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
6121	2025-06-07	Computational Approaches to Revisiting Plant Cytoskeleton Organization and Dynamics 2025-Jun-06, Cytoskeleton (Hoboken, N.J.) DOI:10.1002/cm.22049 PMID:40474669	综述	本文综述了计算生物学方法在植物细胞骨架组织和动态研究中的应用	将深度学习等现代计算技术应用于传统细胞骨架研究领域	主要关注图像分析方法，未涉及其他组学数据整合	探索计算生物学方法在植物细胞骨架研究中的应用潜力	植物细胞骨架（特别是皮层微管）	计算生物学	NA	活细胞成像技术	深度学习	显微图像	NA
6122	2025-06-07	Modeling CAPRI Targets of Round 55 by Combining AlphaFold and Docking 2025-Jun-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26853 PMID:40476317	research paper	本文详细介绍了通过结合AlphaFold深度学习预测与传统对接技术，对CAPRI第55轮中的寡聚体目标进行结构建模的混合方法	结合AlphaFold2多聚体管道与传统对接技术，提出了一种混合蛋白质-蛋白质对接方法，并分析了AlphaFold模型的聚类、链内和链间残基接触预测的置信度	NA	提高蛋白质寡聚体结构预测的准确性	CAPRI第55轮中的寡聚体目标	structural biology	NA	AlphaFold2 multimer pipeline, docking	AlphaFold, docking models	protein structure data	CAPRI Round 55 targets
6123	2025-06-07	Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review 2025-Jun-06, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20781 PMID:40476369	meta-analysis	该研究通过大规模元分析，综合评估了人工智能和机器学习方法在黑色素瘤自动诊断中的临床应用和预测性能	首次对人工智能在黑色素瘤诊断中的性能进行了大规模元分析，特别关注了混合模型的优异表现	研究仅纳入了2006年至2024年的文献，可能遗漏了早期的重要研究	评估人工智能算法在黑色素瘤诊断中的临床适用性和预测性能	黑色素瘤诊断的人工智能系统	digital pathology	melanoma	meta-analysis	deep learning and HYBRID models	dermoscopic images	39项主要研究中的78项诊断测试数据
6124	2025-06-07	End-to-End Abnormal Subgraph Detection via Subgraph-Level Contrastive Learning 2025-Jun-05, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3573922 PMID:40471723	research paper	本文提出了一种端到端的无监督子图异常检测框架EndSubG，通过子图级对比学习来检测异常子图	EndSubG框架首次将子图划分和异常检测联合建模为一个整体，而非分开处理，并设计了专门用于子图异常检测的评估指标AS-WNMI	未明确提及具体样本量或数据集的详细限制	解决无监督条件下子图异常检测的挑战，提升相关领域的研究	图数据中的异常子图	machine learning	NA	对比学习	EndSubG	graph data	NA
6125	2025-06-07	Is EMG Information Necessary for Deep Learning Estimation of Joint and Muscle Level States? 2025-Jun-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3577084 PMID:40471740	research paper	该研究探讨了在深度学习模型中是否需要EMG信息来准确估计关节和肌肉的生理状态	研究发现EMG信息对于关节状态估计并非必要，但对于肌肉状态估计至关重要，且仅在训练阶段使用EMG信息即可实现优异性能	需要EMG作为模型输入的方法在实际部署中可能不切实际	开发非侵入式方法来估计关节和肌肉生理状态，以增强可穿戴设备的控制能力	膝关节的力矩、功率、速度和力量等生理状态	machine learning	NA	deep learning	DL	kinematic data, EMG data	28种不同的周期性和非周期性任务
6126	2025-06-07	The Role of AI and Voice-Activated Technology in Religious Education in China: Capturing Emotional Depth for Deeper Learning 2025-Jun-05, Journal of religion and health DOI:10.1007/s10943-025-02347-x PMID:40473902	研究论文	本研究探讨了AI和语音激活技术在宗教教育中捕捉诵经情感深度的潜力	结合预训练语音识别模型与深度学习分析声音特征，评估修行者的情感状态	样本仅限中国大学声乐专业学生，可能缺乏普适性	开发用于分析声音特征和评估修行者情感状态的AI算法	110名中国大学声乐专业大一和大二学生	自然语言处理	NA	语音识别、深度学习	预训练语音识别模型	语音	110名大学生（实验组与对照组）
