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
221	2025-08-03	PGBTR: a powerful and general method for inferring bacterial transcriptional regulatory networks 2025-Aug-01, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11863-9 PMID:40750847	研究论文	提出了一种名为PGBTR的强大、通用且稳定的计算框架，用于预测细菌转录调控网络	PGBTR结合了CNN和独特的输入生成步骤PDGD，在预测细菌转录调控关系方面表现优于现有方法	仅在Escherichia coli和Bacillus subtilis数据集上进行了验证，未在其他细菌上测试	开发一个强大的计算框架来推断细菌转录调控网络	细菌转录调控网络	生物信息学	NA	基因表达数据分析	CNN	基因表达数据和基因组信息	Escherichia coli和Bacillus subtilis数据集
222	2025-08-03	Application of deep learning models in gastric cancer pathology image analysis: a systematic scoping review 2025-Aug-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14662-3 PMID:40750872	系统综述	本文系统评估了深度学习模型在胃癌病理图像分析中的应用、挑战及未来方向	深度学习模型在胃癌检测、组织学分类和预后预测中表现出色，部分模型准确率超过95%	当前研究存在数据集规模有限、缺乏外部验证、数据多样性不足等问题，且对不同类型和分期的胃癌适用性尚不明确	评估深度学习在胃癌病理图像分析中的应用现状及未来发展方向	胃癌病理图像	数字病理学	胃癌	深度学习	CNN	图像	22项符合纳入标准的研究
223	2025-08-03	Deep learning-based super-resolution US radiomics to differentiate testicular seminoma and non-seminoma: an international multicenter study 2025-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02045-y PMID:40750949	研究论文	本研究评估了基于深度学习的超分辨率超声放射组学模型在区分睾丸精原细胞瘤和非精原细胞瘤中的性能	首次将深度学习超分辨率技术与放射组学结合，用于睾丸生殖细胞肿瘤的亚型区分，并在国际多中心研究中验证其效果	研究为回顾性设计，需要前瞻性研究进一步验证	提高睾丸生殖细胞肿瘤亚型术前鉴别的准确性	睾丸生殖细胞肿瘤患者	数字病理	睾丸癌	超声成像、放射组学分析	深度学习超分辨率模型	超声图像	486名男性患者（338训练集，92国内验证集，59国际验证集）
224	2025-08-03	Deep-learning model for embryo selection using time-lapse imaging of matched high-quality embryos 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10531-y PMID:40750959	研究论文	开发并验证了一种基于自监督对比学习的深度学习模型，用于通过延时成像选择高质量胚胎	采用自监督对比学习训练卷积神经网络，结合Siamese神经网络微调和XGBoost最终预测模型，以防止过拟合，并利用匹配的KID胚胎数据进行模型开发	模型在预测妊娠结果时的AUC值较低（0.57和0.64），可能需要进一步优化以提高预测准确性	提高体外受精（IVF）实验室中胚胎选择的准确性和效率	匹配的已知植入数据（KID）胚胎	数字病理学	生殖健康	延时成像	CNN, Siamese神经网络, XGBoost	视频	460名患者的1580个胚胎视频
225	2025-08-03	STELLA provides a drug design framework enabling extensive fragment-level chemical space exploration and balanced multi-parameter optimization 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12685-1 PMID:40750989	研究论文	介绍了一种名为STELLA的基于元启发式的生成分子设计框架，用于药物发现中的化学空间探索和多参数优化	结合进化算法和基于聚类的构象空间退火方法，利用深度学习模型预测药理特性，显著提高了命中候选分子的数量和多样性	未提及具体在哪些药物靶点或疾病类型上进行了验证，可能限制了其通用性	开发一个能够广泛探索化学空间并进行多参数优化的药物设计框架	分子设计框架STELLA及其在药物发现中的应用	药物发现	NA	进化算法、基于聚类的构象空间退火方法、深度学习	深度学习模型	分子数据	与REINVENT 4进行了性能比较，具体样本数量未明确说明
226	2025-08-03	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2025-Aug-01, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	research paper	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果	整合了多种最先进的深度学习模型与基于共识的评分方法，并利用大型元基因组序列数据库增强多序列比对(MSAs)的深度	存在需要进一步改进的领域，特别是在MSA和评分策略方面	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA的结构	生物信息学	NA	深度学习，多序列比对(MSAs)，元基因组序列分析	深度学习模型，NuFold框架	蛋白质和RNA的序列与结构数据	NA
227	2025-08-03	Performance validation of deep-learning-based approach in stool examination 2025-Aug-01, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-06878-w PMID:40751198	研究论文	本研究评估了基于深度学习的肠道寄生虫识别方法的性能，并与人类专家进行了比较	首次将深度学习模型（如DINOv2-large和YOLOv8-m）应用于肠道寄生虫识别，并展示了其在自动化检测中的优越性	研究可能受限于样本数量和多样性，且模型在识别某些寄生虫时的性能仍有提升空间	评估深度学习模型在肠道寄生虫识别中的性能，以改进现有的诊断程序	人类肠道寄生虫	数字病理学	肠道寄生虫感染	FECT和MIF技术，以及深度学习模型	YOLOv4-tiny, YOLOv7-tiny, YOLOv8-m, ResNet-50, DINOv2 (base, small, large)	图像	训练集占80%，测试集占20%（具体样本数量未提及）
