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
4241	2025-06-24	Identifying kinematic biomarkers of the dystrophic phenotype in a zebrafish model of Duchenne muscular dystrophy 2025-Jun-20, Skeletal muscle IF:5.3Q2 DOI:10.1186/s13395-025-00382-6 PMID:40542412	研究论文	本研究利用高速摄像和基于深度学习的无标记运动捕捉技术，量化了两种肌营养不良斑马鱼模型的逃避反应游泳运动学，以识别杜氏肌营养不良表型的运动学生物标志物	采用无标记运动捕捉技术提供高精度、可重复的运动学估计，并利用随机森林和支持向量机模型识别区分突变型和野生型斑马鱼幼体的预测性生物标志物	研究仅针对斑马鱼模型，结果是否适用于其他动物模型或人类尚需进一步验证	识别杜氏肌营养不良表型的运动学生物标志物，为治疗开发提供早期评估工具	两种肌营养不良斑马鱼模型（sapje和sapje-like）的幼体	数字病理学	杜氏肌营养不良	高速摄像、深度学习、无标记运动捕捉	随机森林、支持向量机	视频	两种斑马鱼模型（具体数量未明确说明）
4242	2025-06-24	Ferroelectric Domains and Evolution Dynamics in Twisted CuInP2S6 Bilayers 2025-Jun-20, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500683 PMID:40538291	研究论文	通过密度泛函理论和深度学习分子动力学模拟，研究了扭曲双层铁电材料CuInP2S6中极性畴的形成和动态控制	揭示了扭曲双层铁电材料中极性畴的形成机制，提出通过旋转操控控制局部极化的新方法	研究仅限于理论模拟，缺乏实验验证	探索扭曲角度对铁电材料中极性畴演化的影响	扭曲双层铁电材料CuInP2S6	材料科学	NA	密度泛函理论(DFT), 深度学习分子动力学(DLMD)	NA	模拟数据	NA
4243	2025-06-24	Selection of representative electrodes for stereoscopic visual comfort studies in conjunction with brain mechanism analysis 2025-Jun-20, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149800 PMID:40544932	研究论文	本研究通过立体视觉脑机制分析，寻找用于评估立体视觉舒适度的代表性电极	首次通过脑机制分析确定用于评估立体视觉舒适度的代表性电极，为电极选择提供科学依据	样本量较小（15个电极），分类准确率提升有限（2-4%）	评估立体视觉舒适度并开发便携式检测设备	立体视觉舒适度和不适状态的脑电活动	脑机接口	NA	事件相关电位和功率谱分析	机器学习和深度学习模型	脑电信号	15个电极的脑电活动数据
4244	2025-06-24	Synergistic analysis based on chemometrics and deep learning: An innovative Kolmogorov-Arnold neural network (CKAN) model combined with ternary hybrid SERS substrate (Au@mSiO₂(YSN)-Fe₃O₄@MoS₂-rGO) for highly sensitive detection of trace quinolone antibiotics in milk 2025-Jun-19, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145193 PMID:40544590	研究论文	本研究提出了一种利用三元复合表面增强拉曼光谱（SERS）基底检测牛奶中痕量喹诺酮类抗生素的方法，结合化学计量学算法和深度学习模型实现抗生素的定性和定量分析	创新性地结合了化学计量学与深度学习，提出了CKAN模型，并与三元复合SERS基底结合，显著提高了检测灵敏度和准确性	NA	开发一种高灵敏度的检测方法用于牛奶中痕量喹诺酮类抗生素的定性和定量分析	牛奶中的喹诺酮类抗生素（恩诺沙星、依诺沙星和诺氟沙星）	化学计量学与深度学习	NA	表面增强拉曼光谱（SERS）、有限差分时域（FDTD）方法	Kolmogorov-Arnold神经网络（CKAN）	光谱数据	NA
4245	2025-06-24	MDEANet: A multi-scale deep enhanced attention net for popliteal fossa segmentation in ultrasound images 2025-Jun-18, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102570 PMID:40544544	research paper	提出了一种名为MDEANet的深度学习分割网络，用于在超声图像中精确定位腘窝区域的神经、肌肉和动脉	结合了级联多尺度空洞卷积(CMAC)、增强空间注意力机制(ESAM)和跨层特征融合(CLFF)以提升分割性能	未提及具体的数据集规模限制或临床应用中的潜在问题	提升超声引导下神经阻滞手术中腘窝区域解剖结构的分割精度	腘窝区域的神经、肌肉和动脉	digital pathology	NA	深度学习图像分割	MDEANet (基于CNN的改进架构)	超声图像	未明确说明样本量
4246	2025-06-24	Developing a deep learning-based surgical-skill assessment model focused on instrument handling in laparoscopic colorectal surgery 2025-Jun-17, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110260 PMID:40544713	研究论文	开发了一种基于深度学习的腹腔镜结直肠手术中器械操作的自动评估模型	利用计算机视觉技术构建了自动识别组织抓取次数的模型，用于手术技能评估	模型在区分成功/失败的组织抓取方面效果不足，识别精度有待提高	探讨基于组织抓取次数的自动手术技能评估的可行性	腹腔镜结直肠手术中的器械操作	计算机视觉	结直肠癌	计算机视觉技术	深度学习模型	视频	高、中、低三个不同手术技能水平组的术中视频
