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
381	2025-08-30	18F-FDG PET/CT-based deep radiomic models for enhancing chemotherapy response prediction in breast cancer 2025-Aug-11, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-025-02982-0 PMID:40790010	研究论文	本研究开发了基于18F-FDG PET/CT的深度放射组学模型，用于提升乳腺癌化疗反应的早期预测精度	结合SENet深度学习模型从PET/CT图像中提取深度特征，并与传统放射组学特征融合，显著提高了化疗反应预测的准确性	研究样本量较小（60例患者），且为回顾性数据，可能存在选择偏差	提升乳腺癌患者化疗反应的早期预测能力，以优化个性化治疗策略	60例乳腺癌患者的18F-FDG PET/CT影像数据和临床记录	医学影像分析	乳腺癌	18F-FDG PET/CT成像，放射组学特征提取，深度学习	XGBoost, RF, LR, SVM, SENet	医学影像（PET/CT）	60例乳腺癌患者
382	2025-08-30	Effect of Deep Learning-Based Artificial Intelligence on Radiologists' Performance in Identifying Nigrosome 1 Abnormalities on Susceptibility Map-Weighted Imaging 2025-Aug, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.0208 PMID:40736409	研究论文	评估基于深度学习的AI软件对不同经验水平放射科医生在SMwI图像上识别黑质致密部1区异常的诊断性能影响	首次采用YOLOX目标检测和SparseInst分割模型的AI系统，并量化分析AI对不同经验放射科医生的差异化提升效果	回顾性研究设计，样本量有限（139例扫描），且仅使用单一厂商的AI软件版本	探究AI辅助诊断对放射科医生识别帕金森病相关影像学标志物的性能提升作用	59名帕金森病患者和80名健康参与者的SMwI磁共振影像	计算机视觉	帕金森病	深度学习，磁共振成像（SMwI）	YOLOX, SparseInst	医学影像	139例SMwI扫描（59例患者+80例健康对照）
383	2025-08-29	A Deep Learning Model for Chemical Shieldings in Molecular Organic Solids Including Anisotropy 2025-Aug-28, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01819 PMID:40825152	研究论文	提出一种深度学习模型ShiftML3，用于预测分子有机固体中的化学屏蔽，包括各向异性	在提高各向同性化学屏蔽预测精度的同时，首次实现全屏蔽张量的预测，且预测误差接近DFT参考计算水平	NA	开发高精度、高效的化学屏蔽预测方法，替代计算密集的ab initio计算	分子有机固体中的核磁共振化学屏蔽	机器学习	NA	深度学习	深度学习模型	化学屏蔽数据	实验基准数据集（具体数量未说明）
384	2025-08-29	Prediction of influenza-like illness incidence using meteorological factors in Kunming : deep learning model study 2025-Aug-16, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-23710-3 PMID:40818971	研究论文	使用气象因素和深度学习模型预测昆明地区流感样疾病发病率	将气象数据作为特征输入LSTM模型，并引入Kernel Attention Network增强非线性学习能力	NA	评估气象因素结合LSTM模型提高流感样疾病发病率预测准确性的潜力	昆明地区流感样疾病发病数据和气象数据	机器学习	呼吸道传染病	Pearson相关分析，深度学习建模	LSTM，注意力机制叠加LSTM，KAN	时间序列数据	2017年11月至2022年1月的发病和气象数据
385	2025-08-29	A Large-Scale Image Repository for Automated Pavement Distress Analysis and Degradation Trend Prediction 2025-Aug-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05748-5 PMID:40813387	研究论文	构建大规模路面病害图像数据集，用于自动检测和长期退化趋势预测	首个包含长期路面病害追踪的大规模数据集，支持动态监测和维护策略优化	NA	开发自动化路面病害分析及退化趋势预测技术	路面图像及病害	计算机视觉	NA	深度学习	目标检测算法	图像	51012张路面识别图像 + 8928张长期追踪图像
