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
181	2025-07-02	An AI-based module for interstitial glucose forecasting enabling a "Do-It-Yourself" application for people with type 1 diabetes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1534830 PMID:40585404	研究论文	本文提出了一种基于深度学习的DIY框架，用于间质葡萄糖预测，旨在帮助1型糖尿病患者进行自我管理	首次提供基于深度学习的DIY方法，实现完全个性化的葡萄糖预测，且框架开源并可在Docker中部署	工具未能长期吸引用户使用，限制了其对日常自我管理的潜在益处	开发一种能够准确预测短期葡萄糖水平的工具，以改善1型糖尿病患者的自我管理	1型糖尿病患者	数字病理学	糖尿病	深度学习	DL	连续葡萄糖监测数据	29名1型糖尿病患者的一年CGM数据
182	2025-07-02	Evaluation of perivascular fat density and residual false lumen formation following TEVAR in Stanford type B aortic dissection 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1633817 PMID:40585403	研究论文	本研究探讨了血管周围脂肪组织（PVAT）衰减在预测Stanford B型主动脉夹层（TBAD）患者接受胸主动脉腔内修复术（TEVAR）后残余假腔形成中的作用	首次将PVAT衰减（HUΔ和HUratio）作为非侵入性影像生物标志物，用于预测TEVAR术后残余假腔形成	研究为回顾性分析，需要进一步的前瞻性研究验证结果	评估PVAT密度与TEVAR术后残余假腔形成的关系	132名接受TEVAR治疗的TBAD患者	数字病理	心血管疾病	计算机断层扫描血管造影（CTA）	TotalSegmenter深度学习模型	影像数据	132名患者
183	2025-07-02	Leveraging machine learning models in evaluating ADMET properties for drug discovery and development 2025, ADMET & DMPK DOI:10.5599/admet.2772 PMID:40585410	综述	本文探讨了机器学习模型在药物发现和开发中评估ADMET特性的应用及其革命性影响	机器学习模型在ADMET预测中展现出比传统QSAR模型更高的准确性和效率，为药物开发提供了快速、经济且可重复的替代方案	数据质量、算法透明度和监管接受度等挑战仍然存在	研究机器学习模型如何改进ADMET特性的预测，以加速药物发现和开发过程	ADMET特性的预测模型及其在药物开发中的应用	机器学习	NA	监督学习和深度学习技术	QSAR模型、机器学习模型	分子描述符和数据集	NA
184	2025-07-02	Deep learning in obsessive-compulsive disorder: a narrative review 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1581297 PMID:40585546	综述	本文综述了深度学习在强迫症(OCD)研究中的应用，总结了10项相关研究的发现	利用深度学习技术处理神经影像、EEG和临床数据，在OCD诊断分类、症状分类和治疗反应预测方面展现出高准确率(80-98%)	当前模型受限于小样本量、缺乏治疗预测比较、对早期反应检测和可扩展监测方案的关注不足	探索深度学习在OCD诊断和治疗中的应用潜力	强迫症(OCD)患者	机器学习	精神疾病	深度学习	NA	神经影像数据、EEG数据、临床数据	10项研究(具体样本量未明确说明)
185	2025-07-02	7T magnetic resonance imaging-based investigation of the correlation between mammillary body structure and cognitive impairment in patients with spinocerebellar ataxia type 3 2025, Psychoradiology DOI:10.1093/psyrad/kkaf010 PMID:40586051	研究论文	本研究利用7T磁共振成像技术探讨了脊髓小脑共济失调3型(SCA3)患者乳头体结构与认知障碍之间的相关性	首次在SCA3患者中系统研究了Papez环路(包括乳头体、乳头丘脑束和穹窿后连合)结构损伤与认知障碍的关系	横断面研究设计无法确定因果关系，样本量相对有限	探究SCA3患者认知障碍与Papez环路结构变化的关系	46名SCA3患者和48名健康对照	神经影像学	脊髓小脑共济失调	7T MRI	深度学习模型	MRI图像	94人(46名患者+48名对照)
186	2025-07-02	Unsupervised cell line embedding using pairwise drug response correlation 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.018 PMID:40586099	研究论文	本文介绍了一种基于对比学习的无监督深度学习模型，用于整合异质性药物反应筛选数据，生成统一的细胞系嵌入	提出了一种新的无监督深度学习方法，通过对比学习整合异质性药物反应数据，生成统一的细胞系嵌入，并应用于下游机器学习任务	研究仅基于癌症细胞系数据，未涉及其他类型细胞系	优化细胞系模型在药物发现中的应用，提高药物反应相关任务的机器学习性能	1,673个癌症细胞系	机器学习	癌症	对比学习	深度学习	药物反应数据、基因表达数据	1,673个癌症细胞系（1,136个用于训练，537个用于测试）
