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
501	2025-08-10	Cryo-electron tomography: Challenges and computational strategies for particle picking 2025-Aug, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103113 PMID:40639056	review	本文综述了基于深度学习的粒子挑选方法在冷冻电子断层扫描中的应用	全面评估了基于注释和无注释的粒子挑选方法，并比较了它们的优缺点	未提及具体方法的性能比较数据或实验验证结果	探讨冷冻电子断层扫描中粒子挑选的挑战及计算策略	冷冻电子断层扫描中的蛋白质定位	计算机视觉	NA	冷冻电子断层扫描(cryo-ET)和子断层图平均	深度学习	图像	NA
502	2025-08-10	Segmenting cryo-electron tomography data: Extracting models from cellular landscapes 2025-Aug, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103114 PMID:40645092	综述	本文探讨了深度学习在冷冻电子断层扫描数据分割中的应用及其对生物学发现的推动作用	综述了深度学习技术如何提高冷冻电子断层扫描数据分割的自动化、准确性和可扩展性，重新定义了分割的最佳实践	NA	探讨冷冻电子断层扫描数据分割技术的发展及其在生物学研究中的应用	冷冻电子断层扫描数据中的亚细胞结构	数字病理学	NA	冷冻电子断层扫描	深度学习	图像	NA
503	2025-08-10	Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines 2025-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02772-6 PMID:40759747	research paper	该研究比较了五种基础模型和两种其他深度学习模型与简单基线方法在预测单次或双次基因扰动后转录组变化方面的表现	研究发现深度学习基础模型在基因扰动效应预测上并未超越简单线性基线方法，强调了关键基准测试在方法开发和评估中的重要性	研究仅比较了有限数量的模型，可能未涵盖所有先进的深度学习方法	评估深度学习模型在基因扰动效应预测方面的性能	单细胞数据中的基因扰动效应	machine learning	NA	NA	foundation models, deep learning models	transcriptome data	NA
504	2025-08-10	Real-Time Prediction of Correct Yoga Asanas in Healthy Individuals With Artificial Intelligence Techniques: A Systematic Review for Nursing 2025-Aug, Nursing open IF:2.0Q2 DOI:10.1002/nop2.70278 PMID:40768382	系统综述	本文系统综述了利用人工智能技术实时预测瑜伽体式以提高健康个体生活质量的研究	整合深度学习和机器学习模型以提高实时瑜伽体式预测的准确性	仅纳入15项研究，样本量较小，可能存在选择偏倚	提高健康个体瑜伽练习的实时预测准确性	健康个体的瑜伽体式	机器学习	NA	深度学习和机器学习	DL和ML模型	NA	15项研究
505	2025-08-10	DeepQR: single-molecule QR codes for optical gene-expression analysis 2025-Aug, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0236 PMID:40771425	research paper	DeepQR结合紧凑光谱成像与深度学习，实现仅用3个光谱检测窗口进行4色采集，用于单分子光学基因表达分析	通过紧凑光谱成像与深度学习结合，实现仅用3个光谱检测窗口进行4色采集，显著提高了单分子成像的多路复用能力	NA	开发一种新型单分子光学基因表达分析方法，提高多路复用能力和采集效率	单分子荧光标记的RNA靶标	光学成像	NA	紧凑光谱成像与深度学习	深度学习	光学图像	临床样本（具体数量未提及）
506	2025-08-10	Adaptive normalizing flows for solving Fokker-Planck equation 2025-Aug-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0273776 PMID:40779784	research paper	提出了一种自适应归一化流框架（ANFFP）来解决Fokker-Planck方程，该框架在保持概率解释性的同时提高了小样本条件下的适用性	结合归一化流的生成模型特性，解决了传统高斯混合模型和深度学习求解器在解释性和样本需求上的不足	计算复杂度需要进一步详细讨论，且在高维情况下的实际应用仍需验证	解决Fokker-Planck方程，特别是在高维和小样本条件下的应用	扩散过程的概率响应，通过随机微分方程（SDEs）驱动	machine learning	NA	normalizing flows	ANFFP	numerical data	涉及一维、二维和四维SDEs的数值示例
