深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
2441	2025-10-06	AI-augmented prediction of high-risk PINK1 variants associated with Parkinson's disease: integrating multilayered bioinformatics, MD simulation, and deep learning 2025-Sep-04, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.08.014 PMID:40914318	研究论文	本研究通过整合多层生物信息学、分子动力学模拟和深度学习技术，预测与帕金森病相关的PINK1基因高危变异	首次结合生物信息学工具、深度学习方法和分子动力学模拟系统评估PINK1基因激酶域nsSNPs的结构功能影响	研究结果需要实验验证，分子动力学模拟时间尺度有限	识别PINK1基因激酶域中最有害的非同义单核苷酸多态性及其结构和功能改变	PINK1基因激酶域的非同义单核苷酸多态性	生物信息学	帕金森病	生物信息学分析,分子动力学模拟,深度学习,蛋白质-蛋白质相互作用分析,分子对接	深度学习模型	基因序列数据,蛋白质结构数据	NA	NA	NA	NA	NA
2442	2025-10-06	A Comprehensive Review on the Application of Artificial Intelligence for Predicting Postsurgical Recurrence Risk in Early-Stage Non-Small Cell Lung Cancer Using Computed Tomography, Positron Emission Tomography, and Clinical Data 2025-Sep, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.860 PMID:39844750	综述	本文系统回顾了基于CT、PET和临床数据的人工智能技术在预测早期非小细胞肺癌术后复发风险中的应用	首次全面评估了结合放射组学、机器学习和深度学习的多模态方法在早期NSCLC复发预测中的综合应用潜力	纳入研究存在样本量小、缺乏外部验证、可解释性不足和多模态影像技术融合不充分等问题	评估人工智能技术在预测早期非小细胞肺癌术后复发风险中的应用效果和发展前景	早期非小细胞肺癌患者	数字病理	肺癌	CT, PET, PET/CT	机器学习, 深度学习	影像数据, 临床数据	16项符合纳入标准的研究	NA	NA	NA	NA
2443	2025-10-06	Artificial intelligence in metalloprotein binding site prediction: A systematic review bridging bioinformatics and biotechnology 2025-Sep, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.146666 PMID:40885350	系统综述	本文系统综述了人工智能在金属蛋白结合位点预测中的应用，连接生物信息学与生物技术领域	提出了基于数据集特征、研究目标和性能权衡的结构化决策框架来指导模型选择	数据不平衡、金属离子代表性不足和结构异质性限制了模型的泛化能力	系统评估人工智能在金属蛋白结合位点预测中的方法与应用	金属蛋白及其金属结合位点	生物信息学	NA	机器学习,深度学习	Random Forest,CNN	序列数据,结构数据	NA	NA	卷积神经网络	准确率	NA
2444	2025-10-06	Analyzing Depression in College Students Using NLP and Transformer Models: Implications for Career and Educational Counseling 2025-Sep, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70828 PMID:40922618	研究论文	本研究开发了一种结合RoBERTa Transformer和GRU层的自然语言处理框架，用于通过社交媒体内容检测大学生抑郁症状	提出结合RoBERTa Transformer与GRU层的混合架构，并整合多模态嵌入（行为、时间和上下文元数据）来增强情感分析能力	研究依赖于社交媒体数据，可能无法完全代表所有学生群体，且模型性能可能受平台特定语言特征影响	开发自动化系统检测大学生抑郁症状，为学业和职业咨询提供支持	大学生的社交媒体帖子	自然语言处理	抑郁症	自然语言处理	Transformer, GRU	文本数据（社交媒体帖子）	来自Twitter和Reddit的真实世界数据集	PyTorch, TensorFlow	RoBERTa, GRU	准确率	NA
2445	2025-10-06	Automated Coffee Roast Level Classification Using Machine Learning and Deep Learning Models 2025-Sep, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70532 PMID:40923385	研究论文	本研究评估多种机器学习和深度学习模型用于咖啡烘焙程度自动分类	使用Xception作为特征提取器的CNN模型，并结合多种传统ML模型进行咖啡烘焙程度分类，实现完全自动化解决方案	NA	开发可靠、可扩展的咖啡烘焙程度自动分类方法	咖啡豆烘焙程度	计算机视觉	NA	图像分析	CNN, AdaBoost, random forest, SVM	图像	1,600张高质量图像，均衡分布在绿色、浅度、中度和深度四个烘焙等级	NA	Xception	准确率, F1分数	NA
2446	2025-10-06	High-resolution imaging system for integration into intelligent noncontact total body scanner 2025-Sep, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.9.096001 PMID:40927515	研究论文	开发了一种用于全身扫描仪的高分辨率光学皮肤成像模块和软件，通过焦点堆栈方法生成超聚焦皮肤镜图像	采用电调谐液体透镜快速捕获不同焦点图像序列，结合焦点堆栈和深度学习超分辨率技术提升图像质量	与接触式皮肤镜标准相比，个别病变分辨率存在差异；超分辨率技术可能影响原始数据真实性	开发用于早期黑色素瘤检测的高分辨率非接触式皮肤成像系统	皮肤病变和皮肤地形	计算机视觉	黑色素瘤	焦点堆栈成像、深度学习超分辨率	分类模型	图像	NA	NA	NA	分辨率(28μm)、采集速度(50帧/秒)	NA
2447	2025-10-06	Validating community concerns of menstrual changes associated with COVID-19 vaccination using a self-controlled case series analysis of real-world data 2025-Aug-30, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2025.127511 PMID:40695092	研究论文	本研究通过社交媒体分析和真实世界数据分析验证了COVID-19 mRNA疫苗接种与月经变化之间的关联	结合深度学习框架分析社交媒体讨论与真实世界医疗数据，首次系统验证COVID-19疫苗接种与月经变化的关联	研究基于观察性数据，无法确定因果关系，且仅分析了特定时间段的数据	调查COVID-19疫苗接种是否与月经紊乱发生率增加相关	15-49岁女性接种COVID-19疫苗后的月经变化情况	公共卫生，医学信息学	月经紊乱，疫苗相关不良反应	自我对照病例系列分析，深度学习自然语言处理	深度学习框架	社交媒体文本数据，医疗记录数据	70,977条社交媒体帖子，澳大利亚全科医疗数据集（2021年1月-2023年3月）	VaxPulse（专有深度学习框架）	NA	相对发病率，95%置信区间，P值	NA
2448	2025-10-06	Integration of Gene Expression and Digital Histology to Predict Treatment-Specific Responses in Breast Cancer 2025-Aug-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.25.25334393 PMID:40909848	研究论文	本研究通过深度学习模型整合基因表达特征和数字病理学图像，预测乳腺癌患者对新辅助化疗的治疗反应	首次将基于Transformer的模型应用于数字病理学图像来推断基因表达特征，并在多个临床试验队列中验证其预测治疗反应的能力	研究主要基于回顾性队列数据，需要在前瞻性研究中进一步验证	开发能够预测乳腺癌治疗反应的数字病理学模型	1,940例接受新辅助化疗的乳腺癌患者的治疗前H&E染色活检样本	数字病理学	乳腺癌	数字组织学，RNA测序	Transformer	图像，基因表达数据	1,940例乳腺癌患者，来自多个临床试验队列	NA	Transformer	AUC	NA
2449	2025-10-06	Helmets Labeling Crops: Kenya Crop Type Dataset Created via Helmet-Mounted Cameras and Deep Learning 2025-Aug-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05762-7 PMID:40866406	研究论文	本文通过头盔相机和深度学习技术创建了肯尼亚作物类型数据集	首次使用头盔相机结合公民科学网络收集作物数据，并开发深度学习流程处理图像	数据收集成本较高，仅覆盖肯尼亚2021和2022年长雨季	解决小农主导地区作物类型地图数据不足的问题，支持农业监测和粮食安全评估	肯尼亚小农种植的作物类型	计算机视觉	NA	头盔相机图像采集，深度学习	深度学习模型	图像	4,925个已验证的作物类型数据点	NA	NA	NA	NA
2450	2025-10-06	Development of a deep learning method to identify acute ischaemic stroke lesions on brain CT 2025-Aug-26, Stroke and vascular neurology IF:4.4Q1 DOI:10.1136/svn-2024-003372 PMID:39572171	研究论文	开发一种基于深度学习的自动识别脑CT中急性缺血性卒中病灶的方法	使用仅标注但未进行病灶注释的常规脑CT扫描训练深度学习模型，无需传统方法所需的精细病灶标注	慢性脑部病变（特别是非卒中病变和旧卒中病灶）会显著降低检测准确性	开发快速自动化的脑CT缺血性卒中病灶检测方法	脑CT扫描图像	计算机视觉	缺血性卒中	CT成像	CNN	医学图像	2347名患者的5772张脑CT扫描	NA	卷积神经网络	准确率	NA
2451	2025-10-06	Advanced microstructure imaging at high b-values and high resolution combining ultra-high performance gradient diffusion imaging and model-based deep learning demonstrated using 3D multi-slab acquisition 2025-Aug-24, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70046 PMID:40851334	研究论文	本文展示了结合高性能梯度和模型驱动深度学习的3D多层面扩散加权成像技术，用于高b值和高分辨率下的高级微观结构成像	将3D多层面扩散加权成像与高性能梯度系统相结合，实现了高b值(高达6000 s/mm²)和高分辨率(1mm各向同性)的微观结构成像，并采用优化的3D k空间欠采样方法显著缩短采集时间	需要高性能梯度系统(>200 mT/m, >300 T/m/s)支持，研究主要聚焦于脑部微观结构成像	开发适用于活体人类研究的高分辨率高级微观结构成像方法	人脑白质微观结构	医学影像	NA	3D多层面扩散加权成像，扩散加权磁共振成像	隔室模型，模型驱动深度学习	扩散加权磁共振影像	NA	NA	三隔室模型	变异系数	高性能梯度系统(>200 mT/m, >300 T/m/s)
2452	2025-10-06	Enhancing clinical skills education through scenario-based simulation with debriefing: A randomized controlled study on bone marrow aspiration training 2025-Aug-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000044031 PMID:40859555	研究论文	本研究通过随机对照试验评估基于情景模拟结合结构化汇报的骨髓穿刺培训在临床技能教育中的效果	将结构化汇报与情景模拟相结合应用于骨髓穿刺培训，提供了可复制、可扩展的教学模型及其有效性证据	样本量相对有限（112名学生），且仅针对骨髓穿刺单一技能培训	评估基于汇报的情景模拟教学在临床技能教育中的有效性	112名临床医学学生	医学教育	NA	情景模拟训练、结构化汇报	NA	考试成绩、技能评估分数、问卷调查数据	112名临床医学学生（对照组54人，实验组58人）	NA	NA	前后测试成绩、骨髓穿刺评估分数、技能测试分数、客观结构化临床考试分数	NA
2453	2025-10-06	Diagnostic report generation for macular diseases by natural language processing algorithms 2025-Aug-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-326064 PMID:40348396	研究论文	本研究开发了基于规则和深度学习的自然语言处理算法，用于自动生成黄斑疾病的诊断报告	首次将多模态AI系统与NLP算法结合，针对四种黄斑疾病自动生成结构化诊断报告	仅针对四种特定黄斑疾病，样本量相对有限，未与资深眼科专家进行对比	研究自动生成黄斑疾病自然语言诊断报告的方法	1303名患者的2261只眼睛	自然语言处理	黄斑疾病	彩色眼底摄影，光学相干断层扫描	深度学习	图像，文本	2261只眼睛（来自1303名患者）	NA	NA	可读性评分，诊断正确性评分，病变描述评分，建议评分	NA
2454	2025-10-06	Development and validation of deep learning model for detection of obstructive coronary artery disease in patients with acute chest pain: a multi-center study 2025-Aug-14, La Radiologia medica DOI:10.1007/s11547-025-02064-1 PMID:40810889	研究论文	开发并验证用于检测急性胸痛患者阻塞性冠状动脉疾病的深度学习模型	首次基于YOLOv4开发专门用于急诊科急性胸痛患者冠状动脉CTA图像中阻塞性CAD检测的深度学习模型	需要手动预处理进行弯曲多平面重建图像提取，模型性能有待在更广泛人群中进一步验证	开发能够辅助急诊医生检测阻塞性冠状动脉疾病的深度学习工具	急诊科就诊的急性胸痛患者	计算机视觉	心血管疾病	冠状动脉CT血管成像	CNN	医学图像	训练集378名患者(10060张图像)，外部验证集298名患者	NA	YOLOv4	灵敏度, 特异度, 阳性预测值, 阴性预测值, AUC	NA
2455	2025-10-06	Artificial Intelligence in Adult Congenital Heart Disease: Diagnostic and Therapeutic Applications and Future Directions 2025-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM41523 PMID:40927097	综述	本文综述人工智能在成人先天性心脏病领域的诊断、治疗应用及未来发展方向	系统阐述AI在ACHD领域多模态应用的创新潜力，包括影像自动分析、心电图缺陷识别、风险预测模型和3D手术规划	数据可用性不足、算法偏差、缺乏前瞻性验证和临床整合问题	探讨人工智能在成人先天性心脏病诊疗中的临床应用价值与发展前景	成人先天性心脏病患者群体	数字病理	心血管疾病	机器学习, 深度学习	NA	医学影像, 心电图, 临床数据	NA	NA	NA	准确率, 诊断一致性	NA
