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
981	2025-05-15	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-May-08, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112161 PMID:40359732	研究论文	评估在卒中MRI分析中排除不确定急性缺血性病变（AIL）病例对深度学习工具诊断效能的影响	揭示了排除不确定病例会导致诊断比值比被高估四倍，并识别了与不确定AIL相关的独立因素	单中心回顾性研究可能限制结果的普遍性	评估卒中MRI分析中的频谱偏倚及其影响因素	疑似卒中成年患者的脑部MRI数据	数字病理学	心血管疾病	脑部MRI分析	深度学习工具	医学影像	989名患者（中位年龄73岁，53%女性）
982	2025-05-15	The informativeness of the gradient revisited 2025-May-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107517 PMID:40359739	research paper	本文探讨了梯度信息在深度学习中的有效性，并提出了一个衡量梯度方差的一般性界限	提出了一个衡量梯度方差的一般性界限，并将其应用于Learning with Errors (LWE)映射和高频函数类	理论分析可能无法完全覆盖所有实际应用场景，实验部分仅针对特定类型的函数进行了验证	深入理解梯度信息在深度学习中的局限性	梯度信息的有效性及其在深度学习中的应用	machine learning	NA	NA	NA	NA	NA
983	2025-05-15	Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety 2025-May-07, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144678 PMID:40359792	综述	本文综述了智能手机集成的纳米酶技术在快速、现场食品安全分析中的应用及其进展	探讨了智能手机与纳米酶技术结合用于实时生物传感的潜力，以及与AI、ML、DL和3D打印技术结合的创新应用	存在提高灵敏度、实现多重检测和现场应用验证等关键挑战	推动智能食品安全系统的发展，实现实时和现场检测以确保食品质量和公共健康	食源性病原体、污染物和危害物	食品安全	NA	纳米酶技术、AI、ML、DL、3D打印	NA	实时生物传感数据	NA
984	2025-05-15	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文比较了深度学习分割模型在生物物理和生物医学数据上的表现	提供了四种常用深度学习架构在典型小规模训练数据集上的全面比较，并建立了确定每种模型最佳使用条件的标准	研究仅关注了四种特定模型架构，可能未涵盖所有相关模型	为生物物理学领域的研究人员和实践者提供选择最适合特定应用的深度学习架构的实用指南	四种深度学习架构（CNN、U-Nets、vision transformers和vision state space models）	生物物理学	NA	深度学习	CNN, U-Nets, vision transformers, vision state space models	生物物理和生物医学数据	典型的小规模训练数据集
985	2025-05-15	Deep learning-based image classification and quantification models for tablet sticking 2025-May-06, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125690 PMID:40339626	研究论文	本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化药片粘附现象	结合CNN和GLCM特征与支持向量机，开发了一种新型集成模型，用于分类和量化药片粘附	尽管模型能检测轻微粘附，但药片质量属性仍可能符合标准，暗示视觉检查和质量属性评估可能不足以检测所有粘附情况	提高药物片剂生产的效率和质量一致性，克服视觉检查的局限性	药物片剂的粘附现象	计算机视觉	NA	CNN, GLCM, 支持向量机	AlexNet, VGG 16, ResNet 50, GoogLeNet	图像	10批药片
986	2025-05-15	Deep learning-assisted 10-μL single droplet-based viscometry for human aqueous humor 2025-May-02, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117530 PMID:40359807	研究论文	本文介绍了一种基于深度学习的微流控粘度测量方法，用于测量10微升的人眼房水粘度	首次实现了对10微升人眼房水粘度的测量，并观察到个体间约30%的差异	未提及样本的具体数量或多样性限制	优化青光眼治疗中的微管分流器设计	人眼房水	生物医学技术	青光眼	微流控技术	深度学习	图像	10微升单滴样本
987	2025-05-15	Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109957 PMID:40090185	研究论文	本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性	提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集	在外部测试数据集上的性能有所下降（F1分数从81%降至68%）	开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统	12导联心电图数据	机器学习	心血管疾病	傅里叶变换、小波变换、互相关	eXtreme Gradient Boosting (XGBoost)	心电图信号	未明确提及具体样本数量，但使用了大规模心电图数据库
