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
781	2025-06-23	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	研究论文	本章探讨了人工智能和机器学习在预测lncRNA功能、识别疾病关联和注释蛋白质相互作用中的应用	详细描述了用于lncRNA结合蛋白功能注释的深度学习流程，并强调了实验验证与计算预测的整合	数据集准备、模型设计和可用性方面存在挑战	推进长链非编码RNA（lncRNA）的研究	长链非编码RNA（lncRNAs）及其结合蛋白（lncRBPs）	分子生物学	NA	机器学习（ML）、深度学习（DL）	RNN、CNN、transformer-based模型	NA	NA
782	2025-06-22	Machine learning models for predicting postoperative peritoneal metastasis after hepatocellular carcinoma rupture: a multicenter cohort study in China 2025-Jan-17, The oncologist DOI:10.1093/oncolo/oyae341 PMID:39832130	研究论文	本研究利用机器学习模型预测肝细胞癌破裂后腹膜转移的风险	首次比较了五种机器学习模型在预测肝细胞癌破裂后腹膜转移中的表现，并发现深度学习模型表现最佳	研究样本仅来自中国的7个医疗中心，可能存在地域局限性	开发预测肝细胞癌破裂手术后腹膜转移的最佳机器学习模型	522例接受手术的肝细胞癌破裂患者	机器学习	肝细胞癌	机器学习模型比较	逻辑回归、支持向量机、分类树、随机森林、深度学习(DL)	临床数据	522例患者(来自7个医疗中心)
783	2025-06-22	Energy metric prediction for double insertion mutants via the RoseNet deep learning framework 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae198 PMID:40463404	研究论文	利用RoseNet深度学习框架预测双插入突变体的能量指标	扩展了先前的工作，评估了三种额外蛋白质，并分析了影响RoseNet预测能力的域特征，如插入二级结构和残基的溶剂可及表面积（SASA）分数	研究仅基于有限的蛋白质数据集，可能无法推广到所有类型的蛋白质突变	研究蛋白质双氨基酸插入或删除（InDels）的结构和功能影响	蛋白质的双插入突变体	生物信息学	NA	深度学习	RoseNet	蛋白质序列和结构数据	三个蛋白质的详尽双InDel突变数据集和另外三个蛋白质的约145k随机突变体
784	2025-06-22	Generative AI - Assisted Adaptive Cancer Therapy 2025 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748251349919 PMID:40532181	review	本文探讨了利用生成式AI（GenAI）提升适应性癌症治疗的预测和推荐能力	结合非线性系统控制理论和深度学习，提出了一个适应性癌症控制框架，利用GenAI增强治疗响应预测和治疗方案推荐	临床数据获取困难、深度学习模型的不透明性以及临床验证是主要挑战	研究如何利用GenAI提升适应性癌症治疗的准确性和可靠性	适应性癌症治疗及其动态调整策略	machine learning	cancer	deep learning	GenAI	multimodal data	NA
785	2025-06-22	H-DSAE: a hybrid technique to recognize heart disease 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1563199 PMID:40538756	研究论文	本文提出了一种混合技术H-DSAE，用于识别心脏病，结合了深度信念网络、支持向量机和堆叠自编码器来提高诊断准确性	采用混合深度学习方法H-DSAE，结合多种分类器，显著提高了心脏病诊断的准确率至99.2%	下一步需要开发更先进的分类和特征算法以进一步提升系统效率	提高心脏病诊断的准确性和效率	心脏病患者的心脏图像数据	机器学习	心血管疾病	机器学习、深度学习	DBN, SVM, SAE	图像	NA
786	2025-06-22	Combination of ultrasound-based radiomics and deep learning with clinical data to predict response in breast cancer patients treated with neoadjuvant chemotherapy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525285 PMID:40538839	研究论文	本研究结合超声影像、深度学习特征和临床数据，构建了一个预测乳腺癌患者新辅助化疗后病理完全缓解的融合模型	首次将超声影像的放射组学特征、深度学习特征与临床数据相结合，构建了一个预测性能优越的融合模型	研究为回顾性设计，样本来自两个医疗中心，可能存在选择偏倚	预测乳腺癌患者新辅助化疗后的病理完全缓解(pCR)	643名经病理确诊的乳腺癌患者	数字病理	乳腺癌	超声成像、机器学习算法	融合模型(结合临床模型、放射组学模型和深度学习模型)	超声图像、临床数据	643例患者(中心1:372例；中心2:271例)
