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
161	2025-05-16	Machine learning for the rElapse risk eValuation in acute biliary pancreatitis: The deep learning MINERVA study protocol 2025-Mar-03, World journal of emergency surgery : WJES IF:6.0Q1 DOI:10.1186/s13017-025-00594-7 PMID:40033414	研究论文	该研究旨在开发和验证一种机器学习模型，用于预测轻度急性胆源性胰腺炎（MABP）患者的复发风险	利用卷积神经网络（CNN）进行特征提取和风险预测，结合kPCA进行变量空间转换，创建2D图像并应用卷积滤波器	研究仅针对意大利的多家医院，且排除了非胆源性病因、严重胰腺炎及无法提供知情同意的患者	开发一种可靠的预测工具，以改善MABP患者的临床决策过程	成年MABP患者，符合修订后的亚特兰大标准，且在首次住院期间未接受早期胆囊切除术	机器学习	胰腺炎	卷积神经网络（CNN），核主成分分析（kPCA）	CNN	临床和人口统计学数据	回顾性数据来自MANCTRA-1研究，并包括前瞻性数据收集
162	2025-05-16	FungID: Innovative Fungi Identification Method with Chromogenic Profiling of Colony Color Patterns 2025-Mar-03, Pathogens (Basel, Switzerland) DOI:10.3390/pathogens14030242 PMID:40137727	研究论文	介绍了一种名为FungID的新型深度学习算法，通过菌落颜色模式的显色分析来识别真菌物种	开发了基于CNN的FungID算法及其用户友好软件，用于通过显色分析快速可靠地识别真菌物种	需要仔细评估这些方法的适用范围和局限性	提高真菌物种识别的速度和可靠性，为健康、微生物学、生物技术等领域提供额外工具	真菌物种	计算机视觉	NA	显色分析	CNN	图像	269张图像
163	2025-05-16	Multimodal Artificial Intelligence Models Predicting Glaucoma Progression Using Electronic Health Records and Retinal Nerve Fiber Layer Scans 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.27 PMID:40152766	研究论文	本研究开发了结合电子健康记录（EHRs）和视网膜神经纤维层光学相干断层扫描（RNFL OCT）扫描的多模态人工智能模型，用于预测青光眼患者是否需要手术	首次结合EHR和RNFL OCT扫描数据，使用TabNet深度学习架构预测青光眼手术需求，并证明其优于传统XGBoost模型	研究样本仅来自单一学术中心，可能限制模型的泛化能力	开发预测青光眼进展的人工智能模型	青光眼患者	数字病理	青光眼	光学相干断层扫描（OCT）	TabNet, XGBoost	结构化临床数据（EHR）、医学影像（RNFL OCT扫描）	1472名青光眼患者（其中367名进展至需要手术）
164	2025-05-16	Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks 2025-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf027 PMID:40124711	研究论文	提出了一种基于SO(3)-等变图神经网络(HiCEGNN)的方法，用于从单细胞Hi-C数据重建3D染色体结构	首次将SO(3)-等变图神经网络应用于单细胞Hi-C数据的3D染色体结构重建，相比传统优化方法和现有深度学习方法表现更优	未提及具体的数据集规模限制或计算资源需求	从稀疏的单细胞Hi-C数据中准确重建3D染色体结构	单细胞的染色体空间构象	生物信息学	NA	单细胞Hi-C(ScHi-C)	SO(3)-equivariant graph neural network (HiCEGNN)	染色体接触数据	NA
165	2025-05-16	LOGLformer: Integrating local and global characteristics for depression scale estimation from facial expressions 2025-Mar-01, The Review of scientific instruments DOI:10.1063/5.0231737 PMID:40130984	research paper	提出了一种名为LOGLFormer的新型混合计算架构，用于从面部表情中估计抑郁量表，整合了CNN的局部属性和transformer的全局模式	LOGLFormer架构首次整合了CNN和transformer的特性，通过特征对齐模块解决了两种特征集之间的差异，显著提升了自动抑郁检测的性能	仅在AVEC2013和AVEC2014两个抑郁数据库上进行了测试，未在其他数据集上验证其泛化能力	开发一种能够整合局部和全局面部动态特征的深度学习模型，用于自动抑郁检测	抑郁患者的面部表情	affective computing	depression	deep learning	LOGLFormer (CNN + transformer)	facial expression images	AVEC2013和AVEC2014两个抑郁数据库
166	2025-05-16	Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models 2025-Mar, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400325 PMID:40146590	review	本文回顾了机器学习在预测血脑屏障通透性方面的最新方法	总结了利用机器学习和深度学习技术预测血脑屏障通透性的最新进展	未提及具体模型性能比较或实际应用效果的局限性	探讨机器学习在神经系统疾病药物开发中的应用	血脑屏障通透性预测模型	machine learning	neurological disease	machine learning, deep learning	NA	empirical data	NA
