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
541	2025-06-19	Explainable AI predicting Alzheimer's disease with latent multimodal deep neural networks 2025-Jun-18, Journal of biopharmaceutical statistics IF:1.2Q2 DOI:10.1080/10543406.2025.2511194 PMID:40528446	研究论文	提出了一种新颖的潜在多模态深度学习框架，用于预测阿尔茨海默病的认知状态	引入了注意力层和交叉注意力层以提升预测性能，并计算模态重要性分数以增强模型的可解释性	样本量相对较小（322名患者），且数据来源仅限于ADNI数据库	预测阿尔茨海默病的认知状态	阿尔茨海默病患者	机器学习	阿尔茨海默病	多模态深度学习	深度神经网络（带有注意力层和交叉注意力层）	临床数据、影像数据和遗传数据	322名年龄在55至92岁之间的患者
542	2025-06-19	Optimal Descriptor Subset Search via Chemical Information and Target Activity-Guided Algorithm for Antimicrobial Peptide Prediction 2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00600 PMID:40528473	研究论文	本文介绍了一种名为AExOp-DCS的自动特征域优化方法，用于识别抗菌肽预测中的最优描述子子集	提出AExOp-DCS算法，通过化学结构和生物活性驱动，自动识别最优描述子子集，提高模型性能	依赖于初始描述子集的质量，可能无法完全捕捉所有关键信息	开发更高效的抗菌肽预测计算流程	抗菌肽（AMPs）	机器学习	NA	QSAR模型	AExOp-DCS	蛋白质序列数据	NA
543	2025-06-19	BalancedDiff: Balanced Diffusion Network for High-Quality Molecule Generation 2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00837 PMID:40528644	研究论文	本文提出了一种名为BalancedDiff的平衡扩散网络，用于生成高质量分子	提出了平衡损失函数以解决样本偏差问题，并设计了基于KAN的平衡特征过滤模块，结合QikProp模块预测ADME性质以提高生成分子的质量和适用性	扩散模型生成分子的有效性和可靠性仍存在不确定性	提高深度学习分子生成技术的质量和效率	分子生成	机器学习	NA	扩散模型	BalancedDiff, KAN-based Balanced Feature Filtering (KBFF), QikProp	分子数据	CrossDocked2020数据集
544	2025-06-19	Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry 2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00513 PMID:40528819	research paper	该研究通过半经验量子化学方法生成模拟振动光谱，用于预训练深度学习模型，并在细菌拉曼光谱的小型实验数据集上进行微调，以提高模型泛化能力	利用半经验量子化学方法生成合成数据预训练深度学习模型，解决了拉曼光谱数据不足导致的过拟合和泛化能力差的问题	研究仅针对细菌拉曼光谱进行了验证，未涉及其他类型的生物样本	解决拉曼光谱数据不足导致的模型训练问题，提高深度学习模型在生物光子学应用中的性能	细菌拉曼光谱	machine learning	NA	Raman spectroscopy, semiempirical quantum chemistry methods	deep learning	spectral data	小型实验数据集（具体数量未提及）
545	2025-06-19	Identifying and predicting EEG microstates with sequence-to-sequence deep learning models for online applications 2025-Jun-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade1f8 PMID:40480246	研究论文	本文提出了一种基于序列到序列深度学习模型的新框架，用于在线识别和预测EEG微状态	首次提出序列到序列框架，实现从EEG信号到微状态标签的端到端在线识别和预测	未提及模型在更复杂场景下的泛化能力	改进EEG微状态分析方法，实现跨被试、跨数据集和多任务场景的在线应用	EEG微状态	机器学习	NA	深度学习	序列到序列模型	EEG信号	两个公共数据集
