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
821	2025-07-10	Unwrapping non-locality in the image transmission through turbid media 2024-Jul-15, Optics express IF:3.2Q2 DOI:10.1364/OE.521581 PMID:39538508	研究论文	本文提出了一种全局注意力机制，用于解决浑浊介质中高保真图像传输的挑战	通过研究重建图像中的非局部性，开发了一种全局注意力机制，显著提升了图像重建性能	未明确说明该方法在其他类型介质或更复杂场景中的适用性	提高浑浊介质中图像传输的保真度和重建精度	通过浑浊介质传输的图像	计算机视觉	NA	深度学习	全局注意力机制	图像	NA
822	2025-07-10	Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589602 PMID:38659907	研究论文	本文提出了一种名为TrioTrain的新方法，用于扩展DeepVariant模型以适用于非人类基因组，特别是在家畜动物中，以提高变体检测的准确性	首次提出了一个多物种DeepVariant模型，通过TrioTrain方法自动化扩展模型至缺乏GIAB资源的物种，并采用区域洗牌技术优化SLURM集群的使用	受限于动物基因组的不完美标签	克服深度学习在非人类基因组应用中的限制，特别是在家畜动物中的变体检测	牛、牦牛和野牛的基因组	生物信息学	NA	DeepVariant, TrioTrain, 区域洗牌	DeepVariant	基因组数据	牛、牦牛和野牛的三重组合，共构建了30个模型迭代
823	2025-07-10	Screening of Moyamoya Disease From Retinal Photographs: Development and Validation of Deep Learning Algorithms 2024-03, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.044026 PMID:38258570	研究论文	本研究开发了一种深度学习模型，利用视网膜照片辅助诊断和确定烟雾病（MMD）的阶段	首次利用视网膜照片和深度学习算法进行烟雾病的筛查和分期预测	样本量相对较小，且为回顾性研究	开发一种基于视网膜照片的烟雾病筛查和分期预测方法	烟雾病患者和健康参与者的视网膜照片	数字病理学	烟雾病	深度学习	ResNeXt50	图像	498张视网膜照片来自78名MMD患者，3835张照片来自1649名健康参与者
824	2025-07-10	Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states 2023-09-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101189 PMID:37729872	research paper	该研究开发了一种空间感知的深度学习模型，用于分析肾透明细胞癌（ccRCC）的肿瘤和免疫特征，揭示了与免疫检查点抑制剂（ICI）反应相关的肿瘤异质性模式	通过深度学习模型识别出人眼无法观察到的肿瘤异质性模式，并发现这些模式与PBRM1功能缺失及患者预后相关	研究样本量虽大（1,102例患者），但可能仍需更多样本来验证模型的普适性	探索ccRCC的肿瘤异质性模式及其与免疫检查点抑制剂反应的关系	肾透明细胞癌（ccRCC）患者	digital pathology	kidney cancer	whole-slide imaging (WSI), multiplex immunofluorescence	deep learning	image	1,102例患者
825	2025-07-10	Neuron tracing from light microscopy images: automation, deep learning and bench testing 2022-12-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac712 PMID:36303315	综述	本文综述了从光学显微镜图像中自动追踪神经元形态的最新进展，特别是深度学习方法的应用	重点介绍了深度学习增强方法的最新进展，以及哺乳动物全脑单神经元追踪的半自动方法及其生成的大规模数据集	NA	帮助研究社区了解和选择神经元追踪工具及资源	神经元形态学	数字病理学	NA	光学显微镜成像	深度学习方法	图像	包含数千个完整神经元形态的数据集
826	2025-07-09	CnnBoost: a multilevel explainable stacked ensemble framework for effective detection of Myocardial Infarction from 12-lead ECG images using a transformational approach 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00357-3 PMID:40626266	研究论文	开发了一个可解释的机器学习框架CNNBoost，用于从12导联ECG图像中有效检测心肌梗死和其他心脏异常	提出了CNNBoost，一种多级可解释堆叠集成模型，结合CNN提取的空间特征和时间序列数据，通过XGBoost处理，提高了ECG分类的准确性和可解释性	研究使用的ECG图像数据来自南亚的健康中心，可能在其他地区或人群中的适用性有限	开发一个可解释的机器学习框架，用于自动分类心肌梗死和其他心脏异常	12导联ECG图像	数字病理	心血管疾病	CNN, XGBoost, SHAP	CNN, XGBoost	图像	公开可用的ECG图像数据集，包含四类：正常、异常、心肌梗死(MI)和既往MI病史
