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
1	2025-05-06	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	research paper	介绍了一种基于深度学习的LOCA-PRAM方法，用于在光子共振吸收显微镜中实现金纳米颗粒的数字化分辨率检测	结合深度学习与光子共振吸收显微镜，通过金纳米颗粒作为分子标签实现数字化分辨率检测，无需样品分区或酶扩增	未明确提及方法的局限性	实现数字化分辨率的分子生物标志物检测，用于疾病诊断和治疗研究	金纳米颗粒（AuNPs）作为分子标签	digital pathology	NA	Photonic Resonator Absorption Microscopy (PRAM), Scanning Electron Microscopy (SEM)	deep learning	image	未明确提及样本数量
2	2025-05-06	Multimodal depression recognition and analysis: Facial expression and body posture changes via emotional stimuli 2025-Jul-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.03.155 PMID:40187420	research paper	开发一种结合面部表情和身体姿势的多模态识别模型，用于抑郁症的快速初步筛查	结合面部表情和身体姿势的多模态识别模型，利用深度学习技术进行抑郁症筛查	样本量较小，仅包含146名受试者	提高抑郁症检测效率，辅助医生早期识别患者	抑郁症患者和健康个体的面部表情及身体姿势变化	digital pathology	geriatric disease	深度学习技术	ResNet-50, OpenFace	视频图像	146名受试者（73名患者组和73名对照组）
3	2025-05-06	Interpretable machine learning and graph attention network based model for predicting PAMPA permeability 2025-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109050 PMID:40245571	研究论文	本研究使用机器学习和深度学习模型预测PAMPA渗透性	结合可解释机器学习和图注意力网络（GAT）模型预测PAMPA渗透性，并在外部数据集上验证模型性能	GAT模型在初始验证数据集上的准确率相对较低（74%）	预测药物化合物在脂质膜中的渗透性和吸收性	5447种具有PAMPA渗透性评分的化合物	机器学习	NA	PAMPA（平行人工膜渗透性测定）	Random forest (RF), Explainable boosting machine (EBM), Adaboost, Graph attention network (GAT)	化合物数据	5447种化合物
4	2025-05-06	Discovery of naturally inspired antimicrobial peptides using deep learning 2025-Jun-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108444 PMID:40209356	研究论文	利用深度学习从微生物基因组中发现并评估新型抗菌肽	通过深度学习从216,408个细菌基因组中挖掘NRPS基因簇，设计并优化抗菌肽P2.2，展示其抗菌机制及与传统抗生素的协同效应	研究仅针对两种病原菌进行抗菌活性测试，未涵盖更广泛的病原菌种类	加速从沉默生物合成基因簇中发现天然抗菌肽	非核糖体肽（NRPs）及其衍生物	机器学习	细菌感染	深度学习	深度学习算法	基因组数据	216,408个细菌基因组，335,024个NRPS基因簇，328个独特肽支架
5	2025-05-06	Multi-class brain malignant tumor diagnosis in magnetic resonance imaging using convolutional neural networks 2025-Jun-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111329 PMID:40180191	研究论文	本研究开发了一种深度学习模型FoTNet，用于提高多类脑恶性肿瘤在磁共振成像中的自动诊断准确性	整合了基于频率的通道注意力层和焦点损失函数，以解决由PCNSL样本有限引起的类别不平衡问题	样本量相对有限，尤其是PCNSL肿瘤的样本较少	提高多类脑恶性肿瘤（GBM、PCNSL和BM）在MRI中的自动诊断准确性	多中心MRI数据集，包括GBM、PCNSL和BM病例	数字病理学	脑恶性肿瘤	MRI	CNN	图像	58例GBM、82例PCNSL和269例BM的T1加权对比增强MRI图像
