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
1241	2025-04-27	MAI-TargetFisher: A proteome-wide drug target prediction method synergetically enhanced by artificial intelligence and physical modeling 2025-May, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-024-01444-z PMID:39870848	research paper	提出了一种名为MAI-TargetFisher的全基因组小分子靶点扫描方法，结合人工智能和物理建模技术，用于药物靶点定位和潜在脱靶效应检测	首次实现了跨整个人类基因组的蛋白质表面全面扫描，评估每个蛋白质上的潜在小分子结合位点	未明确提及具体局限性	提高药物开发的成功率，通过早期定位药物靶点和检测潜在脱靶效应	人类蛋白质组中的蛋白质结构及其潜在结合位点	生物信息学	NA	人工智能和生物物理模型相结合的计算技术	多算法集成模型（MAI-TargetFisher）	蛋白质结构数据	覆盖82%的蛋白质编码基因组
1242	2025-04-27	Deep learning-driven semi-rational design in phenylalanine ammonia-lyase for enhanced catalytic efficiency 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141024 PMID:39984092	研究论文	本研究利用深度学习指导的半理性设计方法，提高了苯丙氨酸氨裂解酶（PAL）的催化效率	采用深度学习指导的策略结合高通量筛选和酶活性测定，成功提高了PAL的催化效率和活性	研究仅针对Anabaena variabilis来源的PAL（AvPAL），可能不适用于其他来源的PAL	提高苯丙氨酸氨裂解酶（PAL）的催化效率，以增强其在农业、工业和疾病治疗中的应用潜力	Anabaena variabilis来源的苯丙氨酸氨裂解酶（AvPAL）及其突变体	机器学习	苯丙酮尿症（PKU）	深度学习、高通量筛选、酶活性测定、分子动力学模拟	深度学习模型	酶活性数据、分子动力学模拟数据	33个突变体中的26个被验证具有增强的活性
1243	2025-04-27	FovealNet: Advancing AI-Driven Gaze Tracking Solutions for Efficient Foveated Rendering in Virtual Reality 2025-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549577 PMID:40067704	research paper	提出FovealNet，一种先进的AI驱动视线跟踪框架，用于优化虚拟现实中的注视点渲染系统性能	采用基于事件的裁剪方法减少输入图像中无关像素，引入令牌剪枝策略动态移除令牌，提出系统性能感知的多分辨率训练策略	未明确提及具体局限性	优化虚拟现实中注视点渲染系统的性能	虚拟现实中的视线跟踪技术	computer vision	NA	deep learning	DNN	image	NA
1244	2025-04-27	ViDDAR: Vision Language Model-Based Task-Detrimental Content Detection for Augmented Reality 2025-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549147 PMID:40072851	研究论文	本文提出了一种基于视觉语言模型的任务有害内容检测系统ViDDAR，用于增强现实环境中虚拟内容的监控与评估	ViDDAR是首个利用视觉语言模型（VLMs）检测增强现实环境中任务有害内容的系统	检测信息操纵内容的延迟较高（9.62秒）	解决增强现实中虚拟内容对任务性能的负面影响	增强现实环境中的虚拟内容	计算机视觉	NA	深度学习	视觉语言模型（VLM）	图像	自定义开源数据集
1245	2025-04-27	U-shaped deep learning networks for algal bloom detection using Sentinel-2 imagery: Exploring model performance and transferability 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125152 PMID:40179468	研究论文	本研究评估了U形深度学习网络在利用Sentinel-2卫星图像检测藻华方面的性能及可迁移性	探索了多种U形深度学习模型（如U-Net、RU-Net、Attention U-Net、ARU-Net和SegNet）在藻华检测中的应用，并强调了多样化数据集在提升模型性能方面的重要性	未提及具体局限性，但暗示了先前模型在检测低密度藻华和跨时空泛化方面的不足	评估U形深度学习网络在藻华检测中的性能及可迁移性，以支持环境监测与管理	内陆水体（湖泊）中的藻华	计算机视觉	NA	深度学习	U-Net, RU-Net, Attention U-Net, ARU-Net, SegNet	卫星图像	多时相Sentinel-2图像，覆盖不同日期和地理位置（如Lake Burdur、Lake Chaohu和Lake Turawskie）
1246	2025-04-27	A novel deep learning-based floating garbage detection approach and its effectiveness evaluation in environmentally sustainable development 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125154 PMID:40186972	research paper	提出了一种基于YOLOv8的高效经济深度学习解决方案，用于水面漂浮垃圾的检测与收集	通过改进YOLOv8的主干网络、引入Wise-Powerful IoU损失函数和添加AuxHead检测头，有效压缩了复杂环境因素的负面影响，提高了检测精度	NA	提高水面聚集漂浮垃圾的检测效率和收集率，促进水生态系统的保护与恢复	水面聚集的漂浮垃圾	computer vision	NA	deep learning	YOLOv8	image	NA