6127	2025-06-07	A Multi-Task Deep Learning Approach for Simultaneous Sleep Staging and Apnea Detection for Elderly People 2025-Jun-05, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00721-7 PMID:40474036	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6128	2025-06-07	Association between street greenery and physical activity among Chinese older adults in Beijing, China 2025-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03050-3 PMID:40461572	research paper	本研究探讨了街道绿化与中国老年人特定领域身体活动（PA）之间的关联	首次使用百度街景图像和深度学习技术客观评估街道绿化暴露及其与中国老年人不同类型PA的关系	未发现街道绿化与休闲PA或家务PA之间的显著关联	研究街道绿化对中国老年人身体活动的影响	居住在北京市的1326名60岁及以上老年人	machine learning	geriatric disease	deep learning	NA	image	1326名老年人
6129	2025-06-07	Artificial intelligence in prenatal diagnosis: Down syndrome risk assessment with the power of gradient boosting-based machine learning algorithms 2025-Jun-04, Turkish journal of obstetrics and gynecology IF:1.0Q4 DOI:10.4274/tjod.galenos.2025.83278 PMID:40462403	研究论文	本研究利用梯度提升机器学习算法评估唐氏综合征的产前诊断风险	比较了多种机器学习模型在唐氏综合征风险预测中的表现，发现CatBoost模型准确率最高	样本量有限，未来需要在更大数据集上验证模型的泛化能力	提高产前筛查中唐氏综合征风险评估的准确性	853名孕妇的生化与生物物理学数据	机器学习	唐氏综合征	梯度提升算法（CatBoost, XGBoost, LightGBM）	CatBoost, XGBoost, LightGBM	生化与生物物理学数据	853名孕妇的筛查数据
6130	2025-06-07	UltraBones100k: A reliable automated labeling method and large-scale dataset for ultrasound-based bone surface extraction 2025-Jun-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110435 PMID:40472504	研究论文	提出了一种自动标记方法和大规模数据集UltraBones100k，用于超声骨表面分割	通过精确叠加跟踪的骨CT模型到超声图像上生成自动标记，改进了低信号区域的标记完整性	研究基于离体样本，可能无法完全反映体内超声图像的复杂性	推进超声骨分割技术并建立有效的模型基准	人体下肢骨（腓骨、胫骨和足骨）	数字病理	骨科疾病	超声成像和CT扫描	神经网络	超声图像	100k离体人体下肢超声图像
6131	2025-06-07	Vascular segmentation of functional ultrasound images using deep learning 2025-Jun-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110377 PMID:40472502	research paper	该论文介绍了一种基于深度学习的fUS图像分割方法，用于区分基于垂直血流方向的信号，并实现动态CBV量化	首次将深度学习应用于fUS图像分割，能够基于血流方向区分动脉和静脉信号，并实现动态CBV量化	该方法无法达到ULM的完全粒度水平	开发一种非侵入性、经济高效的fUS图像分割方法，用于血流方向推断	大鼠大脑的fUS图像	digital pathology	NA	functional ultrasound (fUS), ultrasound localization microscopy (ULM)	UNet	image	100 temporal frames from a fUS stack
6132	2025-06-07	Accelerating promoter identification and design by deep learning 2025-Jun-04, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.05.008 PMID:40473557	review	本文综述了深度学习在启动子识别、强度预测和从头设计中的应用	利用深度学习技术，特别是生成模型，革新了启动子工程领域	讨论了数据库质量、特征提取和模型架构对预测准确性的影响，以及开发稳健模型面临的挑战	探讨深度学习在启动子工程中的应用及其对基因转录控制的改进	启动子DNA序列	machine learning	NA	deep learning	generative models	DNA序列	NA
6133	2025-06-07	Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias 2025-Jun-03, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awae388 PMID:39657969	研究论文	本文介绍了一种基于神经病理学的多标签深度学习框架，用于识别和量化阿尔茨海默病、血管性痴呆和路易体痴呆的生物标志物	提出了创新的DeepSPARE指数，能够可视化疾病模式并量化特定病理相关的脑部改变	模型在路易体痴呆上的识别准确率相对较低(0.623)	开发深度学习方法来识别不同痴呆类型的神经影像特征	阿尔茨海默病、血管性痴呆和路易体痴呆患者	数字病理学	老年疾病	T1加权MRI扫描	深度学习模型	MRI影像数据	423名痴呆患者和361名对照参与者
6134	2025-06-07	Measurement of spatial heterogeneity in street restorative perceptions and street refinement design 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02841-y PMID:40461492	research paper	本研究整合街景数据、深度学习算法、MGWR模型和空间句法，分析街道恢复感知的空间异质性并优化街道设计策略	通过比较多种回归模型确定最有效模型，展示不同视觉元素的空间异质性，并基于恢复感知和可达性耦合评估确定急需修复的街道	研究仅针对上海黄浦区，可能无法完全代表其他城市或地区的街道恢复感知情况	分析街道恢复感知的空间异质性并优化街道设计策略	上海黄浦区街道的恢复感知	urban planning	NA	deep learning, MGWR model, space syntax	random forest (RF), multiple regression models, MGWR model	street view data	上海黄浦区的街道数据