6	2025-05-06	Deep learning-driven multi-class classification of brain strokes using computed tomography: A step towards enhanced diagnostic precision 2025-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112109 PMID:40252282	研究论文	利用深度学习模型通过CT影像对脑卒中情况进行多分类预测和分类，以提高诊断准确性并支持临床决策	采用Expanded ResNet101深度学习框架构建两步模型，实现高精度的脑卒中分类	外部验证准确率相对较低，且需要更大规模和多样化的数据集进行进一步验证	开发并验证深度学习模型，用于脑卒中的预测和分类	250名患者的8186张CT影像	计算机视觉	脑卒中	CT成像	Expanded ResNet101	图像	250名患者的8186张CT影像
7	2025-05-06	Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A case study with South Korean air quality data 2025-May-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179303 PMID:40245507	研究论文	提出了一种基于LSTM自编码器的新型时间空气质量风险指数（TARI），用于更全面地评估空气污染对健康的影响	首次将深度学习应用于环境指数开发，通过LSTM自编码器捕捉环境因素的复杂相互作用和时间依赖性	研究仅基于韩国空气质量数据，未在其他地区验证	开发更全面的空气质量指数以更准确地评估空气污染对健康的影响	韩国空气质量数据	机器学习	NA	LSTM autoencoder	LSTM	时间序列数据	韩国空气质量数据（具体样本量未提及）
8	2025-05-06	Pix2Pix generative-adversarial network in improving the quality of T2-weighted prostate magnetic resonance imaging: a multi-reader study 2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243102 PMID:40320939	research paper	评估生成对抗网络Pix2Pix在提升T2加权前列腺磁共振成像质量方面的性能和可行性	使用Pix2Pix模型在合成降质图像上进行训练，有效提升前列腺MRI图像质量并保持真实性	研究主要基于合成降质图像，真实临床环境中的效果需进一步验证	提升T2加权前列腺磁共振成像的质量	前列腺磁共振成像图像	digital pathology	prostate cancer	MRI	GAN (Pix2Pix)	image	1,476名生物学男性，1,500次扫描（训练集1,300，验证集100，测试集100），外加33名患者的内部外部测试数据集
9	2025-05-06	Detection of common bile duct dilatation on magnetic resonance cholangiopancreatography by deep learning 2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253218 PMID:40321102	研究论文	本研究利用深度学习技术从磁共振胰胆管造影（MRCP）图像中检测胆总管扩张	采用DenseNet121 CNN模型在胆总管扩张检测中实现了97%的高准确率	需要在多中心研究和更大数据集上进行验证，并解决技术、伦理和财务限制	开发一种基于深度学习的胆总管扩张检测方法	胆总管扩张	数字病理学	胆道疾病	磁共振胰胆管造影（MRCP）	CNN（包括ResNet50、DenseNet121和VGG模型）	图像	147张MRCP图像（77张无胆总管扩张，70张有胆总管扩张）
10	2025-05-06	Predicting Postoperative Prognosis in Pediatric Malignant Tumor With MRI Radiomics and Deep Learning Models: A Retrospective Study 2025-May-05, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011466 PMID:40323639	研究论文	本研究开发了一种多模态机器学习模型，结合MRI影像组学、深度学习特征和临床指标，用于预测儿童恶性肿瘤患者术后3年无病生存期	整合MRI影像组学、深度学习特征和临床指标，构建多模态预测模型，显著提高了术后预后的预测准确性	回顾性研究设计，样本量相对有限（260例），且仅针对儿童脑肿瘤患者	预测儿童恶性肿瘤患者术后3年无病生存期，为个性化治疗提供科学依据	260例接受R0切除的儿童脑肿瘤患者（年龄≤14岁）	数字病理	脑肿瘤	MRI影像组学分析、深度学习特征提取	SVM、RF、LightGBM等6种机器学习模型，其中LightGBM表现最佳	MRI图像（T1增强）和临床数据	260例儿童脑肿瘤患者
