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
1541	2025-03-19	The Pfam protein families database: embracing AI/ML 2025-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae997 PMID:39540428	研究论文	本文介绍了Pfam蛋白质家族数据库的最新发展，包括与InterPro的整合、ECOD结构分类的协调、以及利用AlphaFold结构预测优化域边界和识别新域	利用AlphaFold结构预测优化域边界和识别新域，开发了Pfam-N，通过深度学习扩展家族覆盖范围，使UniProtKB覆盖范围增加了8.8%	尽管有最新进展，仍有许多蛋白质家族未被分类，Pfam仍在努力实现蛋白质宇宙的全面覆盖	更新和扩展Pfam蛋白质家族数据库，提高蛋白质域和家族的注释和分析能力	蛋白质域和家族	生物信息学	NA	深度学习，AlphaFold结构预测	深度学习模型	蛋白质序列和结构数据	NA
1542	2025-03-19	Comparison of 3D and 2D area measurement of acute burn wounds with LiDAR technique and deep learning model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1510905 PMID:40083475	研究论文	本文比较了使用LiDAR技术和深度学习模型进行急性烧伤伤口3D和2D面积测量的差异	开发了结合深度学习模型和LiDAR技术的应用B.E.N.，用于烧伤伤口的3D和2D测量，并验证了3D分割结果与实际烧伤伤口大小的匹配度	研究中未明确提及样本的具体数量，且仅针对烧伤伤口进行了研究，未涉及其他类型的伤口	比较3D和2D测量烧伤伤口面积的准确性，并探讨肢体曲率对3D/2D面积比的影响	烧伤伤口	计算机视觉	烧伤	LiDAR技术	深度学习模型	图像	NA
1543	2025-03-19	Machine and deep learning to predict viral fusion peptides 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.011 PMID:40083606	研究论文	本文探讨了使用机器学习和深度学习模型预测病毒融合肽的方法	采用基于机器学习和深度学习的方法，特别是使用最先进的氨基酸标记分类转换器模型，有效预测病毒融合肽的位置	对于实验数据有限的病毒，预测结果可能存在不确定性	开发能够预测病毒融合蛋白序列中融合肽段的生物信息学工具	病毒融合蛋白及其融合肽段	自然语言处理	NA	机器学习和深度学习	转换器模型	蛋白质序列	超过50种模型和特征的组合
1544	2025-03-19	Explainable AI in medical imaging: an interpretable and collaborative federated learning model for brain tumor classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1535478 PMID:40083877	研究论文	本文提出了一种可解释的协作联邦学习模型（CFLM），用于脑肿瘤分类，结合了可解释的人工智能（XAI）技术	结合了联邦学习（FL）和GoogLeNet架构，解决了传统集中式模型在数据多样性和模型透明度方面的挑战	研究中仅使用了10个客户端和50轮通信，样本量和训练轮次可能不足以全面验证模型的泛化能力	提高脑肿瘤分类的准确性和模型的可解释性，以支持临床决策	脑肿瘤（包括胶质瘤、脑膜瘤、无肿瘤和垂体瘤）	计算机视觉	脑肿瘤	深度学习（DL）、联邦学习（FL）、Grad-CAM、显著性图可视化	GoogLeNet	MRI图像	10个客户端，每个客户端使用分散的本地数据集进行训练
1545	2025-03-19	Effect of natural and synthetic noise data augmentation on physical action classification by brain-computer interface and deep learning 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1521805 PMID:40083893	研究论文	本研究探讨了自然和合成噪声数据增强对通过脑机接口和深度学习进行物理动作分类的影响	提出了两种噪声数据增强方法（自然和合成），并比较了它们对分类性能的影响，特别是在资源有限的设备上应用的潜力	研究中使用的深度神经网络相对简单，可能限制了模型的复杂性和性能	研究环境噪声对脑机接口中物理动作分类的影响	脑电图（EEG）信号和物理动作分类	脑机接口	NA	噪声数据增强（NDA）	全连接网络（FCN）和卷积神经网络（CNN）	脑电图（EEG）信号	使用grasp-and-lift（GAL）数据集中的手指-手掌-手操作数据
