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
441	2025-07-29	Adaptive-AutoMO: A domain adaptative automated multiobjective neural network for reliable lesion malignancy prediction via digital breast tomosynthesis 2025-Jul-23, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104869 PMID:40712810	研究论文	提出了一种域自适应自动多目标神经网络（Adaptive-AutoMO），用于通过数字乳腺断层合成（DBT）进行可靠的病变恶性预测	解决了数据稀缺和域转移问题，同时处理隐私保护、可信度测量和平衡三个关键挑战	实验仅在两个DBT图像数据集上进行，可能需要更多数据验证	提高数字乳腺断层合成（DBT）中病变恶性预测的可靠性和准确性	乳腺病变的恶性预测	数字病理	乳腺癌	深度学习	多目标免疫神经架构搜索算法（MINAS）、半监督域自适应特征网络（MMD-SSDAF）	图像	两个DBT图像数据集（源域和目标域数据集）
442	2025-07-29	Developing deep learning-based cerebral ventricle auto-segmentation system and clinical application for the evaluation of ventriculomegaly 2025-Jul-23, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124300 PMID:40712852	研究论文	开发并验证了一种基于深度学习的自动多类别分割系统，用于精确评估脑室扩大，支持未来增强现实引导的脑室外引流系统	使用nnUNet架构同时分割五个解剖类别（脑室、脑实质、颅骨、皮肤和出血），提供三维脑室变化的精确体积评估	临床验证样本量相对有限（n=227），且模型性能可能受年龄、性别和诊断类型影响	开发一种自动化的脑室分割系统，以替代传统的Evans指数评估方法	脑室扩大患者的脑CT扫描图像	数字病理	神经系统疾病	深度学习	nnUNet	CT图像	训练集288例脑CT扫描，验证集包括内部（n=10）、外部（n=43）和公共（n=192）数据集，临床验证涉及227名接受脑脊液引流手术的患者
443	2025-07-29	BrainCNN: Automated Brain Tumor Grading from Magnetic Resonance Images Using a Convolutional Neural Network-Based Customized Model 2025-Jul-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	本研究开发了一种基于卷积神经网络的自定义模型BrainCNN，用于从磁共振图像中自动分级脑肿瘤	提出了一种结合预训练模型和定制CNN的自动化脑肿瘤分级系统，准确率高达99.45%	研究数据仅来自单一医院的293例MRI扫描，可能影响模型的泛化能力	开发高精度的自动化脑肿瘤分级系统以辅助治疗决策	脑肿瘤患者的MRI图像	数字病理学	脑肿瘤	MRI	CNN, MobileNet, Inception V3, ResNet-50	图像	293例MRI扫描
444	2025-07-29	Explainable clinical diagnosis through unexploited yet Optimized Fine-tuned ConvNeXt Models for accurate Monkeypox Disease Classification 2025-Jul-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100336 PMID:40712913	research paper	该研究通过优化微调的ConvNeXt模型，实现可解释的猴痘疾病临床诊断分类	利用迁移学习技术微调预训练的ConvNeXt网络，结合Adafactor优化技术，在猴痘疾病分类任务中取得高准确率，并通过可解释AI方法增强模型决策的可理解性	虽然模型在计算效率上有所优化，但实际应用中可能仍需要进一步验证其泛化能力和实时性能	开发高效准确的猴痘疾病分类模型，以辅助临床诊断	猴痘疾病的视觉数据信息	computer vision	monkeypox	transfer learning, data augmentation	ConvNeXtSmall, ConvNeXtBase	image	MSLD数据集（二分类）和MSLD v2.0数据集（多分类）
