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
14181	2025-10-07	TransBind allows precise detection of DNA-binding proteins and residues using language models and deep learning 2025-Apr-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07534-w PMID:40185915	研究论文	提出TransBind框架，使用语言模型和深度学习直接从蛋白质序列精确检测DNA结合蛋白及其结合残基	首个无需多序列比对的深度学习方法，利用预训练蛋白质语言模型特征，有效解决数据不平衡问题	对于孤儿蛋白或快速进化蛋白的适用性未详细验证	开发高精度检测DNA结合蛋白及其结合残基的计算方法	DNA结合蛋白及其结合残基	生物信息学, 机器学习	NA	蛋白质语言模型, 深度学习	深度学习框架	蛋白质序列数据	多种实验数据集（具体数量未明确说明）	深度学习框架	基于语言模型的架构	准确率, 计算效率	NA
14182	2025-10-07	CT-based radiomics deep learning signatures for non-invasive prediction of metastatic potential in pheochromocytoma and paraganglioma: a multicohort study 2025-Apr-05, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01952-4 PMID:40185919	研究论文	开发并验证基于CT的放射组学深度学习特征用于无创预测嗜铬细胞瘤和副神经节瘤的转移潜能	首次将放射组学特征与深度学习模型结合，构建能够术前预测PPGL转移潜能的组合模型	回顾性研究设计，样本量相对有限（249例患者）	开发非侵入性预测嗜铬细胞瘤和副神经节瘤转移潜能的诊断工具	249例嗜铬细胞瘤和副神经节瘤患者	医学影像分析	嗜铬细胞瘤和副神经节瘤	CT静脉期成像	机器学习算法,深度学习模型	CT图像	249例患者（训练集138例，测试集1 71例，测试集2 40例）	NA	ResNet-50,ResNet	AUC,准确率,无转移生存期	NA
14183	2025-10-07	CGLoop: a neural network framework for chromatin loop prediction 2025-Apr-05, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11531-y PMID:40186170	研究论文	提出基于深度学习的神经网络框架CGLoop，用于预测Hi-C接触矩阵中的染色质环	结合卷积神经网络与卷积块注意力模块和双向门控循环单元，并采用基于密度的聚类方法过滤预测结果	NA	预测全基因组相互作用中产生的染色质环，以深入理解三维基因组结构和功能	染色质环	生物信息学	NA	Hi-C染色体构象捕获	CNN, BiGRU	Hi-C接触矩阵	多个细胞系包括GM12878、K562、IMR90和mESC	NA	CNN with CBAM, BiGRU	APA分数，转录因子和结合蛋白富集分析	NA
14184	2025-10-07	Noninvasive early prediction of preeclampsia in pregnancy using retinal vascular features 2025-Apr-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01582-6 PMID:40188283	研究论文	本研究开发了一种基于视网膜血管特征的AI模型PROMPT，用于妊娠期子痫前期的无创早期预测	首次结合视网膜摄影、风险因素和平均动脉压，创建非侵入性、低成本的子痫前期预测工具	样本量相对有限（1812例妊娠），需进一步验证在更广泛人群中的适用性	开发子痫前期的无创早期预测方法	妊娠14周前的孕妇	数字病理	妊娠期高血压疾病	视网膜摄影	深度学习, 机器学习	视网膜图像	1812例妊娠	NA	NA	AUC	NA
14185	2025-10-07	Advancing plant leaf disease detection integrating machine learning and deep learning 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72197-2 PMID:40185756	研究论文	本研究提出了一种结合深度学习和机器学习的植物叶片病害自动检测方法	将CNN特征提取与机器学习分类器相结合，针对不同植物病害数据集优化模型组合	未提及模型泛化能力和计算效率方面的限制	开发自动化的植物叶片病害检测系统	香蕉叶、番荔枝叶和果实、无花果叶、马铃薯叶的病害	计算机视觉	植物病害	NA	CNN, SVM, kNN	图像	四个植物叶片病害数据集	NA	VGG19, Inception v3	准确率, 精确率, 召回率, F1分数, AUC, MCC	NA
