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
421	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
422	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
423	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
424	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）
425	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
426	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）
427	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
428	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
429	2025-07-05	Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI" 2025-Jul-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70030 PMID:40613856	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
430	2025-07-05	Diff-SE: A Diffusion-Augmented Contrastive Learning Framework for Super-Enhancer Prediction 2025-Jul-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01005 PMID:40613852	研究论文	提出了一种结合扩散增强和对比学习的深度学习框架Diff-SE，用于超级增强子预测	整合扩散模型生成生物意义明确的合成正样本以平衡训练数据，并采用对比学习策略增强特征表示	未明确说明模型在更广泛物种间的泛化能力及计算资源消耗情况	开发高性能跨物种超级增强子预测方法	超级增强子（SEs）及其在基因表达调控中的作用	机器学习	癌症、阿尔茨海默病	ChIP-seq、扩散模型、对比学习	Diff-SE（基于扩散增强的对比学习框架）	基因组序列数据	8个数据集（包含人类和小鼠细胞系）
431	2025-07-05	Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization 2025-Jul-04, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06311-5 PMID:40613839	研究论文	本研究比较了不同深度学习模型在婴儿肾超声图像中分类尿路扩张（UTD）的性能	首次评估深度学习模型在婴儿肾超声图像中自动分类UTD的准确性和一致性	研究样本仅包含3个月以下的婴儿，可能限制了结果的普遍性	开发并评估深度学习模型在肾超声图像中预测UTD分类的性能	婴儿肾超声图像	数字病理学	尿路扩张	深度学习	CNN（假设基于使用的技术）	图像	492张右肾和487张左肾超声图像（来自3个月以下的婴儿）
432	2025-07-05	Rapid identification of Litopenaeus vannamei pathogenic bacteria: a combined approach using surface-enhanced Raman spectroscopy (SERS) and deep learning 2025-Jul-04, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-025-05974-1 PMID:40613867	研究论文	本研究提出了一种结合表面增强拉曼光谱(SERS)和深度学习的方法，用于快速识别凡纳滨对虾的病原菌	创新性地整合了SERS、LSGAN和Transformer技术，通过数据增强提高了病原菌分类的准确率	原始光谱数据量有限(仅160个光谱)，可能影响模型的泛化能力	开发一种快速准确的水产养殖病原菌检测方法	凡纳滨对虾的四种常见病原菌	机器学习	水产养殖疾病	表面增强拉曼光谱(SERS)、LSGAN、Transformer	LSGAN、Transformer	光谱数据	原始数据集160个光谱，增强后2160个光谱
433	2025-07-05	iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification 2025-Jul-04, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01641-x PMID:40613943	研究论文	提出了一种名为iACP-DPNet的双池化因果扩张卷积网络，用于可解释的抗癌肽识别	构建了更大更多样化的数据集，设计了双池化机制（GlobalAveragePooling和注意力池化）以增强模型特征提取能力，并采用多种方法提高模型的可解释性	NA	提高抗癌肽（ACPs）识别的准确性和可解释性	抗癌肽（ACPs）	生物信息学	癌症	ProtBert蛋白质语言模型、LightGBM、MIC特征选择、因果扩张卷积网络	iACP-DPNet（双池化因果扩张卷积网络）	蛋白质序列数据	整合现有文献和数据库构建的大规模多样化数据集
434	2025-07-05	Deep learning-driven abbreviated knee MRI protocols: diagnostic accuracy in clinical practice 2025-Jul-04, La Radiologia medica DOI:10.1007/s11547-025-02038-3 PMID:40613973	研究论文	本研究评估了深度学习加速的膝关节MRI协议在不同加速因子下的诊断准确性	首次系统评估了深度学习加速MRI协议（DL2、DL4、DL6）在膝关节诊断中的表现，并与标准协议进行对比	样本量相对较小（71例患者），且DL6协议对细微病变的敏感性有所下降	评估深度学习加速MRI协议在膝关节诊断中的性能	膝关节MRI图像	数字病理学	骨科疾病	深度学习重建MRI	DL（深度学习模型）	医学影像	71名连续患者
