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
1041	2025-06-07	Advanced data-driven interpretable analysis for predicting resistant starch content in rice using NIR spectroscopy 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144311 PMID:40334489	研究论文	本研究提出了一种结合近红外光谱(NIR)和卷积神经网络(CNN)的创新数据驱动框架，用于快速、经济高效地预测大米中的抗性淀粉(RS)含量	创新性地将CNN与数据增强技术结合，并利用SHAP方法解释模型，显著提高了预测精度并缩小了关键波长范围	深度学习模型的'黑箱'特性虽然通过SHAP得到部分解释，但可能仍存在其他未被发现的局限性	开发一种快速、经济高效的大米抗性淀粉含量预测方法	大米中的抗性淀粉(RS)	机器学习	NA	近红外光谱(NIR)	CNN	光谱数据	NA
1042	2025-06-07	Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144649 PMID:40349518	综述	本文综述了机器学习和深度学习模型在超声波辅助新型溶剂提取植物活性成分中的应用进展	利用机器学习和深度学习模型解决超声波辅助提取中的挑战，包括加速新型溶剂筛选、促进活性成分发现、优化复杂提取过程、深入分析提取机制以及实时监控超声波设备	模型可解释性、数据集标准化和工业可扩展性等挑战	推动超声波辅助提取技术的智能化转型	植物活性成分	机器学习	NA	超声波辅助提取(UAE)	机器学习和深度学习模型	NA	NA
1043	2025-06-07	Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144678 PMID:40359792	review	本文综述了智能手机集成的纳米酶技术在食品安全快速现场检测中的应用及其进展	探讨了智能手机与纳米酶技术结合用于实时生物传感的创新点，以及与AI、ML、DL和3D打印技术结合的潜力	讨论了提高灵敏度、实现多重检测和现场应用验证等关键挑战	旨在推动智能食品安全系统的发展，实现实时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、食品添加剂、营养素及有害残留物（如农药和兽药）	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
1044	2025-06-07	Digital image-based chemometrics for food analysis: a practical tutorial and roadmap 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144531 PMID:40367821	综述	本文综述了数字图像在食品分析中的应用，提供了从单变量方法到多变量分类/校准方法的路线图，并通过三个案例研究展示了其在食品安全和质量方面的潜力	介绍了混合颜色描述符、色度图、深度学习架构和时间分辨RGB成像等最新进展，提高了这些技术在食品科学中的稳健性和适用性	该领域面临关键挑战，特别是缺乏方法学标准化，文献中多样化的应用证明了这一点	开发食品质量控制中的分析方法	食品	化学计量学	NA	数字图像处理	深度学习架构	图像	NA
1045	2025-06-07	EffiCOVID-net: A highly efficient convolutional neural network for COVID-19 diagnosis using chest X-ray imaging 2025-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.008 PMID:40252941	research paper	提出了一种名为EffiCOVID-Net的高效卷积神经网络，用于通过胸部X光影像诊断COVID-19	EffiCOVID-Net结合了多样化的特征学习单元，采用包含(3×3)滤波器和循环连接的EffiCOVID块，以提取复杂特征同时保持空间完整性	该模型最适合作为辅助工具而非独立的诊断方法	开发一种高效且准确的深度学习模型，用于COVID-19的早期诊断	COVID-19患者的胸部X光影像	computer vision	COVID-19	deep learning	CNN	image	两个公开可用的COVID-19胸部X光数据集
1046	2025-06-07	Computational models for prediction of m6A sites using deep learning 2025-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.011 PMID:40268153	研究论文	本文综述了基于机器学习和深度学习的m6A位点预测方法，并在基准数据集上验证了多种深度学习方法的有效性	验证了多种深度学习方法在m6A位点预测中的应用，包括专门为生物序列设计的预训练模型和其他基础深度学习方法	未提及具体的数据集规模或实验细节，可能影响结果的普适性	准确识别m6A修饰位点，以理解其功能和潜在机制	真核生物mRNA中的N6-甲基腺苷(m6A)修饰位点	机器学习	NA	深度学习	预训练模型和其他基础深度学习方法	生物序列数据	NA
1047	2025-06-07	Motion-Compensated Multishot Pancreatic Diffusion-Weighted Imaging With Deep Learning-Based Denoising 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001148 PMID:39823511	研究论文	本文提出了一种结合运动补偿扩散编码梯度(MCGs)和深度学习去噪的多重扩散加权成像(msDWI)方法，用于改善胰腺DWI的图像质量和定量准确性	创新点在于结合了CODE生成的MCGs和深度学习去噪技术，以减少运动伪影并最小化回波时间损失	样本量较小(22例患者)，且研究仅在一家机构进行	提高胰腺扩散加权成像(DWI)的图像质量和定量准确性	胰腺	医学影像	胰腺疾病	多重扩散加权成像(msDWI)、运动补偿扩散编码梯度(MCGs)、深度学习去噪	深度学习	MRI图像	22例患者
