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
781	2025-07-19	Hybrid AI and semiconductor approaches for power quality improvement 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11116-5 PMID:40664937	研究论文	本研究提出了一种结合机器学习和深度学习与半导体技术的新方法，用于改善电能质量	整合了机器学习、深度学习和先进控制策略，通过数据驱动框架解决电能质量问题	深度学习模型计算量大，且处理不平衡数据集时存在挑战	通过混合AI和半导体技术改善电能质量	电能质量问题（电压暂降、暂升、谐波和瞬态干扰）	机器学习	NA	机器学习、深度学习	SVM、Random Forests、Neural Networks、CNN、LSTM	实时数据	NA
782	2025-07-19	Learning quality-guided multi-layer features for classifying visual types with ball sports application 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10058-2 PMID:40664935	研究论文	提出一种先进的感知深度学习框架，用于从大型X射线数据集中提取关键特征，以分类乳腺癌的不同阶段	提出了一种新的排序技术，在弱标注环境下识别与人类视觉判断最一致的关键图像块，并利用这些块提取有意义的特征	未提及具体的数据集规模或模型在不同数据集上的泛化能力	提高乳腺癌X射线图像分析的精确度，以辅助医疗诊断	乳腺癌X射线图像	计算机视觉	乳腺癌	深度学习，BING对象性度量，多类SVM分类器	深度学习框架，SVM	图像	大型乳腺癌图像数据集（具体数量未提及）
783	2025-07-19	Network-based intrusion detection using deep learning technique 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08770-0 PMID:40664956	研究论文	本文提出了一种结合序列深度神经网络和ReLU激活单元的新型深度学习解决方案，用于网络入侵检测	创新性地将基于ReLU的DNN与通过Extra Tree分类器进行的特征优化相结合，不仅解决了梯度消失和过拟合等常见问题，还大大提高了模型的可解释性和计算效率	NA	开发更有效和灵活的网络入侵检测系统	网络流量和攻击向量	机器学习	NA	深度神经网络(DNN), Extra Tree分类器	Sequential DNN	网络流量数据	UNSW-NB15数据集
784	2025-07-19	Developing angiogenesis-related prognostic biomarkers and therapeutic strategies in bladder cancer using deep learning and machine learning 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08945-9 PMID:40665008	研究论文	本研究利用深度学习和机器学习开发了与膀胱癌血管生成相关的预后生物标志物和治疗策略	构建了一个整合的机器学习系统来建立血管生成相关基因特征（ARGS），并利用人工智能驱动的药物设计技术开发了一种具有抗血管生成作用的天然化合物	未提及具体样本量或实验验证的详细数据	开发膀胱癌的预后生物标志物和治疗策略	膀胱癌（BLCA）患者	机器学习	膀胱癌	深度学习、机器学习、人工智能驱动的药物设计	NA	基因表达数据	NA
785	2025-07-19	Fetal-Net: enhancing Maternal-Fetal ultrasound interpretation through Multi-Scale convolutional neural networks and Transformers 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06526-4 PMID:40665017	研究论文	提出了一种名为Fetal-Net的新型深度学习架构，结合多尺度CNN和Transformer层，用于增强母胎超声图像的解释	整合了多尺度CNN和Transformer层，提供了一种综合解决方案，能够同时处理胎儿结构的识别和异常检测	虽然模型表现优秀，但可能仍需进一步验证在不同临床环境下的泛化能力	提升母胎超声图像的解释能力，以改善产前护理	胎儿结构和母胎超声图像	数字病理	NA	深度学习	CNN, Transformer	图像	超过12,000张超声图像
