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
2421	2025-04-09	Transformer-based artificial intelligence on single-cell clinical data for homeostatic mechanism inference and rational biomarker discovery 2025-Mar-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.24.25324556 PMID:40196278	research paper	该研究开发了一种基于Transformer的人工智能流程，用于单细胞临床数据分析，以推断稳态机制并发现生物标志物	提出了一个通用的、可解释的AI流程，包括用于预测的MIST模型和用于可解释性的单细胞FastShap模型，能够解释70-82%的血细胞群体大小变化	研究仅针对血液细胞群体，未涉及其他组织或细胞类型	利用单细胞数据分析生物系统中的模式和机制，并发现潜在的临床相关生物标志物	循环红细胞（RBC）、白细胞（WBC）和血小板（PLT）的单细胞测量数据	machine learning	sepsis, heart disease, diabetes	single-cell measurement	Transformer (MIST), FastShap	single-cell clinical data	大量常规临床数据（具体数量未提及）
2422	2025-04-09	Interactions of flavonoid and coumarin derivative compounds with transforming growth factor-beta receptor 1 (TGF-βR1): integrating virtual screening, molecular dynamics, maximum common substructure, and ADMET approaches in the treatment of idiopathic pulmonary fibrosis 2025-Mar-24, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-025-06338-3 PMID:40126695	研究论文	本研究通过计算生物学方法探索植物来源的黄酮和香豆素衍生物作为新型TGF-βR1抑制剂的潜力，用于治疗特发性肺纤维化	首次系统评估1206种黄酮和香豆素衍生物作为TGF-βR1抑制剂的潜力，并发现2',3',4'-三羟基黄酮和双香豆醇两种新型候选化合物	研究仅限于计算机模拟，需要进一步的体外结合实验和体内动物研究验证	开发治疗特发性肺纤维化的新型TGF-βR1抑制剂	1206种黄酮和香豆素衍生物化合物	计算药物发现	特发性肺纤维化	虚拟筛选、分子对接、分子动力学模拟、MM/PBSA结合自由能计算、ADMET预测	分子对接(AutoDock Vina)、分子动力学模拟(GROMACS)	化合物结构数据、蛋白质晶体结构数据	1206种化合物经过筛选后对161种进行虚拟筛选，最终重点研究3种先导化合物
2423	2025-04-09	Intelligent biofilm detection with ensemble of deep learning networks 2025-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.26937 PMID:39954282	研究论文	本研究评估了使用U-Net神经网络集成策略自动检测牙菌斑的性能	采用集成策略的U-Net神经网络自动检测牙菌斑，无需使用显色剂	研究为回顾性探索性研究，可能存在数据偏差	评估自动检测牙菌斑的深度学习方法的性能	乳牙和恒牙的口内照片	计算机视觉	牙科疾病	深度学习	U-Net	图像	两个数据集的口内图像（具体数量未提及）
2424	2025-04-09	Diagnostic accuracy of artificial intelligence in the detection of maxillary sinus pathology using computed tomography: A concise systematic review 2025-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240139 PMID:40191392	系统性综述	评估人工智能在利用CT/CBCT影像检测上颌窦病变中的表现和准确性	总结了多种深度学习模型在上颌窦病变检测中的应用及其性能	需要进一步提高准确性和一致性	评估人工智能在上颌窦病变检测中的诊断准确性	上颌窦病变	数字病理学	上颌窦炎	CT/CBCT成像	CNN, ResNet, DenseNet, YOLO, U-Net	影像	3,349名患者（7,358张影像）
