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
81	2025-06-30	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	research paper	开发了一个名为ViralForesight的深度学习生成框架，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，提出了一个能够提前预测SARS-CoV-2流行突变的新方法	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病毒的突变	machine learning	COVID-19	deep learning, protein language models, in silico virus evolution	generative deep learning	genomic data	NA
82	2025-06-30	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	提出了一种结合动态分词、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研究模体重要性	整合动态分词、DNABERT词嵌入和高效通道注意力机制，提出新的模体重要性计算方法	性能可能因染色质相互作用数据的特异性而被高估	提高染色质相互作用预测的准确性并研究模体重要性	染色质相互作用网络	生物信息学	NA	深度学习	Inter-Chrom（结合动态分词、DNABERT和高效通道注意力机制）	序列和基因组特征数据	三个细胞系数据集
83	2025-06-30	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	本文介绍了一种名为PrimeNet的新型预测模型，用于通过深度学习设计Prime编辑的pegRNAs，以提高基因编辑的效率和准确性	PrimeNet整合了染色质可及性和DNA甲基化等重要的表观遗传因素，并引入了多尺度卷积和注意力机制，显著提高了预测准确性和泛化性能	模型虽然提高了预测准确性，但仍可能受限于未考虑的其他潜在影响因素	提高Prime编辑技术的编辑效率和预测准确性，推动基因编辑技术在遗传疾病治疗等领域的应用	Prime编辑的pegRNAs	机器学习	遗传疾病	深度学习	CNN, 注意力机制	基因编辑数据	来自HEK293T和K562细胞系的两个数据集
84	2025-06-30	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	开发了一种基于图神经网络的深度学习模型DeepTFtyper，用于从小细胞肺癌的H&E染色全切片图像中自动分类分子亚型	首次提出从H&E染色组织学切片预测SCLC分子亚型的深度学习框架，提供可扩展、准确且临床相关的工具	样本量可能不足，分子测试的复杂性可能影响模型的广泛应用	开发一种自动分类小细胞肺癌分子亚型的工具，以指导治疗决策	小细胞肺癌的H&E染色全切片图像	数字病理学	小细胞肺癌	免疫组织化学(IHC)	图神经网络(GNN)	图像	389例来自中国医学科学院肿瘤医院的样本
85	2025-06-29	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	本研究评估了放射组学和深度学习在多中心环境下对IPMNs恶性风险分层的可行性	首次将放射组学与深度学习融合应用于IPMN囊肿级别的恶性风险分层	模型性能仍需提升以满足独立临床应用需求	开发客观的IPMN恶性风险分层方法以减少不必要的手术干预	IPMN（导管内乳头状黏液性肿瘤）患者	数字病理	胰腺癌	T2W MRI成像	放射组学-DL融合模型（2D/3D CNN）	医学影像	7个中心的359份T2W MRI图像
86	2025-06-29	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本文评估了医学影像基础模型在提取可靠定量放射学表型方面的能力，并介绍了TumorImagingBench基准测试	系统性评估了多种医学影像基础模型在定量肿瘤成像生物标志物提取中的表现，并公开了代码、数据集和基准结果	研究仅基于公开数据集，可能无法涵盖所有临床场景	评估医学影像基础模型在定量肿瘤成像生物标志物提取中的性能和鲁棒性	六种公开数据集（3,244次扫描）和十种医学影像基础模型	数字病理学	癌症	深度学习	基础模型	医学影像	3,244次扫描
87	2025-06-29	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	review	本文综述了深度学习在颅颌面外科图像处理中的最新进展、应用及未来方向	探讨了深度学习在医学影像处理中的创新应用，特别是在颅颌面外科手术规划和肿瘤学领域的潜力	未提及具体算法的性能比较或临床验证结果	分析医学图像分割和分类中最常用的模型，评估这些算法在颌面外科中的应用，并探索人工智能在放射数据处理中的未来前景	医学影像数据，特别是CT扫描和组织学图像	digital pathology	NA	深度学习	CNN	image	NA
