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
1741	2025-05-02	Robustly detecting mpox and non-mpox using a deep learning framework based on image inpainting 2025-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85771-z PMID:39794381	research paper	提出了一种基于图像修复的深度学习框架MIM，用于稳健检测猴痘和非猴痘病例	MIM策略通过图像修复学习猴痘图像特征，能有效处理未知类别和异常输入，优于现有的多类分类模型	未明确说明模型在更大规模或多样化数据集上的性能表现	开发一种稳健的猴痘检测技术以弥补当前诊断技术的不足	猴痘和非猴痘皮肤疾病图像	computer vision	猴痘	image inpainting	GAN	image	MSLD猴痘数据集和包含18类非猴痘皮肤疾病的数据集
1742	2025-05-02	Predicting Age and Visual-Motor Integration Using Origami Photographs: Deep Learning Study 2025-Jan-10, JMIR formative research IF:2.0Q4 DOI:10.2196/58421 PMID:39803896	研究论文	本研究应用AI技术通过折纸照片预测儿童的年龄和视觉-运动整合(VMI)发展	首次将深度学习模型应用于折纸作品分析，以预测儿童年龄和VMI发展水平	研究样本仅包含2-6岁儿童，且仅使用折纸狗一种模型进行测试	探索AI技术在儿童发展评估中的应用潜力	515名2-6岁儿童的折纸作品	计算机视觉	NA	深度学习	ResNet-50, XGBoost, 多层感知机	图像(折纸照片)	515名儿童(训练组与测试组比例为4:1)
1743	2025-05-02	Awareness and Attitude Toward Artificial Intelligence Among Medical Students and Pathology Trainees: Survey Study 2025-Jan-10, JMIR medical education IF:3.2Q1 DOI:10.2196/62669 PMID:39803949	研究论文	本研究通过问卷调查评估和比较了医学生和病理学培训生对人工智能（AI）在医学中应用的认知和态度	首次分析了约旦医学生对AI的看法和认知，并首次纳入了病理学住院医师的视角	研究仅针对约旦的5所公立医学院校和4个住院医师培训项目，样本代表性可能有限	评估医学生和病理学培训生对医学AI相关态度的差异，并阐明他们在AI增强医疗快速演变中的预期角色	医学生和病理学培训生	数字病理	NA	问卷调查	NA	调查数据	394名受访者（328名医学生和66名病理学住院医师）
1744	2025-05-02	Bird Species Detection Net: Bird Species Detection Based on the Extraction of Local Details and Global Information Using a Dual-Feature Mixer 2025-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s25010291 PMID:39797082	research paper	提出了一种基于局部细节和全局信息双特征混合器的鸟类物种检测网络BSD-Net	设计了双分支特征混合器和预测平衡模块，有效结合局部和全局信息，解决类别不平衡问题	未明确说明模型在复杂背景或极端光照条件下的性能	提高鸟类物种检测的准确性	鸟类图像数据	computer vision	NA	deep learning	BSD-Net (包含DBFM和PBM模块)	image	三个数据集：CUB-200-2011、Poyang Lake Bird dataset和FBD-SV-2024
1745	2025-05-02	TIPPo: A User-Friendly Tool for De Novo Assembly of Organellar Genomes with High-Fidelity Data 2025-Jan-06, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae247 PMID:39800935	研究论文	介绍了一种名为TIPPo的用户友好工具，用于利用高保真长读数据从头组装植物细胞器基因组	TIPPo不依赖相关物种的基因组或核基因组信息，采用深度学习模型进行初始读段分类，并利用k-mer计数进行进一步优化，显著减少了核插入细胞器DNA对组装过程的影响	NA	开发一种高效、用户友好的工具，用于植物细胞器基因组的从头组装	植物细胞器基因组（叶绿体和线粒体）	基因组学	NA	PacBio高保真长读数据	深度学习模型	基因组序列数据	54个完整的叶绿体基因组