1048	2025-06-07	Learning to Explore Sample Relationships 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	research paper	本文提出了一种名为BatchFormerV1和BatchFormerV2的模块，用于增强深度神经网络在学习样本关系方面的能力	提出了BatchFormer模块，使深度神经网络能够以可学习的方式探索样本关系，并进一步扩展到像素/补丁级别的密集表示	探索实例级关系对密集预测的影响有限，且训练和测试阶段存在不一致性	解决深度学习在数据稀缺情况下的样本关系探索问题	深度神经网络中的样本关系	computer vision	NA	deep learning	BatchFormerV1, BatchFormerV2	image	超过十个流行数据集
1049	2025-06-07	Hard-Aware Instance Adaptive Self-Training for Unsupervised Cross-Domain Semantic Segmentation 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552484 PMID:40100655	research paper	提出了一种用于无监督跨域语义分割的硬感知实例自适应自训练框架	开发了一种新颖的伪标签生成策略，包含实例自适应选择器和硬感知伪标签增强，以及区域自适应正则化	未明确提及具体限制	解决标记训练数据与未标记测试数据之间的差异问题，提升无监督域适应（UDA）在语义分割任务中的性能	语义分割任务中的跨域数据	computer vision	NA	self-training, unsupervised domain adaptation (UDA)	NA	image	GTA5 → Cityscapes, SYNTHIA → Cityscapes, Cityscapes → Oxford RobotCar 数据集
1050	2025-06-07	Generating Inverse Feature Space for Class Imbalance in Point Cloud Semantic Segmentation 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553051 PMID:40106253	research paper	提出了一种名为InvSpaceNet的网络框架，通过生成逆特征空间来缓解点云语义分割中数据不平衡导致的认知偏差	设计了双分支训练架构，结合实例平衡采样数据的特征表示和逆采样数据的认知校正，生成逆特征空间以优化分割性能	未明确提及具体限制，但可能依赖于特定数据集和计算资源	解决点云语义分割中数据不平衡导致的认知偏差问题	点云数据	computer vision	NA	深度学习	InvSpaceNet	点云	四个大型基准数据集（S3DIS, ScanNet v2, Toronto-3D, SemanticKITTI）
1051	2025-06-07	GDRNPP: A Geometry-Guided and Fully Learning-Based Object Pose Estimator 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553485 PMID:40117145	research paper	介绍了一种完全基于学习的物体姿态估计器GDRNPP，通过几何引导的直接回归网络和姿态细化模块，实现了端到端的6D姿态估计	提出了一个完全基于学习的物体姿态估计器GDRNPP，无需依赖传统技术，实现了端到端的训练，并在精度和速度上超越了现有方法	NA	解决计算机视觉中刚性物体6D姿态估计的挑战，提高姿态估计的精度和速度	刚性物体的6D姿态	computer vision	NA	CNN	GDRN, GDRNPP	image	NA
1052	2025-06-07	ONNXPruner: ONNX-Based General Model Pruning Adapter 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3554560 PMID:40131753	research paper	提出了一种名为ONNXPruner的通用模型剪枝适配器，用于简化ONNX格式模型在不同深度学习框架和硬件平台上的剪枝过程	ONNXPruner通过节点关联树自动适应各种模型架构，并引入树级评估方法，提升了剪枝性能	未提及具体剪枝算法在不同模型上的性能对比	推动模型剪枝的实际应用	ONNX格式的深度学习模型	machine learning	NA	模型剪枝	ONNX格式模型	NA	多个模型和数据集
1053	2025-06-07	Towards Unified Deep Image Deraining: A Survey and a New Benchmark 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556133 PMID:40153286	综述	本文全面回顾了现有的图像去雨方法，并提供了一个统一的评估设置来评估它们的性能	构建了一个新的高质量基准HQ-RAIN，并建立了一个在线平台以促进去雨技术的复现和追踪	未提及具体方法的局限性	统一评估图像去雨方法的性能并推动该领域的发展	图像去雨方法及其评估	计算机视觉	NA	深度学习	NA	图像	5,000对高分辨率合成图像
