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	2025-06-24	Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions 2025-Jun-17, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112531 PMID:40544576	研究论文	本研究开发了一种基于多任务深度学习的自动化方法，用于从正颌全景片中估计性别和年龄，并与人工预测进行了比较	采用多任务学习框架结合VGG骨干网络和注意力分支，显著提高了性别和年龄估计的准确性，优于人工预测	样本量相对有限（2067张全景片），未说明模型在不同种族或图像质量下的泛化能力	开发自动化性别和年龄估计方法以应用于法医牙科和身份鉴定	正颌全景片（orthopantomograms）	计算机视觉	NA	深度学习	多任务学习网络（VGG backbone + 注意力分支）	医学影像	2067张正颌全景片（性别和年龄均衡分布，3-89岁）
222	2025-06-24	Developing a deep learning-based surgical-skill assessment model focused on instrument handling in laparoscopic colorectal surgery 2025-Jun-17, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110260 PMID:40544713	研究论文	开发了一种基于深度学习的腹腔镜结直肠手术中器械操作的自动评估模型	利用计算机视觉技术构建了自动识别组织抓取次数的模型，用于手术技能评估	模型在区分成功/失败的组织抓取方面效果不足，识别精度有待提高	探讨基于组织抓取次数的自动手术技能评估的可行性	腹腔镜结直肠手术中的器械操作	计算机视觉	结直肠癌	计算机视觉技术	深度学习模型	视频	高、中、低三个不同手术技能水平组的术中视频
223	2025-06-24	The value of a deep learning image reconstruction algorithm for assessing vertebral compression fractures using dual-energy computed tomography 2025-Jun-16, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112244 PMID:40544715	研究论文	评估深度学习图像重建算法在双能计算机断层扫描中检测急性椎体压缩性骨折的价值	使用深度学习图像重建算法（DLIR）提高虚拟非羟基磷灰石（VNHAP）和虚拟单能图像（VMIs）的质量，并提升放射科医生检测急性椎体压缩性骨折（VCFs）的性能	样本量相对较小（103个椎体），且仅评估了四种重建算法	评估DLIR在双能计算机断层扫描中检测急性椎体压缩性骨折的应用价值	椎体压缩性骨折（VCFs）	数字病理学	椎体压缩性骨折	双能计算机断层扫描（DECT）	深度学习图像重建算法（DLIR）	图像	103个椎体（46个正常椎体，29个急性VCFs，28个慢性VCFs）
224	2025-06-24	Predicting drug-drug interactions: A deep learning approach with GCN-based collaborative filtering 2025-Jun-13, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103185 PMID:40544699	research paper	该研究提出了一种基于图卷积网络（GCN）和协同过滤的AI推荐模型，用于预测药物-药物相互作用（DDIs）	该方法通过分析相互作用药物的连接性而非化学结构，避免了传统分类模型中需要采样未定义相互作用作为负样本的问题，能够预测所有未知药物对的潜在相互作用	模型的效能仅通过利用DDI报告建立，可能受到报告质量和完整性的限制	预测药物-药物相互作用以提高患者用药安全性	药物-药物相互作用	machine learning	NA	graph convolutional network (GCN), collaborative filtering	GCN	drug interaction data	4,072种药物和1,391,790对药物相互作用
225	2025-06-24	Using nursing data for machine learning-based prediction modeling in intensive care units: A scoping review 2025-Jun-07, International journal of nursing studies IF:7.5Q1 DOI:10.1016/j.ijnurstu.2025.105133 PMID:40544524	综述	本文通过范围综述，探讨了利用护理数据进行机器学习预测模型在重症监护病房中的应用现状	系统性地总结了护理数据在重症监护病房患者预后预测模型中的多样化应用，特别是护理量表的使用趋势	主要依赖公开访问数据，可能无法全面反映所有护理数据类型在预测模型中的潜力	识别利用护理数据的机器学习模型预测重症监护病房患者健康结局的研究现状	重症监护病房成年患者	机器学习	重症监护	监督学习、深度学习、神经网络	回归、提升方法、随机森林	结构化护理数据（量表、评估记录、活动记录、护理笔记）	151项研究（2004-2023年）
226	2025-06-24	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质	通过基于物理的设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并提出了一个经过微调的Alphafold2版本，能够捕捉几何多样性	当前基于深度学习的结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所涉及的物理原理	改进深度学习模型以更好地预测和设计具有自然多样性的蛋白质几何形状	从头设计的蛋白质	机器学习	NA	深度学习	Alphafold2	蛋白质结构数据	5,996个从头设计的蛋白质