546	2025-06-19	NLP-like deep learning aided in identification and validation of thiosulfinate tolerance clusters in diverse bacteria 2025-Jun-17, mSphere IF:3.7Q2 DOI:10.1128/msphere.00023-25 PMID:40525872	研究论文	该研究利用类似自然语言处理的深度学习技术，识别和验证了多种细菌中的硫代亚磺酸盐耐受基因簇	采用NLP类似技术处理基因簇，克服了传统方法在识别多样性基因簇上的困难，发现了多个新基因簇	NA	开发新方法以识别和验证细菌中的硫代亚磺酸盐耐受基因簇	植物病原细菌中的硫代亚磺酸盐耐受基因簇	自然语言处理	NA	NLP-like深度学习技术、基因合成分析、蛋白质结构预测	DeepBGC类似模型	基因序列数据	3种细菌菌株（97-1R、pv. FDAARGOS 389、pv. tomato DC3000）及RefSeq细菌数据库序列
547	2025-06-19	Effects of patient and imaging factors on small bowel motility scores derived from deep learning-based segmentation of cine MRI 2025-Jun-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11737-4 PMID:40526355	研究论文	本研究探讨了患者和影像因素对基于深度学习分割的小肠运动评分的影响	首次使用深度学习算法分割小肠区域，并通过光流算法量化运动评分，分析了MRI切片相关因素对运动评分的影响	未考虑患者因素对运动评分的影响，且样本量较小	评估患者和影像因素对基于深度学习的小肠运动评分的影响	54名慢性便秘或疑似结肠假性梗阻患者	数字病理	慢性便秘、结肠假性梗阻	深度学习、光流算法	深度学习算法	MRI影像	54名患者
548	2025-06-19	Innovative deep learning and signal decomposition approaches for enhanced spatial and temporal suspended sediment concentration prediction 2025-Jun-17, Environmental science and pollution research international DOI:10.1007/s11356-025-36581-3 PMID:40526349	研究论文	本研究提出了一种新型混合深度学习方法，用于提高悬浮泥沙浓度（SSC）的空间和时间预测精度	结合了LSTM、BiLSTM、GRU和DDNN等深度学习模型与CEEMDAN和SVMD信号分解技术，创新性地提升了预测效率	研究仅基于美国科罗拉多河下游四个连续测站的数据，可能限制了模型的泛化能力	提高悬浮泥沙浓度的预测精度，以支持有效的流域规划和水资源管理	悬浮泥沙浓度（SSC）	机器学习	NA	CEEMDAN, SVMD, 小波变换相干性分析	LSTM, BiLSTM, GRU, DDNN	时间序列数据	2008年至2022年美国科罗拉多河下游四个连续测站的数据
549	2025-06-19	Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach 2025-Jun-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11714-x PMID:40526353	research paper	本研究探讨了基于深度学习的定量CT（QCT）在预测进展性纤维化间质性肺疾病（PF-ILD）和评估预后中的价值	利用深度学习技术对CT图像中的ILD表现进行定量分析，以预测PF-ILD的发展和预后	单中心回顾性研究，样本量有限	预测进展性纤维化间质性肺疾病（PF-ILD）并评估其预后	465名间质性肺疾病患者	digital pathology	lung disease	deep learning-based quantitative CT (QCT)	deep learning	CT images	465名患者（中位年龄65岁，男性238名）
550	2025-06-19	Sensitivity-Enhanced Pure Shift Spectroscopy Empowered by Deep Learning and PSYCHE 2025-Jun-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01899 PMID:40526402	研究论文	本文提出了一种结合深度学习和PSYCHE技术的灵敏度增强纯位移光谱方法，用于改善核磁共振光谱的分辨率和灵敏度	利用60°翻转角的PSYCHE实验提高灵敏度，并通过深度神经网络模型去除重耦伪影，实现清洁光谱	虽然提高了灵敏度，但PSYCHE实验中使用的较小翻转角可能导致光谱灵敏度相对较低	提高核磁共振光谱的分辨率和灵敏度，解决光谱重叠和低灵敏度问题	核磁共振光谱	机器学习	NA	PSYCHE方法，深度学习	深度神经网络	光谱数据	NA
