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
5381	2025-07-12	Hyperspectral Imaging for Predicting Bladder Cancer Grading: A Novel Diagnostic Approach 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500161 PMID:40456708	研究论文	本文提出了一种基于深度学习的多模态融合模型RVCK-net，结合高光谱成像和病理图像，用于膀胱癌的精确分级	提出了一种新型的多模态融合模型RVCK-net，整合高光谱成像和病理图像，利用空间和光谱信息及自适应融合机制，显著提高了膀胱癌分级的准确性和诊断一致性	NA	提高膀胱癌分级的准确性和诊断一致性，以指导个性化治疗和改善患者预后	膀胱癌	数字病理	膀胱癌	高光谱成像(HSI)	RVCK-net	图像	NA
5382	2025-07-12	A fully open AI foundation model applied to chest radiography 2025-Jul, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09079-8 PMID:40500447	research paper	开发了一个名为Ark的基础模型，用于胸部X光片的自动解读，以克服现有深度学习模型的局限性	Ark模型通过循环积累和重用来自多个数据集的异构专家标签知识，扩展了诊断范围，适应新的诊断需求，并能从少量样本中学习罕见病症	未明确提及具体局限性，但可能包括模型在极端罕见病例或新型疾病上的表现仍需验证	开发一个开放的基础模型，用于医学影像的自动解读，以提升诊断的准确性、适应性和扩展性	胸部X光片及其相关的胸部疾病诊断	digital pathology	lung cancer	深度学习	foundation model	image	多个公共数据集（大小不一）的样本
5383	2025-07-12	Enhancing the Accuracy of Skin Lesion Diagnosis Using Hyperspectral Imaging and Deep Learning 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500182 PMID:40505653	研究论文	本研究提出了一种结合高光谱成像(HSI)和深度学习的新诊断方法，用于区分皮炎、光化性角化病(AK)和脂溢性角化病(SK)	结合高光谱成像和深度学习技术进行皮肤病变诊断，显著提高了诊断准确率	样本量较小(60例)，未来需要关注可扩展性、成本效益优化以及与现有诊断平台的无缝集成	提高皮肤病变诊断的准确性和效率	皮炎、光化性角化病(AK)和脂溢性角化病(SK)三种皮肤病变	数字病理	皮肤病	高光谱成像(HSI), Savitzky-Golay滤波, 一阶导数光谱分析	深度学习	高光谱图像	60例术中临床标本
5384	2025-07-12	nuTCRacker: Predicting the Recognition of HLA-I-Peptide Complexes by αβTCRs for Unseen Peptides 2025-Jul, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.202451607 PMID:40629982	research paper	提出了一种名为nuTCRacker的新型深度学习方法，用于预测αβTCR对未见过的抗原肽的识别能力	nuTCRacker能够对训练数据集中未出现的抗原肽进行准确预测，AUC > 0.7的预测占评估肽段的三分之一	对于未见过的肽段，预测的准确性依赖于训练数据集中是否包含相似的HLA I类分子、相似的肽段以及相似的αβTCR	提高对T细胞受体（αβTCR）识别抗原肽能力的预测，以促进靶向细胞介导的免疫疗法的发展	αβTCR和HLA-I-肽复合物	machine learning	cancer	deep learning	NA	biological sequence data	大型数据集来自公共资源，小型数据集为癌症相关的αβTCR肽段
5385	2025-07-12	SetBERT: the deep learning platform for contextualized embeddings and explainable predictions from high-throughput sequencing 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf370 PMID:40563247	research paper	介绍SetBERT，一种用于处理高通量测序数据的深度学习平台，能够生成上下文嵌入并提供可解释的预测	SetBERT通过利用序列间的相互作用，显著提高了分类准确性，并能自主解释其预测结果	未明确提及具体局限性	开发一种能够处理高通量测序数据并理解微生物群落功能关系的深度学习模型	高通量测序数据中的微生物群落	machine learning	NA	高通量测序(HTS)	SetBERT	DNA序列数据	NA
5386	2025-07-12	miR-143 and miR-145 in Colorectal Cancer: A Digital Pathology Approach on Expressions and Protein Correlations 2025-Jul, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica IF:2.2Q3 DOI:10.1111/apm.70051 PMID:40642870	研究论文	本研究采用数字病理学方法重新评估了结直肠癌中miR-143和miR-145的表达及其与已验证蛋白靶标的关联	首次在结直肠癌的肿瘤微环境中原位验证miR-143和miR-145的表达及其与蛋白靶标的关系，结果与之前组织匀浆分析和实验模型的结果形成对比	仅分析了100例临床样本，未发现miRNA表达变异性与临床病理参数之间的显著关联	验证结直肠癌中miR-143和miR-145的表达模式及其与蛋白靶标的关系	100例结直肠癌患者的临床样本	数字病理学	结直肠癌	原位杂交、免疫组织化学、基于深度学习的上皮分割	深度学习	图像	100例结直肠癌患者样本
