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
521	2025-04-29	A Color-Based Multispectral Imaging Approach for a Human Detection Camera 2025-Mar-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040093 PMID:40278009	研究论文	提出了一种基于颜色的多光谱成像方法，用于开发实时人体检测相机	使用四个特定波长（453、556、668和708 nm）进行衣物与背景分离，构建轻量级机器学习模型（多层感知机）	仅适用于白天条件和常见织物，对部分遮挡物体可能效果有限	开发一种支持实时处理的人体检测相机	衣物（作为人体检测的代理）	计算机视觉	NA	多光谱成像	多层感知机（MLP）	多光谱图像	NA
522	2025-04-29	CAD-Skin: A Hybrid Convolutional Neural Network-Autoencoder Framework for Precise Detection and Classification of Skin Lesions and Cancer 2025-Mar-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040326 PMID:40281686	research paper	提出了一种结合CNN和自动编码器的深度学习算法CAD-Skin，用于精确检测和分类皮肤病变及癌症	结合了多尺度视网膜、伽马校正、非锐化掩蔽和对比度受限自适应直方图均衡化的预处理方法，并集成了量子支持向量机(QSVM)进行最终分类	未明确提及在实际临床环境中的适用性验证	提高皮肤病变和癌症的诊断效率和分类准确性	皮肤病变和癌症，包括光化性角化病、恶性黑色素瘤等	digital pathology	skin cancer	deep learning, data augmentation	CNN, Autoencoder, QSVM	image	PAD-UFES-20-Modified, ISIC-2018, ISIC-2019数据集
523	2025-04-29	Local Extremum Mapping for Weak Supervision Learning on Mammogram Classification and Localization 2025-Mar-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040325 PMID:40281685	research paper	提出了一种新的局部极值映射（LEM）机制，用于乳腺X光片分类和弱监督病变定位	通过局部极值映射机制，仅使用图像级标签实现病变定位，显著降低标注成本	在病变定位方面的Dice相似系数为0.37，仍有提升空间	提高乳腺X光片的早期和准确检测，以提升生存率	乳腺X光片中的病变	digital pathology	breast cancer	weak supervision learning	CNN	image	两个公共乳腺X光片数据集（CBIS-DDSM和INbreast）
524	2025-04-29	Methods for Brain Connectivity Analysis with Applications to Rat Local Field Potential Recordings 2025-Mar-21, Entropy (Basel, Switzerland) DOI:10.3390/e27040328 PMID:40282562	research paper	本文介绍了一系列用于分析大脑依赖网络的统计方法，并应用于大鼠海马局部场电位（LFP）时间序列数据	结合经典和前沿方法，探索了多种统计技术（如Granger因果性、谱传递熵、小波相干性等）以及拓扑数据分析（TDA）和深度学习框架，用于捕捉神经动态和连接性	未提及具体样本量或实验设计的局限性	分析大脑依赖网络以理解潜在的神经机制（如感知、行动和记忆）	大鼠海马局部场电位（LFP）时间序列数据，专注于非空间嗅觉信息的编码	神经科学	NA	Granger causality (GC), robust canonical coherence analysis, spectral transfer entropy (STE), wavelet coherence, topological data analysis (TDA), deep learning-based canonical correlation frameworks	NA	时间序列数据（局部场电位记录）	NA
525	2025-04-29	Global Trends in Diabetic Foot Research (2004-2023): A Bibliometric Study Based on the Scopus Database 2025-Mar-21, International journal of environmental research and public health DOI:10.3390/ijerph22040463 PMID:40283692	研究论文	通过文献计量分析探讨2004-2023年间糖尿病足研究的全球趋势	利用Scopus数据库进行文献计量分析，揭示糖尿病足研究的发展趋势和热点	仅基于Scopus数据库，可能未涵盖所有相关研究	分析糖尿病足研究的全球趋势和未来方向	2004-2023年间Scopus数据库中关于糖尿病足的研究文献	文献计量学	糖尿病足	文献计量分析工具（Excel, Python, Biblioshiny, VOSviewer）	NA	文献数据	7136篇文献
