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
15261	2025-10-07	De novo design of luciferases using deep learning 2023-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-05696-3 PMID:36813896	研究论文	本研究使用深度学习方法从头设计具有高活性和选择性的荧光素酶	开发了基于深度学习的'家族级幻觉'方法，能够生成大量包含多样化口袋形状的理想化蛋白质结构和编码这些结构的序列	NA	从头设计具有高催化效率和底物选择性的荧光素酶	人工设计的荧光素酶及其对合成荧光素底物（二苯基特拉嗪和2-脱氧腔肠素）的催化性能	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	NA	NA	催化效率(k/K)、底物选择性、热稳定性(熔解温度)、酶分子量	NA
15262	2025-04-06	Code-Free Deep Learning Glaucoma Detection on Color Fundus Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100721 PMID:40182983	研究论文	本研究评估了无代码深度学习(CFDL)在眼底图像中检测青光眼的性能，并与专家设计的模型进行了比较	使用无代码深度学习(CFDL)方法，使无编程经验的临床医生能够构建自己的AI模型，用于青光眼筛查	未提及具体局限性	评估无代码深度学习在青光眼检测中的性能	眼底图像	计算机视觉	青光眼	深度学习	CFDL模型	图像	101442张标记的眼底图像	NA	NA	NA	NA
15263	2025-04-06	Optical label-free microscopy characterization of dielectric nanoparticles 2025-Apr-03, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03860f PMID:40079204	教程	本文综述了无标记光学显微镜技术在纳米颗粒表征中的应用，重点介绍了亚微米尺寸介电颗粒的光学散射理论及其与颗粒质量、大小、结构和材料特性的关系	探讨了不同无标记显微镜技术在纳米颗粒表征中的差异与相似性，并介绍了结合深度学习图像分析的Python笔记本等新兴技术	目前尚无适用于所有纳米颗粒表征的通用解决方案，需要根据样品特性选择合适的技术	为纳米颗粒表征提供测量策略选择指导	亚微米尺寸介电颗粒	光学显微镜	NA	无标记光学显微镜技术	深度学习	图像	NA	NA	NA	NA	NA
15264	2025-04-06	A deep learning framework for instrument-to-instrument translation of solar observation data 2025-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58391-4 PMID:40175360	研究论文	本文提出了一种深度学习框架，用于太阳观测数据的仪器间转换，以实现多仪器数据集的同质化	利用生成对抗网络（GAN）进行无配对域转换，无需空间或时间重叠即可关联不同仪器	NA	解决不同仪器观测数据因校准和质量差异而难以联合使用的问题	太阳观测数据	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	24年的空间观测数据及地面和空间太阳观测的四个不同应用	NA	NA	NA	NA
15265	2025-04-06	A compact deep learning approach integrating depthwise convolutions and spatial attention for plant disease classification 2025-Apr-02, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01325-4 PMID:40176127	研究论文	提出一种轻量级深度学习模型LWDSC-SA，用于植物病害分类，结合深度可分离卷积和空间注意力机制以提高特征提取能力并保持计算效率	整合空间注意力和深度可分离卷积，提升模型在资源受限环境中的部署能力，同时在PlantVillage数据集上达到98.7%的准确率	模型仅在PlantVillage数据集上进行测试，未在其他多样化的真实农业场景中验证	开发高效轻量的植物病害分类模型以支持农业生产力	14种植物物种的叶片病害图像	计算机视觉	植物病害	深度学习	LWDSC-SA（深度可分离卷积与空间注意力结合的轻量模型）	图像	55,000张图像（涵盖38个病害类别）	NA	NA	NA	NA
15266	2025-04-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	research paper	本文提出了一种新的深度学习方法，用于在观察数据中估计处理效应，并提高了模型的可解释性	通过利用加权能量距离的特性，提出了一个更紧的平均处理效应（ATE）估计偏差上界，并设计了一个新的目标函数，不需要正确指定倾向得分模型	NA	提高观察数据中处理效应估计的准确性和可解释性	观察数据中的处理效应	machine learning	NA	深度学习方法	neural additive models	观察数据	使用了两个基准数据集（IHDP和ACIC）以及NHANES中关于吸烟对血镉水平影响的研究数据	NA	NA	NA	NA
15267	2025-04-06	Applications of AI in Predicting Drug Responses for Type 2 Diabetes 2025-Mar-27, JMIR diabetes DOI:10.2196/66831 PMID:40146874	research paper	本文探讨了人工智能在预测2型糖尿病药物反应中的应用	利用AI技术（包括机器学习和深度学习）分析大规模数据集，以提高药物反应预测的准确性，并倾向于使用集成方法作为首选模型	未提及具体的数据集规模或模型性能的局限性	预测2型糖尿病患者对降糖药物的反应，以优化治疗方案和实现个性化医疗	2型糖尿病患者	machine learning	diabetes	machine learning, deep learning	ensemble methods	electronic health records, clinical trials, observational studies	NA	NA	NA	NA	NA