1746	2025-05-02	Investigation and Assessment of AI's Role in Nutrition-An Updated Narrative Review of the Evidence 2025-Jan-05, Nutrients IF:4.8Q1 DOI:10.3390/nu17010190 PMID:39796624	review	本文调查和评估了AI在营养学中的不同应用和角色，并探讨了其未来的潜在影响	AI通过机器学习模型、可穿戴设备和聊天机器人应用等技术，显著提高了饮食评估的准确性，并为个体和社区提供定制化的营养解决方案	需要解决数据质量和伦理挑战，并确保用户需求处于前沿	探讨AI在营养学研究和应用中的角色及其未来潜力	AI技术在营养学中的应用，包括饮食评估、个性化营养和疾病管理	machine learning	心血管疾病, 糖尿病, 癌症, 肥胖	机器学习模型, 可穿戴设备, 聊天机器人应用, 视觉识别, 深度学习	deep learning	text, image	NA
1747	2025-05-02	A Deep Learning-Based Framework Oriented to Pathological Gait Recognition with Inertial Sensors 2025-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s25010260 PMID:39797052	research paper	提出一个基于深度学习的框架，用于通过惯性传感器识别病理步态	利用健康受试者模拟步态障碍进行病理步态识别，减少了实验时间和样本量的需求	这是一个初步的可行性研究，需要在真实的病理数据上进行更现实的验证	开发一个能够识别正常和病理步态行为的系统，以支持临床医生早期检测步态障碍和实时跟踪康复进展	19名健康受试者的惯性数据	machine learning	geriatric disease	惯性传感器	CNN	sensor data	19名健康受试者
1748	2025-05-02	Advances in Whole Genome Sequencing: Methods, Tools, and Applications in Population Genomics 2025-Jan-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26010372 PMID:39796227	综述	本文综述了全基因组测序技术在群体基因组学中的应用、方法、工具及其进展	探讨了深度学习模型和机器学习算法在未来群体基因组学中的应用潜力	未提及具体实验数据或案例分析	研究全基因组测序技术在群体基因组学中的应用及未来发展方向	群体基因组学中的遗传变异和群体结构	群体基因组学	NA	全基因组测序(WGS)	深度学习模型、机器学习算法	重测序数据	NA
1749	2025-05-02	DHCT-GAN: Improving EEG Signal Quality with a Dual-Branch Hybrid CNN-Transformer Network 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010231 PMID:39797022	研究论文	提出了一种名为DHCT-GAN的双分支混合CNN-Transformer网络，用于提高EEG信号质量	采用双分支混合网络架构，独立学习干净EEG信号和伪迹信号的特征，并通过自适应门控网络融合信息，以生成去噪后的EEG信号	未提及具体局限性	改进EEG信号质量，有效去除生理伪迹	EEG信号	机器学习	神经系统疾病	EEG信号处理	GAN, CNN, Transformer	EEG信号数据	NA
1750	2025-05-02	An FPGA-Based SiNW-FET Biosensing System for Real-Time Viral Detection: Hardware Amplification and 1D CNN for Adaptive Noise Reduction 2025-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s25010236 PMID:39797026	研究论文	提出了一种基于FPGA的SiNW-FET生物传感系统，用于实时病毒检测，结合硬件放大和1D CNN进行自适应降噪	将SiNW-FET生物传感技术与FPGA实现的深度学习降噪相结合，创建了一个紧凑的系统，能够在实时病毒检测中实现高精度和低功耗	研究结果仅基于COMSOL和MATLAB的模拟，未进行物理原型或生物标志物检测实验	开发一种便携式、高灵敏度的实时病毒检测系统	病毒抗原的抗体-抗原相互作用	数字病理	病毒感染	SiNW-FET生物传感技术	1D CNN	阻抗信号	NA
1751	2025-05-02	π-PrimeNovo: an accurate and efficient non-autoregressive deep learning model for de novo peptide sequencing 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55021-3 PMID:39747823	研究论文	介绍了一种名为π-PrimeNovo的非自回归深度学习模型，用于高效准确地进行从头肽段测序	提出了一种非自回归Transformer模型，通过架构设计和CUDA增强的解码模块实现高精度和快速推理，显著优于现有方法	未明确提及具体限制	提高肽段测序的准确性和效率，特别是在大规模应用如元蛋白质组学中	肽段测序，特别是针对现有数据库中缺失的肽段	机器学习	NA	串联质谱(MS/MS)	非自回归Transformer	质谱数据	NA
1752	2025-05-02	The role of chromatin state in intron retention: A case study in leveraging large scale deep learning models 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012755 PMID:39792954	研究论文	探讨染色质状态在内含子保留中的作用，并利用大规模深度学习模型开发简单、可解释的内含子保留模型	利用Sei模型开发的内含子保留模型优于基于DNABERT-2的模型，并揭示了染色质状态对内含子保留的调控作用	研究依赖于预训练模型Sei和DNABERT-2，可能受限于这些模型的性能和适用范围	研究染色质状态对内含子保留的调控作用，并开发更准确的内含子保留预测模型	内含子保留及其调控机制	自然语言处理, 计算机视觉, 基因组学	NA	深度学习, 自监督学习, 监督学习	Sei, DNABERT-2	基因组数据	大规模基因组数据集（来自ENCODE等来源）
1753	2025-05-02	Researching public health datasets in the era of deep learning: a systematic literature review 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241307839 PMID:39794941	系统文献综述	探讨深度学习在公共卫生数据预测分析中的应用，识别挑战与趋势，并理解当前的研究现状	总结了深度学习在公共卫生数据中的应用趋势，包括可解释AI、患者嵌入学习及多源数据整合，并提出了改进研究的指导方针	缺乏解决该领域挑战的标准方法，技术可重复性和敏感数据处理仍是主要问题	探索深度学习在公共卫生数据预测分析中的应用及挑战	公共卫生数据集	机器学习	NA	深度学习	NA	公共卫生数据	2004篇文章，涵盖14种疾病类别
1754	2025-05-02	Regression study on fruit-setting days of purple eggplant fruit based on in situ VIS-NIRS and attention cycle neural network 2025-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17593 PMID:39801230	研究论文	本研究基于原位可见-近红外光谱和注意力循环神经网络，预测紫茄果实的坐果天数	首次提出基于果实光谱特征和循环神经网络回归的坐果天数预测方法，并构建了结合多尺度卷积、多头注意力机制和长短时记忆循环神经网络的回归网络	NA	开发紫茄果实成熟度的原位识别技术，以智能确定最佳采收时间	紫茄果实	计算机视觉	NA	可见-近红外光谱(VIS-NIRS)	结合多尺度卷积、多头注意力机制和LSTM的循环神经网络	光谱数据	覆盖500-1000 nm波段的原位光谱数据，采集自坐果15-33天的紫茄果实
1755	2025-05-02	A Multi-Label Deep Learning Model for Detailed Classification of Alzheimer's Disease 2025-Jan, Actas espanolas de psiquiatria IF:1.0Q4 DOI:10.62641/aep.v53i1.1728 PMID:39801412	research paper	开发了一种整合点积注意力机制和创新标签系统的深度学习模型，用于提高阿尔茨海默病亚型和严重程度的诊断与分类准确性	结合点积注意力机制和定制标签系统，显著提升阿尔茨海默病亚型及严重程度的诊断精度	未提及模型在更广泛或多样化数据集上的泛化能力	提高阿尔茨海默病的诊断和分类准确性，以支持个性化治疗策略	阿尔茨海默病的不同亚型和严重程度	machine learning	geriatric disease	deep learning	dot-product attention mechanism	clinical and demographic data	NA