88	2025-06-29	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（CNN）的深度学习模型，用于从骨盆X光片中自动评估Risser等级	采用多模态方法结合X光片中的感兴趣区域、患者年龄和性别，并使用合成数据增强解决类别不平衡问题	在较少出现的Risser等级上存在类别不平衡的挑战	自动化Risser等级评估，减少临床医生的工作量和评估变异性	12-18岁脊柱侧弯患者的骨盆X光片	数字病理	脊柱侧弯	深度学习	CNN	image	1619张骨盆X光片
89	2025-06-29	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	本研究开发了一种在资源有限环境下用于筛选心房颤动治疗新天然候选药物的深度学习方法	提出了一种在低资源环境下运行的高性能深度学习模型，用于发现新的天然治疗候选药物	在低资源环境下运行可能影响模型性能，且GPU资源不足可能限制模型训练效率	开发低资源环境下的深度学习方法，筛选治疗心房颤动的天然候选药物	天然化合物与心律失常相关靶点的相互作用	机器学习	心血管疾病	深度学习	深度跨模态注意力模型	药物-靶点相互作用数据	MINER-DTI数据集包含13,741个DTI对、4,510种药物化合物和2,181个蛋白质靶点
90	2025-06-29	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	提出了一种结合卷积神经网络和Transformer的混合模型CTESM，用于基于EEG的帕金森病早期检测	整合了CNN、Transformer注意力块和LSTM层，以捕捉EEG的空间、时间和序列特征，并结合生物学特征提取技术	样本量较小（31名参与者），需要在更大规模的数据集上验证模型的泛化能力	提高帕金森病早期检测的准确性和泛化能力	帕金森病患者和健康对照组的EEG数据	数字病理学	帕金森病	谱功率分析、频带比率、小波变换和统计测量	CNN、Transformer、LSTM	EEG信号	31名参与者（15名帕金森病患者和16名健康对照组）
91	2025-06-29	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	review	本文综述了深度学习在多组学数据癌症研究中的应用	系统回顾了2020年以来深度学习模型在多组学数据分析中的最新进展，包括模型架构、数据集和关键创新点	仅涵盖2020年以来的方法，可能遗漏早期重要研究	探讨深度学习在多组学数据癌症研究中的应用	多组学数据在癌症研究中的应用	machine learning	cancer	multi-omics	DL	multi-omics data	NA
92	2025-06-29	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	本研究提出了一种结合UNet和注意力网络的新型深度学习方法，用于预测HeLa细胞中的DNA甲基化模式	首次将UNet与注意力网络结合用于宫颈癌细胞系DNA甲基化预测，并显著提高了预测准确率	研究仅基于ENCODE数据库和HeLa细胞系，未在其他细胞系或临床样本中验证	探究深度学习在宫颈癌DNA甲基化模式预测中的应用效果	宫颈癌细胞系HeLa中的DNA甲基化模式	机器学习	宫颈癌	DNA甲基化测序	UNet+Multi-Head Attention Networks	DNA序列数据	ENCODE数据库中的HeLa细胞数据及5个基因启动子区域
93	2025-06-29	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深度学习模型在数据不平衡时泛化能力有限的问题	创新性地设计了频域变换驱动的混合注意力模块，包括频域注意力、空间注意力和通道注意力，以及多尺度分组注意力融合机制，有效解决了模态特征异质性导致的融合效率低下问题	未明确提及具体局限性	提高眼科疾病智能诊断的准确性和效率	眼科多模态图像数据	计算机视觉	眼科疾病	深度学习	双分支网络（Dual-Branch Network）	2D图像和3D体积数据	未明确提及样本数量
94	2025-06-29	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	本研究探讨了人工智能模型在心音分类中与临床推理的一致性，并利用可解释人工智能（XAI）技术提升模型的分类准确性和可解释性	首次在手动分割的数据集上应用XAI技术评估模型行为，并通过结合注意力机制提升模型性能和可解释性	研究依赖于手动分割的数据集，可能限制了模型的泛化能力	评估人工智能模型在心音分类中是否聚焦于临床相关特征，并探索注意力机制对性能的提升	心音信号及其分类	机器学习	心血管疾病	可解释人工智能（XAI）	ResNet50, 多头注意力机制	心音信号生成的声谱图图像	NA
95	2025-06-29	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	比较机器人辅助全膝关节置换术（raTKA）与手动全膝关节置换术（mTKA）在实现外科医生术前矢状面目标方面的差异	开发了一种基于U-Net架构的深度学习模型，用于计算膝关节侧位X光片上的后髁偏移（PCO）和胫骨斜率（TS）	未来研究需要确定这些差异是否具有临床相关性	比较raTKA和mTKA在实现矢状面目标方面的差异	280名接受mTKA（132人）或raTKA（148人）的患者	数字病理学	骨关节疾病	深度学习	U-Net	X光片	280名患者（132 mTKA，148 raTKA）