1546	2025-03-19	Patho-Net: enhancing breast cancer classification using deep learning and explainable artificial intelligence 2025, American journal of cancer research IF:3.6Q2 DOI:10.62347/XKFN1793 PMID:40084355	研究论文	本文提出了一种名为Patho-Net的深度学习模型，用于乳腺癌分类，解决了可扩展性、固定大小输入图像和有限数据集上的过拟合问题	Patho-Net模型结合了GRU网络和U-Net架构，无需调整图像大小，提高了计算效率，并通过XAI提供了模型预测的清晰视觉解释	NA	提高乳腺癌分类的准确性和可解释性	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习，可解释人工智能（XAI）	U-Net，GRU	图像	100X BreakHis数据集
1547	2025-03-19	BMWP: the first Bengali math word problems dataset for operation prediction and solving 2025, Discover artificial intelligence DOI:10.1007/s44163-025-00243-7 PMID:40092969	研究论文	本文介绍了首个孟加拉语数学应用题数据集BMWP，用于操作预测和解题，并探讨了使用深度学习技术进行孟加拉语应用题操作预测的方法	首次创建了孟加拉语数学应用题数据集BMWP，填补了低资源语言在这一领域的空白	数据集仅包含8653个应用题，可能不足以覆盖所有复杂情况	评估和提升AI模型在解决低资源语言数学应用题方面的能力	孟加拉语数学应用题	自然语言处理	NA	深度学习	深度学习神经网络架构	文本	8653个孟加拉语数学应用题
1548	2025-03-19	A review of machine learning and deep learning for Parkinson's disease detection 2025, Discover artificial intelligence DOI:10.1007/s44163-025-00241-9 PMID:40092968	review	本文综述了机器学习和深度学习在帕金森病检测和进展监测中的应用	通过整合多种数据源，提供了新的视角，并特别展示了音频分析和步态分析在早期症状检测和疾病进展监测中的有效性	需要大量且多样化的数据集，数据隐私问题，以及医疗数据质量的挑战，开发可解释的AI以确保临床医生能够信任和理解ML和DL模型	提高帕金森病诊断的准确性	帕金森病患者	machine learning	geriatric disease	NA	SVM, RF, CNN	audio recordings, gait analysis, medical imaging	NA
1549	2025-03-19	Pollen image manipulation and projection using latent space 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1539128 PMID:40093610	研究论文	本文利用深度学习技术中的风格迁移方法，研究如何通过显微镜图像处理改变花粉颗粒的大小和形状	首次将风格迁移技术应用于花粉颗粒图像的处理，以揭示其结构特征并生成多样化的花粉图像	未明确提及具体的数据集规模或实验验证的详细结果	研究花粉颗粒图像的处理方法，以增强对植物分类和生态学的理解	花粉颗粒的显微镜图像	计算机视觉	NA	风格迁移	NA	图像	NA
1550	2025-03-19	A two-step concept-based approach for enhanced interpretability and trust in skin lesion diagnosis 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.013 PMID:40093651	研究论文	本文提出了一种新颖的两步概念驱动方法，旨在提高皮肤病变诊断的可解释性和信任度	通过模拟概念瓶颈模型的两个阶段，利用预训练的视觉语言模型自动预测临床概念，并使用现成的大型语言模型基于预测概念生成疾病诊断，支持测试时的人工干预以修正预测概念，从而提高最终诊断的准确性和决策透明度	需要少量标注示例，且未提及在大规模数据集上的验证	提高深度学习系统在临床环境中的可解释性和信任度	皮肤病变诊断	计算机视觉	皮肤病变	概念瓶颈模型（CBM）、视觉语言模型（VLM）、大型语言模型（LLM）	CBM、VLM、LLM	图像	三个皮肤病变数据集
