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
1041	2025-10-07	Role of Artificial Intelligence in Thyroid Cancer Diagnosis 2025-Apr-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072422 PMID:40217871	综述	概述人工智能在甲状腺癌诊断中的应用现状与发展前景	系统总结了基于机器学习和深度学习的新型算法（如SE-CBIR、Restore-GAN、Vision Transformer）在甲状腺诊断中的突破性进展	未提及具体临床验证数据与算法局限性分析	探讨人工智能在甲状腺癌诊断中的技术应用与临床价值	甲状腺结节超声图像、细胞病理学与分子检测数据	计算机视觉	甲状腺癌	超声成像、细胞病理学检测、分子评估	机器学习, 深度学习, GAN, Transformer	医学图像（超声）、病理数据、分子数据	NA	NA	GAN, Vision Transformer (ViT), SE-CBIR, Restore-GAN	NA	NA
1042	2025-10-07	Identification of Eye Diseases Through Deep Learning 2025-Apr-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070916 PMID:40218266	研究论文	本研究开发了一种基于深度学习的算法，用于高精度分类眼部疾病	设计了包含11层的自定义卷积神经网络架构，并采用数字图像处理技术进行图像预处理	NA	开发能够高精度诊断眼部疾病的低复杂度软件	眼部疾病图像	计算机视觉	眼科疾病	数字图像处理	CNN	图像	NA	NA	自定义CNN	准确率, 召回率, 精确率, F1分数, 混淆矩阵	NA
1043	2025-10-07	Retinal fluid quantification using a novel deep learning algorithm in patients treated with faricimab in the TRUCKEE study 2025-Apr, Eye (London, England) DOI:10.1038/s41433-024-03532-0 PMID:39663398	研究论文	使用新型深度学习算法在TRUCKEE研究中量化接受faricimab治疗的新生血管性年龄相关性黄斑变性患者的视网膜液体变化	首次在真实世界研究中应用深度学习算法精确量化nAMD患者接受faricimab治疗后的视网膜液体变化	回顾性研究设计，缺乏对照组，样本量相对有限	评估faricimab治疗nAMD患者时视网膜液体的定量变化	新生血管性年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习算法	OCT图像	521只眼睛	NA	Notal OCT Analyzer	视网膜液体体积变化量，液体减少比例，治疗间隔时间	NA
1044	2025-10-07	A deep learning model for clinical outcome prediction using longitudinal inpatient electronic health records 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf026 PMID:40213364	研究论文	开发基于Transformer的TECO深度学习模型，利用纵向住院电子健康记录预测ICU死亡率	首次将Transformer架构应用于住院患者电子健康记录分析，能够识别临床可解释特征并在多种疾病队列中验证	需要进一步验证，仅基于特定患者队列开发	开发深度学习模型预测ICU患者死亡率	COVID-19患者、急性呼吸窘迫综合征患者和脓毒症患者	医疗人工智能	COVID-19, 急性呼吸窘迫综合征, 脓毒症	电子健康记录分析	Transformer	电子健康记录数据	COVID-19患者2579人，MIMIC-IV验证队列9411人	NA	Transformer	AUC	NA
1045	2025-10-07	Electrocardiogram Abnormality Detection Using Machine Learning on Summary Data and Biometric Features 2025-Apr-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070903 PMID:40218253	研究论文	本研究探索使用机器学习模型结合临床特征和心电图关键测量值进行心电图异常分类	使用非时间序列数据（人口统计学和心电图生物特征数据）进行心电图异常分类，而非传统的时间序列信号	缺乏时间序列数据限制了诊断准确性，类别不平衡和特征重叠导致边界病例分类困难	开发自动化的心电图异常分类方法以替代传统人工解读	心电图异常分类	机器学习	心血管疾病	心电图测量	Gaussian Naive Bayes, SVM, 随机森林, 极端随机树, 梯度提升树, 集成学习	结构化数据（人口统计学特征和心电图测量值）	NA	Scikit-learn	极端随机树	准确率, 精确率, 召回率, F1分数	NA
