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
4821	2025-07-06	Deep learning image enhancement algorithms in PET/CT imaging: a phantom and sarcoma patient radiomic evaluation 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07149-7 PMID:40014074	研究论文	本研究使用放射组学特征比较了两种制造商深度学习图像增强算法与'金标准'图像重建技术在体模数据和肉瘤患者数据集中的表现	首次在体模和肉瘤患者数据中系统评估了两种深度学习图像增强算法的放射组学特征表现，并与金标准方法进行比较	样本量较小(N=20)，仅评估了两种特定的深度学习算法	评估深度学习图像增强算法在PET/CT成像中的性能	体模数据和肉瘤患者PET/CT图像	数字病理	肉瘤	PET/CT成像	深度学习算法	医学影像	20例肉瘤患者数据和体模重复采集数据
4822	2025-07-06	CT-free attenuation and Monte-Carlo based scatter correction-guided quantitative 90Y-SPECT imaging for improved dose calculation using deep learning 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07191-5 PMID:40080141	研究论文	本研究旨在开发深度学习模型，用于90Y SPECT成像中的无CT衰减和基于蒙特卡洛的散射校正，以改进剂量计算	使用改进的3D Swin UNETR架构训练深度学习模型，实现无CT衰减和蒙特卡洛散射校正，提升90Y SPECT成像的定量分析	研究样本量有限（190例患者），未来需要更大数据集进行训练和验证	改进90Y选择性内放射治疗（SIRT）中的剂量计算精度	接受90Y玻璃微球SIRT治疗的190例患者	医学影像处理	肝脏肿瘤	深度学习，蒙特卡洛模拟，SPECT成像	3D Swin UNETR	医学影像（SPECT）	190例患者
4823	2025-07-06	Fast-forwarding plant breeding with deep learning-based genomic prediction 2025-Jul, Journal of integrative plant biology IF:9.3Q1 DOI:10.1111/jipb.13914 PMID:40226955	research paper	本文探讨了基于深度学习的基因组预测（DL-based GP）在植物育种中的应用及其面临的挑战	提出了未来发展方向，如模块化方法、数据增强和高级注意力机制	需要大量高质量数据集、性能基准测试不一致以及环境因素的整合	加速植物育种过程	植物基因组数据	machine learning	NA	deep learning-based genomic prediction	DL-based GP	multi-omics data	NA
4824	2025-07-06	Identification of non-glandular trichome hairs in cannabis using vision-based deep learning methods 2025-Jul, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70058 PMID:40249026	研究论文	提出了一种基于深度学习的计算机视觉方法，用于识别大麻中的非腺毛状毛状体	首次将深度学习技术应用于大麻非腺毛状毛状体的识别，准确率超过97%，减少了对耗时耗力的专家显微镜分析的依赖	需要大量标注的显微镜图像数据集，且依赖于前期三种法医测试、两种化学分析和专家显微镜分析建立的真实标签	开发一种高效准确的大麻非腺毛状毛状体识别方法，以支持打击非法毒品贩运	大麻及疑似喷洒合成大麻素的非大麻植物材料	计算机视觉	NA	深度学习	CNN	图像	数千张标注的显微镜图像
4825	2025-07-06	Artificial Olfactory System Enabled by Ultralow Chemical Sensing Variations of 1D SnO2 Nanoarchitectures 2025-Jul, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202501293 PMID:40318170	研究论文	本研究开发了一种高可靠的传感器平台，通过一维SnO纳米网络功能化Au和Pd纳米催化剂，标准化气体传感用于深度学习应用	通过系统沉积工艺制备的1D SnO纳米网络功能化Au和Pd纳米催化剂，显著提高了气体扩散和反应动力学，并通过受控老化过程将变异系数降低至5%以下	研究未涉及长期稳定性测试或在更广泛环境条件下的性能验证	开发一种高可靠的传感器平台，用于标准化气体传感并提升深度学习在气体识别中的应用	七种目标气体：丙酮、氢气、乙醇、一氧化碳、丙烷、异戊二烯和甲苯	传感器技术	NA	系统沉积工艺、受控老化过程	残差网络模型	气体传感数据	七种目标气体
