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
121	2025-06-19	Estimating the extent and sources of model uncertainty in political science 2025-Jun-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2414926122 PMID:40526713	研究论文	本文提出了一种结合极端边界分析和多元宇宙方法的新方法，用于系统评估政治科学中的模型不确定性	结合极端边界分析和多元宇宙方法，开发了一种新的敏感性分析方法，能够同时考虑多个建模选择	未提及具体局限性	评估政治科学中的模型不确定性及其来源	政治科学中的四个主题：民主化、制度信任、公共品提供和福利国家慷慨	政治科学	NA	极端边界分析、多元宇宙方法	最近1-邻居、逻辑回归、深度学习	统计数据	超过36亿个估计值
122	2025-06-19	Chemical Properties-Based Deep Learning Models for Recommending Rational Daily Diet Combinations to Diabetics Through Large-Scale Virtual Screening of α-Glucosidase Dietary-Derived Inhibitors and Verified In Vitro 2025-Jun-18, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c03646 PMID:40472393	研究论文	本文提出基于化学性质的深度学习模型，用于通过大规模虚拟筛选α-葡萄糖苷酶膳食来源抑制剂，为糖尿病患者推荐合理的日常饮食组合	开发了三种基于化学性质的深度学习模型（AGIs、安全性和药物-药物相互作用），用于筛选潜在的α-葡萄糖苷酶抑制剂，并验证了其协同效应	仅通过体外实验验证了部分筛选结果的协同效应，未进行体内实验验证	解决食品化学研究中开发合理日常饮食组合的挑战	糖尿病患者	机器学习	糖尿病	深度学习	深度学习模型	化学性质数据	约70,000种食物来源化合物（FooDB数据库）
123	2025-06-19	Deep Learning-Based Adrenal Gland Volumetry for the Prediction of Diabetes 2025-Jun-18, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2025.2336 PMID:40528328	研究论文	本研究利用深度学习技术测量肾上腺体积，探索其与2型糖尿病的关联及预测价值	首次使用三维nnU-Net深度学习算法从CT图像中自动测量肾上腺体积，并建立其与2型糖尿病的预测关联	研究为观察性设计，无法确定因果关系；外部验证数据集有限	探究肾上腺体积与当前血糖状态及2型糖尿病发病的关联	接受腹部盆腔CT检查的成年人（无肾上腺结节）	数字病理	糖尿病	CT成像	nnU-Net	医学影像	模型开发500例CT扫描，临床队列9708名成年人
124	2025-06-19	Explainable AI predicting Alzheimer's disease with latent multimodal deep neural networks 2025-Jun-18, Journal of biopharmaceutical statistics IF:1.2Q2 DOI:10.1080/10543406.2025.2511194 PMID:40528446	研究论文	提出了一种新颖的潜在多模态深度学习框架，用于预测阿尔茨海默病的认知状态	引入了注意力层和交叉注意力层以提升预测性能，并计算模态重要性分数以增强模型的可解释性	样本量相对较小（322名患者），且数据来源仅限于ADNI数据库	预测阿尔茨海默病的认知状态	阿尔茨海默病患者	机器学习	阿尔茨海默病	多模态深度学习	深度神经网络（带有注意力层和交叉注意力层）	临床数据、影像数据和遗传数据	322名年龄在55至92岁之间的患者
125	2025-06-19	Optimal Descriptor Subset Search via Chemical Information and Target Activity-Guided Algorithm for Antimicrobial Peptide Prediction 2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00600 PMID:40528473	研究论文	本文介绍了一种名为AExOp-DCS的自动特征域优化方法，用于识别抗菌肽预测中的最优描述子子集	提出AExOp-DCS算法，通过化学结构和生物活性驱动，自动识别最优描述子子集，提高模型性能	依赖于初始描述子集的质量，可能无法完全捕捉所有关键信息	开发更高效的抗菌肽预测计算流程	抗菌肽（AMPs）	机器学习	NA	QSAR模型	AExOp-DCS	蛋白质序列数据	NA
