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	2025-08-06	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2025-Jun-18, ArXiv PMID:40735097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）系列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对8种不同的MRI系列进行分类，并比较它们的性能，同时研究了不同训练数据量对模型性能的影响	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率有所下降，表明其在跨数据集泛化能力上存在一定局限性	开发一种高效的深度学习模型，用于准确分类多参数磁共振成像（mpMRI）系列类型	多参数磁共振成像（mpMRI）系列	计算机视觉	NA	mpMRI	ResNet, EfficientNet, DenseNet	图像	超过729项研究数据
42	2025-08-05	InclusiViz : Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation 2025-06, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3567117 PMID:40327496	研究论文	介绍了一个名为InclusiViz的可视化分析系统，用于多层次分析城市隔离现象，并促进数据驱动的干预措施开发	提出了一种结合深度学习和可解释AI的新方法，用于预测不同社会群体的移动模式并揭示环境特征对隔离的影响	未明确提及具体样本量或数据收集的地理范围限制	理解和缓解城市隔离现象，促进更包容的城市规划	人类移动数据和城市隔离模式	可视化分析	NA	深度学习、可解释AI	深度学习模型	人类移动数据	NA
43	2025-08-04	Leveraging Transfer Learning and Attention Mechanisms for a Computed Tomography Lung Cancer Classification Model 2025-Jun, Cureus DOI:10.7759/cureus.87071 PMID:40746804	研究论文	开发并评估了一种结合ResNet50V2和SE块的深度学习模型，用于从CT图像中自动分类肺癌亚型	将SE块与ResNet50V2结合，增强了通道特征重校准，提高了分类准确性	需要外部验证，模型可解释性有待提高，未来需探索如Vision Transformers等新兴架构	提高肺癌亚型分类的准确性和效率，辅助放射科医生进行诊断决策	肺癌CT图像	计算机视觉	肺癌	深度学习	ResNet50V2 + SE块	图像	1000张匿名肺部CT图像
44	2025-08-03	Deep Learning Can Accurately Predict the Prognosis of Gynecologic Smooth Muscle Tumors of Uncertain Malignant Potential: A Multicenter Pilot Study 2025-Jun-30, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104211 PMID:40602459	研究论文	本研究探讨了深度学习技术如何利用组织学切片预测妇科不确定恶性潜能平滑肌肿瘤(STUMP)的无进展生存期(PFS)并识别高风险患者	首次应用深度学习技术直接从STUMP的组织学切片中提取特征进行预后预测，实现了优于传统辅助技术的预测效果	样本量相对有限(95例STUMP)，需要进一步研究验证高风险组的分子标记物	探索深度学习技术对STUMP患者预后的预测能力	妇科不确定恶性潜能平滑肌肿瘤(STUMP)患者	数字病理学	妇科肿瘤	深度学习	DL模型	组织学切片图像	95例STUMP(79例训练集+16例外部验证集)，另包含160例子宫肌瘤和58例子宫肉瘤对照样本
45	2025-08-03	From Lab to Clinic: How Artificial Intelligence (AI) Is Reshaping Drug Discovery Timelines and Industry Outcomes 2025-Jun-30, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070981 PMID:40732273	综述	本文综述了人工智能（AI）在药物发现和开发中的应用及其对临床结果的影响	系统评估了AI在药物发现各阶段的应用，并分析了其对临床试验效率和制药成果的贡献	未来工作应扩展AI在代表性不足的治疗领域的应用，并改进模型以处理复杂的生物系统	评估AI在药物发现和开发中的作用及其对临床结果的影响	药物发现和开发过程中的AI应用	人工智能在医药领域的应用	肿瘤学、皮肤病学、神经学	机器学习（ML）、分子建模与模拟（MMS）、深度学习（DL）	NA	NA	分析2015年至2025年间发表的研究，涉及多个数据库
46	2025-08-03	Precision Enhanced Bioactivity Prediction of Tyrosine Kinase Inhibitors by Integrating Deep Learning and Molecular Fingerprints Towards Cost-Effective and Targeted Cancer Therapy 2025-Jun-28, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070975 PMID:40732265	研究论文	本研究提出了一种结合深度学习和分子指纹的机器学习框架，用于准确预测酪氨酸激酶抑制剂的生物活性，以加速药物开发的临床前阶段	整合了深度人工神经网络(dANNs)、卷积神经网络(CNNs)和结构分子指纹，显著提高了酪氨酸激酶抑制剂生物活性的预测准确性	研究仅基于ChEMBL数据库中的28,314个小分子，可能无法涵盖所有潜在的酪氨酸激酶抑制剂	开发一种成本效益高且针对性的癌症治疗方法，通过机器学习预测酪氨酸激酶抑制剂的生物活性	酪氨酸激酶抑制剂(TKIs)及其生物活性	机器学习	癌症	深度人工神经网络(dANNs)、卷积神经网络(CNNs)、支持向量机(SVM)、CatBoost	dANN, CNN, SVM, CatBoost	分子指纹和物理化学描述符(如分子量、LogP、氢键)	28,314个小分子
47	2025-08-03	Quantifying axonal features of human superficial white matter from three-dimensional multibeam serial electron microscopy data assisted by deep learning 2025-Jun, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121212 PMID:40222502	研究论文	利用深度学习辅助的三维多光束连续电子显微镜数据，量化人类浅表白质的轴突特征	首次在纳米级分辨率下对人类浅表白质中的短程联合纤维进行详细形态学表征，填补了该领域知识的空白	研究仅基于有限的组织体积（200×200×112μm），可能无法完全代表整个白质的特征	研究人类浅表白质中短程联合纤维的微观形态学特征，以揭示驱动大脑皮层间连接的轴突特征	人类浅表白质中的短程联合纤维	数字病理学	NA	多光束扫描电子显微镜（EM）	深度卷积神经网络（CNNs）	三维电子显微镜图像	128,285个髓鞘化轴突，其中70,321个长度超过10μm，2,102个长度超过100μm
48	2025-08-03	Dual-energy CT-based virtual monoenergetic imaging via unsupervised learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01560-y PMID:40448904	研究论文	本研究提出了一种基于无监督学习的双能CT虚拟单能成像方法，用于提高图像质量	无需训练和标记数据，通过无监督学习方法直接从双能CT图像生成高质量的虚拟单能图像	初步研究结果，样本量及具体临床应用效果需进一步验证	提高双能CT虚拟单能成像的图像质量	双能CT图像及虚拟单能图像	医学影像处理	NA	双能CT（DECT）	深度学习（DL）	医学影像	患者数据（具体数量未提及）
49	2025-07-30	Novel Snapshot-Based Hyperspectral Conversion for Dermatological Lesion Detection via YOLO Object Detection Models 2025-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070714 PMID:40722406	研究论文	提出了一种基于快照的超光谱转换方法，通过YOLO目标检测模型提高皮肤病变检测的准确性	提出了一种新型的光谱辅助视觉增强器（SAVE），能够一步将标准RGB图像转换为模拟窄带成像表示，并结合YOLO模型提升检测性能	YOLOv8和YOLOv5在WLI模式下表现较差，尽管SAVE有所改善，但仍不及YOLOv10和YOLOv9	提高皮肤病变检测的准确性和实时性	皮肤病变（包括皮肤纤维瘤、苔藓样病变和软纤维瘤）	计算机视觉	皮肤疾病	光谱辅助视觉增强器（SAVE）	YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv5	图像	三种病变类别的白光成像（WLI）和SAVE模态数据
50	2025-07-30	Quantitative Measures of Pure Ground-Glass Nodules from an Artificial Intelligence Software for Predicting Invasiveness of Pulmonary Adenocarcinoma on Low-Dose CT: A Multicenter Study 2025-Jun-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13071600 PMID:40722670	研究论文	本研究评估了基于深度学习的AI软件在低剂量CT上预测纯磨玻璃结节（pGGNs）肺腺癌侵袭性的诊断性能	首次使用商业AI软件的定量测量来预测pGGNs的侵袭性，并比较了AI与放射科医师在测量上的一致性	研究仅基于三个医疗中心的数据，可能缺乏更广泛的代表性	评估AI软件在低剂量CT上预测肺腺癌侵袭性的诊断性能	纯磨玻璃结节（pGGNs）	数字病理	肺癌	低剂量CT（LDCT）	深度学习	图像	388个pGGNs（训练队列198个，测试队列99个，外部验证队列91个）
51	2025-07-30	Analysis of Microbiome for AP and CRC Discrimination 2025-Jun-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070713 PMID:40722405	研究论文	本研究利用机器学习和合成数据技术分析微生物组数据，以区分腺瘤性息肉(AP)和结直肠癌(CRC)患者	采用合成数据生成技术解决微生物组数据不平衡问题，并结合深度学习特征提取和机器学习分类器进行疾病区分	样本量相对较小(148个样本)，且仅针对AP和CRC两种疾病	探索机器学习在微生物组数据分析中的应用，提高疾病分类准确性	61名患者(16名AP患者和46名CRC患者)的148个微生物组样本	机器学习	结直肠癌	Synthetic Data Vault Python库，高斯Copula合成器	逻辑回归模型，支持向量机(SVM)，深度学习分类器	微生物操作分类单元(OTU)计数数据	148个样本(34个AP样本，114个CRC样本)
52	2025-07-30	Deep Learning Spinal Cord Segmentation Based on B0 Reference for Diffusion Tensor Imaging Analysis in Cervical Spondylotic Myelopathy 2025-Jun-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070709 PMID:40722401	研究论文	本研究提出了一种基于深度学习的脊髓DTI图像自动分割方法，旨在解决颈椎病性脊髓病变(CSM)诊断中手动分割的局限性	提出了名为SCS-Net的新型深度学习模型，采用经典U型架构和轻量级特征提取模块，有效缓解训练数据稀缺问题，并支持八区域脊髓分割	研究样本仅来自单一中心的89名CSM患者，可能存在样本代表性不足的问题	开发AI驱动的脊髓DTI图像自动分割方法以辅助CSM诊断	颈椎病性脊髓病变(CSM)患者的脊髓DTI图像	数字病理	颈椎病性脊髓病变	DTI(弥散张量成像)	U-Net架构的SCS-Net	医学影像	89名CSM患者
53	2025-07-30	A Hybrid Framework Integrating Traditional Models and Deep Learning for Multi-Scale Time Series Forecasting 2025-Jun-28, Entropy (Basel, Switzerland) DOI:10.3390/e27070695 PMID:40724412	research paper	提出了一种结合传统统计模型和深度学习模型的多尺度时间序列预测混合框架	设计了一种新颖的多尺度预测机制，结合了传统模型（ARIMA）和深度学习模型（如LSTM和Transformer）的优势，以更好地捕捉短期模式和长期依赖关系	未提及具体局限性	提高时间序列预测在短期和长期范围内的准确性	时间序列数据	machine learning	NA	ARIMA, LSTM, Transformer	混合模型（ARIMA + LSTM/Transformer）	时间序列数据	八个公共数据集（电力、汇率、天气、交通、疾病、ETTh1/2和ETTm1/2）
54	2025-07-30	A Unified Deep Learning Ensemble Framework for Voice-Based Parkinson's Disease Detection and Motor Severity Prediction 2025-Jun-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070699 PMID:40722391	研究论文	本研究提出了一种混合集成学习框架，用于基于生物医学语音特征的帕金森病（PD）联合检测和运动严重程度预测	结合深度多模态融合模型与密集专家路径、多头自注意力和多任务输出分支，同时执行二元分类和回归	未明确提及具体局限性	开发准确且可泛化的模型，用于基于语音的帕金森病监测	帕金森病患者	机器学习	帕金森病	深度多模态融合模型、集成学习策略（Random Forest, Gradient Boosting, XGBoost）	融合模型、XGBoost、深度神经网络	语音特征数据	未明确提及具体样本量
55	2025-07-30	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-Jun-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	research paper	提出了一种名为scAttG的深度学习框架，通过整合染色质可及性和基因组序列信息来改进scATAC-seq数据的细胞类型注释	结合了图注意力网络（GATs）和卷积神经网络（CNNs），同时利用染色质可及性信号和基因组序列特征，提高了细胞类型注释的鲁棒性和准确性	未明确提及具体局限性，但可能受限于数据质量和模型泛化能力	改进单细胞染色质可及性测序（scATAC-seq）数据的细胞类型注释方法	scATAC-seq数据	生物信息学	NA	scATAC-seq	GATs, CNNs	基因组序列数据, 染色质可及性数据	多个scATAC-seq数据集
