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
7461	2025-05-12	MultiCycPermea: accurate and interpretable prediction of cyclic peptide permeability using a multimodal image-sequence model 2025-Feb-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02166-2 PMID:40016695	research paper	提出了一种名为MultiCycPermea的新型深度学习模型，用于预测环肽的渗透性	MultiCycPermea模型首次结合了环肽的图像信息（2D结构信息）和序列信息（1D结构信息），并提出了一个子结构约束的特征对齐模块来对齐这两种特征	NA	开发一种能够快速准确预测环肽渗透性的工具，以辅助设计具有良好膜渗透性的环肽药物	环肽	machine learning	NA	深度学习	multimodal image-sequence model	image, sequence	CycPeptMPDB数据集
7462	2025-05-12	Development of an artificial intelligence-based multimodal diagnostic system for early detection of biliary atresia 2025-Feb-27, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03962-x PMID:40016769	research paper	开发了一种基于人工智能的多模态诊断系统，用于早期检测胆道闭锁	利用多样化的数据源和格式开发智能诊断系统，并简化模型以减少对血液样本的需求	尽管模型在内部和外部测试中表现良好，但样本量仍可能限制其广泛适用性	改善胆道闭锁的早期诊断，提高患者预后	胆道闭锁患者的多模态数据（超声图像、临床数据和实验室结果）	digital pathology	biliary atresia	deep learning	CNN	multimodal (image, clinical data, laboratory results)	1579名参与者（回顾性研究），171例（前瞻性研究外部测试集）
7463	2025-05-12	Predicting the efficacy of neoadjuvant chemotherapy in breast cancer patients based on ultrasound longitudinal temporal depth network fusion model 2025-Feb-27, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01971-5 PMID:40016785	研究论文	本研究开发并验证了一种基于纵向超声数据和临床特征的深度学习放射组学模型，用于预测乳腺癌患者新辅助化疗后的病理完全缓解	结合了治疗前和治疗后2个周期的超声数据以及临床特征，构建了集成模型，提高了预测性能	样本量相对较小，且仅基于单一机构的患者数据	预测乳腺癌患者新辅助化疗后的病理完全缓解	312名经组织学确认的乳腺癌患者	数字病理学	乳腺癌	深度学习放射组学	XGBoost	超声图像和临床数据	312名患者（训练队列219名，测试队列93名）
7464	2025-05-12	Deep learning-based cell-specific gene regulatory networks inferred from single-cell multiome data 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf138 PMID:40037709	research paper	该研究开发了一个名为scMultiomeGRN的深度学习框架，用于从单细胞多组学数据中推断细胞特异性基因调控网络	通过独特整合单细胞RNA测序和单细胞ATAC测序数据，构建了模态特定的邻居聚合器和跨模态注意力模块，以学习转录因子的潜在表示	单细胞测序数据的高丢失率可能导致单组学数据不足，影响基因调控网络的推断	开发深度学习框架以推断细胞特异性基因调控网络	转录因子调控网络	machine learning	Alzheimer's disease	single-cell RNA sequencing, single-cell ATAC sequencing	deep learning framework	single-cell multi-omics data	multiple benchmark datasets
7465	2025-05-12	Discrimination of unsound soybeans using hyperspectral imaging: A deep learning method based on dual-channel feature fusion strategy and attention mechanism 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115810 PMID:40022337	研究论文	本研究提出了一种基于双通道特征融合策略和注意力机制的深度学习方法，用于利用高光谱图像中的一维光谱数据和二维图像数据来鉴别不健全的大豆	提出了结合注意力机制的双通道特征融合模型（DCFFM），实现了高光谱图像中光谱和图像数据的高层次融合	未提及具体的数据集规模或实际应用场景的局限性	探索一个能够全面获取高光谱图像中光谱和图像的建模框架，实现高层次数据融合以提高准确性	不健全的大豆	计算机视觉	NA	高光谱成像	CNN与DCFFM	高光谱图像（包含一维光谱数据和二维图像数据）	NA
7466	2025-05-12	A robust deep learning model for predicting green tea moisture content during fixation using near-infrared spectroscopy: Integration of multi-scale feature fusion and attention mechanisms 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115874 PMID:40022390	研究论文	提出了一种结合多尺度特征融合和注意力机制的深度学习模型DiSENet，用于基于近红外光谱的绿茶杀青过程中水分含量预测	整合多尺度特征融合和注意力机制，提出新型深度学习网络DiSENet，有效校正温度变化引起的光谱干扰	NA	提高绿茶杀青过程中水分含量预测的准确性	绿茶杀青过程中的茶叶样本	机器学习	NA	近红外光谱(NIRS)	DiSENet	光谱数据	不同杀青阶段和温度下的茶叶样本
