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
8421	2025-05-12	Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data 2023-Dec-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.15.571938 PMID:38187601	研究论文	本研究评估了六种脑电图数据增强方法在基于深度学习的重度抑郁症诊断中的效用	引入了一个新的基线模型，该模型使用重复训练数据进行训练，以消除数据增强方法比较中的偏差，并发现通道丢弃增强方法能有效提升模型性能	研究结果仅限于特定数据集和模型，可能无法推广到其他情况	评估不同脑电图数据增强方法在重度抑郁症诊断中的效果	脑电图数据	机器学习	重度抑郁症	脑电图数据增强	深度学习模型	脑电图原始数据	NA
8422	2025-05-11	Food-derived DPP4 inhibitors: Drug discovery based on high-throughput virtual screening and deep learning 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143505 PMID:40015027	研究论文	本研究通过高通量虚拟筛选和深度学习技术，从食物来源中开发了六种改良化合物，作为治疗2型糖尿病的潜在候选药物	结合虚拟筛选、深度学习算法、ADMET特性评估和分子动力学模拟，发现并改良了六种食物来源的DPP-4抑制剂	未提及临床试验结果，仅进行了体外和计算机模拟评估	发现新型食物来源的DPP-4抑制剂用于治疗2型糖尿病	六种食物来源的DPP-4抑制化合物	药物发现	2型糖尿病	高通量虚拟筛选、深度学习算法、ADMET评估、分子动力学模拟	深度学习模型	化学化合物数据	六种化合物
8423	2025-05-11	A bioinspired microbial taste chip with artificial intelligence-enabled high selectivity and ultra-short response time 2025-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117264 PMID:39987654	研究论文	本文介绍了一种受生物启发的无线微流控微生物味觉芯片，结合人工智能技术，实现了高选择性和超短响应时间，用于实时水污染监测	利用基于GRU的深度学习算法，实现了对Cu、Pb和Cr的高达98.9%的分类准确率，响应时间缩短至48秒，比之前报道的最快速度提高了3.75倍	目前仅针对Cu、Pb和Cr三种重金属离子进行了验证，尚未扩展到其他污染物	解决微生物味觉芯片在选择性方面的挑战，并缩短响应时间，以实现更高效的实时水污染监测	水中的重金属离子（Cu、Pb、Cr）	人工智能与传感器技术	NA	微流控技术、GRU深度学习算法	GRU	时间序列电流数据	NA
8424	2025-05-11	Learning from leading indicators to predict long-term dynamics of hourly electricity generation from multiple resources 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107268 PMID:39987713	研究论文	该研究通过识别电网中的领先指标，提出了一种新的深度学习模型ALI-GRU，用于长期（长达一个月）协作电力发电预测	提出了ALI-GC模型用于全局能源源交互的综合建模，以及ALI-GRU模型用于长期电力发电预测，并在大规模实时预测场景中表现出强适应性	未提及具体局限性	通过长期预测多资源和多区域的电力发电，帮助实现电力平衡并为目标调整创造足够的缓冲	美国2018年至2024年的区域级每小时电力发电数据	机器学习	NA	深度学习	ALI-GRU, GRU	时间序列数据	美国2018年至2024年的区域级每小时电力发电数据
8425	2025-05-11	Taylor-dingo optimized RP-net for segmentation toward Alzheimer's disease detection and classification using deep learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108359 PMID:39987743	research paper	提出了一种名为RP-Net_TaylorDOX-based DNFN的新方法，用于通过深度学习对阿尔茨海默病进行检测和分类	结合了泰勒级数和Dingo优化器开发了泰勒Dingo优化器（TaylorDOX），用于优化RP-Net的参数，并利用深度卷积神经网络（DCNN）和深度神经模糊网络（DNFN）进行AD检测和严重程度分类	未提及样本来源的具体细节或数据集的多样性	通过深度学习提高阿尔茨海默病的诊断和分类准确性	阿尔茨海默病患者的大脑图像	digital pathology	geriatric disease	deep learning, image segmentation, feature extraction, data augmentation	RP-Net, DCNN, DNFN	image	NA
