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	2025-07-07	Deep learning assessment of metastatic relapse risk from digitized breast cancer histological slides 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60824-z PMID:40593633	research paper	开发了一种基于AI的工具，通过分析数字化肿瘤切片预测早期乳腺癌患者的5年无转移生存率	提出了一个深度学习模型RlapsRisk BC，能够独立预测无转移生存率，并提供超越传统临床病理变量的预后价值	研究仅针对雌激素受体阳性、HER2阴性的早期乳腺癌患者，可能不适用于其他类型的乳腺癌	提高早期乳腺癌患者的风险分层准确性，以指导治疗决策	雌激素受体阳性、HER2阴性的早期乳腺癌患者	digital pathology	breast cancer	deep learning	CNN	image	未明确提及样本数量
202	2025-07-07	RiNALMo: general-purpose RNA language models can generalize well on structure prediction tasks 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60872-5 PMID:40593636	研究论文	本文介绍了一种名为RiNALMo的通用RNA语言模型，该模型在结构预测任务上表现出色	RiNALMo是目前最大的RNA语言模型，具有6.5亿参数，并在3600万非编码RNA序列上进行了预训练，能够提取隐藏知识并捕捉RNA序列中隐含的结构信息	NA	提高对RNA结构和功能的理解，以充分利用RNA作为小分子药物靶点的潜力	RNA序列及其结构	自然语言处理	NA	语言模型	RiNALMo	RNA序列数据	3600万非编码RNA序列
203	2025-07-07	ToxACoL: an endpoint-aware and task-focused compound representation learning paradigm for acute toxicity assessment 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60989-7 PMID:40593807	研究论文	提出了一种名为ToxACoL的机器学习范式，用于多条件急性毒性评估，通过图拓扑建模端点关联并通过图卷积实现知识转移	ToxACoL通过伴随相关机制同步编码化合物和端点，生成端点感知和任务聚焦的表示，显著提高了数据稀缺人类端点的预测性能	未明确提及具体局限性，但可能面临模型泛化性和实际应用场景的验证挑战	开发一种能够处理多条件急性毒性评估的机器学习方法，解决现有方法在实验条件多样性、数据不平衡和目标数据稀缺方面的不足	多物种急性毒性评估中的化合物和毒性端点	机器学习	NA	图卷积网络	GCN（图卷积网络）	化学化合物数据和毒性端点数据	未明确提及具体样本数量，但提到减少了70%至80%的训练数据
204	2025-07-07	Proteomic risk scores for predicting common diseases using linear and neural network models in the UK biobank 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06232-1 PMID:40594723	研究论文	利用血浆蛋白质组学数据和线性及神经网络模型，开发了预测27种常见疾病的蛋白质风险评分	结合线性ElasticNet回归模型和深度学习神经网络模型，评估蛋白质风险评分对疾病的预测能力，并分析共享和独特的蛋白质预测因子	虽然神经网络模型能捕捉复杂关系，但线性模型在简洁性和可解释性方面具有优势	开发并评估蛋白质风险评分在预测常见疾病中的效果	53,030名UK Biobank参与者的2,923种血浆蛋白质数据	机器学习	多种常见疾病（如帕金森病、肺栓塞等）	血浆蛋白质组学	ElasticNet回归模型和深度学习神经网络模型	蛋白质表达数据	53,030名参与者
205	2025-07-07	The analysis of acquisition system for electronic traffic signal in smart cities based on the internet of things 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07423-6 PMID:40595191	研究论文	设计了一个基于物联网和深度学习的智能交通电子信息信号采集系统，旨在解决城市交通拥堵问题并提升交通管理的效率和智能化水平	提出了改进的多任务卷积神经网络模型AM-MMFF-GooGleNet，集成了多模态特征融合和通道注意力机制，显著提高了车辆定位和识别的准确性与鲁棒性	NA	解决城市交通拥堵问题，提升交通管理的效率和智能化水平	智能交通系统中的车辆电子信号采集与处理	智能交通系统	NA	深度学习，物联网	AM-MMFF-GooGleNet (改进的MT-CNN)	视频	NA