526	2025-04-29	Exploring the Feasibility of Deep Learning for Predicting Lignin GC-MS Analysis Results Using TGA and FT-IR 2025-Mar-18, Polymers IF:4.7Q1 DOI:10.3390/polym17060806 PMID:40292675	research paper	探讨使用深度学习方法基于TGA和FT-IR数据预测木质素GC-MS分析结果的可行性	首次提出利用AI模型从TGA和FT-IR数据预测GC-MS结果，为预算有限的研究提供替代方案	模型需要在更多木质素底物上进行验证以提高普适性，且需与有机化学家合作评估实际应用价值	开发经济高效的木质素分析方法	木质素（植物细胞壁提取的复杂生物聚合物）	machine learning	NA	TGA, FT-IR, GC-MS	deep learning	spectroscopic data	未明确说明（需跨多种木质素底物验证）
527	2025-04-29	Deep learning in GPCR drug discovery: benchmarking the path to accurate peptide binding 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf186 PMID:40285358	research paper	本文评估了深度学习在预测G蛋白偶联受体（GPCRs）与其内源性肽配体相互作用中的应用，并比较了多种深度学习工具的性能	通过比较多种深度学习工具在GPCR与肽配体相互作用预测中的表现，提出了一个实用的模型选择指南，并创建了一个独立的基准测试集	竞争性锦标赛方法虽然加速了性能，但降低了真阳性恢复率	评估深度学习模型在GPCR药物发现中的准确性和实用性	G蛋白偶联受体（GPCRs）及其内源性肽配体	machine learning	NA	深度学习（DL）	AlphaFold 2.3 (AF2), AlphaFold 3 (AF3), Chai-1, NeuralPLexer, RoseTTAFold-AllAtom, Peptriever, ESMFold, D-SCRIPT	protein sequences and structures	124 ligands and 1240 decoys, 67 recent complexes
528	2025-04-29	Aminoacyl-tRNA synthetase urzymes optimized by deep learning behave as a quasispecies 2025-Mar, Structural dynamics (Melville, N.Y.) DOI:10.1063/4.0000294 PMID:40290414	research paper	利用深度学习优化氨酰-tRNA合成酶原酶，使其表现出类似准种的行为	使用ProteinMPNN和AlphaFold2深度学习算法重新设计优化的LeuAC原酶，显著提高了溶解度和催化能力	仅测试了8种变体，样本量较小	探索遗传编码起源的蛋白质设计	氨酰-tRNA合成酶原酶	machine learning	NA	ProteinMPNN, AlphaFold2	深度学习	蛋白质序列	8种变体
529	2025-04-29	Artificial Intelligence-Driven Approaches to Endoscopic Gastric Cancer Detection: Current Progress and Future Directions 2025-Mar, Cureus DOI:10.7759/cureus.81194 PMID:40291198	research paper	本文探讨了人工智能在胃镜胃癌检测中的当前进展和未来方向	利用深度学习模型（如CNN）提升胃镜检测胃癌的准确性和标准化评估	数据质量、假阳性/假阴性、地域偏见和监管障碍等问题仍需解决	提高胃癌的早期检测率，优化临床工作流程	胃癌患者的内窥镜图像	digital pathology	gastric cancer	deep learning	CNN	image	NA
530	2025-04-29	The Role of Artificial Intelligence in the Prediction, Diagnosis, and Management of Cardiovascular Diseases: A Narrative Review 2025-Mar, Cureus DOI:10.7759/cureus.81332 PMID:40291312	review	本文综述了人工智能在心血管疾病预测、诊断和管理中的作用及其面临的挑战	探讨了AI技术（特别是机器学习和深度学习）在分析大规模数据集、提高诊断准确性和优化治疗策略方面的变革潜力	AI实施面临监管、隐私、人群验证等障碍，以及系统互操作性和临床医生接受度的问题	探索AI在心血管护理中的应用、当前使用的局限性以及未来整合以改善患者预后	心血管疾病（CVDs）	machine learning	cardiovascular disease	machine learning, deep learning	NA	massive datasets	NA