8426	2025-05-11	Fragment-level feature fusion method using retrosynthetic fragmentation algorithm for molecular property prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108985 PMID:40009893	research paper	提出了一种基于逆合成碎片算法的片段级特征融合方法（RFA-FFM），用于分子性质预测	RFA-FFM通过整合多视角分子表示，对比两种逆合成方法生成的片段化学信息，并在分子层次结构的不同级别融合化学信息，从而提升分子性质预测的准确性	当前方法可能仍无法完全捕捉分子的所有复杂特性，且实验仅在有限的数据集上进行了验证	提高分子性质（如毒性和血脑屏障通透性）的预测准确性，以加速药物开发	分子及其片段	machine learning	hepatitis B	graph contrastive learning (GCL), self-supervised learning (SSL)	RFA-FFM	molecular graphs	四个分类基准数据集和乙型肝炎病毒数据集
8427	2025-05-11	A novel deep learning model combining 3DCNN-CapsNet and hierarchical attention mechanism for EEG emotion recognition 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107267 PMID:40010290	研究论文	提出了一种结合3DCNN-CapsNet和分层注意力机制的新型深度学习模型HA-CapsNet，用于EEG情绪识别	首次将3DCNN-CapsNet与分层注意力机制结合，同时捕捉通道间相关性和各频段贡献，胶囊网络相比传统CNN能提取更多空间特征信息	未提及模型在实时性方面的表现以及在更广泛EEG数据集上的泛化能力	提升EEG信号情绪识别的准确性和鲁棒性	人类EEG信号	机器学习	NA	深度学习	3DCNN-CapsNet结合分层注意力机制	EEG信号	DEAP和DREAMER数据集（具体数量未提及）
8428	2025-05-11	Advertising or adversarial? AdvSign: Artistic advertising sign camouflage for target physical attacking to object detector 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107271 PMID:40010291	研究论文	提出一种名为AdvSign的艺术广告标志伪装方法，用于在物理环境中对目标物体检测器进行对抗攻击	利用艺术图案（如品牌标志和广告标志）设计对抗性广告标志，增强攻击的隐蔽性和不可追踪性	实验主要在模拟环境（CARLA自动驾驶模拟器）中进行，真实环境中的效果可能有所不同	开发一种在物理环境中对物体检测器进行对抗攻击的隐蔽且难以追踪的方法	物体检测器，尤其是自动驾驶场景中的目标检测模型	计算机视觉	NA	对抗训练	YOLOv5	图像	模拟环境中的合成场景图像和真实环境中的打印AdvSign图像
8429	2025-05-11	CNN-Transformer and Channel-Spatial Attention based network for hyperspectral image classification with few samples 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107283 PMID:40010294	研究论文	提出了一种基于CNN-Transformer和通道-空间注意力的网络CTA-net，用于小样本高光谱图像分类	结合CNN-Transformer模块提取局部和非局部特征，并采用通道-空间注意力模块优化特征，同时提出样本扩展方案缓解样本不足问题	未明确提及在极端环境或特殊场景下的泛化能力	解决小样本条件下高光谱图像分类的难题	高光谱图像	计算机视觉	NA	深度学习	CNN-Transformer混合模型	高光谱图像	多个高光谱图像数据集（未明确具体数量）
8430	2025-05-11	APD-FFNet: A Novel Explainable Deep Feature Fusion Network for Automated Periodontitis Diagnosis on Dental Panoramic Radiography 2025-May-09, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf034 PMID:40343455	研究论文	本研究提出了一种名为APD-FFNet的新型可解释深度学习架构，用于在牙科全景X光片上自动诊断牙周炎	首次提出了一种专门用于牙周炎诊断的特征融合方法，结合了卷积和基于Transformer的层，并采用了可解释的人工智能技术	研究仅使用了337张全景X光片，样本量相对较小	开发一种自动化、可解释的牙周炎诊断方法	牙科全景X光片	数字病理学	牙周炎	深度学习	APD-FFNet（结合CNN和Transformer的混合模型）	图像	337张牙科全景X光片
