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
361	2025-06-21	Artificial intelligence methods applied to longitudinal data from electronic health records for prediction of cancer: a scoping review 2025-Jan-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02473-w PMID:39875808	综述	本文综述了利用人工智能方法从电子健康记录（EHRs）中的纵向数据预测癌症的研究现状，并提出了模型开发的建议	总结了当前利用纵向数据进行癌症预测的方法，并提出了改进模型开发的建议	90%的研究存在高偏倚风险，主要由于研究设计和样本量不当	总结和评估利用人工智能从电子健康记录中纵向数据预测癌症的方法	电子健康记录中的纵向数据	机器学习	癌症	特征工程和深度学习	RNN, CNN, transformers	电子健康记录数据	33项研究纳入综述
362	2025-06-21	Prediction of Anti-rheumatoid Arthritis Natural Products of Xanthocerais Lignum Based on LC-MS and Artificial Intelligence 2025, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073282138240116112348 PMID:38299408	研究论文	基于LC-MS和人工智能技术预测和筛选黄栌木中抗风湿性关节炎的活性化合物	结合LC-MS和AI技术，构建集成模型预测天然产物的抗RA活性，提高了预测的稳定性和准确性	研究仅针对黄栌木中的化合物，未涉及其他天然产物	寻找更有效且安全的天然产物用于治疗风湿性关节炎	黄栌木中的化合物	机器学习	风湿性关节炎	LC-MS, HPLC-Q-Exactive-MS	逻辑回归, k近邻, 支持向量机, 随机森林, XGBoost, GCN	质谱数据	69种已鉴定的黄栌木化合物
363	2025-06-20	CoReSi: a GPU-based software for Compton camera reconstruction and simulation in collimator-free SPECT 2025-Jan-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adaacc PMID:39813793	research paper	介绍了一种基于GPU的Compton相机重建和模拟软件CoReSi，用于无准直器的SPECT成像	CoReSi是首个开源的Compton相机重建软件，采用PyTorch实现，便于与深度学习和图像处理算法对接	虽然支持多种数学模型，但未提及在真实医疗场景中的验证结果	开发一个灵活高效的Compton相机重建和模拟工具	Compton相机的图像重建算法	medical imaging	NA	Compton相机成像技术	PyTorch实现的多种数学模型	3D图像数据	未提及具体样本量
364	2025-06-20	Predicting alveolar nerve injury and the difficulty level of extraction impacted third molars: a systematic review of deep learning approaches 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1534406 PMID:40463825	系统综述	本文系统评估了深度学习模型在预测第三磨牙拔除难度和下牙槽神经损伤风险方面的准确性和可靠性	首次系统综述深度学习在口腔全景X光片(PR)图像上预测第三磨牙拔除难度和神经损伤风险的应用	研究地理分布局限(主要来自韩国)，人口统计学数据报告不足，缺乏长期随访数据	评估深度学习模型在第三磨牙拔除术前评估中的预测性能	第三磨牙拔除手术和下牙槽神经损伤风险	数字病理	口腔疾病	深度学习	DL模型(未指定具体架构)	全景X光图像(PR图像)	6项研究共12,419张PR图像
365	2025-06-20	Transformer for Multitemporal Hyperspectral Image Unmixing 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3577394 PMID:40504726	research paper	提出了一种名为MUFormer的端到端无监督深度学习模型，用于多时相高光谱图像解混	引入了全局感知模块(GAM)和变化增强模块(CEM)，有效捕捉多时相语义信息	NA	提高多时相高光谱图像解混的性能	多时相高光谱图像	computer vision	NA	深度学习	Transformer	hyperspectral image	一个真实数据集和两个合成数据集
366	2025-06-20	Research on learning achievement classification based on machine learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325713 PMID:40531811	研究论文	本研究基于机器学习技术对学生学业成绩进行分类，以提高预测的准确性和鲁棒性	采用基于高斯分布的数据增强技术(GDO)结合多种深度学习和机器学习模型，提出新的教育数据分析方法和视角	未明确说明样本的具体规模和代表性，可能影响模型的泛化能力	提高学生学业成绩分类的准确性和鲁棒性，为教育政策制定提供数据支持	学生的个人信息、学业表现、出勤率、家庭背景和课外活动等多维特征	机器学习	NA	Gaussian Distribution based Data Augmentation (GDO), Deep Learning (DL), Machine Learning (ML)	RBFN, 多种DL和ML模型	结构化数据(学生特征数据)	NA
367	2025-06-20	DeepRice6mA: A convolutional neural network approach for 6mA site prediction in the rice Genome 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325216 PMID:40531834	研究论文	本文提出了一种名为DeepRice6mA的卷积神经网络方法，用于预测水稻基因组中的6mA位点	结合了一热编码和3-kmer特征嵌入的集成策略，达到了当前最先进的预测效果	NA	提高水稻基因组中6mA位点预测的准确性和计算效率	水稻基因组中的6mA位点	机器学习	NA	深度学习	CNN	基因组数据	NA
368	2025-06-20	Study on the quantitative analysis of Tilianin based on Raman spectroscopy combined with deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325530 PMID:40531836	研究论文	本文提出了一种基于拉曼光谱和深度学习的残差自注意力机制模型，用于定量分析6种不同浓度的田蓟素	结合拉曼光谱与深度学习，提出残差自注意力机制模型（RSAQN），用于田蓟素的非破坏性定量分析	仅针对田蓟素-甲醇溶液的6种浓度进行分析，样本量较小（120个光谱样本）	开发一种非破坏性方法以改进田蓟素的定量分析，助力药品质量控制和临床应用	田蓟素（Tilianin）的甲醇溶液	机器学习	肝癌、肺癌、胃癌	拉曼光谱	残差自注意力机制模型（RSAQN）、CNN、VAE、随机森林、KNN、人工神经网络	光谱数据	120个田蓟素-甲醇溶液的光谱样本
369	2025-06-20	Advancing breast cancer prediction: Comparative analysis of ML models and deep learning-based multi-model ensembles on original and synthetic datasets 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326221 PMID:40531928	研究论文	本研究通过比较多种机器学习和深度学习模型在原始和合成数据集上的表现，旨在提升乳腺癌诊断的准确性和效率	结合传统机器学习模型、AutoML和深度学习技术，并利用合成数据生成方法（如Gaussian Copula和TVAE）来提高预测性能	未提及具体的数据集规模或样本多样性，可能影响模型的泛化能力	提升乳腺癌诊断的准确性和效率	乳腺癌诊断	机器学习	乳腺癌	KNN, SVM, ANN, RF, XGBoost, AutoML, 深度学习	KNN, SVM, ANN, RF, XGBoost, AutoML, 深度学习模型	原始数据和合成数据	NA
370	2025-06-20	An Enhanced Hybrid Model Combining CNN, BiLSTM, and Attention Mechanism for ECG Segment Classification 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251341051 PMID:40534643	research paper	提出了一种结合CNN、BiLSTM和注意力机制的增强混合模型，用于ECG信号分类	整合了CNN、CBAM和BiLSTM层，自动提取特征并分类ECG信号，同时使用SMOTE处理类别不平衡问题	未提及模型在真实临床环境中的泛化能力	提高ECG信号分类的准确性，减轻临床医生的工作负担	ECG信号	digital pathology	cardiovascular disease	SMOTE	CNN, BiLSTM, Attention Mechanism	ECG信号数据	MIT-BIH心律失常数据库
371	2025-06-20	AI improves consistency in regional brain volumes measured in ultra-low-field MRI and 3T MRI 2025, Frontiers in neuroimaging DOI:10.3389/fnimg.2025.1588487 PMID:40534653	research paper	本研究比较了使用不同磁共振成像（MRI）模态和深度学习模型（特别是3T MRI、64mT超低场（ULF）MRI以及使用SynthSR和HiLoResGAN增强的ULF MRI）测量大脑各区域体积的一致性	利用深度学习模型SynthSR和LoHiResGAN减少超低场MRI与3T MRI在脑体积测量上的系统性差异	未提及样本的具体数量或多样性，可能影响结果的普遍性	评估不同场强MRI及AI增强后MRI在脑体积测量上的一致性和偏差	大脑各区域的体积测量	医学影像分析	NA	MRI, 深度学习	SynthSR, HiLoResGAN	MRI图像	NA
372	2025-06-20	Development of deep learning models for high-resolution exposome mapping and health impact assessment 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1565471 PMID:40535428	research paper	开发深度学习模型用于高分辨率暴露组图谱绘制和健康影响评估	提出了自适应多尺度暴露网络（AMSEN）和自适应暴露优化策略（AEOS），通过多模态数据融合和不确定性量化，提高了暴露组研究的精度和效率	未提及具体样本量或数据来源的局限性	解决传统暴露组图谱绘制方法在时空分辨率、多模态数据整合和暴露量化不确定性处理方面的不足	环境暴露与人类健康之间的复杂相互作用	machine learning	NA	深度学习、卫星影像、可穿戴传感器、地理空间分析	AMSEN（自适应多尺度暴露网络）	多模态数据（卫星影像、传感器数据、地理空间数据）	NA
373	2025-06-20	A hybrid Bi-LSTM model for data-driven maintenance planning 2025, Autonomous intelligent systems DOI:10.1007/s43684-025-00099-9 PMID:40535477	研究论文	本文开发了一种混合Bi-LSTM模型，用于数据驱动的维护规划，通过蒙特卡洛dropout生成剩余使用寿命预测，并用于优化选择性维护问题	提出了一种结合蒙特卡洛dropout的混合DL模型，用于生成RUL预测并构建经验系统可靠性函数，优化选择性维护问题，适用于大规模复杂场景	研究中使用的系统配置较为简单，模型的可扩展性有待验证	开发一种数据驱动的维护规划方法，优化选择性维护问题	面向任务的串联k-out-of-n:G系统	机器学习	NA	深度学习，蒙特卡洛dropout	Bi-LSTM	传感器数据	NA
374	2025-06-20	The multikinetic fusion feature of PPG was combined with MCNN_vision_transformer for diabetes detection 2025, American journal of translational research IF:1.7Q4 DOI:10.62347/ZRMW1346 PMID:40535639	研究论文	提出了一种基于PPG信号多动力学融合特征和MCNN_Vision Transformer的糖尿病自动检测模型	结合了PPG信号的动态融合特征提取和Vision Transformer模型，用于捕捉全局上下文语义特征，显著提高了糖尿病检测性能	研究为回顾性病例对照研究，可能存在样本选择偏差	利用深度学习算法进行糖尿病的早期预防和筛查	血糖正常人群、糖尿病控制不佳人群和糖尿病控制良好人群	机器学习	糖尿病	SGR空间编码算法、MCNN、Vision Transformer	MCNN、Vision Transformer (ViT)	PPG信号	自收集的医疗数据集，包含三组人群
375	2025-06-20	Pretreatment Multi-sequence Contrast-Enhanced MRI to Predict Response to Immunotherapy in Unresectable Hepatocellular Carcinoma Using Transformer: A Multicenter Study 2025, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.111026 PMID:40535816	研究论文	本研究开发了一个基于Transformer的放射组学模型，用于预测不可切除肝细胞癌患者对联合免疫治疗的客观反应	结合ResNet50和Transformer的深度学习框架，首次用于预测不可切除肝细胞癌患者对靶向联合免疫治疗的疗效	研究为回顾性多中心研究，可能存在选择偏倚	预测不可切除肝细胞癌患者对靶向联合免疫治疗的客观反应	264名接受免疫治疗前进行增强MRI扫描的不可切除肝细胞癌患者	数字病理	肝癌	对比增强MRI	Transformer, ResNet50	MRI图像	264名患者（训练组180名，验证组84名）
376	2025-06-19	Potential value of novel multiparametric MRI radiomics for preoperative prediction of microsatellite instability and Ki-67 expression in endometrial cancer 2025-01-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87966-w PMID:39863695	研究论文	本研究开发了一种新型混合放射组学方法，用于预测子宫内膜癌的微卫星不稳定性和Ki-67表达	结合多参数MRI、深度学习和多通道图像分析，利用新兴的注意力机制提取特征，开发了HMRadSum模型	研究为回顾性设计，样本量相对较小（156例患者）	探索先进人工智能技术在预测子宫内膜癌微卫星不稳定性和Ki-67表达中的潜在价值	子宫内膜癌患者	数字病理学	子宫内膜癌	多参数MRI、深度学习、多通道图像分析	XGBoost分类器	MRI图像	156例子宫内膜癌患者
377	2025-06-19	The tumour histopathology "glossary" for AI developers 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012708 PMID:39847582	research paper	本文旨在为AI开发者提供基本的组织病理学概念，以支持他们在癌症研究中的应用	通过介绍关键细胞类型和组织病理学技术，填补了AI开发者在组织病理学知识上的空白	未提及具体的AI算法开发或验证结果	促进AI在癌症研究中的应用，特别是在组织病理学图像分析方面	AI开发者和计算研究人员	digital pathology	cancer	HE染色、免疫组织化学染色、多重抗体染色	NA	image	NA
378	2025-06-19	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	本文提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应SARS-CoV-2等病毒的快速进化	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	与使用实验结构相比，性能略有下降（Pearson相关系数平均下降1.1%，均方根误差平均增加9.3%）	开发高效的计算方法以应对病毒的快速进化，特别是在病毒追踪、诊断和抗体设计方面	SARS-CoV-2刺突蛋白受体结合域（RBD）和人血管紧张素转换酶-2（ACE2）复合物	机器学习	COVID-19	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）、持久拉普拉斯（PL）	蛋白质-蛋白质相互作用（PPI）复合物的三维结构	四个实验性DMS数据集和一个SARS-CoV-2 HK.3变体DMS数据集
379	2025-06-19	Comparison of Deep Learning Models for Objective Auditory Brainstem Response Detection: A Multicenter Validation Study 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165251347773 PMID:40457875	研究论文	本研究评估了九种深度学习模型在听觉脑干反应（ABR）检测中的泛化能力，使用大规模多中心数据集	首次在大规模多中心数据集上评估多种深度学习模型（包括CNN和Transformer架构）在ABR检测中的表现，并验证了Transformer架构在跨中心泛化中的优势	研究主要基于回顾性数据，未在实时临床环境中验证模型表现	评估深度学习模型在ABR检测中的临床适用性和泛化能力	听觉脑干反应（ABR）信号	数字病理	听力障碍	深度学习	CNN（AlexNet, VGG, ResNet）, Transformer（Transformer, PatchTST, Differential Transformer, Differential PatchTST）, 混合模型（ResTransformer, ResPatchTST）	生理信号数据	主要数据集包含来自13,813名参与者的128,123个标记ABR，外加四个外部验证数据集
380	2025-06-19	RRFNet: A free-anchor brain tumor detection and classification network based on reparameterization technology 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325483 PMID:40522942	研究论文	本研究提出了一种基于重参数化技术的自由锚点脑肿瘤检测与分类网络RRFNet，旨在提高脑肿瘤检测的准确性和效率	使用RepConv和RepC3构建主干网络，并引入FGConcat特征图拼接模块优化脑肿瘤检测模型，同时减少推理时的参数量	未提及模型在多样化数据集上的泛化能力或临床验证结果	优化脑肿瘤自动检测与分类的深度学习模型	脑肿瘤的CT或MRI图像	计算机视觉	脑肿瘤	深度学习	RRFNet（基于RepConv-RepC3-FGConcat的CNN变体）	医学影像（CT/MRI）	未明确提及具体样本量