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
401	2025-05-12	Semantic structure preservation for accurate multi-modal glioma diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88458-7 PMID:40021688	research paper	提出了一种名为RFPMSS的新型语义结构保持一致性方法，用于多模态胶质瘤诊断	通过多锚点分配和自由文本报告提取监督信号，实现了多模态语义结构的保留和全局对齐	需要依赖患者检查报告作为监督信号，可能受报告质量和完整性的影响	提高多模态医学图像分析的准确性	胶质瘤患者的多模态医学图像和检查报告	digital pathology	glioma	deep learning	RFPMSS	multimodal medical images and text reports	datasets from Shanxi Provincial Cancer Hospital and Shanxi Provincial People's Hospital
402	2025-05-12	OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91914-z PMID:40021723	研究论文	介绍了一种名为OVision的低成本、深度学习驱动的便携式医疗设备框架，用于辅助癌症的病理诊断	利用Raspberry Pi开发了一种便携式、低成本的独立设备，无需互联网连接和高端基础设施，显著降低了成本同时保持了诊断准确性	目前仅针对卵巢癌亚型进行了验证，尚未扩展到其他癌症类型	解决资源受限地区癌症诊断技术获取不平等的问题，开发低成本、高精度的便携式诊断设备	卵巢癌亚型的病理诊断	数字病理	卵巢癌	深度学习	NA	病理图像	NA
403	2025-05-12	Integrating convolutional layers and biformer network with forward-forward and backpropagation training 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92218-y PMID:40021838	研究论文	提出了一种名为Deep-CBN的新框架，用于提高分子属性预测的准确性和效率	结合了卷积神经网络和BiFormer注意力机制，并采用前向-前向算法和反向传播进行训练	未提及具体的数据集规模限制或模型计算复杂度	提高分子属性预测的准确性以加速药物发现过程	分子属性预测	机器学习	NA	卷积神经网络和BiFormer注意力机制	CNN和BiFormer	SMILES字符串	多个基准数据集（Tox21、BBBP、SIDER、ClinTox、BACE、HIV、MUV）
404	2025-05-12	Software defect prediction based on residual/shuffle network optimized by upgraded fish migration optimization algorithm 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91784-5 PMID:40021906	研究论文	提出了一种基于残差/洗牌网络和升级版鱼群迁移优化算法的软件缺陷预测新方法	结合深度学习和元启发式算法训练软件代码，提取语义和结构特征	分析仅限于开源项目，需进一步评估在专有软件上的表现	提高软件缺陷预测的准确性，减少人工工作量	开源软件项目	机器学习	NA	元启发式优化算法	Residual/Shuffle Networks	软件代码	多个开源项目
405	2025-05-12	Preoperative diagnosis of meningioma sinus invasion based on MRI radiomics and deep learning: a multicenter study 2025-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00845-5 PMID:40022261	研究论文	本研究通过结合放射组学和深度学习特征构建融合模型，用于脑膜瘤窦侵犯的术前精确诊断	首次构建结合放射组学和多种深度学习特征的融合模型，显著提高脑膜瘤窦侵犯的诊断性能	研究为回顾性设计，需要前瞻性研究进一步验证模型效果	开发脑膜瘤窦侵犯的术前精确诊断方法	601例经手术病理证实的脑膜瘤患者	数字病理	脑膜瘤	MRI影像分析	随机森林(RF)、VGG、ResNet、DenseNet	医学影像	601例患者数据
406	2025-05-12	Neurofind: using deep learning to make individualised inferences in brain-based disorders 2025-Feb-27, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03290-x PMID:40016187	研究论文	介绍了一种名为Neurofind的新工具，利用深度学习在基于脑部的疾病中进行个体化推断	Neurofind是一个免费的网络平台，集成了数据协调和先进的规范模型，用户只需提供极少的输入	需要结构MRI图像作为输入，可能限制了某些研究的适用性	开发一个易于使用的工具，用于在精准精神病学中解析异质性	健康对照者和被诊断为阿尔茨海默病和精神分裂症的患者	数字病理学	阿尔茨海默病, 精神分裂症	结构MRI	对抗自编码器, 支持向量回归	图像	3362张健康对照者的图像和364张患者的图像
407	2025-05-12	Rapid and accurate prediction of protein homo-oligomer symmetry using Seq2Symm 2025-Feb-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57148-3 PMID:40016259	research paper	该论文介绍了一种名为Seq2Symm的模型，用于快速准确预测蛋白质同源寡聚体的对称性	通过微调多种蛋白质基础模型，Seq2Symm利用ESM2，在预测同源寡聚体对称性方面优于现有的基于模板和深度学习方法	NA	开发一种能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	蛋白质同源寡聚体的对称性	machine learning	NA	ESM2	Seq2Symm	protein sequence	5个蛋白质组和约350万未标记蛋白质序列