1247	2025-04-27	AI-Cirrhosis-ECG (ACE) score for predicting decompensation and liver outcomes 2025-May, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101356 PMID:40276480	research paper	该研究开发了一种基于深度学习的AI-Cirrhosis-ECG (ACE)评分，用于预测肝硬化患者的失代偿和肝脏相关结局	利用深度学习从广泛可用的心电图中提取特征，开发了一种非侵入性工具来预测肝硬化患者的临床结局	需要在更多样化的人群中进行进一步验证，并与其它已建立的预测因子整合	提高肝硬化患者的疾病严重程度和预后预测准确性	肝硬化患者	digital pathology	liver disease	deep learning	NA	ECG	472名患者的2,166份心电图（回顾性队列）、420名患者（前瞻性队列）和341名患者（外部验证队列）
1248	2025-04-08	Development and external validation of a deep learning electrocardiogram model for risk stratification of coronary revascularization need in the emergency department 2025-Apr-26, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuaf058 PMID:40192550	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1249	2025-04-27	Monitoring Amphetamine and Methamphetamine Mixtures Based on Deep Learning Involves Colorimetric Sensing 2025-Apr-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00915 PMID:40279188	研究论文	本文提出了一种基于深度学习的比色传感策略，用于监测安非他命和甲基安非他命的混合物	通过调节探针结构影响反应产物的聚集行为，成功区分了仅有一个甲基结构差异的安非他命和甲基安非他命，并首次实现了混合物中掺杂比例的判断	NA	开发一种高精度的比色传感策略，用于识别和区分结构高度相似的安非他命和甲基安非他命	安非他命(AMP)和甲基安非他命(MA)	深度学习	NA	比色传感	深度学习算法	比色响应数据	NA
1250	2025-04-27	JAX-RNAfold: Scalable Differentiable Folding 2025-Apr-25, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf203 PMID:40279486	research paper	介绍了一个名为JAX-RNAfold的开源软件包，用于改进的可微分RNA折叠算法，能够扩展到1,250个核苷酸	提出了一个显著改进的可微分折叠算法，能够在单个GPU上扩展到1,250个核苷酸，并允许将可微分折叠作为深度学习管道中的一个模块	未明确提及具体限制，但暗示之前的算法仅能扩展到≤50个核苷酸	优化RNA设计中的可微分折叠算法，提高其可扩展性和实用性	RNA序列的可微分折叠	computational biology	NA	differentiable folding, gradient descent	NA	RNA sequence	NA
1251	2025-04-27	Ultrafast Ratiometric Fluorescent Probe and Deep Learning-Assisted On-Site Detection Platform for BAs and Meat Freshness Based on Molecular Engineering 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00490 PMID:40279659	研究论文	本文提出了一种结合荧光探针分子工程与便携式检测平台的策略，用于生物胺（BAs）和肉类新鲜度的快速、可视化、现场定量评估	通过分子工程设计出四种具有可调分子内电荷转移（ICT）特性的比率荧光探针，并结合智能手机和深度卷积神经网络（DCNN）构建便携式检测平台	未提及具体样本量或实验范围的局限性	开发高性能比率荧光探针和智能检测平台，用于食品质量评估中的生物胺和肉类新鲜度检测	生物胺（BAs）和肉类新鲜度	分子工程与智能检测	NA	荧光探针分子工程、智能手机检测平台、深度卷积神经网络（DCNN）	深度卷积神经网络（DCNN）	荧光信号、图像数据	未明确提及具体样本量
1252	2025-04-27	AI for rapid identification of major butyrate-producing bacteria in rhesus macaques (Macaca mulatta) 2025-Apr-24, Animal microbiome IF:4.9Q1 DOI:10.1186/s42523-025-00410-2 PMID:40275402	research paper	该研究利用AI技术从恒河猴粪便涂片的数字图像中快速预测产丁酸盐细菌，并采用可解释性分析提高模型透明度	首次将深度学习与机器学习算法应用于粪便图像数据，实现快速、非侵入性的微生物组分析，并通过可解释性分析增强模型透明度	研究仅针对恒河猴，未在人类或其他动物中进行验证	开发一种快速、非侵入性且经济高效的微生物组分析方法	恒河猴(Macaca mulatta)的粪便样本	digital pathology	NA	metagenomic sequencing, deep learning, machine learning	DL and ML algorithms	digital images of fecal smears	NA
1253	2025-04-27	Using deep learning models to decode emotional states in horses 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95853-7 PMID:40269006	研究论文	本研究探索了使用深度学习模型预测马匹情绪状态的方法	创建了两个新的数据集（裁剪身体和裁剪头部数据集），并在裁剪头部数据集上取得了最佳预测效果，准确率达到87%	裁剪头部数据集缺少尾部等重要区域，这些区域通常被专家用于标注	预测骑乘马匹的情绪状态	马匹	计算机视觉	NA	监督学习、迁移学习、微调	CNN、Yolo、Faster R-CNN	图像	NA
