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
1301	2025-05-12	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	本文利用去噪扩散模型生成反事实MRI图像，以可解释的方式检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型(LDM)和去噪扩散概率模型(DDPM)应用于神经影像数据，生成个性化的疾病效应图	训练数据集规模有限，计算时间和内存资源存在限制	开发可解释的AI方法用于神经科学研究和临床诊断应用	阿尔茨海默病患者的大脑MRI图像	数字病理	阿尔茨海默病	去噪扩散模型	LDM, DDPM, CNN	3D T1加权MRI扫描图像	500个真实训练扫描
1302	2025-05-12	A Functional Connectivity-Based Model With a Lightweight Attention Mechanism for Depression Recognition Using EEG Signals 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3509776 PMID:40030510	研究论文	提出一种基于功能连接性和轻量级注意力机制的深度学习模型FCAN，用于通过EEG信号识别抑郁症	设计了一种轻量级注意力机制，减少了模型参数和计算成本，同时保持了高性能	未提及具体样本量或跨数据集验证结果	开发高效准确的抑郁症识别方法	EEG信号及其相干矩阵	机器学习	抑郁症	EEG信号分析	FCAN（功能连接注意力网络）	EEG信号	NA
1303	2025-05-12	Anatomical Location-Guided Deep Learning-Based Genetic Cluster Identification of Pheochromocytomas and Paragangliomas From CT Images 2024, Applications of Medical Artificial Intelligence : Second International Workshop, AMAI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings DOI:10.1007/978-3-031-47076-9_7 PMID:40342794	research paper	本研究开发了一种基于解剖位置引导的深度学习模型，用于从CT图像中识别嗜铬细胞瘤和副神经节瘤的遗传簇	提出了一种双分支视觉变换器模型，结合解剖位置信息和遗传类型进行识别，并采用监督对比学习策略优化模型性能	模型在遗传簇识别上的准确率仍有提升空间（0.63±0.08）	开发一种非侵入性方法替代昂贵耗时的基因检测，用于PPGLs的遗传分型	嗜铬细胞瘤和副神经节瘤（PPGLs）	digital pathology	neuroendocrine tumors	contrast-enhanced CT (CE-CT)	vision transformer (ViT)	CT图像	289名患者的1010个PPGLs肿瘤样本
1304	2025-05-12	Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data 2023-Dec-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.15.571938 PMID:38187601	研究论文	本研究评估了六种脑电图数据增强方法在基于深度学习的重度抑郁症诊断中的效用	引入了一个新的基线模型，该模型使用重复训练数据进行训练，以消除数据增强方法比较中的偏差，并发现通道丢弃增强方法能有效提升模型性能	研究结果仅限于特定数据集和模型，可能无法推广到其他情况	评估不同脑电图数据增强方法在重度抑郁症诊断中的效果	脑电图数据	机器学习	重度抑郁症	脑电图数据增强	深度学习模型	脑电图原始数据	NA
1305	2025-05-11	Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study 2025-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2466426 PMID:39992712	研究论文	本研究评估了深度学习模型在心脏导管实验室（cath lab）中基于临床工作流程阶段预测手术结束时间的性能	仅使用视频分析得出的临床阶段作为算法输入，展示了InceptionTime和LSTM-FCN在时间序列预测中的高效性	未来研究需在不同手术背景下验证这些发现，并探索在不损失准确性的情况下优化训练时间的方法	评估深度学习模型在预测心脏导管实验室手术结束时间中的性能	心脏导管实验室中的手术过程	机器学习	心血管疾病	视频分析	InceptionTime, LSTM-FCN, LSTM with attention mechanism, Transformer	视频	NA