167	2025-05-16	Current AI Applications and Challenges in Oral Pathology 2025-Mar, Oral (Basel, Switzerland) DOI:10.3390/oral5010002 PMID:40357025	review	本文综述了人工智能在口腔病理学中的当前应用与挑战	探讨了AI在口腔病理学中的变革潜力，包括提高口腔疾病检测准确性和简化诊断流程	数据质量、泛化能力、法律与伦理问题、财务限制以及实践模式转变的需求	探索人工智能在口腔病理学中的潜在应用与挑战	口腔病理学中的AI应用	digital pathology	oral diseases	machine learning (ML), deep learning (DL), convolutional neural networks (CNNs), natural language processing (NLP)	CNNs, NLP	image, text	NA
168	2025-05-15	H2GnnDTI: hierarchical heterogeneous graph neural networks for drug-target interaction prediction 2025-Mar-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf117 PMID:40097269	研究论文	提出了一种名为H2GnnDTI的新型两级层次异构图学习模型，用于预测药物-靶标相互作用	通过整合药物和蛋白质的结构，利用低层次视图GNN和高层次视图GNN，全面捕捉药物和蛋白质的交互特征	未提及具体局限性	开发计算工具以自动预测和理解药物-靶标相互作用	药物和蛋白质	机器学习	NA	图神经网络	GNN	图数据	三个基准数据集
169	2025-05-15	Rapid left ventricle mesh prediction by adaptive deformable model fitting 2025-Mar-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc237 PMID:40101357	research paper	提出了一种快速且无需训练的自适应可变形模型拟合框架，用于左心室网格预测	通过自适应网格模块和两阶段拟合方案，消除了对标注数据集的依赖，提高了跨不同心脏病理的泛化能力	在扩张型心肌病临床数据集中的Dice系数平均为0.78，仍有提升空间	克服现有方法在计算复杂度、对大规模配对训练数据的依赖以及跨心脏病理泛化能力有限的问题	左心室的三维网格重建	digital pathology	cardiovascular disease	proper orthogonal decomposition, polyharmonic spline interpolation	adaptive deformable model	cardiac magnetic resonance imaging	三个心脏磁共振成像数据集，包括扩张型心肌病临床数据集
170	2025-05-15	Deep learning techniques for proton dose prediction across multiple anatomical sites and variable beam configurations 2025-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc236 PMID:40101365	research paper	评估质子治疗中束流掩模实现和数据聚合对基于人工智能的剂量预测准确性的影响	结合束流掩模和数据聚合显著提高了质子治疗剂量预测的准确性，特别是在复杂病例中	数据聚合在低剂量区域可能产生负面影响	提高质子治疗中剂量预测的准确性	541例前列腺和632例头颈部质子治疗计划	machine learning	prostate cancer, head and neck cancer	proton therapy	CNN	medical imaging	541 prostate and 632 head and neck proton therapy plans
171	2025-05-15	Review of the Current State of Artificial Intelligence in Pediatric Cardiovascular Magnetic Resonance Imaging 2025-Mar-26, Children (Basel, Switzerland) DOI:10.3390/children12040416 PMID:40310065	综述	本文回顾了人工智能在儿科心血管磁共振成像中的当前应用状态	探讨了人工智能如何通过深度学习技术提高心血管磁共振成像的效率、图像质量并减少错误	未提及具体的技术限制或数据限制	评估人工智能在改善先天性心脏病心血管磁共振成像中的应用	儿科先天性心脏病患者的心血管磁共振成像	数字病理学	心血管疾病	深度学习	NA	图像	NA
172	2025-05-15	Fast and Accurate Prediction of Tautomer Ratios in Aqueous Solution via a Siamese Neural Network 2025-Mar-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00041 PMID:40091187	研究论文	本研究开发了一个名为sPhysNet-Taut的深度学习模型，用于快速准确预测水溶液中互变异构体的比例	采用Siamese神经网络架构，基于实验数据微调，直接预测水溶液中互变异构体的比例，性能优于现有方法	模型依赖于MMFF94优化的分子几何结构，可能不适用于所有类型的分子	提高计算药物发现中互变异构体比例预测的准确性和速度	药物类分子的互变异构体	机器学习	NA	深度学习	Siamese神经网络	分子几何结构数据	100个互变异构体数据集和SAMPL2挑战数据集
173	2025-05-15	Structural assembly of the PAS domain drives the catalytic activation of metazoan PASK 2025-Mar-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409685122 PMID:40106358	research paper	该研究揭示了后生动物PASK激酶中PAS结构域的结构组装如何驱动其催化激活	发现了PASK中PAS-C结构域的非典型结构特征及其通过分子内相互作用形成功能性PAS模块的新机制	未明确说明研究的样本量或实验验证的详细范围	阐明PAS结构域在PASK激酶催化激活中的结构机制	后生动物PASK激酶及其PAS结构域	结构生物学	NA	深度学习结构建模、进化尺度域定位	deep learning-based structural models	蛋白质结构数据	NA