1551	2025-03-19	The global research of artificial intelligence on inflammatory bowel disease: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251326217 PMID:40093709	研究论文	本文通过文献计量学分析评估了人工智能（AI）在炎症性肠病（IBD）中的相关研究，识别了研究基础、当前热点和未来发展方向	首次通过文献计量学分析总结了AI在IBD中的应用现状，并可视化揭示了发展趋势和未来研究热点	AI在IBD中的应用仍处于初期阶段，研究深度和广度有待进一步扩展	评估AI在IBD中的研究现状，识别研究基础和未来发展方向	炎症性肠病（IBD）	机器学习	炎症性肠病	文献计量学分析	深度学习模型	文献数据	176篇AI相关论文，涉及1919位作者、790个研究机构、184种期刊和49个国家/地区
1552	2025-03-19	Data transformation of unstructured electroencephalography reports by natural language processing: improving data usability for large-scale epilepsy studies 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1521001 PMID:40093737	研究论文	本研究介绍了一种利用自然语言处理技术将癫痫患儿的非结构化脑电图报告转化为结构化数据的层次算法	开发了一种结合深度学习和基于规则的关键词提取的分层算法，用于将非结构化脑电图报告转化为结构化数据，提高了数据可用性	研究主要针对儿科癫痫患者，可能不适用于其他类型的患者或疾病	提高脑电图报告的数据可用性，以支持大规模癫痫研究	儿科癫痫患者的脑电图报告	自然语言处理	癫痫	自然语言处理（NLP）	深度学习	文本	17,172份脑电图报告，来自3,423名儿科患者，其中6,173份正常和6,173份异常报告用于算法开发
1553	2025-03-19	ViE-Take: A Vision-Driven Multi-Modal Dataset for Exploring the Emotional Landscape in Takeover Safety of Autonomous Driving 2025, Research (Washington, D.C.) DOI:10.34133/research.0603 PMID:40093973	研究论文	本文介绍了ViE-Take，一个用于探索自动驾驶接管安全中情感影响的多模态数据集	ViE-Take是首个以视觉驱动的方式探索自动驾驶接管中情感影响的数据集，具有多源情感激发、多模态驾驶员数据收集和多维情感注释三个关键属性	数据集的应用范围和深度仍需进一步验证和扩展	探索情感对驾驶员接管表现的影响，并开发相关预测模型	自动驾驶中的驾驶员接管表现	计算机视觉	NA	深度学习	CNN, LSTM, GAN等	图像、视频	未明确提及具体样本数量
1554	2025-03-18	Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts 2025-Jan-20, ArXiv PMID:39148932	研究论文	本文提出了一种自动评估不完全海马反转（IHI）的方法，通过预测四个解剖学标准并汇总形成IHI评分，进行了广泛的机器学习方法和训练策略的实验研究	首次提出自动评估IHI的方法，并展示了深度学习模型在多个队列中的泛化能力	研究基于特定队列，可能缺乏对其他人群的普适性	开发自动评估不完全海马反转（IHI）的方法，以理解其与神经和精神疾病的潜在关系	不完全海马反转（IHI）	数字病理	癫痫, 精神分裂症	深度学习	conv5-FC3, ResNet, SECNN, 岭回归	T1加权MR图像	IMAGEN研究的2,008名参与者，QTIM研究的993名参与者，QTAB研究的403名参与者，以及UKBiobank的985名受试者
1555	2025-03-17	An optimized lightweight real-time detection network model for IoT embedded devices 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88439-w PMID:39885208	研究论文	本文提出并部署了一种适用于物联网嵌入式设备的优化轻量级实时检测网络模型FRYOLO，用于解决YOLOv8在资源受限设备上部署的挑战	提出了一种针对物联网嵌入式设备优化的轻量级实时检测网络模型FRYOLO，解决了YOLOv8在资源受限设备上部署的难题	未提及模型在其他类型目标检测任务中的表现，仅以水果检测为例进行了验证	开发一种适用于物联网嵌入式设备的轻量级实时检测网络模型	物联网嵌入式设备中的实时目标检测任务	计算机视觉	NA	深度学习	YOLOv8, FRYOLO	图像	未明确提及具体样本数量，仅以水果检测为例
