深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
9481	2025-10-06	Artificial intelligence and its application in clinical microbiology 2025-Jul, Expert review of anti-infective therapy IF:4.2Q1 DOI:10.1080/14787210.2025.2484284 PMID:40131188	综述	本文全面回顾了人工智能在临床微生物学中的应用、进展和整合挑战	系统分析了AI在病原体检测、抗菌药物耐药性预测和诊断成像中的最新应用，并提出了可解释AI和联邦学习框架的未来发展方向	面临数据异质性、模型可解释性和伦理问题等挑战，需要更强大的验证	评估人工智能在临床微生物学诊断中的应用价值和挑战	临床微生物诊断中的病原体识别和抗菌药物耐药性评估	机器学习	传染病	RT-PCR, 诊断成像	机器学习, 深度学习, CNN	微生物数据, 诊断图像	NA	NA	卷积神经网络	诊断准确性, 工作流程效率, 临床验证	NA
9482	2025-10-06	Artificial Intelligent-Enhanced Metabolite Profiling for Intraoperative IDH1 Genotyping in Glioma Using an Orthogonally Responsive SERS Probe 2025-Jul, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503360 PMID:40171868	研究论文	开发了一种结合人工智能的表面增强拉曼散射探针，用于神经胶质瘤术中IDH1基因分型	通过正交响应拉曼信号同时检测两种氧化还原相关代谢物，并采用深度学习算法提升测量速度和准确性	研究样本量较小（31例患者），需要更大规模验证	实现神经胶质瘤术中IDH1基因型的快速准确识别	神经胶质瘤患者	数字病理	神经胶质瘤	表面增强拉曼散射（SERS）	深度学习	拉曼光谱	31例神经胶质瘤患者	NA	多任务学习	AUC（受试者工作特征曲线下面积）	NA
9483	2025-10-06	Deep Learning-accelerated MRI in Body and Chest 2025 Jul-Aug 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001762 PMID:40360272	综述	探讨深度学习重建技术在加速身体和胸部磁共振成像中的应用与挑战	提出深度学习重建作为磁共振加速的优雅解决方案，在保持图像质量的同时显著缩短采集时间	存在病灶检测率轻微降低、心脏运动相关信号丢失、区域信噪比变化和ADC测量变异等挑战	研究深度学习重建技术在磁共振成像中的加速应用与性能评估	腹部、盆腔和胸部器官系统（特别是肝脏和前列腺）的磁共振成像	医学影像分析	多器官系统疾病	磁共振成像（T2、T1、弥散加权成像）	监督深度学习模型	医学影像数据	NA	NA	变分网络	图像质量指标、病灶显着性、信噪比、对比噪声比、ADC测量	NA
9484	2025-10-06	Application of Hyperspectral Imaging and Machine Learning for Differential Diagnosis of Hashimoto's Thyroiditis and Papillary Thyroid Carcinoma 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500123 PMID:40364460	研究论文	本研究应用高光谱成像和深度学习模型区分桥本甲状腺炎和甲状腺乳头状癌	首次结合高光谱成像技术和自适应光谱特征选择网络模型分析甲状腺疾病的光谱特征差异	研究样本量有限，仅针对两种特定甲状腺疾病进行分析	开发基于高光谱成像的甲状腺疾病精确诊断方法	桥本甲状腺炎和甲状腺乳头状癌患者组织样本	计算机视觉	甲状腺疾病	高光谱成像	深度学习	高光谱图像	NA	NA	自适应光谱特征选择网络	准确率	NA
9485	2025-10-06	Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400512 PMID:40364484	研究论文	开发用于镰状细胞筛查的3D智能定量相位显微镜系统	结合干涉测量法和深度学习UNET模型，实现镰状细胞的自动语义分割和分类	系统鲁棒性需进一步提升，尚未经过广泛临床验证	开发自动化的镰状细胞病筛查系统	镰状细胞和健康红细胞	计算机视觉	镰状细胞病	干涉测量法	UNET, 梯度提升模型	3D相位图像	NA	NA	UNET	准确率	NA
9486	2025-10-06	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	研究论文	开发了名为Ark的胸部X光基础模型，通过循环积累和重用多数据集专家标注知识训练而成	首个完全开放的医学影像基础模型，能够通过循环积累异构专家标注知识实现多疾病诊断、适应新疾病、小样本学习和联邦学习	NA	开发一个诊断范围广、泛化性强、适应性强、鲁棒性好且可扩展的胸部X光AI基础模型	胸部X光影像	医学影像分析	肺部疾病	深度学习	基础模型	医学影像	多个公共数据集（大小不一）的异构数据	NA	NA	NA	NA
9487	2025-10-06	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	研究论文	提出一种名为nuTCRacker的新型深度学习方法，用于预测αβTCR对HLA-I-肽复合物的识别能力，特别针对训练数据中未出现的肽段	能够对训练数据中未出现的抗原肽段进行准确预测，解决了现有方法无法准确预测未见肽段的局限性	仅能对部分未见肽段进行准确预测，且预测性能依赖于训练数据的特定条件	开发能够预测αβTCR识别HLA-I-肽复合物的计算方法，以促进T细胞库选择和靶向细胞免疫疗法的发展	αβT细胞受体（TCR）和HLA-I-肽复合物	机器学习	癌症	深度学习	深度学习模型	生物序列数据	来自公共资源的大型数据集和一个小型细胞验证数据集	NA	nuTCRacker	AUC	NA
9488	2025-10-06	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	研究论文	提出SetBERT深度学习平台，用于从高通量测序数据生成情境化嵌入和可解释预测	通过利用序列间相互作用处理非结构化HTS数据，显著提升分类准确性并实现自主可解释预测	未明确说明模型在处理超大规模数据集时的计算效率限制	开发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平台	微生物群落的高通量测序数据	机器学习	NA	高通量测序	BERT	DNA序列数据	NA	PyTorch, TensorFlow	SetBERT	准确率	NA
9489	2025-10-06	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结直肠癌中miR-143和miR-145的表达及其与蛋白质靶标的关联	首次在原生肿瘤微环境中使用原位方法验证miRNA表达，并与先前报道的组织匀浆分析结果形成对比	仅发现11个miRNA-蛋白质关系中的4个存在显著相关性，样本量有限（100例患者）	重新评估结直肠癌中miR-143和miR-145的表达模式及其与已验证蛋白质靶标的关系	100名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	病理图像	100名结直肠癌患者	NA	NA	相关性分析	NA
9490	2025-10-06	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	本文综述人工智能在癌症表观基因组学中的应用进展，重点关注泛癌检测和精准医学	系统探讨AI与DNA甲基化分析的协同作用，推动多癌种早期检测和精准肿瘤学发展	早期癌症检测灵敏度有限、AI算法黑箱问题、缺乏多样化人群验证	探索人工智能如何通过DNA甲基化分析推进癌症精准医疗	DNA甲基化谱和癌症表观遗传数据	机器学习	泛癌种	DNA甲基化分析	深度学习网络, 图模型	表观遗传数据	NA	NA	NA	诊断准确率	NA
9491	2025-06-16	Commentary on "Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection" by Gencer et al., 2025 2025-Jun-13, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104666 PMID:40516582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9492	2025-10-06	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	系统综述	系统综述深度卷积神经网络在咬翼片上检测邻面龋的应用效果	首次系统评估不同深度卷积神经网络模型在咬翼片邻面龋检测中的性能比较，特别指出YOLOv8模型的优势	纳入研究数量有限（仅10篇），样本量差异大（112-3989名参与者），仅40%研究在参考标准领域偏倚风险较低	评估深度卷积神经网络在咬翼片上检测邻面龋的诊断准确性和临床应用价值	咬翼片X光影像中的邻面龋病变	计算机视觉	龋齿	口腔X射线成像	CNN	医学影像	10项研究，参与者数量从112到3989不等	NA	YOLOv8, 深度卷积神经网络	诊断准确性	NA
9493	2025-10-06	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深度学习模型在沙特阿拉伯流感样疾病趋势预测中的性能	首次在中东流行病学建模中整合区域特异性外生变量（气候条件和人口流动趋势）进行流感预测	研究期间包含COVID-19大流行可能影响流感数据模式，模型在高峰发病率波动期间表现不稳定	开发和评估流感样疾病周发病率预测模型	沙特阿拉伯2017-2022年每周流感样疾病发病率数据	机器学习	流感	时间序列分析	LSTM, Holt-Winters	时间序列数据	2017-2022年沙特阿拉伯每周流感数据	NA	LSTM	RMSE, MAE, R2, PBIAS	NA
