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
4561	2025-03-13	Hybrid neural network method for damage localization in structural health monitoring 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92396-9 PMID:40055427	研究论文	本文探讨了一种基于数值数据的创新方法，用于大型结构中的裂纹检测，强调评估混合RNN-CNN模型与之前使用的纯CNN模型的比较	提出了一种结合RNN和CNN的混合模型，通过减少复杂性和参数数量，实现了更高效的结构裂纹检测	实验结果显示准确率为78.9%，略低于传统CNN模型的性能	研究目的是通过混合RNN-CNN模型提高结构健康监测中的裂纹检测能力	大型结构中的裂纹	机器学习	NA	NA	RNN-CNN混合模型	数值数据	NA
4562	2025-03-13	Continuous nursing symptom management in cancer chemotherapy patients using deep learning 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92762-7 PMID:40055437	研究论文	本文评估了深度学习平台在化疗患者症状管理中的效果，旨在提高患者的生活质量	使用深度学习平台进行化疗患者的症状管理，显著减少了焦虑和抑郁，并提高了生活质量	研究为非随机对照试验，可能存在选择偏倚	评估深度学习平台在化疗患者症状管理中的效果	144名化疗患者	机器学习	癌症	深度学习	NA	NA	144名化疗患者（干预组72人，对照组72人）
4563	2025-03-13	Development of DeepPQK and DeepQK sequence-based deep learning models to predict protein-ligand affinity and application in the directed evolution of ferulic esterase DLfae4 2025-Mar-05, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141790 PMID:40054795	研究论文	本研究开发了基于序列的深度学习模型DeepPQK和DeepQK，用于预测蛋白质-配体结合亲和力，并应用于阿魏酸酯酶DLfae4的定向进化	开发了两种新的深度学习模型DeepPQK和DeepQK，通过整合局部和全局上下文特征来预测蛋白质-配体结合亲和力，克服了传统方法依赖蛋白质晶体结构的局限性	NA	预测蛋白质-配体结合亲和力并指导酶的定向进化	蛋白质-配体结合亲和力	机器学习	NA	深度学习	CNN	蛋白质序列、口袋氨基酸和配体	2016核心数据集
4564	2025-03-13	Physics-informed deep learning for stochastic particle dynamics estimation 2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418643122 PMID:40014572	研究论文	本文介绍了一种基于物理信息的深度学习框架SPINN，用于建模和推断粒子扩散动力学	SPINN框架集成了随机微分方程，能够自主探索参数空间并以单帧分辨率区分确定性和随机性成分	NA	提高随机动力学的时空分辨率，以准确表征不同的随机过程	单粒子轨迹数据	机器学习	NA	深度学习	SPINN	轨迹数据	NA
4565	2025-03-13	TopoQA: a topological deep learning-based approach for protein complex structure interface quality assessment 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf083 PMID:40062613	研究论文	本文提出了一种基于拓扑深度学习的蛋白质复合物结构界面质量评估方法TopoQA，利用持久同调（PH）捕捉残基周围的原子级拓扑信息，并通过图神经网络（GNN）增强复杂高阶结构的学习	TopoQA首次将持久同调与图神经网络结合，用于蛋白质复合物界面质量评估，显著提升了模型性能，并提供了蛋白质结构表示学习的新范式	尽管TopoQA在多个数据集上表现优异，但其性能仍需在更多样化的蛋白质复合物结构上进行验证	开发一种无需已知天然结构即可评估预测蛋白质复合物质量的模型，以支持蛋白质结构生成和模型选择	蛋白质复合物结构界面	生物信息学	NA	持久同调（PH）、图神经网络（GNN）	TopoQA	蛋白质结构数据	DBM55-AF2、HAF2和ABAG-AF3三个数据集
4566	2025-03-13	Inferring gene regulatory networks from time-series scRNA-seq data via GRANGER causal recurrent autoencoders 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf089 PMID:40062616	研究论文	本文介绍了一种名为GRANGER的无监督深度学习方法，用于从时间序列单细胞RNA测序数据中推断基因调控网络	GRANGER方法整合了多种先进技术，包括循环变分自编码器、GRANGER因果关系、稀疏性诱导惩罚和基于负二项分布的损失函数，以处理时间序列scRNA-seq数据中的高噪声和数据稀疏问题	尽管GRANGER在处理时间序列scRNA-seq数据方面表现出色，但其在更广泛的应用场景中的有效性和鲁棒性仍需进一步验证	研究目的是开发一种能够准确处理时间序列单细胞RNA测序数据的方法，以推断基因调控网络	研究对象是时间序列单细胞RNA测序数据，特别是来自小鼠全脑的scRNA-seq数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	循环变分自编码器	时间序列单细胞RNA测序数据	来自小鼠全脑的scRNA-seq数据
4567	2025-03-13	Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores 2025-Mar, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028241294088 PMID:39558586	研究论文	本文提出了一种结合激光诱导击穿光谱（LIBS）和卷积神经网络（CNN）模型的方法，用于预测铁矿石中的总铁含量	使用CNN模型辅助LIBS技术，显著提高了总铁含量预测的准确性，并减少了建模时间	未提及具体局限性	提高LIBS技术在铁矿石总铁含量预测中的准确性	铁矿石样品	机器学习	NA	激光诱导击穿光谱（LIBS）	卷积神经网络（CNN）	光谱数据	339批来自五个国家的铁矿石样品，收集了2034个代表性光谱
4568	2025-03-13	Using a flipped classroom teaching and learning approach to promote scientific literacy skill development and retention 2025-Mar, FEBS open bio IF:2.8Q3 DOI:10.1002/2211-5463.13938 PMID:39625998	研究论文	本文探讨了翻转课堂在促进科学素养技能发展和保留方面的效果	通过翻转课堂环境评估科学素养技能的发展，并首次在四个月后重新评估这些技能的保留情况	样本量较小（n=57和n=46），且仅针对特定课程的学生，可能限制了结果的普遍性	评估翻转课堂对科学素养技能发展的影响及其长期保留效果	二年级运动学专业学生	教育技术	NA	翻转课堂教学法	NA	问卷数据	57名学生（学期初和学期末），46名学生（四个月后）
4569	2025-03-13	Deep-Learning-Enabled Fast Raman Identification of the Twist Angle of Bi-Layer Graphene 2025-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202411833 PMID:39871720	研究论文	本文提出了一种结合拉曼光谱和深度学习的数据驱动策略，用于快速、无损地解码和预测双层石墨烯的扭转角度	利用深度学习处理高维拉曼数据，提取隐藏信息以实现精确的扭转角度识别，并将该方法扩展到二维平面，实现单个样品内的精确定向映射	NA	开发一种高效、无损的方法来识别双层石墨烯的扭转角度，并推广到其他角度依赖的二维材料研究	双层石墨烯（TBG）	材料光谱学与分析	NA	拉曼光谱	深度学习模型	拉曼光谱数据	NA
4570	2025-03-13	Deep learning-based spatio-temporal fusion for high-fidelity ultra-high-speed X-ray radiography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000323 PMID:39937516	研究论文	本文探讨了基于深度学习的时空融合框架，用于融合两种互补的X射线图像序列，以重建具有高空间分辨率、高帧率和高保真度的目标图像序列	提出了一种新的深度学习时空融合框架，通过融合不同配置的X射线视频，显著提高了超高速X射线成像实验的性能和科学价值	需要与高速相机适当结合，才能充分发挥该方法的优势	提高超高速X射线成像实验的空间分辨率、帧率和保真度	X射线图像序列	计算机视觉	NA	深度学习	深度学习模型	图像	两个独立的X射线数据集
