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
13041	2025-10-07	Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae732 PMID:39657956	研究论文	本研究利用自编码器从视网膜光学相干断层扫描图像中提取表型特征，并通过全基因组关联分析识别影响视网膜形态的遗传位点	首次将自编码器深度学习方法应用于视网膜OCT图像的表型分析，发现了传统临床特征未能捕捉的遗传关联	研究样本仅来自UK Biobank数据库，可能存在人群代表性限制	探索深度学习能否检测视网膜图像中更细微的变异模式，并识别相关的遗传因素	31,135名UK Biobank参与者的视网膜OCT图像	计算机视觉	眼科疾病	光学相干断层扫描(OCT)	自编码器	医学图像	31,135名参与者	NA	自编码器	统计显著性	NA
13042	2025-10-07	Classification of rib fracture types from postmortem computed tomography images using deep learning 2024-Dec, Forensic science, medicine, and pathology DOI:10.1007/s12024-023-00751-x PMID:37968549	研究论文	本研究开发基于深度学习的模型，用于从死后计算机断层扫描图像中分类肋骨骨折类型	首次将ResNet50架构应用于PMCT图像的肋骨骨折多级分类，并采用分层分类方法	对'ad latus'类型骨折的识别率较低（17-18%），在较低层级分类时性能下降	开发辅助临床医生进行医学图像诊断的深度学习系统	死后计算机断层扫描（PMCT）图像中的肋骨骨折	计算机视觉	骨骼损伤	计算机断层扫描（CT）	CNN	图像	NA	NA	ResNet50	准确率	NA
13043	2025-10-07	BEAS-Net: A Shape-Prior-Based Deep Convolutional Neural Network for Robust Left Ventricular Segmentation in 2-D Echocardiography 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3418030 PMID:38913532	研究论文	提出一种基于形状先验的深度卷积神经网络BEAS-Net，用于2D超声心动图中左心室的鲁棒分割	将BEAS算法生成的解剖形状先验信息与卷积层编码的图像特征相结合，提升对伪影或低质量图像的分割鲁棒性	未明确说明模型在极端图像质量下的性能边界和计算效率	开发能够处理低质量超声图像的左心室自动分割方法	2D超声心动图中的左心室结构	计算机视觉	心血管疾病	超声心动图	CNN	图像	三个不同的体内数据集	NA	BEAS-Net, U-Net	分割精度	NA
13044	2025-10-07	Single-Molecule Identification and Quantification of Steviol Glycosides with a Deep Learning-Powered Nanopore Sensor 2024-09-10, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c07038 PMID:39189792	研究论文	本研究开发了一种基于深度学习的气溶素纳米孔传感器，用于单分子水平识别和定量甜菊糖苷	利用野生型气溶素纳米孔通过调节电压产生的电渗流效应区分不同甜菊糖苷物种，并首次结合深度学习模型实现单分子自动识别	仅测试了15种甜菊糖苷物种，样本规模有限	开发精确识别和定量复杂甜菊糖苷结构的方法	甜菊糖苷（一类高甜度无热量天然甜味剂）	生物传感	NA	纳米孔传感技术	深度学习模型	纳米孔电信号数据	15种甜菊糖苷物种	NA	NA	识别精度，定量准确性	NA
13045	2025-10-07	Deep Learning-Based Kinetic Analysis in Paper-Based Analytical Cartridges Integrated with Field-Effect Transistors 2024-09-10, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c02897 PMID:39252606	研究论文	本研究结合场效应晶体管、纸基分析盒和深度学习技术，开发了一种用于定量生物传感的动力学分析方法	首次将场效应晶体管、纸基分析盒与深度学习相结合，通过动力学分析解决传统生物传感器的灵敏度低和样品基质干扰问题	目前仅为概念验证研究，需要进一步验证其在更广泛应用场景中的性能	开发一种经济高效、易于使用的即时诊断和家庭检测生物传感平台	胆固醇检测	机器学习	心血管疾病	场效应晶体管传感，纸基分析技术	深度学习	动力学电信号数据	NA	NA	NA	变异系数，相关系数(r值)	NA
13046	2025-10-07	High-Throughput and Integrated CRISPR/Cas12a-Based Molecular Diagnosis Using a Deep Learning Enabled Microfluidic System 2024-09-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c05734 PMID:39173188	研究论文	开发了一种基于CRISPR/Cas12a和深度学习的高通量微流控系统，用于快速检测SARS-CoV-2及其变异株	结合微流控技术、自研试剂和深度学习原型设备，实现了96样本/轮次的高通量检测，检测限低至250拷贝/mL	样本规模有限（72个临床样本），需进一步验证系统普适性	开发高效集成的病原体分子诊断系统	SARS-CoV-2病毒及其变异株	数字病理	COVID-19	CRISPR/Cas12a, RT-LAMP, 微流控技术	深度学习	分子检测数据	72个临床样本（22个野生型，26个突变型，24个阴性）	NA	NA	准确率	NA
13047	2025-04-27	Improving Deep Learning Models for Pediatric Low-Grade Glioma Tumours Molecular Subtype Identification Using MRI-based 3D Probability Distributions of Tumour Location 2025-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371241296834 PMID:39544176	research paper	该研究通过结合MRI肿瘤位置概率图与CNN模型，提高了儿童低级别胶质瘤分子亚型识别的准确性	创新点在于将肿瘤位置概率图整合到CNN模型中，显著提升了分子亚型识别的性能	研究为回顾性研究，样本量相对较小（214例），且仅基于单一机构的MRI数据	提高儿童低级别胶质瘤（pLGG）分子亚型识别的准确性	儿童低级别胶质瘤（pLGG）患者	digital pathology	pediatric low-grade glioma	MRI FLAIR序列	CNN	3D MRI图像	214例患者（110例男性，平均年龄8.54岁，143例BRAF融合和71例BRAF V600E突变）	NA	NA	NA	NA
13048	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	NA	NA	NA	NA
13049	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	NA	NA	NA	NA
13050	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）	NA	NA	NA	NA
13051	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	NA	NA	NA	NA
13052	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	NA	NA	NA	NA
13053	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	NA	NA	NA	NA
13054	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	NA	NA	NA	NA
13055	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	NA	NA	NA	NA
13056	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	NA	NA	NA	NA
13057	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	NA	NA	NA	NA
13058	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	NA	NA	NA	NA
13059	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	NA	NA	NA	NA
13060	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）	NA	NA	NA	NA