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
201	2025-07-17	Computational exploration of global venoms for antimicrobial discovery with Venomics artificial intelligence 2025-Jul-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60051-6 PMID:40645962	研究论文	利用人工智能技术探索全球毒液数据库以发现新型抗菌药物	结合深度学习和大规模计算挖掘技术，从毒液蛋白质中识别出结构功能新颖的抗菌肽	实验验证仅针对部分候选肽进行，未全面评估所有预测结果	发现新型抗菌药物以应对抗生素耐药性问题	毒液蛋白质及其衍生的抗菌肽	人工智能在药物发现中的应用	细菌感染	深度学习	深度学习模型（未明确具体类型）	蛋白质序列数据	16,123种毒液蛋白质，生成40,626,260个毒液加密肽段，最终验证58个肽段
202	2025-07-17	Highly adaptable deep-learning platform for automated detection and analysis of vesicle exocytosis 2025-Jul-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61579-3 PMID:40651941	research paper	介绍了一个名为IVEA的ImageJ插件平台，用于自动检测和分析荧光标记的囊泡融合事件及其他突发性活动	IVEA平台结合深度学习技术，能够以比人工分析快约60倍的速度检测人类常遗漏的罕见事件，并且其多功能性可通过集成界面进一步扩展	未明确提及具体的技术限制或适用范围外的场景	开发一个高效、自动化的活细胞成像活动识别平台，以减少人工劳动并提高分析准确性	荧光标记的囊泡融合事件及其他突发性活动	digital pathology	NA	深度学习	NA	image	NA
203	2025-07-17	Multimodal deep learning for cephalometric landmark detection and treatment prediction 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06229-w PMID:40651957	research paper	提出了一种名为DeepFuse的多模态深度学习框架，用于头影测量标志点检测和治疗结果预测	整合了侧位头影测量片、CBCT体积数据和数字牙科模型的多模态信息，采用注意力引导的融合机制和双任务解码器	未提及具体的数据集规模限制或计算资源需求	提高正畸和颌面外科临床决策的准确性和效率	头影测量标志点检测和治疗结果预测	computer vision	NA	多模态深度学习	DeepFuse（包含模态特定编码器、注意力机制和双任务解码器）	图像（侧位头影测量片、CBCT体积数据、数字牙科模型）	三个临床数据集（未提具体样本量）
204	2025-07-17	A crack detection and quantification method using matched filter and photograph reconstruction 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08280-z PMID:40651987	research paper	提出了一种基于数字图像处理和无人机飞行参数的自动裂缝检测与量化方法	结合增强匹配滤波算法和形态学方法进行裂缝分割和骨架提取，并整合图像拍摄参数构建3D模型	依赖于无人机采集的图像质量，可能在高噪声或复杂背景下性能下降	开发一种高效、准确的桥梁裂缝检测与量化方法，以支持桥梁维护决策	桥梁裂缝	computer vision	NA	数字图像处理，无人机航拍	增强匹配滤波算法	图像	公共数据集和一座拱桥的实际应用
205	2025-07-17	Accurate and real-time brain tumour detection and classification using optimized YOLOv5 architecture 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07773-1 PMID:40651993	研究论文	本研究提出了一种结合FCNN和YOLOv5的框架模型，用于实时准确地检测和分类脑肿瘤	结合FCNN和YOLOv5架构，优化了脑肿瘤的检测和分类性能，平均准确率达到98.80%	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高脑肿瘤的诊断准确率和实时性	脑肿瘤的MRI图像	数字病理学	脑肿瘤	MRI成像	FCNN和YOLOv5	图像	NA