126	2025-06-19	BalancedDiff: Balanced Diffusion Network for High-Quality Molecule Generation 2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00837 PMID:40528644	研究论文	本文提出了一种名为BalancedDiff的平衡扩散网络，用于生成高质量分子	提出了平衡损失函数以解决样本偏差问题，并设计了基于KAN的平衡特征过滤模块，结合QikProp模块预测ADME性质以提高生成分子的质量和适用性	扩散模型生成分子的有效性和可靠性仍存在不确定性	提高深度学习分子生成技术的质量和效率	分子生成	机器学习	NA	扩散模型	BalancedDiff, KAN-based Balanced Feature Filtering (KBFF), QikProp	分子数据	CrossDocked2020数据集
127	2025-06-19	Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry 2025-Jun-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00513 PMID:40528819	research paper	该研究通过半经验量子化学方法生成模拟振动光谱，用于预训练深度学习模型，并在细菌拉曼光谱的小型实验数据集上进行微调，以提高模型泛化能力	利用半经验量子化学方法生成合成数据预训练深度学习模型，解决了拉曼光谱数据不足导致的过拟合和泛化能力差的问题	研究仅针对细菌拉曼光谱进行了验证，未涉及其他类型的生物样本	解决拉曼光谱数据不足导致的模型训练问题，提高深度学习模型在生物光子学应用中的性能	细菌拉曼光谱	machine learning	NA	Raman spectroscopy, semiempirical quantum chemistry methods	deep learning	spectral data	小型实验数据集（具体数量未提及）
128	2025-06-19	Identifying and predicting EEG microstates with sequence-to-sequence deep learning models for online applications 2025-Jun-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade1f8 PMID:40480246	研究论文	本文提出了一种基于序列到序列深度学习模型的新框架，用于在线识别和预测EEG微状态	首次提出序列到序列框架，实现从EEG信号到微状态标签的端到端在线识别和预测	未提及模型在更复杂场景下的泛化能力	改进EEG微状态分析方法，实现跨被试、跨数据集和多任务场景的在线应用	EEG微状态	机器学习	NA	深度学习	序列到序列模型	EEG信号	两个公共数据集
129	2025-06-19	NLP-like deep learning aided in identification and validation of thiosulfinate tolerance clusters in diverse bacteria 2025-Jun-17, mSphere IF:3.7Q2 DOI:10.1128/msphere.00023-25 PMID:40525872	研究论文	该研究利用类似自然语言处理的深度学习技术，识别和验证了多种细菌中的硫代亚磺酸盐耐受基因簇	采用NLP类似技术处理基因簇，克服了传统方法在识别多样性基因簇上的困难，发现了多个新基因簇	NA	开发新方法以识别和验证细菌中的硫代亚磺酸盐耐受基因簇	植物病原细菌中的硫代亚磺酸盐耐受基因簇	自然语言处理	NA	NLP-like深度学习技术、基因合成分析、蛋白质结构预测	DeepBGC类似模型	基因序列数据	3种细菌菌株（97-1R、pv. FDAARGOS 389、pv. tomato DC3000）及RefSeq细菌数据库序列
130	2025-06-19	Effects of patient and imaging factors on small bowel motility scores derived from deep learning-based segmentation of cine MRI 2025-Jun-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11737-4 PMID:40526355	研究论文	本研究探讨了患者和影像因素对基于深度学习分割的小肠运动评分的影响	首次使用深度学习算法分割小肠区域，并通过光流算法量化运动评分，分析了MRI切片相关因素对运动评分的影响	未考虑患者因素对运动评分的影响，且样本量较小	评估患者和影像因素对基于深度学习的小肠运动评分的影响	54名慢性便秘或疑似结肠假性梗阻患者	数字病理	慢性便秘、结肠假性梗阻	深度学习、光流算法	深度学习算法	MRI影像	54名患者
