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
1141	2025-07-08	Multi-Receptor Skin with Highly Sensitive Tele-Perception Somatosensory Flexible Electronics in Healthcare: Multimodal Sensing and AI-Powered Diagnostics 2025-Jul-06, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502901 PMID:40619754	综述	本文系统回顾了柔性电子学领域的最新进展，重点讨论了多模态传感平台与人工智能算法的整合	强调了柔性基底、可拉伸互连和传感器架构的创新，以及AI在信号处理、特征提取和预测分析中的应用	当前技术挑战包括异构传感器集成、长期功能稳定性和体内生物相容性	推动柔性电子学在下一代医疗监测系统中的应用，促进精准医疗的发展	柔性电子设备及其在医疗监测中的应用	柔性电子学	NA	多模态传感、AI算法、深度学习、边缘计算	深度学习	电生理、生物物理和生化信号	NA
1142	2025-07-08	Efficient attention vision transformers for monocular depth estimation on resource-limited hardware 2025-Jul-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06112-8 PMID:40615443	research paper	该研究提出了一种高效的注意力视觉变换器，用于在资源有限的硬件上进行单目深度估计	利用高效注意力模块降低计算成本，并在编码器和解码器上独立应用优化，同时引入Pareto Frontier作为分析方法以获得质量和推理时间之间的最优权衡	未提及具体在哪些资源受限的硬件上进行了测试，以及在实际应用中的泛化能力	优化单目深度估计任务中的计算效率，以在资源有限的硬件上实现更快的推理速度	单目深度估计任务	computer vision	NA	efficient attention modules	Vision Transformers	image	NA
1143	2025-07-08	Neural Networks for Predicting and Classifying Antimicrobial Resistance Sequences in Porphyromonas gingivalis 2025-Jul-05, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100890 PMID:40618714	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习方法，用于根据氨基酸序列对牙龈卟啉单胞菌的蛋白质进行分类，以预测和分类抗菌素耐药性（AMR）决定因素	使用CNN模型对牙龈卟啉单胞菌的蛋白质序列进行分类，优于传统的BLAST、HMM Profiles和DeepSig方法，并展示了与ProtBERT模型相当的高准确率	样本量相对较小，仅包含685个蛋白质序列，且仅针对牙龈卟啉单胞菌进行研究	开发一种能够准确预测和分类牙龈卟啉单胞菌中抗菌素耐药性决定因素的深度学习方法	牙龈卟啉单胞菌的蛋白质序列	机器学习	牙周病	全基因组测序	CNN, ProtBERT	蛋白质序列	685个蛋白质序列（150个牙龈卟啉单胞菌蛋白质和535个非耐药变体）
1144	2025-07-08	Deep Learning Multi Modal Melanoma Detection: Algorithm Development and Validation 2025-Jul-05, JMIR AI DOI:10.2196/66561 PMID:40619207	研究论文	本文提出了一种新颖的多模态深度学习技术，用于区分黑色素瘤和脂溢性角化病	结合患者图像数据和元数据，使用非线性最小二乘回归为每个模型指定理想权重，以提高整体模型准确性	未来实验可以利用文本数据（患者主观感受）使模型更贴近真实医院环境	开发一种多模态深度学习技术，以区分黑色素瘤和脂溢性角化病	黑色素瘤和脂溢性角化病患者	计算机视觉	黑色素瘤	深度学习	ResNet50, InceptionV3, VGG16	图像, 元数据	221例来自HAM10000数据集的测试数据
1145	2025-07-08	Artifact-robust Deep Learning-based Segmentation of 3D Phase-contrast MR Angiography: A Novel Data Augmentation Approach 2025-Jul-05, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.tn.2024-0211 PMID:40619248	研究论文	本研究提出了一种新颖的数据增强方法，用于改善受脉动伪影影响的3D相位对比磁共振血管成像（PC-MRA）图像的深度学习分割效果	通过在k空间幅度中添加周期性误差来模拟脉动伪影，从而增强数据	研究样本量较小，仅包含16名志愿者的数据	提高PC-MRA图像中血管分割的准确性，尤其是在脉动伪影影响下的图像	3D PC-MRA图像	数字病理	心血管疾病	深度学习	DL	图像	16名志愿者的PC-MRA数据集