187	2025-07-02	Deep learning based deconvolution methods: A systematic review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.038 PMID:40586100	系统综述	本文系统综述了人工智能和深度学习在细胞反卷积工具开发中的应用，特别关注其在RNA测序转录组数据分析中的作用	强调了高质量参考图谱对提高反卷积方法准确性的关键作用，并指出了当前研究中存在的主要研究空白	需要标准化方法和提高模型可解释性	评估深度学习方法在细胞反卷积工具开发中的应用现状	基于RNA测序的转录组数据	生物信息学	NA	RNA测序	深度学习	转录组数据	NA
188	2025-07-02	TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327481 PMID:40587446	research paper	本研究提出了一种结合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生表现预测	提出了双通道特征处理模块、理论指导的四头注意力机制和可解释的预测层，融合了多元智能理论和社会认知理论	未提及具体局限性	解决传统教育数据挖掘方法难以整合异构特征数据和深度学习模型缺乏教育理论指导的问题	6,608名学生数据	machine learning	NA	transformer	TGEL-Transformer	educational data	6,608名学生数据，跨文化验证数据480份
189	2025-07-02	Enhanced E-commerce decision-making through sentiment analysis using machine learning-based approaches and IoT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326744 PMID:40587469	研究论文	通过结合机器学习和物联网技术，提升电子商务决策能力，改善客户购物体验	创新性地应用机器学习算法不仅进行简单推荐，还包括需求预测，确保热门产品库存充足	未提及具体数据收集的规模或代表性限制	提升电子商务决策能力，优化客户购物体验	电子商务平台及其客户	机器学习	NA	机器学习算法（逻辑回归、朴素贝叶斯、SVM、随机森林、AdaBoosting、GRU、LSTM）	逻辑回归、朴素贝叶斯、SVM、随机森林、AdaBoosting、GRU、LSTM	客户行为和偏好数据	NA
190	2025-07-02	Deep learning system for the auxiliary diagnosis of thyroid eye disease: evaluation of ocular inflammation, eyelid retraction, and eye movement disorder 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1609231 PMID:40589523	研究论文	本研究构建了一个基于语义分割的甲状腺眼病辅助诊断模型，专注于眼睑退缩、眼球运动障碍和与临床活动评分相关的眼部炎症，以促进快速无创诊断	采用双分支特征提取和融合策略的TBRM-Net提取炎症特征进行多标签分类和识别，以及设计定量诊断算法的DSR-Net进行眼部结构分割	样本量相对较小，仅包含153名受试者	构建甲状腺眼病的辅助诊断模型，提高诊断和治疗效率	甲状腺眼病患者，特别是表现出眼睑退缩、眼球运动障碍和眼部炎症症状的患者	数字病理	甲状腺眼病	深度学习	TBRM-Net, DSR-Net	图像	153名受试者，包括303眼（主要位置数据集）、1,199眼（凝视位置数据集）和272眼（多标签炎症分类数据集）
191	2025-07-02	Optimizing physical education schedules for long-term health benefits 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1555977 PMID:40589818	研究论文	本研究提出了一种利用深度学习技术优化体育教育课程安排的方法，以提高学生的长期健康和健身水平	结合CNN和LSTM层来捕获空间和时间特征，并采用定制损失函数准确预测健身分数	传统方法可能未充分考虑个体在人口统计和活动模式上的差异	优化体育教育课程安排以提高学生的健身水平和长期健康效益	学生群体	机器学习	NA	深度学习	CNN, LSTM	人口统计和活动相关变量	NA
192	2025-07-02	Identification of yellow vein clearing disease in lemons based on hyperspectral imaging and deep learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1554514 PMID:40589954	研究论文	该研究利用高光谱成像技术和深度学习识别柠檬中的黄脉明脉病	首次将高光谱成像技术应用于柠檬黄脉明脉病的识别，并引入新型混合3D-2D-LcNet架构优化特征提取	未提及样本量的具体数量，可能影响模型泛化能力的评估	开发高效准确的植物病害检测方法	柠檬植株中的黄脉明脉病	计算机视觉	植物病害	高光谱成像技术	3D-2D-LcNet, 3D-ShuffleNetV2, 2D-LcNet, 2D-ShuffleNetV2, SVM, PLS-DA	高光谱图像	NA
193	2025-07-02	Comparative analysis of adaptive and general labeling methods for soybean leaf detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1582303 PMID:40589953	研究论文	本研究比较了传统通用标记方法和新的上下文感知方法在基于AI的大豆叶片检测中的效率	提出了一种利用叶片长度和底部边缘信息的上下文感知标记方法，与传统方法相比，在特定大豆品种上表现更优	研究仅针对特定大豆品种，未涵盖所有可能的生长条件和品种	提高基于AI的大豆叶片检测的准确性和效率，优化精准农业中的作物监测	大豆叶片	计算机视觉	NA	YOLOv5L深度学习模型	CNN	图像	高分辨率大豆图像（具体数量未提及）