5387	2025-07-12	Understanding the Impact of Seasonal Weather Dynamics on Rice Disease Occurrence Using Neural Networks: A Case Study of Panicle Blast and Grain Rot 2025-Jun-30, Phytopathology IF:2.6Q2 DOI:10.1094/PHYTO-01-25-0004-FI PMID:40586730	研究论文	本研究利用神经网络分析季节性天气动态对水稻穗瘟和谷腐病发生的影响	提出了一种仅依赖气象数据的数据驱动方法，揭示了气象条件与病害发生之间的隐藏关系	模型在测试集上的准确率最高仅为68.0%，仍有提升空间	探索季节性天气动态对水稻病害发生的影响	水稻穗瘟病(PB)和谷腐病(GR)	机器学习	水稻病害	LSTM模型	LSTM	时间序列气象数据	180天的气象数据(包含7个气象变量)
5388	2025-07-12	Artificial Intelligence in cancer epigenomics: a review on advances in pan-cancer detection and precision medicine 2025-Jun-14, Epigenetics & chromatin IF:4.2Q1 DOI:10.1186/s13072-025-00595-5 PMID:40517231	综述	本文综述了人工智能在癌症表观基因组学中的应用，特别是在泛癌检测和精准医学中的进展	探讨了AI与DNA甲基化分析的协同作用，推动了精准肿瘤学的发展，并展望了AI与表观基因组学在癌症诊断和治疗中的未来	早期癌症检测的敏感性有限，许多AI算法的黑箱性质，以及需要在多样化人群中进行验证以确保公平实施	推动精准肿瘤学的发展，提高癌症早期检测和分类的准确性	DNA甲基化作为癌症生物标志物的应用	数字病理学	癌症	DNA甲基化分析	深度学习网络和图模型	DNA甲基化数据	NA
5389	2025-07-12	Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review 2025-Jun, Evidence-based dentistry DOI:10.1038/s41432-025-01134-7 PMID:40114013	系统性综述	本文系统性综述了使用深度卷积神经网络（DCNN）通过咬翼片X光片早期检测邻面龋齿的研究	突出了YOLOv8在检测邻面龋齿方面相较于其他深度CNN模型的优势	纳入的研究中仅有40%在参考标准领域具有低偏倚风险	评估深度卷积神经网络在咬翼片X光片中检测邻面龋齿的准确性和应用效果	咬翼片X光片中的邻面龋齿	数字病理	龋齿	深度卷积神经网络（DCNN）	CNN, YOLOv8	图像	样本量从112到3,989名参与者不等
5390	2025-07-12	Analysis of influenza-like illness trends in Saudi Arabia: a comparative study of statistical and deep learning techniques 2025-Jun, Osong public health and research perspectives IF:2.1Q3 DOI:10.24171/j.phrp.2025.0080 PMID:40501115	研究论文	比较Holt-Winters统计方法和LSTM深度学习模型在预测沙特阿拉伯季节性流感样疾病(ILI)发病率中的表现	首次在中东流行病学模型中整合特定区域的外生变量，并比较统计与深度学习方法的预测性能	在发病率波动较大时期存在显著未解释的变异性，Holt-Winters模型表现中等	开发和评估流感样疾病(ILI)发病率预测模型	沙特阿拉伯2017-2022年的每周ILI病例数据	机器学习	流感	时间序列分析	Holt-Winters, LSTM	时间序列数据	2017-2022年的每周ILI病例数据
5391	2025-07-12	Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1526260 PMID:40635689	研究论文	本研究通过深度学习技术构建了一个可靠的乳腺超声图像良恶性分类模型RcdNet，以提高诊断的准确性和一致性	提出了一种创新的深度学习模型RcdNet，结合深度可分离卷积和CBAM注意力模块，增强了识别超声图像中关键病变区域的能力	未来工作将集中于将RcdNet整合到实时超声诊断系统中，并探索其在多模态成像工作流程中的潜力	构建一个自动化的、高准确率的诊断方法，支持乳腺癌的检测和分类	乳腺超声图像	数字病理	乳腺癌	深度学习	RcdNet（结合深度可分离卷积和CBAM注意力模块）	图像	NA
5392	2025-07-12	Deep learning-based feature selection for detection of autism spectrum disorder 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1594372 PMID:40636395	研究论文	本研究提出了一种结合深度学习和先进特征选择技术的新方法，用于自闭症谱系障碍（ASD）的检测	采用混合模型（SSDAE和MLP）结合优化的Hiking Optimization Algorithm（HOA）进行特征选择，显著提高了ASD检测的准确性	研究样本量可能有限，且仅使用了ABIDE I数据集，可能影响模型的泛化能力	开发一种更准确且临床适用的ASD检测模型	自闭症谱系障碍（ASD）患者	机器学习	自闭症谱系障碍	rs-fMRI	SSDAE, MLP	神经影像数据	ABIDE I数据集