131	2025-06-19	Innovative deep learning and signal decomposition approaches for enhanced spatial and temporal suspended sediment concentration prediction 2025-Jun-17, Environmental science and pollution research international DOI:10.1007/s11356-025-36581-3 PMID:40526349	研究论文	本研究提出了一种新型混合深度学习方法，用于提高悬浮泥沙浓度（SSC）的空间和时间预测精度	结合了LSTM、BiLSTM、GRU和DDNN等深度学习模型与CEEMDAN和SVMD信号分解技术，创新性地提升了预测效率	研究仅基于美国科罗拉多河下游四个连续测站的数据，可能限制了模型的泛化能力	提高悬浮泥沙浓度的预测精度，以支持有效的流域规划和水资源管理	悬浮泥沙浓度（SSC）	机器学习	NA	CEEMDAN, SVMD, 小波变换相干性分析	LSTM, BiLSTM, GRU, DDNN	时间序列数据	2008年至2022年美国科罗拉多河下游四个连续测站的数据
132	2025-06-19	Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach 2025-Jun-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11714-x PMID:40526353	research paper	本研究探讨了基于深度学习的定量CT（QCT）在预测进展性纤维化间质性肺疾病（PF-ILD）和评估预后中的价值	利用深度学习技术对CT图像中的ILD表现进行定量分析，以预测PF-ILD的发展和预后	单中心回顾性研究，样本量有限	预测进展性纤维化间质性肺疾病（PF-ILD）并评估其预后	465名间质性肺疾病患者	digital pathology	lung disease	deep learning-based quantitative CT (QCT)	deep learning	CT images	465名患者（中位年龄65岁，男性238名）
133	2025-06-19	Sensitivity-Enhanced Pure Shift Spectroscopy Empowered by Deep Learning and PSYCHE 2025-Jun-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01899 PMID:40526402	研究论文	本文提出了一种结合深度学习和PSYCHE技术的灵敏度增强纯位移光谱方法，用于改善核磁共振光谱的分辨率和灵敏度	利用60°翻转角的PSYCHE实验提高灵敏度，并通过深度神经网络模型去除重耦伪影，实现清洁光谱	虽然提高了灵敏度，但PSYCHE实验中使用的较小翻转角可能导致光谱灵敏度相对较低	提高核磁共振光谱的分辨率和灵敏度，解决光谱重叠和低灵敏度问题	核磁共振光谱	机器学习	NA	PSYCHE方法，深度学习	深度神经网络	光谱数据	NA
134	2025-06-19	Replacing Attention with Modality-wise Convolution for Energy-Efficient PPG-based Heart Rate Estimation using Knowledge Distillation 2025-Jun-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580474 PMID:40526537	research paper	提出了一种名为PULSE的轻量级深度学习架构，通过多头部交叉注意力层改进传感器融合，并利用基于关系的知识蒸馏机制将知识传递给学生网络，以更少的参数实现接近教师网络的性能	提出了一种新颖的轻量级深度学习架构PULSE，以及一种基于关系的知识蒸馏机制，显著减少了模型参数和能耗	未提及具体的局限性	提高基于PPG的心率估计的准确性和能效，适用于可穿戴设备	PPG信号和加速度计数据	machine learning	cardiovascular disease	深度学习，知识蒸馏	multi-head cross-attention, modality-wise convolutions	PPG信号和加速度计数据	两个数据集：PPG-DaLiA（最大的可用数据集）和WESAD
135	2025-06-19	M3D: Manifold-based Domain Adaptation with Dynamic Distribution for Non-Deep Transfer Learning in Cross-subject and Cross-session EEG-based Emotion Recognition 2025-Jun-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580612 PMID:40526534	研究论文	提出了一种轻量级的非深度迁移学习框架M3D，用于跨被试和跨会话的基于EEG的情绪识别	M3D框架结合了流形特征变换、动态分布对齐、分类器学习和集成学习，有效解决了EEG数据的非平稳性和个体差异性问题	虽然性能接近深度学习方法，但在某些复杂场景下可能仍需更大规模数据支持	提高基于EEG的情感脑机接口在实际应用中的实用性和适应性	跨被试和跨会话的EEG情绪识别	脑机接口	抑郁症	流形学习	非深度迁移学习框架	EEG信号	三个基准EEG情绪识别数据集和一个临床MDD EEG数据集