2425	2025-04-09	Synthetic Diffusion Tensor Imaging Maps Generated by 2D and 3D Probabilistic Diffusion Models: Evaluation and Applications 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639511 PMID:40060678	research paper	评估和比较2D和3D概率扩散模型生成的合成扩散张量成像（DTI）图的质量及其在下游任务中的应用	首次评估和比较2D和3D DDPMs生成的合成DTI图的质量及其在下游任务中的表现，并展示3D合成优于2D切片生成	研究仅评估了MD图，未涵盖DTI所有参数；下游任务仅涉及性别分类和痴呆分类	解决DTI数据稀缺和隐私问题，并通过合成数据增强深度学习方法的训练数据	合成DTI MD图及其在性别分类和痴呆分类任务中的应用	digital pathology	dementia	denoising diffusion probabilistic models (DDPMs)	2D和3D CNNs	image	NA
2426	2025-04-09	CellSAM: A Foundation Model for Cell Segmentation 2025-Feb-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.17.567630 PMID:38045277	research paper	提出了一种名为CellSAM的通用细胞分割模型，能够跨多种细胞成像数据进行泛化	基于Segment Anything Model (SAM)开发了一种提示工程方法，用于掩模生成，并训练了一个名为CellFinder的对象检测器来自动检测细胞并提示SAM生成分割	未提及具体限制	开发一个能够跨多种细胞成像数据泛化的通用细胞分割模型	哺乳动物细胞、酵母和细菌的成像数据	digital pathology	NA	deep learning, prompt engineering	SAM, object detector (CellFinder)	image	多种成像模态下的哺乳动物细胞、酵母和细菌图像
2427	2025-04-09	Deep learning-based hyperspectral technique identifies metastatic lymph nodes in oral squamous cell carcinoma-A pilot study 2025-Feb, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15067 PMID:39005220	研究论文	本研究基于高光谱成像和深度学习技术，开发了一种用于检测口腔鳞状细胞癌转移淋巴结中癌细胞的系统	采用改进的ResUNet算法分析癌细胞与淋巴细胞以及肿瘤组织与正常组织之间的光谱曲线差异	研究样本量较小，仅为45例口腔鳞状细胞癌患者的转移淋巴结	建立一种高精度、高效率的病理诊断方法，用于识别口腔鳞状细胞癌转移淋巴结中的肿瘤组织	45例口腔鳞状细胞癌(OSCC)患者的转移淋巴结连续切片	数字病理	口腔鳞状细胞癌	高光谱成像	改进的ResUNet	高光谱图像	45例OSCC患者的转移淋巴结
2428	2025-04-09	Optimising deep learning models for ophthalmological disorder classification 2025-01-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75867-3 PMID:39856068	研究论文	本文使用深度学习模型对眼科疾病进行分类，并比较了不同优化器的性能	采用基于迁移学习的CNN方法对眼科疾病进行多类多标签分类，并使用MobileNet模型和Adam优化器取得了最佳测试准确率	仅使用了ODIR数据库中的眼底图像，未涉及其他类型的数据或更大规模的数据集	优化深度学习模型以提高眼科疾病分类的准确性	眼科疾病（如高血压、青光眼和糖尿病视网膜病变）	计算机视觉	眼科疾病	眼底成像	CNN, MobileNet	图像	ODIR数据库中的患者左右眼眼底图像
2429	2025-04-09	Detection of cervical cell based on multi-scale spatial information 2025-01-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87165-7 PMID:39856153	research paper	提出了一种基于多尺度空间信息的宫颈细胞检测方法，以提高宫颈癌筛查和诊断的效率	设计了多尺度空间信息增强模块（MSA）和通道注意力增强模块（CAE），有效捕获和整合不同尺度的空间信息，并动态优化关键特征	未提及方法在更大规模或多样化数据集上的泛化能力	提高宫颈癌筛查和诊断的效率和准确性	宫颈细胞	digital pathology	cervical cancer	deep learning	Sparse R-CNN	image	CDetector数据集（具体样本数量未提及）
2430	2025-04-09	Real-time detection and monitoring of public littering behavior using deep learning for a sustainable environment 2025-01-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77118-x PMID:39848984	研究论文	利用深度学习技术实时检测和监控公共场所乱扔垃圾行为，以促进可持续环境发展	结合MoViNet视频分类模型和YOLOv8目标检测模型，通过面部识别和车牌检测识别乱扔垃圾的个体	乱扔垃圾检测数据难以获取，需通过模拟真实场景收集数据	开发一种实时监控系统以减少公共场所乱扔垃圾行为	车辆和行人的乱扔垃圾行为	计算机视觉	NA	深度学习	MoViNet, YOLOv8, LRCN, CNN-RNN	视频	模拟真实场景收集的数据集
