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
61	2025-07-18	Uncertainty aware domain incremental learning for cross domain depression detection 2025-Jul-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10917-y PMID:40659724	研究论文	提出了一种不确定性感知的领域增量学习框架（UDIL-DD），用于跨领域抑郁症检测	整合了不确定性引导的自适应类别阈值学习（UACTL）和无数据领域对齐（DFDA）模块，解决了数据隐私、领域差异、类别不平衡和模型不确定性等问题	未提及具体样本量或数据隐私保护的具体措施	开发一种可靠的跨领域抑郁症检测方法	文本数据中的抑郁症检测	自然语言处理	抑郁症	深度学习	UDIL-DD（包含UACTL和DFDA模块）	文本	四个基准MDD数据集（CMDC、DIAC-WoZ、MODMA和EATD）
62	2025-07-18	AI-driven smart agriculture using hybrid transformer-CNN for real time disease detection in sustainable farming 2025-Jul-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10537-6 PMID:40659733	研究论文	该研究提出了一种新型深度学习框架AttCM-Alex，用于在具有挑战性的环境条件下增强植物病害的检测和分类	通过结合卷积操作与自注意力机制，AttCM-Alex有效解决了光照强度和图像噪声的变化问题，确保了稳健的性能	研究未提及在更广泛或不同种类的植物病害上的泛化能力	提高植物病害的早期和准确检测，以支持可持续农业和全球粮食安全	植物病害	计算机视觉	植物病害	深度学习	混合Transformer-CNN	图像	NA
63	2025-07-18	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Jul-14, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了人工智能驱动的液体活检在胃肠道癌症早期检测中的进展	利用AI技术（如机器学习和深度学习）提高液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探讨人工智能在胃肠道癌症早期检测中的应用及其潜力	胃肠道癌症（GICs）	精准医学	胃肠道癌症	液体活检（ctDNA、循环肿瘤细胞、exoRNA、肿瘤教育血小板）	机器学习（ML）、深度学习（DL）	生物标志物数据（ctDNA、exoRNA等）	NA
64	2025-07-18	AFTG-Net: A Deep Attention-based Fusion Framework of Topological and Gradient Features for Pathological Image Analysis 2025-Jul-11, Research square DOI:10.21203/rs.3.rs-6710077/v1 PMID:40671798	research paper	本研究提出了一种基于注意力机制的深度学习框架AFTG-Net，用于骨骼肌病理图像的分类，结合了几何和拓扑描述符以提高分类准确性	AFTG-Net创新性地结合了拓扑数据分析（TDA）和梯度方向直方图（HOG）特征，采用交叉加权融合方法自适应平衡异构特征的贡献	研究仅针对ALS和I型糖尿病两种疾病进行了验证，未涵盖其他肌肉病理变化	开发一种自动化工具以提高骨骼肌病理图像分析的准确性和效率	WGA染色的骨骼肌组织病理图像（来自野生型和疾病模型）	digital pathology	amyotrophic lateral sclerosis, diabetes	Topological Data Analysis (TDA), Histogram of Oriented Gradients (HOG)	AFTG-Net (attention-based deep learning framework)	image	WGA染色的骨骼肌图像（来自野生型、G93A*SOD1 ALS模型和Akita I型糖尿病模型）
65	2025-07-18	The REgistry of Flow and Perfusion Imaging for Artificial INtelligEnce with PET (REFINE PET): Rationale and Design 2025-Jul-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.07.10.25330435 PMID:40672503	研究论文	介绍了一个名为REFINE PET的国际多中心注册表，旨在整合全球医院的PET和CT图像与临床数据，以促进PET/CT MPI在诊断和风险分层中的应用	建立了首个整合PET和CT图像与临床数据的国际多中心注册表REFINE PET，并应用深度学习和定量工具进行数据分析	数据来源仅限于14个站点，未来需要更多站点和患者数据的加入以提高研究的广泛性	推进PET/CT MPI在心血管疾病诊断和风险分层中的应用	35,588名患者及其PET和CT图像数据	数字病理学	心血管疾病	PET, CT, 深度学习	DL	图像, 临床数据	35,588名患者来自14个站点