11	2025-05-06	The Application Status of Radiomics-Based Machine Learning in Intrahepatic Cholangiocarcinoma: Systematic Review and Meta-Analysis 2025-May-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69906 PMID:40323647	系统性综述与荟萃分析	本文系统回顾和荟萃分析了基于放射组学的机器学习在肝内胆管癌（ICC）中的应用现状和价值	首次系统评估了放射组学在ICC诊断、预后预测等任务中的准确性和应用价值，并比较了不同模型和特征的性能	涉及特定任务（如神经周围浸润和三级淋巴结构诊断）的研究较少，深度学习研究有限，数据异质性和可解释性存在挑战	评估放射组学在肝内胆管癌中的应用现状，为其系统应用提供循证支持	肝内胆管癌（ICC）患者	数字病理	肝内胆管癌	放射组学	机器学习（ML）、深度学习	医学影像数据	58项研究，共12,903名患者
12	2025-05-06	ASAS-NANP SYMPOSIUM: MATHEMATICAL MODELING IN ANIMAL NUTRITION: Synthetic Database Generation for Non-Normal Multivariate Distributions: A Rank-Based Method with Application to Ruminant Methane Emissions 2025-May-04, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skaf136 PMID:40319357	research paper	本研究提出了一种基于秩的方法，用于生成具有相关非正态多元分布的合成数据库，以提高预测建模工具的准确性和可靠性	提出了一种新颖的基于秩的方法，用于生成合成数据库，该方法在保留原始分布矩和相关结构方面优于基于copula的方法	可能在合成数据库的子集中引入人工（未知）关系，且随机森林回归在不同分布类型的数据上表现不佳	解决动物科学中数据可用性有限的问题，特别是在建模复杂生物过程（如反刍动物甲烷排放）时	反刍动物甲烷排放	machine learning	NA	rank-based method, copula-based approaches	random forest (RF), multiple linear model (LM)	synthetic database	生成两个合成数据库（正态和非正态分布）
13	2025-05-06	An optimized deep neural network with explainable artificial intelligence framework for brain tumour classification 2025-May-04, Network (Bristol, England) DOI:10.1080/0954898X.2025.2500046 PMID:40320295	research paper	本文提出了一种优化的深度神经网络框架，结合可解释人工智能技术，用于脑肿瘤分类	使用Henry气体溶解度优化算法（HGSO）优化ResNet模型的关键超参数，并结合GRAD-CAM算法增强模型的可解释性	仅使用了两个数据库进行验证，可能需要更多样化的数据集来验证模型的泛化能力	提高MRI图像中脑肿瘤分类的准确性和可解释性	脑肿瘤的MRI图像	digital pathology	brain tumour	MRI	ResNet-18, ResNet-50	image	两个数据库（Database1包含四类肿瘤，Database2包含三类肿瘤）
14	2025-05-06	Enhancing lung cancer detection through integrated deep learning and transformer models 2025-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00516-2 PMID:40320438	research paper	提出了一种名为CanNS的新型框架，结合Swin-Transformer UNet、Xception-LSTM GAN和Devilish Levy Optimization技术，以提高肺癌检测的准确性和效率	整合了SwiNet进行分割分析、XLG CancerNet进行精确分类以及DevLO优化参数，这些技术的协同作用提升了诊断能力，同时保持了计算轻量和鲁棒性	现有模型依赖大量标注数据、存在过拟合问题、计算复杂度高以及模型可解释性不足，且在实际临床数据集上的性能稳定性仍是一个未解决的问题	提高肺癌的早期检测准确性和效率，以增强患者的生活预期	肺癌检测	digital pathology	lung cancer	deep learning, transformer models	Swin-Transformer UNet (SwiNet), Xception-LSTM GAN (XLG), Devilish Levy Optimization (DevLO)	image	NA
15	2025-05-06	Domain knowledge-infused pre-trained deep learning models for efficient white blood cell classification 2025-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00563-9 PMID:40320432	research paper	该研究提出了一种结合领域知识和预训练深度学习模型的方法，以提高白细胞分类的效率和准确性	通过融合领域知识和图像数据，提升了预训练模型在白细胞分类任务上的性能	研究依赖于特定数据集（BCCD和LISC），可能在其他数据集上的泛化能力有限	提高白细胞分类的准确性和效率，以辅助医疗诊断	白细胞（WBC）	computer vision	NA	数据增强和归一化技术	Inception V3, DenseNet 121, ResNet 50, MobileNet V2, VGG 16	image	BCCD和LISC数据集
