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
4861	2025-04-27	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2025-Jun, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	research paper	该研究利用深度学习技术分析儿童心电图，以预测继发孔型房间隔缺损（ASD2）	首次将人工智能增强的心电图分析应用于儿科人群，以检测ASD2	需要未来多中心验证和前瞻性试验来支持临床决策	开发一种经济有效的筛查工具，用于儿科患者中ASD2的检测	年龄≤18岁且无重大先天性心脏病的儿童	digital pathology	cardiovascular disease	深度学习	CNN	ECG-echocardiogram pairs	训练队列包含92,377对ECG-超声心动图（46,261名患者；中位年龄8.2岁），测试组包括内部测试（12,631名患者；中位年龄7.4岁）和急诊科（2,830名患者；中位年龄7.5岁）队列
4862	2025-04-27	Incidence trends, overall survival, and metastasis prediction using multiple machine learning and deep learning techniques in pediatric and adolescent population with osteosarcoma and Ewing's sarcoma: nomogram and webpage 2025-May, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-024-03717-9 PMID:39333451	研究论文	本研究分析了儿童和青少年骨肉瘤和尤文肉瘤的发病率和总生存率，并利用机器学习和深度学习模型预测转移可能性	结合多种机器学习和深度学习技术构建预测模型，并开发了在线列线图以增强临床实用性	研究时间跨度较长（2004-2020），可能无法反映最新的治疗进展	分析骨肉瘤和尤文肉瘤的发病率趋势及预测转移风险	2465名骨肉瘤患者和1373名尤文肉瘤患者（年龄0-19岁）	机器学习	骨肉瘤和尤文肉瘤	机器学习（Lasso、岭回归、弹性网络、随机森林）和深度学习（基于TensorFlow和Keras）	随机森林和深度学习模型	临床数据	2465名骨肉瘤患者和1373名尤文肉瘤患者
4863	2025-04-27	Radiomics model for predicting distant metastasis in soft tissue sarcoma of the extremities and trunk treated with surgery 2025-May, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-024-03746-4 PMID:39354269	研究论文	本研究开发了一种基于MRI的放射组学模型，用于预测接受手术治疗的四肢和躯干软组织肉瘤的远处转移	结合了深度学习和放射组学特征，构建了深度学习放射组学(DLR)模型，能够从MRI中获取更丰富的信息，预测软组织肉瘤的转移风险	样本量相对较小，训练集73例，外部验证集40例	预测软组织肉瘤(STS)的远处转移风险	四肢和躯干的软组织肉瘤患者	数字病理	软组织肉瘤	MRI成像，深度学习特征提取	3D ResNet10, 多种机器学习算法	MRI图像	训练集73例，外部验证集40例
4864	2025-04-27	Deep learning super-resolution reconstruction for fast and high-quality cine cardiovascular magnetic resonance 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11145-0 PMID:39441391	研究论文	比较标准分辨率与通过深度学习超分辨率算法重建的低分辨率心血管磁共振电影图像的质量和效率	使用深度学习超分辨率算法重建低分辨率心血管磁共振图像，显著减少采集时间而不影响图像质量或容积测量结果	样本量较小（30名参与者），且未明确说明深度学习模型的具体架构和训练细节	评估深度学习超分辨率重建在心血管磁共振成像中的应用效果	健康志愿者和患者的心血管磁共振电影图像	医学影像分析	心血管疾病	深度学习超分辨率算法、压缩感知去噪和分辨率提升	DL（深度学习）	磁共振图像	30名参与者（20名健康志愿者和10名患者）
4865	2025-04-27	Improving Deep Learning Models for Pediatric Low-Grade Glioma Tumours Molecular Subtype Identification Using MRI-based 3D Probability Distributions of Tumour Location 2025-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371241296834 PMID:39544176	research paper	该研究通过结合MRI肿瘤位置概率图与CNN模型，提高了儿童低级别胶质瘤分子亚型识别的准确性	创新点在于将肿瘤位置概率图整合到CNN模型中，显著提升了分子亚型识别的性能	研究为回顾性研究，样本量相对较小（214例），且仅基于单一机构的MRI数据	提高儿童低级别胶质瘤（pLGG）分子亚型识别的准确性	儿童低级别胶质瘤（pLGG）患者	digital pathology	pediatric low-grade glioma	MRI FLAIR序列	CNN	3D MRI图像	214例患者（110例男性，平均年龄8.54岁，143例BRAF融合和71例BRAF V600E突变）
4866	2025-04-27	MAI-TargetFisher: A proteome-wide drug target prediction method synergetically enhanced by artificial intelligence and physical modeling 2025-May, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-024-01444-z PMID:39870848	research paper	提出了一种名为MAI-TargetFisher的全基因组小分子靶点扫描方法，结合人工智能和物理建模技术，用于药物靶点定位和潜在脱靶效应检测	首次实现了跨整个人类基因组的蛋白质表面全面扫描，评估每个蛋白质上的潜在小分子结合位点	未明确提及具体局限性	提高药物开发的成功率，通过早期定位药物靶点和检测潜在脱靶效应	人类蛋白质组中的蛋白质结构及其潜在结合位点	生物信息学	NA	人工智能和生物物理模型相结合的计算技术	多算法集成模型（MAI-TargetFisher）	蛋白质结构数据	覆盖82%的蛋白质编码基因组
