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
5621	2025-03-29	Concerns regarding deployment of AI-based applications in dentistry - a review 2025-Mar-25, BDJ open IF:2.5Q2 DOI:10.1038/s41405-025-00319-7 PMID:40133287	review	本文探讨了在牙科领域部署基于AI的应用程序时可能遇到的潜在问题，特别是过分关注技术性能指标而忽视临床适用性的重要性	强调了在牙科AI应用中，除了技术验证外，进行实际部署研究的重要性	研究中仅有一家公司回应并提供试用版本，不足以全面评估应用程序的有效性	评估AI在牙科诊断、治疗规划和预后中的临床应用及其挑战	牙科AI应用程序	digital pathology	NA	Deep Learning, Machine Learning	NA	NA	44项研究（34项来自电子搜索，10项来自手动搜索）
5622	2025-03-29	The invisible architects: microbial communities and their transformative role in soil health and global climate changes 2025-Mar-25, Environmental microbiome IF:6.2Q1 DOI:10.1186/s40793-025-00694-6 PMID:40133952	综述	本文综述了土壤微生物群落对土壤健康和全球气候变化的影响及其机制	提出了基于深度学习的合成微生物群落开发方法，以改善土壤健康和缓解气候变化	NA	探讨微生物如何改变土壤生态系统及其在应对土壤威胁和全球气候变化中的潜力	土壤微生物群落及其对土壤环境的影响	微生物生态学	NA	深度学习	NA	NA	NA
5623	2025-03-29	TCDE-Net: An unsupervised dual-encoder network for 3D brain medical image registration 2025-Mar-23, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102527 PMID:40147215	research paper	提出了一种基于双编码器架构的无监督医学图像配准网络TCDE-Net，用于3D脑部医学图像配准	双编码器互补特征提取，增强模型处理大规模非线性形变和捕捉局部细节的能力，并引入细节增强注意力模块恢复细粒度特征	未明确提及具体局限性	提高医学图像配准的精度和鲁棒性，特别是在处理复杂形变和高分辨率图像时	3D脑部医学图像	digital pathology	NA	深度学习	dual-encoder network	3D image	OASIS, IXI, and Hammers-n30r95 3D脑部MR数据集
5624	2025-03-29	Protein Biomarkers of DNA Damage in Yeast Cells for Genotoxicity Screening 2025-Mar-21, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.4c00160 PMID:40144325	研究论文	该研究创建了一个包含酵母细胞DNA损伤响应网络的图谱，并鉴定了15个蛋白质生物标志物，用于基因毒性筛选	提出了一个基于GFP融合酵母的蛋白质组学检测方法，具有分钟级通路激活数据分辨率，为快速、高效和机制性的基因毒性筛选提供了简洁替代方案	NA	开发一种无偏且全面的DNA损伤响应检测方法，用于基因毒性物质的筛选	酵母细胞	分子生物学	NA	GFP融合技术、蛋白质组学检测	统计模型、深度学习模型	蛋白质效应水平指数(PELI)	NA
5625	2025-03-29	Mathematical expression exploration with graph representation and generative graph neural network 2025-Mar-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107405 PMID:40147161	研究论文	本文提出了一种基于图表示和生成图神经网络的数学表达式探索方法，名为GraphDSR	采用有向无环图（DAG）表示数学表达式，并结合生成图神经网络进行符号回归任务，避免了树表示中的冗余子结构	未明确提及具体局限性	解决符号回归任务，探索数学表达式的更优表示和生成方法	数学表达式	机器学习	NA	生成图神经网络，强化学习	GNN	图数据	110个基准测试