386	2025-08-29	A dataset of high-resolution plantar pressures for gait analysis across varying footwear and walking speeds 2025-Aug-13, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05792-1 PMID:40804054	研究论文	介绍UNB StepUP-P150数据集，包含150名参与者的高分辨率足底压力数据，用于步态分析与识别	提供了首个大规模公开可用的高分辨率足底压力数据集，包含多种步行速度和鞋履条件下的数据	NA	推动基于足底压力的步态分析与识别研究	人类步行时的足底压力模式	生物识别与生物力学	NA	足底压力传感技术	NA	压力传感器数据	150名参与者，超过200,000个脚步数据
387	2025-08-29	Hybrid Neural Networks for Precise Hydronephrosis Classification Using Deep Learning 2025-Aug-07, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.08.005 PMID:40783131	研究论文	提出一种基于深度学习的混合神经网络框架，用于肾脏超声图像中肾脏和液体的自动分割与肾积水分类	整合DenseNet201、FPN和SelfONN层，实现多尺度特征提取并提升空间精度	模型优化和可解释性AI尚未完全整合，需未来工作改进	提升肾积水的诊断准确性和评估一致性	肾脏超声图像中的肾脏和液体区域	计算机视觉	肾积水	深度学习	DenseNet201, FPN, SelfONN	图像	1731张肾脏超声图像
388	2025-08-29	Ensemble of Handcrafted and Learned Features for Colorectal Cancer Classification 2025-Aug-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01633-0 PMID:40760266	研究论文	提出一种结合手工特征和深度学习特征的集成方法用于结直肠癌分类	首次将手工纹理描述符与CNN深度学习特征集成，形成互补的鲁棒特征空间	需要标注数据集且模型可解释性有限	提升结直肠癌自动分类的准确性和鲁棒性	结直肠癌组织病理图像	数字病理	结直肠癌	图像特征提取与集成学习	CNN与手工特征集成	医学图像	NA
389	2025-08-29	Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization 2025-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06311-5 PMID:40613839	研究论文	比较不同深度学习模型在婴儿肾脏超声图像中自动分类尿路扩张的性能	首次系统评估多种深度学习模型在婴儿尿路扩张分类任务中的表现，并与专家标注进行一致性验证	研究局限于单一机构数据，样本量相对有限（约1000个肾脏图像），且仅使用3个月以下婴儿数据	开发自动化工具辅助临床医生对婴儿尿路扩张进行客观分类	3个月以下婴儿的肾脏超声图像	计算机视觉	泌尿系统疾病	深度学习，交叉验证	深度学习模型（具体架构未说明）	超声图像	979个肾脏超声图像（492右肾，487左肾），来自490名婴儿（680男孩，299女孩）
390	2025-08-29	Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging 2025-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06314-2 PMID:40650736	研究论文	本研究比较了深度学习重建加速脑部MRI在儿童神经影像中的图像质量，与传统MRI方法进行对比	首次在儿科人群中系统评估深度学习重建加速MRI的临床可行性，并证明其能在减少43%扫描时间的同时提升图像质量	回顾性研究设计，样本量相对有限（116名参与者），未评估长期临床影响	评估深度学习重建加速脑部MRI在儿童神经影像中的临床应用可行性	116名儿科参与者（平均年龄7.9±5.4岁）的脑部MRI数据	医学影像分析	神经系统疾病	深度学习重建（DLR），磁共振成像（MRI）	深度学习重建模型	医学影像（MRI图像）	116名儿科患者
391	2025-08-12	AF3Score: A Score-Only Adaptation of AlphaFold3 for Biomolecular Structure Evaluation 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00653 PMID:40671257	研究论文	本文介绍了一种名为AF3Score的评分模型，该模型基于AlphaFold3改进，用于生物分子结构的评估	AF3Score通过直接输入坐标到置信度头部，绕过了基于扩散的结构模块，避免了现有AlphaFold2实现中的输入结构迭代细化导致的评分偏差	NA	开发一种更准确的生物分子结构评分方法	单体蛋白质、蛋白质-蛋白质复合物、从头设计的结合物、折叠切换蛋白质和蛋白质-配体复合物	机器学习	NA	深度学习	AlphaFold3	生物分子结构数据	在10个目标中的8个上进行了基准测试