988	2025-05-15	Automatic pre-screening of outdoor airborne microplastics in micrographs using deep learning 2025-May-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125993 PMID:40090454	研究论文	本文提出了一种利用深度学习自动预筛选户外空气中微塑料的新方法	通过增强的U-Net模型（Attention U-Net和Dynamic RU-NEXT）及Mask R-CNN在低分辨率显微图像中识别和分类户外空气中的微塑料，创新性地将分类直接集成到基于U-Net的分割框架中，提高了计算效率	NA	提高户外空气中微塑料的识别和分类效率	户外空气中的微塑料	计算机视觉	NA	深度学习	Attention U-Net, Dynamic RU-NEXT, Mask R-CNN	图像	NA
989	2025-05-15	Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110002 PMID:40096767	research paper	提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率	利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力	研究仅验证了20名正常受试者的数据，样本量较小	提高胎儿健康监测的可及性和可靠性	胎儿和母亲的心率	machine learning	心血管疾病	Phonocardiography (PCG)	U-NetR, transformer	PCG信号	20名正常受试者，包括一例胎儿心动过速心律失常病例
990	2025-05-15	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	research paper	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像（WSI）的分类和识别，通过多尺度融合特征和语义相关性聚类实现跨域知识迁移	依赖于动物模型数据集，可能无法完全覆盖人类WSI的多样性	提高组织病理学图像分类的准确性，减少对人类WSI标注的依赖	人类全切片图像（WSI）和Minmice模型的组织病理学图像数据集	digital pathology	NA	无监督域适应方法，多尺度特征融合，语义相关性聚类	deep learning	image	NA
991	2025-05-15	Deep learning method for malaria parasite evaluation from microscopic blood smear 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103114 PMID:40107120	系统综述	本文系统综述了当前用于疟疾诊断中疟原虫自动分析的方法，特别关注计算机辅助方法	识别了最适合疟疾数字诊断的三类ML模型，并讨论了提高模型准确性的预处理和后处理技术	数据标准化和实际应用方面仍存在挑战	评估疟疾自动诊断的现状，提高诊断准确性并减少人为错误	疟原虫属在疟疾诊断中的自动分析方法	数字病理学	疟疾	Giemsa染色薄血涂片	ResNet, VGG, CNN, CADx	显微镜血液涂片图像	2020年至2024年的同行评审和已发表研究
992	2025-05-15	Diagnostic performance of deep learning-based coronary computed tomography angiography in detecting coronary artery stenosis 2025-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03383-0 PMID:40156689	research paper	验证一种基于冠状动脉计算机断层扫描血管造影（CCTA）的全自动深度学习模型，用于诊断阻塞性冠状动脉疾病（CAD）中狭窄≥50%的情况	提出了一种全自动深度学习模型，用于快速准确地识别冠状动脉狭窄≥50%的患者，显著提高了诊断效率	研究仅针对特定研究人群，未涉及更广泛的患者群体	验证深度学习模型在诊断冠状动脉狭窄中的性能	疑似冠状动脉疾病（CAD）患者	digital pathology	cardiovascular disease	CCTA	3D Multi-resolution Cascade CNN, 3D Cascade-Locally Optimized Network, Stenosis Analysis Network	image	1090名患者（平均年龄59.90±11.51岁，47.3%女性）
993	2025-05-15	Enhancing synchrotron radiation micro-CT images using deep learning: an application of Noise2Inverse on bone imaging 2025-May-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525001833 PMID:40167487	研究论文	该研究应用深度学习技术Noise2Inverse来增强同步辐射微CT图像，以解决低剂量CT成像中的噪声问题	首次将自监督深度学习方法Noise2Inverse应用于骨成像的低剂量同步辐射微CT图像降噪	在极低剂量（1/4和1/6）下网络结果出现失真，且测试设置中的数据采集噪声是影响方法可行性的主要问题	降低骨成像研究中低剂量CT的噪声，同时保持骨的力学特性	骨组织的同步辐射微CT图像	计算机视觉	NA	同步辐射微CT（SRµCT）	CNN	图像	模拟剂量数据集（全剂量、1/2、1/3、1/4和1/6剂量）
994	2025-05-15	Unsupervised Deep Learning for Blood-Brain Barrier Leakage Detection in Diffuse Glioma Using Dynamic Contrast-enhanced MRI 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240507 PMID:40172325	research paper	开发了一种无监督深度学习框架，用于在弥漫性胶质瘤中使用动态对比增强MRI检测血脑屏障渗漏	无需药代动力学模型和动脉输入函数估计，采用基于自编码器的异常检测方法识别异常信号	研究为回顾性研究，可能存在选择偏差	开发一种通用的血脑屏障渗漏检测方法	弥漫性胶质瘤患者	digital pathology	glioma	dynamic contrast-enhanced MRI	autoencoder	MRI image	274名患者
