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
861	2025-05-17	Wild horseshoe crab image denoising based on CNN-transformer architecture 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96218-w PMID:40185943	research paper	该论文提出了一种基于CNN-Transformer混合架构的野马蹄蟹图像去噪方法	结合多头转置注意力机制、门控机制和深度可分离卷积，优化了野马蹄蟹图像的去噪质量	NA	提高在复杂自然栖息地中拍摄的野马蹄蟹图像的去噪效果	野马蹄蟹的图像	computer vision	NA	图像去噪技术	CNN-Transformer混合模型	图像	NA
862	2025-05-17	GCN-BBB: Deep Learning Blood-Brain Barrier (BBB) Permeability PharmacoAnalytics with Graph Convolutional Neural (GCN) Network 2025-Apr-03, The AAPS journal DOI:10.1208/s12248-025-01059-0 PMID:40180695	research paper	该研究开发了一种基于图卷积神经网络（GCN）的深度学习模型，用于预测血脑屏障（BBB）渗透性，以辅助中枢神经系统（CNS）靶向药物开发	首次将图卷积神经网络（GCN）应用于BBB渗透性预测，并展示了其在分子图形表示上的优越性能	研究仅基于1924个分子的数据集，可能需要更大规模的数据验证模型的泛化能力	开发高精度的BBB渗透性预测模型，以加速CNS靶向药物的开发	小分子药物的BBB渗透性	machine learning	Alzheimer's Disease, 药物滥用, 胶质母细胞瘤	Graph Neural Networks (GNNs), 分子指纹	GCN	分子结构图	1924个分子
863	2025-05-17	CodonTransformer: a multispecies codon optimizer using context-aware neural networks 2025-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58588-7 PMID:40180930	研究论文	介绍了一种名为CodonTransformer的多物种密码子优化工具，利用上下文感知神经网络优化DNA序列的密码子使用	提出了CodonTransformer，一个基于Transformer架构的多物种深度学习模型，能够生成具有自然密码子分布特征的宿主特异性DNA序列	NA	开发一个能够优化DNA序列密码子使用的深度学习模型，以适应不同生物体的偏好	164种生物体的超过100万对DNA-蛋白质序列	机器学习	NA	深度学习	Transformer	DNA序列和蛋白质序列	超过100万对DNA-蛋白质序列，来自164种生物体
864	2025-05-17	Genetically regulated eRNA expression predicts chromatin contact frequency and reveals genetic mechanisms at GWAS loci 2025-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58023-x PMID:40180945	research paper	该研究开发了增强子RNA的遗传调控表达模型，并利用深度学习预测三维染色质接触频率，揭示了其在复杂性状中的作用	利用增强子RNA的遗传调控表达预测染色质接触频率，并揭示其在GWAS位点的遗传机制	研究仅基于49种细胞和组织类型，可能无法涵盖所有情况	探索增强子RNA的遗传调控表达及其在疾病风险中的作用	增强子RNA和经典基因	基因组学	精神分裂症	Hi-C, TWAS, Mendelian randomization	深度学习模型	基因组数据	>70,000个DNA样本
865	2025-05-17	Linking sequence restoration capability of shuffled coronary angiography to coronary artery disease diagnosis 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95640-4 PMID:40181050	研究论文	本研究探讨了冠状动脉造影（CA）帧序列在冠状动脉疾病（CAD）诊断中的潜力，并开发了一种自监督深度学习模型来评估序列恢复能力	揭示了冠状动脉造影帧序列中的'序列价值'，并开发了一种自监督深度学习模型来自动评估这一能力	未提及具体样本量，可能影响结果的普遍性	探索冠状动脉造影帧序列在CAD诊断中的应用价值	冠状动脉造影帧序列	数字病理	心血管疾病	自监督深度学习	深度学习模型	图像序列	NA
