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
7861	2025-05-15	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程	结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品	研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期	开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期	牛肝菌（Boletus bainiugan）	机器学习	NA	高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR）	CNN、BPNN、DD-SIMCA、PLSR	光谱数据	831份牛肝菌样品（储存0、1和2年）
7862	2025-05-15	Convolutional neural network-based method for the real-time detection of reflex syncope during head-up tilt test 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108622 PMID:40068530	研究论文	提出一种基于卷积神经网络的实时反射性晕厥检测方法，用于头高位倾斜试验中	采用端到端架构结合残差和挤压-激励块，无需手动提取特征，直接从原始血压信号中量化反射性晕厥发生概率	仅使用血压信号进行检测，可能忽略了其他生理信号提供的有用信息	开发一种实时反射性晕厥风险监测系统，提高医疗效率和患者便利性	反射性晕厥患者	数字病理学	心血管疾病	深度学习	CNN	生理信号数据	1348名患者（1291名正常，57名反射性晕厥患者）
7863	2025-05-15	MCNEL: A multi-scale convolutional network and ensemble learning for Alzheimer's disease diagnosis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108703 PMID:40081198	research paper	提出了一种多尺度卷积网络和集成学习框架（MCNEL），用于阿尔茨海默病的早期和准确诊断	采用增强版的EfficientNet-B0和MobileNetV2模型，并与DenseNet121模型集成，开发了基于SimAM的特征融合方法，以及使用自适应权重调整策略的集成学习分类器	未提及具体的数据集局限性或模型泛化能力的详细分析	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者及认知障碍不同阶段的患者	digital pathology	geriatric disease	MRI	CNN, Ensemble Learning (EfficientNet-B0, MobileNetV2, DenseNet121)	image	ADNI数据集（ADNI-1和ADNI-2）
7864	2025-05-15	Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108726 PMID:40112688	研究论文	本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析	提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像	实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞）	开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗	宫颈癌细胞和白血病细胞	数字病理学	宫颈癌、白血病	光散射成像	深度学习	图像	模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞）
7865	2025-05-15	The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108722 PMID:40112687	研究论文	本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗	采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能	研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明	开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果	心房颤动患者的LGE-MRI图像	数字病理学	心血管疾病	LGE-MRI	nnU-Net, smpU-Net++, RIFE	图像	NA
7866	2025-05-15	The state of modelling face processing in humans with deep learning 2025-May-14, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12794 PMID:40364689	review	本文比较了深度学习模型与人类面部处理系统的心理学模型，探讨了深度学习在面部识别和面部代码编码方面的表现	揭示了深度学习模型在面部识别任务中不仅超越人类表现，还能模拟人类面部处理的某些定性方面，如身份识别网络中也编码表情信息	未提及具体的技术限制或数据限制	比较深度学习模型与人类面部处理系统的心理学模型，探讨面部代码的编码方式	人类面部处理系统和深度学习模型	computer vision	NA	深度学习	深度学习模型	面部图像	NA
7867	2025-05-15	Artificial Intelligence in Sincalide-Stimulated Cholescintigraphy: A Pilot Study 2025-May-13, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005967 PMID:40359029	研究论文	本研究探索了基于AI的实时胆囊放射性追踪方法在胆囊排空分数计算中的应用	首次在核医学实践中探索了整合实时图像处理和器官功能计算的AI驱动工作流程	AI在患者移动或低计数活动情况下容易出错，且样本量较小(仅20例)	开发AI驱动的实时胆囊追踪和功能评估系统	胆囊放射性追踪和胆囊排空分数(GBEF)计算	数字病理	胆囊功能障碍	胆囊闪烁扫描术(SSC)	U-Net	医学影像	20例胆囊闪烁扫描检查(10例简单病例和10例挑战性病例)
7868	2025-05-15	Artificial intelligence for chronic total occlusion percutaneous coronary interventions 2025-May-13, The Journal of invasive cardiology IF:1.6Q3 DOI:10.25270/jic/25.00089 PMID:40359582	review	本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展	探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力	未提及具体的研究样本量或模型性能的详细比较	评估AI在CTO PCI领域的应用效果和前景	慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI）	machine learning	cardiovascular disease	NA	neural networks, deep learning	clinical parameters, imaging	NA
7869	2025-05-15	Predicting gene expression from DNA sequence using deep learning models 2025-May-13, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	研究论文	本文探讨了利用深度学习模型从DNA序列预测基因表达的方法	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提高了预测基因活性的准确性	不同方法存在各自的优缺点，且模型的复杂性可能限制其广泛应用	构建能够从DNA序列预测基因活性的计算模型	基因表达的调控机制，特别是启动子和增强子等DNA元件	机器学习	NA	表观基因组图谱和高通量报告基因检测	深度学习	DNA序列数据	NA
7870	2025-05-15	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-May-13, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	research paper	提出了一种混合框架，用于检测多媒体安全中的复制-移动伪造	结合了FFT、SIFT、ORB、MobilenetV2和VGG16模型以及注意力机制，提高了检测的准确性	传统方法在处理多样化的图像修改时可能存在困难	保证数字图像完整性并识别图像篡改	数字图像	computer vision	NA	FFT、SIFT、ORB、MobilenetV2、VGG16、DBSCAN	MobilenetV2、VGG16	image	五个基准复制-移动伪造数据集
7871	2025-05-15	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高	提高复杂系统中化合物分析的效率并减少有机溶剂消耗	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC），一维卷积神经网络（1D-CNN）	1D-CNN	色谱数据	NA
7872	2025-05-15	A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights 2025-May-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03952-6 PMID:40348987	research paper	该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级	结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级	研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响	创建可靠的食管癌分级框架，提高诊断准确性和可解释性	2560名食管癌患者的CT扫描图像和临床信息	digital pathology	esophageal cancer	CT imaging, radiomics, deep learning	DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost	image, clinical information	2560名食管癌患者
7873	2025-05-15	Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109957 PMID:40090185	研究论文	本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性	提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集	在外部测试数据集上的性能有所下降（F1分数从81%降至68%）	开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统	12导联心电图数据	机器学习	心血管疾病	傅里叶变换、小波变换、互相关	eXtreme Gradient Boosting (XGBoost)	心电图信号	未明确提及具体样本数量，但使用了大规模心电图数据库
7874	2025-05-15	Automatic pre-screening of outdoor airborne microplastics in micrographs using deep learning 2025-May-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125993 PMID:40090454	研究论文	本文提出了一种利用深度学习自动预筛选户外空气中微塑料的新方法	通过增强的U-Net模型（Attention U-Net和Dynamic RU-NEXT）及Mask R-CNN在低分辨率显微图像中识别和分类户外空气中的微塑料，创新性地将分类直接集成到基于U-Net的分割框架中，提高了计算效率	NA	提高户外空气中微塑料的识别和分类效率	户外空气中的微塑料	计算机视觉	NA	深度学习	Attention U-Net, Dynamic RU-NEXT, Mask R-CNN	图像	NA