445	2025-07-29	Predicting synergistic drug combinations via hierarchical molecular representation and cell line latent space fusion 2025-Jul-23, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108933 PMID:40714415	研究论文	该研究开发了一种新的深度学习模型，用于更准确地预测抗癌药物组合的协同效应	提出了一种分层分子表示方法和细胞系潜在空间融合技术，以捕捉药物分子的局部和全局特征并减少细胞系数据中的噪声	未提及具体的数据集规模限制或模型在特定癌症类型上的表现差异	提高药物协同效应的预测准确性，为组合疗法的设计提供支持	抗癌药物组合及其在癌细胞系中的协同效应	机器学习	癌症	深度学习	基于图注意力的卷积网络和编码器-解码器结构	药物分子图和细胞系基因表达数据	多种癌细胞系的药物反应数据（具体数量未提及）
446	2025-07-29	HDXRank: A Deep Learning Framework for Ranking Protein Complex Predictions with Hydrogen-Deuterium Exchange Data 2025-Jul-22, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00175 PMID:40367339	研究论文	开发了一个基于图神经网络（GNN）的框架HDXRank，用于利用氢-氘交换（HDX）实验数据对蛋白质复合物候选结构进行排序	HDXRank能够捕捉细微的局部结构特征，将HDX数据整合到蛋白质复合物建模流程中，显著提高预测准确性	NA	提高蛋白质-蛋白质复合物结构预测的准确性	蛋白质复合物结构	生物信息学	NA	氢-氘交换（HDX）实验	图神经网络（GNN）	实验数据	新策划的HDX数据集
447	2025-07-29	Verification of resolution and imaging time for high-resolution deep learning reconstruction techniques 2025-Jul-22, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110463 PMID:40706823	研究论文	本文评估了一种供应商提供的超分辨率深度学习重建方法在MRI中的性能，旨在优化成像时间和分辨率之间的平衡	通过深度学习重建方法实现高分辨率MRI成像，无需额外扫描，显著缩短成像时间	研究样本量较小（8名患者），且仅评估了特定供应商的算法	优化MRI成像中深度学习重建技术的性能，以提高临床工作效率	边缘模型和8名患者的临床脑部图像	医学影像分析	NA	深度学习重建（DLR）	NA	MRI图像	8名患者的临床脑部图像
448	2025-07-29	Deep learning algorithm-assisted non-destructive detection of TBARS values of salmon flesh using multi-modal molecular spectra fusion 2025-Jul-21, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145649 PMID:40712430	研究论文	本研究提出了一种深度学习框架，用于无损评估鲑鱼肉在不同储存条件下的脂质氧化程度	通过结合多模态分子光谱（近红外和拉曼）与卷积神经网络（CNN），提高了预测TBARS值的准确性，优于PLSR和LSTM模型	NA	开发一种高效的无损检测方法，用于评估鲑鱼肉在动态储存环境中的质量	鲑鱼肉	机器学习	NA	多模态分子光谱（近红外和拉曼）	CNN	光谱数据	NA
449	2025-07-29	A comprehensive assessment benchmark for rigorously evaluating deep learning image classifiers 2025-Jul-18, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107801 PMID:40714476	research paper	该文章提出了一个全面的评估基准，用于严格评估深度学习图像分类器的性能	提出了一个使用多种数据类型和单一指标的全面评估基准，揭示了当前深度神经网络在特定数据类型上的脆弱性	未具体说明评估基准中使用的数据类型和样本规模	开发更可靠的机器学习模型评估方法	深度学习图像分类器	machine learning	NA	NA	deep neural networks	image	NA
450	2025-07-29	Integration of pre-trained GRU and molecular docking for virtual screening of quinoa seed derived ACE inhibitory peptides: An innovative prediction strategy 2025-Jul-17, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145591 PMID:40712418	研究论文	本研究提出了一种结合预训练GRU模型和分子对接的创新策略，用于预测藜麦种子蛋白衍生的ACE抑制肽的IC值	采用预训练GRU模型结合分子对接技术，创新性地解决了数据稀缺和标签不平衡问题，提高了ACE抑制肽的预测准确率	研究仅针对藜麦种子蛋白衍生的ACE抑制肽，可能不适用于其他来源的肽类	开发一种高效的生物活性肽筛选方法	藜麦种子蛋白衍生的ACE抑制肽	自然语言处理	心血管疾病	分子对接	GRU	序列数据	7种合成肽