228	2025-08-03	Automated Assessment of Test of Masticating and Swallowing Solids Using a Neck-Worn Electronic Stethoscope: A Pilot Study 2025-Aug-01, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.70030 PMID:40751301	研究论文	本研究探索使用颈部佩戴电子听诊器(NWES)自动评估咀嚼和吞咽固体测试(TOMASS)的可行性	首次将NWES与深度学习技术结合用于TOMASS的自动化评估，提高了客观性和效率	样本仅包含健康成年人，未涵盖吞咽困难等患者群体	开发客观测量TOMASS参数的自动化方法并分析年龄性别影响	123名健康成年人(平均年龄58.7±18.5岁)的咀嚼吞咽功能	数字健康	吞咽功能障碍	深度学习声音分析	NA	音频数据和视觉数据	123名健康成年人
229	2025-08-03	Electromagnetic Interaction Algorithm (EIA)-Based Feature Selection With Adaptive Kernel Attention Network (AKAttNet) for Autism Spectrum Disorder Classification 2025-Aug, International journal of developmental neuroscience : the official journal of the International Society for Developmental Neuroscience IF:1.7Q4 DOI:10.1002/jdn.70034 PMID:40751377	research paper	提出了一种结合电磁相互作用算法（EIA）进行特征选择和自适应核注意力网络（AKAttNet）进行分类的集成方法，以提高自闭症谱系障碍（ASD）的检测性能	结合EIA进行特征选择和AKAttNet进行分类的集成方法，显著提高了ASD检测的准确性和计算效率	未来工作需要探索在真实临床环境中的应用，并进一步优化特征选择过程	提高自闭症谱系障碍（ASD）的早期和准确诊断	自闭症谱系障碍（ASD）患者	machine learning	autism spectrum disorder	EIA, AKAttNet	AKAttNet, logistic regression (LR), support vector machine (SVM), random forest (RF)	publicly available ASD datasets	四个公开可用的ASD数据集
230	2025-05-14	Deep learning-enabled echocardiographic assessment of biventricular ejection fractions: the dual-task QUEST-EF model 2025-Jul-31, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf147 PMID:40354128	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
231	2025-08-03	Electrocardiogram-Based Artificial Intelligence to Identify Coronary Artery Disease 2025-Jul-31, JACC. Advances DOI:10.1016/j.jacadv.2025.102041 PMID:40749517	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型ECG2CAD，用于检测冠状动脉疾病（CAD）并识别有不良事件风险的人群	利用深度学习模型ECG2CAD从心电图中识别CAD，相比基于年龄和性别的模型或Pooled Cohort Equations有显著改进	研究结果在不同测试集中的表现存在差异，特别是在UK Biobank中的AUPRC较低	开发一种基于ECG的人工智能模型，用于检测CAD并预测不良事件风险	心电图数据和冠状动脉疾病患者	机器学习	心血管疾病	深度学习	深度学习模型（具体未说明）	心电图数据	训练集：764,670份ECG（137,199人）；测试集：MGH（18,706人）、BWH（88,270人）、UK Biobank（42,147人）
232	2025-08-03	Optimizing Thyroid Nodule Management With Artificial Intelligence: Multicenter Retrospective Study on Reducing Unnecessary Fine Needle Aspirations 2025-Jul-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/71740 PMID:40737551	研究论文	本研究评估了AI在真实临床环境中识别甲状腺良性结节的能力，以减少不必要的细针穿刺活检	AI系统在识别甲状腺良性结节方面优于放射科医生，显著减少了不必要的细针穿刺活检	AI系统仍会错误识别部分低或中度恶性风险的结节为良性	优化甲状腺结节管理，减少不必要的细针穿刺活检	甲状腺结节	数字病理	甲状腺癌	深度学习	深度学习AI系统	超声图像	4572个甲状腺结节（良性3134个，恶性1438个）
233	2025-08-03	Advanced air quality prediction using multimodal data and dynamic modeling techniques 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11039-1 PMID:40738914	研究论文	提出了一种新型混合深度学习模型，用于提高空气质量预测的准确性	结合了CNN、BiLSTM、注意力机制、GNN和Neural ODEs等多种先进技术，并引入自适应池化机制以减少计算复杂性和训练时间	未提及具体的地理范围或时间跨度的限制	提高空气质量预测的准确性，支持实时环境监测和大规模预测	空气质量数据，包括PM2.5、PM10、CO和臭氧等污染物	机器学习	NA	深度学习	CNN, BiLSTM, GNN, Neural ODEs	多模态数据（地面传感器数据、气象数据、卫星图像）	使用Air Quality Open Dataset (AQD)数据集，具体样本量未提及
