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
1421	2025-06-03	Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324146 PMID:40445972	研究论文	提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI	采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性	仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力	提高药物-靶点相互作用预测的准确性和可解释性	药物和蛋白质的相互作用	机器学习	NA	深度学习	SSCPA-DTI (基于注意力机制的模型)	序列数据(SMILES序列和蛋白质序列)	三个公共数据集
1422	2025-06-03	Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321770 PMID:40445983	研究论文	本研究提出了一种基于深度学习的方法，通过改进CycleGAN-M和YOLOv8s-KEF模型来提高苹果叶病害的识别准确率	使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病变和复杂纹理	模型大小增加了6MB，可能影响部署效率	提高苹果叶病害的识别准确率，解决数据集有限、样本量小和识别精度低的问题	苹果叶病害	计算机视觉	植物病害	深度学习	CycleGAN-M, YOLOv8s-KEF	图像	NA
1423	2025-06-03	ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322405 PMID:40446004	研究论文	提出了一种名为ArsenicNet的融合Xception模型，用于高效检测砷污染引起的皮肤疾病	结合Xception模型与Inception模块的深度学习架构，在砷皮肤疾病检测中表现出优越性能	数据集样本量较小（仅1287个样本），且仅基于孟加拉国人群	开发高效准确的砷皮肤疾病检测方法	砷污染引起的皮肤疾病	计算机视觉	皮肤疾病	深度学习	Xception与Inception模块融合的CNN	图像	1287张基于孟加拉国人群的皮肤图像
1424	2025-06-03	Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321559 PMID:40446012	研究论文	本文提出了一种基于分割的深度2D-3D多分支学习方法，用于高效的高光谱图像分类	提出了一种新颖的多层多分支2D-3D CNN模型，结合了SPCA和mRMR技术，能够分层处理不同重要性的特征	未明确提及具体局限性，但可能涉及计算复杂性和模型泛化能力	解决高光谱图像分类中的数据冗余、计算成本高、样本不足和维度诅咒等问题	高光谱图像中的土地覆盖物体分类	计算机视觉	NA	Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR)	2D-3D CNN	高光谱图像	Salinas Scene、University of Pavia和Indian Pines高光谱图像数据集
1425	2025-06-03	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文全面回顾了深度学习在超声定位显微镜（ULM）中的应用，重点关注稀疏微泡分布的假设方法	深度学习在ULM中的应用显著提高了图像质量、处理速度，并减少了微泡高浓度下的采集时间，为ULM的临床应用提供了新思路	当前方法在优化问题表述、评估标准和网络架构方面存在差异，仍需解决这些方法的局限性和挑战	探讨深度学习在超声定位显微镜中的应用及其未来潜力	超声定位显微镜（ULM）中的微泡定位、血流速度估计和像差校正	医学影像处理	NA	超声定位显微镜（ULM）	深度学习	图像	NA
1426	2025-06-03	VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3463188 PMID:39292568	研究论文	提出了一种基于VoxelMorph的深度学习运动校正方法，用于提高脊髓超声定位显微镜（ULM）成像的性能	首次将VoxelMorph深度学习模型应用于脊髓超声定位显微镜的运动校正，显著提高了微血管重建的分辨率	未提及在极端运动条件下的性能表现	提高脊髓血管超声定位显微镜成像的准确性	脊髓血管系统	医学影像处理	脊髓损伤	超声定位显微镜（ULM）	VoxelMorph	超声图像	NA
1427	2025-06-03	Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3488729 PMID:39480714	研究论文	本文提出了一种基于深度学习的功率感知可调加权方法（DPT），用于改善超声微血管成像（UMI）的质量	提出了一种结合卷积和Transformer的混合结构模型Yformer，用于估计噪声和信号功率，并引入可调噪声控制因子（NCF）以提高不同UMI应用的质量	模型仅在私有大鼠脑数据集上进行训练，可能在其他数据集上的泛化能力有待进一步验证	提高超声微血管成像（UMI）的图像质量，降低计算复杂度	超声微血管成像（UMI）中的噪声和信号功率估计	医学影像处理	NA	深度学习（DL）、平面波（PW）传输、延迟求和（DAS）波束成形	Yformer（结合CNN和Transformer的混合结构）	超声图像	公共模拟数据集、公共大鼠脑数据集、私有大鼠脑数据集、私有大鼠肝数据集