1146	2025-07-08	Dual Structure Reinforces Interfacial Polarized MXene/PVDF-TrFE Piezoelectric Nanocomposite for Pressure Monitoring 2025-Jul-04, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-025-01839-5 PMID:40613833	研究论文	本文报道了一种双结构增强的MXene/PVDF-TrFE压电复合材料，通过界面极化和结构设计的耦合效应提升压电性能	通过分子动力学模拟、密度泛函理论计算和实验验证揭示了界面相互作用的细节，使PVDF-TrFE的净自发极化从0.56提高到31.41德拜，同时定向MXene分布和多孔结构不仅使压电响应提高了三倍，还在低压区域实现了八倍的灵敏度提升	NA	增强界面极化压电材料的性能并探索结构设计的新方法	MXene/PVDF-TrFE压电复合材料	材料科学	NA	分子动力学模拟、密度泛函理论计算、有限元模拟	深度学习算法	实验数据、模拟数据	NA
1147	2025-07-08	RSLpred2: An Integrated Web Server for the Annotation of Rice Proteome Subcellular Localization Using Deep Learning 2025-Jul-04, Rice (New York, N.Y.) DOI:10.1186/s12284-025-00767-7 PMID:40613991	研究论文	本文提出了RSLpred-2.0，一个基于深度学习的网络服务器，用于预测水稻蛋白质组的亚细胞定位	RSLpred-2.0是之前广泛使用的RSLpred-1.0工具的扩展，通过四个层次的预测提高了蛋白质亚细胞定位的准确性	未明确提及具体限制，但可能依赖于训练数据的质量和覆盖范围	开发一个快速准确预测水稻蛋白质亚细胞定位的计算工具	水稻蛋白质组	生物信息学	NA	深度学习	NA	蛋白质序列数据	未明确提及具体样本数量，但使用了5折交叉验证和独立数据集进行测试
1148	2025-07-08	DOLPHIN advances single-cell transcriptomics beyond gene level by leveraging exon and junction reads 2025-Jul-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61580-w PMID:40615408	research paper	本文介绍了一种名为DOLPHIN的深度学习方法，该方法通过利用外显子和连接读取数据，改进了单细胞转录组学的分析	DOLPHIN通过整合外显子水平和连接读取数据，将基因表示为图结构，并使用变分图自编码器改进细胞嵌入，从而在细胞聚类、生物标志物发现和选择性剪接检测方面表现出优越性能	NA	改进单细胞转录组学的分析，以更好地理解细胞动态和疾病机制	单细胞转录组数据	生物信息学	NA	单细胞测序	变分图自编码器	转录组数据	NA
1149	2025-07-08	Multi class aerial image classification in UAV networks employing Snake Optimization Algorithm with Deep Learning 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04570-8 PMID:40615432	研究论文	该研究提出了一种结合蛇优化算法与深度学习的多类别航空图像分类方法，用于无人机网络	提出了一种新颖的SOADL-MCAIC方法，结合蛇优化算法进行超参数调优，以提高分类准确率	实验仅在UCM土地利用数据集上进行验证，未在其他数据集上测试其泛化能力	提高无人机网络中多类别航空图像分类的准确率	无人机网络中的航空图像	计算机视觉	NA	蛇优化算法、高斯滤波、KELM分类算法	Efficient DenseNet、CNN	图像	UCM土地利用数据集
1150	2025-07-08	Predictive analysis of pediatric gastroenteritis risk factors and seasonal variations using VGG Dense HybridNetClassifier a novel deep learning approach 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08718-4 PMID:40615459	研究论文	本研究提出了一种新型深度学习模型VDHNC，用于预测和分析儿童胃肠炎的风险因素及季节性变化	结合VGG16的强大特征学习能力和DenseNet的高效信息共享特性，构建了新型混合卷积模型VDHNC	未提及模型在资源匮乏地区的实际应用效果	提高儿童胃肠炎的早期预测准确率和季节性趋势分析能力	儿科胃肠炎患者	数字病理学	儿童胃肠炎	深度学习	VDHNC（VGG Dense HybridNetClassifier）	临床数据、人口统计学数据、环境数据	未明确说明样本数量