1556	2025-03-16	A deep learning method for predicting interactions for intrinsically disordered regions of proteins 2025-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629373 PMID:39763873	研究论文	本文介绍了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域（IDRs）与伴侣蛋白之间的相互作用	Disobind方法在预测IDR结合位点时考虑了结合伴侣的上下文，并且不依赖于结构和多序列比对，显著优于现有的AlphaFold-multimer和AlphaFold3方法	尽管Disobind在预测IDR结合位点方面表现出色，但其性能仍需在更多实验数据上进一步验证	开发一种深度学习方法，用于预测蛋白质内在无序区域（IDRs）与伴侣蛋白之间的相互作用	蛋白质内在无序区域（IDRs）及其伴侣蛋白	机器学习	NA	深度学习	NA	蛋白质序列	NA
1557	2025-03-16	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	本文介绍了一种新型的无标记细胞分选方法，结合深度学习图像识别和微流体操作，基于细胞形态进行分选	该方法首次将YOLOv8目标检测模型与Safe Interval Path Planning算法结合，用于数字微流控平台上的细胞分选，实现了高精度和高纯度的分选效果	实验样本仅限于HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞，未涉及更广泛的细胞类型	开发一种高效、无标记的细胞分选技术，以推动细胞生物学的基础研究和临床应用	HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞	数字病理学	NA	数字微流控技术（AM-DMF）	YOLOv8	图像	HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞
1558	2025-03-15	CT-based radiomics-deep learning model predicts occult lymph node metastasis in early-stage lung adenocarcinoma patients: A multicenter study 2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu DOI:10.21147/j.issn.1000-9604.2025.01.02 PMID:40078558	研究论文	本研究开发并验证了一种基于CT的放射组学和深度学习融合模型，用于预测早期肺腺癌患者的隐匿性淋巴结转移	结合了放射组学和深度学习技术，使用3D SE-ResNet34网络构建融合模型，显著提高了预测隐匿性淋巴结转移的准确性	研究为回顾性分析，可能存在选择偏倚；样本量相对较小，需要更大规模的多中心研究进一步验证	开发并验证一种非侵入性预测模型，用于早期肺腺癌患者的隐匿性淋巴结转移	早期肺腺癌患者	数字病理	肺癌	CT成像，深度学习	3D SE-ResNet34	CT图像	358名患者（训练队列186名，内部验证队列48名，外部测试队列124名）
1559	2025-03-15	Deep learning-based multi-task prediction of response to neoadjuvant chemotherapy using multiscale whole slide images in breast cancer: A multicenter study 2025-Jan-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu DOI:10.21147/j.issn.1000-9604.2025.01.03 PMID:40078559	研究论文	本研究开发了一种基于多尺度全切片图像（WSIs）的多任务深度学习模型（DLMM），用于预测乳腺癌患者对新辅助化疗（NAC）的反应	通过多尺度特征表示的串联融合和基于门控的注意力机制，模型能够精细预测治疗反应和病理完全缓解（pCR）	尽管在多个测试集中表现出色，但模型仍需进一步验证其在不同临床环境中的普适性	开发一种深度学习模型，以更精确地预测乳腺癌患者对新辅助化疗的反应	乳腺癌患者	数字病理学	乳腺癌	深度学习	多任务深度学习模型（DLMM）	图像	1,670张全切片图像，包括训练集、验证集、内部测试集、外部测试集和前瞻性测试集
1560	2025-03-15	AI models for the identification of prognostic and predictive biomarkers in lung cancer: a systematic review and meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1424647 PMID:40078179	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在识别肺癌预后和预测生物标志物方面的有效性	本文首次系统地评估了AI模型在肺癌生物标志物识别中的应用，涵盖了多种AI方法和生物标志物目标	需要进一步的大规模前瞻性研究来验证和优化AI驱动生物标志物的临床效用	评估人工智能模型在识别肺癌预后和预测生物标志物方面的有效性	肺癌患者及其生物标志物	机器学习	肺癌	深度学习与机器学习算法	NA	NA	34项研究