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
121	2025-07-04	An order-preserving batch-effect correction method based on a monotonic deep learning framework 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf247 PMID:40586320	研究论文	提出了一种基于单调深度学习框架的保持顺序的批次效应校正方法	该方法首次在批次效应校正中引入了顺序保持特性，通过单调深度学习网络有效提升了聚类性能并保留了基因间的原始相关性及差异表达信息	未明确说明方法在超大规模数据集上的计算效率及对极端批次效应的处理能力	开发具有顺序保持特性的单细胞RNA测序数据批次效应校正方法	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	单调深度学习网络	基因表达数据	NA
122	2025-07-03	Pose estimation and tracking dataset for multi-animal behavior analysis on the China Space Station 2025-May-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05111-8 PMID:40348756	研究论文	介绍了一个用于中国空间站多动物行为分析的姿态估计与跟踪数据集	提出了首个多任务、专家验证的复杂场景下多动物行为分析数据集，并提供了深度学习模型的评估代码	太空动物图像数据有限，且缺乏公开可用的带真实标注的数据集	推动太空动物行为分析领域AI技术的创新	模型生物如秀丽隐杆线虫、果蝇和斑马鱼	计算机视觉	NA	深度学习	NA	图像	多种模型生物（秀丽隐杆线虫、果蝇和斑马鱼）
123	2025-07-03	Deep learning approach based on a patch residual for pediatric supracondylar subtle fracture detection 2025-May-08, Biomolecules & biomedicine DOI:10.17305/bb.2024.11341 PMID:39829118	研究论文	本文提出了一种基于深度学习的多尺度补丁残差网络（MPR），用于自动检测和定位儿童肱骨髁上细微骨折	结合CNN和多尺度生成对抗网络，利用健康样本学习正常骨骼分布，减少对标记骨折数据的依赖	标记的儿童肱骨髁上骨折样本稀缺且难以获取	自动检测和定位儿童肱骨髁上细微骨折	儿童肱骨髁上骨折	数字病理学	骨折	深度学习	CNN, GAN	医学影像	来自两家不同医院的数据集，应用了数据增强技术
124	2025-07-03	iGTP: learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf296 PMID:40551620	研究论文	本文提出了一种名为iGTP的新型可解释生成转录程序框架，用于从单细胞转录组数据中推断生物学机制	iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性，提供生物意义明确的潜在空间表示	NA	开发可解释的深度学习模型，用于从单细胞转录组数据中推断生物学机制	单细胞转录组数据	生物信息学	NA	单细胞转录组测序	变分自编码器(VAE), 图神经网络(GNN), 潜在扩散模型	基因表达数据	NA
125	2025-07-03	Artificial Intelligence Tools in Dentistry: A Systematic Review on Their Application and Outcomes 2025-May, Cureus DOI:10.7759/cureus.85062 PMID:40585609	系统综述	本文系统综述了人工智能在牙科中的应用及其效果	深入探讨了AI在牙科诊断准确性、治疗规划和操作效率方面的具体影响	仅涵盖了2019年至2024年的文献，可能未包含最新的研究进展	研究人工智能技术在牙科实践中的整合及其效果	牙科领域的AI应用	数字病理	牙科疾病	深度学习	NA	图像	39篇全文文章，初始342篇文章
126	2025-07-03	Establishment and Reliability of an Automatic Measurement Method of Pectus Excavatum Indices Using a Deep Learning Model 2025-May, Cureus DOI:10.7759/cureus.84976 PMID:40585612	研究论文	本研究通过比较基于U-Net的自动分割与手动测量，评估了漏斗胸（PE）指数评估的一致性和准确性，旨在减少观察者间的变异并标准化PE严重性评估的临床工作流程	利用U-Net架构开发自动测量模型，显著减少观察者依赖性变异，提高临床工作效率	需要多中心验证以支持更广泛的放射学应用	评估漏斗胸指数评估的一致性和准确性，减少观察者间的变异并标准化临床工作流程	漏斗胸（PE）患者	数字病理	漏斗胸	深度学习	U-Net	CT扫描图像	550例胸部CT扫描（来自94名患者）用于训练，164例独立扫描用于验证
127	2025-07-01	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	本文提出了一种名为IECata的酶催化效率预测模型，该模型通过引入可解释的双线性注意力机制和证据深度学习，提高了预测的准确性和可解释性	结合证据深度学习提供不确定性估计，并利用双线性注意力机制解释酶催化反应中的关键残基和底物原子	可用的kcat/Km数据集规模有限，可能影响深度学习模型的进一步发展	提高酶催化效率（kcat/Km）的预测准确性，并提供可靠的不确定性估计和可解释性	酶催化效率（kcat/Km）	机器学习	NA	证据深度学习，双线性注意力机制	IECata	酶催化效率数据	11,815个kcat/Km条目（来自BRENDA和SABIO-RK数据库）和806个条目（来自文献的外部测试数据集）
128	2025-06-30	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	本文探讨了人工智能在药物研发中的潜力，从药物发现到临床试验	综述了AI在药物研发中的应用，包括加速药物发现、优化临床试验步骤以及个性化治疗	AI应用仍存在监管不足的问题，需要更深入的立法监督以确保安全、伦理和无偏见	评估AI在药物研发中的潜力，优化药物开发流程并提高治疗效果	药物研发过程中的生物和化学数据	人工智能	NA	机器学习、深度学习	NA	生物和化学数据	NA
129	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
130	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
131	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
132	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
133	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
134	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
135	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
136	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
137	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
138	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）
139	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
140	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