4571	2025-03-13	Multi-stage deep learning artifact reduction for parallel-beam computed tomography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000359 PMID:39960472	研究论文	本文提出了一种多阶段深度学习方法来减少平行束计算机断层扫描（CT）中的伪影	在断层扫描管道的每个阶段（投影、正弦图和重建）引入独立的深度学习模型，以数据驱动的方式局部解决特定伪影，并采用旁路连接减少误差传播	未明确提及具体局限性	提高同步辐射CT图像质量，减少伪影	平行束计算机断层扫描图像	计算机视觉	NA	深度学习	深度学习模型	图像	模拟和真实世界数据集
4572	2025-03-13	Transparency and Representation in Clinical Research Utilizing Artificial Intelligence in Oncology: A Scoping Review 2025-Mar, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70728 PMID:40059400	综述	本文通过范围综述评估了在肿瘤学领域利用人工智能的临床研究中人口统计数据报告的透明性和参与者的多样性	首次系统评估了肿瘤学AI研究中人口统计数据的透明性和多样性，揭示了当前研究中种族和民族数据的不足	仅纳入了2016年至2021年间发表的研究，且仅分析了PubMed数据库中的文献，可能遗漏了其他数据库中的相关研究	评估肿瘤学AI临床研究中人口统计数据报告的透明性和参与者的多样性	2016年至2021年间发表的利用AI的肿瘤学临床研究	人工智能	肿瘤学	NA	NA	人口统计数据	220项研究，其中118项符合条件，47项（40%）公开了至少一个训练或验证数据集
4573	2025-03-13	Automated Detection of Keratorefractive Laser Surgeries on Optical Coherence Tomography Using Deep Learning 2025-Mar, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20250204-04 PMID:40067669	研究论文	本文报告了一种基于深度学习的神经网络，用于在眼前段光学相干断层扫描（AS-OCT）上自动检测不同类型的角膜屈光激光手术，并区分这些手术中的近视和远视治疗	首次使用深度学习神经网络在AS-OCT上自动检测多种角膜屈光激光手术，并区分近视和远视治疗	未提及算法的泛化能力及在不同设备或数据集上的表现	开发一种自动化工具，用于从AS-OCT扫描中准确分类患者的角膜屈光激光手术历史，以支持治疗计划、人工晶状体计算和角膜扩张评估	2,278只眼睛的14,948次扫描，来自1,166名患者	计算机视觉	眼科疾病	深度学习	神经网络	图像	14,948次眼睛扫描，来自1,166名患者的2,278只眼睛
4574	2025-03-13	Enhancing single-cell classification accuracy using image conversion and deep learning 2025-Mar, Yi chuan = Hereditas DOI:10.16288/j.yczz.24-213 PMID:40068952	研究论文	本文提出了一种创新的单细胞分类方法scIC，通过将单细胞转录组测序数据转换为图像形式并结合深度学习技术进行细胞分类	将单细胞转录组测序数据转换为图像形式，并结合卷积神经网络（CNN）和残差网络（ResNet）构建高效分类模型	现有方法在细胞类型识别、特征选择和批次效应校正方面仍存在局限性，难以满足复杂生物学研究的需求	提高单细胞分类的准确性，解决单细胞数据分析中的关键挑战	小鼠皮肤基底细胞、小鼠淋巴细胞、人类神经元细胞和小鼠脊髓细胞	数字病理学	NA	单细胞转录组测序（scRNA-seq）	CNN, ResNet	图像	四种细胞类型的scRNA-seq数据
4575	2025-03-13	Unified resilience model using deep learning for assessing power system performance 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42802 PMID:40066024	研究论文	本文介绍了一种使用深度学习的统一弹性模型（URM），以提高电力系统的性能	提出了一种结合深度学习的统一弹性模型，用于分析影响电池和储能设备弹性的环境因素，并通过已知的低弹性损耗数据进行训练，以增强各种强化因素	NA	提高电力系统的性能，特别是关注天气因素对系统弹性的影响	电池和储能设备的弹性	机器学习	NA	深度学习	深度学习模型	环境因素数据、低弹性损耗数据	NA