827	2025-07-09	Artificial intelligence models for predicting acute kidney injury in the intensive care unit: a systematic review of modeling methods, data utilization, and clinical applicability 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf065 PMID:40620479	系统综述	本文系统综述了ICU中急性肾损伤（AKI）预测的人工智能模型，评估了建模方法、数据利用策略及临床适用性，并提出了未来研究方向	全面评估了AKI预测模型的建模方法、数据利用和临床适用性，并识别了当前挑战及未来研究方向	大多数研究存在高偏倚风险，特别是在泛化性和临床适用性方面，且缺乏外部验证和动态建模	评估ICU中AKI预测的人工智能模型，并探讨其临床适用性	ICU患者中的急性肾损伤（AKI）	机器学习	急性肾损伤	机器学习、深度学习、动态预测框架	多种（包括机器学习和深度学习模型）	ICU特定数据	47项符合纳入标准的研究（从1305项筛选研究中）
828	2025-07-09	Deep Learning-Assisted Rapid Bacterial Classification Based on Raman Spectroscopy of Bacteria Lysed by Acoustically Driven Fiber-Tip Vibration 2025-Jul-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202507724 PMID:40625037	研究论文	本文介绍了一种基于声学驱动光纤尖端振动裂解细菌的拉曼光谱结合深度学习的快速细菌分类方法	采用声流体裂解技术结合拉曼光谱和深度学习，有效暴露细菌细胞内成分，显著提升拉曼光谱的特征表达和分类准确性	方法在七种细菌样本上验证，可能需要更多样本来验证其普适性	开发一种快速、准确的细菌病原体识别方法，以支持临床决策和对抗抗生素耐药性	细菌病原体	机器学习	细菌感染	表面增强拉曼光谱(SERS)、声流体裂解技术	ResNet	光谱数据	七种细菌样本
829	2025-07-09	Integrating Protein Language Models and Geometric Deep Learning for Peptide Toxicity Prediction 2025-Jul-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01073 PMID:40625100	研究论文	提出了一种名为PeptiTox的深度学习框架，结合蛋白质语言模型和几何深度学习，用于预测肽毒性	整合了蛋白质语言模型（PLMs）和几何深度学习，通过ESM2提取序列嵌入和ESMFold预测三维结构，再通过图神经网络（GNN）进行毒性分类，显著提升了预测性能	未提及具体的数据集规模或多样性限制	提高肽毒性预测的准确性，以促进更安全有效的肽类治疗药物的开发	肽的序列和结构	生物医学研究	NA	蛋白质语言模型（PLMs）、几何深度学习、图神经网络（GNN）	ESM2、ESMFold、GNN	序列数据、三维结构数据	NA
830	2025-07-09	Gesture recognition and response system for special education using computer vision and human-computer interaction technology 2025-Jul-08, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2527226 PMID:40625119	研究论文	本文提出了一种基于计算机视觉和人机交互技术的特殊教育手势识别与响应系统	结合多种深度学习架构（AlexNet、VGG19、ResNet和MobileNet）与机器学习算法（SVM和随机森林），并引入遗传算法进行模型压缩，显著提升了系统在资源受限设备上的适用性	未来研究需要扩展手势库、整合多模态输入（如语音）并通过持续学习机制增强系统适应性	提升特殊教育中的人机交互体验，为残障人士提供辅助工具	手势识别系统	计算机视觉	NA	深度学习、机器学习、遗传算法	AlexNet、VGG19、ResNet、MobileNet、SVM、随机森林	手势数据	多样化的手势数据集，涵盖不同光照条件、用户人口统计特征和生理差异
831	2025-07-09	Fast MR signal simulations of microvascular and diffusion contributions using histogram-based approximation and recurrent neural networks 2025-Jul-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30629 PMID:40626426	研究论文	提出了一种新型的MR信号模拟工具MR-WAVES，用于高效考虑微血管结构和水分扩散效应	结合深度学习方法，显著加速了MR信号模拟过程，同时保持了准确性	未提及在临床环境中的实际应用验证	提高MRI技术中微血管结构和水分扩散效应的模拟效率和准确性	MR信号模拟	医学影像处理	NA	深度学习	RNN	MR信号数据	NA