2456	2025-10-06	Deep Learning-Based Super Resolution Applied to Finite Element Analysis of Fused Deposition Modeling 3D Printing 2025-Aug, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0191 PMID:40933586	研究论文	提出一种基于深度学习的超分辨率方法，用于改进熔融沉积建模3D打印的有限元分析精度和计算效率	将有限元分析中的网格模型类比为图像分辨率问题，首次将超分辨率技术应用于改进粗糙网格模型的精度	温度场和位移场之间的映射关系存在差异，需要分别处理	通过深度学习技术提高3D打印有限元分析的精度并减少计算时间	熔融沉积建模3D打印过程的温度场和位移场预测	计算机视觉	NA	有限元分析，熔融沉积建模	深度学习，超分辨率网络	网格数据，温度场图像，位移场图像	NA	NA	超分辨率残差网络	峰值信噪比，结构相似性指数	NA
2457	2025-10-06	DeepEVD: Integrating Epidemiological data into deep learning frameworks based on spatio-temporal feature learning for EVD forecasting 2025-Aug, Spatial and spatio-temporal epidemiology IF:2.1Q3 DOI:10.1016/j.sste.2025.100741 PMID:40935501	研究论文	提出一种集成人类移动数据的深度学习框架DeepEVD，用于埃博拉病毒病暴发预测	首次将多种移动数据源（手机记录、GPS轨迹、社交媒体）与时空特征学习相结合，通过GCN和LSTM网络建立移动模式与EVD病例的时空关联	仅在西非疫情和塞拉利昂疫情数据集上验证，未在其他地区或疫情中测试	开发能够准确预测埃博拉病毒病暴发的深度学习框架	埃博拉病毒病传播与人类移动模式的关系	机器学习	埃博拉病毒病	时空数据分析，移动数据整合	GCN, LSTM	移动数据（手机记录、GPS轨迹、社交媒体），流行病学数据	2014-2016年西非疫情数据集，2015-2016年塞拉利昂疫情数据集	NA	图卷积网络，长短期记忆网络	预测误差降低率（5%-10%）	NA
2458	2025-10-06	Explainable deep learning model WAL-net for individualised assessment of potentially reversible malnutrition in patients with cancer: a multicentre cohort study 2025-Jul-28, The British journal of nutrition DOI:10.1017/S000711452510384X PMID:40637106	研究论文	开发可解释深度学习模型WAL-net用于癌症患者可逆性营养不良的个体化评估	首次使用时序数据和LSTM架构预测癌症患者营养不良的可逆性，并开发了可解释的深度学习模型	研究基于多中心队列但需进一步外部验证，模型性能可能受数据质量影响	预测癌症患者可逆性营养不良以优化临床管理	癌症相关营养不良住院患者	医疗人工智能	癌症	机器学习，深度学习	LSTM	时序数据（体重和骨骼肌数据）	4254名癌症相关营养不良患者（训练集2977，测试集1277，外部验证集798）	NA	WAL-net（基于LSTM架构）	AUC	NA
2459	2025-10-06	A hybrid 1DCNN-GRU deep learning framework for classifying caprine granulosa cell fertility potential using single-cell transcriptomics 2025-Jul, Veterinary world IF:1.7Q2 DOI:10.14202/vetworld.2025.1922-1935 PMID:40926859	研究论文	开发混合1DCNN-GRU深度学习框架，利用单细胞转录组数据对山羊颗粒细胞生育潜力进行分类	首次将深度学习应用于山羊颗粒细胞的单细胞转录组数据分类，提出1DCNN-GRU混合模型架构	需要在更大数据集和跨物种中进行进一步验证	开发可量化评估颗粒细胞生育潜力的深度学习方法	山羊颗粒细胞	机器学习	NA	单细胞RNA测序	1DCNN, GRU	基因表达数据	公开可用的单胎和多胎山羊单细胞转录组数据集	NA	1DCNN-GRU混合架构	准确率, 精确率, 召回率, F1分数	NA
2460	2025-10-06	Histopathology-based Protein Multiplex Generation using Deep Learning 2025-May-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.26.24301803 PMID:39677425	研究论文	提出一种直接从标准H&E组织病理学图像生成空间解析蛋白多重图像的深度学习框架HistoPlexer	首次实现从常规H&E图像直接生成蛋白多重图像，采用条件生成对抗网络架构和定制损失函数解决切片间变异问题	研究主要基于转移性黑色素瘤样本，在其他癌症类型的泛化能力需进一步验证	开发从H&E图像生成蛋白多重图像的方法以降低肿瘤微环境分析成本和时间	转移性黑色素瘤样本和其他癌症类型的公开数据集	数字病理学	黑色素瘤	蛋白多重成像，H&E染色	GAN	组织病理学图像	转移性黑色素瘤样本和多种癌症类型的公开数据集	NA	条件生成对抗网络	像素级相似度，嵌入级相似度，专家评估，生存预测准确率，免疫亚型分类准确率	NA