2431	2025-04-09	Computational Stabilization of a Non-Heme Iron Enzyme Enables Efficient Evolution of New Function 2025-Jan-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202414705 PMID:39394803	research paper	本文展示了使用深度学习工具ProteinMPNN对Fe(II)/αKG超家族酶进行重新设计，以提高其稳定性、溶解性和表达，同时保留其天然活性和工业相关的非天然功能	利用深度学习工具ProteinMPNN进行酶设计，首次实现了对Fe(II)/αKG超家族酶的稳定化改造，并成功应用于定向进化，显著提高了非天然反应的催化效率	研究仅针对Fe(II)/αKG超家族酶，其通用性需要进一步验证	评估深度学习工具在酶工程工作流程中的有效性，开发新型生物催化剂	Fe(II)/αKG超家族酶	machine learning	NA	ProteinMPNN, directed evolution	deep learning	protein sequence and structure	多个Fe(II)/αKG酶变体
2432	2025-04-09	Integrated brain tumor segmentation and MGMT promoter methylation status classification from multimodal MRI data using deep learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332018 PMID:40190333	研究论文	本研究提出了一种基于深度学习的多模态MRI数据集成方法，用于脑肿瘤分割和MGMT启动子甲基化状态分类	提出了一种结合3D ResU-Net和3D ResNet10的两阶段深度学习流程，实现了非侵入性的MGMT启动子甲基化状态预测	仍处于研究阶段，需要未来研究和临床验证以探索其在真实临床环境中的适用性	开发非侵入性方法来支持神经肿瘤学家进行脑肿瘤诊断和治疗规划	胶质母细胞瘤(GBM)患者	数字病理	脑肿瘤	多模态MRI扫描	3D ResU-Net, 3D ResNet10	MRI图像	使用BraTS2021脑肿瘤分割数据集和MGMT启动子状态分类数据集
2433	2025-04-09	Exploring the potential of deep learning models integrating transformer and LSTM in predicting blood glucose levels for T1D patients 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328980 PMID:40190336	研究论文	本研究开发了一种结合Transformer和LSTM的混合深度学习模型，用于预测1型糖尿病患者的血糖水平	结合Transformer和LSTM网络，利用双向LSTM和Transformer编码器层在多阶段进行特征提取，提高了预测准确性和预测时间范围	模型在临床数据和模拟数据上的表现存在差异，可能需要进一步优化以适应更广泛的临床场景	提高血糖预测的准确性和预测时间范围，支持实时糖尿病管理	1型糖尿病患者的血糖水平	机器学习	糖尿病	深度学习	Transformer和LSTM	连续血糖监测数据	临床数据和模拟数据
2434	2025-04-09	Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach for Sleep Monitoring 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S514631 PMID:40190583	研究论文	本研究提出了一种基于Vision Transformer深度学习模型和智能手机录音的实时打鼾检测方法	首次利用深度学习模型预测家庭录制的智能手机音频中的打鼾情况，并采用Vision Transformer架构	研究样本量相对较小，且依赖智能手机录音质量	开发一种实时打鼾检测方法，用于家庭睡眠监测	214名参与者的睡眠呼吸声音数据	机器学习	睡眠相关疾病	智能手机音频记录	Vision Transformer	音频	214名参与者（85,600个时段）
2435	2025-04-09	Integration of multimodal imaging data with machine learning for improved diagnosis and prognosis in neuroimaging 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1552178 PMID:40191032	研究论文	提出了一种结合CNN、GRU和动态跨模态注意力模块的混合深度学习方法，用于整合多模态成像数据以提高神经影像诊断和预后的准确性	引入动态跨模态注意力模块，有效融合空间和时间脑数据，克服现有多模态融合技术的局限性	尚未应用于其他图像类型和临床数据，未来需要进一步验证	提高神经影像诊断和预后的准确性	阿尔茨海默病等脑部疾病	神经影像	阿尔茨海默病	结构MRI (sMRI) 和功能MRI (fMRI)	CNN, GRU, 动态跨模态注意力模块	多模态成像数据	Human Connectome Project (HCP) 数据集，包含行为数据、fMRI和sMRI