1151	2025-07-08	AI assistance enhances histopathologic distinction between sebaceous and squamous cell carcinoma of the eyelid 2025-Jul-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01775-z PMID:40615496	研究论文	本文开发了一种基于深度学习的病理分析框架，用于自动分类眼睑皮脂腺癌和鳞状细胞癌	利用深度学习技术提高眼睑皮脂腺癌和鳞状细胞癌的病理诊断准确性，尤其是在临床和组织病理学特征重叠的情况下	外部测试数据集的诊断准确性较低，特别是在皮脂腺癌的诊断上	提高眼睑皮脂腺癌和鳞状细胞癌的病理诊断准确性	眼睑皮脂腺癌和鳞状细胞癌的病理切片	数字病理学	眼睑癌	深度学习	DL-based framework	全切片图像（WSIs）	282张WSIs用于训练、验证和内部测试，36张WSIs用于外部测试
1152	2025-07-08	MultiFG: integrating molecular fingerprints and graph embeddings via attention mechanisms for robust drug side effect prediction 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09431-y PMID:40615494	研究论文	提出了一种名为MultiFG的新型深度学习框架，用于整合多种分子指纹类型、基于图的嵌入和药物-副作用对的相似性特征，以预测药物副作用频率	MultiFG结合了注意力增强的卷积网络和最近开发的Kolmogorov-Arnold Networks (KAN)作为预测层，有效捕捉复杂关系	NA	提高药物副作用频率预测的准确性，为药物安全评估提供更实用的工具	已批准药物和新药的副作用	机器学习	NA	深度学习	CNN, KAN	分子指纹、图嵌入、相似性特征	NA
1153	2025-07-08	Rock blasting evaluation - image recognition method based on deep learning 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09973-1 PMID:40615500	研究论文	本文开发了一种基于深度学习的图像识别方法，用于评估岩石爆破的破碎效果和半孔率	提出了基于机器学习的爆破效果图像分析与计算模型及识别算法，并发现了矿岩块度尺寸的'S'形累积分布规律	未提及具体样本量及模型泛化能力的验证	提高矿山岩石爆破质量评估的效率和准确性	预裂爆破的半孔率和岩石爆破破碎效果	计算机视觉	NA	深度学习	NA	图像	NA
1154	2025-07-08	A tailored deep learning approach for early detection of oral cancer using a 19-layer CNN on clinical lip and tongue images 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07957-9 PMID:40615563	研究论文	本研究介绍了一种定制的19层CNN模型，用于利用唇和舌的临床图像自动诊断口腔癌	采用定制设计的19层CNN架构，结合先进的预处理步骤，显著提高了口腔癌检测的准确性和可靠性	研究仅使用了公开可用的OCI数据集，可能无法涵盖所有临床场景	开发一种高效可靠的口腔癌早期检测方法	唇和舌的临床图像	计算机视觉	口腔癌	深度学习	19层CNN	图像	公开可用的Oral Cancer (Lips and Tongue) Images (OCI)数据集，分为80%训练和20%测试子集
1155	2025-07-08	Prediction of suicide using web based voice recordings analyzed by artificial intelligence 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08639-2 PMID:40615574	研究论文	本研究利用机器学习和深度学习模型，通过分析基于网络的真实世界语音数据，预测自杀行为	首次成功预测实际自杀行为而非替代标记，为自杀预防迈出重要一步	NA	通过语音生物标志物评估自杀风险	自杀个体与匹配对照组	机器学习	心理健康	机器学习	Multilayer perceptron	语音数据	NA