451	2025-07-29	Deep learning-based detection of depression by fusing auditory, visual and textual clues 2025-Jul-16, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119860 PMID:40675260	research paper	提出了一种基于AI的多模态融合模型，用于通过听觉、视觉和文本线索自动检测抑郁症	整合了视觉、听觉和文本线索的多模态融合模型，并在多种场景下验证了模型性能，包括与聊天机器人的访谈	未进行纵向随访研究，且对重度抑郁症的适用性需进一步研究	开发自动化抑郁症检测模型	抑郁症患者和健康对照者	machine learning	depression	multi-head cross-attention network	multimodal fusion model	audio-video and textual data	内部验证集：152名抑郁症患者和118名健康对照者；外部验证集：55名抑郁症患者和45名健康对照者
452	2025-07-29	Automated multiple sclerosis lesion segmentation from 3D-FLAIR MRI using R2AUNet: A deep learning approach with recurrent residual and attention mechanisms 2025-Jul-16, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106620 PMID:40712506	research paper	本研究开发了一种名为R2AUNet的深度学习模型，用于从3D-FLAIR MRI中自动分割多发性硬化症病灶	结合了循环残差块和注意力机制的3D U-Net框架，仅使用3D-FLAIR MRI即可实现准确分割，简化了数据采集过程	研究样本量相对较小（112次MRI扫描，来自95名患者），且所有数据来自单一机构	开发自动化的多发性硬化症病灶分割方法，提高诊断效率和准确性	多发性硬化症患者的3D-FLAIR MRI图像	digital pathology	multiple sclerosis	3D-FLAIR MRI	R2AUNet（基于3D U-Net框架，结合循环残差块和注意力机制）	3D MRI图像	112次MRI扫描（来自95名确诊多发性硬化症患者）
453	2025-07-29	Dual branch neural network with dynamic learning mechanism for P300-based brain-computer interfaces 2025-Jul-13, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107876 PMID:40712216	研究论文	本研究提出了一种双分支神经网络与动态学习机制，用于解决基于P300的脑机接口中的类别不平衡问题	提出了一种双分支学习方法（DBL），同时考虑特征表示和类别不平衡，通过动态学习机制逐步强调少数类样本	研究依赖于公开和自收集的数据集，可能在其他数据集上的泛化能力有待验证	解决基于P300的脑机接口系统中的类别不平衡问题，提高分类性能	P300拼写器系统及其用户	脑机接口	NA	双分支学习（DBL）	双分支神经网络	脑电信号数据	公开数据集和自收集数据集
454	2025-07-29	Analysis of the carotenoid cycle during microbial growth by combining fluorescence imaging and deep learning 2025-Jul-10, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126641 PMID:40712219	研究论文	结合荧光成像和深度学习分析微生物生长过程中的类胡萝卜素循环	首次检测并实时追踪两种海洋芽孢杆菌孢子生长过程中类胡萝卜素含量的动态变化	仅针对两种特定的海洋芽孢杆菌孢子进行研究，样本范围有限	研究微生物生长过程中类胡萝卜素含量的动态变化及其代谢特性	两种海洋芽孢杆菌孢子（编号#2430和#2966）	数字病理	NA	拉曼光镊、活细胞动态成像、荧光显微镜	UNet-VGG16	图像	两种海洋芽孢杆菌孢子
455	2025-07-29	Monochromatic LeafAdaptNet (MLAN): an adaptive approach to spinach leaf disease detection using monochromatic imaging 2025-Jul-08, World journal of microbiology & biotechnology IF:4.0Q2 DOI:10.1007/s11274-025-04442-3 PMID:40627236	研究论文	本文提出了一种名为Monochromatic LeafAdaptNet (MLAN)的自适应方法，用于通过单色成像检测菠菜叶部病害	基于DenseNet-121-DO模型开发了定制的MLAN模型，用于菠菜叶部病害的检测与分类，实现了高准确率和平均精度	NA	提高菠菜叶部病害的检测和分类精度，以减少农药使用并提升农业产量	菠菜叶片	计算机视觉	植物病害	深度学习目标检测	DenseNet-121-DO, MLAN	图像	NA