392	2025-08-12	Transfer Learning for Predicting ncRNA-Protein Interactions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00914 PMID:40679953	research paper	该论文提出了一种基于迁移学习的框架Transfer-RPI，用于预测非编码RNA与蛋白质的相互作用，以提高预测准确性	利用RiNALMo和ESM模型从RNA和蛋白质序列中提取全面特征，通过迁移学习增强小数据集上的预测性能	依赖于现有数据集的质量和规模，可能无法涵盖所有类型的ncRNA-蛋白质相互作用	开发一种高效准确的非编码RNA与蛋白质相互作用预测方法	非编码RNA与蛋白质的相互作用	machine learning	NA	transfer learning, deep feature learning	RiNALMo, ESM	RNA and protein sequences	RPI369, RPI488, RPI1807, RPI2241, and NPInter v2.0 datasets
393	2025-08-12	m5U-HybridNet: Integrating an RNA Foundation Model with CNN Features for Accurate Prediction of 5-Methyluridine Modification Sites 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01237 PMID:40693567	research paper	介绍了一种名为m5U-HybridNet的创新框架，用于准确预测RNA中的5-甲基尿苷修饰位点	结合了RNA基础模型（RNA-FM）和卷积神经网络（CNN）特征，实现了RNA m5U修饰位点的高精度识别	未提及具体局限性	提高RNA中5-甲基尿苷修饰位点的预测准确性	RNA中的5-甲基尿苷（m5U）修饰位点	computational biology	NA	RNA-FM, CNN	m5U-HybridNet（结合RNA-FM和CNN）	RNA序列数据	未提及具体样本数量
394	2025-08-12	Prediction of Fraction Unbound in Human Plasma for Per- and Polyfluoroalkyl Substances: Evaluating Transfer Learning as an Algorithmic Solution to the Problem of Sparse Data 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01040 PMID:40693597	研究论文	本文提出了一种新的机器学习方法，用于改进特定化学类别（包括全氟和多氟烷基物质PFAS）的血浆未结合分数（fraction unbound in plasma）的定量结构-活性关系（QSAR）建模	提出了一种跨化学空间的迁移学习策略，使用在大规模化学库上训练的深度学习模型，并在PFAS小数据集上进行微调，以提高统计性能	由于数据的稀疏性和不平衡性，对于PFAS类化学物质，先前的全局模型仍然更具竞争力	改进血浆未结合分数的QSAR建模，特别是针对PFAS类化学物质	全氟和多氟烷基物质（PFAS）及其他小化学家族	机器学习	NA	定量结构-活性关系（QSAR）建模，迁移学习	深度学习模型，随机森林	化学结构数据	小数据集（具体数量未提及）
395	2025-08-12	Uncertainty-Informed Screening for Safer Solvents Used in the Synthesis of Perovskites via Language Models 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00612 PMID:40694668	研究论文	提出一种结合BERT/ELMo和GPT的集成方法，用于在钙钛矿合成中识别溶剂，以提高数据提取的准确性和可靠性	结合确定性模型（BERT/ELMo）和生成模型（GPT）的优点，通过集成方法提高数据提取的准确性和上下文深度	在提高精度的同时牺牲了召回率，且缺乏该领域的基准数据集	开发一种自动数据提取方法，用于钙钛矿合成中溶剂的高精度识别	钙钛矿及其相关溶剂	自然语言处理	NA	BERT, ELMo, GPT	集成模型（BERT/ELMo + GPT）	文本	部分论文用于手动验证作为参考集