1306	2025-05-11	Food-derived DPP4 inhibitors: Drug discovery based on high-throughput virtual screening and deep learning 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143505 PMID:40015027	研究论文	本研究通过高通量虚拟筛选和深度学习技术，从食物来源中开发了六种改良化合物，作为治疗2型糖尿病的潜在候选药物	结合虚拟筛选、深度学习算法、ADMET特性评估和分子动力学模拟，发现并改良了六种食物来源的DPP-4抑制剂	未提及临床试验结果，仅进行了体外和计算机模拟评估	发现新型食物来源的DPP-4抑制剂用于治疗2型糖尿病	六种食物来源的DPP-4抑制化合物	药物发现	2型糖尿病	高通量虚拟筛选、深度学习算法、ADMET评估、分子动力学模拟	深度学习模型	化学化合物数据	六种化合物
1307	2025-05-11	A bioinspired microbial taste chip with artificial intelligence-enabled high selectivity and ultra-short response time 2025-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117264 PMID:39987654	研究论文	本文介绍了一种受生物启发的无线微流控微生物味觉芯片，结合人工智能技术，实现了高选择性和超短响应时间，用于实时水污染监测	利用基于GRU的深度学习算法，实现了对Cu、Pb和Cr的高达98.9%的分类准确率，响应时间缩短至48秒，比之前报道的最快速度提高了3.75倍	目前仅针对Cu、Pb和Cr三种重金属离子进行了验证，尚未扩展到其他污染物	解决微生物味觉芯片在选择性方面的挑战，并缩短响应时间，以实现更高效的实时水污染监测	水中的重金属离子（Cu、Pb、Cr）	人工智能与传感器技术	NA	微流控技术、GRU深度学习算法	GRU	时间序列电流数据	NA
1308	2025-05-11	Learning from leading indicators to predict long-term dynamics of hourly electricity generation from multiple resources 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107268 PMID:39987713	研究论文	该研究通过识别电网中的领先指标，提出了一种新的深度学习模型ALI-GRU，用于长期（长达一个月）协作电力发电预测	提出了ALI-GC模型用于全局能源源交互的综合建模，以及ALI-GRU模型用于长期电力发电预测，并在大规模实时预测场景中表现出强适应性	未提及具体局限性	通过长期预测多资源和多区域的电力发电，帮助实现电力平衡并为目标调整创造足够的缓冲	美国2018年至2024年的区域级每小时电力发电数据	机器学习	NA	深度学习	ALI-GRU, GRU	时间序列数据	美国2018年至2024年的区域级每小时电力发电数据
1309	2025-05-11	Taylor-dingo optimized RP-net for segmentation toward Alzheimer's disease detection and classification using deep learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108359 PMID:39987743	research paper	提出了一种名为RP-Net_TaylorDOX-based DNFN的新方法，用于通过深度学习对阿尔茨海默病进行检测和分类	结合了泰勒级数和Dingo优化器开发了泰勒Dingo优化器（TaylorDOX），用于优化RP-Net的参数，并利用深度卷积神经网络（DCNN）和深度神经模糊网络（DNFN）进行AD检测和严重程度分类	未提及样本来源的具体细节或数据集的多样性	通过深度学习提高阿尔茨海默病的诊断和分类准确性	阿尔茨海默病患者的大脑图像	digital pathology	geriatric disease	deep learning, image segmentation, feature extraction, data augmentation	RP-Net, DCNN, DNFN	image	NA
1310	2025-05-11	Fragment-level feature fusion method using retrosynthetic fragmentation algorithm for molecular property prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108985 PMID:40009893	research paper	提出了一种基于逆合成碎片算法的片段级特征融合方法（RFA-FFM），用于分子性质预测	RFA-FFM通过整合多视角分子表示，对比两种逆合成方法生成的片段化学信息，并在分子层次结构的不同级别融合化学信息，从而提升分子性质预测的准确性	当前方法可能仍无法完全捕捉分子的所有复杂特性，且实验仅在有限的数据集上进行了验证	提高分子性质（如毒性和血脑屏障通透性）的预测准确性，以加速药物开发	分子及其片段	machine learning	hepatitis B	graph contrastive learning (GCL), self-supervised learning (SSL)	RFA-FFM	molecular graphs	四个分类基准数据集和乙型肝炎病毒数据集
1311	2025-05-11	A novel deep learning model combining 3DCNN-CapsNet and hierarchical attention mechanism for EEG emotion recognition 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107267 PMID:40010290	研究论文	提出了一种结合3DCNN-CapsNet和分层注意力机制的新型深度学习模型HA-CapsNet，用于EEG情绪识别	首次将3DCNN-CapsNet与分层注意力机制结合，同时捕捉通道间相关性和各频段贡献，胶囊网络相比传统CNN能提取更多空间特征信息	未提及模型在实时性方面的表现以及在更广泛EEG数据集上的泛化能力	提升EEG信号情绪识别的准确性和鲁棒性	人类EEG信号	机器学习	NA	深度学习	3DCNN-CapsNet结合分层注意力机制	EEG信号	DEAP和DREAMER数据集（具体数量未提及）
1312	2025-05-11	Advertising or adversarial? AdvSign: Artistic advertising sign camouflage for target physical attacking to object detector 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107271 PMID:40010291	研究论文	提出一种名为AdvSign的艺术广告标志伪装方法，用于在物理环境中对目标物体检测器进行对抗攻击	利用艺术图案（如品牌标志和广告标志）设计对抗性广告标志，增强攻击的隐蔽性和不可追踪性	实验主要在模拟环境（CARLA自动驾驶模拟器）中进行，真实环境中的效果可能有所不同	开发一种在物理环境中对物体检测器进行对抗攻击的隐蔽且难以追踪的方法	物体检测器，尤其是自动驾驶场景中的目标检测模型	计算机视觉	NA	对抗训练	YOLOv5	图像	模拟环境中的合成场景图像和真实环境中的打印AdvSign图像
1313	2025-05-11	CNN-Transformer and Channel-Spatial Attention based network for hyperspectral image classification with few samples 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107283 PMID:40010294	研究论文	提出了一种基于CNN-Transformer和通道-空间注意力的网络CTA-net，用于小样本高光谱图像分类	结合CNN-Transformer模块提取局部和非局部特征，并采用通道-空间注意力模块优化特征，同时提出样本扩展方案缓解样本不足问题	未明确提及在极端环境或特殊场景下的泛化能力	解决小样本条件下高光谱图像分类的难题	高光谱图像	计算机视觉	NA	深度学习	CNN-Transformer混合模型	高光谱图像	多个高光谱图像数据集（未明确具体数量）
1314	2025-05-11	APD-FFNet: A Novel Explainable Deep Feature Fusion Network for Automated Periodontitis Diagnosis on Dental Panoramic Radiography 2025-May-09, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf034 PMID:40343455	研究论文	本研究提出了一种名为APD-FFNet的新型可解释深度学习架构，用于在牙科全景X光片上自动诊断牙周炎	首次提出了一种专门用于牙周炎诊断的特征融合方法，结合了卷积和基于Transformer的层，并采用了可解释的人工智能技术	研究仅使用了337张全景X光片，样本量相对较小	开发一种自动化、可解释的牙周炎诊断方法	牙科全景X光片	数字病理学	牙周炎	深度学习	APD-FFNet（结合CNN和Transformer的混合模型）	图像	337张牙科全景X光片
1315	2025-05-11	KEVS: enhancing segmentation of visceral adipose tissue in pre-cystectomy CT with Gaussian kernel density estimation 2025-May-09, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03380-7 PMID:40343641	research paper	提出了一种名为KEVS的新方法，用于在膀胱切除术前CT中自动分割内脏脂肪组织（VAT），无需真实标注的VAT掩模进行训练	结合深度学习语义分割模型和高斯核密度估计分析，实现了无需真实VAT掩模训练的自动化VAT预测	研究仅在20例膀胱切除术前CT扫描数据上进行验证，样本量较小	开发一种自动化方法，用于准确预测膀胱切除术前CT中的内脏脂肪组织分布	膀胱切除术前CT扫描中的内脏脂肪组织（VAT）	digital pathology	bladder cancer	Gaussian kernel density estimation, CT扫描	DL semantic segmentation model	CT图像	20例膀胱切除术前CT扫描数据
