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
10721	2025-05-01	NeuTox 2.0: A hybrid deep learning architecture for screening potential neurotoxicity of chemicals based on multimodal feature fusion 2025-Jan, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.109244 PMID:39742830	research paper	本研究开发了一种混合深度学习架构NeuTox 2.0，用于基于多模态特征融合的化学物质神经毒性筛查	结合了基于自监督学习的迁移学习、图神经网络和分子指纹/描述符，提高了预测准确性和泛化能力	在BBB数据集上表现未超过PaDEL描述符模型	开发高效的化学物质神经毒性筛查工具	化学物质的神经毒性	machine learning	NA	transfer learning, self-supervised learning, graph neural networks	hybrid deep learning architecture	molecular data	四个数据集（BBB渗透性、神经元细胞毒性、微电极阵列神经活动、哺乳动物神经毒性）和REACH数据库中的315,790种化合物
10722	2025-05-01	Analyzing the TotalSegmentator for facial feature removal in head CT scans 2025-Jan, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.12.018 PMID:39754865	研究论文	评估使用TotalSegmentator进行头部CT扫描面部特征去除以降低再识别风险的效果	比较TotalSegmentator与现有CT去面部特征算法的性能，展示其在隐私保护方面的优势	研究仅基于UCLH EIT Stroke数据集，可能不适用于其他类型的数据	评估和比较面部识别软件及去面部特征算法在头部CT扫描中的隐私保护效果	头部CT扫描图像	数字病理学	卒中	深度学习模型、支持向量机	SVM	图像	1404个高质量渲染图像
10723	2025-05-01	Benchmarking uncertainty quantification for protein engineering 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012639 PMID:39775201	研究论文	本文评估了蛋白质工程中机器学习序列功能模型的不确定性量化方法	首次在蛋白质数据集上比较了多种深度学习不确定性量化方法，并提供了针对生物序列设计的建议	没有一种不确定性量化方法在所有数据集、分割和指标上都表现最佳	评估蛋白质工程中机器学习模型的不确定性量化方法	蛋白质序列功能模型	机器学习	NA	深度学习不确定性量化方法	深度学习	蛋白质序列数据	来自FLIP基准测试的回归任务数据
10724	2025-05-01	Quantitative Structural and Compositional Elucidation of Real-World Pharmaceutical Tablet Using Large Field-of-View, Correlative Microscopy-Tomography Techniques and AI-Enabled Image Analysis 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03812-0 PMID:39779618	研究论文	本研究提出了一种结合相关显微镜-断层扫描技术和基于机器学习的图像分割方法，用于定量解析真实世界药物片剂的结构和组成	结合相关显微镜-断层扫描技术和AI图像分析，实现了对药物片剂微观结构和组成的定量解析	研究仅针对含有15%API和多种常见辅料的片剂进行了验证，未涉及更广泛的药物配方	开发一种新方法来定量解析药物片剂的结构和组成，以优化片剂的配方和工艺开发	真实世界药物片剂	数字病理	NA	相关显微镜-断层扫描技术、能量色散X射线光谱、同步辐射X射线微计算机断层扫描(SyncCT)、机器学习	监督机器学习和深度学习	图像	一种含有15%API和多种常见辅料的真实世界片剂
10725	2025-05-01	Double Oracle Neural Architecture Search for Game Theoretic Deep Learning Models 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558420 PMID:40215149	研究论文	提出了一种利用博弈论概念（包括GANs和对抗训练）训练深度学习模型的新方法，采用双预言框架和最佳响应预言	将双预言框架概念应用于对抗神经架构搜索（NAS for GAN）和对抗训练（NAS for AT）算法，显著提升了模型性能	纯纳什均衡可能不存在，且混合纳什均衡的求解因大规模策略空间而困难	利用博弈论概念改进深度学习模型的训练方法	生成对抗网络（GANs）和对抗训练（AT）模型	机器学习	NA	对抗训练（AT）、生成对抗网络（GANs）	GAN、CNN	图像	MNIST、CIFAR-10、TinyImageNet、SVHN数据集