551	2025-06-19	Replacing Attention with Modality-wise Convolution for Energy-Efficient PPG-based Heart Rate Estimation using Knowledge Distillation 2025-Jun-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580474 PMID:40526537	research paper	提出了一种名为PULSE的轻量级深度学习架构，通过多头部交叉注意力层改进传感器融合，并利用基于关系的知识蒸馏机制将知识传递给学生网络，以更少的参数实现接近教师网络的性能	提出了一种新颖的轻量级深度学习架构PULSE，以及一种基于关系的知识蒸馏机制，显著减少了模型参数和能耗	未提及具体的局限性	提高基于PPG的心率估计的准确性和能效，适用于可穿戴设备	PPG信号和加速度计数据	machine learning	cardiovascular disease	深度学习，知识蒸馏	multi-head cross-attention, modality-wise convolutions	PPG信号和加速度计数据	两个数据集：PPG-DaLiA（最大的可用数据集）和WESAD
552	2025-06-19	M3D: Manifold-based Domain Adaptation with Dynamic Distribution for Non-Deep Transfer Learning in Cross-subject and Cross-session EEG-based Emotion Recognition 2025-Jun-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580612 PMID:40526534	研究论文	提出了一种轻量级的非深度迁移学习框架M3D，用于跨被试和跨会话的基于EEG的情绪识别	M3D框架结合了流形特征变换、动态分布对齐、分类器学习和集成学习，有效解决了EEG数据的非平稳性和个体差异性问题	虽然性能接近深度学习方法，但在某些复杂场景下可能仍需更大规模数据支持	提高基于EEG的情感脑机接口在实际应用中的实用性和适应性	跨被试和跨会话的EEG情绪识别	脑机接口	抑郁症	流形学习	非深度迁移学习框架	EEG信号	三个基准EEG情绪识别数据集和一个临床MDD EEG数据集
553	2025-06-19	ABNN: Adaptive-Gating Binary Neural Network With Dynamic Activation Quantization for Industrial Health Status Prediction 2025-Jun-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3577620 PMID:40526547	research paper	提出了一种高效的适应性门控二进制神经网络（ABNN），用于工业边缘场景中复杂工业设备的健康状态预测	引入了趋势感知编码器（TAE）优化输入层二值化过程，提出可学习精度指示器（LPI）调整推理精度水平，以及适应性门控卷积在不大幅增加计算成本的情况下提升表示能力	未提及具体在哪些类型的工业设备上进行了测试，以及在不同工业场景中的泛化能力	解决工业边缘场景中资源有限和实时性要求严格的问题，提升健康状态预测的准确性和效率	复杂工业设备的健康状态	machine learning	NA	FPGA硬件加速器	ABNN（适应性门控二进制神经网络）	工业设备健康状态数据	NA
554	2025-06-19	The role of learned song in the evolution and speciation of Eastern and Spotted towhees 2025-Jun-17, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013135 PMID:40526780	研究论文	该研究探讨了学习歌曲在东方斑唧鹀和斑点唧鹀的进化和物种形成中的作用	利用机器学习模型分析两种鸟类歌曲的地理变异和物种间差异，并探讨歌曲差异是否促进它们的生殖隔离	公开可用的遗传数据有限，且物种分类在重叠区域的准确性较低	研究学习歌曲在物种进化和生殖隔离中的作用	东方斑唧鹀和斑点唧鹀	生态学	NA	机器学习	随机森林, 深度学习, 梯度提升机, CNN	音频	广泛的社区科学录音，包括重叠区域和潜在杂交个体的歌曲
555	2025-06-19	Recurrent multi-view 6DoF pose estimation for marker-less surgical tool tracking 2025-Jun-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03436-8 PMID:40528143	研究论文	本文提出了一种基于深度学习的无标记手术工具跟踪方法，通过多视角和循环神经网络结合提高跟踪精度	结合多视角姿态估计和循环神经网络，利用时间连贯性改进跟踪，并在工具被遮挡时表现更优	实验主要在合成数据集上进行，真实数据集的表现仍有提升空间	提高手术工具无标记跟踪的精度和可靠性	手术工具的姿态估计与跟踪	计算机视觉	NA	深度学习	RNN	视频	合成数据集和真实数据集（四摄像头设置）
