深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
10001	2025-06-03	Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324146 PMID:40445972	研究论文	提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI	采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性	仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力	提高药物-靶点相互作用预测的准确性和可解释性	药物和蛋白质的相互作用	机器学习	NA	深度学习	SSCPA-DTI (基于注意力机制的模型)	序列数据(SMILES序列和蛋白质序列)	三个公共数据集	NA	NA	NA	NA
10002	2025-06-03	Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321770 PMID:40445983	研究论文	本研究提出了一种基于深度学习的方法，通过改进CycleGAN-M和YOLOv8s-KEF模型来提高苹果叶病害的识别准确率	使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病变和复杂纹理	模型大小增加了6MB，可能影响部署效率	提高苹果叶病害的识别准确率，解决数据集有限、样本量小和识别精度低的问题	苹果叶病害	计算机视觉	植物病害	深度学习	CycleGAN-M, YOLOv8s-KEF	图像	NA	NA	NA	NA	NA
10003	2025-06-03	ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322405 PMID:40446004	研究论文	提出了一种名为ArsenicNet的融合Xception模型，用于高效检测砷污染引起的皮肤疾病	结合Xception模型与Inception模块的深度学习架构，在砷皮肤疾病检测中表现出优越性能	数据集样本量较小（仅1287个样本），且仅基于孟加拉国人群	开发高效准确的砷皮肤疾病检测方法	砷污染引起的皮肤疾病	计算机视觉	皮肤疾病	深度学习	Xception与Inception模块融合的CNN	图像	1287张基于孟加拉国人群的皮肤图像	NA	NA	NA	NA
10004	2025-06-03	Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321559 PMID:40446012	研究论文	本文提出了一种基于分割的深度2D-3D多分支学习方法，用于高效的高光谱图像分类	提出了一种新颖的多层多分支2D-3D CNN模型，结合了SPCA和mRMR技术，能够分层处理不同重要性的特征	未明确提及具体局限性，但可能涉及计算复杂性和模型泛化能力	解决高光谱图像分类中的数据冗余、计算成本高、样本不足和维度诅咒等问题	高光谱图像中的土地覆盖物体分类	计算机视觉	NA	Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR)	2D-3D CNN	高光谱图像	Salinas Scene、University of Pavia和Indian Pines高光谱图像数据集	NA	NA	NA	NA
10005	2025-10-06	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文全面综述了深度学习在超声定位显微镜中的多样化应用及其未来发展前景	首次系统梳理了基于稀疏微泡分布的深度学习在ULM中的应用，重点分析了微泡定位优化的多种网络架构和问题建模方法	当前方法仍存在计算复杂度高、对高浓度微泡适应性有限等挑战	探索深度学习技术在超声定位显微镜中的创新应用以提升成像性能	超声定位显微镜成像中的微泡信号和血管结构	医学影像分析	心血管疾病	超声定位显微镜	深度学习	超声图像	NA	NA	NA	图像质量，处理时间	NA
10006	2025-10-06	VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3463188 PMID:39292568	研究论文	提出基于VoxelMorph的深度学习运动校正方法，用于改善脊髓超声定位显微镜成像质量	首次将VoxelMorph深度学习框架应用于脊髓超声定位显微镜的运动校正，有效补偿刚性和非刚性运动	未明确说明样本数量和研究人群特征	提高脊髓血管超声定位显微镜成像的分辨率和微血管重建质量	脊髓血管微循环系统	医学影像分析	脊髓损伤	超声定位显微镜(ULM)	深度学习	超声图像序列	NA	VoxelMorph	VoxelMorph	平均绝对误差	NA
10007	2025-10-06	Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3488729 PMID:39480714	研究论文	提出一种基于深度学习的功率感知可调加权方法，用于改善超声微血管成像质量	提出Yformer混合架构结合卷积和Transformer，引入可调噪声控制因子实现像素级加权，在保持低计算成本的同时提升成像质量	模型仅使用大鼠脑部数据集训练，在其他器官上的泛化能力需进一步验证	开发一种深度学习后滤波方法以提升超声微血管成像质量	超声微血管成像，包括超快功率多普勒成像和超声定位显微镜	医学影像处理	血管疾病	超声平面波传输，延迟求和波束成形	CNN, Transformer	超声图像	四个不同数据集：公共模拟数据、公共大鼠脑部数据、私有大鼠脑部数据、私有大鼠肝脏数据	NA	Yformer（卷积与Transformer混合架构）	结构相似性指数	NA