136	2025-06-19	LSTA-CNN: A Lightweight Spatio-temporal Attention-based Convolutional Neural Network for ASD Diagnosis Using EEG 2025-Jun-17, 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.2025.3580593 PMID:40526541	研究论文	提出一种基于轻量级时空注意力的卷积神经网络（LSTA-CNN），用于利用EEG信号进行自闭症谱系障碍（ASD）诊断	引入新的时空注意力机制，能够联合整合时域和空域的特征，有效提取EEG特征	仅使用了自收集的EEG数据集，样本量相对较小	开发一种轻量级的深度学习模型，用于ASD的EEG信号诊断	自闭症儿童和正常儿童的EEG信号	数字病理学	自闭症谱系障碍	EEG	CNN	EEG信号	41名自闭症儿童和32名正常儿童的EEG记录
137	2025-06-19	ABNN: Adaptive-Gating Binary Neural Network With Dynamic Activation Quantization for Industrial Health Status Prediction 2025-Jun-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3577620 PMID:40526547	research paper	提出了一种高效的适应性门控二进制神经网络（ABNN），用于工业边缘场景中复杂工业设备的健康状态预测	引入了趋势感知编码器（TAE）优化输入层二值化过程，提出可学习精度指示器（LPI）调整推理精度水平，以及适应性门控卷积在不大幅增加计算成本的情况下提升表示能力	未提及具体在哪些类型的工业设备上进行了测试，以及在不同工业场景中的泛化能力	解决工业边缘场景中资源有限和实时性要求严格的问题，提升健康状态预测的准确性和效率	复杂工业设备的健康状态	machine learning	NA	FPGA硬件加速器	ABNN（适应性门控二进制神经网络）	工业设备健康状态数据	NA
138	2025-06-19	LOD-PCAC: Level-of-Detail-Based Deep Lossless Point Cloud Attribute Compression 2025-Jun-17, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3578760 PMID:40526560	research paper	提出了一种基于深度学习的无损点云属性压缩框架LOD-PCAC，利用细节层次结构实现密度鲁棒的压缩	引入细节层次结构构建参考集以捕获多级信息，并提出位级残差编码器高效压缩属性	未明确提及具体限制，但可能对极端稀疏点云的适应性有待验证	提升稀疏或分布不均匀点云的无损属性压缩性能	点云属性数据	computer vision	NA	深度学习	neural network	3D点云数据	未明确提及具体样本量，但测试了多种点云数据集
139	2025-06-19	The role of learned song in the evolution and speciation of Eastern and Spotted towhees 2025-Jun-17, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013135 PMID:40526780	研究论文	该研究探讨了学习歌曲在东方斑唧鹀和斑点唧鹀的进化和物种形成中的作用	利用机器学习模型分析两种鸟类歌曲的地理变异和物种间差异，并探讨歌曲差异是否促进它们的生殖隔离	公开可用的遗传数据有限，且物种分类在重叠区域的准确性较低	研究学习歌曲在物种进化和生殖隔离中的作用	东方斑唧鹀和斑点唧鹀	生态学	NA	机器学习	随机森林, 深度学习, 梯度提升机, CNN	音频	广泛的社区科学录音，包括重叠区域和潜在杂交个体的歌曲
140	2025-06-19	Recurrent multi-view 6DoF pose estimation for marker-less surgical tool tracking 2025-Jun-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03436-8 PMID:40528143	研究论文	本文提出了一种基于深度学习的无标记手术工具跟踪方法，通过多视角和循环神经网络结合提高跟踪精度	结合多视角姿态估计和循环神经网络，利用时间连贯性改进跟踪，并在工具被遮挡时表现更优	实验主要在合成数据集上进行，真实数据集的表现仍有提升空间	提高手术工具无标记跟踪的精度和可靠性	手术工具的姿态估计与跟踪	计算机视觉	NA	深度学习	RNN	视频	合成数据集和真实数据集（四摄像头设置）