206	2025-07-17	A deep learning approach for heart disease detection using a modified multiclass attention mechanism with BiLSTM 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09594-8 PMID:40652020	研究论文	提出了一种基于改进的多类注意力机制和双向长短期记忆网络的深度学习模型，用于提高心脏疾病检测的准确性	引入了类感知注意力权重，动态调整对输入特征的关注度，针对特定心脏疾病类别优化特征表示，解决了传统方法中的误分类、特征重叠和噪声干扰问题	NA	提高心脏疾病诊断的准确性	心脏疾病患者的心电信号数据	机器学习	心血管疾病	改进的自适应带通滤波器(IABPF)和小波变换	改进的多类注意力机制与双向长短期记忆网络(M2AM with Deep BiLSTM)	心电信号数据	6000个样本，14个特征
207	2025-07-17	Development and validation of a prognostic model for predicting survival and immunotherapy benefits in melanoma based on metabolism-relevant genes 2025-Jul-12, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03186-8 PMID:40652057	研究论文	开发并验证了一个基于代谢相关基因的预后模型，用于预测黑色素瘤患者的生存和免疫治疗效益	利用代谢相关基因对黑色素瘤患者进行分子亚型分类，并开发了一个新的预后模型，同时通过单细胞RNA测序和体外实验验证了特征基因的功能	研究主要基于生物信息学分析，虽然进行了体外实验验证，但缺乏体内实验和更大规模的临床验证	预测黑色素瘤患者的预后和免疫治疗反应	皮肤黑色素瘤(SKCM)患者	数字病理学	黑色素瘤	scRNA-seq, WB, qPCR, IHC, siRNA	LASSO和COX回归分析, ResNet50	基因表达数据, 病理图像	未明确提及具体样本数量，但涉及SKCM患者和细胞系
208	2025-07-17	Deep learning algorithm for identifying osteopenia/osteoporosis using cervical radiography 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11285-3 PMID:40652099	研究论文	本研究验证了一种深度学习算法在颈椎X光片上识别骨量减少/骨质疏松症的诊断效果，并与脊柱外科医生的诊断准确性进行了比较	开发了一种基于卷积神经网络的深度学习算法，用于通过颈椎X光片检测骨量减少/骨质疏松症，其诊断准确性高于脊柱外科医生	样本量较小，测试数据集仅包含30个样本	验证深度学习算法在颈椎X光片上识别骨量减少/骨质疏松症的诊断效果	颈椎疾病患者，特别是退行性颈椎脊髓病患者	数字病理学	骨质疏松症	深度学习	CNN	图像	训练数据集200例，测试数据集30例
209	2025-07-17	Establishing an AI-based diagnostic framework for pulmonary nodules in computed tomography 2025-Jul-12, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-025-03806-7 PMID:40652218	research paper	本研究开发了一种基于AI的CT扫描肺结节诊断框架，以提高肺结节的识别和分类性能	提出了一种结合Retina-UNet模型和SVM的深度学习框架，用于肺结节的检测和分类，相比传统方法提高了诊断准确性	对于非孤立性结节的检测存在局限，未来需要增加标注数据集的大小并微调模型	开发一种AI诊断方案，提高CT扫描中肺结节的识别和分类性能	肺结节	digital pathology	lung cancer	CT扫描	Retina-UNet, SVM	3D-DICOM CT图像	1,056张3D-DICOM CT图像
210	2025-07-17	Advancing rare neurological disorder diagnosis: Addressing challenges with systematic reviews and AI-driven MRI meta-trans learning framework for neurodegenerative disorders 2025-Jul-11, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102831 PMID:40653053	研究论文	本文通过系统综述和AI驱动的MRI元迁移学习框架，探讨了人工智能在罕见神经系统疾病诊断中的应用	提出了一个结合元学习和迁移学习的MRI框架，用于罕见神经系统疾病的早期检测，旨在提高诊断准确性	罕见神经系统疾病患者数据稀缺，限制了机器学习和深度学习模型的训练效果	探索人工智能技术在神经系统疾病诊断中的应用，特别是针对罕见疾病的早期检测	神经发育障碍(NDD)、神经生物学障碍(NBD)和神经退行性障碍(ND)等神经系统疾病	数字病理学	神经系统疾病	Meta_Trans Learning (结合Meta-Learning和Transfer Learning)	ML和DL模型	MRI图像数据	NA