1254	2025-04-27	PoulTrans: a transformer-based model for accurate poultry condition assessment 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98078-w PMID:40269017	研究论文	提出了一种基于Transformer的模型PoulTrans，用于准确评估家禽状况	结合CNN与CSA_Encoder-Transformer架构，引入Channel Spatial Memory-Guided Transformer (CSMT)和新型PS-Loss函数，优化多级注意力并提升状态描述的语义精度	未提及模型在实时应用中的性能或计算资源需求	开发直观的决策支持工具，提升家禽状况评估的准确性	家禽图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	PSC-Captions数据集
1255	2025-04-27	Ambiguity-aware semi-supervised learning for leaf disease classification 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95849-3 PMID:40269031	research paper	提出一种模糊感知的半监督学习方法，用于叶片病害分类，通过消除模糊结果提高伪标签精度	引入基于病害的模糊拒绝算法，提升伪标签精度，从而在半监督学习中减少对全标注数据的依赖	方法仅在咖啡和香蕉叶片病害数据集上验证，未涉及其他作物或病害类型	开发一种半监督学习方法，减少叶片病害分类中对全标注数据的依赖	咖啡和香蕉叶片的病害图像	computer vision	plant disease	semi-supervised learning	CNN	image	两个公共叶片病害数据集（咖啡和香蕉），标注数据比例从50%到100%不等
1256	2025-04-27	Metaparameter optimized hybrid deep learning model for next generation cybersecurity in software defined networking environment 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96153-w PMID:40269039	研究论文	本文提出了一种基于混合深度学习模型和二进制独角鲸优化器的软件定义网络安全新方法，用于防御DDoS攻击	结合了混合深度学习模型（CNN-BiGRU-AM）和二进制独角鲸优化器（BNO），并利用海鸥优化算法（SOA）进行超参数调优，提高了检测系统的效率和鲁棒性	未提及该方法在其他类型网络攻击或不同网络环境中的适用性	开发一种可扩展且有效的解决方案，以保护SDN环境免受DDoS攻击	软件定义网络（SDN）中的DDoS攻击	机器学习	NA	深度学习、特征选择、超参数优化	CNN-BiGRU-AM、BNO、SOA	网络数据	未明确提及样本数量，使用DDoS SDN数据集
1257	2025-04-27	Improved food image recognition by leveraging deep learning and data-driven methods with an application to Central Asian Food Scene 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95770-9 PMID:40269053	research paper	该论文通过深度学习和数据驱动方法改进食物图像识别，并应用于中亚食物场景	开发了一个大规模高质量的中亚食物场景数据集，用于食物定位和检测，解决了现实场景中多食物物品的识别问题	NA	改进食物图像识别技术，以支持高效的数字化食物记录、智能餐厅和超市等应用	中亚食物场景中的多食物物品	computer vision	NA	deep learning, data-driven methods	YOLOv8xl	image	21,306张图像，涵盖239种食物类别，69,856个实例
1258	2025-04-27	Frame points attention convolution for deep learning on point cloud 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97388-3 PMID:40269085	研究论文	本文提出了一种名为帧点注意力卷积（FPAC）的新型三维空间卷积算子，用于处理点云数据	FPAC通过注意力机制量化输入局部点与预定义帧点之间的相关性，并动态生成空间连续滤波器，无需依赖生成模型或概率假设	NA	解决点云数据在深度学习中的处理难题	点云数据	计算机视觉	NA	注意力机制	FPAC	点云	广泛使用的数据集
1259	2025-04-27	A hybrid segmentation and classification CAD framework for automated myocardial infarction prediction from MRI images 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98893-1 PMID:40269099	研究论文	提出一种用于从MRI图像中自动预测心肌梗死的计算机辅助诊断（CAD）框架，结合分割和分类技术	采用并行和串行两种方法进行分割和分类，并引入了混合CNN-ViT模型，显著提高了分类准确率	未提及在更大或更多样化的数据集上的验证，可能影响模型的泛化能力	开发一个自动化系统，用于心肌梗死的早期诊断和准确分类	MRI图像中的心肌梗死区域	数字病理学	心血管疾病	MRI成像	ResU-Net, CNN, ViT	图像	EMIDEC MRI数据集，使用五折交叉验证
1260	2025-04-27	Research on underwater disease target detection method of inland waterway based on deep learning 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98570-3 PMID:40269127	研究论文	针对内河水道水下病害目标检测精度低和泛化能力差的问题，设计了一种基于改进YOLOv5的水下病害目标检测算法YOLOv5-GBCE	采用BiFPN加强特征融合提高小目标识别精度，引入CA模块分配注意力资源减少水下复杂背景干扰，使用EIoU作为框损失函数加速网络收敛，并采用Ghost卷积网络降低模型复杂度	NA	提高内河水道水下病害目标的检测精度和泛化能力	内河水道水下病害目标	计算机视觉	NA	深度学习	YOLOv5-GBCE（改进的YOLOv5）	图像	项目组收集的水下病害数据集（具体数量未提及）