4867	2025-04-27	Deep learning-driven semi-rational design in phenylalanine ammonia-lyase for enhanced catalytic efficiency 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141024 PMID:39984092	研究论文	本研究利用深度学习指导的半理性设计方法，提高了苯丙氨酸氨裂解酶（PAL）的催化效率	采用深度学习指导的策略结合高通量筛选和酶活性测定，成功提高了PAL的催化效率和活性	研究仅针对Anabaena variabilis来源的PAL（AvPAL），可能不适用于其他来源的PAL	提高苯丙氨酸氨裂解酶（PAL）的催化效率，以增强其在农业、工业和疾病治疗中的应用潜力	Anabaena variabilis来源的苯丙氨酸氨裂解酶（AvPAL）及其突变体	机器学习	苯丙酮尿症（PKU）	深度学习、高通量筛选、酶活性测定、分子动力学模拟	深度学习模型	酶活性数据、分子动力学模拟数据	33个突变体中的26个被验证具有增强的活性
4868	2025-04-27	FovealNet: Advancing AI-Driven Gaze Tracking Solutions for Efficient Foveated Rendering in Virtual Reality 2025-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549577 PMID:40067704	research paper	提出FovealNet，一种先进的AI驱动视线跟踪框架，用于优化虚拟现实中的注视点渲染系统性能	采用基于事件的裁剪方法减少输入图像中无关像素，引入令牌剪枝策略动态移除令牌，提出系统性能感知的多分辨率训练策略	未明确提及具体局限性	优化虚拟现实中注视点渲染系统的性能	虚拟现实中的视线跟踪技术	computer vision	NA	deep learning	DNN	image	NA
4869	2025-04-27	ViDDAR: Vision Language Model-Based Task-Detrimental Content Detection for Augmented Reality 2025-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549147 PMID:40072851	研究论文	本文提出了一种基于视觉语言模型的任务有害内容检测系统ViDDAR，用于增强现实环境中虚拟内容的监控与评估	ViDDAR是首个利用视觉语言模型（VLMs）检测增强现实环境中任务有害内容的系统	检测信息操纵内容的延迟较高（9.62秒）	解决增强现实中虚拟内容对任务性能的负面影响	增强现实环境中的虚拟内容	计算机视觉	NA	深度学习	视觉语言模型（VLM）	图像	自定义开源数据集
4870	2025-04-27	U-shaped deep learning networks for algal bloom detection using Sentinel-2 imagery: Exploring model performance and transferability 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125152 PMID:40179468	研究论文	本研究评估了U形深度学习网络在利用Sentinel-2卫星图像检测藻华方面的性能及可迁移性	探索了多种U形深度学习模型（如U-Net、RU-Net、Attention U-Net、ARU-Net和SegNet）在藻华检测中的应用，并强调了多样化数据集在提升模型性能方面的重要性	未提及具体局限性，但暗示了先前模型在检测低密度藻华和跨时空泛化方面的不足	评估U形深度学习网络在藻华检测中的性能及可迁移性，以支持环境监测与管理	内陆水体（湖泊）中的藻华	计算机视觉	NA	深度学习	U-Net, RU-Net, Attention U-Net, ARU-Net, SegNet	卫星图像	多时相Sentinel-2图像，覆盖不同日期和地理位置（如Lake Burdur、Lake Chaohu和Lake Turawskie）
4871	2025-04-27	A novel deep learning-based floating garbage detection approach and its effectiveness evaluation in environmentally sustainable development 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125154 PMID:40186972	research paper	提出了一种基于YOLOv8的高效经济深度学习解决方案，用于水面漂浮垃圾的检测与收集	通过改进YOLOv8的主干网络、引入Wise-Powerful IoU损失函数和添加AuxHead检测头，有效压缩了复杂环境因素的负面影响，提高了检测精度	NA	提高水面聚集漂浮垃圾的检测效率和收集率，促进水生态系统的保护与恢复	水面聚集的漂浮垃圾	computer vision	NA	deep learning	YOLOv8	image	NA
4872	2025-04-27	AI-Cirrhosis-ECG (ACE) score for predicting decompensation and liver outcomes 2025-May, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101356 PMID:40276480	research paper	该研究开发了一种基于深度学习的AI-Cirrhosis-ECG (ACE)评分，用于预测肝硬化患者的失代偿和肝脏相关结局	利用深度学习从广泛可用的心电图中提取特征，开发了一种非侵入性工具来预测肝硬化患者的临床结局	需要在更多样化的人群中进行进一步验证，并与其它已建立的预测因子整合	提高肝硬化患者的疾病严重程度和预后预测准确性	肝硬化患者	digital pathology	liver disease	deep learning	NA	ECG	472名患者的2,166份心电图（回顾性队列）、420名患者（前瞻性队列）和341名患者（外部验证队列）