206	2025-07-07	Synergizing advanced algorithm of explainable artificial intelligence with hybrid model for enhanced brain tumor detection in healthcare 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07524-2 PMID:40595253	研究论文	本文提出了一种结合可解释人工智能（XAI）和混合模型的方法，用于增强脑肿瘤检测	结合DenseNet201和SVM的混合模型，并集成多种XAI技术（如Grad-CAM、IG和LRP）以提高模型的可解释性和准确性	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种高精度且可解释的脑肿瘤检测方法，以支持临床决策	脑肿瘤的MRI图像	数字病理学	脑肿瘤	MRI	DenseNet201, SVM	图像	NA
207	2025-07-07	Benchmark dataset and deep learning method for global tropical cyclone forecasting 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61087-4 PMID:40595595	研究论文	本文提出了一个名为TropiCycloneNet的全球热带气旋预测数据集和深度学习方法，包含TCN数据集和TCN预测模型	提出了一个开放的多模态热带气旋数据集和集成了气象知识的AI预测模型，显著提高了预测准确性	未提及具体的技术局限性或数据覆盖范围的不足	提高热带气旋轨迹和强度的预测准确性，推动数据驱动的热带气旋预测研究	全球热带气旋	机器学习	NA	深度学习	Generator Chooser Network, Environment-Time Net	多模态数据	覆盖六大洋盆70年的多源数据
208	2025-07-07	A novel decision-making approach for the selection of best deep learning techniques under logarithmic fractional fuzzy set information 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03389-7 PMID:40595920	研究论文	本文提出了一种基于对数分数模糊集信息的新型决策方法，用于选择最佳深度学习技术	定义了一种特殊的模糊集类别——对数分数模糊集（Log-FFS），并基于对数运算原理提出了一系列聚合算子（AoPs）	NA	研究在模糊信息环境下选择最佳深度学习技术的决策方法	深度学习技术	机器学习	NA	对数分数模糊集（Log-FFS）、Complex Proportional Assessment (COPRAS)、扩展TOPSIS方法	NA	模糊集信息	NA
209	2025-07-07	Enhanced wind power forecasting using machine learning, deep learning models and ensemble integration 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05250-3 PMID:40596009	研究论文	本研究应用机器学习和深度学习技术，通过系统超参数调优提升风能预测性能	采用多种ML和DL模型进行对比分析，并构建堆叠集成模型以提高预测准确性和鲁棒性	未明确说明模型在其他地区或不同时间尺度上的泛化能力	提高风能发电预测准确性以保障电网稳定性	风能发电数据	机器学习	NA	机器学习与深度学习	Random Forest, Decision Trees, Linear Regression, KNN, XGBoost, AdaBoost, Gradient Boosting, MLP, LSTM, Stacking Ensemble	时间序列数据	Kaggle风轮机SCADA数据集和印度Aralvaimozhi实时风数据
210	2025-07-07	A fake news detection model using the integration of multimodal attention mechanism and residual convolutional network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05702-w PMID:40596197	研究论文	本研究提出了一种结合残差网络和注意力机制的深度学习模型，用于提高假新闻检测的准确性和效率	构建了多模态特征融合模块，设计了跨模态对齐机制，优化了特征融合结构，并利用注意力机制增强显著特征的表示	未提及具体局限性	提高假新闻检测的准确性和效率	多模态数据（文本、图像和视频）	自然语言处理	NA	多模态注意力机制、残差卷积网络	CNN、注意力机制	文本、图像、视频	三个代表性数据集：LIAR数据集、FakeNewsNet数据集和微博数据集