66	2025-07-18	Deep learning reconstruction enhances bone visualization in zero echo time MRI for cervical spondylosis: A prospective study 2025-Jul-10, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112310 PMID:40669257	研究论文	本研究评估了基于深度学习的重建技术在零回波时间MRI中改善图像质量和减少扫描时间的应用	首次将深度学习重建技术应用于零回波时间MRI，显著提高了图像质量并减少了62%的扫描时间	样本量相对较小（43例患者），且仅针对颈椎病患者进行研究	评估深度学习重建技术在零回波时间MRI中的应用效果	43例术前颈椎病患者	医学影像分析	颈椎病	零回波时间MRI（ZTE MRI）	深度学习重建（DLR）	MRI图像	43例术前颈椎病患者
67	2025-07-18	Deep learning for predicting myopia severity classification method 2025-Jul-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01416-2 PMID:40634962	研究论文	本文提出了一种结合深度可分离卷积和动态卷积优势的深度学习模型X-ENet，用于分类不同严重程度的近视	结合深度可分离卷积和动态卷积，实现轻量化处理并提高分类准确率	NA	提高近视筛查效率	眼底图像	计算机视觉	近视	深度学习	X-ENet（结合深度可分离卷积和动态卷积）	图像	NA
68	2025-07-18	Circulating tumor cell detection in cancer patients using in-flow deep learning holography 2025-Jul-09, ArXiv PMID:40671945	研究论文	本文介绍了一种结合数字全息显微镜和深度学习的循环肿瘤细胞检测系统，提高了检测的灵敏度和特异性	整合了微流控富集、深度学习和双模态成像技术，显著提高了循环肿瘤细胞的检测能力，尤其是对EpCAM阴性的肿瘤细胞	研究样本量较小（13名前列腺癌患者和8名健康对照），需要更大规模的验证	开发一种高灵敏度、高特异性的循环肿瘤细胞检测方法，用于癌症的早期检测和疾病监测	循环肿瘤细胞（CTCs）	数字病理学	前列腺癌	数字全息显微镜（DHM）、微流控技术、免疫荧光分析	深度学习模型	图像	13名晚期前列腺癌患者和8名健康对照
69	2025-07-18	A Digital Twin Framework for Adaptive Treatment Planning in Radiotherapy 2025-Jul-09, ArXiv PMID:40671956	研究论文	本文提出了一种用于前列腺立体定向体部放射治疗（SBRT）中快速在线自适应质子治疗计划的数字孪生（DT）框架	该框架整合了基于深度学习的多图谱可变形图像配准、通过锥形束CT（CBCT）每日更新患者解剖结构以及基于知识的计划质量评估，显著减少了重新优化时间并提升了治疗精度	研究样本量较小，仅基于43例前列腺SBRT病例，可能限制结果的普遍性	开发一种数字孪生框架，以提高前列腺SBRT中自适应质子治疗的效率和精度	前列腺癌患者，特别是具有显性前列腺内病变（DIL）增强的患者	数字病理	前列腺癌	锥形束CT（CBCT）、深度学习	深度学习	医学影像	43例前列腺SBRT病例
70	2025-07-18	DGAT: A Dual-Graph Attention Network for Inferring Spatial Protein Landscapes from Transcriptomics 2025-Jul-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.05.662121 PMID:40672156	研究论文	提出了一种名为DGAT的双图注意力网络，用于从转录组学数据推断空间蛋白质景观	DGAT通过构建整合转录组、蛋白质组和空间信息的异构图，利用图注意力网络学习RNA-蛋白质关系，从而从仅含转录组学的空间转录组数据中预测蛋白质表达	NA	从仅含转录组学的空间转录组数据中预测蛋白质表达，以弥补空间转录组技术缺乏蛋白质水平测量的不足	空间转录组数据	机器学习	癌症（包括乳腺癌、胶质母细胞瘤和恶性间皮瘤）	空间转录组技术（ST）、空间CITE-seq	双图注意力网络（DGAT）	转录组和蛋白质组数据	公共和内部数据集（包括扁桃体、乳腺癌、胶质母细胞瘤和恶性间皮瘤）
71	2025-07-18	Psychometric Evaluation of Large Language Model Embeddings for Personality Trait Prediction 2025-Jul-08, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75347 PMID:40627556	研究论文	本研究评估了大语言模型（LLM）嵌入在人格特质预测中的心理测量效度及其与传统特征工程方法的比较	首次在心理测量效度框架下系统评估LLM嵌入，并探索其与语言和情感标记的相关性，同时比较了不同模型大小的效果	心理测量效度测试显示中等可靠性（平均Cronbach α为0.63），且需要进一步研究微调策略以增强心理测量效度	评估LLM嵌入在人格特质预测中的应用，并验证其作为人格评估工具的心理测量效度	来自PANDORA大五人格数据集的100万条Reddit帖子	自然语言处理	NA	LLM嵌入生成、双向LSTM模型训练、心理语言学特征提取	RoBERTa、BERT、OpenAI、双向LSTM	文本	100万条Reddit帖子
72	2025-07-18	Prediction of water quality parameters and pollution exceedance analysis in typical rivers of semi-arid regions based on interpretable deep learning models 2025-Jul-08, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126801 PMID:40639737	研究论文	本文提出了一种可解释的注意力门控循环单元（AT-GRU）模型，用于半干旱地区典型河流的水质参数预测和污染超标分析	结合水质、气象和水文数据，提出了一种可解释的深度学习模型AT-GRU，提高了预测准确性和结果透明度	模型在高污染条件下对气象因素的敏感性较低	提高半干旱地区水质预测的准确性和可解释性，支持针对性污染控制和早期预警	半干旱大黑河流域的水质、气象和水文数据	机器学习	NA	深度学习	AT-GRU（注意力门控循环单元）	水质、气象和水文数据	NA
73	2025-07-18	Enhancing sequence alignment of adaptive immune receptors through multi-task deep learning 2025-Jul-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf651 PMID:40650972	research paper	本文介绍了一种名为AlignAIR的新型深度学习对齐器，用于提高免疫球蛋白序列对齐的准确性	利用先进的模拟方法和多任务学习框架，显著提高了等位基因分配准确性、生产力评估、序列分割和速度	未提及具体的数据集或实验限制	提高免疫球蛋白序列对齐的准确性，以促进适应性免疫研究和抗体工程	免疫球蛋白（Ig）序列	machine learning	NA	AIRR-seq	multi-task deep learning	sequence data	未提及具体样本数量
74	2025-07-18	Joint processing of long- and short-read sequencing data with deep learning improves variant calling 2025-Jul-08, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101107 PMID:40669457	研究论文	本研究通过结合长读长和短读长测序数据，利用深度学习改进变异检测	首次提出使用混合DeepVariant模型联合处理Illumina和Nanopore数据，用于种系变异检测	研究仅基于七个健康个体的数据，样本规模较小	提高种系变异检测的准确性，降低测序成本	七个健康个体的Nanopore测序数据	机器学习	罕见遗传病	Nanopore测序, Illumina测序	DeepVariant	测序数据	七个健康个体的数据
75	2025-07-18	Effective generation of heavy-atom-free triplet photosensitizers containing multiple intersystem crossing mechanisms based on deep learning 2025-Jul-08, Chemical science IF:7.6Q1 DOI:10.1039/d5sc03192c PMID:40671753	研究论文	本文提出了一种基于深度学习的有效生成不含重原子的三重态光敏剂的方法，该方法包含多种系统间交叉机制	提出了一种结合片段模型和字符模型的新策略，用于生成具有多种系统间交叉机制的三重态光敏剂，显著提高了预测准确率	现有方法主要针对有限的三重态光敏剂子集，如热激活延迟荧光材料，忽略了高能级单重态和三重态之间的关键系统间交叉	开发一种基于深度学习的方法，用于设计和发现新型三重态光敏剂，以应用于光动力疗法	三重态光敏剂	机器学习	癌症	深度学习	条件Transformer、循环神经网络、强化学习	化学数据	约1.90×10的三重态光敏剂数据集