56	2025-07-30	Identification of Key Genes Associated with Overall Survival in Glioblastoma Multiforme Using TCGA RNA-Seq Expression Data 2025-Jun-27, Genes IF:2.8Q2 DOI:10.3390/genes16070755 PMID:40725410	研究论文	本研究通过机器学习和深度学习方法，利用RNA-Seq基因表达数据识别与胶质母细胞瘤(GBM)总体生存相关的关键基因	结合机器学习和深度学习模型（特别是DeepSurv）识别GBM预后基因表达生物标志物，DeepSurv显示出更高的预测准确性	研究结果需要进一步验证，且样本仅来自TCGA数据库	识别与胶质母细胞瘤(GBM)患者总体生存相关的关键基因，以改善患者分层和治疗计划	胶质母细胞瘤(GBM)患者的RNA-Seq基因表达数据和临床数据	机器学习	胶质母细胞瘤	RNA-Seq	RF, GB, SVM-RFE, RF-RFE, PCA, DeepSurv	基因表达数据	TCGA数据库中的原发性GBM肿瘤数据（具体数量未提及）
57	2025-07-30	Integrating Deep Learning and Transcriptomics to Assess Livestock Aggression: A Scoping Review 2025-Jun-26, Biology DOI:10.3390/biology14070771 PMID:40723331	综述	本文通过综述深度学习与转录组学在评估家畜攻击行为中的应用，探讨了当前研究趋势与未解决的问题	整合深度学习和转录组学两种创新工具，评估家畜攻击行为的研究现状与未来方向	现有研究缺乏两种方法的结合，行为注释不一致，农场实际验证不足，跨模态整合有限	评估深度学习和转录组学在家畜攻击行为研究中的应用现状与趋势	家畜（猪、牛、家禽、小型反刍动物、骆驼、鱼类等）	数字病理学	NA	深度学习视频分析、转录组分析	CNN	视频、转录组数据	268项原始研究（250项AI驱动行为表型研究，18项转录组研究）
58	2025-07-30	Improving the Minimum Free Energy Principle to the Maximum Information Efficiency Principle 2025-Jun-26, Entropy (Basel, Switzerland) DOI:10.3390/e27070684 PMID:40724400	研究论文	本文提出了一种基于语义信息G理论和语义变分贝叶斯(SVB)的最大信息效率(MIE)原则，以改进最小自由能原理(FEP)	提出了语义变分贝叶斯(SVB)和最大信息效率(MIE)原则，解决了FEP的理论缺陷和局限性	需要结合深度学习方法以实现更广泛的应用	改进最小自由能原理(FEP)，提出更优的信息处理原则	信息处理原则、语义信息理论	机器学习	NA	语义变分贝叶斯(SVB)、变分贝叶斯(VB)方法	NA	NA	NA
59	2025-07-30	TFSNet: A Time-Frequency Synergy Network Based on EEG Signals for Autism Spectrum Disorder Classification 2025-Jun-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15070684 PMID:40722277	研究论文	本文提出了一种基于EEG信号的时间-频率协同网络（TFSNet），用于提高自闭症谱系障碍（ASD）分类的准确性	提出了动态残差块（TDRB）增强时域特征提取，结合短时傅里叶变换（STFT）、卷积注意力机制和变换技术捕获频域信息，并设计了自适应跨域注意力机制（ACDA）实现时间-频率特征的高效融合	实验数据集规模较小（Sheffield大学数据集包含28名ASD患者和28名健康对照，KAU数据集包含12名ASD患者和5名健康对照）	提高自闭症谱系障碍（ASD）EEG信号分类的准确性	自闭症谱系障碍（ASD）患者和健康对照的EEG信号	数字病理学	自闭症谱系障碍	短时傅里叶变换（STFT）	TFSNet（时间-频率协同网络）	EEG信号	Sheffield大学数据集：28名ASD患者和28名健康对照；KAU数据集：12名ASD患者和5名健康对照
60	2025-07-30	EnsembleNPPred: A Robust Approach to Neuropeptide Prediction and Recognition Using Ensemble Machine Learning and Deep Learning Methods 2025-Jun-25, Life (Basel, Switzerland) DOI:10.3390/life15071010 PMID:40724513	研究论文	提出了一种名为EnsembleNPPred的集成学习框架，用于神经肽的预测和识别	结合传统机器学习模型和深度学习组件，通过多数投票机制整合三种分类器的输出，提高了预测的鲁棒性和泛化能力	未提及具体的数据集规模限制或模型在特定条件下的性能下降情况	开发一种计算预测工具，用于优先考虑实验验证的候选神经肽序列	神经肽（NPs）	机器学习	NA	集成学习、深度学习	SVM、Extra Trees、CNN	序列数据	未明确提及具体样本数量，但使用了NeuroPep数据库中的多个神经肽家族进行测试