6135	2025-06-07	FPA-based weighted average ensemble of deep learning models for classification of lung cancer using CT scan images 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02015-w PMID:40461493	研究论文	提出了一种基于花授粉算法(FPA)的加权集成深度学习模型，用于CT扫描图像的肺癌分类	与传统静态或等权重集成方法不同，FPA根据验证性能自适应优化每个CNN的贡献，显著提高了诊断准确性	NA	提高肺癌早期诊断的准确性和可靠性	肺癌(特别是腺癌)的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN (VGG16, ResNet101V2, InceptionV3)的集成模型	图像	NA
6136	2025-06-07	Co-occurrence feature learning for visual recognition of immature leukocytes 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01791-9 PMID:40461529	research paper	该研究提出了一种名为密集连接共现网络（DCONN）的方法，用于提高未成熟白细胞视觉识别的分类准确性	结合密集连接卷积层和共现层，使用较少的可训练参数，提高了分类准确性，且对训练硬件要求较低	方法尚未扩展到其他病理图像分析，且样本规模可能有限	提高白血病诊断中未成熟白细胞的计算机辅助分类准确性	未成熟中性粒细胞（包括原始粒细胞、早幼粒细胞、中幼粒细胞、晚幼粒细胞和带状细胞）	digital pathology	leukemia	Yolact用于白细胞检测，RGB到LAB颜色空间转换	DCONN（密集连接共现网络）	image	NA
6137	2025-06-07	Enhanced residual attention-based subject-specific network (ErAS-Net): facial expression-based pain classification with multiple attention mechanisms 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04552-w PMID:40461564	research paper	提出了一种基于增强残差注意力机制的主题特定网络（ErAS-Net），用于通过面部表情进行疼痛分类	采用多种注意力机制和迁移学习，模仿人类对面部表情的感知，增强疼痛识别能力并捕捉个体独特的表情特征	未提及具体局限性	解决面部表情自动疼痛检测中的个体差异问题	面部表情数据	computer vision	NA	深度学习	ErAS-Net（基于残差注意力机制的CNN）	图像（面部表情）	UNBC-McMaster Shoulder Pain数据集和BioVid Heat Pain Database数据集
6138	2025-06-07	Energy consumption analysis and prediction in exercise training based on accelerometer sensors and deep learning 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04380-y PMID:40461566	研究论文	本研究基于加速度传感器数据和深度学习技术，提出了一种优化的能量消耗预测模型，以提高运动训练中能量消耗预测的准确性和效率	结合CNN、Bi-LSTM网络和注意力机制的模型架构，优化了局部特征提取、时间建模和动态权重分配能力，并提出了多维特征分析框架	未提及具体的数据采集环境限制或模型在不同运动类型中的泛化能力	提高运动训练中能量消耗预测的准确性和效率，支持智能运动监测、健康管理和个性化训练计划开发	运动训练中的能量消耗	机器学习	NA	深度学习	CNN, Bi-LSTM, 注意力机制	加速度传感器数据	NA
6139	2025-06-07	Data-intelligence driven methods for durability, damage diagnosis and performance prediction of concrete structures 2025-Jun-03, Communications engineering DOI:10.1038/s44172-025-00431-4 PMID:40461590	综述	本文全面回顾了机器学习和深度学习在钢筋混凝土结构耐久性、损伤诊断和性能预测中的应用	利用人工智能技术（如深度学习和机器学习）为钢筋混凝土结构的损伤检测和材料性能预测提供了创新方法	传统方法效率低且准确性不足，而基于降解机制的偏微分方程模型计算量大且难以求解	提高钢筋混凝土结构损伤检测的效率和材料性能预测的准确性	钢筋混凝土结构	机器学习	NA	深度学习和机器学习	NA	NA	NA
6140	2025-06-07	A novel EEG artifact removal algorithm based on an advanced attention mechanism 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98653-1 PMID:40461599	研究论文	提出了一种基于改进注意力机制的EEG伪迹去除算法CLEnet，结合双尺度CNN和LSTM，有效分离EEG信号与伪迹	整合双尺度CNN和LSTM，并引入改进的EMA-1D注意力机制，提升对未知伪迹的去除能力及多通道EEG数据的适应性	未明确说明算法在实时处理或计算效率方面的表现	解决EEG信号处理中的伪迹去除问题，提升信号质量	多通道EEG数据中的伪迹	脑机接口	脑部疾病	深度学习	CNN, LSTM, EMA-1D	EEG信号	三个数据集（未明确样本数量）