5626	2025-03-29	Prediction of Water Chemical Oxygen Demand with Multi-Scale One-Dimensional Convolutional Neural Network Fusion and Ultraviolet-Visible Spectroscopy 2025-Mar-20, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030191 PMID:40136845	研究论文	提出了一种基于多尺度一维卷积神经网络融合和紫外-可见光谱的水化学需氧量预测方法	设计了一种新颖的多尺度一维卷积神经网络融合模型，用于光谱特征提取和COD预测，显著提高了预测精度	未提及具体的数据集规模或模型在不同水质条件下的泛化能力	提高水化学需氧量(COD)的预测准确性，以实现更可靠和高效的水质监测	水质监测中的化学需氧量(COD)	机器学习	NA	紫外-可见光谱(UV-Vis)	多尺度一维卷积神经网络(MS-1D-CNN)	光谱数据	未提及具体样本数量
5627	2025-03-29	Machine Learning for Human Activity Recognition: State-of-the-Art Techniques and Emerging Trends 2025-Mar-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030091 PMID:40137203	综述	本文全面回顾了人类活动识别（HAR）的技术，重点关注基于传感器、视觉和混合方法的整合	探讨了传统机器学习方法与深度学习的最新进展，如卷积和循环神经网络、注意力机制及强化学习框架	HAR仍面临环境变化处理、模型可解释性及复杂现实场景中高识别准确率的挑战	提升HAR技术的可靠性和适用性，以应对多样化领域的应用需求	人类活动识别技术及其应用	机器学习	NA	传感器技术、深度学习	CNN, LSTM, 注意力机制, 强化学习框架	RGB图像/视频、深度传感器数据、运动捕捉系统数据、可穿戴设备数据、雷达和Wi-Fi信道状态信息	NA
5628	2025-03-29	Comparative Evaluation of Deep Learning Models for Diagnosis of Helminth Infections 2025-Mar-20, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15030121 PMID:40137437	研究论文	本研究评估了深度学习模型在准确分类蛔虫和绦虫卵显微图像中的效果，提出了一种技术增强的临床诊断方法	使用先进的深度学习模型（ConvNeXt Tiny、EfficientNet V2 S和MobileNet V3 S）进行蛔虫卵分类，展示了高准确率	研究未提及模型在真实临床环境中的泛化能力或对不同种类寄生虫卵的适用性	评估深度学习模型在寄生虫感染诊断中的效果，提高诊断准确性和效率	蛔虫（Ascaris）和绦虫（Taenia）的卵以及未感染的卵	计算机视觉	寄生虫感染	深度学习	ConvNeXt Tiny, EfficientNet V2 S, MobileNet V3 S	图像	包含蛔虫、绦虫和未感染卵的多样化数据集
5629	2025-03-29	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-Mar-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	research paper	本研究探讨了DenseNet架构在头颈癌患者预后预测中的表现，并与现有先进深度学习模型进行了比较	使用优化的DenseNet架构和图像融合策略，在外部测试集上表现优于现有先进模型	研究仅针对口咽癌患者，结果可能不适用于其他类型的头颈癌	比较DenseNet架构与现有先进深度学习模型在头颈癌预后预测中的性能	口咽癌患者的PET和CT图像数据	digital pathology	oropharyngeal cancer	PET和CT图像分析	DenseNet	image	889名口咽癌患者（489名来自HECKTOR 2022数据集，400名来自研究中心的额外数据集）
5630	2025-03-29	Recovering Image Quality in Low-Dose Pediatric Renal Scintigraphy Using Deep Learning 2025-Mar-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030088 PMID:40137200	研究论文	本研究提出了一种先进的图像增强策略，旨在解决儿科肾闪烁扫描中减少辐射剂量的挑战	评估了四种去噪神经网络在低剂量儿科肾闪烁扫描中的应用，发现UDnCNN在信噪比和多尺度结构相似性之间取得了最佳平衡	研究仅基于公开数据库的数据，未涉及实际临床环境中的验证	开发一种深度学习方法来提高低剂量儿科肾闪烁扫描的图像质量，以减少患者的辐射暴露	儿科肾闪烁扫描图像	数字病理	儿科肾病	深度学习	DnCNN, UDnCNN, DUDnCNN, AttnGAN	图像	来自公共动态肾闪烁扫描数据库的数据