787	2025-06-22	A dual-branch deep learning model based on fNIRS for assessing 3D visual fatigue 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1589152 PMID:40538859	研究论文	本文提出了一种基于fNIRS的双分支深度学习模型，用于评估3D视觉疲劳	首次构建了基于fNIRS的深度学习模型，用于评估3D视觉疲劳，实现了端到端的自动特征提取和分类	未来工作可以探索模型在其他类型疲劳评估中的适用性，并进一步优化其在真实场景中的性能	提升用户体验并优化立体3D技术的性能	20名正常受试者（平均年龄：24.6±0.88岁；范围：23-26岁；13名男性）	机器学习	NA	fNIRS	双分支卷积网络与transformer模块结合	时间序列fNIRS数据	20名正常受试者
788	2025-06-22	IRGL-RRI: interpretable graph representation learning for plant RNA-RNA interaction discovery 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1617495 PMID:40538878	研究论文	提出了一种可解释的图表示学习模型IRGL-RRI，用于准确预测植物RNA-RNA相互作用	结合Kolmogorov-Arnold Networks (KAN)和多尺度融合的RRI建模方法，提高了模型的可解释性和预测准确性	未提及模型在计算资源消耗或特定植物种类上的局限性	提高植物RNA-RNA相互作用预测的准确性和可解释性	植物RNA分子及其相互作用	机器学习	NA	图表示学习、KAN网络	IRGL-RRI（基于图表示学习的模型）	RNA序列数据	公开数据集（具体数量未提及）
789	2025-06-22	Class imbalance in multi-resident activity recognition: an evaluative study on explainability of deep learning approaches 2025, Universal access in the information society IF:2.1Q3 DOI:10.1007/s10209-024-01123-0 PMID:40538921	research paper	该研究探讨了在多居民活动识别中类别不平衡问题，并评估了深度学习方法的可解释性	研究针对多居民场景中的类别不平衡问题，探索了LSTM和双向LSTM网络的有效性，并提高了深度学习模型的透明度和可靠性	研究仅基于三个高度不平衡的智能家居数据集进行评估，可能无法涵盖所有实际应用场景	提高多居民活动识别系统的可信度和性能	多居民家庭中的活动识别	machine learning	NA	深度学习	LSTM, Bidirectional LSTM	传感器数据	三个高度不平衡的智能家居数据集
790	2025-06-21	Automatic multimodal registration of cone-beam computed tomography and intraoral scans: a systematic review and meta-analysis 2025-Jan-29, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06183-x PMID:39878846	系统综述与荟萃分析	评估锥形束计算机断层扫描（CBCT）与口内扫描（IOS）自动多模态配准的最新进展及其在牙科中的临床意义	比较了几何方法与人工智能技术在配准中的表现，并指出AI方法在自动化和鲁棒性上的显著提升	未来研究需解决配准标志点不稳定或数据集多样性有限等挑战，以确保在复杂临床场景中的稳定性	评估CBCT与IOS自动多模态配准技术的效率与准确性	锥形束计算机断层扫描（CBCT）和口内扫描（IOS）数据	数字病理	牙科疾病	几何配准算法与AI驱动的深度学习模型	深度学习模型（未指定具体类型）	3D图像数据	22篇符合纳入标准的研究（共筛选493篇）
791	2025-06-21	Transformers for Neuroimage Segmentation: Scoping Review 2025-Jan-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57723 PMID:39879621	综述	本文综述了当前关于使用transformer模型进行神经影像分割的研究，总结了相关文献并评估了各种transformer模型的应用	首次系统性地综述了transformer在神经影像分割领域的应用，并分析了混合CNN-transformer架构的优越性	计算成本高，在小数据集上容易过拟合，且研究主要依赖于脑肿瘤分割数据集，缺乏多样性	评估transformer模型在神经影像分割中的应用现状和效果	人类脑部影像数据	数字病理	脑肿瘤	MRI	Transformer, CNN-transformer混合架构	影像	67篇符合纳入标准的研究论文
792	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
793	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
794	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
795	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
796	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
797	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
798	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
799	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
800	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