396	2025-08-12	MMF-MCP: A Deep Transfer Learning Model Based on Multimodal Information Fusion for Molecular Feature Extraction and Carcinogenicity Prediction 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01362 PMID:40711460	research paper	提出了一种基于多模态信息融合的深度迁移学习模型MMF-MCP，用于分子特征提取和致癌性预测	结合图注意力网络、卷积神经网络和深度残差网络SE-ResNet18提取分子特征，并采用迁移学习策略提升模型性能	数据质量和特征丰富度可能仍存在限制	提高分子致癌性预测的准确性、鲁棒性和可解释性	分子致癌性	machine learning	cancer	deep transfer learning, multimodal information fusion	GAT, CNN, SE-ResNet18	molecular graph features, fingerprint features, molecular images	benchmark datasets for molecular carcinogenicity
397	2025-08-12	Benchmarking 3D Structure-Based Molecule Generators 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01020 PMID:40711830	研究论文	本文创建了一个新的基准测试，用于评估3D组合和深度学习生成器在重现重要蛋白质-配体相互作用和3D配体构象方面的表现	提出了一个专注于蛋白质-配体相互作用和3D配体构象重现的新基准测试，评估了多种生成方法的优缺点	深度学习方法无法生成结构有效的分子和3D构象，而组合方法速度慢且生成的分子容易无法通过2D MOSES过滤器	评估和改进3D结构基础的分子生成方法	蛋白质-配体相互作用和3D配体构象	机器学习	NA	深度学习、组合遗传算法	序列图神经网络（Pocket2Mol、PocketFlow）、扩散模型（DiffSBDD、MolSnapper）、遗传算法（AutoGrow4、LigBuilderV3）	3D结构数据	BindingMOAD数据集（包含保留的盲测集）
398	2025-08-12	Representation of Molecules by Sequences of Instructions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00354 PMID:40720985	research paper	提出了一种基于指令序列的分子表示方法，以解决分子图结构复杂性带来的计算智能处理挑战	定义了一个精简指令集，确保所有字符串均有效且字符串的微小变化对应分子的小幅修改，适用于深度学习方法	未明确说明该方法在大规模分子数据集上的性能表现及与现有方法的对比结果	开发适用于计算智能系统的分子表示方法	分子图结构	computational chemistry	NA	指令序列编码	deep learning	molecular graph	NA
399	2025-08-12	DGMM: A Deep Learning-Genetic Algorithm Framework for Efficient Lead Optimization in Drug Discovery 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01017 PMID:40736165	research paper	介绍了一种名为DGMM的新型计算框架，结合深度学习和遗传算法，用于药物发现中的高效分子优化	DGMM算法通过整合变分自编码器和遗传算法，引入支架约束和多目标优化策略，显著提高了分子优化的效率和效果	未明确提及研究的局限性	解决药物发现中先导化合物优化中的结构多样性与核心分子特征保持之间的平衡问题	药物分子，特别是针对CHK1、CDK2和HDAC8等靶点的化合物	machine learning	NA	深度学习、遗传算法、变分自编码器(VAE)、蒙特卡洛搜索、马尔可夫过程	VAE	分子结构数据	针对三个不同靶点(CHK1、CDK2和HDAC8)进行了广泛的回顾性验证，并在前瞻性研究中发现了新的ROCK2抑制剂
400	2025-08-12	SMILES Token Additivity Model with Interpretability and Generalizability for Fuel Property Predictions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00986 PMID:40719477	研究论文	提出了一种基于SMILES标记可加性模型（STA）用于准确预测燃料性质，该模型通过量化单个标记对目标性质的贡献，提供了结构-性质关系的深入理解	STA模型无需手工制作的分子指纹，能够泛化到广泛的结构相关性质，同时通过堆叠多头自注意力编码器提取分子结构信息，实现了可解释性和泛化性	NA	开发一种具有可解释性和泛化性的深度学习模型，用于预测燃料的定量结构-性质关系（QSPR）	燃料的七种关键性质：标准生成焓（Δ°）、熵（）、等压热容（）、十六烷值（CN）、沸点（BP）、熔点（MP）和闪点（FP）	机器学习	NA	SMILES标记可加性模型（STA）	堆叠多头自注意力编码器	分子结构数据（SMILES）	NA