4873	2025-04-08	Development and external validation of a deep learning electrocardiogram model for risk stratification of coronary revascularization need in the emergency department 2025-Apr-26, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuaf058 PMID:40192550	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4874	2025-04-27	AI for rapid identification of major butyrate-producing bacteria in rhesus macaques (Macaca mulatta) 2025-Apr-24, Animal microbiome IF:4.9Q1 DOI:10.1186/s42523-025-00410-2 PMID:40275402	research paper	该研究利用AI技术从恒河猴粪便涂片的数字图像中快速预测产丁酸盐细菌，并采用可解释性分析提高模型透明度	首次将深度学习与机器学习算法应用于粪便图像数据，实现快速、非侵入性的微生物组分析，并通过可解释性分析增强模型透明度	研究仅针对恒河猴，未在人类或其他动物中进行验证	开发一种快速、非侵入性且经济高效的微生物组分析方法	恒河猴(Macaca mulatta)的粪便样本	digital pathology	NA	metagenomic sequencing, deep learning, machine learning	DL and ML algorithms	digital images of fecal smears	NA
4875	2025-04-27	Using deep learning models to decode emotional states in horses 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95853-7 PMID:40269006	研究论文	本研究探索了使用深度学习模型预测马匹情绪状态的方法	创建了两个新的数据集（裁剪身体和裁剪头部数据集），并在裁剪头部数据集上取得了最佳预测效果，准确率达到87%	裁剪头部数据集缺少尾部等重要区域，这些区域通常被专家用于标注	预测骑乘马匹的情绪状态	马匹	计算机视觉	NA	监督学习、迁移学习、微调	CNN、Yolo、Faster R-CNN	图像	NA
4876	2025-04-27	PoulTrans: a transformer-based model for accurate poultry condition assessment 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98078-w PMID:40269017	研究论文	提出了一种基于Transformer的模型PoulTrans，用于准确评估家禽状况	结合CNN与CSA_Encoder-Transformer架构，引入Channel Spatial Memory-Guided Transformer (CSMT)和新型PS-Loss函数，优化多级注意力并提升状态描述的语义精度	未提及模型在实时应用中的性能或计算资源需求	开发直观的决策支持工具，提升家禽状况评估的准确性	家禽图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	PSC-Captions数据集
4877	2025-04-27	Ambiguity-aware semi-supervised learning for leaf disease classification 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95849-3 PMID:40269031	research paper	提出一种模糊感知的半监督学习方法，用于叶片病害分类，通过消除模糊结果提高伪标签精度	引入基于病害的模糊拒绝算法，提升伪标签精度，从而在半监督学习中减少对全标注数据的依赖	方法仅在咖啡和香蕉叶片病害数据集上验证，未涉及其他作物或病害类型	开发一种半监督学习方法，减少叶片病害分类中对全标注数据的依赖	咖啡和香蕉叶片的病害图像	computer vision	plant disease	semi-supervised learning	CNN	image	两个公共叶片病害数据集（咖啡和香蕉），标注数据比例从50%到100%不等
4878	2025-04-27	Metaparameter optimized hybrid deep learning model for next generation cybersecurity in software defined networking environment 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96153-w PMID:40269039	研究论文	本文提出了一种基于混合深度学习模型和二进制独角鲸优化器的软件定义网络安全新方法，用于防御DDoS攻击	结合了混合深度学习模型（CNN-BiGRU-AM）和二进制独角鲸优化器（BNO），并利用海鸥优化算法（SOA）进行超参数调优，提高了检测系统的效率和鲁棒性	未提及该方法在其他类型网络攻击或不同网络环境中的适用性	开发一种可扩展且有效的解决方案，以保护SDN环境免受DDoS攻击	软件定义网络（SDN）中的DDoS攻击	机器学习	NA	深度学习、特征选择、超参数优化	CNN-BiGRU-AM、BNO、SOA	网络数据	未明确提及样本数量，使用DDoS SDN数据集
4879	2025-04-27	Improved food image recognition by leveraging deep learning and data-driven methods with an application to Central Asian Food Scene 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95770-9 PMID:40269053	research paper	该论文通过深度学习和数据驱动方法改进食物图像识别，并应用于中亚食物场景	开发了一个大规模高质量的中亚食物场景数据集，用于食物定位和检测，解决了现实场景中多食物物品的识别问题	NA	改进食物图像识别技术，以支持高效的数字化食物记录、智能餐厅和超市等应用	中亚食物场景中的多食物物品	computer vision	NA	deep learning, data-driven methods	YOLOv8xl	image	21,306张图像，涵盖239种食物类别，69,856个实例
4880	2025-04-27	Frame points attention convolution for deep learning on point cloud 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97388-3 PMID:40269085	研究论文	本文提出了一种名为帧点注意力卷积（FPAC）的新型三维空间卷积算子，用于处理点云数据	FPAC通过注意力机制量化输入局部点与预定义帧点之间的相关性，并动态生成空间连续滤波器，无需依赖生成模型或概率假设	NA	解决点云数据在深度学习中的处理难题	点云数据	计算机视觉	NA	注意力机制	FPAC	点云	广泛使用的数据集