8431	2025-05-11	Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities 2025-May-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3568282 PMID:40343828	review	本文首次综述了基于EEG的视觉分类与重建的深度学习方法，涵盖了特征编码与解码、基准数据集、实验范式、方法性能、方法论本质与神经科学见解以及未来趋势	首次对基于EEG的视觉分类与重建的深度学习方法进行全面综述，提出了方法论本质与神经科学见解的动态闭环互动与促进	未提及具体实验数据或样本量的限制	促进基于EEG的视觉分类与重建研究的进展	EEG信号及其在视觉分类与重建中的应用	机器学习	NA	EEG	深度学习	EEG信号	NA
8432	2025-05-11	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	research paper	提出了一种新颖的多任务协作框架，用于解决宫颈癌细胞分类中的类别相似性、单细胞与细胞簇之间的变异性以及注释准确性等问题	引入了分组细胞对比辅助分支、多级细胞分类辅助分支、图像重建辅助分支和软标签蒸馏辅助分支，以提升分类性能	未提及具体的数据集规模限制或模型泛化能力的详细评估	提升宫颈癌细胞分类的准确性和鲁棒性	宫颈癌细胞	digital pathology	cervical cancer	supervised contrastive learning, multi-task learning	multi-task collaborative framework	image	HSJCC, DSCC 和 SIPaKMeD 数据集
8433	2025-05-11	A Finetuning Deep Learning Framework for Pan-species Promoters with Pseudo Time Series Analysis on Time and Frequency Space 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出了一种名为ProTriCNN的深度学习方法用于启动子识别，并基于此开发了TransPro微调框架以提高跨物种识别性能	将启动子视为伪时间序列以捕捉其异质性，并利用进化树和时间-频率空间表示物种间差异	未明确提及具体局限性	提高跨物种启动子识别和分类的准确性	不同物种的启动子	生物信息学	NA	深度学习	ProTriCNN, TransPro	序列数据	未明确提及具体样本数量
8434	2025-05-11	Deep learning-based evaluation of the severity of mitral regurgitation in canine myxomatous mitral valve disease patients using digital stethoscope recordings 2025-May-08, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-025-04802-z PMID:40336065	研究论文	本研究利用深度学习模型评估犬类粘液瘤性二尖瓣疾病患者的二尖瓣反流严重程度	使用CNN6等深度学习模型通过数字听诊器录音评估二尖瓣反流严重程度，提供了一种快速、无创且可靠的替代方法	需要更广泛的临床验证和实时应用技术的研究	评估深度学习模型在犬类粘液瘤性二尖瓣疾病患者中评估二尖瓣反流严重程度的有效性	460只患有粘液瘤性二尖瓣疾病的犬类	数字病理学	心血管疾病	数字听诊器录音	CNN, PaSST, ResNet38	音频信号	460只犬类
8435	2025-05-11	Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images 2025-May-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11645-7 PMID:40341972	研究论文	本研究开发并外部验证了一个深度学习放射组学-临床（DLRSC）模型，用于预测晚期胆囊癌（GBC）患者对系统性治疗的反应	结合深度学习放射组学特征和临床因素构建预测模型，并通过梯度加权类激活映射分析提高结果的可解释性	研究样本来自四个机构，可能存在选择偏倚	预测晚期胆囊癌患者对系统性治疗的反应	晚期胆囊癌患者	数字病理	胆囊癌	多期增强CT成像	深度学习放射组学-临床（DLRSC）模型	医学影像	399名符合条件的GBC患者
8436	2025-05-11	nnU-Net-based high-resolution CT features quantification for interstitial lung diseases 2025-May-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11649-3 PMID:40341974	研究论文	开发了一种基于nnU-Net的高分辨率CT异常量化工具CVILDES，用于间质性肺疾病的定量评估	基于nnU-Net网络结构开发了新的高分辨率CT异常量化工具CVILDES，其定量参数与专家视觉评估结果高度一致	研究样本量相对较小（83例ILD和20例其他弥漫性肺疾病），需要更大规模验证	开发一种可靠的间质性肺疾病高分辨率CT定量评估工具	间质性肺疾病患者的高分辨率CT影像	数字病理	间质性肺疾病	高分辨率CT扫描	nnU-Net	医学影像	83例ILD患者和20例其他弥漫性肺疾病患者的HRCT扫描数据，以及临床验证队列中的51例IPAF和14例IPF患者
8437	2025-05-11	EEG-based neurodegenerative disease diagnosis: comparative analysis of conventional methods and deep learning models 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00292-z PMID:40335527	研究论文	该研究通过比较传统方法和深度学习模型，基于EEG信号进行神经退行性疾病（如痴呆症）的诊断	研究展示了深度学习模型（特别是1D和2D CNNs）在识别与神经退行性疾病相关的细微EEG信号模式上优于传统方法	在Dataset 3中表现不佳，表明需要针对特定数据集进一步优化模型	探索和比较不同方法在痴呆症早期诊断中的应用效果	EEG信号	机器学习	神经退行性疾病	EEG信号处理	Random Forest, 1D CNN, 2D CNN	EEG信号	三个不同的基准数据集，包含认知正常、额颞叶痴呆、轻度认知障碍和阿尔茨海默病等类别
8438	2025-05-11	A lightweight Deeplab V3+ network integrating deep transitive transfer learning and attention mechanism for burned area identification 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66060-7 PMID:40335537	研究论文	提出了一种基于Deeplab V3+的轻量级深度学习模型，结合注意力机制和深度传递迁移学习策略，用于从遥感图像中准确高效地识别烧伤区域	结合注意力机制和深度传递迁移学习策略，使用轻量级MobileNet V2网络集成CBAM作为骨干网络，替代传统耗时的Xception网络	样本量不足可能导致烧伤区域识别错误和边缘细节不连续	准确高效地从遥感图像中识别烧伤区域	遥感图像中的烧伤区域	计算机视觉	NA	深度传递迁移学习（DTTL）	Deeplab V3+, MobileNet V2, CBAM	遥感图像	WorldView-2和Sentinel-2数据集
8439	2025-05-11	MSLU-100K: A Large Multi-Source Dataset for Land Use Analysis in Major Chinese Cities 2025-May-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05047-z PMID:40335536	research paper	介绍了一个名为MSLU-100K的大型多源土地利用数据集，用于中国主要城市的土地利用分析	提出了一个结合人工标注和深度学习的多层次分类方法，确保数据质量，并提供了高质量样本以提升分类性能	未提及具体的数据收集和处理过程中可能存在的偏差或限制	构建高质量的土地利用数据集，以支持土地利用分类和识别研究	来自81个中国城市的超过100,000个不规则地块样本	地理信息系统	NA	深度学习	NA	遥感数据和POI数据	超过100,000个地块样本
8440	2025-05-11	Enhancing efficient deep learning models with multimodal, multi-teacher insights for medical image segmentation 2025-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91430-0 PMID:40335579	研究论文	提出了一种名为Teach-Former的新型知识蒸馏框架，用于高效的多模态医学图像分割	利用Transformer骨干网络和多教师模型的知识蒸馏，结合多模态输入（CT、PET、MRI）和中间注意力图，实现更精确的分割	未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力	开发高效的深度学习模型，以降低医学图像分割的计算需求	多模态医学图像（CT、PET、MRI）	数字病理学	NA	知识蒸馏（KD）	Transformer	医学图像	两个多模态数据集（HECKTOR21和PI-CAI22）