（COPD）患者	数字病理学	慢性阻塞性肺疾病	CT成像	深度学习	图像	NA
39	2025-07-05	Enhancing Prostate Cancer Classification: A Comprehensive Review of Multiparametric MRI and Deep Learning Integration 2025-Jul-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70004 PMID:40613800	综述	本文综述了多参数MRI与深度学习在提升前列腺癌分类中的整合应用	探讨了深度学习分类网络与多参数MRI在前列腺癌评估中的整合，包括关键网络架构、MRI序列输入对模型性能的影响，以及结合领域知识和临床信息的价值	讨论了当前模型的局限性及未来展望，以促进这些系统在临床中的更好整合	提升前列腺癌的分类准确性，支持临床诊断	前列腺癌患者的多参数MRI数据	数字病理学	前列腺癌	多参数MRI (mpMRI), 深度学习 (DL)	深度学习分类网络	MRI图像	NA
40	2025-07-05	Dual Structure Reinforces Interfacial Polarized MXene/PVDF-TrFE Piezoelectric Nanocomposite for Pressure Monitoring 2025-Jul-04, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-025-01839-5 PMID:40613833	研究论文	本文报道了一种双结构增强的MXene/PVDF-TrFE压电复合材料，通过界面极化和结构设计的耦合效应提升压电性能	通过分子动力学模拟、密度泛函理论计算和实验验证揭示了界面相互作用的细节，显著提升了PVDF-TrFE的自发极化，同时定向MXene分布和多孔结构设计使压电响应和灵敏度大幅提升	NA	增强界面极化压电材料的性能并探索结构设计的新方法	MXene/PVDF-TrFE压电复合材料	材料科学	NA	分子动力学模拟、密度泛函理论计算、有限元模拟	深度学习算法	实验数据、模拟数据	3×3传感器阵列