1046	2025-10-07	Automated Detection, Localization, and Severity Assessment of Proximal Dental Caries from Bitewing Radiographs Using Deep Learning 2025-Apr-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070899 PMID:40218248	研究论文	提出基于深度学习的系统，用于从咬翼片中自动检测、定位近端龋齿并评估其严重程度	首个集成龋齿检测、牙齿编号和位置描述的端到端系统，按照ICCMS指南对龋齿严重程度进行分类	仅针对完全或四分之三出现在咬翼片中的牙齿进行分析，数据集规模有限（1354张图像）	改进牙科放射影像评估流程，提高近端龋齿诊断准确性	咬翼片中的近端龋齿	计算机视觉	牙科疾病	牙科放射影像分析	CNN	图像	1354张咬翼片，由修复牙医学顾问标注	PyTorch	YOLOv11	精确度,召回率,F1分数,mAP,IoU	NA
1047	2025-10-07	Artificial Intelligence in Inflammatory Bowel Disease Endoscopy 2025-Apr-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070905 PMID:40218255	综述	本文综述人工智能在炎症性肠病内镜检查中的应用进展	首次系统总结AI在IBD内镜领域的最新应用，包括疾病分型鉴别、病变检测和预后预测等方面	AI在IBD内镜中的应用仍处于初始阶段，缺乏大规模临床验证	探讨人工智能技术在炎症性肠病内镜诊断和治疗中的潜在价值	克罗恩病和溃疡性结肠炎患者的内镜检查数据	医学影像分析	炎症性肠病	内镜检查	深度学习	医学影像	NA	NA	NA	NA	NA
1048	2025-10-07	SegmentAnyTooth: An open-source deep learning framework for tooth enumeration and segmentation in intraoral photos 2025-Apr, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2025.01.003 PMID:40224126	研究论文	开发了一个开源深度学习框架SegmentAnyTooth，用于口腔内照片中的牙齿编号和分割	首个开源深度学习框架，能够在五种标准口腔视图上实现自动化牙齿编号和分割，采用主动学习方法	泛化能力仍在持续改进中	通过图像分析改善预防性牙科护理，减少对专业资源的依赖	口腔内照片中的牙齿	计算机视觉	牙科疾病	深度学习	YOLO, SAM	图像	5000张口腔内照片，来自1000套数据集（953名受试者）	NA	YOLO11 nano, Light HQ-SAM	Dice相似系数	NA
1049	2025-04-16	Mapping the patent landscape of TROP2-targeted biologics through deep learning 2025-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02626-8 PMID:40229366	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1050	2025-10-07	Development and validation of radiomics and deep transfer learning models to assess cognitive impairment in patients with cerebral small vessel disease 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.03.012 PMID:40068720	研究论文	开发和验证基于放射组学和深度迁移学习的模型，用于评估脑小血管病患者认知障碍	结合深度迁移学习和放射组学特征，开发了预测CSVD相关认知障碍的集成模型	样本量有限	预测脑小血管病相关认知障碍	脑小血管病患者和对照受试者	医学影像分析	脑小血管病	3D T1加权MRI	深度学习, 机器学习	医学影像	145名CSVD患者和99名对照受试者	NA	ResNet101_32x8d, Random Forest, Naive Bayes	AUC, 准确率	NA