4247	2025-06-24	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质	通过基于物理的设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并提出了一个经过微调的Alphafold2版本，能够捕捉几何多样性	当前基于深度学习的结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所涉及的物理原理	改进深度学习模型以更好地预测和设计具有自然多样性的蛋白质几何形状	从头设计的蛋白质	机器学习	NA	深度学习	Alphafold2	蛋白质结构数据	5,996个从头设计的蛋白质
4248	2025-06-06	Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning 2025-Jun-02, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.05.026 PMID:40466886	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4249	2025-06-24	Artificial Intelligence-Assisted Detection of Breast Cancer Lymph Node Metastases in the Post-Neoadjuvant Treatment Setting 2025-Jun, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104121 PMID:40020876	研究论文	本研究开发了一种可解释的深度学习流程，用于在乳腺癌新辅助治疗后检测淋巴结转移	首次评估了深度学习算法在乳腺癌新辅助治疗后淋巴结转移检测中的泛化能力，并研究了治疗后效应训练数据对算法性能的影响	研究仅针对乳腺癌患者，未评估其他癌症类型的适用性	开发并评估一种AI辅助的乳腺癌淋巴结转移检测方法	乳腺癌新辅助治疗后的淋巴结组织	数字病理学	乳腺癌	深度学习	CNN	病理切片图像	1027张病理切片
4250	2025-06-24	Integrative deep learning and radiomics analysis for ovarian tumor classification and diagnosis: a multicenter large-sample comparative study 2025-Jun, La Radiologia medica DOI:10.1007/s11547-025-02006-x PMID:40167932	研究论文	本研究评估了结合经阴道超声（US）的放射组学和深度学习模型在大规模研究中准确区分良性和恶性卵巢肿瘤的有效性	结合CNN和放射组学模型，提供更准确可靠的卵巢肿瘤诊断方法，优于单独模型和专家评估	回顾性研究设计可能影响结果的普遍性	评估结合放射组学和深度学习模型在卵巢肿瘤诊断中的有效性	良性和恶性卵巢肿瘤	数字病理学	卵巢癌	经阴道超声（US）	CNN	图像	2078名患者的3193张图像
4251	2025-06-24	FedOpenHAR: Federated Multitask Transfer Learning for Sensor-Based Human Activity Recognition 2025-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0631 PMID:40267073	研究论文	介绍FedOpenHAR框架，探索在传感器基础的人类活动识别和设备位置识别任务中的联邦迁移学习	提出FedOpenHAR框架，结合联邦学习和迁移学习，支持多任务处理，并在新客户端加入时能利用已有共同层进行训练	需要处理不同数据集中可能只包含部分标签类型的问题	开发适用于传感器基础的人类活动识别和设备位置识别的联邦学习框架	传感器数据	机器学习	NA	联邦学习，迁移学习	DeepConvLSTM	传感器数据	OpenHAR框架中的十个较小数据集
4252	2025-06-24	QRS-centric beat-wise atrial fibrillation detection in ECG signals using deep neural networks 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110282 PMID:40378565	research paper	提出了一种基于深度学习的逐搏心房颤动（AF）检测方法，通过QRS波群中心的自适应分割提高检测精度	采用QRS波群中心的自适应分割方法，结合CNN和双向LSTM网络，实现了逐搏级别的高精度AF检测	未提及模型在噪声环境下的鲁棒性测试	开发高精度的逐搏级别心房颤动自动检测方法	心电图信号中的心房颤动	digital pathology	cardiovascular disease	ECG信号分析	CNN + bidirectional LSTM	ECG信号	MIT-BIH心律失常数据库、MIT-BIH心房颤动数据库、MIMIC-III和Simband数据集
4253	2025-06-24	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本文介绍了一种能够自动执行多种碎片化技术的质谱仪，并开发了一个统一的深度学习模型来预测碎片离子强度，从而提高了蛋白质组覆盖范围	开发了一个能够覆盖多种碎片化技术的单一Prosit深度学习模型，并公开了该模型	NA	提高蛋白质组学实验中蛋白质的识别效率	质谱仪和碎片化技术	质谱分析	NA	CID, UVPD, EID, ECD, LC-MS	Prosit深度学习模型	质谱数据	NA
4254	2025-06-24	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	研究论文	本文提出了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，从而促进分子结构的解析	ICEBERG模型能够模拟碰撞诱导解离，生成化学上合理的碎片及其相对强度，并考虑碰撞能量和极性，显著提高了化合物注释的准确性	未明确提及具体限制，但可能涉及模型在更复杂或未知结构上的泛化能力	开发一种深度学习模型，用于快速准确地解析未知分子结构	分子结构的解析，特别是代谢组学、药物发现和反应筛选中的同量异位结构	机器学习和质谱分析	抑郁症和结核性脑膜炎	串联质谱(MS/MS)和深度学习	几何深度学习模型(ICEBERG)	质谱数据	NIST'20 [M+H]加合物子集