408	2025-05-12	Improving ALS detection and cognitive impairment stratification with attention-enhanced deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90881-9 PMID:40016300	研究论文	本研究开发了一种结合DenseNet121和Squeeze-and-Excitation注意力机制的卷积神经网络Miniset-DenseSENet，用于提高肌萎缩侧索硬化症（ALS）的检测和认知障碍分层	结合DenseNet121和Squeeze-and-Excitation注意力机制，显著提高了ALS诊断准确率，解决了涉及TDP-43蛋白病的神经退行性疾病重叠的挑战	研究样本量较小，仅使用了190张尸检脑图像	提高ALS的早期诊断准确率并改善患者分层	ALS患者（包括无认知障碍和有认知障碍的患者）及对照组	数字病理学	肌萎缩侧索硬化症	神经影像分析	CNN（DenseNet121结合Squeeze-and-Excitation注意力机制）	图像	190张尸检脑图像
409	2025-05-12	Deeply supervised two stage generative adversarial network for stain normalization 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91587-8 PMID:40016308	research paper	提出了一种深度监督的两阶段生成对抗网络（DSTGAN）用于染色归一化，以解决组织病理学图像中的颜色变化问题	创新性地在生成对抗网络中引入深度监督，增强模型学习能力，并设计了一种新颖的两阶段染色策略，利用半监督概念充分利用源域图像进行训练	未提及具体限制	减少染色差异对计算病理学的影响，提高组织病理学图像分析的准确性	组织病理学图像	digital pathology	NA	生成对抗网络	GAN	image	TUPAC-2016, MITOS-ATYPIA-14, ICIAR-BACH-2018和MICCAI-16-GlaS数据集
410	2025-05-12	T1-weighted MRI-based brain tumor classification using hybrid deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92020-w PMID:40016334	研究论文	本研究利用混合深度学习模型对基于T1加权MRI的脑肿瘤进行分类	结合U-Net架构和多种CNN模型（如Inception-V3、EfficientNetB4和VGG19），并通过迁移学习技术增强模型性能，实现了高精度的脑肿瘤分类	未提及模型在不同类型MRI数据上的泛化能力或计算资源需求	提高脑肿瘤早期检测和治疗规划的准确性	脑肿瘤（如神经胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI	U-Net, Inception-V3, EfficientNetB4, VGG19	图像	未明确提及样本数量
411	2025-05-12	A hybrid deep learning model approach for automated detection and classification of cassava leaf diseases 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90646-4 PMID:40016508	研究论文	本文探讨了利用深度学习技术自动检测和分类木薯叶疾病的方法	混合模型（DenseNet169 + EfficientNetB0）结合了DenseNet169的特征重用能力和EfficientNetB0的计算效率，提高了准确性和可扩展性	NA	开发自动化的木薯叶疾病检测和分类系统	木薯叶疾病	计算机视觉	植物疾病	深度学习	DenseNet169, EfficientNetB0, Xception, MobileNetV2, ResNet, Vgg19, InceptionV3, InceptionResNetV2	图像	约36,000张标记的木薯叶图像
412	2025-05-12	Comparative Assessment of Protein Large Language Models for Enzyme Commission Number Prediction 2025-Feb-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06081-9 PMID:40016653	研究论文	比较评估蛋白质大语言模型在酶委员会编号预测中的性能	首次全面比较了不同蛋白质大语言模型（如ESM2、ESM1b和ProtBERT）在预测酶委员会编号（EC编号）任务中的表现，并与传统的序列比对方法（如BLASTp）进行了对比	研究表明，大语言模型仍需改进才能超越BLASTp成为主流酶注释工具的金标准	评估和比较不同蛋白质大语言模型在预测酶功能（EC编号）方面的性能	酶序列及其对应的酶委员会编号（EC编号）	自然语言处理	NA	蛋白质序列比对（BLASTp、DIAMOND）	ESM2、ESM1b、ProtBERT、全连接神经网络	蛋白质序列	NA
413	2025-05-12	Auxiliary meta-learning strategy for cancer recognition: leveraging external data and optimized feature mapping 2025-Feb-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13740-w PMID:40016648	研究论文	提出一种辅助元学习策略用于癌症识别，通过利用外部数据和优化特征映射来提高识别准确率	在辅助训练阶段结合外部数据训练特征映射模型，减少误分类概率，并利用深度过参数化卷积层和三分支结构加速训练	未提及具体的数据集规模限制或模型计算资源需求	提高癌症识别的准确率，特别是在少样本学习场景下	癌症识别	数字病理学	癌症	元学习，深度过参数化卷积	三分支结构	图像	BreakHis、Pap smear和ISIC 2018数据集
414	2025-05-12	MultiCycPermea: accurate and interpretable prediction of cyclic peptide permeability using a multimodal image-sequence model 2025-Feb-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02166-2 PMID:40016695	research paper	提出了一种名为MultiCycPermea的新型深度学习模型，用于预测环肽的渗透性	MultiCycPermea模型首次结合了环肽的图像信息（2D结构信息）和序列信息（1D结构信息），并提出了一个子结构约束的特征对齐模块来对齐这两种特征	NA	开发一种能够快速准确预测环肽渗透性的工具，以辅助设计具有良好膜渗透性的环肽药物	环肽	machine learning	NA	深度学习	multimodal image-sequence model	image, sequence	CycPeptMPDB数据集