14186	2025-10-07	A fine-tuned convolutional neural network model for accurate Alzheimer's disease classification 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86635-2 PMID:40185767	研究论文	提出一种基于迁移学习的卷积神经网络模型，用于阿尔茨海默病的准确分类诊断	采用迁移学习策略，在有限数据条件下实现高精度AD分类，解决了传统模型需要大量标注数据和计算资源的问题	模型性能依赖于预训练模型的质量，在不同医疗中心数据上的泛化能力仍需验证	开发高效的阿尔茨海默病早期诊断方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	磁共振成像(MRI)	CNN	医学图像	Kaggle MRI数据集和OASIS数据库	NA	AlexNet, GoogleNet, MobileNetV2	准确率	NA
14187	2025-10-07	Deep learning prediction of mammographic breast density using screening data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95275-5 PMID:40185813	研究论文	本研究开发深度学习模型用于乳腺X线摄影密度的客观评估	首次系统比较多种深度学习模型在乳腺密度分类中的性能，并与放射科医生进行对比验证	使用单中心回顾性数据，需要外部验证确认泛化能力	开发客观评估乳腺X线摄影密度的深度学习工具	乳腺X线摄影图像	计算机视觉	乳腺癌	乳腺X线摄影	深度学习	图像	9,621名女性的57,282张乳腺X线图像	NA	InceptionV3	平均精度	NA
14188	2025-10-07	Parallel boosting neural network with mutual information for day-ahead solar irradiance forecasting 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95891-1 PMID:40185800	研究论文	提出一种用于日前太阳辐照度预测的并行提升神经网络框架	将三种提升决策树算法与前馈神经网络并行集成，并采用互信息进行特征选择	仅在两个地理数据集上进行验证，需要更多数据集测试泛化能力	提高太阳辐照度预测精度以支持光伏系统可靠运行	太阳辐照度时间序列数据	机器学习	NA	互信息特征选择	集成学习,前馈神经网络	时间序列数据	两个地理数据集（伊斯兰堡和圣地亚哥）	NA	XgBoost,CatBoost,Random Forest,FFNN	平均绝对百分比误差（MAPE）	NA
14189	2025-10-07	Improved deep learning model for accurate energy demand prediction and conservation in electric vehicles integrated with cognitive radio networks 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94650-6 PMID:40185809	研究论文	提出一种结合经验模态分解、卷积神经网络和海鸥优化算法的深度学习模型，用于电动汽车能量需求预测和节能	首次将经验模态分解与CNN结合，并采用海鸥优化算法进行优化，同时整合认知无线电网络技术	未提及模型在不同气候条件和驾驶模式下的泛化能力	准确预测电动汽车能量需求以实现节能，并减轻电网负担	电动汽车能量需求和认知无线电网络	机器学习	NA	经验模态分解，海鸥优化算法	CNN, LSTM, RNN	时间序列数据，无线通信数据	NA	NA	深度CNN	准确率	NA
14190	2025-10-07	Accurate cross-species 5mC detection for Oxford Nanopore sequencing in plants with DeepPlant 2025-Apr-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58576-x PMID:40185832	研究论文	开发了名为DeepPlant的深度学习模型，用于提高植物中5-甲基胞嘧啶（5mC）的检测准确性	结合Bi-LSTM和Transformer架构，解决了植物CHH甲基化检测中高甲基化阳性样本稀缺的问题，显著提高了跨物种检测的泛化能力	仅针对植物物种进行研究，未在动物或其他生物中进行验证	提高植物中5-甲基胞嘧啶（5mC）检测的准确性和跨物种泛化能力	植物基因组中的5-甲基胞嘧啶（5mC），特别是CHH、CpG和CHG甲基化模式	生物信息学	NA	Oxford Nanopore测序，亚硫酸氢盐测序（BS-seq）	Bi-LSTM, Transformer	基因组测序数据	9个植物物种的测序数据	NA	Bi-LSTM, Transformer	全基因组甲基化频率相关性，F1分数，单分子准确性	NA
