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
501	2025-05-18	HVSeeker: a deep-learning-based method for identification of host and viral DNA sequences 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf037 PMID:40372723	research paper	HVSeeker是一种基于深度学习的方法，用于区分细菌和噬菌体序列	HVSeeker结合了两种模型（DNA序列和蛋白质分析）和三种预处理方法（填充、contigs组装和滑动窗口），在识别未知噬菌体基因组方面表现优异	未提及该方法在更短或更长序列上的性能，也未讨论计算资源需求	开发一种能有效区分宿主和病毒DNA序列的工具	细菌和噬菌体序列	生物信息学	NA	深度学习	HVSeeker（包含DNA序列和蛋白质分析两个子模型）	DNA序列和蛋白质序列	测试数据来自NCBI和IMGVR数据库，序列长度范围200-1,500碱基对
502	2025-05-18	Time Scale Network: An Efficient Shallow Neural Network For Time Series Data in Biomedical Applications 2025-Jan, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2024.3443659 PMID:40370581	研究论文	本文提出了一种高效的时间尺度网络（Time Scale Network），用于处理生物医学应用中的时间序列数据	结合离散小波变换的平移和膨胀序列与传统卷积神经网络及反向传播，显著减少参数和操作数量，同时学习多时间尺度的特征	未明确提及具体限制，但可能受限于信号类型的普适性验证	开发一种计算效率高、参数少且易于解释的时间序列分类网络	生物医学时间序列数据（如ECG和EEG信号）	机器学习	心血管疾病（心房功能障碍）和神经系统疾病（癫痫）	离散小波变换与CNN结合	Time Scale Network（基于CNN的改进模型）	时间序列数据（ECG和EEG信号）	未明确提及具体样本量
503	2025-05-18	Investigating the Key Trends in Applying Artificial Intelligence to Health Technologies: A Scoping Review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322197 PMID:40372995	综述	本文探讨了人工智能在医疗技术中的关键趋势及其在诊断和治疗中的变革潜力	系统总结了AI在医疗领域的应用现状、优势与挑战，并探讨了未来发展方向	研究主要基于2020年至2024年的文献，可能未涵盖最新进展；未对AI风险与收益进行深入量化评估	调查人工智能在医疗技术中的应用趋势及其对疾病诊断和治疗的影响	68篇从WOS、Scopus和Pubmed数据库中检索的学术研究	医疗人工智能	NA	深度学习、机器学习	NA	文献数据	68篇学术研究（2020年1月至2024年4月）
504	2025-05-18	Apple varieties, diseases, and distinguishing between fresh and rotten through deep learning approaches 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322586 PMID:40373081	研究论文	本文通过深度学习方法区分苹果品种、新鲜与腐烂状态以及疾病，并提出了新的数据集和优化模型	提出了三个新的数据集（AFVC、AFQC、ADEC）和一个优化的苹果园模型（OAOM），使用新的损失函数MFCE提高模型效率	未提及模型在不同环境或光照条件下的泛化能力	提高苹果品种识别、新鲜度判断和疾病检测的自动化系统性能	苹果的品种、新鲜与腐烂状态以及疾病	计算机视觉	NA	深度学习	OAOM（优化的苹果园模型）	图像	AFVC包含29,750张图像（85类），AFQC包含2,320张图像，ADEC包含2,976张图像（7类）
505	2025-05-18	Comprehensive analysis of SQOR involvement in ferroptosis resistance of pancreatic ductal adenocarcinoma in hypoxic environments 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1513589 PMID:40375994	research paper	本研究通过构建深度学习模型评估胰腺导管腺癌（PDAC）的缺氧特征，并探讨硫化物醌氧化还原酶（SQOR）在缺氧介导的铁死亡抵抗中的作用	建立了基于全切片图像（WSIs）的PDAC缺氧检测模型，揭示了SQOR在缺氧环境下通过增强铁死亡抵抗促进PDAC恶性进展的新机制	研究主要基于体外缺氧细胞模型和裸鼠异种移植模型，临床样本验证仍需进一步开展	探究PDAC缺氧特征与SQOR介导的铁死亡抵抗机制，为靶向治疗提供依据	胰腺导管腺癌（PDAC）组织、体外缺氧细胞模型及裸鼠异种移植模型	digital pathology	pancreatic cancer	multi-omics数据分析、全切片图像（WSIs）深度学习建模	深度学习模型（未明确具体架构）	病理图像、多组学数据	未明确样本数量，涉及PDAC组织、体外细胞模型及裸鼠模型