15268	2025-04-06	Integrating Single-Molecule Sequencing and Deep Learning to Predict Haplotype-Specific 3D Chromatin Organization in a Mendelian Condition 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.26.640261 PMID:40166185	research paper	该研究提出了一种结合单分子测序和深度学习的模型FiberFold，用于预测单倍型特异性的3D染色质组织	结合卷积神经网络和Transformer架构，利用长读长测序数据预测细胞类型和单倍型特异性的3D基因组组织	NA	研究3D基因组结构在基因调控和人类疾病中的作用	人类单倍型特异性3D染色质组织	machine learning	Mendelian disease	Fiber-seq, long-read sequencing	CNN, Transformer	multi-omic data	NA	NA	NA	NA	NA
15269	2025-04-06	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	research paper	该研究开发了一种名为PiCAP的新型数据集和神经网络架构，用于预测蛋白质是否非共价结合碳水化合物，并开发了CAPSIF2模型预测与碳水化合物相互作用的蛋白质残基	开发了PiCAP和CAPSIF2两个新模型，分别用于预测蛋白质与碳水化合物的结合以及相互作用的残基，性能优于现有模型	研究基于已知碳水化合物结合蛋白的数据集，可能无法涵盖所有潜在的相互作用	预测蛋白质与碳水化合物的非共价结合及其相互作用位点	蛋白质和碳水化合物的相互作用	machine learning	NA	neural network	PiCAP, CAPSIF2	protein sequence data	已知碳水化合物结合蛋白的数据集及三个蛋白质组	NA	NA	NA	NA
15270	2025-04-06	GREEN: A lightweight architecture using learnable wavelets and Riemannian geometry for biomarker exploration with EEG signals 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101182 PMID:40182177	研究论文	介绍了一种名为GREEN的轻量级神经网络架构，用于处理原始EEG数据，结合了小波变换和黎曼几何	GREEN结合了小波变换和黎曼几何，提供了一种轻量级且可解释的EEG信号处理方法，优于现有非深度学习和大型深度学习模型	未提及具体局限性	探索EEG信号中的生物标志物，并开发一种轻量级且可解释的神经网络架构	EEG信号	机器学习	NA	小波变换和黎曼几何	GREEN（Gabor Riemann EEGNet）	EEG信号	超过5,000名参与者的四个数据集	NA	NA	NA	NA
15271	2025-10-07	Weakly Aligned Feature Fusion for Multimodal Object Detection 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3105143 PMID:34437075	研究论文	提出一种名为AR-CNN的多模态目标检测方法，解决多模态数据中的位置偏移问题	设计了区域特征对齐模块、RoI抖动策略和特征重加权融合方法，并提供了新的多模态标注数据集KAIST-Paired	NA	解决多模态目标检测中的位置偏移问题，提升检测准确性和鲁棒性	多模态图像数据（RGB、热成像、深度）中的目标检测	计算机视觉	NA	多模态图像融合	CNN	多模态图像（RGB、热成像、深度）	NA	NA	AR-CNN	NA	NA
15272	2025-10-07	Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in Visual Question Answering 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3135655 PMID:35130171	研究论文	提出一种图匹配注意力网络用于解决视觉问答任务中的跨模态特征融合问题	首次为问题和图像同时构建图结构，并提出双边跨模态图匹配注意力机制	未明确说明模型计算复杂度和实时性能表现	提升视觉问答任务中跨模态信息的对齐和利用能力	图像和文本问题	计算机视觉,自然语言处理	NA	深度学习,图神经网络	GNN,注意力机制	图像,文本	GQA数据集和VQA 2.0数据集	NA	图匹配注意力网络(GMA),双阶段图编码器	准确率	NA
15273	2025-10-07	Quality-Driven Regularization for Deep Learning Networks and Its Application to Industrial Soft Sensors 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3144162 PMID:35180085	研究论文	提出一种用于工业软传感器的质量驱动正则化深度学习方法	提出质量驱动正则化方法，在深度网络预训练阶段保留质量变量相关信息	仅应用于加氢裂化工业过程，未在其他工业场景验证	开发能够提取质量相关特征的深度学习方法以提高工业软传感器预测精度	工业过程数据和产品质量变量	机器学习	NA	深度网络特征学习	SAE, QR-SAE	工业过程数据	NA	NA	堆叠自编码器	预测精度	NA
15274	2025-10-07	Learning Selective Sensor Fusion for State Estimation 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3176677 PMID:35657847	研究论文	提出一种用于状态估计的选择性传感器融合方法SelectFusion	提出端到端选择性传感器融合模块，能够评估不同传感器模态的可靠性并处理现实世界中的噪声或不完整传感器观测	NA	解决自动驾驶和移动机器人系统中的鲁棒传感器融合问题	自动驾驶车辆和移动机器人系统	机器学习和计算机视觉	NA	深度学习，传感器融合	深度学习模型	单目图像，惯性测量，深度图像，激光雷达点云	公共数据集和逐步退化数据集	NA	SelectFusion	轨迹估计的尺度和全局姿态	NA
