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
181	2025-10-06	IECata: interpretable bilinear attention network and evidential deep learning improve the catalytic efficiency prediction of enzymes 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf283 PMID:40548541	研究论文	提出IECata模型用于酶催化效率预测，提供不确定性估计和可解释性分析	结合证据深度学习和双线性注意力机制，提供预测不确定性估计和关键残基与底物原子的可解释分析	kcat/Km数据集规模有限，可能影响深度学习模型性能	提高酶催化效率预测的准确性和可靠性	酶催化效率(kcat/Km)	机器学习	NA	深度学习	神经网络	酶催化效率数据	11,815个kcat/Km条目（训练集）+ 806个条目（域外测试集）	NA	双线性注意力网络	预测性能比较	NA
182	2025-10-06	The Potential of Artificial Intelligence in Pharmaceutical Innovation: From Drug Discovery to Clinical Trials 2025-May-25, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18060788 PMID:40573185	综述	本文探讨人工智能在药物研发全过程中的应用潜力，从药物发现到临床试验	系统评估AI技术在药物配方优化、加速发现和药物重定位方面的创新潜力	AI应用仍存在监管空白，需要持续深入的立法监督以确保安全、伦理和无偏见使用	评估人工智能在药物开发中的作用和潜力	药物发现和开发过程	机器学习	NA	机器学习，深度学习	NA	生物数据，化学数据	NA	NA	NA	NA	NA
183	2025-10-06	Generative prediction of real-world prevalent SARS-CoV-2 mutation with in silico virus evolution 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf276 PMID:40532108	研究论文	开发了基于深度学习的生成框架ViralForesight，用于预测现实世界中流行的SARS-CoV-2突变	结合蛋白质语言模型和计算机模拟病毒进化，通过宿主到群体的进化范式预测现实世界中的病毒突变趋势	NA	预测新兴病毒在现实世界中的突变流行趋势，以提前更新疫苗或药物	SARS-CoV-2病毒及其突变	机器学习	COVID-19	计算机模拟病毒进化	深度学习生成模型	蛋白质序列数据	NA	NA	蛋白质语言模型	体外实验验证	NA
184	2025-10-06	A novel deep learning framework with dynamic tokenization for identifying chromatin interactions along with motif importance investigation 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf289 PMID:40536817	研究论文	提出了一种集成动态标记化、DNABERT词嵌入和高效通道注意力机制的新型深度学习模型Inter-Chrom，用于识别染色质相互作用并分析模体重要性	结合动态标记化策略、DNABERT词嵌入和高效通道注意力机制，并提出了新的模体重要性计算方法	NA	开发计算模型识别染色质相互作用并研究调控模体的重要性	染色质相互作用网络	生物信息学	NA	深度学习	深度学习模型	序列数据和基因组特征	三个细胞系数据集	NA	DNABERT, 高效通道注意力机制	NA	NA
185	2025-10-06	PrimeNet: rational design of Prime editing pegRNAs by deep learning 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf293 PMID:40536816	研究论文	开发了一种名为PrimeNet的新型预测模型，通过整合表观遗传因素来优化Prime编辑pegRNAs的设计	首次整合染色质可及性和DNA甲基化等关键表观遗传因素，并引入多尺度卷积和注意力机制来提升预测性能	模型主要基于HEK293T和K562细胞系数据，在其他细胞类型中的泛化能力需要进一步验证	提高Prime编辑技术的编辑效率和预测准确性	Prime编辑pegRNAs（引物编辑向导RNA）	机器学习	遗传疾病	基因编辑技术，Prime编辑	深度学习	基因组数据，表观遗传数据	基于HEK293T和K562细胞系的多个数据集	NA	多尺度卷积神经网络，注意力机制	Spearman相关系数	NA