4255	2025-06-24	In Toto Adipocytes Analysis Using Hydrophilic Tissue Clearing, Light Sheet Microscopy, and Deep Learning-Based Image Processing 2025-Jun, Biology of the cell IF:2.4Q4 DOI:10.1111/boc.70013 PMID:40544484	research paper	本研究开发了一种创新的3D成像方法，结合组织透明化、光片显微镜和深度学习技术，用于评估脂肪细胞体积	首次结合无脱脂步骤的组织透明化、光片显微镜和深度学习技术，实现脂肪组织的3D成像和自动分析	目前仅在肥胖和健康大鼠的肠系膜脂肪组织中进行验证，尚未在其他组织或疾病模型中应用	开发一种创新的3D成像方法来准确评估脂肪细胞体积，克服传统技术的局限性	肥胖和健康大鼠的肠系膜脂肪组织中的脂肪细胞	digital pathology	obesity	hydrophilic tissue clearing, light sheet microscopy, deep learning	deep learning	3D image	肥胖和健康大鼠的肠系膜脂肪组织样本
4256	2025-06-24	Evaporative cooling signals for wound healing in plants 2025-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.23.655667 PMID:40502075	研究论文	本文研究了植物叶片受伤后局部冷却现象及其与伤口愈合的关系，并提出了一种利用计算机视觉和深度学习监测伤口愈合动态的方法	发现伤口诱导的局部冷却现象作为伤口愈合的定量标记，并开发了基于计算机视觉和深度学习的伤口愈合监测工作流程	研究仅限于拟南芥叶片，未验证其他植物或组织类型的适用性	探索植物伤口愈合的后期机制并开发定量监测工具	拟南芥叶片	计算机视觉	NA	计算机视觉、深度学习	深度学习	图像	NA
4257	2025-06-24	Cellular and subcellular specialization enables biology-constrained deep learning 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.22.655599 PMID:40501912	research paper	该研究探讨了生物约束深度学习如何通过细胞和亚细胞特化实现，以模拟大脑中的学习和记忆机制	提出了一种完全符合生物学约束的深度学习算法，模拟了神经元细胞类型和树突区室化信号的特化	模型的生物学约束可能限制了其在更广泛的人工智能应用中的适用性	探索大脑如何通过神经元细胞类型和树突区室化信号协调多层神经回路中的学习	人工神经网络（ANNs）和神经元细胞类型	machine learning	NA	深度学习算法	ANN	image	NA
4258	2025-06-24	A pediatric ECG database with disease diagnosis covering 11643 children 2025-May-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05225-z PMID:40419508	research paper	该研究提出了一个包含11643名0-14岁儿童的心电图数据库，用于心血管疾病的智能诊断	该数据库专注于儿童心血管疾病诊断，填补了现有ECG数据集主要关注成人且缺乏疾病诊断信息的空白	数据仅来自郑州大学第一附属医院的住院儿童，可能无法完全代表所有儿童群体	为儿童心血管疾病的智能诊断提供充足的数据支持	0-14岁儿童的心电图数据	digital pathology	cardiovascular disease	ECG	NA	ECG记录	11643名住院儿童，包含14190份儿科ECG记录
4259	2025-06-24	Artificial Intelligence Applied to Ultrasound Diagnosis of Pelvic Gynecological Tumors: A Systematic Review and Meta-Analysis 2025-May-08, Gynecologic and obstetric investigation IF:2.0Q2 DOI:10.1159/000545850 PMID:40340944	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在超声诊断盆腔妇科肿瘤中的应用效果	首次对AI在妇科盆腔肿瘤超声诊断中的研究进行系统性评估，并与现有ADNEX模型进行性能比较	95%的研究存在高偏倚风险，主要源于不恰当的研究纳入标准、缺乏患者级别的训练测试集划分以及未进行校准评估	评估AI模型在超声诊断妇科盆腔肿瘤中的鉴别性能	妇科盆腔肿瘤（卵巢、子宫内膜和子宫肌层病变）	数字病理	妇科肿瘤	超声成像	深度学习模型与基于放射组学的机器学习方法	超声图像	44项研究（40项卵巢病理、3项子宫内膜病理和1项子宫肌层病理研究）
4260	2025-06-24	U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading 2025-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70029 PMID:40229147	研究论文	本研究探讨了深度学习在预测人类脑部脑脊液分布中的应用，使用了基于U-Net的监督学习模型	利用深度学习预测脑脊液分布，仅需注射后2小时的成像数据即可达到与使用更多后期扫描数据相当的预测效果	研究依赖于特定对比剂（钆基）的MRI扫描，可能不适用于其他类型的脑脊液标记物	预测脑脊液在人类脑部的分布及其与中枢神经系统疾病的关联	人类脑部脑脊液分布及心室反流分级	数字病理学	中枢神经系统疾病	T1加权磁共振成像（MRI）	U-Net	图像	NA