2436	2025-04-09	A semi-supervised weighted SPCA- and convolution KAN-based model for drug response prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1532651 PMID:40191608	研究论文	提出了一种基于半监督加权SPCA和卷积KAN的药物反应预测模型NMDP，用于解决多组学基因数据中的特征提取、数据融合和小样本学习问题	引入可解释的半监督加权SPCA模块、基于样本相似性网络的双模态测试和方差信息的多组学数据融合框架，以及结合一维卷积和KAN的预测方法	未明确提及具体局限性，但提到需要处理小样本量和过拟合风险	精准肿瘤学中的药物反应预测	细胞系对特征药物的反应	机器学习	癌症	多组学基因数据分析	SPCA, KAN, 一维卷积	多组学基因数据	五组真实数据实验
2437	2025-04-09	Isfahan Artificial Intelligence Event 2023: Lesion Segmentation and Localization in Magnetic Resonance Images of Patients with Multiple Sclerosis 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_55_24 PMID:40191684	research paper	该文章介绍了2023年伊斯法罕人工智能活动中关于多发性硬化症患者磁共振图像中病灶分割和定位的挑战	利用深度学习技术进行多发性硬化症患者磁共振图像中病灶的精确分割和定位	未提及具体方法的性能比较和详细数据集信息	通过病灶分割和定位帮助医生确定多发性硬化症的严重程度和进展	多发性硬化症患者的磁共振图像	computer vision	多发性硬化症	磁共振成像(MRI)	U-net及其他复杂网络	image	NA
2438	2025-04-09	An imaging and genetic-based deep learning network for Alzheimer's disease diagnosis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1532470 PMID:40191788	research paper	提出了一种基于MRI和SNP数据的多模态深度学习分类网络，用于阿尔茨海默病（AD）诊断和轻度认知障碍（MCI）进展预测	利用CNN提取全脑结构特征，Transformer网络捕获遗传特征，并采用基于交叉Transformer的网络进行全面的特征融合，同时引入基于注意力图的可解释性方法分析AD相关结构和风险变异及其相互关系	数据集规模有限，大多数AD研究依赖于影像遗传学领域的统计方法	提高AD诊断和MCI进展预测的准确性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	digital pathology	geriatric disease	MRI, SNP	CNN, Transformer	image, genetic	1,541名来自ADNI数据库的受试者
2439	2025-04-09	A phenotypic drug discovery approach by latent interaction in deep learning 2024-Oct, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240720 PMID:40191531	research paper	本文提出了一种基于深度学习的潜在相互作用表型药物发现方法，通过端到端的方式利用药物和病毒遗传信息的文本表示进行高维潜在表示转换	该方法能够隐式考虑上位性和化学-遗传相互作用等复杂性，并处理数据稀缺的普遍挑战，为机制知识有限情况下的药物发现提供了有前景的替代方案	虽然展示了深度学习在数据稀缺场景中的可行性，但对潜在机制的理解仍有限	解决传统药物发现方法中高阶相互作用被忽视的问题，开发新的计算方法	药物和病毒的遗传信息	machine learning	NA	deep learning, data augmentation	deep learning model	text	NA
2440	2025-04-09	An automated approach for predicting HAMD-17 scores via divergent selective focused multi-heads self-attention network 2024-07, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2024.110984 PMID:38806119	研究论文	介绍了一种名为DSFMANet的深度学习模型，用于自动预测抑郁症患者的HAMD-17评分	提出了一种多分支结构的自注意力网络，通过人工配置不同分支的注意力焦点因子，实现了对不同子频带的注意力分布	未提及具体的数据集规模或模型在其他疾病上的泛化能力	提高抑郁症诊断的准确性，为临床决策提供支持	抑郁症患者的HAMD-17评分	机器学习	抑郁症	深度学习	DSFMANet（多分支自注意力网络）	EEG信号	NA