435	2025-07-05	From gas sensing to AI-gas sensing 2025-Jul-03, Chemical communications (Cambridge, England) DOI:10.1039/d5cc01291k PMID:40521933	综述	本文综述了从传统气体传感技术到AI气体传感技术的发展，重点介绍了AI技术在该领域的应用和进展	AI技术的介入为气体传感领域提供了核心技术支持，包括深度学习驱动的特征提取和模式识别、漂移补偿以及在边缘设备上的部署，以及在硬件-软件融合方面的创新，如嗅觉芯片、神经形态处理器和感存算一体化系统	NA	探讨AI技术如何推动气体传感技术的发展，以实现超灵敏、自适应和智能化的检测平台	气体传感技术及其AI增强应用	机器学习和传感器技术	NA	深度学习、特征提取、模式识别、漂移补偿	深度学习模型	化学信号数据	NA
436	2025-07-05	Artificial Intelligence in Rhinology 2025-Jul-03, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011654 PMID:40608779	综述	本文综述了人工智能在鼻科学中的应用	探讨了机器学习在鼻科学中的分类应用以及深度学习在鼻窦炎诊断和鼻窦体积量化中的作用，并展望了机器人鼻窦手术的未来发展	许多人工智能应用需要设备完善的医疗中心和环境，限制了其在资源匮乏地区的应用	回顾人工智能在鼻科学领域的应用及其对医疗质量的提升	鼻科学中的疾病诊断和治疗	人工智能在医疗领域的应用	鼻窦炎	机器学习和深度学习	分类算法和深度学习算法	放射影像数据	NA
437	2025-07-05	Utilizing TOP2 Class for Hybrid Decision-Making to Enhance TOP1 Accuracy of Ensemble Models 2025-Jul-03, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3579732 PMID:40608870	research paper	提出了一种名为TOP2 HD的新算法，通过利用TOP2类别信息提升集成模型的TOP1准确率	首次在集成学习中引入TOP2类别信息进行模型分层和排序，突破了传统方法仅关注TOP1类别的局限	未明确说明算法在非图像领域的泛化能力	提升深度学习视觉任务中集成模型的决策精度	深度学习集成模型	computer vision	NA	ensemble learning	ensemble models	image	多种模型和数据集（未明确具体数量）
438	2025-07-05	Graph with Residue-Based Cross-Modal Framework Enhances Cell Function-Related Protein Properties Prediction 2025-Jul-03, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00856 PMID:40609014	研究论文	提出了一种基于残基的跨模态框架，用于增强细胞功能相关蛋白质特性的预测	结合了Layer-Aggregated Graph Convolutional Network (LA-GCN)和Geometric Vector Perceptron-Graph Neural Network (GVP-GNN)，在两种互补的残基图上进行表示学习，以捕捉蛋白质的语义特征和结构特性	未明确提及具体的数据集规模或实验条件的限制	提高蛋白质特性预测的准确性，以支持药物设计、疾病研究和生物湿实验	蛋白质的亚细胞定位、溶解度、金属离子结合和热稳定性等特性	机器学习	NA	Protein Language Models (PLMs), Layer-Aggregated Graph Convolutional Network (LA-GCN), Geometric Vector Perceptron-Graph Neural Network (GVP-GNN)	LA-GCN, GVP-GNN	蛋白质序列和结构数据	NA
439	2025-07-05	Multi-modal Classification of Retinal Disease Based On Convolutional Neural Network 2025-Jul-03, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adeb92 PMID:40609554	研究论文	提出一种基于卷积神经网络的多模态视网膜疾病分类模型，结合OCT和OCTA图像提高诊断准确性和效率	采用中间融合和两步训练方法，解决了训练数据不足和类别不平衡问题，提高了分类性能	训练数据量相对较少，可能存在类别不平衡问题	提高视网膜疾病的自动诊断准确性和效率	视网膜疾病（如年龄相关性黄斑变性和糖尿病视网膜病变）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）和光学相干断层扫描血管成像（OCTA）	CNN	图像	未明确提及具体样本数量，但提到数据增强和宽松匹配方法用于增加数据量
440	2025-07-05	Recent Advances in Applying Machine Learning to Proton Radiotherapy 2025-Jul-03, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adeb90 PMID:40609552	系统综述	本文系统综述了机器学习在质子放疗中的应用现状及潜在用途	首次全面覆盖机器学习在质子放疗临床流程中的当前及潜在应用，填补了文献中的空白	仅涵盖2019至2024年的研究，可能遗漏早期重要文献	探索机器学习如何提升质子放疗的精确性和个性化治疗	质子放疗的临床流程	机器学习	肿瘤学	系统文献检索	U-Net, CNN, 深度初始网络, 深度级联卷积神经网络	医学影像	38项相关研究