174	2025-05-15	Development and validation of a postoperative prognostic model for hormone receptor positive early stage breast cancer recurrence 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92872-2 PMID:40121273	研究论文	开发并验证了一种基于Transformer的深度学习预后模型HERPAI，用于预测激素受体阳性早期乳腺癌患者的复发风险	首次为低复发风险患者开发了基于Transformer的深度学习预后模型，并在多中心数据中进行了验证	研究为回顾性设计，可能存在选择偏倚	开发预测激素受体阳性早期乳腺癌复发的预后模型	激素受体阳性/HER2阴性早期(T1-2N0-1)浸润性乳腺癌患者	数字病理	乳腺癌	深度学习	Transformer	临床和病理数据	6340名患者(5424名用于训练和验证，916名用于外部测试)
175	2025-05-15	A novel framework for segmentation of small targets in medical images 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94437-9 PMID:40121297	research paper	提出了一种名为STS-Net的新型框架，专门用于医学图像中小目标的精确分割	采用ResNeXt50-32x4d架构作为编码器，并在编码阶段整合注意力机制以增强网络的特征表示能力	在训练样本数量有限的情况下，现有网络对小目标的分割仍存在困难	解决医学图像中小目标分割的挑战	医学图像中的小目标	digital pathology	NA	deep learning	CNN	image	四个公开数据集
176	2025-05-15	Deep-ProBind: binding protein prediction with transformer-based deep learning model 2025-Mar-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06101-8 PMID:40121399	研究论文	本文提出了一种名为Deep-ProBind的深度学习模型，用于预测蛋白质结合位点	结合了序列和结构信息，采用transformer和进化注意力机制，以及SHAP算法进行特征选择，显著提高了预测准确率	未提及具体的数据集规模限制或模型泛化能力测试	开发高准确率的蛋白质结合位点预测工具	蛋白质结合位点	生物信息学	NA	BERT, PsePSSM-DWT, SHAP, DNN	transformer, Deep Neural Network	序列数据, 结构数据	基准数据集和独立样本集（具体数量未提及）
177	2025-05-15	Machine learning-based radiomics using MRI to differentiate early-stage Duchenne and Becker muscular dystrophy in children 2025-Mar-22, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08538-7 PMID:40121488	研究论文	本研究利用MRI T2加权Dixon序列的放射组学特征，开发了一种机器学习分类模型，用于早期区分Duchenne和Becker肌营养不良症	结合放射组学和机器学习方法，首次在早期阶段有效区分DMD和BMD	样本量较小（62例患者），且为回顾性研究	提高早期Duchenne和Becker肌营养不良症的鉴别诊断准确性	36-60月龄的肌营养不良症儿童患者（41例DMD，21例BMD）	数字病理学	肌营养不良症	MRI T2加权Dixon序列	机器学习算法（未指定具体模型）	医学影像	62例患者（41例DMD，21例BMD）
178	2025-05-15	Reducing hepatitis C diagnostic disparities with a fully automated deep learning-enabled microfluidic system for HCV antigen detection 2025-Mar-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adt3803 PMID:40106555	研究论文	开发了一种基于智能手机的全自动即时HCV抗原检测系统，结合铂纳米颗粒、深度学习图像处理和微流控技术，以提高HCV诊断的可及性和准确性	首次将深度学习图像处理与微流控技术结合，开发出高精度(94.59%)、便携式的全自动HCV抗原检测系统	尚未获得FDA批准，且未在更广泛的人群中进行验证	解决资源有限地区HCV诊断困难的问题，减少健康差异	HCV感染者，特别是美国印第安人和阿拉斯加原住民(AI/AN)等弱势群体	数字病理	丙型肝炎	微流控技术、铂纳米颗粒技术	深度学习	图像	NA
179	2025-05-15	Meeting Global Health Needs via Infectious Disease Forecasting: Development of a Reliable Data-Driven Framework 2025-Mar-21, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/59971 PMID:40116728	研究论文	开发了一个标准化、可靠且可信赖的传染病预测框架和可视化仪表板，用于支持全球健康决策	提出了一个集成多种建模技术的通用预测管道，能够适应不同疾病和地理区域，并通过可视化仪表板提供关键分析指标	没有单一的最佳模型适用于所有疾病、地区和国家的组合	满足现实世界操作决策的需求，开发一个通用的传染病预测框架	六种人畜共患疾病（布鲁氏菌病、弯曲杆菌病、中东呼吸综合征、Q热、蜱传脑炎和图拉菌病）在四大洲八个国家的传播情况	机器学习	传染病	统计、机器学习和深度学习模型	集成模型	人口统计、景观、气候和社会经济因素等多维特征数据	四大洲八个国家的六种人畜共患疾病数据，平均每种疾病使用2326个特征
180	2025-05-15	RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning 2025-Mar-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57852-0 PMID:40118849	research paper	介绍了一种名为RNAmigos2的基于深度图学习的RNA虚拟筛选方法，显著提高了筛选速度和准确性	首次将数据驱动的虚拟筛选流程应用于RNA，结合粗粒度3D建模、合成数据增强和RNA特异性自监督学习，实现了比传统分子对接快10,000倍的速度	RNA领域的数据有限，且机器学习在该领域的应用仍不成熟	开发一种高效的RNA虚拟筛选方法，以加速RNA药物的发现	RNA分子及其潜在药物靶点	machine learning	NA	deep graph learning, synthetic data augmentation, RNA-specific self-supervision	deep learning	3D RNA structure data	20,000-compound in-vitro microarray