14191	2025-10-07	A performance-driven hybrid text-image classification model for multimodal data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95674-8 PMID:40185890	研究论文	提出一种结合文本和图像处理的多模态混合分类模型HTIC	采用VGG16和Roberta结合的多模态架构，通过多模态特征提取层确保不同类型数据的兼容性	仅使用了五个数据集进行验证，未提及模型在其他领域的泛化能力	开发用于多模态数据的混合分类模型	文本和图像数据	自然语言处理,计算机视觉	NA	多模态深度学习	CNN,Transformer	文本,图像	五个不同数据集	NA	VGG16,Roberta,CNN	分类准确率,泛化能力,鲁棒性	NA
14192	2025-10-07	The analysis of optimization in music aesthetic education under artificial intelligence 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96436-2 PMID:40185937	研究论文	本文探索了在人工智能环境下如何通过深度学习算法优化音乐审美教育的教学内容与方法	将深度学习算法与音乐审美教育相结合，设计了专门的算法原理和运行代码，提高了音乐情感识别的准确率	NA	研究通过深度学习优化音乐审美教育方法的可行性和途径	不同年龄段和音乐素养水平的学生	机器学习	NA	深度学习	NA	音乐数据	NA	NA	NA	准确率	NA
14193	2025-10-07	Wild horseshoe crab image denoising based on CNN-transformer architecture 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96218-w PMID:40185943	研究论文	提出一种基于CNN-Transformer混合架构的野马蹄蟹图像去噪方法	结合多头转置注意力机制、门控机制和深度可分离卷积的混合模型架构，在通道维度应用线性复杂度的多头转置注意力机制	NA	解决野马蹄蟹自然栖息地复杂环境下图像采集受真实噪声因素影响的问题	野马蹄蟹图像	计算机视觉	NA	图像去噪技术	CNN, Transformer	图像	构建的野马蹄蟹图像数据集	NA	CNN-Transformer混合架构	NA	NA
14194	2025-10-07	Tunnel face rock mass class rapid identification based on TBM cutterhead vibration monitoring and deep learning model 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96875-x PMID:40186002	研究论文	基于TBM刀盘振动监测和深度学习模型实现隧道掌子面岩体等级的快速识别	结合1DCNN、BiLSTM和自注意力机制的端到端深度学习模型，采用受Inception v2启发的多尺度特征提取结构创新	NA	实现隧道掘进过程中岩体条件的快速识别，优化TBM操作参数和隧道支护措施选择	TBM隧道掌子面岩体	机器学习	NA	振动信号监测	1DCNN, BiLSTM, 自注意力机制	振动信号	NA	NA	1DCNN, BiLSTM, 自注意力机制, Inception v2	准确率	NA
14195	2025-10-07	Deep-learning enabled rapid and low-cost detection of microplastics in consumer products following on-site extraction and image processing 2025-Apr-04, RSC advances IF:3.9Q2 DOI:10.1039/d4ra07991d PMID:40190644	研究论文	开发了一种基于深度学习和手机显微镜的微塑料快速低成本检测平台	首次将低成本手机显微镜与YOLOv5深度学习模型结合用于微塑料检测，实现了快速、准确且经济高效的检测方案	样本类型有限，仅测试了五种消费品类别；需要依赖化学提取步骤	开发快速、低成本检测消费品中微塑料污染的方法	盐、糖、茶包、牙膏和牙粉中的微塑料颗粒	计算机视觉	NA	密度分离技术、ATR-FTIR光谱、FE-SEM电子显微镜	CNN	图像	2490张图像（训练1990张，验证250张，测试250张）	PyTorch	YOLOv5	准确率	NA