234	2025-08-03	Deep learning for property prediction of natural fiber polymer composites 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10841-1 PMID:40738916	研究论文	本文探讨了深度学习在预测天然纤维聚合物复合材料性能方面的应用	使用混合CNN-MLP模型和DNNs预测聚合物复合材料的机械、热和化学性能，展示了DNNs在捕捉复杂非线性关系方面的优越性	研究样本量相对较小，仅包含180个实验样本，虽然通过bootstrap技术增加到1500个，但仍可能影响模型的泛化能力	研究深度学习技术在预测天然纤维聚合物复合材料性能方面的应用	四种天然纤维（亚麻、棉花、剑麻、大麻）和三种聚合物基质（PLA、PP、环氧树脂）	机器学习	NA	深度学习（DL）	CNN-MLP, DNNs	实验数据	180个实验样本，通过bootstrap技术增加到1500个
235	2025-08-03	Ultrasound derived deep learning features for predicting axillary lymph node metastasis in breast cancer using graph convolutional networks in a multicenter study 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13086-0 PMID:40738938	研究论文	本研究旨在开发和验证一种基于超声的图卷积网络（GCN）模型，用于预测乳腺癌患者的腋窝淋巴结转移（ALNM）	首次使用基于超声的GCN模型预测乳腺癌患者的ALNM，并在多中心研究中验证其性能	研究为回顾性设计，需要前瞻性研究进一步验证临床应用的可行性	开发一种非侵入性方法来预测乳腺癌患者的腋窝淋巴结转移状态	乳腺癌患者	数字病理	乳腺癌	超声成像	图卷积网络（GCN）	超声图像	820名符合条件的乳腺癌患者（训练队列621人，验证队列1 112人，验证队列2 87人）
236	2025-08-03	A hybrid deep learning model for sentiment analysis of COVID-19 tweets with class balancing 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97778-7 PMID:40738947	research paper	该研究提出了一种混合深度学习模型，用于分析COVID-19相关推文的情感，结合了BERT和LSTM网络	结合BERT进行上下文特征提取和LSTM进行序列学习，并应用随机过采样（ROS）解决类别不平衡问题	未提及模型在不同语言或文化背景下的泛化能力	准确分类COVID-19相关社交媒体讨论中的公众情感	COVID-19相关的推文	natural language processing	COVID-19	BERT, LSTM, Random OverSampling (ROS)	hybrid deep learning model (BERT + LSTM)	text	未明确提及样本数量
237	2025-08-03	Compressive strength modelling of cenosphere and copper slag-based geopolymer concrete using deep learning model 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13176-z PMID:40738956	研究论文	本研究利用人工神经网络（ANN）预测含铜渣的微珠基地聚合物混凝土的28天抗压强度	首次将ANN模型应用于含铜渣的微珠基地聚合物混凝土抗压强度预测，准确率超过98.6%	未提及模型在其他类型地聚合物混凝土中的泛化能力	开发可持续建筑材料的性能预测方法	含铜渣的微珠基地聚合物混凝土	机器学习	NA	人工神经网络（ANN）	ANN	材料性能数据	未明确说明具体样本数量
238	2025-08-03	Refined prognostication of pathological complete response in breast cancer using radiomic features and optimized InceptionV3 with DCE-MRI 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08565-3 PMID:40739101	研究论文	该研究提出了一种利用MRI图像提取的放射组学特征和优化的InceptionV3模型来预测乳腺癌患者病理完全缓解（pCR）的新方法	研究创新点包括从dcom系列中提取高级特征（如面积、周长、熵等）以及将提取的特征与InceptionV3模型结合使用，并通过不同的损失函数、优化器函数和激活函数组合优化模型性能	NA	预测乳腺癌患者在接受新辅助治疗后是否能够达到病理完全缓解（pCR）	255名乳腺癌患者的MRI数据	数字病理	乳腺癌	MRI	InceptionV3 (GoogleNet)	图像	255名患者
239	2025-08-03	A privacy preserving machine learning framework for medical image analysis using quantized fully connected neural networks with TFHE based inference 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07622-1 PMID:40739149	research paper	提出了一种基于全同态加密的隐私保护机器学习框架，用于医学图像分析	结合全连接神经网络和TFHE全同态加密技术，在保证数据隐私的同时进行医学图像分析	仅在MedMNIST数据集上进行了验证，未在其他医学图像数据集上测试	开发一个隐私保护的医学图像分析框架	医学图像数据	digital pathology	NA	TFHE全同态加密	FCNN	image	MedMNIST数据集
240	2025-08-03	Deep learning for tooth detection and segmentation in panoramic radiographs: a systematic review and meta-analysis 2025-Jul-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06349-9 PMID:40739210	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在全景X光片中牙齿检测和分割的性能	首次对深度学习在全景X光片中牙齿检测和分割的应用进行了系统性的性能评估和荟萃分析	纳入分析的文献数量有限（20篇），且仅针对特定类型的牙齿异常（正中额外牙）进行了荟萃分析	评估深度学习在全景X光片中牙齿检测和分割的应用效果	全景X光片中的牙齿图像	数字病理学	牙科疾病	深度学习	NA	医学影像	20项研究（其中6项用于正中额外牙检测和分割的荟萃分析）