415	2025-05-12	Development of an artificial intelligence-based multimodal diagnostic system for early detection of biliary atresia 2025-Feb-27, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03962-x PMID:40016769	research paper	开发了一种基于人工智能的多模态诊断系统，用于早期检测胆道闭锁	利用多样化的数据源和格式开发智能诊断系统，并简化模型以减少对血液样本的需求	尽管模型在内部和外部测试中表现良好，但样本量仍可能限制其广泛适用性	改善胆道闭锁的早期诊断，提高患者预后	胆道闭锁患者的多模态数据（超声图像、临床数据和实验室结果）	digital pathology	biliary atresia	deep learning	CNN	multimodal (image, clinical data, laboratory results)	1579名参与者（回顾性研究），171例（前瞻性研究外部测试集）
416	2025-05-12	Predicting the efficacy of neoadjuvant chemotherapy in breast cancer patients based on ultrasound longitudinal temporal depth network fusion model 2025-Feb-27, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01971-5 PMID:40016785	研究论文	本研究开发并验证了一种基于纵向超声数据和临床特征的深度学习放射组学模型，用于预测乳腺癌患者新辅助化疗后的病理完全缓解	结合了治疗前和治疗后2个周期的超声数据以及临床特征，构建了集成模型，提高了预测性能	样本量相对较小，且仅基于单一机构的患者数据	预测乳腺癌患者新辅助化疗后的病理完全缓解	312名经组织学确认的乳腺癌患者	数字病理学	乳腺癌	深度学习放射组学	XGBoost	超声图像和临床数据	312名患者（训练队列219名，测试队列93名）
417	2025-05-12	Deep learning-based cell-specific gene regulatory networks inferred from single-cell multiome data 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf138 PMID:40037709	research paper	该研究开发了一个名为scMultiomeGRN的深度学习框架，用于从单细胞多组学数据中推断细胞特异性基因调控网络	通过独特整合单细胞RNA测序和单细胞ATAC测序数据，构建了模态特定的邻居聚合器和跨模态注意力模块，以学习转录因子的潜在表示	单细胞测序数据的高丢失率可能导致单组学数据不足，影响基因调控网络的推断	开发深度学习框架以推断细胞特异性基因调控网络	转录因子调控网络	machine learning	Alzheimer's disease	single-cell RNA sequencing, single-cell ATAC sequencing	deep learning framework	single-cell multi-omics data	multiple benchmark datasets
418	2025-05-12	Discrimination of unsound soybeans using hyperspectral imaging: A deep learning method based on dual-channel feature fusion strategy and attention mechanism 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115810 PMID:40022337	研究论文	本研究提出了一种基于双通道特征融合策略和注意力机制的深度学习方法，用于利用高光谱图像中的一维光谱数据和二维图像数据来鉴别不健全的大豆	提出了结合注意力机制的双通道特征融合模型（DCFFM），实现了高光谱图像中光谱和图像数据的高层次融合	未提及具体的数据集规模或实际应用场景的局限性	探索一个能够全面获取高光谱图像中光谱和图像的建模框架，实现高层次数据融合以提高准确性	不健全的大豆	计算机视觉	NA	高光谱成像	CNN与DCFFM	高光谱图像（包含一维光谱数据和二维图像数据）	NA
419	2025-05-12	A robust deep learning model for predicting green tea moisture content during fixation using near-infrared spectroscopy: Integration of multi-scale feature fusion and attention mechanisms 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115874 PMID:40022390	研究论文	提出了一种结合多尺度特征融合和注意力机制的深度学习模型DiSENet，用于基于近红外光谱的绿茶杀青过程中水分含量预测	整合多尺度特征融合和注意力机制，提出新型深度学习网络DiSENet，有效校正温度变化引起的光谱干扰	NA	提高绿茶杀青过程中水分含量预测的准确性	绿茶杀青过程中的茶叶样本	机器学习	NA	近红外光谱(NIRS)	DiSENet	光谱数据	不同杀青阶段和温度下的茶叶样本
420	2025-05-12	Automated and explainable machine learning for monitoring lipid and protein oxidative damage in mutton using hyperspectral imaging 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115905 PMID:40022412	研究论文	本研究开发了自动化和可解释的机器学习模型，用于通过高光谱成像监测羊肉中脂质和蛋白质的氧化损伤	结合AutoML、AutoDL和SHAP方法，实现了无需人工干预的高质量可解释预测模型	研究仅针对羊肉样品，未验证在其他肉类中的适用性	开发自动化的机器学习模型来监测肉类氧化损伤	经过不同冻融循环处理的羊肉样品	机器学习	NA	高光谱成像(HSI)、AutoML、AutoDL	AutoML、AutoDL	高光谱图像	经过不同冻融循环处理的羊肉样品