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
41	2025-07-21	druglikeFilter 1.0: An AI powered filter for collectively measuring the drug-likeness of compounds 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101298 PMID:40678482	研究论文	介绍了一个基于深度学习的框架druglikeFilter，用于从四个关键维度评估化合物的药物相似性	首次提出一个综合评估药物相似性的深度学习框架，涵盖物理化学规则、毒性警报、结合亲和力和化合物可合成性四个维度	未提及具体性能指标或与其他工具的对比结果	降低药物开发成本并提高成功率	化合物库中的化合物	机器学习	NA	深度学习	NA	化学化合物数据	未提及具体样本数量
42	2025-07-21	In silico prediction of pK a values using explainable deep learning methods 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101174 PMID:40678476	research paper	本研究提出了一种名为GraFp的pKa预测模型，结合了图神经网络和分子指纹技术，旨在提高预测准确性和可解释性	GraFp模型不仅提高了pKa预测的准确性，还通过集成梯度（IGs）增强了模型的可解释性，能够清晰展示对pKa值有显著影响的原子	NA	开发一个既准确又可解释的pKa预测模型，以支持药物研究中的ADMET属性评估	分子及其pKa值	machine learning	NA	graph neural networks (GNNs), molecular fingerprints, Integrated Gradients (IGs)	GNN	molecular structure data	NA
43	2025-07-21	Identify drug-drug interactions via deep learning: A real world study 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101194 PMID:40678481	研究论文	本研究开发了一种名为MDFF的多维特征融合模型，用于预测药物-药物相互作用（DDIs），并在真实世界数据中验证其性能	MDFF模型整合了一维简化分子输入行条目系统序列特征、二维分子图特征和三维几何特征，以增强药物表示，提高DDI预测的准确性	尽管在真实世界数据中表现良好，但样本量较小（仅12份不良反应报告），可能需要更大规模的数据验证	开发一种能够准确预测药物-药物相互作用的深度学习模型，并验证其在临床实践中的应用潜力	药物-药物相互作用（DDIs）	机器学习	NA	深度学习	MDFF（多维特征融合模型）	分子序列数据、分子图数据、几何特征数据	两个DDI数据集和12份真实世界不良反应报告
44	2025-07-20	Automated machine learning predicts liver metastases in patients with early-onset gastroenteropancreatic neuroendocrine tumors 2025-Jun-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-946 PMID:40672078	研究论文	本研究利用自动化机器学习（AutoML）方法开发了一个预测模型，用于早期检测早发性胃肠胰神经内分泌肿瘤（GEP-NETs）患者的肝转移	使用AutoML方法构建预测模型，并比较了多种算法（GBM、GLM、DL、DRF）的性能，其中GBM算法表现最佳	研究基于回顾性数据，可能存在选择偏倚	开发一个预测模型，用于早期检测早发性GEP-NETs患者的肝转移	早发性GEP-NETs患者	机器学习	胃肠胰神经内分泌肿瘤	AutoML	GBM, GLM, DL, DRF	临床数据	12,802名患者（训练集8,983名，验证集3,819名）
45	2025-07-20	Development and validation of growth prediction models for multiple pulmonary ground-glass nodules based on CT features, radiomics, and deep learning 2025-Jun-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-1039 PMID:40673084	研究论文	开发并验证基于CT特征、放射组学和深度学习的多发性肺磨玻璃结节生长预测模型	首次针对多发性肺磨玻璃结节开发生长预测模型，结合临床特征、放射组学和深度学习技术，并比较不同模型的预测性能	研究为回顾性设计，样本量相对有限（231名患者，732个结节），且随访时间可能不足以捕捉所有结节的生长模式	预测多发性肺磨玻璃结节的生长模式，以更精确地识别需要密切监测或早期干预的结节	多发性肺磨玻璃结节患者及其CT影像数据	数字病理	肺癌	CT扫描、放射组学分析、深度学习	临床模型、放射组学模型、DL模型、临床-放射组学模型、临床-DL模型	医学影像（CT）	231名患者（平均年龄54.1±9.9岁，26.4%男性，73.6%女性），共732个磨玻璃结节
46	2025-07-20	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	研究[177Lu]Lu-DOTATATE肽受体放射性核素治疗(PRRT)在转移性神经内分泌肿瘤(NETs)中的药代动力学、剂量学模式及吸收剂量(AD)-效应关系，以制定未来个性化剂量引导治疗策略	揭示了不同治疗周期和不同NET亚组的剂量学行为，并建立了eGFR与AD之间的关系模型，可用于早期预测肾功能	样本量较小(30例患者)，且未观察到高于2级的肾毒性	优化PRRT个性化治疗方案	转移性神经内分泌肿瘤患者	放射治疗	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量率图生成、剂量率拟合	深度学习算法(用于肾脏分割)	医学影像(SPECT/CT)	30例患者(22例完成所有周期SPECT/CT成像)
47	2025-07-20	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Jun, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	研究论文	该研究提出了一种使用语义文本相似性（STS）方法来链接创伤性脑损伤（TBI）不同症状量表之间的症状和评分	利用预训练的深度学习模型通过语义文本相似性来链接不同症状量表，解决了TBI诊断和结果预测中结果不可比的问题	需要进一步验证该方法在其他疾病或症状量表上的适用性	解决创伤性脑损伤（TBI）诊断和结果预测中不同症状量表结果不可比的问题	创伤性脑损伤（TBI）的症状量表和患者数据	自然语言处理	创伤性脑损伤	语义文本相似性（STS）	预训练的深度学习模型	文本	来自16个国际数据源的6,607名参与者
48	2025-07-20	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选进行聚类	结合图同构网络（GIN）模型与k-means和层次凝聚聚类方法，首次实现了RNA结构基序的自动化聚类，并发现了新的RNA结构基序家族	未提及该方法在超大规模RNA结构数据集上的计算效率问题	开发自动化工具解决RNA结构基序识别难题	RNA环状区域的结构基序	生物信息学	NA	图同构网络（GIN），k-means聚类，层次凝聚聚类	GIN	RNA 3D结构数据	成功识别927个已知基序家族新实例和12个新基序家族
49	2025-07-19	Deep Learning-Based MRI Analysis Reveals Lewy Body Co-Pathology Accelerates Brain Aging in Alzheimer's Disease 2025-Jun-26, Research square DOI:10.21203/rs.3.rs-6874970/v1 PMID:40678251	研究论文	本研究利用深度学习分析MRI扫描，揭示了路易体共病理加速阿尔茨海默病患者脑老化	首次结合脑脊液α-突触核蛋白种子扩增实验和深度学习MRI分析，量化路易体共病理对阿尔茨海默病神经退行性变的影响	研究样本主要来自认知障碍患者，可能无法完全代表疾病早期变化	探究路易体病理与阿尔茨海默病共存的协同效应对脑老化的影响	4,355名认知正常个体和803名认知障碍患者的MRI数据	数字病理学	阿尔茨海默病	MRI扫描和脑脊液α-突触核蛋白种子扩增实验(SAA)	深度学习模型	MRI图像	4,355名认知正常个体用于模型训练，803名认知障碍患者用于应用分析
50	2025-07-19	FIR-LSTM: An Explainable Deep Learning Framework for Predicting Iatrogenic Withdrawal Syndrome in Pediatric Intensive Care Units 2025-Jun-25, Research square DOI:10.21203/rs.3.rs-6787167/v1 PMID:40678213	研究论文	开发了一种可解释的深度学习框架FIR-LSTM，用于预测儿科重症监护病房中的医源性戒断综合征	结合单向多层LSTM网络和层间相关性传播（LRP）技术，提高了模型的解释性和预测性能	研究仅基于电子健康记录（EHRs），未考虑其他可能的临床因素	早期预测儿科ICU患者医源性戒断综合征（IWS）风险，以促进及时干预	儿科重症监护病房患者	机器学习	医源性戒断综合征	层间相关性传播（LRP）	LSTM	电子健康记录（EHRs）	NA
51	2025-07-19	AVN: A Deep Learning Approach for the Analysis of Birdsong 2025-Jun-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.10.593561 PMID:39229184	研究论文	本文介绍了一种名为AVN的深度学习行为分析流程，用于斑胸草雀等鸣禽学习发声的分析	开发了无需额外训练数据即可跨多个动物群体高精度注释鸣声的深度学习流程，并生成可解释的特征集来描述鸣声的语法、时间和声学特性	NA	通过标准化表型和学习结果的映射，促进和加速对发声行为的研究，从而更好地将行为与潜在的神经过程联系起来	斑胸草雀的鸣声	深度学习	NA	深度学习	NA	音频数据	多个研究小组和实验中的斑胸草雀鸣声数据