7875	2025-05-15	Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110002 PMID:40096767	research paper	提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率	利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力	研究仅验证了20名正常受试者的数据，样本量较小	提高胎儿健康监测的可及性和可靠性	胎儿和母亲的心率	machine learning	心血管疾病	Phonocardiography (PCG)	U-NetR, transformer	PCG信号	20名正常受试者，包括一例胎儿心动过速心律失常病例
7876	2025-05-15	Enhancing synchrotron radiation micro-CT images using deep learning: an application of Noise2Inverse on bone imaging 2025-May-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525001833 PMID:40167487	研究论文	该研究应用深度学习技术Noise2Inverse来增强同步辐射微CT图像，以解决低剂量CT成像中的噪声问题	首次将自监督深度学习方法Noise2Inverse应用于骨成像的低剂量同步辐射微CT图像降噪	在极低剂量（1/4和1/6）下网络结果出现失真，且测试设置中的数据采集噪声是影响方法可行性的主要问题	降低骨成像研究中低剂量CT的噪声，同时保持骨的力学特性	骨组织的同步辐射微CT图像	计算机视觉	NA	同步辐射微CT（SRµCT）	CNN	图像	模拟剂量数据集（全剂量、1/2、1/3、1/4和1/6剂量）
7877	2025-05-15	AMPCliff: Quantitative definition and benchmarking of activity cliffs in antimicrobial peptides 2025-May-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.04.046 PMID:40318764	研究论文	本文介绍了AMPCliff，一个用于定量定义和基准测试抗菌肽（AMPs）中活性悬崖（AC）现象的方法	首次为抗菌肽中的活性悬崖现象提供了定量定义和基准测试框架，并评估了多种机器学习模型在此任务上的表现	当前基于深度学习的表征模型在预测抗菌肽活性悬崖方面仍有提升空间，特别是需要整合原子级动态信息以更准确捕捉抗菌肽特性	研究抗菌肽中活性悬崖现象的定量定义和预测方法	由标准氨基酸组成的抗菌肽（AMPs）	机器学习	NA	机器学习、深度学习、掩码语言模型、生成语言模型	ESM2、多种机器学习算法	肽序列数据	来自公开AMP数据集GRAMPA的金黄色葡萄球菌配对AMP基准数据集
7878	2025-05-15	An inherently interpretable AI model improves screening speed and accuracy for early diabetic retinopathy 2025-May, PLOS digital health DOI:10.1371/journal.pdig.0000831 PMID:40354306	研究论文	本文开发了一种内在可解释的深度学习模型，用于早期糖尿病视网膜病变的筛查，提高了筛查速度和准确性	提出了一种内在可解释的深度学习模型，直接在其网络架构中建模糖尿病视网膜病变的局部证据，超越了传统的黑盒模型和后解释技术	研究主要基于回顾性数据，前瞻性临床验证仍需进一步研究	开发一种内在可解释的AI模型，用于早期糖尿病视网膜病变的筛查和临床决策支持	糖尿病视网膜病变患者的眼底图像	数字病理	糖尿病视网膜病变	深度学习	DNN	图像	34,350张高质量眼底图像（训练集）+ 10个外部数据集（验证集）+ 65张带注释的图像（分析用）
7879	2025-05-15	EBMGP: a deep learning model for genomic prediction based on Elastic Net feature selection and bidirectional encoder representations from transformer's embedding and multi-head attention pooling 2025-Apr-19, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-04894-z PMID:40253568	研究论文	提出了一种基于Elastic Net特征选择和双向编码器表示转换器嵌入与多头注意力池化的深度学习模型EBMGP，用于基因组预测	结合Elastic Net特征选择、双向编码器表示转换器嵌入和多头注意力池化，显著提高了基因组预测的准确性和计算效率	未提及具体局限性	通过基因组预测加速育种程序，减少世代间隔	植物和动物的基因组数据	机器学习	NA	Elastic Net特征选择、双向编码器表示转换器嵌入、多头注意力池化	EBMGP	基因组数据	四个不同的植物和动物数据集
7880	2025-05-15	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-Apr-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	综述	本文综述了人工智能（AI）在优化黑色素瘤免疫检查点抑制剂（ICI）治疗中的潜力，重点关注预测模型、生物标志物识别和治疗反应预测	AI与RNAseq分析结合开发个性化ICI治疗，机器学习模型识别与nivolumab清除相关的预后细胞因子特征，深度学习算法在肿瘤微环境分析中表现出高准确性	临床验证和实施挑战仍然存在	优化黑色素瘤的免疫治疗	黑色素瘤患者	数字病理学	黑色素瘤	RNAseq, 电子健康记录（EHR）数据分析	机器学习, 深度学习	影像数据, 实验室数据, EHR数据	NA