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
1861	2025-04-17	De novo design of diverse small molecule binders and sensors using Shape Complementary Pseudocycles 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.20.572602 PMID:38187589	研究论文	提出了一种结合深度学习和能量基础的通用方法，用于设计能够高亲和力结合并感知任意小分子的蛋白质	首次采用深度学习生成具有中央口袋的假环结构，能够针对不同大小和形状的小分子设计高形状互补性的结合口袋，并成功应用于极性柔性分子如甲氨蝶呤和甲状腺素	未提及该方法在更复杂生物环境中的适用性或对其他类型分子的普适性	开发一种通用方法设计能够结合并感知任意小分子的蛋白质	小分子（包括甲氨蝶呤、甲状腺素等极性柔性分子）	机器学习	NA	深度学习	NA	分子结构数据	四种不同分子（包括甲氨蝶呤和甲状腺素）
1862	2025-04-17	Form follows function: Nuclear morphology as a quantifiable predictor of cellular senescence 2023-12, Aging cell IF:8.0Q1 DOI:10.1111/acel.14012 PMID:37845808	研究论文	本文探讨了核形态作为细胞衰老的量化预测指标的作用	揭示了核形态在驱动衰老表型中的主动作用，并利用深度学习算法实现了对增殖细胞和衰老细胞的准确分类	未明确核形态异常是衰老的原因还是结果	研究核形态作为细胞衰老预测生物标志物的潜力	组织细胞	数字病理学	老年疾病	深度学习	CNN	图像	多种细胞类型和物种的体外和体内数据
1863	2025-04-17	Sequence basis of transcription initiation in human genome 2023-Jun-29, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.27.546584 PMID:37425823	研究论文	本研究通过深度学习启发的可解释建模方法，揭示了人类基因组中转录起始的序列基础	提出了一个统一模型，在碱基对水平上解释了转录起始的序列基础，并揭示了大多数人类启动子的简单规则	NA	理解人类基因组中转录起始位点的序列模式和规则	人类基因组和241种哺乳动物基因组	基因组学	NA	深度学习启发的可解释建模方法	深度学习	基因组序列数据	241种哺乳动物基因组和小鼠转录起始位点数据
1864	2025-04-17	Massively parallel characterization of psychiatric disorder-associated and cell-type-specific regulatory elements in the developing human cortex 2023-Feb-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.15.528663 PMID:36824845	研究论文	该研究通过大规模并行报告实验，分析了人类发育中皮质和脑器官样体中102,767个序列的调控活性，包括皮质发育中的细胞类型特异性区域和精神疾病相关的单核苷酸变异	首次在人类原代细胞和脑器官样体中大规模并行分析调控元件的活性，并利用深度学习解码增强子活性的序列基础和上游调控因子	研究主要关注发育中的人类皮质，可能不适用于其他脑区或发育阶段	建立人类神经元发育中功能性基因调控元件和变异的全面目录	人类发育中皮质和脑器官样体中的调控元件	基因组学	精神疾病	大规模并行报告实验(MPRA), 深度学习	深度学习模型	基因组序列数据	102,767个序列
1865	2025-04-16	Enhancing the application of near-infrared spectroscopy in grain mycotoxin detection: An exploration of a transfer learning approach across contaminants and grains 2025-Jul-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143854 PMID:40117813	研究论文	本研究将迁移学习策略引入化学计量学，以提高应用于不同谷物或毒素光谱数据的深度学习模型性能	首次将迁移学习方法应用于谷物中真菌毒素的光谱检测，解决了单一来源模型适应性差的问题	仅测试了小麦中的玉米赤霉烯酮(ZEN)和花生中的黄曲霉毒素B1(AFB1)两种毒素	提高近红外光谱技术在谷物真菌毒素检测中的应用效果	谷物(小麦和花生)中的真菌毒素	机器学习	NA	近红外光谱技术(NIR), FT-NIR光谱技术	深度学习模型(未指定具体类型)	光谱数据	小麦ZEN和花生AFB1样本集
1866	2025-04-16	Applying deep learning algorithms for non-invasive estimation of carotenoid content in the foot muscle of Pacific abalone with different colors 2025-Jul-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143913 PMID:40157001	研究论文	本研究利用深度学习算法非侵入性地估计太平洋鲍鱼足肌中类胡萝卜素的含量	开发了基于颜色的类胡萝卜素估计套件(CCES)，提供非破坏性、快速的类胡萝卜素估计方法，效率提升450倍，成本降低47至77倍	模型预测的决定系数(R)为0.415，可能存在一定的预测误差	开发一种高效、可扩展的水产养殖育种和质量控制工具	太平洋鲍鱼(Haliotis discus hannai)的足肌	机器学习	NA	靶向代谢组学	LSTM	颜色测量数据(CIELAB颜色空间)	344个鲍鱼样本
1867	2025-04-16	Autonomous Screening for Diabetic Macular Edema Using Deep Learning Processing of Retinal Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100722 PMID:40225408	研究论文	开发并验证了一种用于糖尿病黄斑水肿（DME）检测的深度学习模型，适用于多样化的多设备临床环境	利用深度学习模型在彩色眼底图像上高效检测DME，适用于多设备临床环境	需要进一步的前瞻性研究验证	开发并验证一种用于DME检测的深度学习模型	糖尿病黄斑水肿（DME）患者	计算机视觉	糖尿病黄斑水肿	深度学习	深度学习模型	图像	32,049张图像来自15,892名患者
1868	2025-04-16	Enhanced Macular Telangiectasia Type 2 Detection: Leveraging Self-Supervised Learning and Ensemble Models 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100710 PMID:40225407	research paper	本研究探讨了一种基于集成学习和自监督学习的深度学习方法，用于在OCT成像中准确且可解释地检测2型黄斑毛细血管扩张症（MacTel）	结合自监督学习（SSL）和集成学习方法，提高了在有限数据情况下的MacTel分类准确性和可解释性	研究数据量有限，仅使用了419个OCT体积数据，其中仅有10%的标注训练数据	提高2型黄斑毛细血管扩张症（MacTel）在OCT成像中的检测准确性和可解释性	OCT扫描图像	digital pathology	macular telangiectasia type 2	OCT imaging, self-supervised learning (SSL), ensemble learning	CNN, ensemble models	image	5200张OCT图像（780名MacTel患者和1900名非MacTel患者），其中训练集包含419个OCT体积数据（185名MacTel患者）
1869	2025-04-16	Web server-based deep learning-driven predictive models for respiratory toxicity of environmental chemicals: Mechanistic insights and interpretability 2025-Jun-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137575 PMID:39954423	research paper	本研究开发了八种可解释的深度学习模型，用于预测化学物质的呼吸毒性，并整合了八种呼吸毒性终点的数据构建了一个全面的呼吸系统模型	采用频率比法和SHAP博弈论分析增强模型的可解释性，识别关键结构片段和可视化驱动模型预测的关键特征	模型仅针对特定的呼吸疾病，可能无法涵盖所有呼吸毒性情况	预测药物及其环境代谢物的呼吸毒性，为早期检测和风险评估提供工具和信息	化学物质的呼吸毒性	machine learning	respiratory disease	deep learning, SHAP analysis	deep learning models	chemical toxicity data	整合了八种呼吸毒性终点的数据
1870	2025-04-16	Efficient detection of foodborne pathogens via SERS and deep learning: An ADMIN-optimized NAS-Unet approach 2025-Jun-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137581 PMID:39954434	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与深度学习技术，开发了一种高效检测食源性病原体的工具	采用自动混合网络设计(ADMIN)策略和神经架构搜索(NAS)技术优化卷积神经网络(CNNs)架构，显著提升SERS数据分析能力，并引入U-Net架构和注意力机制以提高分类准确性和关键光谱特征识别能力	未明确提及具体局限性，但暗示未来需要进一步探索不同网络模块以增强模型泛化能力	开发快速精确的食源性病原体检测方法	22种食源性病原体	深度学习	食源性疾病	表面增强拉曼光谱(SERS)	NAS-Unet(基于神经架构搜索优化的U-Net)	光谱数据	22种食源性病原体的测试样本
1871	2025-04-16	DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer 2025-Jun, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110370 PMID:40089082	research paper	该研究利用基于动态对比增强MRI（DCE-MRI）的深度学习分析肿瘤内亚区域，预测乳腺癌中Ki-67表达水平	通过k-means聚类算法确认肿瘤亚区域，并基于3D ResNet18预训练模型提取DCE-MRI图像的深度学习特征，构建逻辑回归模型预测Ki-67表达水平	研究为回顾性设计，样本量相对有限（290例患者），且仅来自两家医院	评估基于DCE-MRI的深度学习分析肿瘤内亚区域对预测乳腺癌Ki-67表达水平的价值	乳腺癌患者	digital pathology	breast cancer	DCE-MRI, deep learning	3D ResNet18, logistic regression	image	290例乳腺癌患者
1872	2025-04-16	URDD: An open dataset for urban roadway disease detection and classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111499 PMID:40226197	研究论文	本文介绍了一个名为URDD的开放数据集，用于城市道路病害检测和分类	创建了一个专门用于道路病害检测和分类的数据集，并应用深度学习技术提高检测效率和准确性	未提及数据集的规模和多样性，可能影响模型的泛化能力	提高城市道路病害检测的效率和准确性，促进人工智能在道路维护和管理中的应用	城市道路病害	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量
1873	2025-04-16	GeNIS: A modular dataset for network intrusion detection and classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111487 PMID:40226195	research paper	本文介绍了GeNIS数据集，一个用于网络入侵检测和分类的模块化数据集	提供了针对中小型企业的网络攻击的高质量和代表性数据，支持不同流导出器、特征提取和选择工具的深入分析	数据集可能未覆盖所有类型的网络攻击，且主要针对中小型企业场景	开发人工智能解决方案以检测和分类网络攻击	网络流量数据，包括良性流量和恶意流量	machine learning	NA	网络流量分析，特征提取	machine learning, deep learning	network traffic data	包含超过3700万个数据包的PCAPNG文件和280万个流的CSV文件
1874	2025-04-16	Weed-crop dataset in precision agriculture: Resource for AI-based robotic weed control systems 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111486 PMID:40226192	research paper	本文介绍了一个用于精准农业中基于AI的机器人杂草控制系统的杂草-作物数据集	提供了一个在多种环境条件下收集的真实田间杂草-作物RGB数据集，以增强深度学习模型在实时杂草识别中的准确性	数据集目前仅包含1120张标记图像，覆盖五种杂草和八种作物，可能需要与其他数据集结合以增加多样性和鲁棒性	提高精准农业中深度学习模型对杂草的实时识别能力	杂草和作物	computer vision	NA	RGB图像采集	DL (深度学习)	image	1120张标记图像，包含五种杂草和八种作物
1875	2025-04-16	A hybrid network based on multi-scale convolutional neural network and bidirectional gated recurrent unit for EEG denoising 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.035 PMID:40024428	研究论文	提出一种基于多尺度卷积神经网络和双向门控循环单元的混合网络（MSCGRU），用于脑电图（EEG）去噪	结合多尺度卷积模块和通道注意力机制提取EEG信号的不同频率特征，并利用BiGRU捕获时间依赖性特征，通过生成对抗网络进一步提升去噪性能	未明确说明模型在实时处理或计算效率方面的表现	提高EEG信号去噪的准确性和可靠性，以支持神经科学研究	包含肌电、眼电和心电伪迹的EEG信号	机器学习	NA	深度学习	MSCGRU（多尺度CNN+BiGRU的生成对抗网络）	时间序列数据（EEG信号）	公开数据集（具体数量未说明）
1876	2025-04-16	Automated comprehensive evaluation of coronary artery plaque in IVOCT using deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112169 PMID:40224006	research paper	开发了一种基于深度学习的语义分割模型（EDA-UNet），用于自动评估冠状动脉斑块	首次提出专门用于IVOCT图像中冠状动脉斑块特征化和量化的EDA-UNet模型	外部测试中脂质斑块的Dice系数相对较低（0.7052）	提高冠状动脉斑块评估的效率和准确性	冠状动脉斑块组织	digital pathology	cardiovascular disease	deep learning	EDA-UNet (UNet变体)	IVOCT图像	来自三个中心的IVOCT图像（两个用于训练和内部测试，一个用于外部测试）
1877	2025-04-16	Single-Cell Sequencing-Guided Annotation of Rare Tumor Cells for Deep Learning-Based Cytopathologic Diagnosis of Early Lung Cancer 2025-Apr-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416921 PMID:40231585	研究论文	该研究利用单细胞DNA测序技术指导罕见肿瘤细胞的注释，开发了一种基于深度学习的细胞病理学诊断模型，用于早期肺癌的诊断	使用单细胞DNA测序作为客观的肿瘤细胞注释标准，生成无偏且准确标注的数据集，并开发了高性能的深度学习模型	模型在外部验证队列中的敏感性仍有提升空间	提高支气管肺泡灌洗液细胞学检查在肺癌诊断中的敏感性	支气管肺泡灌洗液中的脱落肿瘤细胞和良性细胞	数字病理学	肺癌	单细胞DNA测序(scDNA-Seq)	深度学习(DL)模型	图像	训练数据集包含580个ETCs和1106个良性细胞，发现队列(n=156)，验证队列(n=158)，外部验证队列(n=141)
1878	2025-04-16	Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs" 2025-Apr-15, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15348 PMID:40231655	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1879	2025-04-16	Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting 2025-Apr-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00198 PMID:40231794	研究论文	本文提出了一种基于导电整体表面印迹的选择性单细菌分析和运动追踪方法	利用密度泛函理论预测理想单体，制备具有清晰和高精度识别位点的分子印迹，开发深度学习辅助的单细菌运动轨迹追踪方法	NA	提高电化学细菌检测的选择性，开发单细菌监测技术	细菌	生物传感器	NA	导电分子印迹、密度泛函理论、深度学习	深度学习模型	细菌运动轨迹数据	NA
1880	2025-04-16	Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model 2025-Apr-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04942-8 PMID:40232413	research paper	该研究开发了一种深度学习增强的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性	首次在大型队列中使用多序列MRI的深度学习模型，展示了与训练有素的放射科医生相当的检测效果	研究依赖于单一机构的数据库，可能影响模型的泛化能力	评估深度学习工具在提高基于多序列MRI的子宫内膜异位症检测准确性方面的应用	子宫内膜异位症患者和年龄匹配的对照组	digital pathology	endometriosis	multi-sequence MRI	3D-DenseNet-121	MRI images	395例病例组和356例对照组