10008	2025-10-06	ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3388102 PMID:38607709	研究论文	提出结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，实现从少量超声帧生成超分辨率图像的快速超声定位显微成像	首次将多分支CNN与递归Transformer结合用于超声定位显微成像，显著减少数据采集时间和计算时间	NA	开发快速超声定位显微成像方法，突破成像质量、采集时间和处理速度之间的权衡限制	微血管成像	医学影像处理	NA	超声定位显微镜(ULM)	CNN, Transformer	超声图像	数值模拟和体内实验	NA	多分支CNN, 递归Transformer	空间分辨率, 数据采集时间减少倍数, 计算时间减少倍数	NA
10009	2025-06-03	Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes 2024-Dec, Proceedings of machine learning research PMID:40443560	research paper	该研究提出了一种在动态治疗策略下估计条件治疗效果时量化深度学习模型中不确定性的方法	首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗策略下的条件治疗效果估计	研究使用了模拟数据集和单一真实世界数据集（脓毒症数据），可能限制了结果的普遍性	改进动态治疗策略下条件治疗效果的估计，并量化模型不确定性	动态治疗策略下的治疗效果	machine learning	sepsis	variational dropout, deep ensembles	deep learning	clinical data	两个模拟数据集和一个真实世界脓毒症数据集	NA	NA	NA	NA
10010	2025-10-06	Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity 2024-11-15, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00542 PMID:39495623	研究论文	本研究通过比较平衡与不平衡训练集对深度学习模型预测CRISPR sgRNA活性的影响	首次系统评估平衡训练集对CRISPR sgRNA活性预测模型性能的影响，并验证合成sgRNA数据增强方法的有效性	研究主要基于CRISPR-Cas12a和Cas9系统的酵母数据，在其他生物系统中的普适性需进一步验证	提高CRISPR sgRNA活性预测的准确性	CRISPR系统的sgRNA序列	机器学习	NA	CRISPR-Cas筛选	CNN,LLM	基因序列数据	基于酵母CRISPR-Cas12a筛选数据生成的数据集	NA	卷积神经网络,大语言模型	预测准确性	NA
10011	2025-10-06	Modal-nexus auto-encoder for multi-modality cellular data integration and imputation 2024-10-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53355-6 PMID:39424861	研究论文	提出Modal-nexus自编码器用于多模态细胞数据整合与插补	利用模态间调控关系和模态内对比学习增强细胞表征，支持非配对多模态数据整合与跨模态插补	未明确说明模型的计算复杂度与可扩展性限制	开发深度学习方法来有效整合和插补非配对多模态单细胞数据	多模态单细胞数据	机器学习	NA	单细胞多组学技术	自编码器, 对比学习	单细胞多模态数据	多个数据集（未指定具体样本量）	NA	Modal-nexus Auto-Encoder (Monae), Monae-Extension (Monae-E)	准确性, 鲁棒性	NA
10012	2025-10-06	Computational Synthetic Biology Enabled through JAX: A Showcase 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00307 PMID:39230510	研究论文	本文展示了JAX计算框架在计算合成生物学中的实用价值，通过三个示例项目证明其加速研究的能力	首次系统展示JAX在计算生物学领域的应用潜力，提供可复现的Jupyter笔记本教程	JAX在计算生物学领域仍处于探索阶段，应用范围有限	推广JAX框架在合成生物学和定向进化等计算生物学领域的应用	基因网络优化、细胞内动力学模拟、定向进化	计算生物学	NA	数学建模、GPU加速计算	机制模型、随机模型、数据驱动模型、AI模型	模拟数据	NA	JAX	NA	NA	GPU