10726	2025-05-01	An empirical study of preventive healthcare policy under the synergy of education and corporate financial monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1540618 PMID:40276349	研究论文	本研究探讨了教育与公司财务监控协同作用下的预防性医疗保健政策	利用公司财务监控作为评估预防性医疗保健政策有效性的新视角，结合深度学习和动态风险建模技术	传统方法忽视了经济因素与健康结果之间的动态相互作用	通过创新的数据驱动框架提升公共卫生成果	预防性医疗保健政策及其社会经济影响	机器学习	NA	深度学习、动态风险建模	Advanced Financial Monitoring Neural Framework (AFMNF)、Dynamic Risk-Adaptive Framework (DRAF)	财务指标、健康政策数据	NA
10727	2025-05-01	Development of Multicenter Deep Learning Models for Predicting Surgical Complexity and Surgical Site Infection in Abdominal Wall Reconstruction, a Pilot Study 2025, Journal of abdominal wall surgery : JAWS DOI:10.3389/jaws.2025.14371 PMID:40297249	研究论文	开发用于预测腹壁重建手术复杂性和手术部位感染风险的多中心深度学习模型	首次使用多中心深度学习模型预测腹壁重建手术的复杂性和手术部位感染风险	CST模型表现不佳，可能反映了手术决策的主观性和不同机构的实践差异	预测腹壁重建手术的复杂性和手术部位感染风险	腹壁重建手术患者	数字病理	腹壁疝	深度学习	ResNet-18	CT图像	来自两个三级腹壁重建中心的去标识化CT图像
10728	2025-05-01	RSDCNet: An efficient and lightweight deep learning model for benign and malignant pathology detection in breast cancer 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251336286 PMID:40297351	研究论文	本研究提出了一种名为RSDCNet的高效轻量级深度学习模型，用于乳腺癌良恶性病理检测	RSDCNet结合了深度可分离卷积和SCSE模块，在减少模型参数的同时增强了关键特征提取能力，实现了轻量化和高效率	研究仅使用了BreakHis数据集，未在其他独立数据集上进行验证	开发一种高效、自动化和精确的乳腺癌病理检测方法	乳腺癌良恶性病理图像	数字病理	乳腺癌	深度学习	RSDCNet（基于CNN的改进模型）	图像	9109张乳腺肿瘤显微图像（来自BreakHis数据集）
10729	2025-05-01	Magnetic resonance radiomics-based deep learning model for diagnosis of Alzheimer's disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251337183 PMID:40297370	研究论文	本研究提出了一种基于磁共振影像组学和深度学习的模型，用于阿尔茨海默病的诊断	结合磁共振影像组学特征和深度学习模型TabNet，实现了阿尔茨海默病的高精度诊断	研究样本量相对有限，且来自特定种族群体	开发一种基于深度学习的阿尔茨海默病诊断方法	阿尔茨海默病患者、轻度认知障碍患者和正常对照者	数字病理学	老年病	磁共振成像(MRI)	TabNet	图像	ADNI数据库中的141名AD患者、166名MCI患者和231名正常对照者，以及华山医院的45名AD患者、35名MCI患者和31名正常对照者
10730	2025-05-01	Development of a deep learning model to predict smoking status in patients with chronic obstructive pulmonary disease: A secondary analysis of cross-sectional national survey 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251333660 PMID:40297369	研究论文	开发并验证了一个深度学习模型，用于预测慢性阻塞性肺疾病（COPD）患者的吸烟状况	使用残差神经网络（ResNN）模型预测COPD患者的吸烟状况，并比较了多种机器学习和深度学习模型，性能优于其他模型	需要外部验证，并纳入更多行为和心理学变量以提高模型的通用性和性能	开发一个深度学习模型，用于预测COPD患者的吸烟状况	COPD患者	机器学习	慢性阻塞性肺疾病	深度学习	ResNN	结构化数据（包括人口统计学、行为学和临床变量）	5466例COPD患者