186	2025-10-06	DeepTFtyper: an interpretable morphology-aware graph neural network for translating histopathology images into molecular subtypes in small cell lung cancer 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf284 PMID:40539233	研究论文	开发基于图神经网络的深度学习模型DeepTFtyper，从小细胞肺癌的H&E染色全切片图像自动预测分子亚型	首个从H&E染色组织学切片预测SCLC分子亚型的深度学习框架，具有可解释性和形态学感知能力	样本量相对有限（n=389），仅基于单中心队列	开发可扩展的深度学习工具，改善小细胞肺癌患者管理和指导个性化治疗决策	小细胞肺癌患者的H&E染色全切片图像	数字病理学	肺癌	免疫组织化学染色，全切片成像	图神经网络	病理图像	389例来自中国医学科学院肿瘤医院的样本	NA	图神经网络	AUC，数字H-score与IHC H-score相关性	NA
187	2025-10-06	Updates, Applications and Future Directions of Deep Learning for the Images Processing in the Field of Cranio-Maxillo-Facial Surgery 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060585 PMID:40564402	综述	分析深度学习在颅颌面外科医学图像处理中的最新应用、模型类型及未来发展方向	系统总结深度学习在颅颌面外科图像处理中的具体应用场景，并首次提出整合多模态数据和开发人机界面的未来发展方向	未涉及具体实验验证，主要基于现有文献分析，缺乏定量性能评估	探讨深度学习在颅颌面外科医学图像处理中的应用现状和未来趋势	颅颌面外科领域的医学图像数据	计算机视觉	颅颌面外科疾病	医学影像分析	深度学习模型	CT扫描、组织学图像、MRI、口腔内病变照片	NA	NA	NA	NA	NA
188	2025-10-06	Automated Risser Grade Assessment of Pelvic Bones Using Deep Learning 2025-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060589 PMID:40564406	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于从骨盆X光片中自动评估Risser分级	采用多模态方法结合X光片感兴趣区域与患者年龄和性别信息，并针对左右骨盆分别训练模型	较少出现的分级类别存在类别不平衡问题	自动化Risser分级评估以减少临床医生工作负担和评估变异性	12-18岁脊柱侧弯患者的骨盆X光片	计算机视觉	脊柱侧弯	X光成像	CNN	图像	1619张骨盆X光片	NA	CNN	准确率,精确率,召回率,F1分数,ROC AUC	NA
189	2025-10-06	A Deep Learning Methodology for Screening New Natural Therapeutic Candidates for Pharmacological Cardioversion and Anticoagulation in the Treatment and Management of Atrial Fibrillation 2025-May-28, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13061323 PMID:40564042	研究论文	开发一种在低资源环境下筛选心房颤动治疗天然候选化合物的深度学习方法	在缺乏高性能GPU的低资源环境下开发深度跨模态注意力模型，用于发现新型天然治疗候选物	研究在低资源环境下进行，可能限制了模型复杂度和计算效率	发现可用于心房颤动药物复律和抗凝治疗的新型天然候选化合物	天然化合物与靶点蛋白的相互作用	机器学习	心血管疾病	深度跨模态注意力建模，对比学习	深度学习	药物-靶点相互作用数据，天然化合物数据	MINER-DTI数据集包含13,741个DTI对，4,510个药物化合物，2,181个蛋白靶点；NPASS 2018天然化合物数据集	NA	深度跨模态注意力模型	PR AUC	低资源设置（无高性能NVIDIA GPU）
190	2025-10-06	A Hybrid Convolutional-Transformer Approach for Accurate Electroencephalography (EEG)-Based Parkinson's Disease Detection 2025-May-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060583 PMID:40564400	研究论文	提出一种混合卷积-Transformer方法用于基于脑电图的帕金森病检测	整合卷积神经网络、Transformer注意力块和长短时记忆层来捕捉脑电图的空间、时间和序列特征	样本量较小（仅31名参与者），需要在更大人群中验证泛化能力	开发高精度且泛化能力强的帕金森病早期检测方法	帕金森病患者和健康对照者的脑电图数据	医疗人工智能	帕金森病	脑电图，谱功率分析，频带比率，小波变换，统计测量	CNN, Transformer, LSTM	脑电图信号	31名参与者（15名帕金森病患者和16名健康对照）	NA	卷积Transformer增强序列模型	准确率	NA