506	2025-05-18	Deep learning techniques for detecting freezing of gait episodes in Parkinson's disease using wearable sensors 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1581699 PMID:40376117	研究论文	本文提出了一种新颖的混合深度学习框架，用于通过可穿戴传感器检测帕金森病患者的步态冻结（FoG）发作	结合CNN进行空间特征提取、BiLSTM网络进行时间建模以及注意力机制增强可解释性，并关注关键步态特征	NA	检测帕金森病患者的步态冻结（FoG）发作，以改善临床监测和患者预后	帕金森病患者	机器学习	帕金森病	深度学习	CNN, BiLSTM, 注意力机制	传感器数据	多模态数据集（包括tDCS FOG、DeFOG、Daily Living和Hantao's Multimodal）
507	2025-05-18	Providing a Prostate Cancer Detection and Prevention Method With Developed Deep Learning Approach 2025, Prostate cancer IF:2.3Q3 DOI:10.1155/proc/2019841 PMID:40376132	研究论文	提出了一种基于深度学习的前列腺癌检测和预防方法，利用组织病理学图像进行诊断	开发了一种基于流形模型的深度学习方法，结合Tile和Grad-CAM特性，提高了前列腺癌诊断的准确性	研究仅基于一个治疗中心的组织病理学图像，样本来源有限	开发前列腺癌的诊断和预防方法	前列腺癌患者	数字病理学	前列腺癌	深度学习	基于流形模型的深度学习	图像	来自一个治疗中心的组织病理学图像
508	2025-05-18	Neurovision: A deep learning driven web application for brain tumour detection using weight-aware decision approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251333195 PMID:40376570	research paper	开发了一个基于深度学习的框架，用于从医学共振图像中分类潜在的脑肿瘤，并通过权重感知决策方法提高分类准确性	提出了一种新颖的权重感知决策机制，有效处理多类分类中的平局情况，优于传统的基于多数的方法	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高脑肿瘤的自动检测和分类准确性	脑肿瘤的医学共振图像	digital pathology	brain tumour	deep learning	DenseNet169, VGG-19, Xception, EfficientNetV2B2	image	三个不同的数据集，具体样本数量未提及
509	2025-05-18	The application of ultrasound artificial intelligence in the diagnosis of endometrial diseases: Current practice and future development 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241310060 PMID:40376569	综述	本文回顾了人工智能在子宫内膜疾病超声图像分析中的进展，重点关注其在诊断、决策支持和预后分析中的应用	介绍了人工智能如何通过机器学习和深度学习从超声数据中提取有价值的信息，提升超声诊断能力	总结了当前研究的挑战，但未提及具体的技术或数据限制	推进超声人工智能技术在子宫内膜疾病诊断中的应用，通过数字工具改善女性健康	子宫内膜疾病的超声图像	数字病理学	子宫内膜疾病	机器学习和深度学习	NA	超声图像	NA
510	2025-05-18	YOLOv8 framework for COVID-19 and pneumonia detection using synthetic image augmentation 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341092 PMID:40376574	研究论文	本研究开发了一个结合合成图像增强和深度学习模型的框架，用于COVID-19和肺炎的早期准确检测	整合了合成图像增强、YOLOv8模型和可解释AI技术（XAI），提高了诊断准确性和模型的可信度	未来研究需要进一步优化性能，开发临床可行的诊断工作流程	提高COVID-19和肺炎的医学影像检测准确性和可信度	COVID-19和肺炎的医学影像数据	计算机视觉	COVID-19和肺炎	合成图像增强、深度学习、可解释AI（XAI）	YOLOv8、InceptionV3、DenseNet、ResNet	医学影像	未明确提及具体样本数量