866	2025-05-17	An enhanced CNN-Bi-transformer based framework for detection of neurological illnesses through neurocardiac data fusion 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96052-0 PMID:40181122	研究论文	提出了一种基于CNN-Bi-transformer的多模态深度学习框架，通过神经心脏数据融合预测精神疾病	结合MEG、EEG和ECG信号，利用CardioNeuroFusionNet模型实现多模态数据融合，提高了预测性能	未提及具体样本量及数据集的多样性限制	开发一种创新的方法来预测精神疾病，提高诊断准确性	癫痫、睡眠障碍、双相情感障碍、饮食障碍和抑郁症等精神疾病患者	机器学习	精神疾病	多模态深度学习	CNN-Bi-transformer (CardioNeuroFusionNet)	MEG、EEG和ECG信号	NA
867	2025-05-17	CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy 2025-Apr-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13926-2 PMID:40181353	research paper	该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和可解释性	通过将因果推理、因果发现与传统深度学习模型结合，增强了模型的解释性和诊断准确性	研究未提及模型在不同医疗设备或不同操作者采集的图像上的泛化能力	提高宫颈癌细胞的分类准确性和诊断效率，同时增强模型的可解释性	宫颈癌细胞图像	digital pathology	cervical cancer	deep learning	CNN	image	三个数据集（SIPaKMeD、Herlev和自收集的ShUCSEIT数据集）的宫颈细胞细胞病理学图像
868	2025-05-17	Deep learning assisted retinal microvasculature assessment and cerebral small vessel disease in Fabry disease 2025-Apr-03, Orphanet journal of rare diseases IF:3.4Q2 DOI:10.1186/s13023-025-03627-1 PMID:40181436	research paper	该研究利用深度学习评估法布里病患者的视网膜微血管参数，并分析其与脑小血管病相关脑损伤的相关性	首次使用深度学习辅助分析法布里病患者的视网膜微血管参数，并发现这些参数与脑小血管病评分显著相关	样本量较小（仅27名患者和27名对照），且为回顾性研究	评估法布里病患者的视网膜微血管变化及其与脑小血管病的相关性	法布里病患者和健康对照者的视网膜微血管参数	digital pathology	Fabry disease	deep learning	NA	image	27名法布里病患者和27名年龄性别匹配的健康对照者
869	2025-05-17	Tackling a textbook example of multistep enzyme catalysis with deep learning-driven design 2025-Apr-03, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.03.012 PMID:40185078	research paper	该研究利用深度学习技术设计出与天然酶相媲美的丝氨酸水解酶	首次通过深度学习设计出复杂且高效的丝氨酸水解酶，挑战了传统酶设计的局限性	未提及具体设计酶的催化效率或稳定性数据	探索深度学习在复杂多步酶催化设计中的应用	丝氨酸水解酶	machine learning	NA	deep learning	NA	NA	NA
870	2025-05-17	Hybrid deep learning model for density and growth rate estimation on weed image dataset 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86357-5 PMID:40175374	研究论文	本文提出了一种混合深度学习模型，用于杂草图像数据集中的密度和生长率估计	结合了SegNet和U-Net CNN模型的特征，提出了混合卷积神经网络模型（HCNN），并引入了四种不同的改进池化层以减少经典分割模型的池化层和损失函数	NA	通过深度学习模型提高杂草密度和生长率的估计精度，以帮助制定合适的杂草管理策略	杂草图像数据集中的杂草	计算机视觉	NA	深度学习	HCNN（混合CNN），SegNet，U-Net	图像	2100张杂草图像（包括500张原始数据集图像和1600张来自CWFID数据集的图像）
