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	2025-06-19	VirulentHunter: deep learning-based virulence factor predictor illuminates pathogenicity in diverse microbial contexts 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf271 PMID:40518950	研究论文	介绍了一种基于深度学习的毒力因子预测工具VirulentHunter，用于从蛋白质序列中直接识别和分类毒力因子	利用预训练蛋白质语言模型的微调步骤，实现了毒力因子的同时识别和分类，超越了现有方法，特别是在识别缺乏可检测同源物的毒力因子方面	NA	开发一种能够更准确识别和分类细菌毒力因子的工具	细菌毒力因子	自然语言处理	NA	深度学习	预训练蛋白质语言模型	蛋白质序列	NA
182	2025-06-19	Progress, Pitfalls, and Impact of AI-Driven Clinical Trials 2025-Apr, Clinical pharmacology and therapeutics DOI:10.1002/cpt.3542 PMID:39722473	综述	本文探讨了人工智能在药物发现与开发中的应用进展、面临的挑战及其潜在影响	分析了AI在药物研发中的实际应用效果与预期之间的差距，并指出了未来的发展方向	未提及具体的技术细节或数据支持	评估AI在药物发现与开发中的实际应用效果及未来潜力	AI驱动的药物研发过程	人工智能	NA	深度学习	NA	NA	NA
183	2025-06-19	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-Apr, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	开发了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态	提出了一种新的多阶段深度学习方法，显著提高了幽门螺杆菌感染状态的分类准确率，并优于医生的诊断结果	研究样本量相对较小，训练集和验证集分别只有538和146名受试者	开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查	幽门螺杆菌感染状态（未感染、当前感染和根除后）	计算机视觉	胃癌	深度学习	多阶段深度学习模型	图像	训练集538名受试者，验证集146名受试者
184	2025-06-19	Real-time target localization on 1.5 T magnetic resonance imaging linac orthogonal cine images using transfer learning 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100789 PMID:40524739	研究论文	本研究探讨了基于深度学习的肿瘤跟踪技术在1.5T MRI引导的放疗中的适用性，并通过迁移学习提高了模型性能	首次将0.35T MRI-linac上开发的肿瘤跟踪模型应用于1.5T MRI-linac，并采用迁移学习显著提升了模型性能	研究样本量相对较小（24名患者），且仅针对特定MRI系统进行了验证	提高MRI引导放疗中实时肿瘤跟踪的准确性	接受1.5T MRI-linac治疗的癌症患者	医学影像分析	癌症	深度学习、迁移学习	transformer-based变形模型	MRI影像	24名患者（验证集10人，测试集14人）的3600帧cine-MRI图像
185	2025-06-19	Using deep convolutional networks combined with signal processing techniques for accurate prediction of surface quality 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92114-5 PMID:40021768	研究论文	本文提出了一种结合深度学习和信号处理技术的框架，用于预测和分类铣削零件的表面粗糙度	使用四种信号处理技术将声发射信号转换为2D图像，并结合多种卷积神经网络进行预测，其中SSPC技术因信号预处理最少而达到最高准确率	未提及具体的数据集规模或实验条件的限制	开发一个能够准确预测铣削零件表面粗糙度的实时监测系统	铣削零件的表面粗糙度	计算机视觉	NA	声发射信号处理（SSPC、SSSC、SSSC*、RP）	VGG16、ResNet18、ShuffleNet、CNN-LSTM	图像（由声发射信号转换）	NA
186	2025-06-19	Coinciding Diabetic Retinopathy and Diabetic Macular Edema Grading With Rat Swarm Optimization Algorithm for Enhanced Capsule Generation Adversarial Network 2025-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24709 PMID:39487733	研究论文	本文提出了一种基于大鼠群优化算法的增强胶囊生成对抗网络，用于糖尿病视网膜病变和糖尿病黄斑水肿的分级	结合大鼠群优化算法（RSO）优化增强胶囊生成对抗网络（ECGAN），提高了糖尿病视网膜病变（DR）和糖尿病黄斑水肿（DME）分级的准确性	使用的数据集来自ISBI 2018，可能数据不平衡，影响模型的泛化能力	早期检测糖尿病视网膜病变和糖尿病黄斑水肿，预防视力丧失	糖尿病视网膜病变（DR）和糖尿病黄斑水肿（DME）患者	计算机视觉	糖尿病视网膜病变	Savitzky-Golay滤波技术、离散剪切波变换（DST）	增强胶囊生成对抗网络（ECGAN）、大鼠群优化算法（RSO）	图像	来自ISBI 2018 IDRiD数据集的眼底图像
187	2025-06-19	Potential value of novel multiparametric MRI radiomics for preoperative prediction of microsatellite instability and Ki-67 expression in endometrial cancer 2025-01-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87966-w PMID:39863695	研究论文	本研究开发了一种新型混合放射组学方法，用于预测子宫内膜癌的微卫星不稳定性和Ki-67表达	结合多参数MRI、深度学习和多通道图像分析，利用新兴的注意力机制提取特征，开发了HMRadSum模型	研究为回顾性设计，样本量相对较小（156例患者）	探索先进人工智能技术在预测子宫内膜癌微卫星不稳定性和Ki-67表达中的潜在价值	子宫内膜癌患者	数字病理学	子宫内膜癌	多参数MRI、深度学习、多通道图像分析	XGBoost分类器	MRI图像	156例子宫内膜癌患者
188	2025-06-19	The tumour histopathology "glossary" for AI developers 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012708 PMID:39847582	research paper	本文旨在为AI开发者提供基本的组织病理学概念，以支持他们在癌症研究中的应用	通过介绍关键细胞类型和组织病理学技术，填补了AI开发者在组织病理学知识上的空白	未提及具体的AI算法开发或验证结果	促进AI在癌症研究中的应用，特别是在组织病理学图像分析方面	AI开发者和计算研究人员	digital pathology	cancer	HE染色、免疫组织化学染色、多重抗体染色	NA	image	NA
189	2025-06-19	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	本文提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应SARS-CoV-2等病毒的快速进化	结合AlphaFold 3和多任务拓扑拉普拉斯策略，提高了对病毒突变影响的预测能力	与使用实验结构相比，性能略有下降（Pearson相关系数平均下降1.1%，均方根误差平均增加9.3%）	开发高效的计算方法以应对病毒的快速进化，特别是在病毒追踪、诊断和抗体设计方面	SARS-CoV-2刺突蛋白受体结合域（RBD）和人血管紧张素转换酶-2（ACE2）复合物	机器学习	COVID-19	拓扑深度学习（TDL）、深度突变扫描（DMS）	多任务拓扑拉普拉斯（MT-TopLap）、持久拉普拉斯（PL）	蛋白质-蛋白质相互作用（PPI）复合物的三维结构	四个实验性DMS数据集和一个SARS-CoV-2 HK.3变体DMS数据集
190	2025-06-19	Comparison of Deep Learning Models for Objective Auditory Brainstem Response Detection: A Multicenter Validation Study 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165251347773 PMID:40457875	研究论文	本研究评估了九种深度学习模型在听觉脑干反应（ABR）检测中的泛化能力，使用大规模多中心数据集	首次在大规模多中心数据集上评估多种深度学习模型（包括CNN和Transformer架构）在ABR检测中的表现，并验证了Transformer架构在跨中心泛化中的优势	研究主要基于回顾性数据，未在实时临床环境中验证模型表现	评估深度学习模型在ABR检测中的临床适用性和泛化能力	听觉脑干反应（ABR）信号	数字病理	听力障碍	深度学习	CNN（AlexNet, VGG, ResNet）, Transformer（Transformer, PatchTST, Differential Transformer, Differential PatchTST）, 混合模型（ResTransformer, ResPatchTST）	生理信号数据	主要数据集包含来自13,813名参与者的128,123个标记ABR，外加四个外部验证数据集
191	2025-06-19	RRFNet: A free-anchor brain tumor detection and classification network based on reparameterization technology 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325483 PMID:40522942	研究论文	本研究提出了一种基于重参数化技术的自由锚点脑肿瘤检测与分类网络RRFNet，旨在提高脑肿瘤检测的准确性和效率	使用RepConv和RepC3构建主干网络，并引入FGConcat特征图拼接模块优化脑肿瘤检测模型，同时减少推理时的参数量	未提及模型在多样化数据集上的泛化能力或临床验证结果	优化脑肿瘤自动检测与分类的深度学习模型	脑肿瘤的CT或MRI图像	计算机视觉	脑肿瘤	深度学习	RRFNet（基于RepConv-RepC3-FGConcat的CNN变体）	医学影像（CT/MRI）	未明确提及具体样本量
192	2025-06-19	Artificial Intelligence in Obsessive-Compulsive Disorder: A Systematic Review 2025, Current treatment options in psychiatry DOI:10.1007/s40501-025-00359-8 PMID:40524733	系统综述	本文系统综述了人工智能在强迫症（OCD）中的应用，包括早期症状检测、可扩展的治疗训练、临床决策支持、新型治疗方法、基于计算机视觉的方法和多模态生物标志物发现	介绍了深度学习技术的新应用，特别是生成式人工智能（GenAI）和自然语言处理（NLP）在OCD中的应用	大多数研究（84.6%）使用二次数据分析，可能限制了结果的普适性	评估人工智能在强迫症早期诊断和治疗中的潜在应用	强迫症（OCD）患者	自然语言处理	强迫症	生成式人工智能（GenAI）和自然语言处理（NLP）	深度学习	文本	13篇研究文章
193	2025-06-19	An image and text-based fake news detection with transfer learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324394 PMID:40526614	research paper	该研究提出了一种结合文本和图像的多模态分类方法，以提高假新闻检测的准确性，特别是在标注数据稀缺的低资源环境中	利用CLIP模型提取图像和文本的特征，并通过LoRA（低秩适应）技术进行参数高效微调，以提高数据效率	研究可能受限于低资源环境中的数据稀缺问题，且仅使用了一层的MLP进行分类，可能影响模型的复杂性和性能	提高假新闻检测的准确性和鲁棒性，特别是在低资源环境中	假新闻检测	natural language processing	NA	LoRA（低秩适应）	CLIP, MLP	image, text	NA
194	2025-06-19	Prediction of future aging-related slow gait and its determinants with deep learning and logistic regression 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325172 PMID:40526703	研究论文	本研究使用深度学习和逻辑回归预测与衰老相关的慢步及其决定因素	首次将神经网络应用于预测衰老相关的慢步，并与传统逻辑回归方法进行对比	样本来源单一（仅来自巴尔的摩纵向衰老研究），可能影响模型的泛化能力	预测衰老相关的慢步及其生物标志物，以便及时进行干预和决策	1,363名来自巴尔的摩纵向衰老研究的参与者	机器学习	老年疾病	深度学习神经网络（NN）和逻辑回归（LR）分析	NN, LR	临床数据	1,363名参与者
195	2025-06-19	Arrhythmia classification based on multi-input convolutional neural network with attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326079 PMID:40526742	research paper	提出了一种基于多输入卷积神经网络和注意力机制的心律失常分类算法	采用多尺度时频表示和双分支CNN架构，结合SE注意力机制增强关键特征	未提及模型在实时应用中的性能或计算效率	提高心律失常分类的准确性和鲁棒性	心电图信号	machine learning	cardiovascular disease	Short-Time Fourier Transform (STFT)	CNN with SE attention mechanism	ECG信号	MIT-BIH和SPH心律失常数据库
196	2025-06-19	Development and evaluation of a deep learning system for screening real-world multiple abnormal findings based on ultra-widefield fundus images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1584378 PMID:40529144	研究论文	开发和评估一个基于超广角眼底图像的深度学习系统，用于筛查多种异常发现	开发了一个包含质量评估、伪影去除和病变识别三个模块的深度学习系统，特别强调了伪影去除模块对提高病变识别性能的重要性	仅使用了来自三家医院的数据进行训练和验证，可能无法代表所有人群	开发一个能够筛查多种眼底异常的深度学习系统	超广角眼底图像中的出血、玻璃膜疣、硬性渗出物、棉絮斑和视网膜裂孔	计算机视觉	眼科疾病	深度学习	深度学习系统（包含三个模块）	图像	训练和内部验证使用4,521张图像，外部验证使用来自两家医院的344张和894张图像
197	2025-06-19	Deep learning-based image classification for AI-assisted integration of pathology and radiology in medical imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574514 PMID:40529155	研究论文	本文介绍了一种基于深度学习的图像分类框架，用于AI辅助的病理学和放射学医学影像整合	提出了自适应多分辨率成像网络（AMRI-Net）和可解释的领域自适应学习（EDAL）策略，提高了诊断准确性和领域泛化能力	未提及具体样本量或数据集的详细构成	开发AI驱动的医学影像整合解决方案，提高诊断准确性和临床工作流程优化	多模态医学影像数据（X光、CT、MRI等）	数字病理学	NA	深度学习	AMRI-Net, EDAL	医学影像	NA
198	2025-06-19	Integrated multidisciplinary approach to aneurysm hemodynamic analysis: numerical simulation, in Vitro experiment, and deep learning 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1602190 PMID:40529173	综述	本文系统整理了传统和新兴方法，用于表征动脉瘤扩张、破裂和血栓形成过程中的血流动力学扰动	整合了数值模拟、体外实验和深度学习技术，显著提高了计算效率	生物仿生材料的局限性和对机械-生物耦合机制的不完全理解	阐明动脉瘤不稳定的机制基础，建立血流动力学分析的标准化量化协议，为患者特异性风险分层铺平道路	动脉瘤的血流动力学分析	数字病理学	心血管疾病	数值模拟, 体外实验, 深度学习	深度学习	NA	NA
199	2025-06-19	Corrigendum: An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1570979 PMID:40529250	correction	该文章是对先前发表的一篇关于使用深度学习技术增强MRI图像中脑肿瘤检测和分割的文章的更正	NA	NA	NA	NA	digital pathology	NA	deep learning	NA	image	NA
200	2025-06-19	Artificial Intelligence in Chronic Disease Management for Aging Populations: A Systematic Review of Machine Learning and NLP Applications 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S516247 PMID:40529344	review	本文系统综述了人工智能（如机器学习和自然语言处理）在老年慢性病管理中的应用现状、挑战及未来方向	探讨了AI技术在优化医疗资源分配、补充专业管理团队、普及健康教育等方面的潜力	面临数据稀缺、模型泛化能力、临床医生采纳度、与现有医疗系统整合等挑战	促进AI技术在老年慢性病管理中的合理有效应用，以实现健康老龄化	老年慢性病患者（主要包括慢性心脑血管疾病、呼吸系统疾病等）	自然语言处理, 机器学习	geriatric disease	machine learning, NLP, computer vision	NA	NA	NA