1054	2025-06-07	Integrating prior knowledge with deep learning for optimized quality control in corneal images: A multicenter study 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108814 PMID:40319841	研究论文	本研究开发并评估了一种混合AI图像质量控制系统，用于分类裂隙灯图像，以提高诊断准确性和效率，特别是在远程医疗应用中	提出了一种新型网络HP-Net，结合了基于ResNet的分类分支和利用Hough圆变换及频域模糊检测的先验知识分支，增强了网络的表征能力和分类能力	研究主要针对裂隙灯图像，可能不适用于其他类型的医学图像	开发并评估一种混合AI图像质量控制系统，以提高裂隙灯图像的分类准确性和效率	裂隙灯图像	计算机视觉	眼科疾病	Hough圆变换和频域模糊检测	HP-Net（结合ResNet和先验知识分支）	图像	内部数据集2982张图像，外部数据集13,554张和9853张图像
1055	2025-06-07	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-Jul, 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，结果可能受限于样本选择偏差	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MRI数据	数字病理学	心血管疾病	脑MRI分析	深度学习工具（未明确具体模型）	医学影像	989名患者（374例确定AIL，63例不确定AIL，552例无AIL）
1056	2025-06-07	Computational Approaches to Revisiting Plant Cytoskeleton Organization and Dynamics 2025-Jun-06, Cytoskeleton (Hoboken, N.J.) DOI:10.1002/cm.22049 PMID:40474669	综述	本文综述了计算生物学方法在植物细胞骨架组织和动态研究中的应用	将深度学习等现代计算技术应用于传统细胞骨架研究领域	主要关注图像分析方法，未涉及其他组学数据整合	探索计算生物学方法在植物细胞骨架研究中的应用潜力	植物细胞骨架（特别是皮层微管）	计算生物学	NA	活细胞成像技术	深度学习	显微图像	NA
1057	2025-06-07	Modeling CAPRI Targets of Round 55 by Combining AlphaFold and Docking 2025-Jun-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26853 PMID:40476317	research paper	本文详细介绍了通过结合AlphaFold深度学习预测与传统对接技术，对CAPRI第55轮中的寡聚体目标进行结构建模的混合方法	结合AlphaFold2多聚体管道与传统对接技术，提出了一种混合蛋白质-蛋白质对接方法，并分析了AlphaFold模型的聚类、链内和链间残基接触预测的置信度	NA	提高蛋白质寡聚体结构预测的准确性	CAPRI第55轮中的寡聚体目标	structural biology	NA	AlphaFold2 multimer pipeline, docking	AlphaFold, docking models	protein structure data	CAPRI Round 55 targets
1058	2025-06-07	Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review 2025-Jun-06, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20781 PMID:40476369	meta-analysis	该研究通过大规模元分析，综合评估了人工智能和机器学习方法在黑色素瘤自动诊断中的临床应用和预测性能	首次对人工智能在黑色素瘤诊断中的性能进行了大规模元分析，特别关注了混合模型的优异表现	研究仅纳入了2006年至2024年的文献，可能遗漏了早期的重要研究	评估人工智能算法在黑色素瘤诊断中的临床适用性和预测性能	黑色素瘤诊断的人工智能系统	digital pathology	melanoma	meta-analysis	deep learning and HYBRID models	dermoscopic images	39项主要研究中的78项诊断测试数据
1059	2025-06-07	Deep Learning Approaches for Predicting the Surface Tension of Ionic Liquids 2025-Jun-06, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00158 PMID:40476518	research paper	本研究提出了两种深度学习模型，用于预测离子液体在恒定压力下广泛温度范围内的表面张力	使用简化的分子输入线条目系统（SMILES）表示离子液体，提取分子特征作为输入，开发了两种深度学习模型来预测表面张力	实验数据的获取可能仍然是一个限制因素，且模型的泛化能力未在更广泛的离子液体组合中进行验证	加速离子液体的发现和设计，通过计算模型预测其表面张力	离子液体（ILs）	machine learning	NA	deep learning	DL models	molecular features (SMILES representations)	NA
1060	2025-06-07	Hypothalamus and intracranial volume segmentation at the group level by use of a Gradio-CNN framework 2025-Jun-06, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03438-6 PMID:40478471	研究论文	本研究开发并评估了一个基于Gradio-CNN框架的图形用户界面(GUI)，用于在脑部MRI扫描中自动分割下丘脑和颅内体积(ICV)	结合直观的界面、基于深度学习的精确分割以及通过ngrok轻松部署，满足了脑部MRI分析中对用户友好工具的需求	研究样本量相对较小(90名帕金森病患者和39名对照)	开发一个高效、准确且易于使用的工具，用于神经影像学研究中的下丘脑和颅内体积分割	帕金森病患者和健康对照者的脑部MRI扫描	数字病理	帕金森病	MRI扫描	U-Net	图像	90名帕金森病患者和39名对照