4826	2025-07-06	Artificial Intelligence Augmented Cerebral Nuclear Imaging 2025-Jul, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.05.005 PMID:40441996	research paper	本文探讨了人工智能（AI），特别是机器学习和深度学习在核神经影像处理、分析、增强和解释中的当前和新兴应用	介绍了AI在核神经影像中的创新应用，包括自动图像分割、疾病分类、放射组学特征提取，以及基于深度学习的重建、伪CT生成用于衰减校正和低计数研究的去噪	未明确提及具体局限性	探索AI如何提升核神经影像的能力，推动精准医学的发展	SPECT和PET脑部影像	digital pathology	NA	SPECT, PET, 放射组学	ML, DL	image	NA
4827	2025-07-06	Systematic Evaluation of Atrous Spatial Pyramid Pooling in U-Net for Pore Segmentation in Plasma Electrolytic Oxidation Coatings 2025-Jul-01, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.5c01673 PMID:40523154	研究论文	本研究提出了一种基于深度学习的U-Net架构结合Atrous Spatial Pyramid Pooling (ASPP)的分割框架，用于提高等离子电解氧化(PEO)涂层中孔隙结构的多尺度特征提取能力	系统地评估了ASPP在U-Net不同位置的性能影响，发现桥接和解码器路径的修改对分割性能影响最大，结合修改在两者中应用ASPP获得了最高的F1分数和IoU	传统图像分割方法难以捕捉PEO表面在SEM图像中的复杂性，本研究虽有所改进，但可能仍存在对某些复杂孔隙结构的识别不足	提高PEO涂层孔隙结构的分割精度，以更好地理解界面结构-性能关系	等离子电解氧化(PEO)涂层的孔隙结构	计算机视觉	NA	深度学习	U-Net, ASPP	图像	未明确提及具体样本数量，但使用了5折交叉验证
4828	2025-07-06	Language models learn to represent antigenic properties of human influenza A(H3) virus 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03275-2 PMID:40592976	研究论文	本研究比较了几种机器学习方法，用于预测流感A(H3N2)病毒的抗原特性，并识别可能需要疫苗更新的新抗原变异	使用深度学习语言模型（BiLSTM和ProtBERT）预测流感病毒的抗原特性，并在单氨基酸驱动的抗原变化和深度突变扫描实验中表现优于传统方法	研究主要针对流感A(H3N2)病毒的HA1蛋白序列，可能不适用于其他病毒或蛋白	评估从流感病毒基因组信息中可靠预测抗原特性的可能性，以支持疫苗更新决策	流感A(H3N2)病毒的HA1蛋白序列	自然语言处理	流感	深度学习语言模型（BiLSTM和ProtBERT）	BiLSTM, ProtBERT	蛋白质序列	已验证的流感病毒基因组和湿实验室实验结果的链接数据集
4829	2025-07-06	SE(3)-equivariant ternary complex prediction towards target protein degradation 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61272-5 PMID:40593782	研究论文	本文介绍了一种名为DeepTernary的新型深度学习方法，用于预测靶向蛋白质降解中的三元复合物结构	提出了一种端到端的深度学习方法，结合SE(3)-等变编码器和基于查询的解码器，能够准确快速地预测三元复合物结构	未提及具体的数据集规模限制或模型泛化能力的局限性	开发一种能够预测靶向蛋白质降解中三元复合物结构的工具，以促进靶向蛋白质降解剂的设计	靶向蛋白质降解中的三元复合物（包括PROTACs和分子胶降解剂MGD）	机器学习	NA	深度学习	SE(3)-等变编码器和基于查询的解码器	蛋白质结构数据	基于精心整理的TernaryDB数据集，但未提及具体样本数量
4830	2025-07-06	Artificial intelligence derived grading of mustard gas induced corneal injury and opacity 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08042-x PMID:40594758	研究论文	本研究开发了一种基于人工智能的临床分类模型，用于客观评估活兔眼角膜损伤和不透明度水平	首次使用AI评估活兔化学性角膜损伤，结合Mask-RCNN和ResNet50模型实现可靠分级	研究仅基于兔眼角膜图像，未涉及人类数据	开发客观评估化学性角膜损伤的AI分类模型	硫芥子气暴露后的活兔眼角膜	数字病理学	角膜损伤	深度学习	Mask-RCNN, CNN (VGG16, ResNet101, DenseNet121, InceptionV3, ResNet50)	图像	401张兔眼角膜图像