211	2025-07-07	Hybrid model integration with explainable AI for brain tumor diagnosis: a unified approach to MRI analysis and prediction 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06455-2 PMID:40596288	研究论文	本文提出了一种结合可解释AI的混合模型，用于脑肿瘤的MRI分析和预测	结合了图像处理、视觉变换器（ViT）和机器学习算法的混合模型，以及并行模型集成技术，并应用LIME进行模型解释	未来工作需扩展模型至多类分类以提高肿瘤类型检测能力，并提升模型的泛化能力	提高脑肿瘤的早期检测和诊断准确性	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	图像处理、视觉变换器（ViT）、随机森林、对比度受限的自适应直方图均衡化（CLAHE）、ResNet101、Xception、LIME	ViT、随机森林、ResNet101、Xception	MRI图像	NA
212	2025-07-07	A Design of Experiment to Evaluate the Printability for Bioprinting by Using Deep Learning Image Similarity 2025-Jul, Journal of biomedical materials research. Part A DOI:10.1002/jbm.a.37961 PMID:40616386	研究论文	本文通过深度学习图像相似性评估生物打印的可打印性，并研究了挤出式打印中速度和压力对打印质量的影响	提出了一种结合深度学习图像相似性的新方法来评估生物打印的可打印性	研究仅使用了两种替代生物材料进行实验，可能无法涵盖所有生物材料的特性	提高挤出式生物打印的可打印性，推动组织工程领域的发展	透明质酸和藻酸钠作为替代生物材料，以及甲基丙烯酸透明质酸与角膜角质细胞的组合	组织工程	NA	深度学习图像相似性	NA	图像	使用了两种替代生物材料（透明质酸和藻酸钠）以及甲基丙烯酸透明质酸与角膜角质细胞的组合
213	2025-07-07	DDintensity: Addressing imbalanced drug-drug interaction risk levels using pre-trained deep learning model embeddings 2025-Jul-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103202 PMID:40617062	研究论文	本文提出了一种名为DDintensity的新方法，利用预训练的深度学习模型作为嵌入生成器，结合LSTM-attention模型来解决药物-药物相互作用（DDI）风险级别数据集中的不平衡问题	使用预训练的深度学习模型生成嵌入，结合LSTM-attention模型处理不平衡数据集，BioGPT生成的嵌入表现最佳	未提及具体的数据集规模限制或模型在其他类型数据上的泛化能力	解决生物信息学中药物-药物相互作用风险级别数据集的不平衡问题	药物-药物相互作用（DDI）风险级别数据集	生物信息学	NA	预训练的深度学习模型嵌入生成，LSTM-attention模型	LSTM-attention, BioGPT	图像、图、文本语料库	DDinter和MecDDI数据集，以及化疗药物DB00398和DB01204的案例研究
214	2025-07-07	SimIntestine: A synthetic dataset from virtual capsule endoscope 2025-Jun-28, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103706 PMID:40617135	research paper	开发了一种生成带有位置注释的虚拟肠道图像数据集的方法，用于改进内窥镜视频分析	结合虚拟胶囊内窥镜生成具有真实解剖特征和纹理特性的合成数据集，提供相机位置、方向和深度信息	NA	改进内窥镜视频分析，特别是在姿态估计和同时定位与映射领域	人类胃肠道的小肠和大肠	digital pathology	NA	虚拟胶囊内窥镜技术	Endo-SfMLearner, Monodepth2	image	NA