786	2025-07-19	Prediction of pathogenic mutations in human transmembrane proteins and their associated diseases via utilizing pre-trained Bio-LLMs 2025-Jul-15, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08452-7 PMID:40665056	研究论文	提出了一种名为MutDPAL的深度学习方法，专门用于识别膜蛋白中的致病突变并将其分类到特定的疾病类别	首次结合跨膜环境和疾病编码特征，进行细粒度的疾病分类，利用两个预训练的生物大语言模型(Bio-LLMs)分别提取原始序列特征和跨膜环境特征	未提及具体样本量或数据集的详细信息	预测人类跨膜蛋白中的致病突变及其相关疾病	人类跨膜蛋白中的错义突变	生物信息学	多种疾病（15种不同类别）	预训练的生物大语言模型(Bio-LLMs)	深度学习模型（基于交叉注意力的疾病-蛋白质关联学习方法）	蛋白质序列数据	NA
787	2025-07-19	Advanced finite segmentation model with hybrid classifier learning for high-precision brain tumor delineation in PET imaging 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09638-z PMID:40665069	研究论文	提出一种结合有限分割模型(FSM)和改进分类器学习(ICL)的新方法，用于提高PET图像中脑肿瘤分割的准确性	FSM-ICL框架整合了先进的纹理特征提取、基于深度学习的分类和自适应分割方法，显著提高了肿瘤与非肿瘤区域的区分精度	未来需要进一步优化方法以处理密集像素数据集	提高脑肿瘤在PET图像中的分割精度	脑肿瘤PET图像	数字病理	脑肿瘤	PET成像	FSM-ICL(有限分割模型与改进分类器学习的混合框架)	医学图像	1000张训练图像和426张测试图像
788	2025-07-19	An efficient deep learning based approach for automated identification of cervical vertebrae fracture as a clinical support aid 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10448-6 PMID:40665115	研究论文	本文提出了一种基于深度学习的混合迁移学习方法，用于自动识别和分类颈椎骨折	结合Inception-ResNet-v2和U-Net的上采样组件形成混合架构，显著提高了识别准确率	仅使用了公开的RSNA数据集，可能无法涵盖所有临床场景	开发自动化工具以辅助临床诊断颈椎骨折	颈椎CT扫描切片	数字病理学	颈椎骨折	CT扫描	Inception-ResNet-v2与U-Net混合模型	图像	2,984个测试CT扫描切片
789	2025-07-19	Integrating vision transformer-based deep learning model with kernel extreme learning machine for non-invasive diagnosis of neonatal jaundice using biomedical images 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08342-2 PMID:40665120	研究论文	提出一种结合视觉变换器深度学习模型与核极限学习机的非侵入性新生儿黄疸诊断方法	整合ViT和KELM模型，并采用ECOA算法优化超参数，实现了96.97%的高准确率	未提及模型在临床环境中的实际应用验证及跨设备泛化能力	开发基于先进方法的有效新生儿黄疸诊断系统	新生儿黄疸的医学图像数据	数字病理	新生儿黄疸	图像处理（Wiener滤波）、特征提取（ViT）、分类（KELM）	Vision Transformer (ViT), Kernel Extreme Learning Machine (KELM)	医学图像	黄疸图像数据集（具体数量未说明）
790	2025-07-19	A comparative study and simple baseline for travel time prediction 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02303-5 PMID:40665164	研究论文	本研究通过比较不同方法和技术，探讨了旅行时间预测（TTP）中各个步骤对预测准确性的影响，并提出了一种结合XGBoost和LSTM的基线模型	提出了一种通过门控网络动态分配权重的基线模型，结合了XGBoost和LSTM的互补优势，以适应稳定和波动的交通状况	研究仅基于台湾和加州的数据集，可能无法完全代表其他地区的交通状况	提高旅行时间预测的准确性，为驾驶员、管理员和货运公司等高速公路用户提供有效的行程规划	高速公路的旅行时间预测	机器学习	NA	深度学习、插值、最大值插补技术	LSTM、XGBoost	时间序列数据	来自台湾和加州的数据集