4831	2025-07-06	Associations of street-view greenspace exposure with cardiovascular health (Life's Essential 8) among women in midlife 2025-Jul-01, Biology of sex differences IF:4.9Q1 DOI:10.1186/s13293-025-00718-3 PMID:40598663	研究论文	该研究探讨了街道绿化景观暴露与中年女性心血管健康（Life's Essential 8）之间的关联	使用Google街景图像和深度学习算法量化街道绿化暴露，而非传统的卫星数据，并首次将整体心血管健康评分（LE8）纳入分析	研究样本主要来自美国马萨诸塞州东部，可能限制结果的普遍性，且未考虑其他潜在的环境或生活方式因素	评估街道绿化景观暴露对中年女性心血管健康的影响	Project Viva队列中的中年女性（平均年龄46-51岁）	环境流行病学	心血管疾病	深度学习算法	线性回归模型	图像（Google街景）和问卷数据	767名参与者（68%非西班牙裔白人，74%大学毕业生）
4832	2025-07-06	Advancing Spike Sorting Through Gradient-Based Preprocessing and Nonlinear Reduction With Agglomerative Clustering 2025-Jul, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70650 PMID:40607611	research paper	该论文提出了一种基于梯度预处理和非线性降维的尖峰排序方法，结合凝聚聚类以提高分类准确性	引入了数学技术进行数据预处理，并结合非线性变换（如UMAP和谱嵌入）优化特征提取，显著提高了尖峰分类的准确性	方法在特定神经元群体中的效果未充分验证，可能仍存在视觉上难以区分的相似尖峰问题	开发一种全自动尖峰排序方法，以提高神经电信号分类的准确性	神经电信号（尖峰）	机器学习	NA	UMAP, 谱嵌入	密度聚类算法	电信号数据	未明确提及具体样本数量，但包含非重叠和重叠尖峰数据集
4833	2025-07-06	Deep learning approaches for attenuation correction in myocardial perfusion imaging 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102277 PMID:40615168	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4834	2025-07-06	Sequence and Structure-based Prediction of Allosteric Sites 2025-Jun-24, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169305 PMID:40571274	综述	本文综述了基于蛋白质序列和结构的变构位点预测方法，并讨论了计算机辅助变构药物设计的挑战和未来方向	强调了多模态数据整合和可解释深度学习模型在改进变构位点预测和合理变构药物设计中的潜力	临床应用中变构药物的存在仍然有限	促进对变构机制的理解并促进变构药物设计	蛋白质序列、结构和变构调控	生物信息学	NA	计算机辅助药物设计	深度学习模型	蛋白质序列和结构数据	NA
4835	2025-07-06	An Integrated Framework for Automated Image Segmentation and Personalized Wall Stress Estimation of Abdominal Aortic Aneurysms 2025-Jun-12, Research square DOI:10.21203/rs.3.rs-6630234/v1 PMID:40585219	研究论文	提出一个集成框架，用于自动分割腹部主动脉瘤（AAA）图像并个性化估计壁应力	结合基于块的扩张改进U-Net模型、非线性弹性膜分析（NEMA）和非均匀有理B样条（NURBS）来精确分割和估计AAA壁应力	未提及样本量或具体临床验证结果	开发自动化方法以改进腹部主动脉瘤的监测和手术规划	腹部主动脉瘤（AAA）患者	数字病理学	心血管疾病	CT血管造影（CTA）	改进的U-Net模型	图像	NA