456	2025-07-29	Deep Learning Based Models for CRISPR/Cas Off-Target Prediction 2025-Jul, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500122 PMID:40468633	综述	本文综述了基于深度学习的CRISPR/Cas脱靶预测工具，评估了六种深度学习模型在公共数据集上的表现	强调了将已验证的脱靶数据集整合到模型训练中以提升预测性能的重要性，并评估了多种深度学习模型的综合表现	没有一种模型在所有场景中始终优于其他模型	改进CRISPR/Cas脱靶位点预测，确保更安全的基因组编辑应用	CRISPR/Cas基因组编辑技术的脱靶效应	机器学习	NA	深度学习	CRISPR-Net, CRISPR-IP, R-CRISPR, CRISPR-M, CrisprDNT, Crispr-SGRU	序列数据	六个公共数据集和CRISPRoffT数据库中的验证数据
457	2025-07-29	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-Jul, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	研究论文	介绍了一种基于记忆核最小化的神经网络（MEMnets），用于发现生物分子动力学的慢集体变量	MEMnets基于整合广义主方程理论，通过编码记忆核处理非马尔可夫动力学，并通过并行编码网络最小化时间积分记忆核的上界来识别最优集体变量	未明确提及具体限制，但可能在大分子动态系统中采样有限时存在挑战	识别准确捕捉蛋白质构象变化最慢时间尺度的集体变量	生物分子动力学中的慢集体变量	机器学习	NA	深度学习	神经网络	分子动态数据	涉及FIP35 WW域的折叠和细菌RNA聚合酶的钳位开放
458	2025-07-29	A deep learning phenome wide association study of the electrocardiogram 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf047 PMID:40703109	研究论文	本研究利用深度学习技术，通过心电图（ECG）波形检测多种心脏和非心脏疾病，并探索了这些疾病分类的ECG特征	发现了ECG可以检测的新疾病，如呼吸衰竭、中性粒细胞减少症和月经紊乱，并揭示了这些疾病分类的ECG特征	研究中使用的数据集仅来自两个医疗中心，可能限制了结果的普适性	确定ECG可检测的全部心脏和非心脏疾病，并理解哪些ECG特征有助于疾病分类	心电图（ECG）波形和连接的电子健康记录	机器学习	心血管疾病	深度学习	PheWASNet（多任务深度学习模型）	ECG波形数据	来自两个医疗中心的大规模ECG和电子健康记录数据集
459	2025-07-29	Novel artificial intelligence model using electrocardiogram for detecting acute myocardial infarction needing revascularization 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf049 PMID:40703113	研究论文	本研究开发了一种基于心电图（ECG）的人工智能模型，用于检测需要血运重建的急性心肌梗死（AMI）	采用基于transformer的深度学习模型，并通过自监督学习在大规模无标记ECG数据上进行预训练，提高了AMI检测性能	研究数据来自单中心，外部验证集的时间跨度较大（2002-2020年）	开发能够及时诊断需要血运重建的AMI的人工智能模型	急性心肌梗死患者	医疗人工智能	心血管疾病	深度学习	transformer	心电图数据	训练集：723,389份ECG（300,627名患者）；外部验证集：261,429份ECG（259,454名患者）
460	2025-07-29	Development and multinational validation of an ensemble deep learning algorithm for detecting and predicting structural heart disease using noisy single-lead electrocardiograms 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf034 PMID:40703117	研究论文	开发并验证了一种基于深度学习的噪声弹性单导联心电图算法，用于检测和预测结构性心脏病	提出了一种噪声弹性的单导联AI-ECG算法，适用于便携/可穿戴设备，用于社区筛查和风险分层	研究主要基于医院数据，社区应用的实际效果需进一步验证	开发一种适用于便携设备的AI算法，用于结构性心脏病的检测和预测	结构性心脏病患者及高风险人群	机器学习	心血管疾病	深度学习	ADAPT-HEART (基于深度学习的算法)	心电图数据	266,740份心电图，来自99,205名患者