1156	2025-07-08	Medical slice transformer for improved diagnosis and explainability on 3D medical images with DINOv2 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09041-8 PMID:40615608	研究论文	本研究提出了一种名为Medical Slice Transformer (MST)的框架，用于将2D自监督模型DINOv2扩展到3D医学图像分析，以提高诊断准确性和可解释性	首次将2D自监督模型DINOv2应用于3D医学图像分析，并提出MST框架结合Transformer架构和2D特征提取器	研究仅使用了三个临床数据集，可能无法涵盖所有类型的医学图像	扩展2D自监督模型至3D医学成像，并评估其在可解释性诊断中的潜力	3D医学图像（MRI和CT）	数字病理	乳腺癌、肺结节、半月板撕裂	DINOv2自监督学习	Transformer, 3D ResNet	3D医学图像	乳腺癌MRI（651例患者）、胸部CT（722例患者）、膝关节MRI（1199例患者）
1157	2025-07-08	Prior knowledge of anatomical relationships supports automatic delineation of clinical target volume for cervical cancer 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08586-y PMID:40615617	research paper	提出了一种基于解剖关系先验知识的宫颈癌临床靶区自动勾画方法	引入解剖关系先验知识，设计了特征注意力模块和宽度驱动注意力网络以提高分割精度	未明确提及具体局限性，但暗示先前方法未考虑丰富先验知识导致泛化性受限	提升宫颈癌放疗临床靶区自动勾画的准确性和临床适用性	宫颈癌患者的临床靶区（CTV）	digital pathology	cervical cancer	deep learning	feature attention module, width-driven attention network	CT images	私有数据集的大量实验
1158	2025-07-08	Hybrid Big Bang-Big crunch with cuckoo search for feature selection in credit card fraud detection 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97149-2 PMID:40615673	研究论文	提出了一种结合Big Bang-Big Crunch和布谷鸟搜索的混合特征选择方法，用于提高信用卡欺诈检测的准确率	首次将Big Bang-Big Crunch算法与布谷鸟搜索算法结合，形成混合特征选择方法HBCS，并应用于信用卡欺诈检测	仅在ECC数据集上进行了验证，未在其他信用卡数据集上测试泛化能力	提高信用卡欺诈检测的准确率	信用卡交易数据	机器学习	NA	混合元启发式算法	DCNN, EDCNN	结构化数据	ECC数据集（具体数量未提及）
1159	2025-07-08	Deep learning-based classification of parotid gland tumors: integrating dynamic contrast-enhanced MRI for enhanced diagnostic accuracy 2025-Jul-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01814-x PMID:40615947	研究论文	评估深度学习模型在结合动态对比增强MRI数据后对腮腺肿瘤分类的性能	结合动态对比增强MRI数据和多参数MRI图像，通过深度学习模型提高腮腺肿瘤分类的准确性	回顾性单中心研究，样本量较小（164名参与者）	提高腮腺肿瘤的非侵入性诊断准确性	腮腺肿瘤患者和正常腮腺个体	数字病理	腮腺肿瘤	动态对比增强MRI（DCE-MRI）	MobileNetV2, EfficientNetB0, SVM	MRI图像	164名参与者（124名患者和40名正常个体）
1160	2025-07-08	Flexible visually secure image encryption with meta-learning compression and chaotic systems 2025-Jul-04, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107799 PMID:40618469	研究论文	提出了一种结合元学习、混沌系统、传统深度学习和LSB-2校正嵌入方法的灵活视觉安全图像加密方案	设计了具有动态辅助输入的元学习压缩重建网络，构建了新型混沌系统IS-DP，并采用LSB-2校正无损嵌入方法	未提及具体性能指标对比或实际应用场景测试	提高图像加密的安全性和解密图像的质量	数字图像	计算机视觉	NA	元学习、混沌系统、深度学习、LSB-2校正嵌入	深度学习网络	图像	NA