531	2025-04-29	Proposal for a Method for Assessing the Quality of an Updated Deep Learning-Based Automatic Segmentation Program 2025-Mar, Cureus DOI:10.7759/cureus.81307 PMID:40291313	research paper	本研究旨在验证商业深度学习自动分割（DLS）方法在更新后是否能保持轮廓几何精度，并提出一种简化验证方法以减少临床工作负担	提出了一种简化验证方法，用于评估更新后的深度学习自动分割程序的质量，同时减少对临床工作流程的负担	研究中28个轮廓中有9个器官未满足既定标准，表明某些器官的轮廓质量在更新后有所下降	验证商业深度学习自动分割方法在更新后的几何精度，并简化验证流程	头颈、胸部、腹部和盆腔区域的28个器官	digital pathology	NA	deep learning-based automatic segmentation (DLS)	NA	CT imaging	109名参与者
532	2025-04-29	Influence of early through late fusion on pancreas segmentation from imperfectly registered multimodal magnetic resonance imaging 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024008 PMID:40291815	research paper	研究早期到晚期融合对不完美配准的多模态磁共振图像中胰腺分割的影响	探讨了在深度学习模型中不同融合点对不完美配准的多模态图像分割性能的影响，并发现最佳融合点因模型而异	在腹部图像对不完美配准的情况下，融合带来的性能提升较小，且最佳融合点依赖于具体模型	研究多模态融合在胰腺分割中的应用，以改善对糖尿病等疾病的研究能力	胰腺及周围腹部解剖结构	digital pathology	diabetes	multimodal magnetic resonance imaging (MRI)	UNet, nnUNet	image	353 pairs of T2-weighted and T1-weighted abdominal MR images from 163 subjects
533	2025-04-29	Improving radiologist detection of meniscal abnormality on undersampled, deep learning reconstructed knee MRI 2025-Mar, Radiology advances DOI:10.1093/radadv/umaf015 PMID:40291992	研究论文	评估人工智能辅助工具在放射科医生解读欠采样深度学习重建膝关节MRI中半月板异常的效果	使用AI辅助工具提高放射科医生在欠采样深度学习重建图像上的半月板异常检测性能	研究为回顾性设计，样本量有限（896名参与者）	评估AI辅助工具对放射科医生诊断半月板异常的影响，并分析重建质量指标与异常检测性能的关系	膝关节MRI图像中的半月板异常	数字病理学	骨科疾病	深度学习重建	目标检测模型	MRI图像	896名参与者（平均年龄44.7±15.3岁，472名女性）
534	2025-04-29	Improved in Silico Identification of Protein-Protein Interactions Using Deep Learning Approach 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70008 PMID:40275540	研究论文	本文提出了一种名为Deep_PPI的新型深度学习模型，用于预测多种物种的蛋白质-蛋白质相互作用	开发了Deep_PPI模型，采用双卷积头结构和二进制轮廓编码技术，显著提升了蛋白质-蛋白质相互作用的预测性能	虽然模型性能优于现有方法，但仍需进一步验证其在更广泛物种和复杂相互作用中的适用性	提高蛋白质-蛋白质相互作用的计算机预测准确性	多种生物的蛋白质序列（包括人类、线虫、大肠杆菌等）	生物信息学	癌症、自身免疫性疾病、恶性贫血等	深度学习、二进制轮廓编码	CNN（一维卷积神经网络）	蛋白质序列数据	多种物种数据集（人类、线虫、大肠杆菌等）
535	2025-04-29	A divide-and-conquer approach based on deep learning for long RNA secondary structure prediction: Focus on pseudoknots identification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314837 PMID:40279361	research paper	提出了一种基于深度学习的DivideFold方法，用于预测长RNA的二级结构，特别是假结	采用分治法递归地将长RNA序列分割成小片段，利用现有模型预测假结，解决了长RNA序列和假结预测的计算挑战和精度问题	未明确提及具体局限性	提高长RNA二级结构及假结的预测准确性	长RNA序列及其二级结构，特别是假结	computational biology	NA	deep learning	DivideFold	RNA序列数据	未明确提及具体样本量