791	2025-07-19	Domain-incremental white blood cell classification with privacy-aware continual learning 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08024-z PMID:40665174	研究论文	本文提出了一种基于生成回放的持续学习策略，用于解决白细胞分类中的领域偏移和灾难性遗忘问题	采用轻量级生成器模拟历史数据，通过合成潜在表示实现隐私保护回放，有效缓解了基础模型在动态环境中的性能退化	实验仅使用了四个数据集和四种骨干模型，可能无法涵盖所有临床场景	开发一种能够在数据分布频繁变化的临床环境中保持可靠性能的白细胞分类方法	白细胞(WBC)分类	数字病理学	血液疾病	持续学习(CL)	ResNet50, RetCCL, CTransPath, UNI	图像	四个不同数据集
792	2025-07-19	Ultrafast T2-weighted MR imaging of the urinary bladder using deep learning-accelerated HASTE at 3 Tesla 2025-Jul-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01810-1 PMID:40665218	研究论文	本研究评估了结合深度学习重建的HASTE序列在3特斯拉磁共振上实现膀胱超快速成像的可行性	首次将深度学习重建技术应用于HASTE序列，显著提高了膀胱成像的速度和质量	DL-HASTE和HASTE序列对膀胱内尿液流动伪影较为敏感	评估深度学习加速HASTE序列在膀胱超快速成像中的应用价值	50名接受盆腔磁共振检查的患者	医学影像	泌尿系统疾病	HASTE磁共振序列、深度学习重建	深度学习模型（具体类型未说明）	医学影像数据	50名患者
793	2025-07-19	Deep learning-based delineation of whole-body organs at risk empowering adaptive radiotherapy 2025-Jul-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03062-z PMID:40665308	研究论文	本研究验证了深度学习模型在全身体积危及器官（OARs）自动勾画中的临床应用价值，包括勾画准确性、临床接受度和剂量学影响	首次构建并验证了覆盖全身体积的深度学习自动勾画模型，并系统评估了其剂量学影响	研究仅由一位经验丰富的放射肿瘤学家进行手动勾画对比，可能引入主观偏差	验证深度学习模型在全身体积危及器官自动勾画中的临床应用可行性	头颈部、胸部、腹部和盆腔的危及器官	数字病理	癌症（放射治疗相关）	深度学习	DL（未具体说明模型架构）	医学影像	未明确说明样本数量，涉及多个解剖区域（头颈部、胸部、腹部、盆腔）的OARs
794	2025-07-19	Deep learning-based detection of depression by fusing auditory, visual and textual clues 2025-Jul-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119860 PMID:40675260	research paper	该研究提出了一种基于人工智能的自动化抑郁症检测模型，融合了视觉、音频和文本线索，并在多种场景下验证了模型的性能	创新点在于开发了一个由GPT-2.0驱动的抑郁症症状询问聊天机器人，并设计了简短情感访谈任务作为补充，同时采用多头交叉注意力机制网络融合多模态特征	研究未进行纵向随访，且对重度抑郁症的适用性需要进一步研究	开发自动化抑郁症检测模型并验证其性能	抑郁症患者和健康对照者(HCs)	machine learning	geriatric disease	deep learning, GPT-2.0	multimodal fusion model with multi-head cross-attention mechanism	audio-video and textual data	内部验证集：152名抑郁症患者和118名HCs；外部验证集：55名抑郁症患者和45名HCs
795	2025-07-19	LUMEN-A Deep Learning Pipeline for Analysis of the 3D Morphology of the Cerebral Lenticulostriate Arteries from Time-of-Flight 7T MRI 2025-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121377 PMID:40675425	研究论文	开发了一个名为LUMEN的深度学习流程，用于从7T时间飞行磁共振血管成像中分析脑部豆纹动脉的三维形态	提出了一个半自动化的深度学习流程LUMEN，能够量化脑小血管病患者豆纹动脉的三维形态，相比传统二维分析提供了更全面的评估	研究样本量相对较小（69名受试者），且仅针对特定类型的脑小血管病	开发一个量化脑小血管病患者豆纹动脉三维形态的工具	脑部豆纹动脉的三维形态	数字病理	脑小血管病	7T时间飞行磁共振血管成像（TOF-MRA）	DS6, nnU-Net	MRI图像	69名脑小血管病患者