191	2025-10-06	A Comprehensive Review of Deep Learning Applications with Multi-Omics Data in Cancer Research 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060648 PMID:40565540	综述	本文全面综述了深度学习在多组学数据整合分析于癌症研究中的应用进展	系统梳理了2020年以来深度学习在多组学癌症研究中的最新方法、模型架构和关键创新	NA	概述深度学习在多组学数据分析中的最新发展，特别关注癌症研究应用	多组学数据在癌症研究中的应用	机器学习	癌症	多组学数据整合分析	深度学习	基因组学数据	NA	NA	NA	NA	NA
192	2025-10-06	UNet with Attention Networks: A Novel Deep Learning Approach for DNA Methylation Prediction in HeLa Cells 2025-May-28, Genes IF:2.8Q2 DOI:10.3390/genes16060655 PMID:40565547	研究论文	本文提出了一种结合注意力机制的UNet深度学习模型，用于预测HeLa细胞中的DNA甲基化模式	首次将注意力机制与UNet结合应用于DNA甲基化预测，在宫颈癌细胞系中实现了高精度预测	研究仅限于HeLa宫颈癌细胞系，未在其他细胞类型中验证	开发深度学习模型预测DNA甲基化模式，探索表观遗传变量在宫颈癌中的作用	HeLa宫颈癌细胞系中的DNA甲基化模式	机器学习	宫颈癌	DNA甲基化测序	UNet, Attention Networks, Autoencoders, GAN, CNN	DNA序列数据	ENCODE数据库数据，五个基因启动子区域验证	NA	UNet with Attention Networks	准确率, 灵敏度, 特异性, AUC, p值, Cohen's Kappa	NA
193	2025-10-06	Dual-Branch Network with Hybrid Attention for Multimodal Ophthalmic Diagnosis 2025-May-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060565 PMID:40564382	研究论文	提出一种基于双分支学习和混合注意力机制的深度学习模型，用于解决眼科图像诊断中特征利用不足和传统单模态模型在数据不平衡时泛化能力有限的问题	创新设计了频域变换驱动的混合注意力模块，包含频域注意力、空间注意力和通道注意力，并通过多尺度分组注意力融合机制整合双模态的局部细节和全局结构信息	NA	提高眼科多模态图像诊断的准确性和特征利用效率	眼科图像（2D图像和3D体积数据）	计算机视觉	眼科疾病	深度学习	双分支网络	图像	NA	NA	残差块, 混合注意力机制	准确率	NA
194	2025-10-06	Are Artificial Intelligence Models Listening Like Cardiologists? Bridging the Gap Between Artificial Intelligence and Clinical Reasoning in Heart-Sound Classification Using Explainable Artificial Intelligence 2025-May-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060558 PMID:40564375	研究论文	本研究应用可解释人工智能技术评估和改进心音分类模型，探索模型是否像心脏病专家一样关注临床相关特征	首次在手动分割数据集上使用XAI客观评估模型行为，并探索将注意力机制与预训练模型结合以提升性能	模型诊断准确性仍主要依赖临床医生的专业知识，检测罕见或复杂病症具有挑战性	弥合人工智能与临床推理在心音分类领域的差距，验证模型是否基于临床相关特征进行分类	心音信号及其生成的声谱图	机器学习	心血管疾病	心音分类，声谱图分析	CNN, 注意力机制	音频信号，图像	NA	NA	ResNet50	准确率，平均交并比	NA
195	2025-10-06	Influence of Robotic Versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate-Retaining and Medial-Stabilized Implant 2025-May-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.052 PMID:40398583	研究论文	比较机器人辅助与手动全膝关节置换术在实现矢状面目标参数方面的差异	开发基于U-Net架构的深度学习模型自动计算膝关节矢状面参数，首次系统比较机器人辅助与手动TKA在矢状面目标达成精度	单中心研究，样本量有限，临床相关性需要进一步验证	评估机器人辅助与手动全膝关节置换术在实现术前矢状面目标参数方面的差异	接受全膝关节置换术的患者	医学影像分析	骨科疾病	膝关节X光片分析	深度学习	医学影像	280例患者（手动TKA 132例，机器人辅助TKA 148例）	NA	U-Net	平均绝对误差	NA