507	2025-08-10	Robust real-time segmentation of bio-morphological features in human cherenkov imaging during radiotherapy via deep learning 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.18002 PMID:40781822	研究论文	本研究提出了一种基于深度学习的实时分割方法，用于在放射治疗期间通过切伦科夫成像对人体生物形态特征进行分割	首次将深度学习框架应用于切伦科夫成像中的生物形态特征分割，实现了视频帧率的处理速度	使用的切伦科夫数据集规模较小（1483张图像），可能影响模型的泛化能力	开发实时分割方法以验证放射治疗中的定位和运动管理	19名乳腺癌患者的切伦科夫成像数据	数字病理	乳腺癌	深度学习	ResNet	图像	19名患者（179张测试图像）
508	2025-08-10	Machine Learning for 1-Year Graft Failure Prediction in Lung Transplant Recipients: The Korean Organ Transplantation Registry 2025-Aug, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70268 PMID:40782091	research paper	本研究利用深度学习模型预测肺移植受者1年内移植失败的风险	首次在韩国器官移植登记数据上开发并验证了基于深度学习的1年移植失败预测模型	需要进一步验证以确认其临床适用性	优化肺移植决策效率，提高候选者选择准确性	肺移植受者	machine learning	lung transplant complications	deep learning	multilayer perceptron	clinical registry data	240例肺移植受者
509	2025-08-09	af2rave: protein ensemble generation with physics-based sampling 2025-Aug-06, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00201j PMID:40621440	research paper	介绍了一个开源Python包af2rave，用于通过物理驱动采样生成蛋白质的多种构象	改进了AlphaFold2-RAVE协议，通过自动选择重要集体变量简化了用户操作，提高了构象采样的效率	虽然提高了采样效率，但仍需进一步验证其在更广泛蛋白质体系中的适用性	开发一个高效且自动化的工具，用于生成和分析蛋白质的多种构象	蛋白质构象	结构生物学	NA	AlphaFold2预测与分子动力学(MD)模拟结合	AlphaFold2	蛋白质结构数据	包括腺苷激酶(ADK)、人类DDR1激酶和SARS-CoV-2刺突蛋白受体结合域等多个系统
510	2025-08-09	A scalable deep attention mechanism of instance segmentation for the investigation of chromosome 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	研究论文	本研究提出了一种用于染色体实例分割的深度学习框架，结合自动化注释流程和增强的深度学习架构，以解决染色体分割中的挑战	提出了一种结合自动化注释流程和增强深度学习架构的实例分割框架，并引入了一个新的数据集，显著提高了染色体分割的准确性和效率	尽管在小型和中型染色体分割上表现优异，但对于某些复杂形状的染色体分割可能仍有改进空间	开发一种可扩展的染色体实例分割方法，以解决细胞遗传学和基因组学中的染色体分割挑战	染色体图像，特别是中期染色体图像	数字病理学	NA	SIFT和单应性变换用于图像配准，深度学习用于实例分割	改进的Mask R-CNN模型，包含Attention-based Feature Pyramid Network (AttFPN)和空间注意力机制	图像	包含中期染色体图像和对应核型图的新数据集，涵盖24种染色体类别