5631	2025-03-29	Deep Learning-Based Semantic Segmentation for Objective Colonoscopy Quality Assessment 2025-Mar-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030084 PMID:40137196	research paper	本研究旨在通过专门训练的深度学习语义分割神经网络客观评估结肠镜检查的整体质量	提出了一种基于深度学习的语义分割方法，能够识别和量化结肠黏膜、残留物和伪影的百分比，提供比波士顿肠道准备量表更全面和客观的评估	Cohen's Kappa值为0.28，表明与专家评估的一致性仅为一般水平	客观评估结肠镜检查的质量	结肠镜检查视频帧	digital pathology	NA	深度学习语义分割	semantic segmentation network	image	数千个结肠镜检查视频帧
5632	2025-03-29	Automatic Segmentation of Plants and Weeds in Wide-Band Multispectral Imaging (WMI) 2025-Mar-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030085 PMID:40137197	研究论文	本文提出了一种基于宽带多光谱图像的植物和杂草自动分割算法，结合PIF-Net和优化的U-Net模型	结合PIF-Net进行特征提取与融合，并优化U-Net模型以实现高精度语义分割	研究仅基于CAVIAR数据集的多光谱图像场景，未在其他数据集上验证	开发一种高效的植物和杂草分割算法，以推动精准农业中的深度学习应用	植物和杂草	计算机视觉	NA	宽带多光谱成像(WMI)	PIF-Net, U-Net	多光谱图像	CAVIAR数据集中的场景
5633	2025-03-29	MSBiLSTM-Attention: EEG Emotion Recognition Model Based on Spatiotemporal Feature Fusion 2025-Mar-13, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030178 PMID:40136832	研究论文	提出了一种基于时空特征融合的EEG情感识别模型MSBiLSTM-Attention	结合多尺度卷积、双向长短期记忆网络和注意力机制，实现EEG信号的自动特征提取和分类	需要进一步验证模型在其他数据集上的泛化能力	提高基于EEG信号的情感识别准确率	EEG信号	机器学习	NA	深度学习	MSBiLSTM-Attention (多尺度CNN + BiLSTM + 注意力机制)	EEG信号	SEED数据集
5634	2025-03-29	Enhancing Single-Cell and Bulk Hi-C Data Using a Generative Transformer Model 2025-Mar-12, Biology DOI:10.3390/biology14030288 PMID:40136544	研究论文	本文提出了一种基于Transformer的深度学习模型HiCENT，用于提升单细胞和批量Hi-C数据的质量	开发了HiCENT模型，首次将Transformer架构应用于Hi-C数据的增强，显著提升了单细胞和批量Hi-C数据的质量	未明确提及模型在不同细胞类型或物种间的泛化能力	解决Hi-C数据（特别是单细胞Hi-C数据）中测序深度不足和噪声高的问题，提升染色质相互作用数据的质量	批量Hi-C数据和单细胞Hi-C数据	生物信息学	NA	Hi-C技术	Transformer	基因组相互作用数据	GM12878细胞系和五个人类细胞系的Hi-C数据
5635	2025-03-29	Deep learning-based automated detection and diagnosis of gouty arthritis in ultrasound images of the first metatarsophalangeal joint 2025-Mar-08, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4495 PMID:40146981	research paper	本研究开发了一种基于深度学习的模型，用于自动检测和诊断第一跖趾关节超声图像中的痛风性关节炎	使用深度残差卷积神经网络（CNN）和Grad-CAM可视化技术，优化了不同残差块数量的ResNet18模型，实现了高精度的痛风性关节炎自动诊断	研究为回顾性研究，样本量相对较小（260名患者），可能影响模型的泛化能力	开发一种自动检测和诊断痛风性关节炎的深度学习模型	第一跖趾关节的超声图像	digital pathology	gouty arthritis	ultrasound imaging	ResNet18 CNN	image	260名患者（149名痛风患者，111名对照组）的2401张超声图像
