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
141	2025-10-06	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	提出了一种可解释的生成式转录程序框架iGTP，用于从单细胞转录组数据中学习可解释的细胞嵌入表示	设计了能够建模转录程序空间重要性和蛋白质相互作用的新型可解释生成框架，结合图神经网络和潜在扩散模型	NA	推断单细胞转录组数据背后的生物学机制	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, 图神经网络, 潜在扩散模型	基因表达数据	NA	NA	iGTP	功能富集分析性能	NA
142	2025-10-06	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	本系统综述探讨人工智能技术在牙科实践中的应用及其对诊断准确性、治疗规划和运营效率的影响	全面评估2019-2024年间AI在牙科多领域的应用效果，包括放射学、牙周病学、修复学、正畸学、肿瘤学等	仅纳入39篇符合标准的研究，可能存在发表偏倚，且依赖QUADAS-2工具的质量评估	系统评估人工智能技术在牙科实践中的整合应用及其临床效果	牙科临床实践中的诊断、治疗和管理流程	医疗人工智能	牙科疾病	深度学习算法	深度学习模型	牙科影像	39篇全文文献（从342篇初筛文献中筛选）	NA	NA	诊断准确性、运营效率	NA
143	2025-10-06	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	本研究开发了一种基于U-Net的自动测量方法，用于评估漏斗胸指数，并与人工测量进行一致性比较	首次将U-Net深度学习模型应用于漏斗胸指数的自动测量，显著降低了观察者间变异	需要多中心验证以支持更广泛的放射学应用	评估基于深度学习的自动测量方法在漏斗胸指数评估中的一致性和准确性	漏斗胸患者	计算机视觉	漏斗胸	胸部计算机断层扫描(CT)	CNN	医学影像	94名患者的714次胸部CT扫描（训练集550次，验证集164次）	NA	U-Net	组内相关系数(ICC), Bland-Altman分析, 错误率	NA
144	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
145	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
146	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
147	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
148	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
149	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
150	2025-10-06	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	通过多中心研究评估放射组学和深度学习在IPMN恶性肿瘤风险分层中的应用价值	首次在多中心研究中将放射组学与深度学习融合用于IPMN囊肿级别的恶性风险分层，超越了单一方法性能	模型性能仍需提升才能满足独立临床应用需求	开发AI模型用于预测IPMN异型增生等级	胰腺导管内乳头状黏液性肿瘤(IPMNs)	医学影像分析	胰腺癌	T2加权MRI成像	深度学习,放射组学	医学影像	359个T2W MRI图像，来自7个医疗中心	NA	2D和3D放射组学模型,深度学习模型,融合模型	AUC	NA
151	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
152	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
153	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）
154	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
155	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
156	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
157	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
158	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
159	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
160	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