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
2101	2025-07-13	Position Based Camera-2D LiDAR Fusion and Person Following for Mobile Robots 2025-May, IEEE ... International Conference on Rehabilitation Robotics : [proceedings] DOI:10.1109/ICORR66766.2025.11062955 PMID:40644251	research paper	该研究提出了一种基于位置的相机-2D LiDAR融合方法，用于移动机器人的人体跟随应用	首次在真实机器人上测试基于位置的目标人物跟踪系统，并与基于图像的跟踪方法进行比较	未明确说明系统在复杂环境中的鲁棒性或计算效率	开发更适合人体跟随应用的目标人物跟踪系统	移动机器人的人体跟随系统	机器人技术	NA	多传感器融合（RGBD相机和LiDAR）、深度学习	UCMCtrack算法、SORT算法	图像、LiDAR点云	未明确说明具体样本数量
2102	2025-07-13	HyenaCircle: a HyenaDNA-based pretrained large language model for long eccDNA prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1641162 PMID:40641599	研究论文	提出了一种基于HyenaDNA预训练大语言模型的HyenaCircle，用于预测长eccDNA的形成	整合第三代测序数据和大语言模型，提出HyenaCircle模型用于长eccDNA预测，性能优于现有模型	未提及具体样本来源及多样性，可能影响模型泛化能力	开发深度学习模型以解决长eccDNA检测难题	长度在1-5kb的染色体外环状DNA（eccDNA）	机器学习	NA	Nanopore测序	HyenaDNA, HyenaCircle	基因组序列数据	20,000个长度匹配的阴性对照
2103	2025-07-13	Explainable AI for time series prediction in economic mental health analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1591793 PMID:40641972	research paper	提出了一种将可解释人工智能（XAI）直接集成到时间序列预测中的新框架，用于经济心理健康分析	结合了内在和事后可解释性技术，系统地整合了特征归因、因果推理和以人为中心的解释生成	现有的事后可解释性方法仅提供部分见解，限制了其在心理健康分析等敏感领域的实际应用	提高时间序列预测在心理健康分析中的可解释性和透明度	经济心理健康分析中的时间序列数据	machine learning	mental health	Explainable Artificial Intelligence (XAI)	interpretable model architecture	time series	NA
2104	2025-07-13	Automatic dental age estimation in adolescents via oral panoramic imaging 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1618246 PMID:40642202	研究论文	本研究通过构建大规模全景牙科图像数据集，应用多种卷积神经网络（CNN）模型实现青少年牙齿年龄的自动估计	首次将深度学习模型应用于中国北方青少年牙齿年龄估计，相比传统Demirjian方法提高了效率和准确性	研究样本局限于中国北方青少年，可能不适用于其他地区或年龄段人群	开发自动化牙齿年龄估计方法以辅助法医牙科鉴定	青少年牙齿全景影像	数字病理	NA	全景牙科成像	CNN	图像	大规模全景牙科图像数据集（具体数量未说明）
2105	2025-07-13	Quantification of myocardial oxygen extraction fraction on noncontrast MRI enabled by deep learning 2024-Nov, Radiology advances DOI:10.1093/radadv/umae026 PMID:40641627	研究论文	开发了一种基于深度学习的非对比心血管磁共振(CMR)方法，用于体内心肌氧提取分数(mOEF)和心肌血容量(MBV)的量化	首次利用深度学习和非对比CMR技术实现mOEF和MBV的体内量化	样本量较小(20名健康志愿者和10名慢性心肌梗死患者)，且仅在3T MRI系统上验证	开发一种无需对比剂的心肌氧提取分数和血容量量化方法	健康志愿者和慢性心肌梗死患者	数字病理	心血管疾病	心血管磁共振(CMR)	UNet	MRI图像	20名健康志愿者和10名慢性心肌梗死患者