511	2025-08-09	Classifying kidney disease using a dense layers deep learning model 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100324 PMID:40588036	research paper	该研究提出了一种基于密集层深度学习模型的肾脏疾病分类方法	提出的模型在准确率、精确率、召回率和F1分数上均达到0.99，表现出极高的可靠性	实验使用了公开数据集，可能无法涵盖所有临床场景	开发一种高准确率的肾脏疾病自动检测方法	慢性肾脏疾病（CKD）患者	machine learning	kidney disease	deep learning	dense-layered deep neural networks	structured data	公开数据集，包含24个独立字段和独立值
512	2025-08-09	Explainable clinical diagnosis through unexploited yet optimized fine-tuned ConvNeXt Models for accurate monkeypox disease classification 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100336 PMID:40712913	research paper	该研究通过优化微调的ConvNeXt模型，实现猴痘疾病的准确分类，并提高诊断的可解释性	利用迁移学习技术微调预训练的ConvNeXt模型，显著提高了猴痘分类的准确性和实时应用性，并通过可解释AI方法增强结果的可理解性	研究依赖于特定数据集（MSLD和MSLD v2.0），在其他数据集上的泛化能力未验证	开发一种高效且可解释的深度学习模型，用于猴痘疾病的早期准确分类	猴痘疾病的视觉数据信息	digital pathology	monkeypox	transfer learning, data augmentation	ConvNeXtSmall, ConvNeXtBase	image	MSLD（二分类）和MSLD v2.0（多分类）数据集
513	2025-08-08	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-Aug, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	research paper	该研究通过深度学习模型筛选FDA批准的药物，发现二肽基肽酶-4抑制剂沙格列汀可能作为意识障碍的新治疗药物，并通过回顾性临床分析验证其效果	首次利用深度学习模型基于药物三维分子结构预测其作为唤醒剂的疗效，并发现沙格列汀对急性和长期意识障碍患者的潜在治疗效果	研究为回顾性分析，需要进一步的前瞻性临床试验验证药物的有效性和安全性	探索现有FDA批准药物在意识障碍治疗中的新应用	4047名因创伤性、血管性或缺氧性脑损伤导致昏迷的患者	machine learning	disorders of consciousness	deep learning-based drug screening	deep learning	clinical data, molecular structure data	4047名昏迷患者
514	2025-08-07	Artificial intelligence driven neuropsychiatry: a systematic review of electroencephalography-based computational techniques for major depressive disorder prediction 2025-Aug-16, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.07.010 PMID:40639536	系统综述	本文综述了基于脑电图信号的计算技术在预测重度抑郁症中的应用，探讨了缺乏标准化计算框架的问题	比较了深度学习方法（如CNN和混合CNN-LSTM模型）与传统机器学习方法在抑郁症预测中的性能，并探讨了单通道和少电极配置的潜力	方法学不一致、数据异质性和模型可解释性有限阻碍了模型的泛化性和可靠性，缺乏标准化评估协议也限制了研究结果的可比性	探讨人工智能驱动的脑电图分析在抑郁症诊断中的应用，推动精准精神病学的发展	重度抑郁症患者的脑电图信号	数字病理学	抑郁症	脑电图信号分析	CNN, LSTM, 混合CNN-LSTM模型, SVM	脑电图信号	NA
515	2025-08-07	Harnessing artificial intelligence to advance insights in systemic sclerosis skin and lung disease 2025-Aug-07, Current opinion in rheumatology IF:5.2Q1 DOI:10.1097/BOR.0000000000001114 PMID:40767529	综述	本文综述了人工智能在系统性硬化症（SSc）皮肤和肺部疾病研究中的应用	利用监督和无监督机器学习方法识别患者亚群和预测模型，以及深度学习在肺部和皮肤活检图像分析中的应用	研究主要基于相对较小的SSc队列，可能影响结果的广泛适用性	总结人工智能在系统性硬化症皮肤和肺部疾病研究中的应用进展	系统性硬化症（SSc）患者	数字病理学	系统性硬化症	监督机器学习、无监督机器学习、深度学习	监督机器学习、无监督机器学习、深度学习	图像、临床数据	相对较小的SSc队列