52	2025-07-19	Development and validation of a deep learning-based automatic classification algorithm for the medial temporal lobe atrophy score using a multimodality cascade transformer 2025-Jun-17, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106993 PMID:40675115	research paper	开发并验证了一种基于深度学习的自动分类算法，用于认知障碍患者内侧颞叶萎缩（MTA）评分的分类	使用多模态级联Transformer开发深度学习模型，自动化MTA评分分类	模型性能在深度学习和机器学习方法之间相似，未显示出显著优势	开发并验证自动分类算法以评估认知障碍患者的MTA评分	认知障碍患者	digital pathology	geriatric disease	deep learning, machine learning	Transformer	image	训练数据集1694名患者，内部测试数据集297名患者，外部测试数据集400名患者
53	2025-07-19	Regulatory risk loci link disrupted androgen response to pathophysiology of Polycystic Ovary Syndrome 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.26.25324630 PMID:40196246	研究论文	本研究整合分子和表观基因组注释，利用深度学习框架预测多囊卵巢综合征（PCOS）风险变异的细胞类型特异性调控效应	使用深度学习模型预测PCOS风险变异的调控效应，揭示这些变异如何影响关键转录因子结合位点，从而调控促性腺激素信号、卵泡生成和类固醇生成	研究主要基于预测模型，需要进一步的实验验证来确认这些调控效应的生物学意义	解析PCOS的复杂遗传景观，揭示易感位点如何驱动分子机制	多囊卵巢综合征（PCOS）风险变异及其在脑和内分泌细胞类型中的调控效应	机器学习	多囊卵巢综合征	深度学习（DL）	深度学习模型	表观基因组数据	NA
54	2025-07-19	Current State of Artificial Intelligence Model Development in Obstetrics 2025-Jun-05, Obstetrics and gynecology IF:5.7Q1 DOI:10.1097/AOG.0000000000005944 PMID:40472381	综述	本文回顾了最近关于人工智能在产科应用的相关文献，描述了AI在特定产科问题中的应用趋势，并评估了AI对产科护理的潜在影响	总结了AI在产科领域的最新应用趋势，并指出了未来可能影响产科护理的AI技术	大多数研究的人群与美国人口差异较大，其普遍适用性不确定，且很少有模型真正部署到产科实践中	评估人工智能在产科领域的应用现状及其对产科护理的潜在影响	产科领域的人工智能应用	数字病理学	产科疾病	机器学习, 深度学习, 神经网络	NA	NA	研究样本量从10到953,909不等
55	2025-07-19	Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging 2025-Jun-03, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2510587 PMID:40459922	research paper	开发一种深度学习模型，利用眼眶CT成像准确区分甲状腺眼病和眼眶肌炎	使用深度学习模型通过单一冠状位眼眶CT图像高精度区分甲状腺眼病和眼眶肌炎，并识别除眼外肌增大外的其他显著特征	单中心回顾性研究，样本量相对较小	开发一种能够准确区分甲状腺眼病和眼眶肌炎的深度学习模型	甲状腺眼病和眼眶肌炎患者及正常对照	digital pathology	thyroid eye disease, orbital myositis	orbital computed tomography (CT) imaging	Visual Geometry Group-16 network	image	1628张图像来自192名患者（110名甲状腺眼病，51名眼眶肌炎，31名对照）