511	2025-05-18	Exploring Schizophrenia Classification Through Multimodal MRI and Deep Graph Neural Networks: Unveiling Brain Region-Specific Weight Discrepancies and Their Association With Cell-Type Specific Transcriptomic Features 2024-12-20, Schizophrenia bulletin IF:5.3Q1 DOI:10.1093/schbul/sbae069 PMID:38754993	研究论文	本研究通过多模态MRI和深度图神经网络探索精神分裂症分类，揭示脑区特异性权重差异及其与细胞类型特异性转录组特征的关联	使用深度学习和图卷积将MRI数据表示为图，结合多模态MRI数据提升分类性能，并通过Grad-CAM和基因表达分析增强可解释性	样本来源仅限于7家医院，可能影响结果的广泛适用性	提升精神分裂症的诊断准确性，提供客观参考和生物标志物	683名精神分裂症患者和606名健康对照者	数字病理学	精神分裂症	结构MRI和功能MRI	图注意力网络（GAT）	图像	1289名参与者（683名患者和606名对照）
512	2025-05-18	Interpretable deep learning for deconvolutional analysis of neural signals 2024-Dec-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.05.574379 PMID:38260512	research paper	该论文提出了一种可解释的深度学习方法，用于神经信号的解卷积分析	应用算法展开方法设计稀疏解卷积神经网络架构，直接解释网络权重与刺激驱动的单神经元活动之间的关系	NA	通过可解释的深度学习获得对神经活动的机制性理解	多个脑区和记录模态中的单试验局部信号	machine learning	NA	algorithm unrolling	sparse deconvolutional neural networks	neural signals	multiple brain areas and recording modalities
513	2025-05-18	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍了一种名为MRD-EDGE的机器学习引导的WGS ctDNA检测平台，用于提高肿瘤负荷监测的灵敏度	MRD-EDGE通过深度学习和ctDNA特异性特征空间，将WGS中的SNV信噪比提高了约300倍，并将CNV检测所需的非整倍性程度从1 Gb降低到200 Mb	NA	提高循环肿瘤DNA（ctDNA）在低肿瘤分数（TF）环境中的检测灵敏度，用于微小残留病（MRD）评估和治疗反应监测	多种癌症类型中的ctDNA，包括肺癌、结直肠腺瘤和晚期黑色素瘤	机器学习	肺癌、结直肠癌、黑色素瘤	全基因组测序（WGS）	深度学习	DNA测序数据	NA
514	2025-05-17	Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2483944 PMID:40170162	研究论文	本研究通过大规模粘度数据和集成深度学习加速高浓度单克隆抗体的开发	开发了DeepViscosity模型，包含102个集成人工神经网络模型，用于分类低粘度（≤20 cP）和高粘度（>20 cP）的单克隆抗体，准确率显著高于其他预测方法	模型训练数据虽然较之前研究有所增加，但仍可能受限于样本多样性	加速高浓度单克隆抗体的开发，提高皮下注射药物的可制造性和配方特性	229种单克隆抗体（mAbs）	机器学习	NA	深度学习	集成人工神经网络	序列数据	229种单克隆抗体，其中两个独立测试集分别包含16和38种已知实验粘度的mAbs
515	2025-05-17	SagMSI: A graph convolutional network framework for precise spatial segmentation in mass spectrometry imaging 2025-Jul-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344098 PMID:40374250	研究论文	提出了一种基于图卷积网络（GCN）的无监督分割策略SagMSI，用于质谱成像（MSI）数据的精确空间分割	结合了MSI数据的空间感知图构建与GCN模块，能够灵活、有效且精确地进行空间分割	未提及具体局限性	解决MSI数据在空间分割中的复杂性问题，提升分割精度	质谱成像（MSI）数据	数字病理	NA	质谱成像（MSI）	图卷积网络（GCN）	图像	模拟数据和多种MSI实验数据集