5393	2025-07-12	Fourier convolutional decoder: reconstructing solar flare images via deep learning 2025, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-025-11283-6 PMID:40636402	研究论文	本文提出了一种名为傅里叶卷积解码器（FCD）的深度学习模型，用于从观测数据中重建太阳耀斑图像	开发了一种自定义的过完备自编码器FCD，能够在模拟数据上训练并生成接近真实地面的输出，显著提高了图像重建的速度和准确性	在实验性STIX观测数据上的性能相比模拟数据有所下降	解决天文学中图像重建过程的复杂性和高计算资源消耗问题	太阳耀斑图像	计算机视觉	NA	深度学习	自编码器（FCD）	图像	模拟和观测数据集，具体数量未提及
5394	2025-07-12	Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1609765 PMID:40642204	research paper	提出一个结合视觉和声学传感器数据的通用框架，用于增强复杂、高度动态的水下环境中的定位和地图构建，特别关注鱼类养殖	结合基于深度学习的单目深度预测和经典FFT方法的稀疏深度先验，实现仅从视觉数据进行网箱内深度预测和UUV的网相对位姿估计	NA	增强无人水下航行器（UUV）在复杂水下环境中的定位和地图构建能力	无人水下航行器（UUV）和鱼类养殖网箱	computer vision	NA	深度学习、Fast Fourier Transform (FFT)	NA	视觉和声学传感器数据	工业规模鱼类养殖场收集的数据集
5395	2025-07-11	Computational screening of umami tastants using deep learning 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选流程，用于从大型分子数据库中识别高效鲜味物质	首次构建了基于Transformer的架构用于鲜味物质分类，并开发了预测鲜味化合物效能的神经网络模型	研究仅基于分子结构特征，未考虑实际味觉测试验证	开发高效识别新型鲜味物质的计算方法	鲜味分子与非鲜味分子	机器学习	NA	深度学习	Transformer, 神经网络	分子结构数据	867个分子（439个鲜味分子和428个非鲜味分子），并在包含约70,000个分子的FooDB数据库上进行应用验证
5396	2025-07-11	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	提出了一种可解释的深度学习模型iDCNNPred，用于虚拟筛选和识别针对三阴性乳腺癌的PI3Ka抑制剂	开发了Custom-DCNN模型，性能优于预训练模型，并通过Grad-CAM技术增强了模型预测的可解释性	需要进一步的药物化学工作来提高筛选出的分子的效力和选择性	识别和筛选针对三阴性乳腺癌的PI3Ka抑制剂	PI3Ka抑制剂	数字病理学	三阴性乳腺癌	分子对接、体外PI3K抑制研究	Custom-DCNN、AlexNet、SqueezeNet、VGG19	2D分子图像	Maybridge化学库中的分子，最终筛选出12个有潜力的分子，其中4个进行了生物验证
5397	2025-07-11	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	提出了一种名为GraphkmerDTA的新型深度学习模型，用于药物-靶标结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	整合了Kmer特征与结构拓扑信息，克服了现有方法在序列特征提取和拓扑信息利用上的不足	未提及具体的计算资源需求或模型训练时间，可能在实际应用中存在效率问题	提高药物-靶标结合亲和力预测的准确性，并应用于药物发现	药物分子和蛋白质	机器学习	阿尔茨海默病	图神经网络（GNN）和全连接网络	GraphkmerDTA（结合GNN和Kmer特征）	序列数据和结构数据	超过两千种化合物的筛选库
5398	2025-07-11	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究探讨了基于深度学习的信号放大技术在单剂量T1加权脑MRI图像中的应用，以提高转移瘤的检测能力	利用深度学习技术从单剂量对比增强图像生成人工双剂量图像，避免了使用实际双剂量对比剂带来的环境和健康风险	研究中读者在人工双剂量图像上显示出更多的假阳性发现，尽管差异不显著	评估深度学习增强的单剂量脑MRI图像在转移瘤检测中的效果	30名参与者（平均年龄58.5±11.8岁，23名女性）的脑MRI图像	数字病理	脑转移瘤	MRI	深度学习	医学影像	30名参与者
5399	2025-07-11	Deep learning in the discovery of antiviral peptides and peptidomimetics: databases and prediction tools 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11173-y PMID:40153158	综述	本文综述了抗病毒肽（AVPs）的数据库构建、理化特性及其在机器学习预测工具中的应用	探讨了AI技术在抗病毒肽发现中的关键作用，并介绍了专用数据库（如DRAVP、AVPdb和DBAASP）的开发与应用	现有数据库存在数据集小、注释不完整以及与多组学数据整合不足的问题，且预测工具面临过拟合、实验验证有限和缺乏机制性见解的挑战	推动抗病毒肽和拟肽类药物的发现与开发	抗病毒肽（AVPs）及其理化特性	自然语言处理	NA	机器学习和深度学习	NA	文本数据	NA
5400	2025-07-11	Integrating deep learning and molecular dynamics simulations for FXR antagonist discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11145-2 PMID:40172823	研究论文	本研究结合深度学习和分子动力学模拟，发现FXR拮抗剂用于治疗代谢疾病	开发了预测FXR拮抗活性和毒性的深度学习模型，并通过分子动力学模拟筛选出具有潜在治疗价值的化合物	研究中筛选的化合物数量有限，且未进行临床验证	发现可用于治疗代谢疾病的FXR拮抗剂	FXR（法尼醇X受体）及其潜在拮抗剂	机器学习	代谢疾病	深度学习，分子动力学模拟	深度学习模型	化合物数据	从HMDB数据库中筛选的217,345种化合物