194	2025-07-02	Deep learning for enhanced prediction of diabetic retinopathy: a comparative study on the diabetes complications data set 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1591832 PMID:40589972	研究论文	本研究通过比较五种传统统计模型和深度学习模型，开发并验证了用于预测糖尿病患者视网膜病变的模型	使用深度学习模型预测糖尿病视网膜病变，并通过SHAP分析增强模型的可解释性	研究仅基于结构化临床数据，未结合图像数据	开发并验证预测糖尿病患者视网膜病变的模型	糖尿病患者	机器学习	糖尿病视网膜病变	DNNs, SHAP分析	逻辑回归、决策树、朴素贝叶斯、随机森林、支持向量机、DNN	结构化临床数据	3000个数据点
195	2025-07-02	Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT 2024-Dec-18, ArXiv PMID:39764397	research paper	该研究提出了一种基于优化和光谱间结构相似性正则化的图像重建方法，用于有限角度双能锥束CT成像	无需X射线光谱测量或配对数据集进行模型训练，即可实现精确图像重建	仅在物理和数字体模上进行了评估，尚未在临床患者数据上验证	促进快速低剂量双能锥束CT在临床中的应用	有限角度双能锥束CT图像	数字病理	NA	双能锥束CT	优化迭代重建	CT图像	四个物理体模和三个数字体模
196	2025-07-02	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	提出了一种基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现高精度分类	首次使用深度学习方法进行HIV-1 M群亚型分类，并利用人工分子进化技术生成适合机器学习的合成数据集	NA	开发一种高精度的HIV-1 M群亚型分类方法	HIV-1 M群亚型	机器学习	HIV感染	人工分子进化技术	卷积自编码器（CNN）与全连接神经网络	DNA序列数据	NA
197	2025-07-02	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	research paper	提出了一种名为iGTP的可解释生成转录程序框架，用于推断单细胞转录组学背后的生物学机制	iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性，超越了其他深度学习和传统生物信息学方法	未明确提及具体局限性	开发一种可解释的深度学习框架，用于单细胞转录组数据的分析和生物学机制推断	单细胞转录组数据	生物信息学	NA	单细胞转录组学	Variational AutoEncoder, 图神经网络, 潜在扩散模型	基因表达数据	NA
198	2025-07-02	Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer 2024-Nov-18, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-024-02169-7 PMID:39551726	研究论文	本研究通过创建TRPM-Score并发现CCNE1作为生物标志物，探讨了TRPM家族在泛癌领域中的预测和免疫调节潜力	创建了TRPM-Score并发现CCNE1作为生物标志物，验证了其在免疫治疗预测和免疫调节中的作用	研究主要基于计算方法和体外实验，需要更多体内实验验证	探索TRPM家族在泛癌中的预测和免疫调节潜力	17种实体瘤和CCNE1基因	免疫肿瘤学	泛癌	机器学习和深度学习计算方法	NA	基因表达数据	17种实体瘤的数据
199	2025-07-02	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-10-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	research paper	该研究通过深度学习模型探索氨基酸二聚体基序与质谱MS1强度之间的关系，以提高肽段定量分析的准确性	首次使用带注意力机制的编码器-解码器深度学习模型来识别影响MS1强度的关键氨基酸二聚体基序，并揭示了特定基序与肽段响应强度的关联	与早期单氨基酸表示相比，二聚体表示并未显著提高预测能力	探究氨基酸局部环境与质谱MS1强度之间的关系，以提高肽段定量分析的准确性	近200,000种独特肽段组成的等摩尔肽池	machine learning	NA	质谱(MS)分析	带注意力机制的RNN编码器-解码器模型	质谱数据	近200,000种独特肽段
200	2025-07-02	Predicting Affinity Through Homology (PATH): Interpretable Binding Affinity Prediction with Persistent Homology 2024-Oct-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.16.567384 PMID:38014181	research paper	提出了一种名为PATH的可解释性算法，用于预测蛋白质-配体结合亲和力，通过持久同调特征实现快速计算和解释	使用持久同调特征和反对距离快速计算蛋白质-配体复合物的特征，提出了一种可解释的算法PATH，其计算复杂度与蛋白质大小无关	虽然算法在计算效率和解释性上有优势，但可能仍受限于特定蛋白质-配体复合物类型的泛化能力	提高蛋白质-配体结合亲和力预测的准确性和解释性	蛋白质-配体复合物	computational biology	NA	持久同调（persistent homology）	回归树（regression trees）	蛋白质-配体复合物的结构数据	NA