4576	2025-03-13	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文介绍了一种名为SPURS的新型深度学习框架，通过整合两种通用蛋白质生成模型（ESM和ProteinMPNN），提升了蛋白质稳定性预测的准确性	SPURS通过轻量级神经网络模块将ProteinMPNN学习到的结构表示重新连接到ESM的注意力层，从而增强了ESM的序列表示学习能力，实现了从序列和结构数据中利用进化模式进行稳定性预测	尽管SPURS在多个基准数据集上表现出色，但其在蛋白质稳定性预测中的潜力仍需进一步探索，特别是在更广泛的蛋白质功能预测方面	提升蛋白质稳定性预测的准确性，以更好地理解人类疾病并设计用于临床和工业应用的有用蛋白质	蛋白质	机器学习	NA	深度学习	ESM, ProteinMPNN	序列数据, 结构数据	基于最近发布的大规模热稳定性数据集进行训练和评估
4577	2025-03-13	ds-FCRN: three-dimensional dual-stream fully convolutional residual networks and transformer-based global-local feature learning for brain age prediction 2025-Jan-18, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-024-02889-y PMID:39826018	研究论文	本研究开发了一种高预测准确性和可解释性的深度学习模型，用于脑龄预测任务	提出了一种结合3D双流全卷积残差网络（ds-FCRN）和基于Transformer的全局-局部特征学习范式的创新深度学习架构	NA	开发高预测准确性和可解释性的深度学习模型，用于脑龄预测任务	16,377名45至82岁健康参与者的T1 MRI数据	计算机视觉	老年疾病	深度学习	3D双流全卷积残差网络（ds-FCRN）和Transformer	图像	16,377名健康参与者（45至82岁）
4578	2025-03-13	Model-based convolution neural network for 3D Near-infrared spectral tomography 2025-Jan-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	研究论文	本文提出了一种结合扩散方程模型和卷积神经网络（CNN）的重建算法（Model-CNN），用于解决近红外光谱断层扫描（NIRST）图像重建中的病态问题	提出了一种新的重建算法Model-CNN，结合了扩散方程模型和CNN，显著提高了图像重建的精度和效率	Model-CNN未在患者数据上进行训练，而是使用模拟的体模数据进行训练，可能在实际应用中存在一定的局限性	解决近红外光谱断层扫描（NIRST）图像重建中的病态问题，提高图像重建的精度和效率	近红外光谱断层扫描（NIRST）图像	计算机视觉	NA	近红外光谱断层扫描（NIRST）	卷积神经网络（CNN）	图像	数值模拟数据、物理体模数据和临床患者NIRST数据
4579	2025-03-13	Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317630 PMID:40063554	研究论文	本研究探讨了一种基于极坐标变换的短时傅里叶变换（STFT）谱图可视化ECG信号的新方法，并评估了深度卷积神经网络（CNN）在从这些极坐标变换谱图中预测房颤的性能	提出了一种新的ECG信号可视化方法，即使用极坐标变换的STFT谱图，并首次评估了深度CNN在此类图像上的房颤预测性能	研究中使用的数据仅限于PhysioNet/CinC Challenge 2017的数据集，可能无法涵盖所有临床情况	探索和评估基于极坐标变换的ECG信号可视化方法及其在房颤预测中的应用	ECG信号	机器学习	心血管疾病	短时傅里叶变换（STFT）	深度卷积神经网络（CNN）	图像	PhysioNet/CinC Challenge 2017数据集中的ECG数据，分为四类：正常窦性心律、房颤、其他心律和噪声
4580	2025-03-13	Color correction methods for underwater image enhancement: A systematic literature review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317306 PMID:40063649	综述	本文系统回顾了水下图像增强中的色彩校正方法，分析了现有方法的优缺点及未来研究方向	提出了13种不同的水下图像增强方法，并将其分为物理模型、非物理模型和基于深度学习的方法三类	现有方法存在算法局限性、数据依赖性、计算复杂性和在不同水下环境中的性能差异等问题	识别和分析现有的水下图像增强方法，强调其优势、局限性和未来研究领域	水下图像	计算机视觉	NA	NA	深度学习	图像	67项相关研究