1428	2025-06-03	ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3388102 PMID:38607709	研究论文	本文提出了一种结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，用于从少量超声帧中直接重建超分辨率图像，实现超快超声定位显微镜成像	结合多分支CNN和递归Transformer的新型深度学习框架，显著减少了数据采集和计算时间	NA	开发一种能够快速实现超分辨率超声定位显微镜成像的方法	超声定位显微镜成像中的微血管	医学影像处理	NA	超声定位显微镜(ULM)	多分支CNN和递归Transformer(RT)	超声图像	数值模拟和体内实验
1429	2025-06-03	Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes 2024-Dec, Proceedings of machine learning research PMID:40443560	research paper	该研究提出了一种在动态治疗策略下估计条件治疗效果时量化深度学习模型中不确定性的方法	首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗策略下的条件治疗效果估计	研究使用了模拟数据集和单一真实世界数据集（脓毒症数据），可能限制了结果的普遍性	改进动态治疗策略下条件治疗效果的估计，并量化模型不确定性	动态治疗策略下的治疗效果	machine learning	sepsis	variational dropout, deep ensembles	deep learning	clinical data	两个模拟数据集和一个真实世界脓毒症数据集
1430	2025-06-03	Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity 2024-11-15, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00542 PMID:39495623	research paper	该研究探讨了平衡训练集对基于深度学习的CRISPR sgRNA活性预测的影响	通过使用平衡和不平衡的数据集训练CNN和LLM模型，并测试合成sgRNA对预测性能的提升，强调了平衡训练集的重要性	研究仅针对CRISPR-Cas12a和CRISPR-Cas9系统，可能不适用于其他CRISPR系统	提高CRISPR sgRNA活性预测的准确性	CRISPR sgRNA	machine learning	NA	CRISPR-Cas12a和CRISPR-Cas9筛选	CNN, LLM	序列数据	来自酵母的CRISPR-Cas12a筛选数据及CRISPR-Cas9数据集
1431	2025-06-03	DMAMP: A Deep-Learning Model for Detecting Antimicrobial Peptides and Their Multi-Activities 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3439541 PMID:39106141	研究论文	提出了一种名为DMAMP的深度学习模型，用于同时检测抗菌肽及其多种活性	通过多任务学习结合两个相关任务的特征共享，同时检测抗菌肽及其活性，提高了检测效率	未提及具体的数据集规模限制或模型泛化能力的局限性	开发一种高效的计算方法来检测抗菌肽及其多种活性，以降低实验成本	抗菌肽（AMPs）及其多种活性	机器学习	NA	深度学习	CNN, 残差块, 全连接层	肽序列	未提及具体样本数量
1432	2025-06-03	Modal-nexus auto-encoder for multi-modality cellular data integration and imputation 2024-10-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53355-6 PMID:39424861	研究论文	提出了一种名为Modal-Nexus Auto-Encoder (Monae)的深度学习方法，用于多模态单细胞数据的整合与填补	利用模态间的调控关系和模态特定的自编码器中的对比学习，Monae在统一空间中增强了细胞表征，并能够生成精确的模态内和跨模态填补计数	未明确提及具体限制	解决多模态单细胞数据整合与填补中的异构特征空间和技术噪声问题	单细胞数据	机器学习	NA	对比学习	Auto-Encoder	单细胞数据	多个数据集（未明确提及具体样本数量）
1433	2025-06-03	Computational Synthetic Biology Enabled through JAX: A Showcase 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00307 PMID:39230510	研究论文	本文展示了JAX库在计算合成生物学中的应用，通过三个示例项目展示了其在加速研究和代码可用性方面的优势	利用JAX库在计算生物学中的未充分探索的潜力，展示了其在合成生物学和定向进化中的灵活扩展、更快运行时间和易于GPU移植的优势	JAX在计算生物学中的应用仍处于初级阶段，需要更多的案例研究来验证其广泛适用性	促进数学建模在合成生物学中的应用，通过JAX库加速研究和提高代码可用性	合成生物学和定向进化中的基因网络优化和细胞内动力学模拟	计算生物学	NA	JAX库，GPU加速计算	NA	NA	NA
1434	2025-06-03	Retinal vasculature of different diameters and plexuses exhibit distinct vulnerability in varying severity of diabetic retinopathy 2024-Jun, Eye (London, England) DOI:10.1038/s41433-024-03021-4 PMID:38514853	研究论文	使用光学相干断层扫描血管成像（OCTA）研究糖尿病患者和健康对照者视网膜浅层和深层血管复合体中不同直径血管的密度变化	首次通过OCTA技术分层分析不同直径血管在糖尿病视网膜病变（DR）不同严重程度下的变化	样本量在不同DR严重程度组间分布不均，可能影响结果的普遍性	探究糖尿病视网膜病变中不同直径血管的脆弱性差异	糖尿病患者和健康对照者的视网膜血管	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习分割和血管图提取工具	图像	854名受试者的854只眼（健康对照555例，无DR 90例，轻中度NPDR 96例，重度NPDR 42例，PDR 71例）
1435	2025-06-03	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文对源自由无监督领域自适应（SFUDA）方法进行了系统性的文献综述	首次对SFUDA方法进行分类，并详细讨论了白盒和黑盒SFUDA方法的优缺点	未涉及具体实验验证，主要基于文献分析	解决跨领域分布差异导致的领域适应问题	无监督领域自适应方法	机器学习	NA	NA	NA	NA	NA
1436	2025-06-03	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	使用卷积神经网络（CNNs）分析对比增强磁共振成像（CE-MRI）的骨骼小腿肌肉灌注数据，以区分外周动脉疾病（PAD）患者与匹配对照组	首次应用CNNs分析CE-MRI的骨骼小腿肌肉灌注模式来区分PAD患者与对照组	样本量较小（56例），且模型准确率最高仅75%	探索深度学习在外周动脉疾病诊断中的应用	外周动脉疾病患者及匹配对照组的骨骼小腿肌肉	数字病理学	心血管疾病	对比增强磁共振成像（CE-MRI）	CNN（包括resNet和divNet）	3D医学影像	56例（36例PAD患者和20例匹配对照组）
1437	2025-06-03	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	本研究开发了一种深度学习算法，利用基线和纵向结构测量数据预测青光眼患者的视野进展	首次使用Siamese Neural Network结合ResNet-152预训练模型，通过连续视盘照片和基线视网膜神经纤维层厚度预测视野进展	需要进一步验证才能在临床实践中实施	开发能够预测青光眼患者视野进展的深度学习工具	青光眼患者	数字病理	青光眼	深度学习	Siamese Neural Network with ResNet-152 backbone	图像	3,079只眼（1,765名患者）用于训练，427只眼用于测试
1438	2025-06-03	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	research paper	开发了一种基于深度学习的AI模型，用于在前列腺癌分期CT上检测和分类骨病变	开发了两种自动化的深度学习AI模型，分别用于骨病变检测与分割以及良性与转移性病变分类，并与放射科医生的性能进行了比较	研究为回顾性研究，样本量相对较小，且仅针对前列腺癌患者	提高前列腺癌分期CT上骨病变的检测和分类效率	前列腺癌患者的骨病变	digital pathology	prostate cancer	deep learning	3DAISeg, 3DAIClass	CT scans	297例分期CT扫描（81例转移性），包含4601个良性病变和1911个转移性病变
1439	2025-06-03	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	本研究应用自然语言处理（NLP）技术自动化从临床记录中提取抗癌治疗和RECIST定义的响应信息，以减少人工数据收集的工作量并提高结果的一致性和可靠性	提出了一种复杂的混合NLP系统，结合机器学习和深度学习模块，用于从叙述性临床文本中自动提取、链接和总结抗癌治疗及相关的RECIST响应	系统在链接治疗和RECIST响应提及方面的最佳得分仅为0.66，端到端性能峰值为0.74，显示仍有改进空间	自动化从电子健康记录中提取抗癌治疗和响应信息，以支持癌症研究和治疗效果评估	临床记录中的抗癌治疗信息和RECIST定义的响应信息	自然语言处理	癌症	自然语言处理（NLP）	BioBERT, BioClinicalBERT	文本	来自不同机构的两个独立测试集
1440	2025-06-03	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	research paper	本研究提出了一种基于U-Net的深度学习框架，用于增强基于LED的光声成像系统的图像质量	使用U-Net框架显著提高了低帧平均光声图像的信噪比和对比度，为低成本、低能量光源的光声成像系统提供了实时图像增强平台	网络存在模糊输出和无法减少椒盐噪声的缺点	提高基于LED的光声成像系统的图像质量和帧率	光声成像系统及其获得的图像	computer vision	NA	deep learning	U-Net	image	in vitro phantoms和in vivo models