9494	2025-10-06	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	本研究开发了一种增强型深度学习模型RcdNet，用于超声图像中乳腺肿瘤良恶性的准确分类	提出结合深度可分离卷积和CBAM注意力模块的RcdNet模型，增强对超声图像关键病灶区域的识别能力	未提及模型在实时超声诊断系统中的具体应用挑战	通过深度学习技术构建可靠的乳腺超声图像良恶性分类模型，提高诊断准确性和一致性	乳腺超声图像中的良性和恶性肿瘤	计算机视觉	乳腺癌	超声成像	CNN	图像	未明确说明具体样本数量	NA	RcdNet, ResNet, MobileNet, RegNet, ViT, ResNeXt	准确率, 精确率, 召回率, F1分数	NA
9495	2025-10-06	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	提出一种结合深度学习与优化特征选择算法的自闭症谱系障碍检测方法	采用混合堆叠稀疏去噪自编码器和多层感知器模型，并集成改进的徒步优化算法进行特征选择	样本量有限，仅使用ABIDE I数据集	开发更准确的自闭症谱系障碍检测模型	自闭症谱系障碍患者的静息态功能磁共振成像数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	SSDAE, MLP	神经影像数据	ABIDE I数据集	NA	堆叠稀疏去噪自编码器, 多层感知器	准确率, 敏感度, 特异度	NA
9496	2025-10-06	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	开发傅里叶卷积解码器用于太阳耀斑图像重建	提出定制化的过完备自编码器架构，能够在模拟数据上训练并生成接近真实地面的输出	在实验观测数据上的性能相比模拟数据有所下降	解决天文图像重建中计算资源消耗大和需要专家解释的问题	太阳耀斑图像	计算机视觉	NA	深度学习	自编码器	图像	NA	NA	傅里叶卷积解码器	MS-SSIM, LPIPS, PSNR, Dice系数, Hausdorff距离	CPU, GPU
9497	2025-10-06	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	研究论文	提出一种融合视觉与声学传感器的框架，用于无人水下航行器在复杂水下环境中的定位与建图	结合深度学习单目深度预测与基于FFT的稀疏深度先验，实现仅凭视觉数据的网箱相对姿态估计和深度预测	NA	提升无人水下航行器在动态水下环境（特别是水产养殖场景）中的定位与建图能力	无人水下航行器、水产养殖网箱	计算机视觉	NA	深度学习、快速傅里叶变换、声学测量	深度学习模型	视觉数据、声学数据	工业级水产养殖场收集的数据集	NA	NA	实时定位精度、3D地图质量	NA
9498	2025-10-06	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	构建了最全面的鲜味分子分类数据集，首次开发了基于Transformer架构的鲜味物质分类模型和鲜味化合物效价预测神经网络模型	鲜味分子知识有限，模型性能可能受数据集规模限制	开发高效识别新型鲜味物质的虚拟筛选方法	鲜味和非鲜味分子	机器学习	NA	分子对接，虚拟筛选	Transformer, 神经网络	分子结构数据，化学特征数据	867个分子（439个鲜味分子和428个非鲜味分子），FooDB数据库中约70,000个分子	NA	Transformer	准确率	NA
9499	2025-10-06	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	开发了一种基于可解释深度学习的虚拟筛选模型iDCNNPred，用于识别针对三阴性乳腺癌的PI3Kα抑制剂	首次将2D分子图像与可解释深度学习结合用于PI3Kα抑制剂筛选，并采用Grad-CAM技术增强模型预测的可解释性	模型验证样本量有限，仅通过体外实验验证了4个先导化合物	开发虚拟筛选方法识别新型PI3Kα抑制剂用于三阴性乳腺癌治疗	PI3Kα抑制剂小分子化合物	计算药物发现	三阴性乳腺癌	分子对接，体外PI3K抑制实验	CNN	2D分子图像	Maybridge化合物库中的分子，最终验证12个候选分子	NA	Custom-DCNN, AlexNet, SqueezeNet, VGG19	模型复杂度，内存使用量，生物活性分类准确率	NA
9500	2025-10-06	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	提出了一种结合局部序列模式和拓扑信息的深度学习模型GraphkmerDTA，用于药物-靶点结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	首次将Kmer特征与结构拓扑信息相结合，通过图神经网络提取拓扑特征，同时利用全连接网络学习蛋白质的局部序列模式	未明确提及模型的具体局限性	开发更准确的药物-靶点结合亲和力预测方法，并应用于多靶点抗阿尔茨海默病药物发现	药物分子、蛋白质靶点、阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	Kmer特征提取、图神经网络、分子对接	图神经网络、全连接网络	蛋白质序列、分子结构	超过两千种化合物的筛选库	NA	GraphkmerDTA	NA	NA