15275	2025-04-06	Dynamic Neural Network Structure: A Review for its Theories and Applications 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3377194 PMID:40038922	综述	本文全面回顾了动态神经网络（DNN）的理论及其应用，重点探讨了其在深度学习和广泛学习领域的发展	详细分析了DNN的动态结构和参数灵活性带来的优势，并探讨了其在多个领域的应用潜力	虽然综述了DNN的理论和应用，但未涉及具体实验验证或性能比较	旨在为研究人员提供对DNN的全面理解，并指导未来的研究方向	动态神经网络（DNN）的理论基础、结构优化及其应用	机器学习	NA	NA	DNN, BLS	NA	NA	NA	NA	NA	NA
15276	2025-04-06	Age-sex-specific burden of urological cancers attributable to risk factors in China and its provinces, 1990-2021, and forecasts with scenarios simulation: a systematic analysis for the Global Burden of Disease Study 2021 2025-Mar, The Lancet regional health. Western Pacific DOI:10.1016/j.lanwpc.2025.101517 PMID:40177596	research paper	该研究分析了1990-2021年中国及其各省份泌尿系统癌症的年龄性别特异性负担，并预测了未来情景模拟下的疾病负担	首次采用多注意力深度学习管道(iTransformer)建模泌尿系统癌症的时空模式，并提供年龄-性别-地区特异性长期预测	研究依赖于GBD数据库的准确性，且预测模型可能无法完全捕捉未来社会经济变化的影响	监测中国泌尿系统癌症的分布和决定因素，模拟健康干预措施的效果	中国34个省份的泌尿系统癌症患者	digital pathology	prostate cancer, bladder cancer, kidney cancer, testicular cancer	iTransformer深度学习模型	iTransformer	流行病学数据	全国范围1990-2021年数据，2021年新发病例266,887例，现患病例159,506,067例	NA	NA	NA	NA
15277	2025-04-06	Conv-MTD: A CNN Based Multi-Label Medical Tubes Detection and Classification Model to Facilitate Resource-constrained Point-of-care Devices 2025-Feb-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3543245 PMID:40036431	research paper	提出了一种基于CNN的多标签医疗管检测与分类模型Conv-MTD，用于辅助资源受限的即时医疗设备	利用EfficientNet-B7架构作为主干，并在中间层增强辅助头以缓解梯度消失问题，同时采用16位浮点量化优化模型	未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果	开发一种自动化检测和分类医疗管放置位置的模型，以辅助放射科医生	医疗管的放置位置检测与分类	digital pathology	NA	CXR imaging	CNN, EfficientNet-B7	image	NA	NA	NA	NA	NA
15278	2025-04-06	Large Generative Model Impulsed Lightweight Gaze Estimator via Deformable Approximate Large Kernel Pursuit 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3529379 PMID:40031234	研究论文	提出了一种新型轻量级网络结构，通过可变形近似大核和大型生成模型的隐式蒸馏，实现了高效且高精度的视线估计	设计了可变形近似大核的轻量级网络结构，并利用大型生成模型（Stable Diffusion V1.5）的泛化能力进行隐式蒸馏	未明确提及具体限制	开发高效且高精度的轻量级视线估计方法，适用于移动交互平台	视线估计模型	计算机视觉	NA	深度学习	轻量级网络结构（含可变形近似大核），Stable Diffusion V1.5	图像	未明确提及具体样本数量	NA	NA	NA	NA
15279	2025-04-06	Trustworthy Limited Data CT Reconstruction Using Progressive Artifact Image Learning 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3534559 PMID:40031253	研究论文	提出了一种名为渐进伪影图像学习（PAIL）的展开框架，用于有限数据CT重建，旨在解决现有深度学习方法在泛化性和稳定性方面的不足	通过残差域模块（RDM）、图像域模块（IDM）和小波域模块（WDM）三个关键模块的协作，逐步去除伪影并重建CT图像，同时通过小波压缩感知增强网络稳定性	方法在模拟CT数据集、临床心脏数据集和羊肺数据集上验证，但未提及在其他类型数据集上的表现	提高有限数据CT重建的质量和效率，减少辐射暴露或加速扫描过程	有限数据CT重建	数字病理	NA	深度学习	PAIL（包含RDM、IDM和WDM模块）	CT图像	两个模拟CT数据集、一个临床心脏数据集和一个羊肺数据集	NA	NA	NA	NA
15280	2025-04-06	Deep Underwater Image Quality Assessment With Explicit Degradation Awareness Embedding 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3539477 PMID:40031436	研究论文	本文提出了一种新型的深度学习模型EDANet，用于水下图像质量评估，通过显式嵌入退化感知信息来提高模型性能	设计了EDANet模型，采用两阶段训练策略，先通过DIDNet子网络推断退化残差图，再将其嵌入DQENet子网络以增强退化感知能力	未提及具体的数据集规模限制或模型在特定场景下的适用性限制	改进水下图像质量评估的准确性和可靠性	水下退化图像	计算机视觉	NA	深度学习	EDANet (包含DIDNet和DQENet子网络)	图像	在两个基准数据集上进行了测试（未提及具体样本数量）	NA	NA	NA	NA