2106	2025-07-12	A practical guide for nephrologist peer reviewers: evaluating artificial intelligence and machine learning research in nephrology 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2513002 PMID:40620096	研究论文	本文为肾脏病学领域的同行评审者提供了一个评估人工智能和机器学习研究的实用指南	整合了TRIPOD-AI清单，提出了一个结构化框架，以提升AI研究的可重复性、临床相关性和公平性	未提及具体研究案例的局限性，主要聚焦于通用框架的构建	提高肾脏病学中AI/ML研究的质量和临床可靠性	肾脏病学中的人工智能和机器学习研究	机器学习	肾脏疾病	AI/ML模型，包括卷积神经网络和预测建模	CNN, 预测模型	电子健康记录、影像学数据和生物标志物	NA
2107	2025-07-12	Multiparameter MRI-based automatic segmentation and diagnostic models for the differentiation of intracranial solitary fibrous tumors and meningiomas 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2530223 PMID:40625299	research paper	本研究开发了一种基于多参数MRI的自动分割和诊断模型，用于区分颅内孤立性纤维瘤和脑膜瘤	结合VB-Net深度学习网络进行自动分割，并利用机器学习构建单序列和多序列MRI模型，进一步结合临床/放射学特征开发融合指数相关模型	研究样本量相对有限，且未提及外部验证集的性能表现	术前准确区分颅内孤立性纤维瘤和脑膜瘤，以支持手术规划和治疗策略制定	252名患者（56例SFTs和196例脑膜瘤）的MRI数据	digital pathology	brain tumor	MRI	VB-Net, machine learning models	MRI图像	252名患者（56例SFTs和196例脑膜瘤）
2108	2025-07-12	A bidirectional reasoning approach for blood glucose control via invertible neural networks 2025-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108844 PMID:40440769	研究论文	本文提出了一种双向神经网络方法，用于通过可逆神经网络进行血糖控制	创新性地将前向因果推理与逆向反事实推理整合到一个框架中，并通过多堆叠仿射耦合层实现网络的可逆性	未提及具体局限性	探索因果和反事实推理，为复杂决策过程提供新方法	血糖控制	机器学习	NA	可逆神经网络，强化学习	双向神经网络（BNN）	血糖数据	未提及具体样本量
2109	2025-07-12	DeepMS: super-fast peptide identification using end-to-end deep learning method 2025-Sep-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169237 PMID:40449612	研究论文	开发了一种基于深度学习的超快速肽段识别算法DeepMS，用于质谱数据的肽段序列识别	采用VGG16算法实现端到端的超快速肽段识别，速度超过质谱数据生成速率，并支持翻译后修饰	未提及算法在复杂样本中的识别准确率或与其他传统方法的详细对比	解决质谱数据分析速度慢的问题，推动基于质谱的蛋白质组学技术广泛应用	质谱数据中的肽段序列	机器学习	NA	质谱技术	VGG16	质谱数据	未明确说明具体样本量，但进行了六种深度学习算法的基准测试
2110	2025-07-12	Real-time respiratory motion forecasting with online learning of recurrent neural networks for accurate targeting in externally guided radiotherapy 2025-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108828 PMID:40499344	研究论文	本研究评估了三种资源高效的在线算法（UORO、SnAp-1和DNI）在放射治疗中准确预测呼吸运动的能力	提出了SnAp-1和DNI的高效实现方法，压缩了影响矩阵和即时雅可比矩阵，并准确更新了信用分配估计中的线性系数	研究仅使用了健康受试者的外部标记数据，未涉及实际肿瘤患者	评估在线学习算法在放射治疗中预测呼吸运动的准确性和效率	健康受试者胸部三个外部标记的三维位置时间序列数据	机器学习	肺癌	在线学习算法（UORO、SnAp-1、DNI）	RNN	时间序列数据	9个时间序列，每个序列持续73秒至320秒
2111	2025-07-12	Automated phenotypic analysis and classification of drug-treated cardiomyocytes via synergized time-lapse holographic imaging and deep learning 2025-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108890 PMID:40505199	研究论文	本研究通过结合时间推移全息成像和深度学习，开发了一个自动化平台，用于分析和分类药物处理的心肌细胞	结合时间推移全息成像和深度学习技术，实现单细胞水平的药物毒性自动分类	研究仅针对三种药物，可能不适用于其他药物或更复杂的药物组合	探索药物浓度对单细胞收缩动力学的影响，并实现基于细胞运动行为的自动分类	人诱导多能干细胞衍生的心肌细胞（CM）	数字病理学	心血管疾病	时间推移全息成像，Farneback光流法	深度全卷积网络，深度迁移学习模型	图像	单细胞水平的心肌细胞
2112	2025-07-12	Predicting clinical prognosis in gastric cancer using deep learning-based analysis of tissue pathomics images 2025-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108895 PMID:40513510	研究论文	利用基于深度学习的组织病理学图像分析预测胃癌患者的临床预后	结合病理组学模型和临床参数构建综合列线图，显著提高了预测准确性，并揭示了模型通过反映肿瘤免疫状态和NRP1表达来预测生存期的潜在机制	回顾性研究设计可能引入选择偏倚，样本量相对较小（160例）	评估基于机器学习的病理组学模型在预测胃癌患者术后总生存期（OS）中的效用	接受根治性手术的胃癌患者	数字病理学	胃癌	机器学习方法（包括GBM）	深度学习	图像（组织病理学图像）	160例胃癌患者，并使用TCGA和GEO数据库进行验证
2113	2025-07-12	SmartAlert: Machine learning-based patient-ventilator asynchrony detection system in intensive care units 2025-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108927 PMID:40582190	研究论文	开发并验证了一种基于机器学习的实时系统SmartAlert，用于从ICU患者的呼吸机屏幕数据中检测和分类患者-呼吸机异步（PVA）	首次提出了一种完全在线、实时的系统，直接从呼吸机屏幕数据中检测和分类PVA，并根据严重程度向临床医生发出警报	系统的潜在减少警报疲劳、优化呼吸机设置和改善患者预后的效果尚需在临床试验中进一步验证	开发一种实时检测和分类患者-呼吸机异步（PVA）的系统，以改善ICU患者的治疗效果	ICU患者	机器学习	呼吸系统疾病	深度学习	深度神经网络	视频记录和时间序列数据	381,280个双呼吸单元
2114	2025-07-12	Generative adversarial network (GAN) model-based design of potent SARS-CoV-2 Mpro inhibitors using the electron density of ligands and 3D binding pockets: insights from molecular docking, dynamics simulation, and MM-GBSA analysis 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11047-9 PMID:39613993	研究论文	本研究利用生成对抗网络（GAN）模型设计SARS-CoV-2主蛋白酶（Mpro）抑制剂，通过分子对接、动力学模拟和MM-GBSA分析验证分子活性	采用两种不同的GAN算法生成新型小分子，一种基于配体的实验电子密度数据，另一种基于靶点结合口袋的空间和键合关系	生成的分子数量差异较大（ED-based方法生成26,000个分子，而结合口袋方法仅生成100个分子），可能影响结果的广泛性	加速药物发现过程，设计针对SARS-CoV-2主蛋白酶的有效抑制剂	SARS-CoV-2主蛋白酶（Mpro）及其抑制剂	药物发现	COVID-19	分子对接、分子动力学模拟、MM-GBSA分析	GAN	3D分子结构数据	ED-based方法生成约26,000个分子，结合口袋方法生成约100个分子，最终筛选出6个最有前景的分子进行进一步分析
2115	2025-07-12	A 4D tensor-enhanced multi-dimensional convolutional neural network for accurate prediction of protein-ligand binding affinity 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11044-y PMID:39714563	研究论文	本研究提出了一种基于4D张量特征和多维卷积神经网络的蛋白质-配体结合亲和力预测模型MCDTA	引入了4D张量特征来捕捉结合口袋区域的关键相互作用，并开发了基于该特征的三维卷积神经网络模型	未明确提及具体局限性	准确预测蛋白质-配体结合亲和力，以促进药物新用途的发现	蛋白质-配体相互作用	机器学习	NA	多维卷积神经网络	CNN	序列、结构、三维交互特征	PDBbind v.2020数据集
2116	2025-07-12	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-Aug, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	本研究开发并验证了一种深度学习模型，用于区分由特发性颅内高压（IIH）、非动脉炎性前部缺血性视神经病变（NAION）引起的视盘肿胀与健康眼的眼底照片	利用深度学习技术，首次实现了对IIH、NAION和健康眼的自动区分，且具有高准确率	研究依赖于眼底照片的质量和标准化处理，且外部验证集的样本量相对较小	开发一种能够准确区分IIH、NAION和健康眼的深度学习诊断工具	眼底照片，包括IIH、NAION患者及健康对照者的眼底图像	数字病理	眼科疾病	深度学习	ResNet-50	图像	训练和验证集包含15,088张眼底照片（来自5,866只眼），外部验证集包含1,126张照片（来自928只眼）
2117	2025-07-12	Deep learning Radiopathomics based on pretreatment MRI and whole slide images for predicting overall survival in locally advanced nasopharyngeal carcinoma 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110949 PMID:40409367	research paper	开发了一种基于深度学习的放射病理学整合模型，用于预测局部晚期鼻咽癌患者的总体生存期	结合MRI和全切片图像的深度学习模型，首次在局部晚期鼻咽癌患者中预测总体生存期	样本量相对较小，外部测试集仅包含50例患者	预测局部晚期鼻咽癌患者的总体生存期	343例局部晚期鼻咽癌患者	digital pathology	nasopharyngeal carcinoma	MRI, whole slide imaging	multimodal fusion model with self-attention mechanism and multilayer perceptron	image (MRI and whole slide images)	343例患者（训练集202例，验证集91例，外部测试集50例）
2118	2025-07-12	Deep learning dosiomics for the pretreatment prediction of radiation dermatitis in nasopharyngeal carcinoma patients treated with radiotherapy 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110951 PMID:40412532	研究论文	开发一种结合剂量组学和深度学习（DL）的模型，用于预测接受放疗的鼻咽癌患者中≥2级放射性皮炎（RD）的发生	首次将剂量组学特征与深度学习特征结合，构建端到端模型预测放射性皮炎，并通过整合临床因素进一步提高了预测效果	研究为回顾性设计，样本量相对有限（290例患者），且仅来自两个医疗中心	预测鼻咽癌患者放疗后放射性皮炎的发生风险	接受放疗的鼻咽癌患者	数字病理学	鼻咽癌	剂量组学分析、深度学习	XGBoost、ResNet-34	放射剂量分布数据	290例鼻咽癌患者（167例训练集，72例内部验证集，51例外部验证集）
2119	2025-07-12	Screening of bioactive compounds and deep learning-driven quality control of Angong Niuhuang pills 2025-Jul-24, Journal of ethnopharmacology IF:4.8Q1 DOI:10.1016/j.jep.2025.120095 PMID:40490229	研究论文	本研究通过深度学习驱动的质量控制方法，筛选并验证了安宫牛黄丸中的关键活性化合物，并建立了全面的质量控制系统	结合LC-MS、网络药理学和深度学习模型（BiGRU-MAR）进行安宫牛黄丸的质量控制，提高了准确性和效率	研究未涉及安宫牛黄丸在临床治疗中的实际效果验证	探索深度学习驱动的质量控制方法，实现安宫牛黄丸大规模质量控制和产量监测	安宫牛黄丸及其关键活性化合物	数字病理学	中风	LC-MS, 网络药理学, NIR	BiGRU-MAR	化学分析数据	NA
2120	2025-07-12	ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals 2025-Jul-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adebdd PMID:40609595	研究论文	提出了一种名为ModelS4Apnea的深度学习框架，用于从心电图（ECG）频谱图中高效检测睡眠呼吸暂停	结合结构化状态空间模型（S4）进行时序建模，相比现有方法具有更高的分类性能和更少的可训练参数，同时保持计算效率	未来工作可能探索多模态数据集成、实际部署和进一步优化以增强其临床适用性和可靠性	开发一种高效、准确的睡眠呼吸暂停自动检测方法	心电图（ECG）信号	数字病理学	睡眠呼吸暂停	深度学习	CNN, S4	ECG信号	Apnea-ECG数据集