796	2025-07-19	Optimal Descriptor Subset Search via Chemical Information and Target Activity-Guided Algorithm for Antimicrobial Peptide Prediction 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00600 PMID:40528473	research paper	该研究提出了一种基于化学信息和目标活性引导的算法AExOp-DCS，用于优化抗菌肽（AMP）预测中的描述符子集搜索	引入AExOp-DCS算法作为自动特征域优化方法，通过化合物的化学结构和生物活性驱动，识别最优描述符集	基于浅层学习的AMP模型性能高度依赖于通过手动特征工程获得的描述符质量，可能因假设初始描述符集已完全捕获相关信息而遗漏关键信息	开发更高效的计算流程以促进抗菌肽的发现	抗菌肽（AMPs）	machine learning	NA	QSAR模型	shallow learning	protein sequence	NA
797	2025-07-19	Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00513 PMID:40528819	研究论文	该研究利用半经验量子化学方法生成模拟振动光谱，通过迁移学习在合成数据集上预训练深度学习模型，并在实验性拉曼光谱数据集上进行微调，以提高模型泛化能力	提出使用半经验量子化学方法生成合成拉曼光谱数据，用于预训练深度学习模型，解决了实际拉曼光谱数据不足的问题	研究仅针对细菌光谱数据进行了验证，未在其他类型样本上测试模型泛化能力	解决拉曼光谱数据不足导致的模型过拟合和泛化能力差问题	细菌拉曼光谱数据	生物光子学	NA	拉曼光谱技术、半经验量子化学方法	深度学习模型	光谱数据	小规模实验性拉曼光谱数据集
798	2025-07-19	Evaluation of Small-Molecule Binding Site Prediction Methods on Membrane-Embedded Protein Interfaces 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00336 PMID:40601846	研究论文	评估小分子结合位点预测方法在膜蛋白界面上的性能	比较了多种计算方法在膜蛋白内嵌区域的配体结合位点预测性能，并提供了最佳方法排名	所有方法的平均DCC和DVO值均低于可溶性蛋白数据集，表明在膜蛋白界面区域的预测仍有改进空间	评估和比较不同计算方法在膜蛋白内嵌区域的配体结合位点预测性能	GPCR和离子通道配体复合物	计算生物学	NA	几何基(Fpocket, ConCavity)、能量探针基(FTSite)、机器学习基(P2Rank, GRaSP)、深度学习基(PUResNet, DeepPocket, PUResNetV2.0)方法	深度学习(PUResNet, DeepPocket, PUResNetV2.0)	蛋白质结构数据	GPCR和离子通道配体复合物数据集
799	2025-07-19	Advancing Drug Discovery with Enhanced Chemical Understanding via Asymmetric Contrastive Multimodal Learning 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00430 PMID:40548496	研究论文	本文提出了一种名为非对称对比多模态学习（ACML）的新方法，旨在通过多模态深度学习增强分子理解并加速药物发现	引入非对称对比多模态学习（ACML），通过有效的信息传递和协调化学语义的融合，提升分子表示学习的效果	未提及具体的数据集规模限制或计算资源需求	通过多模态深度学习增强化学理解并加速药物发现	分子图表示和化学多模态数据	机器学习	NA	非对称对比学习、多模态学习	图神经网络（GNN）	分子图数据和多模态化学数据	使用了MoleculeNet和Therapeutics Data Commons（TDC）的数据集，但未提及具体样本数量
800	2025-07-19	Generative AI enables medical image segmentation in ultra low-data regimes 2025-Jul-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61754-6 PMID:40659619	研究论文	提出一种生成式深度学习框架，用于在极低数据量情况下生成高质量的图像-掩码对作为辅助训练数据，以改善医学图像分割性能	采用多级优化实现端到端数据生成，使分割性能指导生成过程，生成针对性强的训练数据	未明确说明在极端数据稀缺情况下的性能下限	解决医学图像分割在极低数据量情况下的性能问题	医学图像分割任务	数字病理	NA	生成式深度学习	生成式AI	医学图像	覆盖11个医学图像分割任务和19个数据集