5636	2025-03-29	GM-CBAM-ResNet: A Lightweight Deep Learning Network for Diagnosis of COVID-19 2025-Mar-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030076 PMID:40137188	研究论文	提出了一种名为GM-CBAM-ResNet的轻量级深度学习网络，用于基于心电图（ECG）图像诊断COVID-19	通过将卷积模块替换为Ghost模块（GM）并在ResNet的残差模块中添加卷积块注意力模块（CBAM），构建了轻量级网络GM-CBAM-ResNet	未提及具体的数据集规模或多样性限制	开发一种轻量级深度学习网络，用于快速准确诊断COVID-19	COVID-19患者的心电图图像	计算机视觉	COVID-19	深度学习	GM-CBAM-ResNet, ResNet, GM-ResNet, CBAM-ResNet	图像	使用公开的'ECG Images dataset of Cardiac and COVID-19 Patients'数据集
5637	2025-03-29	Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model 2025-Mar, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00733-1 PMID:39604646	研究论文	本文开发了一种基于预训练蛋白质语言模型的深度学习模型PIC，用于预测人类必需蛋白质（HEPs），并在人类、细胞系和小鼠三个层面上提供了全面的预测结果	通过微调预训练的蛋白质语言模型，开发了PIC模型，不仅显著优于现有方法，还首次在人类、细胞系和小鼠三个层面上预测HEPs，并定义了蛋白质必需性评分	未提及具体的数据集大小或实验验证的详细范围	开发一种高效、准确的计算方法来预测人类必需蛋白质（HEPs）	人类必需蛋白质（HEPs）	自然语言处理	乳腺癌	深度学习，蛋白质语言模型	PIC（基于预训练蛋白质语言模型的深度学习模型）	蛋白质序列	617,462个人类微蛋白质
5638	2025-03-29	Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy 2025-Mar, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00748-8 PMID:39715829	research paper	本文介绍了一种基于动态图卷积网络的深度学习框架DySPred，用于利用大规模真实世界药物警戒数据预测免疫检查点抑制剂（ICI）在人群水平的毒性特征	DySPred框架能够准确预测不同人口群体和癌症类型的毒性风险，在小样本情况下表现稳健，并能揭示毒性随时间变化的趋势	未明确提及具体局限性	开发一种方法用于人群水平的ICI诱导毒性特征分析，以促进癌症免疫治疗的进步	免疫检查点抑制剂（ICI）疗法及其诱导的毒性特征	machine learning	cancer	动态图卷积网络	DySPred (基于GCN的深度学习框架)	药物警戒数据	大规模真实世界数据（未提供具体数量）
5639	2025-03-29	Integration of longitudinal load-bearing tissue MRI radiomics and neural network to predict knee osteoarthritis incidence 2025-Mar, Journal of orthopaedic translation IF:5.9Q1 DOI:10.1016/j.jot.2025.01.007 PMID:40144553	研究论文	本研究开发并测试了一种结合负重组织MRI影像组学和临床变量的模型（LBTC-RM），用于预测膝关节骨关节炎（KOA）的发生	首次整合纵向负重组织MRI影像组学和神经网络算法预测KOA发生，提供了一种更可解释且临床适用的早期KOA检测方法	需要未来在不同人群中进一步验证以增强其临床适用性和普适性	开发预测膝关节骨关节炎（KOA）发生的模型	700个基线时无放射学KOA的膝关节，包含2164个4年随访期间的膝关节MRI	数字病理学	膝关节骨关节炎	MRI影像组学	神经网络	MRI图像	总开发队列1082例（542例病例 vs 540例对照），总测试队列1082例（534例病例 vs 548例对照）
5640	2025-03-29	Multimodal Deep Learning Model for Cylindrical Grasp Prediction Using Surface Electromyography and Contextual Data During Reaching 2025-Feb-27, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030145 PMID:40136799	research paper	该研究提出了一种多模态深度学习模型，用于结合表面肌电信号和上下文数据预测圆柱形抓握动作	整合了表面肌电信号和上下文信息的多模态模型，相比传统单模态方法能更好地预测真实场景中的抓握动作	仅针对圆柱形抓握这一特定抓握类型进行研究，未涵盖其他常见抓握类型	改进人机交互系统中抓握动作的预测精度	人体抓握动作（特别是圆柱形抓握）	machine learning	NA	表面肌电信号(EMG)采集	CNN（用于EMG处理）和全连接网络（用于上下文信息处理）的混合架构	生物电信号（EMG）和上下文数据	未明确说明受试者数量