871	2025-05-17	Machine learning fusion for glioma tumor detection 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89911-3 PMID:40175410	研究论文	本文介绍了一种用于胶质瘤检测和分级的系统框架，通过分析脑部磁共振图像并利用深度学习模型进行分类	提出了一种融合机器学习的框架，能够高精度地分类胶质瘤，准确率达到99.21%	需要进一步的研究和验证以优化系统并确保其临床适用性	开发一种准确高效的脑肿瘤检测系统，以提升患者护理和生存率	脑部胶质瘤	数字病理学	脑肿瘤	磁共振成像（MRI）	深度学习模型	图像	NA
872	2025-05-17	Investigation on potential bias factors in histopathology datasets 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89210-x PMID:40175463	research paper	本文探讨了数字病理学数据集中潜在的偏差因素，特别是TCGA数据集中存在的站点特异性偏差	揭示了TCGA数据集中存在的站点特异性偏差，并分析了这种偏差对深度学习模型性能的影响	研究仅针对TCGA数据集和两种DNN模型进行分析，可能无法推广到其他数据集或模型	调查数字病理学数据集中潜在偏差因素的来源及其影响	TCGA数据集中的数字病理学图像	digital pathology	NA	deep learning	KimiaNet, EfficientNet	image	TCGA数据集中的样本
873	2025-05-17	Estimating strawberry weight for grading by picking robot with point cloud completion and multimodal fusion network 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92641-1 PMID:40175474	research paper	该研究提出了一种多模态点云补全方法和融合网络MMF-Net，用于草莓采摘机器人通过RGB-D图像准确估计草莓重量以实现分级	针对对称物体设计了多模态点云补全方法，并开发了融合点云和RGB图像特征的MMF-Net模型	仅针对对称物体（草莓）进行研究，方法在非对称物体上的适用性未验证	提高草莓采摘机器人通过视觉信息进行重量估计的准确性	草莓	computer vision	NA	RGB-D成像，点云处理	MMF-Net（融合EfficientNet和PointNet）	RGB-D图像，点云数据	1521组草莓RGB-D图像及其重量和尺寸测量数据
874	2025-05-17	Leveraging Fine-Scale Variation and Heterogeneity of the Wetland Soil Microbiome to Predict Nutrient Flux on the Landscape 2025-Apr-02, Microbial ecology IF:3.3Q2 DOI:10.1007/s00248-025-02516-1 PMID:40175811	research paper	研究利用湿地土壤微生物组的精细变异和异质性来预测景观尺度上的营养通量	通过高通量测序数据开发多样性图谱，将氮循环基因的功能基因拷贝数与测量的营养通量率联系起来，并利用微生物组合组成预测营养通量	NA	阐明湿地内和湿地间土壤细菌的模式，并预测营养通量	湿地土壤微生物组	微生物生态学	NA	高通量测序	深度学习模型	测序数据	土壤核心样本（0-5厘米表层土壤）
875	2025-05-17	Forecasting motion trajectories of elbow and knee joints during infant crawling based on long-short-term memory (LSTM) networks 2025-Apr-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01360-1 PMID:40176123	研究论文	本研究探讨了使用LSTM网络预测婴儿爬行运动轨迹的可行性，以促进爬行康复训练机器人的主动控制	首次将LSTM网络应用于预测婴儿爬行这一多变且复杂的运动轨迹，填补了该领域的研究空白	研究仅针对健康婴儿，未涉及运动障碍婴儿群体	探索LSTM网络在预测婴儿爬行轨迹中的应用，为康复训练机器人控制提供技术支持	20名健康婴儿（11男9女，8-15个月大）的肘关节和膝关节运动轨迹	机器学习	运动障碍	LSTM网络	LSTM	时间序列数据	20名健康婴儿的58,782个时间步数据