16	2025-05-06	The analysis of marketing performance in E-commerce live broadcast platform based on big data and deep learning 2025-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00546-w PMID:40320449	研究论文	基于大数据管理和深度学习技术，对电子商务直播平台的营销绩效进行全面深入分析	结合大规模数据集和调查构建绩效评估指标，并通过BP神经网络训练确定各指标权重	未提及具体数据集规模或实验的局限性	分析电子商务直播平台的营销绩效，优化用户体验、提升销售业绩和品牌推广	电子商务直播平台的用户参与、内容质量、商品销售效果、用户满意度和平台推广效果	机器学习	NA	大数据管理技术、深度学习	BPNN	大规模数据集、调查数据	NA
17	2025-05-06	Leveraging AI to explore structural contexts of post-translational modifications in drug binding 2025-May-04, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01019-y PMID:40320551	研究论文	利用人工智能探索翻译后修饰在药物结合中的结构背景	首次大规模利用AI方法（如AlphaFold3、RoseTTAFold All-Atom、Chai-1）预测PTM修饰对人类蛋白质结构的影响，并模拟配体结合动力学	精确评估这些方法的准确性需要更大的基准测试集	探索翻译后修饰（PTMs）对药物结合的结构影响	人类蛋白质中的小分子结合相关PTMs	机器学习	癌症（宫颈癌和肺癌）、糖尿病、心脏病、神经退行性疾病和代谢疾病	AI驱动的蛋白质结构预测（AlphaFold3、RoseTTAFold All-Atom、Chai-1）	深度学习算法	蛋白质结构数据	6,131个已识别的PTMs映射到ECOD数据库的结构域，生成了14,178个PTM修饰的人类蛋白质模型
18	2025-05-06	Preclinical Evaluation of an Interactive Image Search System of Oral Pathology 2025-May-04, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329042 PMID:40320652	研究论文	评估一种基于深度学习的交互式图像搜索系统在口腔病理诊断中的效果	首次评估了交互式CBIR系统在帮助病理学家诊断口腔肿瘤方面的有效性	误诊可能由于查询输入不当、罕见形态类型检索性能差、缺乏详细临床信息或系统无法检索到准确类别	评估交互式图像搜索系统在口腔肿瘤诊断中的临床可用性	口腔肿瘤病例	数字病理	口腔肿瘤	深度学习	CBIR系统	图像	603个病例的54,676个图像块，来自85种口腔肿瘤类别
19	2025-05-06	Discovery and Prediction on a Family of Hard Superconductors with Kagome Lattice: XY3 Compounds 2025-May-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c15032 PMID:40317254	研究论文	通过结构预测发现具有Kagome晶格的硬超导体XY3化合物，并计算其超导临界温度	利用结构预测技术发现NaSi_6/相中的Kagome晶格，并通过计算揭示CsB在0 GPa下的超导临界温度可达30.54 K	研究仅基于理论预测和计算，尚未进行实验验证	探索和设计具有Kagome晶格和硬度的超导体	XY3化合物（如NaSi、LiB、CsB等）	材料科学	NA	结构预测、深度学习分子动力学模拟	深度学习	计算数据	多种XY3化合物（如NaSi、LiB、CsB等）
20	2025-05-06	Model-based deep learning with fully connected neural networks for accelerated magnetic resonance parameter mapping 2025-May-03, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03356-7 PMID:40317423	研究论文	本文提出了一种基于深度学习的定量磁共振参数映射新方法qDC-CNN，旨在加速磁共振成像并提高图像质量	提出了一种集成深度学习框架qDC-CNN，结合了展开的图像重建网络和全连接神经网络进行参数估计	研究主要基于模拟数据集，需要在真实临床数据上进一步验证	提高定量磁共振成像(qMRI)的准确性和临床相关性，显著减少采集时间	脑部多切片多回波(MSME)磁共振成像数据	医学影像分析	NA	定量磁共振成像(qMRI)	qDC-CNN(包含展开的图像重建网络和全连接神经网络)	磁共振图像	基于BrainWeb数据库生成的模拟MSME数据集