1756	2025-05-02	Enhancing Molecular Network-Based Cancer Driver Gene Prediction Using Machine Learning Approaches: Current Challenges and Opportunities 2025-Jan, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70351 PMID:39804102	review	本文综述了机器学习方法在基于分子网络的癌症驱动基因预测中的应用及其挑战与机遇	探讨了深度学习，特别是基于图的模型，在提高癌症驱动基因预测的可扩展性和可解释性方面的新机会	未提及具体实验验证或实际应用效果的局限性	提升基于分子网络的癌症驱动基因预测的准确性和效率	癌症驱动基因	machine learning	cancer	network propagation, graph neural networks, autoencoders, graph embeddings, attention mechanisms	graph-based models	mutation data, protein-protein interaction networks	NA
1757	2025-05-02	Application of machine learning algorithms in predicting new onset hypertension: a study based on the China Health and Nutrition Survey 2025, Environmental health and preventive medicine IF:4.0Q1 DOI:10.1265/ehpm.24-00270 PMID:39805606	研究论文	本研究应用机器学习算法预测新发高血压风险，并识别相关特征	首次使用AMFormer模型预测新发高血压，并在六种算法中取得最佳效果	研究基于中国健康与营养调查数据，可能不适用于其他人群	预测新发高血压风险并识别相关特征	中国健康与营养调查中的非高血压基线人群	机器学习	心血管疾病	机器学习算法	Logistic Regression, Support Vector Machine, XGBoost, LightGBM, TabNet, AMFormer	调查数据	4,982名参与者，其中1,017人在4年随访期间发展为高血压
1758	2025-05-02	A Deep Learning and PSSM Profile Approach for Accurate SNARE Protein Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4314-3_5 PMID:39806147	研究论文	提出了一种结合多尺度卷积神经网络和位置特异性评分矩阵谱的SNARE蛋白准确预测新方法	首次将多尺度CNN与PSSM谱结合用于SNARE蛋白识别，显著提高了分类准确性	未提及方法在跨物种预测中的泛化能力	开发高精度的SNARE蛋白预测工具以阐明其生物学功能	SNARE蛋白质	生物信息学	NA	PSI-BLAST特征提取	多尺度CNN	蛋白质序列数据	未明确说明样本量
1759	2025-05-02	Deep Learning to Simulate Contrast-Enhanced MRI for Evaluating Suspected Prostate Cancer 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.240238 PMID:39807983	research paper	本研究探讨了使用深度学习从非对比MRI序列生成模拟对比增强MRI的可行性，并评估其在评估临床显著前列腺癌中的潜在价值	利用深度学习模型（pix2pix算法）从非对比MRI序列合成对比增强MRI扫描，为评估前列腺癌提供了一种无对比剂的方法	研究为回顾性设计，且样本量相对有限，可能影响结果的普遍性	评估深度学习生成模拟对比增强MRI的可行性及其在前列腺癌评估中的应用价值	疑似前列腺癌的男性患者	digital pathology	prostate cancer	MRI	pix2pix algorithm	image	567名男性患者（平均年龄66岁±11）
1760	2025-05-02	Enhancing the visual environment of urban coastal roads through deep learning analysis of street-view images: A perspective of aesthetic and distinctiveness 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317585 PMID:39808675	研究论文	本研究通过深度学习分析街景图像，结合人类感知数据，探讨城市滨水区视觉景观特征与人类感知之间的关系，并提出改善建议	结合深度学习和人类感知数据，首次对城市滨海道路的视觉环境进行美学和独特性感知分类	研究仅针对厦门市的滨海道路，可能无法完全代表其他城市的滨水区	研究城市滨海道路视觉景观特征与人类感知之间的关系，并提出改善建议	厦门市城市滨海道路的街景图像和人类感知数据	计算机视觉	NA	深度学习	线性回归和随机森林	图像	厦门市滨海道路的街景图像