56	2025-07-19	An innovative ensemble approach of deep learning models with soft computing techniques for GIS-based drought-zonation mapping in Rarh Region, West Bengal 2025-Jun, Environmental science and pollution research international DOI:10.1007/s11356-025-36634-7 PMID:40560313	research paper	本研究提出了一种创新的深度学习集成方法，结合软计算技术，用于基于GIS的西孟加拉邦Rarh地区干旱分区制图	采用Hybrid Deep Learning Ensemble模型进行干旱分区制图，相比传统MLP NN和DenseNet神经网络具有更高精度	研究仅针对西孟加拉邦Rarh地区，可能无法直接推广到其他地理区域	开发高精度的干旱分区制图方法，以支持干旱风险管理和可持续发展战略	西孟加拉邦Rarh地区的Birbhum和Purba Bardhhaman地区	machine learning	NA	GIS, 深度学习集成方法	MLP NN, DenseNet, Hybrid Deep Learning Ensemble	地理空间数据, 气象数据, 农业数据, 水文数据, 社会经济数据	27个干旱评估因子，覆盖Birbhum和Purba Bardhhaman地区
57	2025-07-18	Research on prediction algorithm of effluent quality and development of integrated control system for waste-water treatment 2025-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03612-5 PMID:40456765	研究论文	本研究提出了一种用于废水处理厂出水质量预测的深度学习算法和集成控制系统，以提高处理效率和资源利用率	结合QR-RF元学习器与CNN、LSTM和GRU的深度学习模型，以及新型集成控制系统，显著提升了预测精度和能源/化学品消耗优化	研究仅在江苏省某大都市废水处理厂进行测试，未涉及更多不同规模或类型的处理厂	开发高效的废水处理质量预测和控制系统以减少水污染并优化资源利用	废水处理厂的出水质量和处理过程	机器学习	NA	深度学习	QR-RF, CNN, LSTM, GRU	废水处理过程数据	江苏省大都市废水处理厂的运行数据
58	2025-07-17	2D Prediction of the Nutritional Composition of Dishes from Food Images: Deep Learning Algorithm Selection and Data Curation Beyond the Nutrition5k Project 2025-Jun-30, Nutrients IF:4.8Q1 DOI:10.3390/nu17132196 PMID:40647299	研究论文	本文评估了几种标准深度学习模型在预测食物图像中质量、能量和宏量营养素含量方面的性能，并探讨了数据质量和国家特定食物成分数据库对模型泛化的影响	首次系统评估了不同深度学习模型在预测食物营养成分方面的性能，并提出了针对意大利饮食评估工具的数据优化方法	对于复杂沙拉、鸡肉或鸡蛋类菜肴以及西式早餐的预测性能普遍较差	开发基于食物图像的营养成分预测方法	食物图像及其营养成分	计算机视觉	NA	深度学习	ResNet-50, ResNet-101, InceptionV3, Vision Transformer-B-16	图像	约5000道美国食堂复杂菜肴
59	2025-07-17	Rice Canopy Disease and Pest Identification Based on Improved YOLOv5 and UAV Images 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134072 PMID:40648327	研究论文	基于改进的YOLOv5和无人机图像的水稻冠层病虫害识别方法	提出了一种改进的YOLOv5模型（YOLOv5_DWMix），通过引入深度可分离卷积、MixConv模块、注意力机制和优化损失函数，显著提升了模型的速度、特征提取能力和鲁棒性	面对复杂田间环境和小数据集的挑战，仍需依赖图像增强技术	实现水稻冠层病虫害的准确及时识别	水稻冠层病虫害	计算机视觉	水稻病虫害	无人机图像采集、深度学习	改进的YOLOv5（YOLOv5_DWMix）	图像	四种常见水稻冠层病虫害的数据集
60	2025-07-17	Unlabeled-Data-Enhanced Tool Remaining Useful Life Prediction Based on Graph Neural Network 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134068 PMID:40648324	研究论文	提出了一种基于图神经网络的未标记数据增强工具剩余使用寿命预测方法	利用未标记数据进行增强学习，通过自定义准则和损失函数从未标记数据中提取有价值信息，并结合图神经网络进行多传感器数据融合	未提及具体的数据集规模限制或实际工业应用中的潜在挑战	提高切削工具剩余使用寿命预测的准确性和泛化能力	切削工具	机器学习	NA	图神经网络(GNN), 迁移学习	GNN	多传感器采集的切割数据	未明确提及具体样本数量