556	2025-06-19	Exploratory multi-cohort, multi-reader study on the clinical utility of a deep learning model for transforming cryosectioned to formalin-fixed, paraffin-embedded (FFPE) images in breast lesion diagnosis 2025-Jun-17, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02064-z PMID:40528232	研究论文	本研究开发并验证了一种深度学习模型，用于将冷冻切片图像转换为福尔马林固定石蜡包埋（FFPE）样图像，以提高乳腺病变诊断的准确性	使用改进的生成对抗网络（GAN）结合注意力机制和自我正则化约束，首次实现了冷冻切片到FFPE样图像的转换，并显著提高了病理学家的诊断信心	诊断一致性在两组间相似，且图像质量较差、非典型导管增生/导管原位癌病例以及经验较少的病理学家会影响诊断准确性	开发并验证一种深度学习模型，用于改善乳腺病变的术中诊断准确性	乳腺病变的冷冻切片图像	数字病理学	乳腺癌	GAN	改进的生成对抗网络（带注意力机制）	图像	132张乳腺病变冷冻切片全玻片图像（来自三个队列：SYSUCC、GSPCH和TCGA），共1584次病理学家读取
557	2025-06-19	Efficient Denoising of Shot-Noise in Mass Spectrometry Images by PCA-Assisted Self-Supervised Deep Learning 2025-Jun-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00825 PMID:40528349	研究论文	提出了一种基于PCA预处理的改进版Noise2Void算法（PCA-n2v），用于质谱成像（MSI）的去噪处理	通过PCA预处理步骤优化Noise2Void算法，提高了去噪性能，优于直接使用N2V及其他先进去噪技术	在信噪比极低的图像中可能出现渗色伪影	提高质谱成像数据的质量，实现更高通量和更高分辨率的实验	质谱成像数据	机器学习	NA	质谱成像（MSI）、主成分分析（PCA）	Noise2Void（N2V）	图像	合成MSI数据集
558	2025-06-19	Beyond the Posts: Analyzing Breast Implant Illness Discourse With Natural Language Processing and Deep Learning 2025-Jun-16, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf047 PMID:40173420	研究论文	本研究利用自然语言处理和深度学习技术分析了社交媒体上关于乳房植入物疾病(BII)的讨论，探讨了患者的感知和情绪反应	首次使用Robust optimizing Bidirectional Encoder Representations from Transformers模型分析BII相关的社交媒体帖子，并揭示了患者情绪与植入物取出率之间的强相关性	研究仅基于X平台的帖子，可能无法代表所有社交媒体或实际人群的观点	分析社交媒体上患者对乳房植入物疾病的感知和情绪反应，及其对医疗决策的影响	社交媒体上关于乳房植入物疾病的讨论	自然语言处理	乳房植入物疾病	自然语言处理	Robust optimizing Bidirectional Encoder Representations from Transformers	文本	6099条帖子(2014-2023年)
559	2025-06-19	Rate of brain aging associates with future executive function in Asian children and older adults 2025-Jun-16, eLife IF:6.4Q1 DOI:10.7554/eLife.97036 PMID:40522287	研究论文	本文研究了大脑年龄变化率与未来执行功能的关系，并在新加坡老年人和儿童中验证了深度学习模型的适用性	首次在非白种人群（特别是儿童）中验证大脑年龄模型的泛化能力，并发现大脑年龄差距变化率与未来认知功能的关联	样本仅来自新加坡人群，可能限制结果的普遍适用性	探索大脑年龄变化率与认知功能的关系，并验证大脑年龄模型在不同人群中的适用性	新加坡老年人（55-88岁）和儿童（4-11岁）	神经影像分析	老年疾病	深度学习	深度学习模型	神经影像数据	新加坡老年人和儿童群体（具体数量未提及）
560	2025-06-19	TCFNet: Bidirectional face-bone transformation via a Transformer-based coarse-to-fine point movement network 2025-Jun-16, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103653 PMID:40527150	研究论文	提出了一种基于Transformer的粗到细点移动网络（TCFNet），用于密集的面部-骨骼点云转换	采用Transformer网络和局部信息聚合网络（LIA-Net）的两阶段框架，通过建模局部几何结构（边缘、方向和相对位置特征）来补偿Transformer网络的邻域精度损失，并利用专家知识提出辅助损失以重建关键器官	未提及具体的数据集规模或实验中的具体限制	提高计算机辅助手术模拟中面部-骨骼形状转换的准确性和效率	面部和骨骼的点云数据	计算机视觉	NA	深度学习	Transformer, LIA-Net, GRU	点云数据	NA