211	2025-07-17	CSCE: Cross Supervising and Confidence Enhancement pseudo-labels for semi-supervised subcortical brain structure segmentation 2025-Jul-11, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110522 PMID:40653056	研究论文	提出一种基于伪标签交叉监督和置信度增强的半监督脑部亚结构分割框架CSCE	采用双师生模型（U-Net和TransUNet）进行相互监督，并设计两种机制增强伪标签置信度	未明确提及具体局限性	提升脑部亚结构MRI分割的准确性和鲁棒性	脑部MRI图像中的亚结构	数字病理	脑部疾病	半监督学习	U-Net, TransUNet	MRI图像	两个公开脑部MRI数据集
212	2025-07-17	A multimodule graph-based neural network for accurate drug-target interaction prediction via genomic, proteomic, and structural data fusion 2025-Jul-11, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.145907 PMID:40653240	研究论文	本文提出了一种基于图神经网络的多模块模型GINCOVNET，用于通过基因组、蛋白质组和结构数据融合准确预测药物-靶点相互作用	创新点在于整合了多种数据模态（分子结构信息、靶标序列及分子和靶标的扰动基因表达数据），并展示了多数据融合模型在预测性能上的显著提升	未明确提及具体局限性，但可能包括模型对多模态数据质量的依赖及计算复杂度	加速药物发现和再利用，通过深度学习框架统一不同数据类型以更全面地理解药物-靶点相互作用的分子机制	药物-靶点相互作用	机器学习	NA	基因表达分析、分子对接	图神经网络（GINCOVNET）	基因组数据、蛋白质组数据、结构数据	未明确提及具体样本量
213	2025-07-17	Handwritten signature verification using a wearable surface-EMG armband 2025-Jul-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108908 PMID:40664058	研究论文	本研究探讨了使用表面肌电图（sEMG）通过可穿戴臂带进行手写签名验证的有效性	提出了一个双模型深度学习框架，结合肌肉共激活模式和原始sEMG信号波形，显著提高了签名验证的准确率	研究样本量较小，仅包含20名个体的数据	开发一种实用且安全的生物特征认证解决方案，减少手写签名中的类内变异性	20名个体的手写中文签名	生物特征识别	NA	表面肌电图（sEMG）	CNN-LSTM架构和多分支CNN	sEMG信号	20名个体的签名数据
214	2025-07-17	A deep learning-based clinical decision support system for glioma grading using ensemble learning and knowledge distillation 2025-Jul-10, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102602 PMID:40663835	research paper	该研究提出了一种基于深度学习的临床决策支持系统（CDSS），用于胶质瘤分级，结合了集成学习和知识蒸馏的新特征提取框架	通过集成学习和知识蒸馏结合的方法，构建教师模型并通过不确定性加权集成平均在学生模型训练中优化知识传递，从而缩小教师-学生性能差距，提升分级准确性、可靠性和临床适用性	未提及具体样本来源及多样性限制，可能影响模型的泛化能力	开发一种高效、准确的胶质瘤分级临床决策支持系统，辅助医生和患者进行诊断	胶质瘤的医学影像数据	digital pathology	glioma	deep learning, ensemble learning, knowledge distillation	ensemble model (teacher-student framework)	medical image	NA
215	2025-07-17	A multi-component heavy metal detection method using UV-Vis superimposed spectrum and deep learning 2025-Jul-10, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.139187 PMID:40664080	研究论文	提出了一种结合紫外-可见叠加光谱和深度学习的多组分重金属检测方法，以解决光谱重叠问题	通过组合化学探针增强比色反应的特异性，并利用Transformer模型端到端提取定性和定量信息	在真实样本中检测十种重金属时，平均R²为0.681，表明在复杂条件下性能有所下降	开发一种高效、低成本的重金属检测方法，以支持环境监测和污染控制	五种代表性重金属（Sb、Fe、Ni、Cd、Cu）及真实环境样本中的十种重金属	环境监测	NA	紫外-可见光谱（UV-Vis）	Transformer	光谱数据	五种代表性重金属及真实环境样本中的十种重金属