215	2025-07-07	ChatGPT-Assisted Deep Learning Models for Influenza-Like Illness Prediction in Mainland China: Time Series Analysis 2025-Jun-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/74423 PMID:40577658	研究论文	本研究评估了多种深度学习模型在中国大陆流感样疾病(ILI)阳性率预测中的表现，并探索了ChatGPT在模型开发中的辅助作用	首次将ChatGPT辅助开发应用于流感预测领域，比较了5种不同深度学习架构在ILI预测中的表现	在北方地区的预测误差仍然较高(MAPE>400%)，部分模型在北方地区表现不稳定	评估深度学习模型在流感预测中的性能并探索ChatGPT的辅助作用	中国大陆2014-2024年的ILI阳性率数据	机器学习	流感	时间序列分析	LSTM, N-BEATS, Transformer, TFT, TiDE	时间序列数据	2014-2024年中国国家流感中心数据库的ILI数据(2014-2023年训练，2024年1-39周测试)
216	2025-07-07	Deep Learning for Detecting Dental Plaque and Gingivitis From Oral Photographs: A Systematic Review 2025-Jun-26, Community dentistry and oral epidemiology IF:1.8Q3 DOI:10.1111/cdoe.70001 PMID:40571994	系统综述	本文系统评估了深度学习模型在利用口腔内RGB照片检测牙菌斑和牙龈炎方面的性能	深度学习模型在牙菌斑检测任务中表现优于牙医，尤其是在未使用显色剂的情况下	缺乏外部测试、多中心研究和报告一致性，影响了模型在现实世界中的适用性	评估深度学习模型在口腔疾病检测中的应用效果	牙菌斑和牙龈炎	数字病理学	牙周病	深度学习	DL	图像	23项符合纳入标准的研究
217	2025-07-07	Uncovering the genetic basis of glioblastoma heterogeneity through multimodal analysis of whole slide images and RNA sequencing data 2025-Jun-26, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103191 PMID:40617061	研究论文	通过多模态深度学习分析全切片图像和RNA测序数据，揭示胶质母细胞瘤异质性的遗传基础	结合全切片图像和RNA测序数据，引入新方法编码RNA测序数据，识别与胶质母细胞瘤进展模式相关的特定遗传特征	NA	研究胶质母细胞瘤异质性的遗传机制	胶质母细胞瘤	数字病理学	胶质母细胞瘤	RNA-seq	多模态深度学习	图像、RNA测序数据	NA
218	2025-07-07	AML diagnostics in the 21st century: Use of AI 2025-Jun-16, Seminars in hematology IF:5.0Q1 DOI:10.1053/j.seminhematol.2025.06.002 PMID:40617702	review	本文综述了人工智能（AI）在21世纪急性髓系白血病（AML）诊断中的关键作用，探讨了其进展、挑战及未来前景	AI技术如深度学习（DL）和机器学习（ML）正在革新复杂诊断数据的解读，包括使用DL分类器或自动核型分析等工具，以及大型语言模型（LLM）在高效数据处理和临床决策中的应用	AI驱动诊断需要透明度和可解释性，同时面临监管障碍、数据隐私问题及系统间互操作性等挑战	探讨AI在AML诊断中的应用及其潜力	急性髓系白血病（AML）的诊断方法	数字病理学	白血病	深度学习（DL）、机器学习（ML）、大型语言模型（LLM）	DL、ML、LLM	诊断数据	NA
219	2025-07-07	Chromatin accessibility dynamics and transcriptional regulatory networks underlying the primary nitrogen response in rice roots 2025-Jun-03, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101392 PMID:40468596	研究论文	研究水稻根系中初级氮响应的染色质可及性动态和转录调控网络	通过时间序列ATAC-seq和RNA-seq分析，精确识别了氮诱导响应的调控区域，并揭示了OsLBD38、OsLBD39和OsbZIP23等新型调控因子在氮响应中的复杂调控作用	研究仅关注了2小时内的氮响应动态，可能未完全捕捉长期调控机制	解析水稻根系中初级氮响应的转录调控机制	两个水稻品种（珍汕97和日本晴）的根系	植物分子生物学	NA	ATAC-seq, RNA-seq	深度学习	基因组数据, 转录组数据	两个水稻品种的根系样本，在2小时内的时间序列分析
220	2025-03-11	A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response 2025-Jun, The American journal of pathology DOI:10.1016/j.ajpath.2025.02.002 PMID:40056973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA