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
421	2025-06-15	Improving lung cancer diagnosis and survival prediction with deep learning and CT imaging 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323174 PMID:40498724	研究论文	该论文提出了一种结合深度学习和CT影像的方法，用于改善肺癌的诊断和生存预测	使用卷积神经网络建模肺癌风险与肺部形态之间的非线性关系，并提出了结合小批量损失和二元交叉熵的方法来预测肺癌发生和死亡风险	未提及具体的数据集局限性或模型泛化能力问题	提高肺癌的诊断准确性和生存预测效果	肺癌患者	计算机视觉	肺癌	CT成像	3D CNN	医学影像	国家肺癌筛查试验数据集
422	2025-06-15	An ensemble-based 3D residual network for the classification of Alzheimer's disease 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324520 PMID:40498744	研究论文	本研究提出了一种基于深度学习的集成方法，用于阿尔茨海默病的分类	采用加权概率的集成方法整合3D残差网络的结果，并引入CBAM注意力机制增强模型性能	数据量有限，需通过数据增强技术来提升准确率	早期诊断轻度认知障碍（MCI）以延缓阿尔茨海默病（AD）的进展	阿尔茨海默病（AD）及其前驱阶段轻度认知障碍（MCI）患者	数字病理学	老年病	深度学习	3D ResNet-18, 3D ResNet-34, 3D ResNet-50	图像	NA
423	2025-06-15	In-depth exploration of software defects and self-admitted technical debt through cutting-edge deep learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324847 PMID:40498858	研究论文	提出了一种利用深度学习技术同时识别和分类自承认技术债务（SATD）及软件缺陷的创新方法	首次结合深度学习技术同时处理SATD和软件缺陷的识别与分类，并采用Transformer模型如GPT-3提升性能	未明确提及模型在小规模或特定领域软件项目中的泛化能力	提升软件质量评估与维护的全面性，优化技术债务与缺陷的认知及维护资源分配	软件注释中的自承认技术债务（SATD）及相关缺陷	自然语言处理	NA	深度学习架构（LSTM, BI-LSTM, GRU, BI-GRU）及Transformer模型（BERT, GPT-3）	LSTM, GRU, BERT, GPT-3	文本（软件注释）	来自Apache、Mozilla Firefox和Eclipse等仓库的多样化项目数据，含SATD示例和缺陷实例
424	2025-06-15	Interpretable deep learning for gastric cancer detection: a fusion of AI architectures and explainability analysis 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1596085 PMID:40510366	研究论文	本文提出了一种结合多种深度学习架构和可解释性分析的胃癌检测方法	融合了VGG16、RESNET50和MobileNetV2三种深度学习架构，并采用LIME技术提高模型决策的可解释性	未提及具体的数据集来源和样本多样性问题	开发高精度且可解释的胃癌检测系统以支持临床决策	胃癌的医学影像检测	数字病理学	胃癌	深度学习融合架构、LIME可解释性分析	VGG16、RESNET50、MobileNetV2融合模型	医学影像	NA
425	2025-06-15	Deep learning-based action recognition for analyzing drug-induced bone remodeling mechanisms 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1564157 PMID:40510423	research paper	提出了一种基于深度学习的动作识别框架，用于分析药物诱导的骨重塑机制	结合图神经网络（GNNs）和动态信号传播模型，识别驱动骨重塑的关键分子相互作用，并集成预测药理学相互作用模型以量化药物-靶点相互作用	未提及具体实验样本量或数据来源的局限性	优化治疗干预并减少骨健康管理中的不良反应	药物诱导的骨重塑机制	machine learning	geriatric disease	graph neural networks (GNNs), dynamic signal propagation model	GNN	multi-scale biological data	NA
426	2025-06-15	Graph convolutional neural networks improved target-specific scoring functions for cGAS and kRAS in virtual screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.023 PMID:40510763	研究论文	本研究通过结合分子图和卷积神经网络，提高了针对cGAS和kRAS蛋白的靶向特异性评分函数在虚拟筛选中的外推能力和准确性	首次将图卷积神经网络应用于靶向特异性评分函数的开发，显著提升了虚拟筛选的准确性和外推性能	研究仅针对cGAS和kRAS两种蛋白进行验证，需要更多靶点验证其普适性	提高虚拟筛选中靶向特异性评分函数的准确性和外推能力	cGAS和kRAS蛋白	机器学习	NA	分子对接、虚拟筛选	图卷积神经网络(GCN)、传统机器学习模型	分子图数据	NA
427	2025-06-15	Random splicing assisted deep learning for breast cancer cell line classification via Raman spectroscopy 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.051 PMID:40510766	研究论文	本文开发了一种名为随机拼接-卷积神经网络（RS-CNN）的深度学习框架，用于通过拉曼光谱对乳腺癌细胞系进行分类	通过随机拼接同一细胞系的拉曼光谱，RS-CNN增强了特征光谱特征，同时扩大了数据集规模并改善了信号质量	NA	开发一种深度学习框架以提高拉曼光谱在癌症识别中的准确性和效率	六种乳腺癌细胞系	数字病理学	乳腺癌	拉曼光谱	RS-CNN（随机拼接-卷积神经网络）	光谱数据	每种细胞系450个光谱，数据有限条件下为100个光谱/细胞系
428	2025-06-14	Real-time detection and monitoring of public littering behavior using deep learning for a sustainable environment 2025-01-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77118-x PMID:39848984	research paper	利用深度学习实时检测和监控公共乱扔垃圾行为，以促进可持续环境	结合MoViNet视频分类模型和YOLOv8目标检测模型，通过面部识别和车牌识别技术识别乱扔垃圾的个体	数据收集困难，需通过模拟真实场景获取数据	通过技术手段减少公共乱扔垃圾行为，保护环境和人类健康	车辆和行人的乱扔垃圾行为	computer vision	NA	深度学习、计算机视觉	MoViNet, YOLOv8, LRCN, CNN-RNN	视频	模拟真实场景收集的数据集
429	2025-06-14	Investigating the intrinsic top-down dynamics of deep generative models 2025-01-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85055-y PMID:39843473	research paper	本研究探讨了深度生成模型（特别是迭代深度信念网络iDBN）的内在自上而下动态，及其在生成多样数据原型和持续学习中的应用	通过引入'嵌合体状态'初始化采样过程，增强了模型生成多样化数据原型的能力，并展示了iDBN相比浅层生成模型更丰富的自上而下动态	模型无法在单次生成轨迹中过渡到所有潜在目标状态	研究分层生成模型的自上而下动态特性及其与神经认知发展的关系	迭代深度信念网络（iDBN）的生成动态	machine learning	NA	无监督学习、Hebbian-like学习机制	Deep Belief Networks (DBNs), iterative DBN (iDBN), Restricted Boltzmann Machine	image	基于手写数字和人脸图片的知名数据集（具体数量未说明）
430	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics: (Trends in Molecular Medicine, published online December 11, 2024) 2025-Jan-21, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.12.012 PMID:39843287	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
431	2025-06-14	Combining Biology-based and MRI Data-driven Modeling to Predict Response to Neoadjuvant Chemotherapy in Patients with Triple-Negative Breast Cancer 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240124 PMID:39503605	research paper	结合基于生物学的模型和MRI数据驱动的深度学习来预测三阴性乳腺癌患者对新辅助化疗的反应	整合了基于生物学的数学模型和卷积神经网络（CNN）来预测肿瘤对新辅助化疗的时空演变	研究为回顾性研究，样本量相对较小（118名患者）	预测三阴性乳腺癌患者对新辅助化疗的反应	局部晚期三阴性乳腺癌患者	digital pathology	breast cancer	MRI, deep learning	CNN	image	118名女性患者（中位年龄51岁，范围29-78岁）
432	2025-06-14	SCIseg: Automatic Segmentation of Intramedullary Lesions in Spinal Cord Injury on T2-weighted MRI Scans 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240005 PMID:39503603	研究论文	开发了一种名为SCIseg的深度学习工具，用于在T2加权MRI扫描上自动分割脊髓和脊髓损伤中的髓内病变	SCIseg是一个开源工具，通过主动学习的三阶段过程训练，能够自动分割髓内SCI病变和脊髓，并在多样化的数据集上表现出色	研究未提及模型在不同扫描参数或病变类型间的泛化能力	开发自动分割脊髓损伤中髓内病变的深度学习工具	脊髓损伤患者的T2加权MRI扫描	数字病理	脊髓损伤	T2加权MRI扫描	CNN	图像	191名脊髓损伤患者
433	2025-06-14	Deep Learning Applied to Diffusion-weighted Imaging for Differentiating Malignant from Benign Breast Tumors without Lesion Segmentation 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240206 PMID:39565222	研究论文	评估和比较不同人工智能模型在扩散加权成像（DWI）中区分良性和恶性乳腺肿瘤的性能，并与放射科医生的评估进行比较	应用深度学习模型（特别是小型2D CNN）在无需病灶分割的情况下，利用DWI数据区分乳腺肿瘤的良恶性，且性能与放射科医生相当	研究为回顾性设计，样本量相对较小（334个乳腺病灶），且所有患者均为女性	评估AI模型在乳腺肿瘤良恶性鉴别中的性能	乳腺肿瘤患者	计算机视觉	乳腺癌	扩散加权成像（DWI）	2D CNN, ResNet-18, EfficientNet-B0, 3D CNN	医学影像	293名女性患者的334个乳腺病灶
434	2024-12-12	Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction? 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240740 PMID:39660996	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
435	2025-06-14	Innovative data techniques for centrifugal pump optimization with machine learning and AI model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325952 PMID:40493691	research paper	本文探讨了利用机器学习和AI模型优化离心泵的数据技术	采用Dewesoft FFT DAQ系统和传感器融合技术提取高质量数据，结合EDA、数据可视化和特征工程提升数据可解释性，并通过假设测试验证数据完整性	未提及具体模型在极端条件下的表现或泛化能力	提高离心泵的运营效率并减少模型训练时间	离心泵机器(CPM)	machine learning	NA	Exploratory Data Analysis (EDA), Data Visualization, Feature Engineering (FE)	machine learning classifiers, deep learning algorithms	sensor data	NA
436	2025-06-14	A plaque recognition algorithm for coronary OCT images by Dense Atrous Convolution and attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325911 PMID:40493701	research paper	提出了一种结合Dense Atrous Convolution和注意力机制的深度学习算法，用于冠状动脉OCT图像中的斑块高精度分割和分类	首次将Dense Atrous Convolution与注意力机制结合用于冠状动脉斑块分割，在钙化、纤维和脂质斑块的dice系数上均优于现有五种医学图像分割网络	未提及算法在临床实际应用中的验证情况，也未说明计算复杂度等实际部署问题	提高冠状动脉OCT图像中斑块自动分割的准确率，为临床决策提供支持	冠状动脉OCT图像中的钙化、纤维和脂质斑块	digital pathology	cardiovascular disease	OCT成像	Dense Atrous Convolution + attention mechanism	医学图像	760张原始图像（通过数据增强扩展至8,000张）
437	2025-06-14	A User-Friendly Machine Learning Pipeline for Automated Leaf Segmentation in Atriplex lentiformis 2025, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322251344033 PMID:40496491	研究论文	本文介绍了一种用于植物表型分析的端到端深度学习管道，专注于自动化叶片分割	结合了微调的Mask R-CNN模型与自然语言提示技术，并集成了QR码自动识别功能，开发了用户友好的Streamlit网络应用	训练数据集较小（仅176张植物图像）	开发一个准确、可扩展且用户友好的自动化叶片分割管道	Atriplex lentiformis植物的叶片	计算机视觉	NA	深度学习	Mask R-CNN, Segment Anything Model (SAM), Grounded SAM	图像	176张植物图像
438	2025-06-14	An integrated approach for mental health assessment using emotion analysis and scales 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12040 PMID:40502325	research paper	该研究提出了一种结合情绪分析和量表的综合方法进行心理健康评估，特别是针对抑郁症的初步评估	整合了四种模块（面部情绪识别、量表问卷、语音情绪识别和医生聊天）进行抑郁症评估，提高了预测的准确性	情绪识别的准确性仍有提升空间，且用户可能需要与真实医生交流以消除疑虑	开发一种综合方法，通过情绪分析和量表评估抑郁症	抑郁症患者或潜在患者	machine learning	mental illness	Facial Emotion Recognition (FER), Speech Emotion Recognition (SER), 量表问卷	深度学习模型（未明确具体类型）	image, audio, text	使用了FER2013数据集以及RAVDESS、TESS、SAVEE和CREMA-D数据集
439	2025-06-14	Integration of T cell repertoire, CyTOF, genotyping and symptomatology data reveals subphenotypic variability in COVID-19 patients 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.016 PMID:40502932	研究论文	该研究通过整合T细胞受体库、CyTOF、基因分型和症状学数据，揭示了COVID-19患者的亚表型变异性	使用LCM-BIC算法整合多种免疫表型和遗传数据，识别出三个新的患者聚类，并通过深度学习分析TCR氨基酸序列，发现与疾病严重程度相关的SARS-CoV-2特异性TCR序列	样本量较小（61名患者），且仅来自西班牙人群，可能限制结果的普适性	通过整合多种数据识别COVID-19患者的免疫和遗传特征，以帮助分层和管理患者	61名西班牙COVID-19患者（33名轻度，28名重度）	免疫学	COVID-19	CyTOF, TCRseq, SNP分析, 深度学习	LCM-BIC算法, 深度学习模型	免疫表型数据, 基因分型数据, 症状学数据	61名COVID-19患者（33名轻度，28名重度）
440	2025-06-14	Prediction of CRISPR-Cas9 on-target activity based on a hybrid neural network 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.001 PMID:40502933	研究论文	提出了一种基于混合神经网络CRISPR_HNN的CRISPR-Cas9靶向活性预测方法	整合了MSC、MHSA和BiGRU模块，有效捕捉局部动态特征和全局长距离依赖关系，并采用One-hot Encoding和Label Encoding策略	未提及具体的数据集局限性或模型泛化能力测试	提高sgRNA活性的预测准确性，以增强CRISPR-Cas9基因编辑技术的安全性和有效性	CRISPR-Cas9系统中的sgRNA活性	机器学习	NA	CRISPR-Cas9基因编辑技术	混合深度神经网络（整合MSC、MHSA和BiGRU）	基因序列数据	未明确提及具体样本量，仅说明在公共数据集上测试