1051	2025-10-07	Artificial intelligence in stroke rehabilitation: From acute care to long-term recovery 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.03.017 PMID:40068721	综述	探讨人工智能在脑卒中康复领域的应用，涵盖从急性期诊疗到长期恢复的全过程	系统阐述AI技术在脑卒中康复全周期中的创新应用，包括影像诊断、机器人辅助康复和远程康复平台	未提及具体临床研究的样本量限制和技术实施的具体障碍	分析人工智能在脑卒中康复中的技术应用和发展前景	脑卒中患者康复治疗过程	医疗人工智能	脑卒中	深度学习, 机器学习, 脑机接口, 虚拟现实	深度学习模型, 机器学习模型	医学影像(CT, MRI), 神经信号, 运动数据	NA	NA	NA	NA	NA
1052	2025-10-07	Accelerated Missense Mutation Identification in Intrinsically Disordered Proteins Using Deep Learning 2025-Apr-14, Biomacromolecules IF:5.5Q1 DOI:10.1021/acs.biomac.4c01124 PMID:40072940	研究论文	结合布朗动力学模拟和深度学习策略快速识别内在无序蛋白质中错义突变引起的大规模结构变化	首次将布朗动力学模拟与多层感知器神经网络相结合，实现了对内在无序蛋白质错义突变效应的快速预测	方法基于粗粒化单珠氨基酸模型，可能无法捕捉原子级别的结构细节	开发快速识别内在无序蛋白质中致病性错义突变的方法	内在无序蛋白质及其错义突变变体	机器学习	蛋白质构象疾病	布朗动力学模拟，深度学习	多层感知器神经网络	蛋白质序列，回转半径数据	约6500个来自MobiDB数据库的长度20-300的内在无序蛋白质序列	NA	多层感知器神经网络	准确率	NA
1053	2025-10-07	Multitarget Natural Compounds for Ischemic Stroke Treatment: Integration of Deep Learning Prediction and Experimental Validation 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00135 PMID:40084909	研究论文	本研究开发了一种结合深度学习和实验验证的创新药物发现流程，用于识别具有全面神经保护特性的天然化合物治疗缺血性中风	首次将基于Transformer的深度学习模型SELFormer与多种深度学习算法结合，构建了针对七个关键中风相关靶点的天然化合物生物活性预测框架	研究仅针对有限数量的天然化合物进行了实验验证，需要进一步扩大验证范围	开发用于缺血性中风治疗的多靶点天然化合物发现方法	天然化合物及其对缺血性中风的神经保护作用	机器学习	缺血性中风	分子对接，氧糖剥夺实验，QSAR建模	Transformer，深度学习算法	化合物结构数据，生物活性数据	11个中等活性化合物和57个高活性化合物，其中4个高活性化合物进行了实验验证	NA	SELFormer	pIC50值，结合能，细胞活力，乙酰胆碱酯酶活性，脂质过氧化水平	NA
1054	2025-10-07	Accurate Prediction of CRISPR/Cas13a Guide Activity Using Feature Selection and Deep Learning 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02438 PMID:40091632	研究论文	本研究开发了一种用于准确预测CRISPR/Cas13a引导活性的双分支神经网络模型	首次将直接序列编码与描述性特征相结合，通过特征选择识别出99个关键特征，显著提升预测性能	研究仅基于两个独立数据集验证，需要更多数据验证模型泛化能力	开发高精度的CRISPR/Cas13a引导活性预测方法	CRISPR/Cas13a系统的引导RNA与靶标相互作用	机器学习	NA	CRISPR/Cas13a	深度学习,神经网络	序列数据	两个独立CRISPR/Cas13a数据集	NA	双分支神经网络	预测准确度,分类性能	NA
1055	2025-10-07	CPPCGM: A Highly Efficient Sequence-Based Tool for Simultaneously Identifying and Generating Cell-Penetrating Peptides 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00199 PMID:40105337	研究论文	开发了一个名为CPPCGM的深度学习框架，用于同时识别和生成细胞穿透肽	首次结合蛋白质语言模型和生成对抗网络架构，实现了细胞穿透肽的识别与生成双重功能	未在真实生物实验中验证生成肽的功能活性	开发高效的计算方法替代实验筛选细胞穿透肽	细胞穿透肽（CPPs）	生物信息学	NA	蛋白质语言模型	生成对抗网络, 预训练模型	蛋白质序列	三个数据集	NA	CPPClassifier, CPPGenerator	马修斯相关系数	NA