516	2025-08-07	Virtual Hydrolysis-Based Screening of Wheat-Derived DPP-IV Inhibitory Peptides: A Mechanistic Analysis Integrating Cell Experiments and Molecular Dynamics Simulations 2025-Aug-06, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c03006 PMID:40623964	研究论文	本研究结合计算模拟与实验验证，从小麦蛋白中筛选具有潜在DPP-IV抑制活性的肽段	采用虚拟水解和深度学习算法ConPLex筛选肽段，结合分子动力学模拟揭示抑制机制	未提及实验样本量及临床前或临床试验数据	开发具有DPP-IV抑制活性的肽类健康食品	小麦蛋白衍生的肽段	计算生物学	糖尿病	虚拟水解、分子动力学模拟(MD)、tau随机加速分子动力学(tau-RaMD)	ConPLex深度学习算法	蛋白质序列数据、分子动力学模拟数据	筛选出4种肽段(TENEWK, NFVSER, LDLPSK, QHEQR)
517	2025-08-07	An improved domain-adversarial network for predicting hemodialysis adequacy 2025-Aug-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3b9 PMID:40706617	研究论文	本文提出了一种改进的领域对抗网络（DANN）框架，用于预测血液透析的充分性（Kt/V）	结合LSTM和KAN的特征提取器，以及多头部注意力机制的标签预测器，有效缓解了患者和设备间数据分布偏移的问题	样本量较小，仅涉及17名终末期肾病患者	提高血液透析治疗的智能化和效率，开发一种准确、低成本且兼容多种透析设备的Kt/V预测方法	终末期肾病（ESRD）患者的血液透析治疗	机器学习	肾病	领域对抗神经网络（DANN）	LSTM, KAN, 多头部注意力机制	临床和模拟数据	17名ESRD患者
518	2025-08-07	BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images 2025-Aug-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01882-x PMID:40764388	研究论文	开发了一种名为BlurryScope的快速扫描光学显微镜，利用连续图像采集和深度学习技术，为组织切片的自动检测和分析提供了一种经济高效且紧凑的解决方案	通过使用运动模糊图像和深度学习技术，实现了在低成本和小型化设备上对HER2评分的自动分类，与高端数字扫描显微镜结果一致	在284个患者样本的测试集上，4分类和2分类的准确率分别为79.3%和89.7%，仍有提升空间	开发一种经济高效且紧凑的自动化显微镜解决方案，用于HER2评分的自动分类	免疫组化染色的乳腺癌组织切片	数字病理学	乳腺癌	深度学习	NA	图像	284个独特的患者核心样本
519	2025-08-07	Current applications of deep learning in vertebral fracture diagnosis 2025-Aug-06, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-025-07604-z PMID:40764417	综述	本文综述了深度学习在椎体骨折诊断中的应用	深度学习在椎体骨折诊断中的应用，包括椎体识别和椎体骨折类型分类，可能显著减少放射科医生和骨科医生的工作量，并大大提高椎体骨折诊断的准确性	NA	总结深度学习模型在椎体骨折诊断中的应用	椎体骨折诊断	数字病理学	骨科疾病	深度学习	NA	医学影像	NA
520	2025-08-07	Pyramidal attention-based T network for brain tumor classification: a comprehensive analysis of transfer learning approaches for clinically reliable and reliable AI hybrid approaches 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11574-x PMID:40764518	研究论文	提出了一种基于金字塔注意力的T网络（PABT-Net），用于脑肿瘤分类，并通过综合评估验证了其临床可靠性	结合了分层金字塔注意力机制和基于T块的双分区特征提取，以及自卷积扩张神经分类器，提高了空间区分能力并减少了误报	未提及具体的数据偏差或模型在小样本上的表现	开发一种高精度、临床可靠的脑肿瘤自动分类模型	脑MRI图像中的四种肿瘤类型：神经胶质瘤、脑膜瘤、无肿瘤和垂体瘤	数字病理学	脑肿瘤	深度学习	PABT-Net（结合CNN和注意力机制）	图像	7023张脑MRI图像，来自三个数据集（Figshare、Sartaj和Br35H）