1316	2025-05-11	Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods 2025-May-09, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01781-x PMID:40343649	research paper	本研究探讨了基于AI的肺结节检测程序在超低剂量CT成像中的性能，重点关注不同图像重建方法对检测准确性的影响	研究了AI技术在超低剂量CT中检测肺结节的性能，并比较了不同图像重建方法的效果	未能检测到3毫米的磨玻璃结节，且样本仅使用了胸部模型	评估AI技术在超低剂量CT中检测肺结节的性能	人工肺结节（实性和磨玻璃结节）	digital pathology	lung cancer	ultra-low-dose CT (ULDCT)	AI-based lung nodule detection program	CT images	胸部模型（包含不同大小和类型的结节）
1317	2025-05-11	Shortcut learning leads to sex bias in deep learning models for photoacoustic tomography 2025-May-09, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03370-9 PMID:40343639	研究论文	本研究探讨了深度学习模型中捷径学习导致的性别偏见问题，特别是在光声断层扫描（PAT）中用于外周动脉疾病（PAD）诊断的应用	首次在光声断层扫描（PAT）中研究捷径学习对性别偏见的影响，并探讨了性别特异性疾病流行率对模型性能的影响	样本量较小（147人），且仅针对外周动脉疾病（PAD）进行研究	研究深度学习模型在医学影像中因捷径学习导致的性别偏见问题	光声断层扫描（PAT）影像数据	医学影像人工智能	外周动脉疾病	光声断层扫描（PAT）	CNN	影像	147名个体的小腿肌肉PAT影像
1318	2025-05-11	Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities 2025-May-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3568282 PMID:40343828	review	本文首次综述了基于EEG的视觉分类与重建的深度学习方法，涵盖了特征编码与解码、基准数据集、实验范式、方法性能、方法论本质与神经科学见解以及未来趋势	首次对基于EEG的视觉分类与重建的深度学习方法进行全面综述，提出了方法论本质与神经科学见解的动态闭环互动与促进	未提及具体实验数据或样本量的限制	促进基于EEG的视觉分类与重建研究的进展	EEG信号及其在视觉分类与重建中的应用	机器学习	NA	EEG	深度学习	EEG信号	NA
1319	2025-05-11	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	research paper	提出了一种新颖的多任务协作框架，用于解决宫颈癌细胞分类中的类别相似性、单细胞与细胞簇之间的变异性以及注释准确性等问题	引入了分组细胞对比辅助分支、多级细胞分类辅助分支、图像重建辅助分支和软标签蒸馏辅助分支，以提升分类性能	未提及具体的数据集规模限制或模型泛化能力的详细评估	提升宫颈癌细胞分类的准确性和鲁棒性	宫颈癌细胞	digital pathology	cervical cancer	supervised contrastive learning, multi-task learning	multi-task collaborative framework	image	HSJCC, DSCC 和 SIPaKMeD 数据集
1320	2025-05-11	A Finetuning Deep Learning Framework for Pan-species Promoters with Pseudo Time Series Analysis on Time and Frequency Space 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出了一种名为ProTriCNN的深度学习方法用于启动子识别，并基于此开发了TransPro微调框架以提高跨物种识别性能	将启动子视为伪时间序列以捕捉其异质性，并利用进化树和时间-频率空间表示物种间差异	未明确提及具体局限性	提高跨物种启动子识别和分类的准确性	不同物种的启动子	生物信息学	NA	深度学习	ProTriCNN, TransPro	序列数据	未明确提及具体样本数量