4836	2025-07-06	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	本研究开发了一种基于深度学习的计算流程，用于从数字化组织学切片中准确分类儿科肉瘤亚型	采用先进的ViT基础模型（UNI、CONCH）和多尺度特征提升分类准确性，同时优化了轻量级SAMPLER分类器	研究依赖于有限的数据集（867张全切片图像），且仅针对特定儿科肉瘤亚型	开发一种计算流程以准确分类儿科肉瘤亚型，减少诊断中的观察者间变异	儿科肉瘤的数字化组织学切片	数字病理学	儿科肉瘤	深度学习	CNN, ViT, SAMPLER	图像	867张全切片图像（来自三个医疗中心和儿童肿瘤学组）
4837	2025-07-06	Fine-Grained Classification of Pressure Ulcers and Incontinence-Associated Dermatitis Using Multimodal Deep Learning: Algorithm Development and Validation Study 2025-May-01, JMIR AI DOI:10.2196/67356 PMID:40605794	研究论文	开发并验证了一种多模态深度学习框架，用于压力性溃疡（PUs）和失禁性皮炎（IAD）的精细分类	提出了一种结合伤口图像和分类患者数据的多模态深度学习框架，显著提高了PUs和IAD的分类准确性，并在某些任务上超越了人类专家	细粒度分类性能仍有提升空间，特别是IAD分类的F1-score较低（53.20%），且需要进一步验证实际临床应用效果	开发一个强大的多模态深度学习框架，以提高PUs和IAD的诊断准确性并支持临床决策	压力性溃疡（PUs）和失禁性皮炎（IAD）的伤口图像及其严重程度分类	数字病理	皮肤疾病	深度学习	CNN, Transformer (TinyViT, ConvNeXtV2)	图像, 分类数据	1555张伤口图像，由4位伤口专家标注
4838	2025-07-06	Deep learning-based reconstruction for three-dimensional volumetric brain MRI: a qualitative and quantitative assessment 2025-Mar-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01647-8 PMID:40148785	研究论文	评估基于深度学习的自适应压缩感知网络在脑部MRI三维体积重建中的性能，并在临床环境中进行验证	提出了一种基于深度学习的重建方法，能够在显著减少扫描时间的同时保持图像质量和体积量化准确性	样本量较小（10名健康志愿者和22名患者），且仅在脑部MRI中进行了验证	评估和验证深度学习重建在脑部MRI中的性能	健康志愿者和患者的脑部MRI数据	医学影像分析	脑部疾病	深度学习重建（DLR）和自适应压缩感知（CS）	深度学习网络	MRI图像	10名健康志愿者和22名患者
4839	2025-07-06	Deep learning and explainable artificial intelligence for investigating dental professionals' satisfaction with CAD software performance 2025-Feb, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.13900 PMID:39010644	研究论文	本研究利用深度学习和可解释人工智能技术调查牙科专业人员对CAD软件性能的满意度	首次将DL-XAI行为分析方法应用于牙科领域，识别影响CAD软件满意度的关键因素	样本仅包含436名牙科专业人员，可能无法代表所有用户群体	评估牙科专业人员对CAD软件性能的满意度及其影响因素	牙科学生、牙医和牙科技师等牙科专业人员	医疗人工智能	牙科疾病	深度学习(DL)、可解释人工智能(XAI)、排列特征重要性分析(PFIA)、Shapley加性解释方法	多层感知器人工神经网络(MLP-ANN)	行为数据、问卷调查数据	436名具有不同CAD经验的牙科专业人员
4840	2025-07-06	Few-shot network intrusion detection method based on multi-domain fusion and cross-attention 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327161 PMID:40601763	研究论文	提出了一种基于多域融合和交叉注意力的少样本网络入侵检测方法，旨在解决现实场景中攻击样本有限和域偏移问题	结合多域特征融合和双向交叉注意力机制，设计了双分支特征提取器和双域双向交叉注意力模块，并引入了基于改进Mamba架构的分层特征编码模块	未提及方法在更复杂或更大规模网络环境中的表现	提高少样本条件下网络入侵检测的准确性和跨域泛化能力	网络流量数据	机器学习	NA	二维离散余弦变换(2D-DCT), 状态空间建模	Mamba架构	网络流量序列数据	在两个基准数据集CICIDS2017和CICIDS2018上进行实验