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
101	2025-05-15	Impact and Failure Analysis of U-Shaped Concrete Containing Polyurethane Materials: Deep Learning and Digital Imaging Correlation-Based Approach 2025-May-02, Polymers IF:4.7Q1 DOI:10.3390/polym17091245 PMID:40363029	研究论文	本研究探讨了使用先进的卷积神经网络（CNNs）分析和分类含聚氨酯（PU）的U形混凝土在重复落锤冲击载荷下的断裂行为	结合数字图像相关（DIC）技术和深度学习模型（InceptionV3、MobileNet和DenseNet121）对混凝土裂缝行为进行自动分类，显著提高了传统视觉检测方法的准确性和效率	样本量较小（17个U形试件），且仅测试了四种PU粘合剂含量（0%、10%、20%和30%）	评估含PU的U形混凝土在冲击载荷下的抗冲击性和弯曲行为，并开发自动裂缝评估框架	含聚氨酯（PU）的U形混凝土试件	计算机视觉	NA	数字图像相关（DIC）技术	CNN（InceptionV3、MobileNet、DenseNet121）	图像	17个U形试件，1655张高分辨率裂缝图像
102	2025-05-15	Thermal Degradation of Palm Fronds/Polypropylene Bio-Composites: Thermo-Kinetics and Convolutional-Deep Neural Networks Techniques 2025-May-02, Polymers IF:4.7Q1 DOI:10.3390/polym17091244 PMID:40363028	research paper	本研究评估了棕榈叶(PFR)对聚丙烯塑料(PP)热降解的影响，结合了TGA/FTIR实验测量、热动力学和卷积深度学习神经网络(CDNN)技术	结合了热动力学和卷积深度学习神经网络(CDNN)技术来研究PFR对PP热降解的影响，并成功降低了成本函数	研究仅针对特定比例的PFR和PP混合物，且温度范围有限	评估棕榈叶(PFR)对聚丙烯塑料(PP)热降解的影响，以实现塑料垃圾的高效降解	棕榈叶(PFR)和聚丙烯塑料(PP)的混合物	machine learning	NA	TGA/FTIR, CDNN	convolutional deep learning neural networks (CDNN)	thermal degradation data	纯材料(PFR和PP)及混合材料(含25%和50% PFR)
103	2025-05-15	Exploring Smartphone-Based Edge AI Inferences Using Real Testbeds 2025-May-02, Sensors (Basel, Switzerland) DOI:10.3390/s25092875 PMID:40363312	研究论文	本文探讨了基于智能手机的边缘AI在实时计算机视觉推理中的竞争力	研究了智能手机集群在边缘AI中的应用，特别是在实时计算机视觉推理中的性能表现	仅使用了三种预训练的DL模型和八种异构边缘节点，样本规模有限	评估智能手机集群在边缘AI中的计算能力和能源效率	智能手机和单板计算机（SBC）作为边缘节点	计算机视觉	NA	深度学习（DL）	预训练的DL模型	图像流	八种异构边缘节点（包括五款低/中端智能手机和三款SBC）
104	2025-05-15	MHFS-FORMER: Multiple-Scale Hybrid Features Transformer for Lane Detection 2025-May-02, Sensors (Basel, Switzerland) DOI:10.3390/s25092876 PMID:40363313	research paper	提出了一种基于Transformer的端到端模型MHFS-FORMER，用于解决复杂场景下的车道检测问题	设计了MHFNet融合多尺度特征与Transformer Encoder，引入多参考可变形注意力模块增强模型表示能力，以及ShuffleLaneNet探索多尺度车道特征的通道和空间信息	NA	提升复杂场景下车道检测的准确性和实时性	车道检测	computer vision	NA	NA	Transformer (MHFS-FORMER, MHFNet, ShuffleLaneNet)	image	TuSimple和CULane数据集
105	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
106	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
107	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
108	2025-05-15	Revolutionizing biological digital twins: Integrating internet of bio-nano things, convolutional neural networks, and federated learning 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109970 PMID:40101583	研究论文	本文提出了一种整合生物纳米物联网、卷积神经网络和联邦学习的新型框架，以解决生物数字孪生在微观和纳米尺度实施中的挑战	结合IoBNT、CNN和FL技术，提出了一种创新的生物数字孪生框架，实现了高精度分类和显著带宽节省	未明确提及具体实施中的技术限制或潜在问题	解决生物数字孪生在微观和纳米尺度实施中的数据提取、传输和计算挑战	微生物（特别是细菌）的数字孪生模型	数字病理	NA	IoBNT、联邦学习(FL)	CNN	微观生物数据	33种细菌类别
109	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
110	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
111	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）
112	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）
113	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
114	2025-05-15	Peptide Property Prediction for Mass Spectrometry Using AI: An Introduction to State of the Art Models 2025-May, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400398 PMID:40211610	综述	本文综述了用于质谱肽段性质预测的最先进机器学习和深度学习模型	介绍了多种肽段性质预测模型及其组合应用，包括生成虚拟谱库和靶向实验设计	当前模型难以处理多样化的翻译后修饰和仪器变异性，需要大规模标准化数据集和评估指标	为质谱蛋白质组学中的肽段性质预测提供可访问且可重复的模型	质谱中的肽段性质（如消化性、保留时间、电荷状态分布等）	机器学习	NA	质谱	机器学习和深度学习模型	质谱数据	NA
115	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
116	2025-05-15	scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013027 PMID:40333631	研究论文	本文介绍了一种名为scSDNE的半监督图嵌入模型，用于推断基于配体-受体（L-R）相互作用的细胞间通讯	scSDNE模型利用深度学习将相互作用细胞的基因映射到共享的潜在空间，结合手动整理的L-R相互作用数据库，提高了推断细胞间通讯的准确性和生物可解释性	NA	全面理解细胞间通讯的复杂相互作用机制	细胞间通讯中的配体-受体（L-R）相互作用	生物信息学	NA	单细胞RNA测序（scRNA-seq）	图嵌入模型（scSDNE）	基因表达数据	NA
117	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
118	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
119	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）
120	2025-05-15	Assessing the Severity of Connective Tissue-Related Interstitial Lung Disease Using Computed Tomography Quantitative Analysis Parameters 2025 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001693 PMID:39761506	研究论文	通过基于CT深度学习模型和密度阈值方法的计算机断层扫描定量分析参数，预测结缔组织病相关间质性肺病患者的肺功能损害并评估疾病严重程度	使用RDNet分析模型和Pulmo-3D软件进行CT定量分析，提出蜂窝状病变是GAP分期的独立风险因素，并确定了区分患者与健康对照的最佳阈值	研究为回顾性设计，样本量相对较小（105例患者），且未考虑不同CTD亚型间的潜在差异	评估结缔组织病相关间质性肺病的严重程度并预测肺功能损害	结缔组织病相关间质性肺病患者（105例）和健康对照（80例）	数字病理	间质性肺病	计算机断层扫描定量分析、深度学习模型（RDNet）、阈值分割方法（-260至-600）	RDNet（深度学习模型）	CT图像	105例CTD-ILD患者（46男/59女，中位年龄64岁）和80例健康对照