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
261	2025-07-03	Convolutional-LSTM approach for temporal catch hotspots (CATCH): an AI-driven model for spatiotemporal forecasting of fisheries catch probability densities 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf045 PMID:40585182	研究论文	本文提出了一种名为CATCH的卷积长短期记忆神经网络模型，用于预测冰岛水域鱼类资源的时空概率密度，以支持渔业的操作规划和适应性策略	首次利用大规模冰岛渔船数据整合多维输入（如深度、底部温度、盐度、溶解氧和捕获数据）进行准确的多变量预测	尽管模型表现良好，但决策过程中仍可能受到数据收集质量和范围的限制	开发数据驱动的预测方法以优化渔业操作和增强可持续性	冰岛水域的鱼类资源（如鳕鱼、黑线鳕、绿青鳕、金红鱼和格陵兰大比目鱼）	机器学习	NA	卷积长短期记忆神经网络（Convolutional-LSTM）	CNN-LSTM	多维输入数据（深度、温度、盐度、溶解氧和捕获数据）	大规模冰岛渔船数据
262	2025-07-03	An AI-based module for interstitial glucose forecasting enabling a "Do-It-Yourself" application for people with type 1 diabetes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1534830 PMID:40585404	research paper	提出一种基于深度学习的DIY框架，用于间质葡萄糖预测，帮助1型糖尿病患者进行自我管理	首次提供基于深度学习的完全个性化葡萄糖预测的DIY方法，且框架开源并可在Docker中部署	工具未能长期吸引用户使用，限制了其对日常自我管理的潜在益处	开发一种能够准确预测短期葡萄糖水平的工具，以改善1型糖尿病患者的自我管理	1型糖尿病患者	machine learning	type 1 diabetes	continuous glucose monitoring (CGM)	DL	CGM raw data	29名1型糖尿病患者的一年CGM数据
263	2025-07-03	Evaluation of perivascular fat density and residual false lumen formation following TEVAR in Stanford type B aortic dissection 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1633817 PMID:40585403	research paper	评估斯坦福B型主动脉夹层患者在TEVAR术后血管周围脂肪密度与残余假腔形成的关系	首次提出血管周围脂肪组织（PVAT）衰减指标HUΔ和HUratio作为预测TEVAR术后残余假腔形成的非侵入性影像生物标志物	回顾性研究设计，样本量有限（132例），需前瞻性研究验证结果	探究PVAT衰减在预测TEVAR术后残余假腔形成中的作用	斯坦福B型主动脉夹层（TBAD）患者	数字病理	心血管疾病	计算机断层扫描血管造影（CTA）	TotalSegmenter深度学习模型	影像数据	132例2016-2024年间在福建省立医院接受TEVAR的TBAD患者
264	2025-07-03	Leveraging machine learning models in evaluating ADMET properties for drug discovery and development 2025, ADMET & DMPK DOI:10.5599/admet.2772 PMID:40585410	综述	本文探讨了机器学习模型在药物发现和开发中评估ADMET（吸收、分布、代谢、排泄和毒性）特性的应用及其革命性影响	机器学习模型在ADMET预测中展现出比传统QSAR模型更高的准确性，为药物开发提供了快速、经济且可重复的替代方案	数据质量、算法透明度和监管接受度等挑战仍然存在	研究机器学习模型如何改进ADMET预测，以加速早期药物开发决策	ADMET特性的预测模型及其在药物发现中的应用	机器学习	NA	监督学习和深度学习技术	QSAR模型、机器学习模型	分子描述符和数据集	NA
265	2025-07-03	Deep learning in obsessive-compulsive disorder: a narrative review 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1581297 PMID:40585546	review	本文综述了深度学习在强迫症(OCD)研究中的应用，包括诊断分类、症状分类和治疗效果预测	深度学习利用神经影像、EEG和临床数据在OCD诊断分类中表现出高准确率(80-98%)，并在症状分类和治疗反应预测方面显示出潜力	当前模型受限于小样本量、缺乏治疗预测比较以及早期反应检测或可扩展监测解决方案的不足	探索深度学习在OCD诊断和治疗中的应用潜力	强迫症(OCD)患者	machine learning	psychiatric disorder	deep learning	NA	neuroimaging, EEG, clinical data	10项研究(具体样本量未明确说明)
266	2025-07-03	7T magnetic resonance imaging-based investigation of the correlation between mammillary body structure and cognitive impairment in patients with spinocerebellar ataxia type 3 2025, Psychoradiology DOI:10.1093/psyrad/kkaf010 PMID:40586051	研究论文	本研究利用7T磁共振成像技术探讨了脊髓小脑共济失调3型(SCA3)患者乳头体结构与认知障碍之间的相关性	首次使用7T MRI技术定量分析SCA3患者Papez环路(包括乳头体、乳头丘脑束和后连合穹窿)的结构变化及其与认知功能的关系	横断面研究设计无法确定因果关系，样本量相对较小	探究SCA3患者认知障碍与Papez环路结构变化的关系	46名SCA3患者和48名健康对照	神经影像学	脊髓小脑共济失调	7T MRI	深度学习模型	MRI图像	94名参与者(46名患者+48名对照)
267	2025-07-03	Unsupervised cell line embedding using pairwise drug response correlation 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.018 PMID:40586099	研究论文	本文介绍了一种基于对比学习的无监督深度学习模型，用于整合异质性药物反应筛选数据，生成统一的细胞系嵌入	提出了一种新的无监督深度学习模型，通过对比学习整合异质性药物反应数据，提高了药物-细胞系相关下游机器学习任务的性能	未明确提及具体局限性，但可能包括模型对数据质量和完整性的依赖	优化细胞系模型的利用，提高药物发现和疾病理解的效率	1,673个癌症细胞系（来自Cancer Dependency Map）	机器学习	癌症	对比学习	无监督深度学习模型	药物反应数据、基因表达数据	1,673个癌症细胞系（其中1,136个用于训练，537个用于测试）
268	2025-07-03	Deep learning based deconvolution methods: A systematic review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.038 PMID:40586100	系统综述	本文系统回顾了人工智能和深度学习在细胞反卷积工具开发中的应用，特别关注其在RNA测序转录组数据分析中的作用	强调了高质量参考图谱对提高反卷积方法准确性的重要性，并指出了当前研究中的关键空白	需要标准化方法和提高模型可解释性	评估AI和DL在细胞反卷积工具开发中的应用	转录组数据	机器学习	NA	RNA测序	深度学习	转录组数据	NA
269	2025-07-03	Deep learning system for the auxiliary diagnosis of thyroid eye disease: evaluation of ocular inflammation, eyelid retraction, and eye movement disorder 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1609231 PMID:40589523	research paper	本研究构建了一个基于语义分割的甲状腺眼病辅助诊断模型，专注于眼睑退缩、眼球运动障碍和与临床活动评分相关的眼部炎症，以实现快速无创诊断	采用双分支特征提取和融合策略的TBRM-Net和DSR-Net，设计了定量诊断算法，提高了诊断的准确性和可解释性	样本量相对较小，仅包含153名受试者	构建甲状腺眼病的辅助诊断模型，提高诊断效率和治疗效果	甲状腺眼病患者，特别是表现出眼睑退缩、眼球运动障碍和眼部炎症症状的患者	digital pathology	thyroid eye disease	deep learning	TBRM-Net, DSR-Net	image	153名受试者，303只眼睛（主要位置数据集），1,199只眼睛（注视位置数据集），272只眼睛（多标签炎症分类数据集）
270	2025-07-03	Optimizing physical education schedules for long-term health benefits 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1555977 PMID:40589818	研究论文	本研究提出了一种利用深度学习技术优化体育教育课程安排的方法，以提高学生的长期健康效益	结合CNN和LSTM网络层，捕捉人口统计和活动相关变量的时空特征，并采用定制损失函数准确预测健康分数	未提及模型在不同教育环境中的泛化能力或具体实施挑战	优化体育教育课程安排以最大化学生的健康效益	学生群体及其体育活动数据	机器学习	NA	深度学习	CNN, LSTM	人口统计和活动相关变量	未明确提及具体样本量
271	2025-07-03	Identification of yellow vein clearing disease in lemons based on hyperspectral imaging and deep learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1554514 PMID:40589954	研究论文	本研究利用高光谱成像技术和深度学习技术，开发了一种高效准确检测柠檬黄脉明病的新方法	首次将高光谱成像技术应用于柠檬黄脉明病的检测，并提出了一种新型混合3D-2D-LcNet架构，优化了高维数据处理	研究仅针对柠檬黄脉明病，未验证在其他植物病害上的适用性	开发基于高光谱成像和深度学习的植物病害快速诊断方法	柠檬植株的黄脉明病	计算机视觉	植物病害	高光谱成像(HSI)	3D-2D-LcNet, 3D-ShuffleNetV2, 2D-LcNet, 2D-ShuffleNetV2, SVM, PLS-DA	高光谱图像	NA
272	2025-07-03	Comparative analysis of adaptive and general labeling methods for soybean leaf detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1582303 PMID:40589953	研究论文	比较分析自适应和通用标记方法在大豆叶片检测中的效果	提出了一种新的基于叶片长度和底部极值信息的上下文感知标记方法，并与传统通用标记方法进行比较	研究仅针对大豆叶片检测，未涉及其他作物或植物器官	提高基于AI的大豆叶片检测在精准农业中的准确性和效率	大豆叶片	计算机视觉	NA	YOLOv5L深度学习模型	CNN	图像	高分辨率大豆图像（具体数量未提及）
273	2025-07-03	Deep learning for enhanced prediction of diabetic retinopathy: a comparative study on the diabetes complications data set 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1591832 PMID:40589972	研究论文	本研究通过比较传统统计模型和深度学习模型，开发并验证了用于预测糖尿病患者视网膜病变的模型	使用深度学习模型预测糖尿病视网膜病变，并比较其与传统机器学习模型的性能，同时采用SHAP分析增强模型的可解释性	研究仅基于3000个数据点，样本量可能不足以代表更广泛的人群	开发并验证预测糖尿病患者视网膜病变的模型	糖尿病患者	机器学习	糖尿病视网膜病变	DNNs	深度学习模型（DNNs）与传统机器学习模型（逻辑回归、决策树、朴素贝叶斯、随机森林、支持向量机）	结构化临床数据	3000个数据点
274	2025-07-03	Ranking Protein-Protein Models with Large Language Models and Graph Neural Networks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_4 PMID:40601251	研究论文	本文介绍了一种基于图神经网络和大语言模型的蛋白质-蛋白质相互作用模型排序方法	结合蛋白质语言模型和图神经网络开发了DeepRank-GNN-esm算法，用于从大量模型中识别近天然构象	未提及具体性能指标或与其他方法的比较结果	解决蛋白质-蛋白质相互作用模型排序的挑战	蛋白质-蛋白质相互作用模型	计算生物学	癌症、感染性疾病、神经退行性疾病	图神经网络(GNN)、蛋白质语言模型	DeepRank-GNN-esm	蛋白质结构数据	NA
275	2025-07-03	Using InterLabelGO+ for Accurate Protein Language Model-Based Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_7 PMID:40601254	研究论文	介绍了一种名为InterLabelGO+的深度学习模型，用于基于蛋白质语言模型的蛋白质功能预测	结合ESM2蛋白质语言模型提取序列特征，并考虑不同GO术语之间复杂关系的损失函数训练深度学习模型	未提及模型在特定蛋白质类型或条件下的预测性能限制	提高蛋白质功能预测的准确性，特别是在基因本体(GO)术语预测方面	蛋白质序列及其功能注释	生物信息学	NA	蛋白质语言模型(ESM2)、深度学习	深度学习模型	蛋白质序列数据	NA
276	2025-07-03	Predicting the Pathogenicity of Human Protein Variants: Not Only a Matter of Residue Labeling 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_12 PMID:40601259	research paper	本文探讨了如何通过蛋白质序列嵌入和机器学习/深度学习预测人类蛋白质变异的致病性，并进一步计算其结构和功能特性	结合蛋白质序列嵌入与机器学习/深度学习技术预测变异致病性，并扩展计算其他重要结构功能特性	未提及具体数据集的样本量或模型验证的详细限制	预测人类蛋白质变异的致病性并解析其分子机制	人类蛋白质变异及其致病性	生物信息学	NA	蛋白质序列嵌入、机器学习、深度学习	NA	蛋白质序列	NA
277	2025-07-02	Application of a methodological framework for the development and multicenter validation of reliable artificial intelligence in embryo evaluation 2025-Jan-31, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-025-01351-w PMID:39891250	研究论文	本文提出了一种用于开发和验证评估囊胚期胚胎的人工智能模型的方法论框架，并在多中心数据集上验证了其可靠性	提出了一种四步方法论框架，确保AI模型在临床环境中的一致性和可靠性，并在多中心数据集上进行了验证	研究仅针对囊胚期胚胎，未涵盖其他胚胎发育阶段	开发并验证一个可靠的人工智能模型，用于评估体外受精(IVF)中胚胎的妊娠可能性	囊胚期胚胎	数字病理学	生殖健康	时间推移成像	深度学习分类器	图像	训练和验证数据集(n=16,935个胚胎)，盲测数据集(n=1,708个胚胎；3个诊所)，独立数据集(n=7,445个胚胎；7个诊所)
278	2025-07-02	Human intention recognition for trauma resuscitation: An interpretable deep learning approach for medical process data 2025-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104767 PMID:39746431	研究论文	本文提出了一种可解释的深度学习方法，用于自动识别创伤复苏过程中的目标追求	采用双GRU结构的神经网络模型，结合时间和活动类型特征，增强预测的可解释性	模型仅针对两种复苏目标（气道稳定和循环支持）进行验证，可能不适用于其他目标	通过自动识别创伤复苏过程中的目标追求，减少任务执行错误并改善患者预后	儿科创伤复苏事件日志	机器学习	创伤	深度学习	双GRU结构神经网络	事件日志	381例儿科创伤复苏案例（2014年8月至2022年11月）
279	2025-07-02	Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574413 PMID:40241894	研究论文	开发并验证了一种基于卷积神经网络（CNN）的工具，用于自动评分指甲银屑病的严重程度，使用改良的指甲银屑病严重程度指数（mNAPSI）	该研究提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具，并进行了独立验证	尽管在不同成像条件下表现稳健，但模型性能仍有提升空间	开发一种自动化、客观的指甲银屑病严重程度评分工具	银屑病（PsO）、银屑病关节炎（PsA）患者及非银屑病对照组的指甲照片	数字病理学	银屑病	深度学习	CNN（基于BEiT架构）	图像	训练数据集包括460名患者的4,400张指甲照片，验证数据集包括118名患者的929张指甲照片
280	2025-07-02	Corrigendum: Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1617441 PMID:40538405	correction	本文是对先前发表的一篇关于使用深度学习工具自动评估指甲银屑病严重程度的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA