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
121	2025-10-06	Perturbation response scanning of drug-target networks: Drug repurposing for multiple sclerosis 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101295 PMID:40678478	研究论文	本研究提出基于网络扰动建模的药物重定位方法，应用于多发性硬化症治疗	将扰动响应扫描技术扩展至药物-靶点网络分析，结合深度学习与网络扰动建立系统性药物重定位框架	方法验证仅通过小鼠模型进行，尚未进行临床验证	开发系统性药物重定位方法用于多发性硬化症治疗	多发性硬化症及相关药物靶点网络	网络医学	多发性硬化症	弹性网络模型,扰动响应扫描,深度学习,随机游走重启算法	深度学习,网络模型	基因数据,网络数据,实验数据	铜宗诱导的慢性小鼠模型	NA	NA	NA	NA
122	2025-10-06	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	开发了一种基于深度学习的药物相似性评估框架druglikeFilter，用于从四个关键维度综合评价化合物的药物相似性	首个支持系统性评估和高效筛选的综合性工具，通过四个关键维度（理化规则、毒性预警、结合亲和力、合成可行性）全面评估药物相似性	NA	降低药物开发成本并提高成功率，通过早期综合评估化合物药物相似性	化合物库中的化学化合物	机器学习	NA	深度学习	深度学习框架	化学化合物数据	NA	NA	NA	NA	NA
123	2025-10-06	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	研究论文	本研究开发了一种结合图神经网络和分子指纹的pKa预测模型GraFpK，并利用积分梯度方法提升模型可解释性	在提升预测精度的同时，通过集成积分梯度方法提供原子级可视化解释，增强了模型的可解释性	未明确说明模型在特定分子类型或化学空间中的泛化能力限制	开发高精度且可解释的pKa值预测计算方法	分子的酸解离常数(pKa)预测	机器学习	NA	计算化学方法	图神经网络(GNN)	分子结构数据	NA	NA	图神经网络结合分子指纹	平均绝对误差(MAE)	NA
124	2025-10-06	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的多维特征融合深度学习模型，用于识别药物相互作用并在真实世界数据中进行验证	整合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的多维药物特征融合方法	仅在单一医疗中心的有限样本中进行验证，样本量相对较小	开发能够准确识别药物相互作用的深度学习模型并验证其临床实用性	药物相互作用及其相关的不良药物反应	机器学习	NA	深度学习	深度学习模型	分子序列数据、分子图数据、几何特征数据、不良药物反应报告	两个DDI数据集和12份真实世界不良药物反应报告	NA	MDFF（多维特征融合模型）	准确率、精确率、召回率、AUC、F1分数	NA
125	2025-10-06	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	本研究开发了一种基于自动化机器学习的模型，用于预测早发性胃肠胰神经内分泌肿瘤患者发生肝转移的风险	首次将自动化机器学习技术应用于早发性胃肠胰神经内分泌肿瘤肝转移的预测，并比较了多种算法的性能	基于回顾性数据，可能存在选择偏倚；仅使用SEER数据库，缺乏外部验证	开发肝转移预测模型以改善早发性胃肠胰神经内分泌肿瘤患者的预后管理	早发性胃肠胰神经内分泌肿瘤患者（诊断年龄<50岁）	机器学习	神经内分泌肿瘤	自动化机器学习	GBM, GLM, DL, DRF, LASSO, 逻辑回归	临床数据	12,802例患者（训练集8,983例，验证集3,819例）	AutoML	梯度提升机，广义线性模型，深度学习，分布式随机森林	AUC, ROC, 校准曲线, 决策曲线分析	NA
126	2025-10-06	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	基于CT特征、影像组学和深度学习开发并验证了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、影像组学和深度学习进行综合预测	回顾性研究设计，样本量相对有限（231名患者），缺乏外部验证	预测多发性肺磨玻璃结节的生长模式，辅助临床决策	多发性肺磨玻璃结节患者	医学影像分析	肺癌	CT扫描，影像组学分析，深度学习	深度学习模型	CT影像数据	231名患者的732个磨玻璃结节	NA	NA	AUC，灵敏度，特异性	NA
127	2025-10-06	Machine learning-guided single-cell multiomics uncovers GDF15-driven immunosuppressive niches in NSCLC: A translational framework for overcoming anti-PD-1 resistance 2025-Jun-28, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102459 PMID:40582068	研究论文	本研究通过机器学习引导的单细胞多组学分析，揭示了GDF15驱动的免疫抑制微环境在非小细胞肺癌抗PD-1耐药中的作用机制	开发了加速斜向随机生存森林模型，首次将GDF15确立为预测免疫检查点抑制剂耐药的一流生物标志物，并建立了连接计算预测与单细胞机制洞察的转化研究框架	功能研究表明GDF15敲低对肿瘤固有增殖无显著影响，样本量相对有限（n=156），外部验证仅使用黑色素瘤队列	系统识别免疫检查点抑制剂疗效的决定因素，建立克服抗PD-1耐药的转化研究框架	非小细胞肺癌患者样本，Lewis肺癌细胞系，黑色素瘤队列数据	机器学习，数字病理学	肺癌	单细胞RNA测序，多组学分析，基因敲低	随机生存森林，Cox回归，深度学习	单细胞RNA测序数据，临床生存数据	4个NSCLC队列共156例样本，外部验证使用黑色素瘤队列GSE91061	NA	加速斜向随机生存森林	C-index	NA