1056	2025-10-07	SFM-Net: Selective Fusion of Multiway Protein Feature Network for Predicting Binding Affinity Changes upon Mutations 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00130 PMID:40111004	研究论文	提出SFM-Net深度学习模型，通过选择性融合多源蛋白质特征来预测突变引起的结合亲和力变化	开发了基于GNN的多路特征提取器和上下文感知选择性融合模块，能够有效整合序列、结构和进化信息	NA	预测蛋白质-蛋白质相互作用中突变引起的结合亲和力变化	蛋白质突变对结合亲和力的影响	生物信息学	NA	深度学习，图神经网络	GNN	蛋白质序列、结构、进化信息	NA	NA	SFM-Net	NA	NA
1057	2025-10-07	ChiGNN: Interpretable Algorithm Framework of Molecular Chiral Knowledge-Embedding and Stereosensitive Property Prediction 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02259 PMID:40116044	研究论文	提出一种可解释的深度学习框架ChiGNN，用于分子手性知识嵌入和立体敏感性质预测	通过三体图和立体敏感消息聚合编码有效整合手性物理化学知识，结合分位数回归技术提升预测精度	NA	提高分子手性相关任务的机器学习模型准确性和可解释性	手性分子及其立体敏感性质	机器学习	NA	手性色谱保留时间预测	图神经网络	分子图数据	NA	深度学习框架	Chiral Graph Neural Network, Trinity Graph, stereosensitive Message Aggregation	手性色谱保留时间预测精度	NA
1058	2025-10-07	Fitting Atomic Structures into Cryo-EM Maps by Coupling Deep Learning-Enhanced Map Processing with Global-Local Optimization 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00004 PMID:40152222	研究论文	提出一种结合深度学习增强图谱处理与全局-局部优化的方法，用于将原子结构拟合到冷冻电镜密度图中	集成深度学习骨架图谱提取与全局-局部结构姿态搜索的渐进式方法	NA	提高原子结构在冷冻电镜密度图中的拟合精度	蛋白质和核酸复合物的冷冻电镜图谱	计算机视觉	NA	冷冻电镜(cryo-EM)、冷冻电子断层扫描(cryo-ET)	深度学习	密度图、原子结构	基准数据集（包含蛋白质和核酸复合物的cryo-ET和cryo-EM图谱）	NA	NA	NA	NA
1059	2025-10-07	A Specialized and Enhanced Deep Generation Model for Active Molecular Design Targeting Kinases Guided by Affinity Prediction Models and Reinforcement Learning 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00074 PMID:40175286	研究论文	开发了一种专门针对激酶抑制剂设计的深度学习分子生成框架KinGen	整合强化学习、迁移学习和专门奖励模块，利用结合亲和力预测模型指导分子生成过程	NA	开发高效的激酶靶向小分子抑制剂生成方法	激酶蛋白和小分子抑制剂	机器学习	癌症	深度学习分子生成	深度生成模型,强化学习	化学结构数据	NA	NA	KinGen	对接分数	NA
1060	2025-10-07	LUND-PROBE - LUND Prostate Radiotherapy Open Benchmarking and Evaluation dataset 2025-Apr-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04954-5 PMID:40216786	研究论文	介绍一个用于前列腺癌放疗研究的公开临床数据集LUND-PROBE	提供包含MRI和合成CT图像、分割标注、放疗剂量分布及DL生成分割的综合性前列腺癌放疗数据集	NA	促进自动化放疗治疗计划、分割、观察者间分析和DL模型不确定性研究	前列腺癌患者	数字病理	前列腺癌	MRI、合成CT、深度学习分割	深度学习	医学影像（MRI、CT）、分割标注、剂量分布图	432例前列腺癌患者（基础数据集）+35例患者（扩展数据集）	NA	NA	NA	AIDA Data Hub数据平台