227	2025-06-06	Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning 2025-Jun-02, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.05.026 PMID:40466886	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
228	2025-06-24	READRetro web: A user-friendly platform for predicting plant natural product biosynthesis 2025-Jun-02, Molecules and cells IF:3.7Q2 DOI:10.1016/j.mocell.2025.100235 PMID:40466944	research paper	介绍了一个用户友好的网络平台READRetro web，用于预测植物天然产物的生物合成	开发了一个基于现代网络技术的用户友好平台，使不具备深厚计算背景的研究人员也能轻松使用先进的机器学习驱动的逆合成预测工具	未明确提及平台在处理复杂天然产物时的性能限制或对不同类型天然产物的适用性	促进植物天然产物的大规模生产，加速药物发现研究	植物天然产物及其生物合成途径	machine learning	NA	retrosynthesis prediction	READRetro ML model	chemical structure data	NA
229	2025-06-24	Artificial Intelligence-Assisted Detection of Breast Cancer Lymph Node Metastases in the Post-Neoadjuvant Treatment Setting 2025-Jun, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104121 PMID:40020876	研究论文	本研究开发了一种可解释的深度学习流程，用于在乳腺癌新辅助治疗后检测淋巴结转移	首次评估了深度学习算法在乳腺癌新辅助治疗后淋巴结转移检测中的泛化能力，并研究了治疗后效应训练数据对算法性能的影响	研究仅针对乳腺癌患者，未评估其他癌症类型的适用性	开发并评估一种AI辅助的乳腺癌淋巴结转移检测方法	乳腺癌新辅助治疗后的淋巴结组织	数字病理学	乳腺癌	深度学习	CNN	病理切片图像	1027张病理切片
230	2025-06-24	Explainable Deep Multilevel Attention Learning for Predicting Protein Carbonylation Sites 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500581 PMID:40145846	研究论文	本文介绍了一种名为SCANS的新型深度学习框架，用于预测蛋白质羰基化位点，该框架采用多级注意力策略和定制损失函数以提高预测性能	SCANS框架创新性地结合了多级注意力策略、定制损失函数和迁移学习，有效减少了配体相互作用位点的交叉预测，提高了预测特异性	NA	准确预测蛋白质羰基化位点，以深入理解蛋白质羰基化的机制及其相关疾病的发病机理	蛋白质羰基化位点	生物信息学	NA	深度学习	多级注意力网络	蛋白质序列数据	基准测试数据集
231	2025-06-24	Integrative deep learning and radiomics analysis for ovarian tumor classification and diagnosis: a multicenter large-sample comparative study 2025-Jun, La Radiologia medica DOI:10.1007/s11547-025-02006-x PMID:40167932	研究论文	本研究评估了结合经阴道超声（US）的放射组学和深度学习模型在大规模研究中准确区分良性和恶性卵巢肿瘤的有效性	结合CNN和放射组学模型，提供更准确可靠的卵巢肿瘤诊断方法，优于单独模型和专家评估	回顾性研究设计可能影响结果的普遍性	评估结合放射组学和深度学习模型在卵巢肿瘤诊断中的有效性	良性和恶性卵巢肿瘤	数字病理学	卵巢癌	经阴道超声（US）	CNN	图像	2078名患者的3193张图像
232	2025-06-24	FedOpenHAR: Federated Multitask Transfer Learning for Sensor-Based Human Activity Recognition 2025-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0631 PMID:40267073	研究论文	介绍FedOpenHAR框架，探索在传感器基础的人类活动识别和设备位置识别任务中的联邦迁移学习	提出FedOpenHAR框架，结合联邦学习和迁移学习，支持多任务处理，并在新客户端加入时能利用已有共同层进行训练	需要处理不同数据集中可能只包含部分标签类型的问题	开发适用于传感器基础的人类活动识别和设备位置识别的联邦学习框架	传感器数据	机器学习	NA	联邦学习，迁移学习	DeepConvLSTM	传感器数据	OpenHAR框架中的十个较小数据集
233	2025-06-24	Unveiling Multi-Scale Architectural Features in Single-Cell Hi-C Data Using scCAFE 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416432 PMID:40270467	研究论文	介绍了一种名为scCAFE的深度学习模型，用于在单细胞水平上检测多尺度的染色质结构特征	scCAFE提供了一个统一的框架，用于注释单个细胞中的染色质环、TAD样结构域（TLDs）和区室，优于以往的scHi-C环检测方法，并能准确预测TLDs和区室	NA	分析单细胞基因组结构，并探索仅基于3D基因组特征进行精确细胞类型注释的可能性	单细胞Hi-C数据	基因组学	NA	scHi-C	深度学习模型	基因组数据	NA
