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	2025-05-09	Reconstruction of highly and extremely aberrated wavefront for ocular Shack-Hartmann sensor using multi-task Attention-UNet 2025-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110394 PMID:40254120	研究论文	本研究提出了一种多任务注意力UNet（HR-HDR-SHUNet）用于高分辨率和宽动态范围的Shack-Hartmann波前重建，以解决高度和极度像差眼睛中的波前记录问题	首次将多任务学习方案应用于高分辨率和宽动态范围的Shack-Hartmann波前重建，同时输出波前图和Zernike系数	未明确提及具体局限性	提高高度和极度像差眼睛中Shack-Hartmann波前重建的准确性和计算效率	具有不同高阶像差水平（正常、高度和极度像差）的眼睛	计算机视觉	眼科疾病（圆锥角膜和角膜激光手术后）	深度学习	改进的注意力UNet（HR-HDR-SHUNet）	波前图像数据	三个大型数据集（包含不同像差水平的样本）
4822	2025-05-09	Improved prediction of chlorophyll-a concentrations using advancing graph neural network variants 2025-Jun-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179481 PMID:40280091	研究论文	本研究提出了一种基于深度学习的框架，用于长期叶绿素a（Chl-a）浓度模拟，结合了不规则测量的水质观测数据和恒定时间步长的气候数据	引入了先进的图神经网络（GNN）架构（如ChebNet和GCN）来处理连续气候数据，并提出了一个门控机制来整合两个处理模块的输出	研究仅使用了韩国汉江上游流域的每日数据集，可能限制了模型的泛化能力	提高有害藻华预测的准确性，以保护地表水资源	叶绿素a（Chl-a）浓度	机器学习	NA	深度学习，图神经网络	GCN, LSTM	水质观测数据，气候数据	韩国汉江上游流域的每日数据集
4823	2025-05-09	Incremental capacity analysis of battery under dynamic load conditions 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103331 PMID:40337556	研究论文	本文提出了一种基于增量容量分析（ICA）的方法，用于在动态负载条件下评估电动汽车电池的容量和健康状态（SOH）	该方法不仅提供了标记的SOH值，还提取了可用于数据驱动的容量或SOH预测的健康特征	NA	开发一种在动态负载条件下准确评估电动汽车电池容量和健康状态的方法	电动汽车电池	机器学习	NA	增量容量分析（ICA）	机器学习或深度学习模型	电池数据	NA
4824	2025-05-09	Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare 2025-May-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121200 PMID:40216216	研究论文	本研究利用脑电图（EEG）和机器学习技术，开发了一种可靠的方法来量化婴儿的脑龄差距（BAG），作为评估大脑发育速度的指标	结合传统机器学习和新型深度学习网络，高效量化脑龄差距，并在临床风险人群中验证其有效性	研究样本量相对较小，且仅针对特定年龄段的婴儿	开发一种非侵入性的脑成熟度评估工具，用于早期临床干预和护理计划	219名3至14个月大的正常发育婴儿，以及临床风险人群（巨脑症患者）	机器学习	神经发育疾病	EEG	深度学习网络	EEG记录	219名婴儿的EEG数据，深度学习网络输入样本增至2628条记录
4825	2025-05-09	A CVAE-based generative model for generalized B1 inhomogeneity corrected chemical exchange saturation transfer MRI at 5 T 2025-May-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121202 PMID:40268259	research paper	提出一种基于条件变分自编码器（CVAE）的生成模型，用于在5T磁场下生成广义B1不均匀性校正的化学交换饱和转移（CEST）MRI图像	使用CVAE模型从单次CEST采集生成B1不均匀性校正的Z谱，克服了传统方法需要多B1水平采集数据的问题，并提高了对其他B1水平的泛化能力	研究仅在5T磁场下进行数值模拟和健康人脑成像验证，未在其他场强下验证模型的普适性	开发一种能够进行广义B1不均匀性校正的CEST MRI方法	化学交换饱和转移（CEST）磁共振成像	医学影像处理	NA	化学交换饱和转移（CEST）磁共振成像	CVAE（条件变分自编码器）	MRI图像数据	数值模拟和健康人脑成像数据
4826	2025-05-09	Unveiling fullerene formation and interconversion through molecular dynamics simulations with deep neural network potentials 2025-May-08, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d5cp00837a PMID:40264288	研究论文	通过结合深度神经网络势能的分子动力学模拟，研究揭示了富勒烯形成和相互转化的机制，特别是在退火过程的冷却阶段	采用深度神经网络势能增强分子动力学模拟，有效模拟了碳蒸气中富勒烯的形成过程，并揭示了碳密度在结构形成中的关键作用	研究主要关注铁-碳初级系统，可能不适用于其他金属-碳系统	探究富勒烯形成和相互转化的分子机制	富勒烯分子及其形成过程	计算化学	NA	分子动力学模拟结合深度神经网络势能	深度神经网络	模拟数据	NA
4827	2025-05-09	Disentangling Morphology and Conductance in Amorphous Graphene 2025-May-08, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00458 PMID:40298244	研究论文	本文结合深度学习增强的模拟技术和渗透理论，分析了三种形态不同的非晶石墨烯薄膜的电子传导特性	避免了周期性边界条件在这些非周期性系统中的错误应用，并探索了部分形态描述符在观察传导特性方面的局限性	部分形态描述符在观察传导特性方面存在局限性	研究非晶石墨烯薄膜的电子传导特性与形态的关系	三种形态不同的非晶石墨烯薄膜	材料科学	NA	深度学习增强的模拟技术、渗透理论	NA	模拟数据	三种形态不同的非晶石墨烯薄膜