832	2025-07-09	Deep Learning-Based Classification of NSCLC-Derived Extracellular Vesicles Using AFM Nanomechanical Signatures 2025-Jul-08, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02009 PMID:40626500	研究论文	该研究利用原子力显微镜（AFM）和深度学习技术对非小细胞肺癌（NSCLC）来源的细胞外囊泡（EVs）进行纳米力学特征分类	首次展示了基于纳米力学的NSCLC来源EVs分类方法，并整合深度学习和AFM图像分析提升诊断性能	样本变异性问题未完全解决，且需在临床样本中进一步验证性能	开发一种非侵入性诊断工具，用于NSCLC的精准诊断	非小细胞肺癌（NSCLC）亚型（A549、PC9、PC9/GR）和非肿瘤性支气管上皮细胞（BEAS-2B）来源的细胞外囊泡（EVs）	数字病理学	肺癌	原子力显微镜（AFM）	DenseNet	图像	NSCLC亚型（A549、PC9、PC9/GR）和非肿瘤性支气管上皮细胞（BEAS-2B）来源的EVs
833	2025-07-09	Deep Learning in Antimicrobial Peptide Prediction 2025-Jul-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00530 PMID:40626654	综述	本文综述了深度学习在抗菌肽预测中的研究基础、应用模型及面临的挑战	重点介绍了基础模型、语言模型、图相关模型及其他混合和多模态模型在抗菌肽预测中的应用，并通过经典深度学习模型进行对比验证	讨论了数据平衡、数据增强、环肽和可解释性等方面的挑战	探索深度学习在抗菌肽预测中的应用，以解决抗生素耐药性问题	抗菌肽（AMPs）	机器学习	NA	深度学习	基础模型、语言模型、图相关模型、混合和多模态模型	NA	NA
834	2025-07-09	Event-Driven Taxonomy (EDT) Screening: Leveraging Effect-Based Spectral Libraries to Accelerate Semiquantitative Nontarget Analysis of AhR Agonists in Sediment in the Era of Big Data 2025-Jul-08, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c07344 PMID:40626791	研究论文	本文提出了一种基于事件驱动分类法（EDT）的筛选策略，用于快速识别和半定量沉积物中的非目标生物活性污染物	开发了EDT-Screening策略，整合了分馏、生物测定、识别和定量于一步，并嵌入了两种新型基于效应的光谱库，提高了识别准确性和检测范围	研究仅以AhR活性为例，可能不适用于其他生物活性污染物的识别	加速效应导向分析（EDA）和非目标筛查（NTS）工作流程，提高环境风险评估效率	沉积物中的非目标生物活性污染物，特别是AhR激动剂	环境科学	NA	LC-HRMS, 深度学习	深度学习	质谱数据	NA
835	2025-07-09	A Meta-Analysis of the Diagnosis of Condylar and Mandibular Fractures Based on 3-dimensional Imaging and Artificial Intelligence 2025-Jul-08, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011622 PMID:40627036	meta-analysis	本文通过文献回顾和荟萃分析，研究了基于3D影像和人工智能辅助方法在髁突和下颌骨骨折快速准确分类与诊断中的应用现状	探讨了3D影像技术和人工智能在髁突骨折诊断中的创新应用，特别是深度学习模型在骨折检测和分类中的成功案例	面临数据质量、模型可解释性和临床验证等挑战，需要更多多中心研究验证AI在不同临床环境中的应用	评估人工智能在下颌骨骨折诊断中的准确性和实用性，促进其在颌面外科中的广泛应用	髁突骨折和下颌骨骨折	digital pathology	maxillofacial fracture	3-dimensional computed tomography (CT), deep learning	deep learning models	3D images	NA