196	2025-10-06	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	研究论文	开发基于机器学习的数据驱动预测模型，用于预测埃塞俄比亚6-23个月儿童肺炎并分层确定因素	首次在埃塞俄比亚儿童肺炎预测中应用多种机器学习算法比较，并使用特征重要性评分识别关键预测因子	仅使用2016年单一数据集，未应用深度学习算法，样本代表性可能受限	构建肺炎预测模型并识别关键影响因素	埃塞俄比亚6-23个月儿童	机器学习	肺炎	人口健康调查数据分析	随机森林, 多种机器学习算法	结构化健康调查数据	2035名儿童样本	Python, Pandas, Seaborn, Numpy, Jupyter Notebook	多种机器学习算法比较	准确率, 混淆矩阵	NA
197	2025-10-06	Improving computer vision for plant pathology through advanced training techniques 2025 May-Jun, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70010 PMID:40575549	研究论文	本研究通过先进训练技术提升卷积神经网络在可可树病害检测中的性能	提出动态焦点损失函数，采用半监督学习和非可可类别增强模型鲁棒性，创建高质量可可树病害基准数据集	未明确说明模型在其他作物病害上的泛化能力，数据集规模相对有限	改进计算机视觉技术在植物病理学中的应用，提升农作物病害检测性能	可可树病害检测	计算机视觉	植物病害	图像分类	CNN	图像	7220张病害和健康可可树图像	NA	ResNet18, PhytNet	准确性，鲁棒性，计算效率	NA
198	2025-10-06	Large Scale MRI Collection and Segmentation of Cirrhotic Liver 2025-May-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05201-7 PMID:40436863	研究论文	本研究构建了首个大规模肝硬化MRI数据集CirrMRI600+，并提供深度学习基准测试结果	创建了首个包含628例高分辨率腹部MRI扫描的肝硬化综合数据集，提供专家验证的分割标签和临床参数	未明确说明数据收集的时间范围和机构来源	开发自动化肝硬化分析的计算方法，推进肝硬化视觉分期和个性化治疗规划	肝硬化患者的腹部MRI扫描数据	数字病理学	肝硬化	MRI（磁共振成像）	深度学习模型	医学影像（MRI扫描）	628例高分辨率腹部MRI扫描（310个T1加权序列，318个T2加权序列，共近40,000个标注切片）	NA	NA	NA	NA
199	2025-10-06	Deep learning radiomics fusion model to predict visceral pleural invasion of clinical stage IA lung adenocarcinoma: a multicenter study 2025-May-28, Journal of cardiothoracic surgery IF:1.5Q3 DOI:10.1186/s13019-025-03488-6 PMID:40437608	研究论文	开发深度学习影像组学融合模型预测临床IA期肺腺癌脏层胸膜侵犯	提出决策级（晚期融合）模型，显著降低过拟合风险并在多中心外部验证中表现优异	样本量相对有限（449例患者），仅针对临床IA期肺腺癌	预测肺腺癌脏层胸膜侵犯状态并评估其预后价值	临床IA期肺腺癌患者	医学影像分析	肺腺癌	影像组学, 深度学习	融合模型	医学影像	449例患者（训练队列289例，外部测试队列160例）	NA	早期融合模型, 晚期融合模型	AUC	NA
200	2025-10-06	Medication versus globus pallidus internus deep brain stimulation in Parkinson's disease with deep learning video analysis of finger tapping 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02098-5 PMID:40394036	研究论文	通过深度学习视频分析比较药物与GPi脑深部电刺激对帕金森病患者手指敲击运动的影响	首次使用深度学习模型从2D手部运动视频重建3D网格并提取21个运动参数来量化评估GPi DBS与药物治疗的差异效果	观察性研究设计，样本量相对有限（87名患者），仅针对手指敲击单一运动任务	比较帕金森病中药物治疗与GPi靶向脑深部电刺激对运动症状改善的差异机制	87名接受GPi DBS手术的晚期帕金森病患者	计算机视觉	帕金森病	视频分析，深度学习运动重建	深度学习，机器学习	视频	87名患者，556个视频	NA	NA	准确率	NA