128	2025-10-06	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	本研究使用语义文本相似性方法连接不同创伤性脑损伤症状量表，解决评估结果不可比的问题	首次应用语义文本相似性技术来连接不同症状量表，通过概念相似性排名实现跨量表的症状和分数转换	需要进一步验证在更广泛症状量表和患者群体中的适用性	解决创伤性脑损伤评估中不同症状量表结果不可比的问题	创伤性脑损伤患者的症状评估量表	自然语言处理	创伤性脑损伤	语义文本相似性	深度学习模型	文本	来自16个国际数据源的6,607名参与者	NA	预训练深度学习模型	准确率, 相关性分析, 因子分析	NA
129	2025-10-06	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	提出了一种基于图同构网络的RNA结构基序聚类工具GINClus，用于自动识别和聚类RNA结构基序	首次将图同构网络应用于RNA结构基序聚类，结合k均值和层次凝聚聚类方法，能够发现新的RNA结构基序家族	NA	开发自动化的RNA结构基序聚类工具以替代传统手动分析方法	RNA结构基序候选区域（RNA环区域）	生物信息学	NA	RNA结构分析	图神经网络	RNA三维结构数据，碱基相互作用数据	NA	NA	图同构网络	聚类准确率	NA
130	2025-10-06	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	本研究通过整合多囊卵巢综合征相关细胞类型的分子和表观基因组注释，采用深度学习框架预测风险变异对雄激素反应的调控影响	首次将深度学习模型与表观基因组数据整合，系统揭示PCOS风险变异通过破坏转录因子结合位点影响多组织调控机制	研究主要基于计算预测，需要更多实验验证；风险变异的功能验证仍需深入	解析多囊卵巢综合征遗传易感位点驱动分子机制的途径	多囊卵巢综合征风险变异及其调控功能	生物信息学	多囊卵巢综合征	深度学习、表观基因组注释、报告基因检测	深度学习	基因组数据、表观基因组数据	NA	NA	NA	与报告基因检测数据一致性	NA
131	2025-10-06	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	本文综述了2019年至2024年间产科人工智能模型开发的最新进展，分析了应用趋势并评估其对产科护理的潜在影响	首次系统评估了近五年产科AI研究的全球现状，识别出最具临床应用潜力的AI模型类型	大多数研究患者群体与美国人群差异较大，模型泛化能力不确定，且极少模型已实际部署到临床实践	评估人工智能在产科领域的应用现状和发展趋势	2019年6月至2024年5月期间发表的产科AI相关研究文献	医疗人工智能	产科疾病	文献系统回顾与质量评估	机器学习,深度学习,神经网络	医学文献数据	从207篇最终纳入文献中分析，研究人群规模从10到953,909不等	NA	NA	预测准确性,模型验证	NA
132	2025-10-06	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	研究论文	开发基于眼眶CT影像的深度学习模型，用于准确区分甲状腺眼病和眼眶肌炎	首次使用VGG-16网络在单张冠状位眼眶CT图像上实现甲状腺眼病和眼眶肌炎的高精度区分，不仅基于眼外肌增大还利用其他显著特征	回顾性单中心研究，样本量有限（192名患者）	开发能够准确区分甲状腺眼病和眼眶肌炎的深度学习诊断模型	甲状腺眼病患者、眼眶肌炎患者和正常对照组的眼眶CT影像	计算机视觉	甲状腺眼病	CT成像	CNN	图像	192名患者（110例甲状腺眼病，51例眼眶肌炎，31例对照），共1628张图像	NA	VGG-16	准确率, AUC, 灵敏度, 特异性, F1分数	NA
133	2025-10-06	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	研究论文	本研究采用深度学习集成方法结合软计算技术，为西孟加拉邦Rarh地区开发基于GIS的干旱分区地图	提出混合深度学习集成模型，结合多层感知器神经网络和DenseNet神经网络，用于精确绘制干旱易发区地图	研究区域局限于西孟加拉邦的Rarh地区，可能限制了模型的普适性	分析干旱情景并开发精确的干旱分区地图，为干旱管理提供决策支持	西孟加拉邦Rarh地区的Birbhum和Purba Bardhhaman地区	地理信息系统, 环境科学	NA	GIS, 深度学习, 软计算技术	MLP, DenseNet, 集成学习	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3个月、6个月和12个月三个时间尺度	NA	多层感知器神经网络, DenseNet神经网络, 混合深度学习集成模型	ROC-AUC	NA