216	2025-07-17	Deep learning for automatic ICD coding: Review, opportunities and challenges 2025-Jul-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103187 PMID:40664094	综述	本文全面回顾了深度学习在自动ICD编码中的最新进展，旨在通过总结和分析模型的年份、设计动机、深度神经网络和辅助数据，揭示突出的挑战和新兴发展趋势	从独特视角全面回顾了深度学习技术在改进医疗编码分配中的应用，并讨论了主要挑战和未来发展方向	仅涵盖了2017年至2023年的文献，可能未包括最新研究	提高自动国际疾病分类(ICD)编码的效率和准确性	临床文本中的疾病编码	自然语言处理	NA	深度学习	CNN, RNN, Transformer, PLM	文本	53篇已发表文章
217	2025-07-17	A Deep-Learning-Aided Drug Screening Based on Visualization of a Hidden Layer as Chemical Space 2025-Jul-10, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.5c00124 PMID:40666467	research paper	提出一种基于图卷积网络隐藏层可视化的药物筛选方法，用于高效识别潜在活性化合物	通过可视化隐藏层作为化学空间，从深度学习预测的候选化合物中优先选择实验测试对象，并提供化合物结构与活性关系的信息	深度学习模型仍需进一步完善，且不能保证总能提供有效的药物先导化合物	开发一种深度学习辅助的药物筛选方法，提高药物发现的效率	组蛋白去乙酰化酶抑制剂等潜在活性化合物	machine learning	NA	graph-convolutional-network-based deep learning	GCN	chemical compound data	NA
218	2025-07-17	AI-based toxicity prediction models using ToxCast data: Current status and future directions for explainable models 2025-Jul-09, Toxicology IF:4.8Q1 DOI:10.1016/j.tox.2025.154230 PMID:40645553	综述	本文综述了基于ToxCast数据的AI毒性预测模型的研究现状和未来发展方向	分析了93篇同行评审论文，概述了ToxCast数据在毒性预测模型中的应用，并探讨了未来可解释模型的发展方向	当前模型主要关注数据丰富的终点和器官特异性毒性机制，可能忽略了其他重要毒性效应	评估AI在毒性预测模型中的应用现状，并探讨未来发展方向	环境化学物质的毒性预测	机器学习	NA	AI驱动的毒性预测模型	QSAR, 深度学习模型	分子表示（图形、图像、文本）和生物特征数据	93篇同行评审论文的分析
219	2025-07-17	Similarity-based prototype reconstruction and feature reorganization for non-exemplar class incremental learning 2025-Jul-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107837 PMID:40664157	research paper	提出了一种基于相似性的原型重建和特征重组方法（SPRR），用于非示例类增量学习（NECIL）以缓解灾难性遗忘问题	设计了特征重组机制和基于相似性的原型重建方法，以更新原型并保持先前任务的决策边界，同时引入知识整合策略增强模型稳定性	未提及具体局限性	解决非示例类增量学习中的灾难性遗忘问题	非示例类增量学习（NECIL）中的模型性能	computer vision	NA	NA	deep learning	image	三个基准数据集（CIFAR-100、TinyImageNet和ImageNet-Sub）
220	2025-07-17	Time is encoded by methylation changes at clustered CpG sites 2025-Jul-08, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115958 PMID:40664208	research paper	该研究通过深度测序分析健康个体血液样本中的DNA甲基化变化，揭示了年龄依赖性甲基化变化的区域性和协调性模式，并开发了一种高精度的年龄预测模型	首次发现年龄依赖性甲基化变化以区域性集群或块状方式发生，并开发了基于单分子模式的深度学习模型，将年龄预测精度提高到1.36-1.7年	研究仅基于血液样本，未验证其他组织中的甲基化变化模式	探索DNA甲基化与年龄测量之间的关系，并开发高精度年龄预测方法	300多份健康个体的血液样本	生物信息学	NA	超深度测序	深度学习	DNA甲基化数据	>300份健康个体血液样本