516	2025-05-17	PursuitNet: A deep learning model for predicting competitive pursuit-like behavior in mice 2025-Jul-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149634 PMID:40210144	research paper	介绍了一种名为PursuitNet的深度学习模型，用于预测小鼠在竞争性追逐行为中的实时动态	PursuitNet采用轻量级架构，结合图卷积网络（GCN）和时序卷积网络（TCN），显式建模动态交互和空间关系，融合速度和加速度数据以预测变化	该框架专注于快速变化的轨迹，可能不适用于其他类型的运动行为	研究捕食者-猎物动态，为交互式机器人和自主系统的设计提供信息	实验室小鼠追逐磁控机器人诱饵的行为	machine learning	NA	deep learning	Graph Convolutional Networks (GCN), Temporal Convolutional Networks (TCN)	trajectory data	Pursuit-Escape Confrontation (PEC) dataset
517	2025-05-17	μGlia-Flow, an automatic workﬂow for microglia segmentation and classification 2025-Jul, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110446 PMID:40220906	research paper	提出了一种名为μGlia-Flow的自动工作流程，用于小胶质细胞的分割和分类	结合了Frangi滤波算法和边缘引导注意力TransUNet（EGA-Net）进行分割，并采用Vision Transformer（ViT）网络进行分类，显著提高了分割精度并解决了现有分类方法的参数依赖问题	NA	开发一种自动工作流程，用于小胶质细胞的分割和分类，以支持不同形态分析	小胶质细胞	digital pathology	brain diseases	Frangi filtering algorithm, edge-guided attention TransUNet (EGA-Net), Vision Transformer (ViT)	TransUNet, ViT	image	NA
518	2025-05-17	TasteNet: A novel deep learning approach for EEG-based basic taste perception recognition using CEEMDAN domain entropy features 2025-Jul, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110463 PMID:40315923	研究论文	提出了一种名为TasteNet的新型深度学习框架，用于基于EEG信号的基本味觉感知识别	结合了CEEMDAN域熵特征、CNN模块、多头注意力模块和Att-BiPLSTM网络，显著提高了味觉感知分类的准确性	NA	开发一个深度学习框架，用于从EEG信号中有效识别基本味觉刺激	EEG信号	机器学习	NA	CEEMDAN, 熵特征提取	CNN, 多头注意力模块, Att-BiPLSTM	EEG信号	NA
519	2025-05-17	A novel method for online sex sorting of silkworm pupae (Bombyx mori) using computer vision combined with deep learning 2025-Jun, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14177 PMID:39936219	研究论文	提出了一种基于计算机视觉和深度学习的蚕蛹性别在线分选新方法	开发了结合级联空间通道注意力(CSCA)和G-GhostNet的新型实时性别识别模型，并提出了新的损失函数以减少模型复杂度和避免过拟合	NA	提高蚕蛹性别分选的效率和生产力	蚕蛹(家蚕)	计算机视觉	NA	深度学习	CSCA, G-GhostNet	图像	NA
520	2025-05-17	Predicting 5-Year EDSS in Multiple Sclerosis with LSTM Networks: A Deep Learning Approach to Disease Progression 2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111218 PMID:40174549	research paper	该研究利用LSTM网络预测多发性硬化症患者5年后的EDSS评分，以评估疾病进展	与现有研究不同，该方法整合了多发性硬化症患者的静态和动态数据，实现了EDSS评分从0到10的准确预测，且预测误差最小	研究仅基于两个中心的1000名患者数据，可能限制了模型的泛化能力	预测多发性硬化症患者5年后的残疾状态评分（EDSS）	多发性硬化症患者	machine learning	多发性硬化症	LSTM	LSTM	临床和人口统计学数据	1000名多发性硬化症患者