536	2025-04-29	Towards sustainable architecture: Enhancing green building energy consumption prediction with integrated variational autoencoders and self-attentive gated recurrent units from multifaceted datasets 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317514 PMID:40279377	研究论文	提出了一种结合时间依赖变分自编码器和自适应门控自注意力GRU的深度学习框架，用于绿色建筑能耗预测	整合了自注意力机制和多任务学习策略，以捕捉能耗时间序列数据中的长期依赖和复杂模式，同时优化预测准确性和异常检测	仅在两套公开的绿色建筑能耗数据集上进行了验证，可能在其他数据集上的泛化能力有待进一步测试	开发有效的能源管理和节能策略，促进建筑行业的可持续发展和减排	绿色建筑的能耗数据	机器学习	NA	时间依赖变分自编码器(TD-VAE)、自适应门控自注意力GRU(AGSA-GRU)、多任务学习(MTL)	TD-VAE、AGSA-GRU	时间序列数据	两套公开的绿色建筑能耗数据集
537	2025-04-29	Synthetic fibrosis distributions for data augmentation in predicting atrial fibrillation ablation outcomes: an in silico study 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1512356 PMID:40290188	研究论文	本研究利用去噪扩散概率模型生成合成纤维化分布，以增强深度学习预测心房颤动消融结果的数据集	使用去噪扩散概率模型生成合成纤维化分布，并通过生物物理模拟扩增训练数据集，以提高深度学习模型的预测性能	研究基于计算机模拟，尚未在真实患者数据中验证其临床适用性	提高深度学习模型预测心房颤动消融结果的准确性	心房颤动患者的纤维化分布及消融策略效果	数字病理学	心血管疾病	LGE-MRI, 去噪扩散概率模型, 生物物理模拟	深度学习, 去噪扩散概率模型	图像, 模拟数据	100个真实LGE-MRI分布用于训练模型，生成1000个双心房网格用于模拟
538	2025-04-29	The current status and future directions of artificial intelligence in the prediction, diagnosis, and treatment of liver diseases 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251325418 PMID:40290269	review	本文综述了人工智能在肝病预测、诊断和治疗中的当前应用及未来发展方向	强调了机器学习和深度学习算法在肝病领域的应用进展	指出了该领域面临的挑战，包括需要大规模数据集、鲁棒算法和临床实践中的伦理考虑	探讨人工智能在肝病预测、诊断和治疗中的应用及其未来发展方向	肝病	machine learning	liver disease	machine learning, deep learning	NA	NA	NA
539	2025-04-29	A deep learning-assisted automatic measurement of tear meniscus height on ocular surface images and its application in myopia control 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1554432 PMID:40291564	research paper	本研究开发了一种深度学习模型，用于自动测量眼表图像中的泪液半月板高度（TMH），以提高近视控制方法相关干眼症初步筛查的效率和准确性	首次应用深度学习模型自动测量泪液半月板高度，提高了测量效率和准确性，避免了传统手动测量的主观性和低效问题	研究仅使用了OCULUS Keratograph 5M采集的眼表图像，未验证在其他设备上的适用性	开发自动测量泪液半月板高度的深度学习模型，用于近视控制方法相关干眼症的筛查	眼表图像中的泪液半月板高度	digital pathology	myopia	deep learning	CNN	image	1,200张眼表图像（训练集840张，验证集240张，测试集120张，外加100张外部验证集）
540	2025-04-29	Hybrid deep learning method to identify key genes in autism spectrum disorder 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12104 PMID:40292027	研究论文	本研究采用混合深度学习方法识别与自闭症谱系障碍(ASD)相关的关键基因	结合图卷积网络和逻辑回归的混合深度学习方法，有效识别ASD关键基因，并通过SI模型验证其感染能力	未提及方法在其他神经发育障碍中的普适性验证	识别与自闭症谱系障碍相关的关键基因	自闭症谱系障碍相关基因	机器学习	自闭症谱系障碍	图卷积网络, 逻辑回归, SI模型	GCN, Logistic Regression	基因互作网络数据	NA