7467	2025-05-12	Automated and explainable machine learning for monitoring lipid and protein oxidative damage in mutton using hyperspectral imaging 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115905 PMID:40022412	研究论文	本研究开发了自动化和可解释的机器学习模型，用于通过高光谱成像监测羊肉中脂质和蛋白质的氧化损伤	结合AutoML、AutoDL和SHAP方法，实现了无需人工干预的高质量可解释预测模型	研究仅针对羊肉样品，未验证在其他肉类中的适用性	开发自动化的机器学习模型来监测肉类氧化损伤	经过不同冻融循环处理的羊肉样品	机器学习	NA	高光谱成像(HSI)、AutoML、AutoDL	AutoML、AutoDL	高光谱图像	经过不同冻融循环处理的羊肉样品
7468	2025-05-12	AI-augmented Biophysical modeling in thermoplasmonics for real-time monitoring and diagnosis of human tissue infections 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104075 PMID:40023011	research paper	该研究提出了一种结合AI与局域表面等离子体共振(LSPR)技术的系统，用于实时监测和诊断人体组织感染	采用AI辅助的热等离子体技术，检测时间比传统技术缩短57.7%，并显著降低了假阳性和诊断成本	NA	开发一种实时监测和诊断人体组织感染的新方法	人体组织感染	数字病理	组织感染	Localised Surface Plasmon Resonance (LSPR)	circuitry deep learning	single-cell transcriptomic profiles	2,333,481个单细胞转录组图谱，来自486人（107名未受影响，379名受影响）
7469	2025-05-12	Artificial intelligence in the detection and treatment of depressive disorders: a narrative review of literature 2025-Feb, International review of psychiatry (Abingdon, England) DOI:10.1080/09540261.2024.2384727 PMID:40035375	review	本文综述了人工智能在抑郁症检测和治疗中的应用	探讨了人工智能如何通过整合多种数据（如临床症状、神经影像、遗传学和生物标志物）来辅助抑郁症的筛查、诊断和预后预测	作为叙述性综述，可能未涵盖所有相关研究，且缺乏对方法学质量的系统评估	评估人工智能在抑郁症诊断和治疗中的潜在应用	抑郁症患者及其相关临床数据	natural language processing, machine learning, digital pathology	geriatric disease	Natural Language Processing, Machine Learning, Deep Learning	NA	text, neuroimaging data, genetics, biomarkers	NA
7470	2025-05-12	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	研究论文	本文探讨了深度学习算法在口腔癌检测中的技术和应用	提供了对最新基于AI的口腔癌检测方法的全面分析，包括使用卷积神经网络的深度学习和机器学习算法	NA	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌	数字病理学	口腔癌	深度学习、机器学习、图像预处理和分割	CNN	图像	NA
7471	2025-05-12	Injecting structure-aware insights for the learning of RNA sequence representations to identify m6A modification sites 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18878 PMID:40017651	研究论文	提出了一种名为M6A-SAI的新型预测器，用于识别RNA中的m6A修饰位点，通过整合结构感知的见解来增强序列表示学习	M6A-SAI通过Transformer编码器学习RNA序列表示，构建相似性图捕捉序列相关性，并通过结构感知优化块和图卷积框架整合结构信息，显著提高了m6A修饰位点的识别精度	未提及具体的数据集规模或实验中的潜在偏差	准确识别RNA序列中的m6A修饰位点	RNA序列中的m6A修饰位点	自然语言处理	NA	Transformer, 图卷积, SVM	Transformer, 图卷积网络, SVM	RNA序列数据	NA
7472	2025-05-12	Deep-learning tool for early identification of non-traumatic intracranial hemorrhage etiology and application in clinical diagnostics based on computed tomography (CT) scans 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18850 PMID:40028214	研究论文	开发了一种基于深度学习的人工智能系统，用于早期识别非创伤性颅内出血的病因，并在临床诊断中应用	该系统能够基于非对比计算机断层扫描（NCCT）准确识别多种颅内出血病因，并在临床诊断中显著提升医生的诊断性能	模型在Moyamoya病（MMD）和其他病因上的AUC值相对较低，可能影响其在这些病因上的诊断准确性	开发一种能够准确识别非创伤性颅内出血病因的人工智能系统，并评估其在临床诊断中的应用价值	非创伤性颅内出血患者	数字病理学	颅内出血	深度学习	深度学习模型	CT扫描图像	1,868例NCCT扫描（训练集），TT200和SD98两个独立测试集
7473	2025-05-12	Optimizing Stroke Detection Using Evidential Networks and Uncertainty-Based Refinement 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3531768 PMID:40031143	研究论文	本研究利用证据网络和基于不确定性的优化方法，提高中风后神经损伤的检测灵敏度	采用证据网络和不确定性估计方法，显著提高了对轻微中风损伤和短暂性脑缺血发作（TIA）的检测准确性	研究样本量有限，且仅针对Kinarm系统采集的运动学数据进行分析	优化中风后神经损伤的检测方法，提高临床评估的准确性和灵敏度	337名中风患者和368名健康对照者	机器学习	心血管疾病	深度学习	证据网络	运动学数据	705人（337名中风患者和368名健康对照者）