96	2025-06-29	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	research paper	本研究开发了一种基于机器学习的预测模型，用于预测埃塞俄比亚6-23个月儿童的肺炎及其决定因素分层	使用随机森林算法预测肺炎并分层其决定因素，准确率达到91.3%	研究数据仅来自2016年埃塞俄比亚人口与健康调查，可能无法完全代表当前情况	开发数据驱动的预测模型以预测儿童肺炎并分层其决定因素	埃塞俄比亚6-23个月的儿童	machine learning	pneumonia	machine learning algorithms, principal component analysis	random forest	demographic and health survey data	2035名儿童样本
97	2025-06-28	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	本研究探讨了通过半监督学习、专业损失函数和非可可类别的引入，提升卷积神经网络在可可树疾病检测中的性能	提出了动态焦点损失函数，利用经验难度度量对每张图像进行加权，并通过半监督学习和非可可类别的引入显著提升了模型的鲁棒性和性能	研究主要针对可可树疾病，可能不直接适用于其他植物病理学领域	提升计算机视觉在植物病理学中的应用效果，特别是在可可树疾病检测方面	可可树（Theobroma cacao）的疾病检测	计算机视觉	植物疾病	半监督学习、动态焦点损失函数	CNN（包括PhytNet和ResNet18）	图像	7220张健康和患病的可可树图像
98	2025-06-26	Can Deep Learning-Based Auto-Contouring Software Achieve Accurate Pelvic Volume Delineation in Volumetric Image-Guided Radiotherapy for Prostate Cancer? A Preliminary Multicentric Analysis 2025-May-30, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32060321 PMID:40558264	研究论文	本研究评估了基于深度学习的自动轮廓软件Limbus® Contour®在前列腺癌放疗中盆腔结构描绘的准确性	首次在多中心研究中评估Limbus® Contour®软件在前列腺癌放疗中自动描绘盆腔结构的性能	软件在肠袋和乙状结肠描绘上表现不佳，且缺乏淋巴结亚区分化功能	评估深度学习自动轮廓软件在放射治疗中的临床应用价值	前列腺癌患者的盆腔结构（膀胱、直肠、肠袋、乙状结肠和盆腔淋巴结）	数字病理	前列腺癌	深度学习	NA	医学影像	52名患者
99	2025-06-26	A Multi-Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision-Making 2025-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656671 PMID:40502058	research paper	提出一个多区域大脑模型，探讨海马体在空间嵌入式决策中的作用	通过对比不同交互架构的学习性能和神经表征，发现特定架构（网格细胞联合编码自运动速度信号和决策证据增量）优化学习效率并最接近实验观察	模型预测需要新的神经生理学实验验证	理解大脑结构如何支持高效学习和决策，为深度学习提供归纳偏置	强化学习智能体与不同交互架构的大脑模型	machine learning	NA	reinforcement learning (RL), recurrent neural network (RNN)	RNN	neural activity data	NA
100	2025-06-26	Deep Learning-Based Detection of Honey Storage Areas in Apis mellifera Colonies for Predicting Physical Parameters of Honey via Linear Regression 2025-May-29, Insects IF:2.7Q1 DOI:10.3390/insects16060575 PMID:40559006	研究论文	本研究提出了一种基于深度学习的自动化方法，使用YOLOv11模型检测、分类和量化蜂巢中的蜜脾，并探讨了蜂蜜物理特性与图像检测之间的关系	首次将YOLOv11模型应用于蜂巢蜜脾检测，并研究了图像检测结果与蜂蜜物理特性之间的相关性	蜂蜜物理特性（电导率和颜色）对蜜脾面积预测能力较弱，pH值和含水量关联性更差	开发自动化蜂巢监测技术，提高蜂蜜生产效率	西方蜜蜂(Apis mellifera)蜂巢中的蜜脾	计算机视觉	NA	深度学习	YOLOv11	图像	不同月份采集的蜂巢帧图像（数据集分割比例为90:5:5和80:10:10）