10013	2025-10-06	Retinal vasculature of different diameters and plexuses exhibit distinct vulnerability in varying severity of diabetic retinopathy 2024-Jun, Eye (London, England) DOI:10.1038/s41433-024-03021-4 PMID:38514853	研究论文	本研究使用OCTA图像分析不同直径视网膜血管在糖尿病视网膜病变中的密度变化	首次基于血管直径分层（<10μm、10-20μm、>20μm）分析视网膜浅层和深层血管复合体在糖尿病视网膜病变中的特异性脆弱性	样本量在不同严重程度组间分布不均，研究为横断面设计无法确定因果关系	探究不同直径视网膜血管在糖尿病视网膜病变进展中的特异性变化模式	854名受试者的854只眼睛，包括健康对照和不同严重程度的糖尿病视网膜病变患者	数字病理	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习	医学图像	854只眼睛（健康对照555例，无DR 90例，轻中度NPDR 96例，重度NPDR 42例，PDR 71例）	NA	NA	血管密度，p值	NA
10014	2025-10-06	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文系统综述了无需源数据的无监督领域自适应方法的技术发展与分类	首次从技术角度系统分类白盒与黑盒SFUDA方法，并分析各类方法的优势与挑战	作为综述文章未提出新的算法模型	解决源数据不可访问情况下的领域自适应问题	无监督领域自适应方法	机器学习	NA	深度学习	NA	多领域数据	NA	NA	NA	NA	NA
10015	2025-10-06	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	本研究利用卷积神经网络分析对比增强磁共振成像的骨骼小腿肌肉灌注模式，以区分外周动脉疾病患者与匹配对照组	首次将3D卷积神经网络应用于基于CE-MRI的骨骼小腿肌肉灌注模式分析，用于外周动脉疾病的自动分类	样本量较小（仅56名参与者），模型准确率有待提升（最高75%）	开发基于深度学习的自动诊断方法，用于外周动脉疾病的检测和分类	外周动脉疾病患者（36例）和匹配对照组（20例）的骨骼小腿肌肉	计算机视觉	外周动脉疾病	对比增强磁共振成像	CNN	3D医学影像	56名参与者（36例PAD患者，20例对照组）	NA	resNet, divNet	准确率, 特异性	NA
10016	2025-10-06	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	开发深度学习算法利用基线和纵向结构测量预测青光眼患者视野进展	首次将连体神经网络与ResNet-152结合，使用系列视盘照片和基线视网膜神经纤维层厚度预测视野进展	单中心回顾性研究，需要进一步外部验证	预测青光眼患者的视野进展风险	青光眼患者	计算机视觉	青光眼	光学相干断层扫描(OCT)	Siamese Neural Network, CNN	图像	3,079只眼(1,765名患者)用于训练，427只眼用于测试	NA	ResNet-152	AUC	NA
10017	2025-10-06	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	研究论文	开发基于深度学习的AI模型用于前列腺癌分期CT中骨病变的检测、分割和良恶性分类	开发了集成两个自动化深度学习AI模型的系统，分别用于骨病变检测分割和良恶性分类，并与放射科医生性能进行比较	回顾性研究，样本量相对有限（297例CT扫描），需要额外验证	开发自动化AI系统用于前列腺癌分期CT中骨病变的检测和分类	前列腺癌患者的分期CT扫描中的骨病变	医学影像分析	前列腺癌	CT影像分析	深度学习模型	CT影像	297例分期CT扫描（81例转移性），包含4601个良性病变和1911个转移性病变	NA	3DAISeg, 3DAIClass	Dice相似系数, F1-score, 准确率, PPV, NPV	NA
10018	2025-10-06	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	开发了一个混合自然语言处理系统，用于从临床文本中自动提取抗癌治疗和RECIST响应信息	提出了一个结合机器学习和规则方法的混合NLP系统，专门用于提取和关联抗癌治疗与RECIST响应信息	治疗与RECIST响应关联的F1分数为0.66，表明系统性能仍有提升空间	自动化从电子健康记录中提取抗癌治疗和疗效评估信息，减少人工数据收集工作	临床笔记中的抗癌治疗信息和RECIST响应信息	自然语言处理	癌症	自然语言处理	BERT,深度学习,机器学习	临床文本	来自两个不同机构的独立测试集	NA	BioBERT, BioClinicalBERT	F1分数	NA
10019	2025-10-06	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	研究论文	本研究提出了一种基于U-Net的深度学习框架，用于增强LED光声成像系统的图像质量	首次将U-Net框架应用于LED光声成像系统，通过减少帧平均次数实现实时图像增强	会产生模糊结果且无法有效降低椒盐噪声	提高LED光声成像系统的信噪比和对比度	体外仿体模型和体内活体模型	医学影像处理	NA	光声成像	U-Net	图像	体外仿体和体内活体模型	NA	U-Net	信噪比	NA
10020	2025-10-06	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	研究论文	通过腹部CT影像生物标志物评估组织年龄，并探讨其与慢性疾病和死亡风险的关联	首次利用腹部CT影像中的肌肉、脂肪和骨骼生物标志物构建组织年龄评估模型，揭示组织年龄与慢性疾病和死亡风险的独立关联	研究人群仅限于美国中西部特定地区，可能限制结果的普适性	评估基于医学影像的身体成分指标在组织水平生物年龄评估中的应用价值	4900名20-89岁普通人群的腹部CT扫描数据	数字病理	老年疾病	计算机断层扫描(CT)	深度学习模型	医学影像	4900人	NA	NA	风险比(HR)	NA