234	2025-06-24	QRS-centric beat-wise atrial fibrillation detection in ECG signals using deep neural networks 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110282 PMID:40378565	research paper	提出了一种基于深度学习的逐搏心房颤动（AF）检测方法，通过QRS波群中心的自适应分割提高检测精度	采用QRS波群中心的自适应分割方法，结合CNN和双向LSTM网络，实现了逐搏级别的高精度AF检测	未提及模型在噪声环境下的鲁棒性测试	开发高精度的逐搏级别心房颤动自动检测方法	心电图信号中的心房颤动	digital pathology	cardiovascular disease	ECG信号分析	CNN + bidirectional LSTM	ECG信号	MIT-BIH心律失常数据库、MIT-BIH心房颤动数据库、MIMIC-III和Simband数据集
235	2025-06-24	Disturbance-Aware On-Chip Training with Mitigation Schemes for Massively Parallel Computing in Analog Deep Learning Accelerator 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417635 PMID:40390534	研究论文	本文研究了模拟内存计算（AIMC）中的片上训练，特别是在6T1C突触器件中量化并缓解了并行权重更新时的干扰效应	首次基于氧化物半导体和电容器精确识别并量化了6T1C突触器件的干扰效应，并提出了三种简单的操作方案来缓解这些效应	干扰效应在器件缩放时会加剧，且大规模阵列中的学习可行性仍需进一步验证	减少数据延迟并实现用户特定学习，同时解决模拟突触器件在并行权重更新时的干扰问题	6T1C突触器件及其在模拟内存计算中的应用	机器学习	NA	模拟内存计算（AIMC）	CNN	图像	CIFAR-10数据集
236	2025-06-24	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的深度学习框架，用于通过表征癌症驱动信号来预测癌细胞药物敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，提升了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	提高癌细胞药物敏感性预测的准确性，以实现精准肿瘤学	癌细胞系和实体瘤样本	数字病理学	癌症	深度学习	自监督神经网络	遗传标记和癌症驱动信号	多个数据集和来自The Cancer Genome Atlas的实体瘤样本
237	2025-06-24	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本文介绍了一种能够自动执行多种碎片化技术的质谱仪，并开发了一个统一的深度学习模型来预测碎片离子强度，从而提高了蛋白质组覆盖范围	开发了一个能够覆盖多种碎片化技术的单一Prosit深度学习模型，并公开了该模型	NA	提高蛋白质组学实验中蛋白质的识别效率	质谱仪和碎片化技术	质谱分析	NA	CID, UVPD, EID, ECD, LC-MS	Prosit深度学习模型	质谱数据	NA
238	2025-06-24	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	研究论文	本文提出了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，从而促进分子结构的解析	ICEBERG模型能够模拟碰撞诱导解离，生成化学上合理的碎片及其相对强度，并考虑碰撞能量和极性，显著提高了化合物注释的准确性	未明确提及具体限制，但可能涉及模型在更复杂或未知结构上的泛化能力	开发一种深度学习模型，用于快速准确地解析未知分子结构	分子结构的解析，特别是代谢组学、药物发现和反应筛选中的同量异位结构	机器学习和质谱分析	抑郁症和结核性脑膜炎	串联质谱(MS/MS)和深度学习	几何深度学习模型(ICEBERG)	质谱数据	NIST'20 [M+H]加合物子集
239	2025-06-24	In Toto Adipocytes Analysis Using Hydrophilic Tissue Clearing, Light Sheet Microscopy, and Deep Learning-Based Image Processing 2025-Jun, Biology of the cell IF:2.4Q4 DOI:10.1111/boc.70013 PMID:40544484	research paper	本研究开发了一种创新的3D成像方法，结合组织透明化、光片显微镜和深度学习技术，用于评估脂肪细胞体积	首次结合无脱脂步骤的组织透明化、光片显微镜和深度学习技术，实现脂肪组织的3D成像和自动分析	目前仅在肥胖和健康大鼠的肠系膜脂肪组织中进行验证，尚未在其他组织或疾病模型中应用	开发一种创新的3D成像方法来准确评估脂肪细胞体积，克服传统技术的局限性	肥胖和健康大鼠的肠系膜脂肪组织中的脂肪细胞	digital pathology	obesity	hydrophilic tissue clearing, light sheet microscopy, deep learning	deep learning	3D image	肥胖和健康大鼠的肠系膜脂肪组织样本
240	2025-06-24	Evaporative cooling signals for wound healing in plants 2025-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.23.655667 PMID:40502075	研究论文	本文研究了植物叶片受伤后局部冷却现象及其与伤口愈合的关系，并提出了一种利用计算机视觉和深度学习监测伤口愈合动态的方法	发现伤口诱导的局部冷却现象作为伤口愈合的定量标记，并开发了基于计算机视觉和深度学习的伤口愈合监测工作流程	研究仅限于拟南芥叶片，未验证其他植物或组织类型的适用性	探索植物伤口愈合的后期机制并开发定量监测工具	拟南芥叶片	计算机视觉	NA	计算机视觉、深度学习	深度学习	图像	NA