836	2025-07-09	A fully automated deep learning framework for age estimation in adults using periapical radiographs of canine teeth 2025-Jul-08, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03558-3 PMID:40627040	研究论文	提出了一种基于深度学习的两步流程框架，用于通过犬齿根尖X光片自动估计成人年龄	使用YOLOv8-Nano模型进行牙齿检测，并结合四种CNN架构进行年龄估计，展示了高精度的牙齿检测和年龄预测能力	结合性别信息并未提升模型性能，且不同犬齿间的预测准确性无显著差异	开发一个自动化工具，用于法医调查中的年龄估计	犬齿的根尖X光片	计算机视觉	NA	深度学习	YOLOv8-Nano, ResNet-18, DenseNet-121, EfficientNet-B0, MobileNetV3	图像	2587张X光片，来自1004名患者（691名女性，313名男性）
837	2025-07-09	Deep learning 3D super-resolution radiomics model based on Gd-enhanced MRI for improving preoperative prediction of HCC pathological grading 2025-Jul-08, Abdominal radiology (New York) DOI:10.1007/s00261-025-05085-6 PMID:40627133	研究论文	本研究开发了一种基于深度学习的3D超分辨率放射组学模型，用于提高肝细胞癌（HCC）术前病理分级的预测准确性	利用深度学习的三维超分辨率技术从常规分辨率HBP图像中获取超分辨率图像，提高了放射组学模型的预测性能	样本量相对有限（197例患者），且仅基于单一医疗中心的数据	评估基于深度学习的3D超分辨率MRI放射组学模型在预测HCC病理分级中的可行性和有效性	肝细胞癌（HCC）患者	数字病理	肝癌	3D超分辨率技术、放射组学分析	梯度提升（Gradient Boosting）、轻量级梯度提升机（LightGBM）、支持向量机（SVM）	MRI图像	197例HCC患者（训练集157例，测试集40例）
838	2025-07-09	Monochromatic LeafAdaptNet (MLAN): an adaptive approach to spinach leaf disease detection using monochromatic imaging 2025-Jul-08, World journal of microbiology & biotechnology IF:4.0Q2 DOI:10.1007/s11274-025-04442-3 PMID:40627236	research paper	本文提出了一种名为Monochromatic LeafAdaptNet (MLAN)的自适应方法，用于通过单色成像检测菠菜叶病害	基于DenseNet-121-DO模型开发了Custom Monochromatic LeafAdaptNet (MLAN)，用于菠菜叶病害的高精度检测与分类	未提及模型在其他作物或不同环境条件下的泛化能力	提高菠菜叶病害的检测与分类精度，减少农药使用并提升农业产量	菠菜叶（包括半菠菜、咖喱叶、鼓槌叶和生菜叶）	computer vision	植物病害	深度学习目标检测	DenseNet-121-DO, Custom Monochromatic LeafAdaptNet (MLAN)	图像	未明确提及具体样本数量，但涉及多种菠菜叶类型
839	2025-07-09	MTMedFormer: multi-task vision transformer for medical imaging with federated learning 2025-Jul-08, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03404-z PMID:40627238	研究论文	提出了一种基于Transformer的多任务医学影像模型MTMedFormer，结合联邦学习解决医学影像分析中的数据隐私和大规模数据需求问题	首次将Transformer架构与多任务学习结合用于医学影像分析，并提出新型贝叶斯联邦学习方法	仅在乳腺X光片和肺炎数据集上进行了验证，未在其他医学影像领域测试	开发能够同时处理多个医学影像分析任务且保护数据隐私的深度学习模型	医学影像数据（乳腺X光片和肺炎影像）	数字病理学	乳腺癌和肺炎	联邦学习(FL)和多任务学习(MTL)	Transformer	医学影像	NA
840	2025-07-09	A novel UNet-SegNet and vision transformer architectures for efficient segmentation and classification in medical imaging 2025-Jul-08, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01564-8 PMID:40627277	研究论文	提出了一种结合UNet、SegNet和视觉Transformer的混合深度学习模型，用于医学图像的高效分割和分类	整合了CAE、UNet和SegNet架构的优势，并引入了动态特征融合和混合帝王企鹅优化器(HEPO)进行特征选择，以及HyViT-CE用于分类任务	未提及模型在计算资源消耗和实时性方面的表现	解决医学图像中由于低对比度、噪声和不规则解剖形状导致的复杂结构准确分割和分类问题	脑肿瘤MRI、乳腺超声和胸部X光图像	数字病理	脑肿瘤、乳腺癌、胸部疾病	深度学习	UNet、SegNet、Vision Transformer	医学影像(MRI、超声、X光)	三个主要数据集(具体数量未提及)