10731	2025-05-01	A hybrid power load forecasting model using BiStacking and TCN-GRU 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321529 PMID:40294011	研究论文	本文提出了一种结合集成学习和深度学习技术的混合预测模型BiStacking+TCN-GRU，用于电力负荷预测	结合了BiStacking集成学习和TCN-GRU深度学习技术，通过Pearson相关系数选择特征，提高了预测准确性	实验数据仅基于巴拿马2020年的电力负荷数据，可能在其他地区或时间段的适用性有待验证	提高电力负荷预测的准确性，减少能源浪费并改善电网稳定性	电力负荷数据	机器学习	NA	Pearson相关系数(PCC)、BiStacking、TCN、GRU	BiStacking+TCN-GRU	电力负荷数据	巴拿马2020年电力负荷数据
10732	2025-04-30	Stochastic forest transition model dynamics and parameter estimation via deep learning 2025-Apr-18, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025046 PMID:40296811	研究论文	本研究开发了一个随机微分方程模型来捕捉森林、农业和废弃土地之间动态转变的复杂现象，并提出了一个深度学习方法来估计模型参数	提出了一种新颖的深度学习方法，能够从包含森林和农业土地比例时间序列观测的单个样本中估计所有模型参数	NA	理解森林转变动态和未来任何时间的森林砍伐趋势	森林、农业和废弃土地之间的动态转变	机器学习	NA	深度学习	随机微分方程模型	时间序列数据	单个样本（包含时间序列观测）
10733	2025-04-30	Silencer variants are key drivers of gene upregulation in Alzheimer's disease 2025-Apr-08, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.07.25325386 PMID:40297423	research paper	该研究开发了一个深度学习框架，用于评估阿尔茨海默病（AD）相关非编码变异在背外侧前额叶皮层（DLPFC）及其主要细胞类型中的调控潜力	结合bulk和单细胞表观基因组数据，首次系统性地评估了AD相关非编码变异的调控潜力，并分类为沉默子变异（SL）、增强子变异（EN）或两者兼具的变异（ENSL）	研究主要关注DLPFC区域，可能无法完全代表其他脑区的情况	阐明AD相关遗传变异的调控机制及其在AD发病中的作用	AD相关的非编码遗传变异	machine learning	阿尔茨海默病	深度学习	深度学习框架	表观基因组数据	NA
10734	2025-04-29	Deep neural networks and stochastic methods for cognitive modeling of rat behavioral dynamics in T -mazes 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10247-9 PMID:40290756	研究论文	本文提出了一种结合随机方法和深度神经架构的认知模型，用于研究大鼠在T型迷宫中的决策行为	结合Wyckoff的随机框架与深度神经网络（CNN-LSTM），实现了对动物决策行为的建模和预测	模型依赖于特定实验条件下的数据，可能无法泛化到其他行为场景	开发计算模型以分析动物在空间导航任务中的决策行为	大鼠在T型迷宫中的行为轨迹	机器学习	NA	Monte Carlo模拟, t-SNE嵌入	CNN-LSTM	空间轨迹记录	NA
10735	2025-04-29	Outer lumen arterial imaging with CTA: A potential tool to diagnose vertebral artery dissection 2025-Jul, Radiology case reports DOI:10.1016/j.radcr.2025.03.041 PMID:40292153	技术说明	介绍了一种新的3D CTA后处理技术，用于区分椎动脉夹层（VAD）和椎动脉发育不全（VAH）	通过突出显示外腔的新3D CTA后处理技术，能够区分VAD和VAH	技术尚需进一步扩展和改进，可能通过深度学习（DL）分割技术	开发一种更准确的诊断工具，以区分椎动脉夹层和椎动脉发育不全	椎动脉夹层（VAD）和椎动脉发育不全（VAH）患者	数字病理	心血管疾病	3D CTA后处理技术	NA	图像	个案报告（一例右侧VAD患者）
10736	2025-04-29	A stacked ensemble approach for symptom-based monkeypox diagnosis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110140 PMID:40203737	research paper	该研究使用机器学习和深度学习技术，基于患者症状预测猴痘病毒感染	提出了一种结合多种模型的堆叠集成方法，并使用Conditional Tabular GAN生成合成数据以解决数据不平衡问题	未提及模型在真实临床环境中的验证情况	开发一种基于症状的猴痘早期诊断方法	猴痘病毒感染患者	machine learning	monkeypox	Conditional Tabular GAN	Tab Transformer, LSTM, XGBoost, LightGBM, Stacking Classifier	tabular data	NA
10737	2025-04-29	Mental disorder preventing by worry levels detection in social media using deep learning based on psycho-linguistic features: application on the COVID-19 lockdown period 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110162 PMID:40203736	研究论文	该研究利用深度学习和心理语言学特征，通过社交媒体数据检测忧虑情绪水平，以预防心理障碍，特别是在COVID-19封锁期间	结合语义和上下文表示与心理语言学特征，提升深度学习模型在忧虑情绪检测中的性能	研究主要基于Twitter数据，可能无法完全代表所有人群的忧虑情绪	预测社交媒体中的忧虑情绪水平，以早期识别潜在的心理健康问题	社交媒体用户（特别是Twitter用户）在COVID-19封锁期间的文本数据	自然语言处理	心理障碍	深度学习	GRU, LSTM, CNN	文本	NA
10738	2025-04-29	A computed tomography-based deep learning radiomics model for predicting the gender-age-physiology stage of patients with connective tissue disease-associated interstitial lung disease 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110128 PMID:40209580	research paper	本研究探讨了基于胸部CT图像的深度学习放射组学模型预测结缔组织病相关间质性肺疾病患者GAP分期的可行性	结合深度学习和放射组学特征构建诊断模型，并整合年龄、性别和DLR特征生成列线图模型，提高了预测性能	样本量较小，特别是GAP III期患者仅有13例，可能影响模型的泛化能力	预测结缔组织病相关间质性肺疾病患者的GAP分期	264例CTD-ILD患者	digital pathology	interstitial lung disease	computed tomography	SVM, logistic regression	image	264例CTD-ILD患者（GAP I期195例，II期56例，III期13例）
10739	2025-04-29	An informed deep learning model of the Omicron wave and the impact of vaccination 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109968 PMID:40209576	研究论文	使用物理信息神经网络分析Omicron变种在德国、法国和意大利的传播动态及其与疫苗效力的关系	首次将物理信息神经网络应用于Omicron变种的传播动态分析，揭示了特定病毒突变与传播率增加的显著相关性	研究仅限于德国、法国和意大利三个国家，可能无法完全代表全球其他地区的传播情况	理解Omicron变种的传播动态、疫苗效力以及再感染潜力	Omicron变种在德国、法国和意大利的传播情况	机器学习	COVID-19	物理信息神经网络	Physics-Informed Neural Networks	时间序列数据	德国、法国和意大利的Omicron变种传播数据
10740	2025-04-29	Mitosis detection and classification for breast cancer diagnosis: What we know and what is next 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110057 PMID:40209577	review	本文回顾了过去十年中用于识别和分类乳腺癌组织学染色图像中有丝分裂细胞的技术，并展望了未来的研究方向	总结了机器学习与深度学习在乳腺癌有丝分裂细胞识别中的革命性应用，并预测了未来发展趋势	主要关注乳腺癌，未涵盖其他癌症类型的有丝分裂检测技术	探讨乳腺癌诊断中有丝分裂细胞的检测与分类技术	乳腺癌组织学染色图像中的有丝分裂细胞	digital pathology	breast cancer	histological analysis, machine learning, deep learning	CNN, deep learning architectures	image	NA