4828	2025-05-09	Deep learning assisted identification of SCUBE2 and SLC16 A5 combination in RNA-sequencing data as a novel specific potential diagnostic biomarker in prostate cancer 2025-May-08, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03365-3 PMID:40335872	研究论文	本研究利用深度学习模型从三个转录组数据集中识别出10个关键基因，其中SCUBE2和SLC16A5的组合被提出作为前列腺癌的新型潜在诊断生物标志物	首次提出SCUBE2作为前列腺癌的潜在诊断生物标志物，并发现其与SLC16A5的组合能显著提高诊断准确性	SCUBE2在前列腺癌中的作用机制尚未完全阐明，需要进一步实验验证	开发更精确的前列腺癌诊断方法	前列腺癌相关基因表达数据	数字病理学	前列腺癌	RNA测序	深度学习模型	基因表达数据	三个转录组数据集（具体样本数未明确说明）
4829	2025-05-09	Predicting fixations and gaze location from EEG 2025-May-08, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03362-6 PMID:40338479	research paper	该研究探讨了如何从脑电图（EEG）信号中预测注视点和估计视线位置，使用深度学习模型	提出了基于Transformer和LSTM的两种模型架构，探讨了EEG数据的空间和时间维度、局部与全局数据处理以及整体结构设计的关键标准	Transformer模型对短信号长度和较少EEG通道更为敏感	探索从EEG信号中预测注视点和估计视线位置的可行性	脑电图（EEG）信号	machine learning	NA	EEG	Transformer, LSTM	EEG信号	NA
4830	2025-05-09	A review of machine learning methods for imbalanced data challenges in chemistry 2025-May-07, Chemical science IF:7.6Q1 DOI:10.1039/d5sc00270b PMID:40271022	review	本文综述了化学领域中处理不平衡数据的机器学习方法	全面回顾了当前处理不平衡数据的方法，并探讨了未来研究方向，如数据增强、物理模型、大型语言模型和先进数学方法	未具体说明每种方法在特定化学子领域中的效果差异	解决化学领域中不平衡数据对机器学习和深度学习模型的影响	化学领域中的不平衡数据集	machine learning	NA	resampling techniques, data augmentation techniques, algorithmic approaches, feature engineering strategies	ML, DL, LLMs	chemical data	NA
4831	2025-05-09	A Flexible and Adhesive Strain Sensor Based on Deep Eutectic Solvents for Deep Learning-Assisted Signal Recognition 2025-May-07, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c20392 PMID:40274546	研究论文	本文报道了一种基于聚丙烯酸的自粘超拉伸DGel的制备策略，及其在深度学习辅助信号识别中的应用	开发了一种具有超高拉伸性和高信号识别能力的自粘DGel，并通过与深度学习结合实现了高达99.33%的识别准确率	NA	设计新型凝胶用于可穿戴电子设备和传感应用	基于聚丙烯酸的DGel及其作为应变传感器的性能	可穿戴电子设备	NA	深度学习	NA	应变信号	NA
4832	2025-05-09	Multistage Diffusion Model With Phase Error Correction for Fast PET Imaging 2025-May-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3567645 PMID:40333105	research paper	提出了一种针对快速PET成像的新型多阶段扩散框架，通过相位误差校正网络减少迭代次数并提高成像质量	设计了一个多阶段结构来近似PET降解过程，并引入相位误差校正网络（PECNet）确保阶段间一致性，同时采用确定性冷扩散机制显著减少重建迭代次数	未提及具体的数据集规模或多样性限制	解决快速PET成像中的运动伪影和患者舒适度问题	PET成像	医学影像处理	NA	扩散模型	PECNet	PET图像	使用[Ga]FAPI和[F]FDG PET数据集进行评估
4833	2025-05-09	Enhancing ECG Classification in Cardiac Diagnostics: A Novel Approach Using Adaptive Focal Cross-Entropy Loss Function 2025-May-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3566531 PMID:40333100	研究论文	提出了一种基于深度可分离残差注意力（DRA-ECG）和自适应焦点交叉熵（AFCE）损失函数的新型深度学习算法，用于心电图（ECG）分类	提出DRA-ECG模型和AFCE损失函数，结合连续小波变换（CWT）和边缘特征检测技术，有效解决了类别不平衡问题并提升了模型性能	模型的解释性、计算成本和类别不平衡问题仍需进一步改进	提高心电图分类的准确性和效率，以辅助心脏疾病的诊断	心电图（ECG）信号	机器学习	心血管疾病	连续小波变换（CWT）、边缘特征检测	DRA-ECG（深度可分离残差注意力模型）	1D ECG信号转换为2D scalograms	NA
4834	2025-05-09	Radiological evaluation and clinical implications of deep learning- and MRI-based synthetic CT for the assessment of cervical spine injuries 2025-May-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11644-8 PMID:40335658	研究论文	评估基于深度学习和MRI的合成CT（sCT）在颈椎损伤诊断中的有效性	sCT作为一种无辐射成像技术，在颈椎损伤诊断中表现出与传统CT相似的准确性	样本量较小（37名患者），且研究局限于颈椎损伤	评估MRI-based sCT在颈椎损伤诊断中的有效性	颈椎损伤患者	数字病理学	颈椎损伤	MRI-based synthetic CT (sCT)	深度学习	图像	37名患者（44处颈椎骨折）
4835	2025-05-09	iEnhancer-GDM: A Deep Learning Framework Based on Generative Adversarial Network and Multi-head Attention Mechanism to Identify Enhancers and Their Strength 2025-May-07, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00703-9 PMID:40335860	研究论文	开发了一个名为iEnhancer-GDM的两层预测器，用于识别增强子并预测其强度	引入了Wasserstein生成对抗网络（WGAN-GP）来扩充数据集，并整合了多尺度卷积神经网络、双向长短期记忆网络和多头注意力机制进行特征表示和分类	增强子训练数据集的规模有限，可能导致模型过拟合和分类准确率低的问题	识别增强子并预测其强度，以帮助理解增强子的功能及其在基因组学中的关联	增强子DNA片段	机器学习	NA	WGAN-GP, dna2vec嵌入层, 多尺度CNN, 双向LSTM, 多头注意力机制	GAN, CNN, LSTM	DNA序列	NA
4836	2025-05-09	From image to insight deep learning solutions for accurate identification and object detection of Acorus species slices 2025-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00038-x PMID:40325052	研究论文	本研究利用深度学习技术实现高精度的石菖蒲和白菖蒲分类与快速目标检测，以提高中药鉴别的准确性和效率	创新性地将通道注意力（SE模块）和空间注意力分别整合到ResNet50和YOLOv8架构中，增强模型对石菖蒲切片区分特征的捕捉能力，为实时混合状态检测提供新方案	NA	提高石菖蒲和白菖蒲的分类与目标检测精度，以解决市场混用问题	石菖蒲和白菖蒲的切片	计算机视觉	NA	深度学习	ResNet50, YOLOv8	图像	1,928张经过严格预处理和标注的石菖蒲和白菖蒲标本图像
4837	2025-05-09	Anti-drift pose tracker (ADPT), a transformer-based network for robust animal pose estimation cross-species 2025-May-06, eLife IF:6.4Q1 DOI:10.7554/eLife.95709 PMID:40326557	research paper	提出了一种基于transformer的抗漂移姿态跟踪器（ADPT），用于跨物种动物姿态估计	ADPT通过transformer架构有效减少跟踪漂移，提高姿态估计的准确性和可靠性	未提及具体的数据集规模限制或计算资源需求	开发一种抗漂移的动物姿态估计工具，用于行为分析	跨物种动物（如小鼠和猴子）的姿态估计	computer vision	NA	transformer-based network	transformer	video	包括专有和公开的小鼠和猴子数据集，具体数量未明确
4838	2025-05-08	Retraction: "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning" 2025-05-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/76833 PMID:40331761	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4839	2025-05-09	An Integrated Model Combined Conventional Radiomics and Deep Learning Features to Predict Early Recurrence of Hepatocellular Carcinoma Eligible for Curative Ablation: A Multicenter Cohort Study 2025-May-06, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001764 PMID:40338065	research paper	开发并验证了一个结合深度学习和传统放射组学特征的模型（DLRR），用于预测肝细胞癌（HCC）根治性消融后的早期复发	整合了深度学习和传统放射组学特征，构建了一个新的预测模型（DLRR），并在多中心队列中验证了其性能	回顾性研究设计可能引入选择偏倚，且样本量相对较小	预测肝细胞癌（HCC）根治性消融后的早期复发，以优化治疗计划和改善预后	肝细胞癌（HCC）患者	digital pathology	liver cancer	contrast-enhanced computed tomography (CECT), 3D ResNet-18, PyRadiomics	DLRR (combined deep learning and radiomics features), ResNet-18, machine learning methods	medical imaging (CECT images)	288 patients from 3 hospitals (222 in primary cohort, 32 and 34 in two external test cohorts)
4840	2025-05-09	An efficient patient's response predicting system using multi-scale dilated ensemble network framework with optimization strategy 2025-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00401-y PMID:40325044	研究论文	开发了一种基于深度学习的患者反应预测系统，用于预测患者对放疗和化疗的反应及预后	提出了一种多尺度扩张集成网络框架（MDEN），结合了LSTM、RNN和1DCNN，并使用REE-COA算法进行特征选择	数据是手动收集的，可能存在数据质量和一致性问题	预测患者对放疗和化疗的反应，优化个体治疗计划	接受放疗和化疗的患者	数字病理学	心血管疾病	深度学习	MDEN（结合LSTM、RNN和1DCNN）	临床数据	NA