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
1	2025-04-04	Exploring the anticancer activities of Sulfur and magnesium oxide through integration of deep learning and fuzzy rough set analyses based on the features of Vidarabine alkaloid 2025-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82483-8 PMID:39824867	研究论文	本文提出了一种结合深度学习和模糊粗糙集分析的AI模型，用于发现基于天然产物Vidarabine的抗癌药物新候选物	整合深度学习、模糊粗糙集理论和可解释AI来识别新的抗癌药物候选物，并重新发现基于天然产物的抗癌药物	需要进一步的临床前研究来验证硫和氧化镁的抗癌活性	发现新的抗癌药物候选物	硫和氧化镁作为潜在的抗癌药物	药物发现	肺癌、黑色素瘤、皮肤癌	深度学习、模糊粗糙集分析、可解释AI	深度学习模型	化学化合物特征	实验室实验数据，包括A-549、A-375和A-431细胞系
2	2025-04-04	Abnormality detection in nailfold capillary images using deep learning with EfficientNet and cascade transfer learning 2025-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85277-8 PMID:39814806	研究论文	本研究利用基于EfficientNet-B0的级联迁移学习框架，开发了一种自动检测甲襞毛细血管图像异常的深度学习方法	提出了一种基于EfficientNet-B0的级联迁移学习框架，显著提高了分类器在区分正常和异常甲襞毛细血管图像方面的性能	数据集中正常图像仅占6%，可能导致模型在正常样本上的泛化能力不足	开发一种自动化的临床筛查工具，用于检测甲襞毛细血管图像的异常	甲襞毛细血管图像	计算机视觉	心血管疾病	深度学习	EfficientNet-B0	图像	225名参与者的甲襞毛细血管图像
3	2025-04-04	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	research paper	该研究比较了传统HASTE与基于深度学习的DL-HASTE在3T MRI中用于肠道成像的图像质量和疾病检测效果	开发了一种基于深度学习的单次激发T2加权图像重建技术(DL-HASTE)，相比传统HASTE具有更短的采集时间	研究样本量相对较小(91例患者)，且仅评估了有限数量的放射科医生(4位)	比较不同厚度(4mm和6mm)的DL-HASTE与传统6mm HASTE在图像质量方面的差异	接受3T MR肠造影检查的患者	医学影像	肠道疾病	3T MRI, 单次激发T2加权成像, 深度学习图像重建	深度学习	医学影像	91例患者(51名女性，平均年龄44±10岁)
4	2025-04-04	TNFR-LSTM: A Deep Intelligent Model for Identification of Tumour Necroses Factor Receptor (TNFR) Activity 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70007 PMID:40156875	research paper	开发了一种名为DEEP-TNFR的深度学习模型，用于预测肿瘤坏死因子受体（TNFR）的活性	提出了一种结合相对和反向位置特征以及统计矩的先进模型，并在多种深度学习分类器中验证了LSTM的最高效能	未提及模型在更广泛数据集上的泛化能力或实际临床应用中的潜在限制	提高肿瘤坏死因子受体（TNFR）活性识别的准确性	肿瘤坏死因子（TNFs）及其与受体的相互作用	machine learning	cancer development	深度学习	LSTM, Bi-LSTM, GRU, CNN, RNN, FCN	生物分子数据	使用了一个公认的基准数据集，但未提及具体样本数量
5	2025-04-04	Model interpretability on private-safe oriented student dropout prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317726 PMID:40163446	研究论文	本文提出了一种改进的预处理核诱导点数据蒸馏技术（PP-KIPDD），用于预测学生辍学风险，同时保护隐私并提高模型可解释性	首次引入PP-KIPDD技术重构模拟学生信息分布的新样本，防止隐私泄露，并利用SHAP值增强模型可解释性	未提及具体样本量或实验验证范围	解决学生辍学预测中的隐私保护和模型可解释性问题	学生辍学风险预测	机器学习	NA	PP-KIPDD, SHAP	NA	表格数据	NA
6	2025-04-04	An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318796 PMID:40163815	研究论文	本文通过分析扩展的ENCODE数据集和深度学习模型，全面评估了核转录因子与线粒体基因组的关联	利用更新的ENCODE数据集和深度学习模型，首次全面评估了核转录因子在线粒体基因组的占据情况，并识别出50个可能与线粒体功能相关的核转录因子	研究发现在不同抗体和ChIP实验条件下，某些转录因子的线粒体基因组占据证据不可重复	评估核转录因子在线粒体基因组中的占据情况及其潜在功能	人类和小鼠的核转录因子及其与线粒体基因组的关联	基因组学	NA	ChIP-seq, 深度学习模型	深度学习模型	基因组数据	6,153个ChIP实验，涉及942种蛋白质（其中763种为序列特异性转录因子）
7	2025-04-04	An Early Thyroid Screening Model Based on Transformer and Secondary Transfer Learning for Chest and Thyroid CT Images 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251323168 PMID:40165465	research paper	提出一种基于Transformer和二次迁移学习的早期甲状腺筛查模型，用于胸部及甲状腺CT图像分析	结合Transformer DNN和迁移学习技术，整合时间序列数据，解决小样本和高噪声问题	数据集有限，样本量较小，噪声较高	提高甲状腺癌早期筛查的准确性和效率	240名来自中国广东和新疆的患者的增强CT扫描图像数据	digital pathology	thyroid cancer	enhanced CT scans	Transformer DNN, transfer learning	CT images	240 patients
8	2025-04-04	Correction: Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321410 PMID:40168295	correction	本文是对先前发表的文章（DOI: 10.1371/journal.pone.0312177）的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	2025-04-04	Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images 2025, Health data science DOI:10.34133/hds.0256 PMID:40170800	research paper	评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见	首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较	研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性	探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见	皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变）	digital pathology	skin disease	multimodal large language models (LLMs), CNN, vision transformer	ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B	image	约10,000张皮肤镜图像
10	2025-04-04	Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1511716 PMID:40171113	research paper	提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节	结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能	现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制	提高肺结节检测的准确性和性能	肺结节	digital pathology	lung cancer	Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101	CHSTM, Resnet-101	medical images	LUNA-16数据集和LIDC/IDRI数据集
11	2025-04-04	Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332999 PMID:40171146	research paper	该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类	结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果	未提及样本的多样性或跨数据集验证的局限性	开发高效的步态分类方法以评估行走能力	使用智能鞋垫传感器收集的步态数据	digital health	gait-related disorders	压力传感器和惯性测量单元（IMU）	deep sequential networks	sensor data（压力信号、IMU数据等）	未明确提及具体样本数量，仅描述为受试者进行15米步行测试
12	2025-04-04	Deep learning-based optical coherence tomography and retinal images for detection of diabetic retinopathy: a systematic and meta analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1485311 PMID:40171193	meta-analysis	系统回顾和荟萃分析深度学习算法在光学相干断层扫描（OCT）和视网膜图像中检测糖尿病视网膜病变（DR）的有效性	首次通过荟萃分析评估深度学习在OCT和视网膜图像中检测DR的准确性和可靠性	数据集标准化不足，模型可解释性有待提高，且需在多样化人群中进一步验证性能	评估深度学习算法在检测糖尿病视网膜病变中的准确性和临床适用性	光学相干断层扫描（OCT）和视网膜图像	digital pathology	diabetic retinopathy	deep learning	NA	image	188268张视网膜图像和OCT扫描
13	2025-04-04	Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525650 PMID:40171256	研究论文	通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向	首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	评估人工智能在甲状腺癌领域的应用现状和发展趋势	2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献	数字病理	甲状腺癌	文献计量分析	NA	文献数据	956篇文献
