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
221	2025-05-21	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应病毒的快速进化	结合AlphaFold 3和多任务拓扑拉普拉斯策略，提高了对病毒突变影响的预测能力	性能相比使用实验结构略有下降，Pearson相关系数平均降低1.1%，均方根误差平均增加9.3%	快速响应病毒的快速进化，提高病毒跟踪、诊断和抗体设计的效率	SARS-CoV-2病毒及其突变	机器学习	传染病	拓扑深度学习（TDL）、深度突变扫描（DMS）	多任务拓扑拉普拉斯（MT-TopLap）	蛋白质-蛋白质相互作用（PPI）复合物结构数据	四个实验性DMS数据集，包括SARS-CoV-2刺突蛋白受体结合域（RBD）和人类血管紧张素转换酶-2（ACE2）复合物
222	2025-05-21	Advancements in AI-driven drug sensitivity testing research 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1560569 PMID:40384974	综述	本文综述了人工智能在药物敏感性测试和病原体耐药性检测中的研究进展及其应用前景	强调了人工智能和机器学习在预测药物敏感性测试和病原体耐药性中的创新应用	未提及具体的技术实施细节和实验验证结果	探讨人工智能技术在药物敏感性测试和病原体耐药性预测中的应用，以减少抗生素滥用并提高感染患者的治疗效果	病原体的抗生素敏感性测试和耐药性检测	机器学习	抗菌素耐药性	Machine Learning(ML)和Deep Learning(DL)	NA	影像和实验室数据	NA
223	2025-05-21	Advancements in deep learning for early diagnosis of Alzheimer's disease using multimodal neuroimaging: challenges and future directions 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1557177 PMID:40385089	综述	本文综述了深度学习在多模态神经影像学中用于阿尔茨海默病早期诊断的最新进展、挑战及未来方向	整合多模态神经影像数据，应用CNN、RNN和Transformer等深度学习模型提高诊断准确性和预测疾病进展	数据异质性、样本量小、跨人群泛化性有限以及临床转化中的可解释性和伦理问题	探讨深度学习在阿尔茨海默病早期诊断中的应用潜力及面临的挑战	阿尔茨海默病的多模态神经影像数据	数字病理学	老年病	多模态神经影像分析	CNN, RNN, Transformer	影像	NA
224	2025-05-21	Automatic diagnosis of extraocular muscle palsy based on machine learning and diplopia images 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.05.01 PMID:40385124	研究论文	本研究开发了基于机器学习和复视图像的自动诊断模型，用于诊断眼外肌麻痹	首次将多种机器学习算法（包括深度学习）应用于复视图像的自动诊断，并与临床医生诊断结果进行一致性比较	研究为回顾性研究，未进行前瞻性验证	开发自动诊断眼外肌麻痹的机器学习模型	3244例患者的复视图像和医疗记录	数字病理	眼外肌麻痹	计算机化复视测试	LR, DT, SVM, XGBoost, DL	图像	3244例（训练集2757例，测试集487例）
225	2025-05-21	Multimodal deep learning model for prediction of prognosis in central nervous system inflammation 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf179 PMID:40385378	研究论文	开发了一种多模态深度学习模型，整合临床特征和脑部MRI数据，以提高中枢神经系统炎症的早期预后预测	首次将临床特征与脑部MRI数据通过多模态深度学习模型结合，用于中枢神经系统炎症的预后预测，并在多种病因组中表现出优越性能	研究为回顾性设计，可能存在选择偏差；外部测试集数据量相对较小	提高中枢神经系统炎症的早期预后预测准确性	中枢神经系统炎症患者	数字病理	中枢神经系统炎症	MRI扫描	3D CNN	图像和临床数据	内部数据集：291名患者的413张图像；外部数据集：106名患者的210张图像
226	2025-05-21	HD-6mAPred: a hybrid deep learning approach for accurate prediction of N6-methyladenine sites in plant species 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19463 PMID:40386224	research paper	本文提出了一种名为HD-6mAPred的混合深度学习模型，用于准确预测植物物种中的N6-甲基腺嘌呤（6mA）位点	结合了双向门控循环单元（BiGRU）、卷积神经网络（CNN）和注意力机制，以及多种DNA序列编码方案，提高了预测准确性和跨物种泛化能力	NA	开发一种稳健的方法来准确预测植物物种中的6mA位点	植物物种中的N6-甲基腺嘌呤（6mA）位点	machine learning	NA	DNA序列编码（one-hot encoding, EIIP, ENAC, NCP）	BiGRU, CNN, attention mechanism	DNA序列	Rosaceae、水稻和拟南芥数据集
227	2025-05-21	Significance of multi-task deep learning neural networks for diagnosing clinically significant prostate cancer in plain abdominal CT 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1543230 PMID:40386561	research paper	评估多任务深度学习神经网络在腹部CT扫描中诊断临床显著性前列腺癌（csPCa）的有效性	首次将多任务深度学习神经网络（基于3DUnet架构）应用于腹部CT扫描的前列腺癌诊断，并开发了诊断列线图	样本量相对有限（539例患者），且未与其他影像学方法（如MRI）进行直接比较	探索腹部CT扫描结合多任务深度学习模型在前列腺癌早期诊断中的价值	临床显著性前列腺癌（csPCa）患者	digital pathology	prostate cancer	CT扫描	3DUnet, ResNet18	image	539例患者（461例来自放射科，78例来自核医学科）
228	2025-05-21	Intelligent rehabilitation in an aging population: empowering human-machine interaction for hand function rehabilitation through 3D deep learning and point cloud 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1543643 PMID:40386804	研究论文	本研究提出了一种基于3D深度学习模型的方法，处理激光传感器点云数据，用于人机交互手功能智能康复领域的非接触式手势表面特征分析	通过整合手表面点云采集、局部特征提取和维度信息抽象与增强等关键技术，构建了准确的手势表面特征分析系统	NA	促进手功能非接触式智能康复技术的发展，提升老年人和康复患者的安全舒适交互方式	老年人群体的手功能康复	数字病理学	老年疾病	3D深度学习	3D深度学习模型	点云数据	NA
229	2025-05-20	Blood cancer prediction model based on deep learning technique 2025-01-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84475-0 PMID:39805996	研究论文	本文利用深度学习技术改进血癌诊断，评估了多种模型并发现ResNetRS50在准确性和速度上表现最佳	采用ResNetRS50模型在血癌早期诊断中实现更高的准确性和更低的错误率	未提及模型在其他类型癌症或更大规模数据集上的泛化能力	通过早期诊断降低血癌死亡率	血癌患者	机器学习	血癌	深度学习	ResNetRS50, RegNetX016, AlexNet, Convnext, EfficientNet, Inception_V3, Xception, VGG19	NA	NA
230	2025-05-20	Importance of Computer-aided Drug Design in Modern Pharmaceutical Research 2025, Current drug discovery technologies DOI:10.2174/0115701638361318241230073123 PMID:39810447	review	本文探讨了计算机辅助药物设计（CADD）在现代药物研究中的重要性及其基本原理	强调了CADD在加速药物发现过程、提高准确性、减少时间和财务资源方面的创新应用	NA	研究CADD在药物发现和开发过程中的价值和重要性	生物活性化合物及其与特定生物大分子（如DNA、RNA、蛋白质和酶）的亲和力	药物设计	NA	分子对接、片段基药物发现、从头药物设计、药效团建模、定量构效关系、3D-QSAR、同源建模、计算机模拟ADME-Tox、机器学习/深度学习	NA	NA	NA
231	2025-05-19	An efficient leukemia prediction method using machine learning and deep learning with selected features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320669 PMID:40378164	research paper	该论文提出了一种利用机器学习和深度学习技术结合特征选择的白血病预测方法	使用特征选择和深度学习技术对白血病基因数据进行分类，其中LSTM模型达到了100%的分类准确率	研究样本量较小（仅64个样本），且仅使用了CuMiDa数据库中的GSE9476数据集	开发一种高效的白血病早期预测和分类方法	白血病基因数据（来自CuMiDa数据库的GSE9476数据集）	machine learning	leukemia	基因微阵列技术	Random Forest, Linear Regression, SVM, LSTM	gene expression data	64个样本（来自22283个基因中的5类白血病基因）
232	2025-05-18	Time Scale Network: An Efficient Shallow Neural Network For Time Series Data in Biomedical Applications 2025-Jan, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2024.3443659 PMID:40370581	研究论文	本文提出了一种高效的时间尺度网络（Time Scale Network），用于处理生物医学应用中的时间序列数据	结合离散小波变换的平移和膨胀序列与传统卷积神经网络及反向传播，显著减少参数和操作数量，同时学习多时间尺度的特征	未明确提及具体限制，但可能受限于信号类型的普适性验证	开发一种计算效率高、参数少且易于解释的时间序列分类网络	生物医学时间序列数据（如ECG和EEG信号）	机器学习	心血管疾病（心房功能障碍）和神经系统疾病（癫痫）	离散小波变换与CNN结合	Time Scale Network（基于CNN的改进模型）	时间序列数据（ECG和EEG信号）	未明确提及具体样本量
233	2025-05-18	Investigating the Key Trends in Applying Artificial Intelligence to Health Technologies: A Scoping Review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322197 PMID:40372995	综述	本文探讨了人工智能在医疗技术中的关键趋势及其在诊断和治疗中的变革潜力	系统总结了AI在医疗领域的应用现状、优势与挑战，并探讨了未来发展方向	研究主要基于2020年至2024年的文献，可能未涵盖最新进展；未对AI风险与收益进行深入量化评估	调查人工智能在医疗技术中的应用趋势及其对疾病诊断和治疗的影响	68篇从WOS、Scopus和Pubmed数据库中检索的学术研究	医疗人工智能	NA	深度学习、机器学习	NA	文献数据	68篇学术研究（2020年1月至2024年4月）
234	2025-05-18	Apple varieties, diseases, and distinguishing between fresh and rotten through deep learning approaches 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322586 PMID:40373081	研究论文	本文通过深度学习方法区分苹果品种、新鲜与腐烂状态以及疾病，并提出了新的数据集和优化模型	提出了三个新的数据集（AFVC、AFQC、ADEC）和一个优化的苹果园模型（OAOM），使用新的损失函数MFCE提高模型效率	未提及模型在不同环境或光照条件下的泛化能力	提高苹果品种识别、新鲜度判断和疾病检测的自动化系统性能	苹果的品种、新鲜与腐烂状态以及疾病	计算机视觉	NA	深度学习	OAOM（优化的苹果园模型）	图像	AFVC包含29,750张图像（85类），AFQC包含2,320张图像，ADEC包含2,976张图像（7类）
235	2025-05-18	Comprehensive analysis of SQOR involvement in ferroptosis resistance of pancreatic ductal adenocarcinoma in hypoxic environments 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1513589 PMID:40375994	research paper	本研究通过构建深度学习模型评估胰腺导管腺癌（PDAC）的缺氧特征，并探讨硫化物醌氧化还原酶（SQOR）在缺氧介导的铁死亡抵抗中的作用	建立了基于全切片图像（WSIs）的PDAC缺氧检测模型，揭示了SQOR在缺氧环境下通过增强铁死亡抵抗促进PDAC恶性进展的新机制	研究主要基于体外缺氧细胞模型和裸鼠异种移植模型，临床样本验证仍需进一步开展	探究PDAC缺氧特征与SQOR介导的铁死亡抵抗机制，为靶向治疗提供依据	胰腺导管腺癌（PDAC）组织、体外缺氧细胞模型及裸鼠异种移植模型	digital pathology	pancreatic cancer	multi-omics数据分析、全切片图像（WSIs）深度学习建模	深度学习模型（未明确具体架构）	病理图像、多组学数据	未明确样本数量，涉及PDAC组织、体外细胞模型及裸鼠模型
236	2025-05-18	Deep learning techniques for detecting freezing of gait episodes in Parkinson's disease using wearable sensors 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1581699 PMID:40376117	研究论文	本文提出了一种新颖的混合深度学习框架，用于通过可穿戴传感器检测帕金森病患者的步态冻结（FoG）发作	结合CNN进行空间特征提取、BiLSTM网络进行时间建模以及注意力机制增强可解释性，并关注关键步态特征	NA	检测帕金森病患者的步态冻结（FoG）发作，以改善临床监测和患者预后	帕金森病患者	机器学习	帕金森病	深度学习	CNN, BiLSTM, 注意力机制	传感器数据	多模态数据集（包括tDCS FOG、DeFOG、Daily Living和Hantao's Multimodal）
237	2025-05-18	Providing a Prostate Cancer Detection and Prevention Method With Developed Deep Learning Approach 2025, Prostate cancer IF:2.3Q3 DOI:10.1155/proc/2019841 PMID:40376132	研究论文	提出了一种基于深度学习的前列腺癌检测和预防方法，利用组织病理学图像进行诊断	开发了一种基于流形模型的深度学习方法，结合Tile和Grad-CAM特性，提高了前列腺癌诊断的准确性	研究仅基于一个治疗中心的组织病理学图像，样本来源有限	开发前列腺癌的诊断和预防方法	前列腺癌患者	数字病理学	前列腺癌	深度学习	基于流形模型的深度学习	图像	来自一个治疗中心的组织病理学图像
238	2025-05-18	Neurovision: A deep learning driven web application for brain tumour detection using weight-aware decision approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251333195 PMID:40376570	research paper	开发了一个基于深度学习的框架，用于从医学共振图像中分类潜在的脑肿瘤，并通过权重感知决策方法提高分类准确性	提出了一种新颖的权重感知决策机制，有效处理多类分类中的平局情况，优于传统的基于多数的方法	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高脑肿瘤的自动检测和分类准确性	脑肿瘤的医学共振图像	digital pathology	brain tumour	deep learning	DenseNet169, VGG-19, Xception, EfficientNetV2B2	image	三个不同的数据集，具体样本数量未提及
239	2025-05-18	The application of ultrasound artificial intelligence in the diagnosis of endometrial diseases: Current practice and future development 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241310060 PMID:40376569	综述	本文回顾了人工智能在子宫内膜疾病超声图像分析中的进展，重点关注其在诊断、决策支持和预后分析中的应用	介绍了人工智能如何通过机器学习和深度学习从超声数据中提取有价值的信息，提升超声诊断能力	总结了当前研究的挑战，但未提及具体的技术或数据限制	推进超声人工智能技术在子宫内膜疾病诊断中的应用，通过数字工具改善女性健康	子宫内膜疾病的超声图像	数字病理学	子宫内膜疾病	机器学习和深度学习	NA	超声图像	NA
240	2025-05-18	YOLOv8 framework for COVID-19 and pneumonia detection using synthetic image augmentation 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341092 PMID:40376574	研究论文	本研究开发了一个结合合成图像增强和深度学习模型的框架，用于COVID-19和肺炎的早期准确检测	整合了合成图像增强、YOLOv8模型和可解释AI技术（XAI），提高了诊断准确性和模型的可信度	未来研究需要进一步优化性能，开发临床可行的诊断工作流程	提高COVID-19和肺炎的医学影像检测准确性和可信度	COVID-19和肺炎的医学影像数据	计算机视觉	COVID-19和肺炎	合成图像增强、深度学习、可解释AI（XAI）	YOLOv8、InceptionV3、DenseNet、ResNet	医学影像	未明确提及具体样本数量