76	2025-07-18	Revisiting Centiloids using AI 2025-Jul-08, Research square DOI:10.21203/rs.3.rs-7015694/v1 PMID:40671806	研究论文	本研究提出了一种名为DeepSUVR的深度学习方法，用于校正淀粉样蛋白（Aβ）PET定量中的Centiloid标度	通过惩罚训练过程中不合理的纵向轨迹，DeepSUVR提高了示踪剂之间的相关性，减少了Aβ阴性样本的变异性，并在认知关联、视觉读取的AUC以及研究间纵向一致性方面表现最佳	NA	提高淀粉样蛋白（Aβ）PET定量的准确性和一致性，以支持一致的决策制定和检测临床干预中的细微和早期变化	淀粉样蛋白（Aβ）PET扫描数据	数字病理学	老年疾病	PET扫描	深度学习	图像	训练数据来自2,098名参与者（6,762次Aβ PET扫描），验证数据来自10,543名参与者的15,806次Aβ PET扫描，涵盖10个外部数据集
77	2025-07-17	Multi-task machine learning reveals the functional neuroanatomy fingerprint of mental processing 2025-Jul-05, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.30.569385 PMID:40631327	研究论文	利用多任务深度学习模型揭示七种不同心理过程的功能神经解剖学指纹	首次提出并验证了心理过程具有独特且可靠的功能神经解剖学指纹	研究仅针对七种代表性心理过程，未涵盖所有可能的心理活动	探索心理过程的神经机制基础	人类心理过程的功能神经解剖学基础	机器学习	NA	功能磁共振成像(fMRI)	多任务深度学习模型	神经影像数据	来自美国和中国的1235名受试者
78	2025-07-18	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-Jul-03, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	研究论文	本研究提出了一种多模态深度学习方法M-REGLE，用于从互补的电生理波形模态中挖掘遗传关联，以改善心血管特征的遗传预测	提出M-REGLE方法，通过联合学习多模态生理波形的低维表示并进行GWAS分析，相比单模态学习方法能识别更多遗传位点并显著提升心脏表型预测性能	NA	利用多模态AI技术提升心血管特征的遗传预测能力	多模态生理波形数据（如PPG和ECG）	机器学习	心血管疾病	GWAS, 卷积变分自编码器	M-REGLE, CNN	生理波形数据	多个生物银行的数据集（具体数量未明确说明）
79	2025-07-18	Multimodal deep learning integration of cryo-EM and AlphaFold3 for high-accuracy protein structure determination 2025-Jul-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.03.663071 PMID:40631196	研究论文	本文介绍了一种名为MICA的多模态深度学习方法，结合冷冻电镜和AlphaFold3预测的蛋白质结构，以提高蛋白质结构建模的准确性	提出了一种全新的多模态深度学习框架MICA，首次在输入和输出层面结合冷冻电镜密度图和AlphaFold3预测结构，显著提高了蛋白质结构建模的准确性和完整性	NA	提高从冷冻电镜密度图自动构建高精度蛋白质结构的准确性	蛋白质结构	计算生物学	NA	冷冻电镜(cryo-EM), AlphaFold3	多任务编码器-解码器架构, 特征金字塔网络	冷冻电镜密度图, 蛋白质结构预测数据	NA
80	2025-07-18	optiGAN: a deep learning-based alternative to optical photon tracking in Python-based GATE (10+) 2025-Jul-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade2b5 PMID:40490001	研究论文	本文介绍了一种基于生成对抗网络（GAN）的optiGAN模型，用于加速GATE医学物理框架中的光学光子传输模拟	提出optiGAN模型作为传统光学蒙特卡洛模拟的高效替代方案，显著减少计算时间同时保持高建模精度	未提及具体应用场景下的性能限制或潜在误差来源	加速医学物理框架中的光学光子传输模拟	GATE医学物理模拟框架中的光学光子传输过程	医学物理	NA	GAN	GAN	模拟数据	未明确说明具体样本量，但进行了与GATE v9.3的对比验证