14	2025-04-04	Knowledge graph and its application in the study of neurological and mental disorders 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1452557 PMID:40171303	综述	本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战	结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力	仍需克服知识图谱在医学领域应用中的障碍和限制	研究知识图谱在神经和精神障碍领域的应用及其潜力	神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症）	自然语言处理	神经和精神障碍	知识图谱（KG）	NA	医学数据	NA
15	2025-04-04	Bridging technology and ecology: enhancing applicability of deep learning and UAV-based flower recognition 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1498913 PMID:40171479	研究论文	本研究将无人机和深度学习技术应用于生态研究，特别是花卉识别，以简化这些技术的实际应用	更新目标检测工具箱至TensorFlow 2，提升性能并确保与新软件包的兼容性，同时评估了三种目标检测模型在无人机花卉图像上的应用潜力	在密集植被中检测花卉及应对环境变化方面仍存在挑战	增强深度学习和无人机技术在生态研究中的适用性，特别是花卉资源的监测	花卉丰富的草地无人机图像	计算机视觉	NA	无人机成像、深度学习	Faster R-CNN, SSD, EfficientDet	图像	两个无人机图像数据集
16	2025-04-04	Enlightened prognosis: Hepatitis prediction with an explainable machine learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319078 PMID:40173410	研究论文	本文探讨了使用传统机器学习模型预测肝炎感染的有效性，并特别关注了SVM模型在预测性能上的卓越表现	采用了多种机器学习模型进行肝炎预测，并通过超参数调优和集成建模技术优化模型性能，同时进行了模型解释性分析以识别最有效的特征	未提及模型在更广泛或多样化数据集上的泛化能力，以及在实际临床环境中的应用验证	开发一种准确且可解释的机器学习方法，用于肝炎的早期检测和预测	肝炎患者的数据集	机器学习	肝炎	机器学习（包括逻辑回归、SVM、决策树、随机森林、MLP等）	SVM, MLP, Random Forest	结构化数据（医疗数据）	未明确提及具体样本量
17	2025-04-04	Advanced molecular modeling of proteins: Methods, breakthroughs, and future prospects 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.02.005 PMID:40175043	review	本文综述了蛋白质分子建模的先进方法、突破性进展及未来前景	介绍了深度学习算法如AlphaFold在复杂蛋白质结构预测精度上的显著提升	未提及具体实验验证或实际应用案例的局限性	增强对生物过程及蛋白质功能角色的理解，并推动精准药物开发	蛋白质大分子及其行为预测、药物-蛋白质相互作用	分子建模	NA	同源建模、分子动力学模拟、量子力学/分子力学策略、多尺度建模、混合方法	AlphaFold	蛋白质结构数据	NA
18	2025-04-04	Deep learning: A game changer in drug design and development 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.01.008 PMID:40175037	review	深度学习在药物设计和开发中的革命性作用	深度学习在药物发现过程中的多个关键环节（如靶点识别、先导化合物选择、毒性预测、药物再利用和从头药物设计）中展现出创新应用	未具体提及深度学习模型在药物开发中的实际局限性和挑战	探讨深度学习如何改变药物设计和开发流程	药物发现过程（包括靶点识别、先导化合物选择、毒性预测等）	machine learning	NA	深度学习	NA	生物数据	NA
19	2025-04-04	[Comparison of the Impact of Deep Learning Techniques on Low-noise Head CT Images] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1537 PMID:40175157	research paper	本研究比较了两种深度学习技术对低噪声头部CT图像中脑CT值、图像噪声内容以及白质与灰质对比噪声比的影响	首次比较了AiCE和PixelShine两种深度学习技术在低噪声头部CT图像处理中的效果差异	样本量较小（21例），且仅针对正常患者进行研究	评估不同深度学习技术对头部CT图像质量的影响	21例无异常发现的正常患者头部CT图像	digital pathology	NA	深度学习技术（AiCE和PixelShine）	DL	CT图像	21例正常患者头部CT图像
20	2025-04-04	Accurate V2X traffic prediction with deep learning architectures 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1565287 PMID:40176965	研究论文	本文提出了一种基于深度学习的V2X环境交通预测方法	使用双向长短期记忆网络（BiLSTM）进行交通预测，并与其他深度学习架构进行比较，展示了BiLSTM在预测交通模式方面的优越准确性	未提及具体的数据集规模或实验环境的具体限制	解决V2X通信中数据共享和网络可靠性带来的挑战，提升交通预测的准确性	V2X环境中的交通数据	机器学习	NA	深度学习	BiLSTM, LSTM, GRU	交通数据	NA