876	2025-05-17	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-Apr-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	本研究利用深度学习整合网络分析方法，揭示了阿尔茨海默病中Aβ与tau蛋白相互作用的新型调节因子	首次应用深度学习网络整合方法BIONIC，结合蛋白质组学和蛋白质相互作用数据，发现GPNMB+小胶质细胞对Aβ-tau相互作用的调节作用	研究主要基于ROSMAP队列数据，需要更多独立队列验证	揭示阿尔茨海默病中Aβ与tau蛋白相互作用的调节机制	阿尔茨海默病患者蛋白质组数据和蛋白质相互作用网络	数字病理学	阿尔茨海默病	蛋白质组学分析、蛋白质-蛋白质相互作用网络分析	深度学习模型(BIONIC)	蛋白质组数据、基因表达数据	ROSMAP队列数据(具体样本量未明确说明)
877	2025-05-17	Deep learning-based reconstruction and superresolution for MR-guided thermal ablation of malignant liver lesions 2025-Apr-02, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00869-x PMID:40176185	研究论文	本研究评估了深度学习增强的T1加权VIBE序列（DL-VIBE）在肝脏恶性肿瘤MR引导热消融过程中对图像质量和手术参数的影响	使用深度学习算法（DL-VIBE）对标准VIBE序列进行后处理，显著提高了图像质量并减少了处理时间	样本量较小（34例患者），且研究为回顾性设计	评估DL-VIBE在MR引导热消融手术中的图像质量和效率改进	34名接受MR引导微波消融治疗的肝脏恶性肿瘤患者	数字病理学	肝脏恶性肿瘤	MR-guided thermoablation, deep learning-enhanced T1-weighted VIBE sequences	深度学习算法	医学影像	34名患者（平均年龄65.4岁，13名女性）
878	2025-05-17	Deep learning in the precise assessment of primary Sjögren's syndrome based on ultrasound images 2025-Apr-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae312 PMID:38830044	research paper	本研究探讨了基于灰度超声图像的深度学习模型在原发性干燥综合征（pSS）精确评估和准确诊断中的价值	利用ResNet 50构建的深度学习模型在pSS诊断中表现优于传统放射科医生评估	样本量相对较小，仅包含特定时间段的患者和健康对照	评估深度学习模型在原发性干燥综合征诊断中的准确性和潜力	原发性干燥综合征患者和健康对照的超声图像	digital pathology	Sjögren's syndrome	灰度超声成像	ResNet 50	image	113名pSS患者和113名健康对照的864张开发集图像和164张验证集图像
879	2025-05-17	Zero Echo Time and Similar Techniques for Structural Changes in the Sacroiliac Joints 2025-Apr, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/s-0045-1802660 PMID:40164079	综述	本文探讨了基于MRI的合成CT（sCT）技术在评估骶髂关节结构变化中的潜在作用，特别是在轴向脊柱关节炎（axSpA）的背景下	介绍了合成CT（sCT）技术，该技术通过MRI数据生成类似CT的图像，结合了MRI和CT的优势，能够在无电离辐射的情况下同时评估炎症和结构病变	NA	探索MRI-based sCT在评估骶髂关节结构变化中的潜在作用，特别是在axSpA的早期检测和监测中	骶髂关节的结构变化，特别是在轴向脊柱关节炎（axSpA）患者中	数字病理学	脊柱关节炎	合成CT（sCT）、深度学习、零回波时间（ZTE）、超短回波时间（UTE）、梯度回波序列	NA	MRI和CT图像数据	NA
880	2025-05-17	Improved gated recurrent unit-based osteosarcoma prediction on histology images: a meta-heuristic-oriented optimization concept 2025-Apr-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85149-1 PMID:40169634	research paper	该研究提出了一种基于改进门控循环单元（IGRU）的深度学习方法来预测组织学图像中的骨肉瘤	使用改进的门控循环单元（IGRU）和鱼鹰优化算法（OOA）进行参数调优，以提高预测准确性	未提及具体的数据集大小或模型在其他数据集上的泛化能力	通过深度学习技术提高骨肉瘤的早期诊断和个体化治疗	骨肉瘤患者的组织学图像	digital pathology	osteosarcoma	Weiner filter, 2D Otsu's method, linear discriminant analysis (LDA)	improved gated recurrent unit (IGRU)	image	NA