995	2025-05-15	AMPCliff: Quantitative definition and benchmarking of activity cliffs in antimicrobial peptides 2025-May-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.04.046 PMID:40318764	研究论文	本文介绍了AMPCliff，一个用于定量定义和基准测试抗菌肽（AMPs）中活性悬崖（AC）现象的方法	首次为抗菌肽中的活性悬崖现象提供了定量定义和基准测试框架，并评估了多种机器学习模型在此任务上的表现	当前基于深度学习的表征模型在预测抗菌肽活性悬崖方面仍有提升空间，特别是需要整合原子级动态信息以更准确捕捉抗菌肽特性	研究抗菌肽中活性悬崖现象的定量定义和预测方法	由标准氨基酸组成的抗菌肽（AMPs）	机器学习	NA	机器学习、深度学习、掩码语言模型、生成语言模型	ESM2、多种机器学习算法	肽序列数据	来自公开AMP数据集GRAMPA的金黄色葡萄球菌配对AMP基准数据集
996	2025-05-15	Deep learning-assisted analysis of single-particle tracking for automated correlation between diffusion and function 2025-May, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02665-8 PMID:40341204	research paper	介绍了一种名为DeepSPT的深度学习框架，用于快速高效地分析细胞内物体扩散的二维或三维时间行为	DeepSPT能够从分子和细胞器的扩散中自动提取功能信息，显著提高了分析效率	未提及具体的技术限制或应用范围的局限性	开发一种自动化工具，用于从细胞内物体扩散行为中提取功能信息	细胞内分子和细胞器的扩散行为	machine learning	NA	深度学习	NA	时间序列数据	未提及具体样本数量
997	2025-05-15	Predicting the structures of cyclic peptides containing unnatural amino acids by HighFold2 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf202 PMID:40350698	研究论文	本文介绍了一种名为HighFold2的新模型，用于准确预测含有非天然氨基酸的环肽的三维结构	HighFold2基于AlphaFold-Multimer框架，首次将预定义的刚性基团及其初始原子坐标从天然氨基酸扩展到非天然氨基酸，并引入额外的神经网络来表征肽的原子级特征，同时构建了基于不同环化约束的环肽相对位置编码矩阵	NA	推进基于环肽的药物发现，通过准确预测含有非天然氨基酸的环肽的三维结构	含有非天然氨基酸的环肽及其与蛋白质的复合物	机器学习	NA	深度学习	HighFold2（基于AlphaFold-Multimer框架）	蛋白质结构数据	NA
998	2025-05-15	An inherently interpretable AI model improves screening speed and accuracy for early diabetic retinopathy 2025-May, PLOS digital health DOI:10.1371/journal.pdig.0000831 PMID:40354306	研究论文	本文开发了一种内在可解释的深度学习模型，用于早期糖尿病视网膜病变的筛查，提高了筛查速度和准确性	提出了一种内在可解释的深度学习模型，直接在其网络架构中建模糖尿病视网膜病变的局部证据，超越了传统的黑盒模型和后解释技术	研究主要基于回顾性数据，前瞻性临床验证仍需进一步研究	开发一种内在可解释的AI模型，用于早期糖尿病视网膜病变的筛查和临床决策支持	糖尿病视网膜病变患者的眼底图像	数字病理	糖尿病视网膜病变	深度学习	DNN	图像	34,350张高质量眼底图像（训练集）+ 10个外部数据集（验证集）+ 65张带注释的图像（分析用）
999	2025-05-15	Exploring deep learning in phage discovery and characterization 2025-Apr-29, Virology IF:2.8Q3 DOI:10.1016/j.virol.2025.110559 PMID:40359589	review	本文探讨了深度学习在噬菌体发现和表征中的应用及其对噬菌体研究的革命性影响	介绍了神经网络算法和预训练语言模型（如BERT）在病毒宏基因组组装基因组（vMAGs）重建中的应用	讨论了基于深度学习的宏基因组算法的局限性	探索深度学习在噬菌体发现和表征中的应用及其潜力	噬菌体及其在细菌群体塑造、生物技术和医疗中的应用	machine learning	NA	深度学习、神经网络算法、预训练语言模型（如BERT）	BERT	metagenomic data	NA
1000	2025-05-15	EBMGP: a deep learning model for genomic prediction based on Elastic Net feature selection and bidirectional encoder representations from transformer's embedding and multi-head attention pooling 2025-Apr-19, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-04894-z PMID:40253568	研究论文	提出了一种基于Elastic Net特征选择和双向编码器表示转换器嵌入与多头注意力池化的深度学习模型EBMGP，用于基因组预测	结合Elastic Net特征选择、双向编码器表示转换器嵌入和多头注意力池化，显著提高了基因组预测的准确性和计算效率	未提及具体局限性	通过基因组预测加速育种程序，减少世代间隔	植物和动物的基因组数据	机器学习	NA	Elastic Net特征选择、双向编码器表示转换器嵌入、多头注意力池化	EBMGP	基因组数据	四个不同的植物和动物数据集