7474	2025-05-12	High-Density EMG Grip Force Estimation During Muscle Fatigue via Domain Adaptation 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3541227 PMID:40031585	研究论文	提出一种基于域适应的高密度EMG握力估计方法，以改善肌肉疲劳状态下的握力估计精度	结合对抗训练策略和端到端深度学习模型，对齐非疲劳和疲劳状态下的EMG特征分布	研究仅涉及8名受试者，样本量较小	提高肌电接口在肌肉疲劳状态下解码用户意图的准确性	肌电信号（EMG）和握力估计	机器学习	NA	高密度EMG	深度学习模型	EMG信号	8名受试者
7475	2025-05-12	The More, the Better? Evaluating the Role of EEG Preprocessing for Deep Learning Applications 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3547616 PMID:40031716	research paper	该研究首次全面评估了EEG预处理对深度学习应用的影响，并提出了未来研究的指导原则	首次系统性地研究了不同EEG预处理水平对深度学习模型性能的影响，并提出了预处理指南	研究仅针对特定的六种分类任务和四种EEG架构，结果可能不具备普遍性	评估EEG预处理在深度学习应用中的作用，确定最优预处理策略	EEG数据及其预处理方法	machine learning	Parkinson's, Alzheimer's disease, 精神疾病	EEG	深度学习模型	EEG信号数据	4800个训练模型
7476	2025-05-12	Emotion-RGC net: A novel approach for emotion recognition in social media using RoBERTa and Graph Neural Networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318524 PMID:40029933	研究论文	提出了一种名为Emotion-RGC Net的新方法，用于社交媒体中的情感识别，结合了RoBERTa、图神经网络和条件随机场	整合RoBERTa、GNN和CRF，提高了情感分类的准确性和鲁棒性	模型依赖大量标记数据，计算效率有待提高，未考虑情感演化的时间动态	提高社交媒体中情感识别的准确性和鲁棒性	社交媒体用户生成的内容	自然语言处理	NA	RoBERTa, GNN, CRF	Emotion-RGC Net	文本	Sentiment140和Emotion两个数据集
7477	2025-05-12	Deep learning based semantic segmentation of leukemia effected white blood cell 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320596 PMID:40338981	research paper	该论文提出了一种基于深度学习的白血病影响的白细胞语义分割方法	结合UNet++、标记分水岭算法和神经常微分方程（ODE）进行白细胞分割，提高了分割的准确性和鲁棒性	计算复杂度和内存空间有待优化，以便在低资源设备上部署	提高白细胞分割的准确性，以支持自动化血细胞分析、诊断成像和疾病监测	白血病影响的白细胞	digital pathology	leukemia	UNet++, 标记分水岭算法, 神经常微分方程（ODE）	UNet++, Neural ODE	image	ALL_IDB1和ALL_IDB2数据集中的血涂片图像
7478	2025-05-12	Deep learning in assisting dermatologists in classifying basal cell carcinoma from seborrheic keratosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1507322 PMID:40342818	research paper	评估深度学习模型在辅助皮肤科医生分类基底细胞癌（BCC）和脂溢性角化病（SK）中的有效性	使用基于CLIP ViT-B/16架构的深度学习模型，结合注意力机制（如Grad-CAM）增强模型决策的可解释性	模型在验证队列中的AUC为0.71，表现略低于训练和测试队列	评估AI辅助诊断是否能提高分类准确性、减少误诊并改善临床结果	基底细胞癌（BCC）和脂溢性角化病（SK）患者	digital pathology	skin cancer	deep learning, Grad-CAM	CLIP ViT-B/16	image	707名患者（内部数据集）和5572名患者（ISIC公共数据集）
7479	2025-05-12	A review of lightweight convolutional neural networks for ultrasound signal classification 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1536542 PMID:40342856	综述	本文综述了轻量级卷积神经网络在超声信号分类中的应用	结合超声信号特点，从模型压缩和操作优化两个角度详细回顾了轻量级算法	未提及具体实验验证或实际应用效果	探索轻量级卷积神经网络在超声信号处理领域的应用	超声信号	医学图像分析	NA	深度学习	轻量级CNN	超声信号	基于ImageNet数据集的经典模型实验结果
7480	2025-05-12	Automatic segmentation and quantitative analysis of brain CT volume in 2-year-olds using deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1573060 PMID:40343184	研究论文	本研究开发了一种使用ResU-Net深度学习模型自动分割2岁儿童脑部CT图像的方法，并量化特定脑区体积，建立临床和研究应用的参考数据库	首次在2岁儿童脑CT图像中应用ResU-Net模型进行自动分割和体积量化，建立了该年龄段的标准参考数据库	研究仅纳入放射学表现正常的儿童样本，未涵盖异常或疾病状态	开发儿童脑CT图像的自动分割方法并建立标准体积参考值	2岁健康儿童的脑部CT图像	数字病理	NA	CT成像	ResU-Net, 3D U-Net	医学影像	1,487例2岁儿童头部CT扫描（训练集1,041例，测试集446例）