134	2025-10-06	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	本研究开发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	提出结合CNN、LSTM和GRU的QR-RF元学习器深度学习框架，并开发了集成控制系统	研究仅在江苏省某城市废水处理厂进行测试，未在其他地区验证	提高废水处理效率和质量预测精度，优化资源消耗	废水处理厂出水质量	机器学习	NA	深度学习	CNN,LSTM,GRU	废水质量监测数据	亚洲江苏省某城市废水处理厂数据	NA	CNN,LSTM,GRU,Random Forest	RMSE,MAE,COD去除率	NA
135	2025-10-06	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	本研究评估多种深度学习模型从食物图像预测营养组成的性能，并探讨数据质量对模型泛化能力的影响	超越Nutrition5k项目的数据管理方法，评估不同国家食物成分数据库对齐和数据管理策略对营养预测模型性能的影响	对复杂沙拉、鸡肉/鸡蛋类菜肴和西式早餐的预测性能普遍较差	开发意大利饮食评估工具，从食物图像直接预测质量、能量和宏量营养素含量	约5000种美国食堂复杂菜肴的食物图像和营养组成数据	计算机视觉	NA	深度学习	CNN, Transformer	图像	约5000个复杂菜肴样本	NA	ResNet-50, ResNet-101, InceptionV3, Vision Transformer-B-16	平均绝对百分比误差, 一致性百分比, 未加权Cohen's kappa, Bland-Altman图	NA
136	2025-10-06	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YOLOv5模型和无人机图像的水稻冠层病虫害识别方法	在YOLOv5骨干网络中引入深度可分离卷积、MixConv模块、注意力机制和优化损失函数，显著提升模型速度、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	实现水稻冠层病虫害的准确及时识别	四种常见水稻冠层病虫害	计算机视觉	NA	无人机图像采集、深度学习	YOLOv5	图像	NA	NA	YOLOv5_DWMix	平均精度	NA
137	2025-10-06	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	利用未标记数据定义自定义准则和损失函数，通过迁移学习将物理规则知识转移到标记数据模型中	未明确说明数据质量和模型计算复杂度	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	多传感器数据采集	图神经网络	多传感器时序数据	NA	NA	图神经网络	准确性, 泛化能力	NA
138	2025-10-06	FUSE-Net: Multi-Scale CNN for NIR Band Prediction from RGB Using GNDVI-Guided Green Channel Enhancement 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134076 PMID:40648337	研究论文	提出一种基于GNDVI引导的绿色通道增强方法和FUSE-Net深度学习模型，用于从RGB图像预测近红外波段	提出GNDVI引导的绿色通道调整方法(G-RGB)和结合多尺度卷积与MLP-Mixer通道学习的新型FUSE-Net架构	该方法不能替代真实的近红外数据，仅在RGB图像可用时提供可行近似	探索从标准RGB图像估计近红外反射率的低成本替代方案	罗勒叶片植被	计算机视觉	NA	高光谱成像(HSI)	CNN, MLP-Mixer	RGB图像, 高光谱图像	在受控条件下采集的罗勒叶片高分辨率RGB-HSI配对数据集	NA	FUSE-Net	均方误差(MSE), 峰值信噪比(PSNR), 光谱相关系数(SCC), 结构相似性(SSIM)	NA
139	2025-10-06	Dual Focus-3D: A Hybrid Deep Learning Approach for Robust 3D Gaze Estimation 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134086 PMID:40648341	研究论文	提出一种融合眼图外观特征与3D头部方向数据的混合深度学习架构，用于鲁棒的3D视线估计	提出多模态特征融合策略、针对3D视线预测优化的角度损失函数以及防止过拟合的正则化技术	NA	提高自然环境下3D视线估计的准确性和鲁棒性	人类视线方向	计算机视觉	NA	深度学习	混合深度学习架构	图像, 3D空间数据	5206个带注释样本	NA	Dual Focus-3D	MAE	NA
140	2025-10-06	Rolling Based on Multi-Source Time-Frequency Feature Fusion with a Wavelet-Convolution, Channel-Attention-Residual Network-Bearing Fault Diagnosis Method 2025-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s25134091 PMID:40648345	研究论文	提出一种基于小波卷积和通道注意力残差网络的多源时频特征融合轴承故障诊断方法	融合连续小波变换、短时傅里叶变换、希尔伯特-黄变换和维格纳-维尔分布的多源时频特征，并构建轻量级WaveCAResNet模型	NA	提高轴承故障诊断的准确性和鲁棒性	滚动轴承	机器学习	NA	振动信号分析	CNN, 注意力机制, 残差网络	振动信号	典型轴承数据集	NA	WaveCAResNet, 残差网络, 小波卷积层, 通道注意力加权残差, 加权残差高效多尺度注意力	诊断准确率, 鲁棒性	NA