14196	2025-10-07	Non-invasive quantification of pressure drops in stenotic intracranial vessels: using deep learning-enhanced 4D flow MRI to characterize the regional haemodynamics of the pulsing brain 2025-Apr-04, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2024.0040 PMID:40191027	研究论文	本研究开发了一种基于深度学习增强超分辨率4D流MRI的非侵入性方法，用于量化狭窄颅内血管的压力下降	结合深度学习超分辨率成像与物理信息虚拟功-能相对压力技术，首次实现亚毫米级颅内血管压力变化的非侵入性量化	研究首先在模拟实验中验证，然后转移到患者队列，需要进一步扩大临床验证规模	开发非侵入性量化颅内狭窄血管压力变化的方法	颅内动脉狭窄患者和模拟颅内环境的脉动流实验	医学影像分析	脑血管疾病	4D流MRI, 深度学习超分辨率成像	深度学习	MRI影像	颅内动脉粥样硬化疾病患者队列	NA	NA	与侵入性导管测量的一致性	NA
14197	2025-10-07	Compact Model Training by Low-Rank Projection With Energy Transfer 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3400928 PMID:38843062	研究论文	提出一种名为LRPET的新训练方法，通过低秩投影与能量转移从头训练低秩压缩网络	提出交替执行随机梯度下降训练和权重矩阵低秩投影的方法，通过能量转移补偿投影导致的矩阵能量损失，并引入BN修正技术	NA	开发更有效的深度神经网络低秩压缩方法	深度神经网络模型	机器学习	NA	低秩近似，网络压缩	CNN, Transformer	图像	CIFAR-10和ImageNet数据集	NA	NA	准确率，压缩效果	NA
14198	2025-10-07	Supervise-Assisted Self-Supervised Deep-Learning Method for Hyperspectral Image Restoration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386809 PMID:38722728	研究论文	提出一种监督辅助的自监督深度学习方法用于高光谱图像恢复	结合监督学习和自监督学习，引入噪声自适应损失函数处理带噪声的退化高光谱图像	未明确说明方法在极端噪声水平或复杂退化场景下的性能	解决高光谱图像恢复中的分布差异和噪声干扰问题	带噪声的退化高光谱图像	计算机视觉	NA	高光谱成像	深度学习	高光谱图像	NA	NA	NA	定量指标, 视觉质量	NA
14199	2025-10-07	Personalized deep learning auto-segmentation models for adaptive fractionated magnetic resonance-guided radiation therapy of the abdomen 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17580 PMID:39699250	研究论文	本研究开发个性化深度学习自动分割模型，用于腹部磁共振引导放疗中的自适应分割	提出基于患者特异性数据的自动分割方法，结合计划阶段和前期分次治疗的专家分割结果进行模型微调	研究样本量有限（151例患者），仅针对特定类型MR-Linac设备（0.35T）	改进磁共振引导放疗中的自动分割精度，减少手动轮廓修正时间	腹部癌症患者（151例）的磁共振图像	医学影像分析	腹部癌症	磁共振成像（MRI），深度学习	深度学习分割模型	磁共振图像	151例患者，包含151个计划MRI和215个分次治疗MRI	NA	NA	Dice相似系数（DSC），平均豪斯多夫距离（HD avg），95%百分位豪斯多夫距离（HD95）	NA
14200	2025-10-07	Deep learning-aided diagnosis of acute abdominal aortic dissection by ultrasound images 2025-Apr, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02311-y PMID:39821588	研究论文	本研究探索深度学习在超声图像中辅助诊断急性腹主动脉夹层的应用	首次将深度学习模型应用于超声图像诊断腹主动脉夹层，并与人类医生进行性能比较	样本量较小（374张图像），仅使用单一医疗机构数据	开发基于深度学习的急性腹主动脉夹层辅助诊断系统	腹主动脉夹层患者的超声图像	计算机视觉	心血管疾病	超声成像	CNN	图像	374张超声图像（来自2022年6月30日前治疗的患者）	NA	DenseNet-169, VGG-16	敏感度, AUC	NA