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
2701	2025-07-25	InterpolAI: deep learning-based optical flow interpolation and restoration of biomedical images for improved 3D tissue mapping 2025-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02712-4 PMID:40437217	研究论文	提出了一种基于深度学习的生物医学图像光流插值和修复方法InterpolAI，用于改善3D组织映射	InterpolAI在大型图像运动中利用光流AI模型进行插值，优于线性插值和现有光流方法XVFI，能保留微解剖特征和细胞计数，修复组织损伤并减少拼接伪影	NA	提高生物医学图像数据集的分辨率、通量和质量，以实现更好的3D成像	生物医学图像	数字病理	NA	光流插值	AI模型	图像	多种成像模态、物种、染色技术和像素分辨率的数据集
2702	2025-07-25	Predicting NSCLC surgical outcomes using deep learning on histopathological images: development and multi-omics validation of Sr-PPS model 2025-07-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002526 PMID:40440686	研究论文	开发并验证了一种基于深度学习的Sr-PPS模型，用于预测非小细胞肺癌（NSCLC）患者术后结果	利用先进的Res2Net深度学习架构开发了新型手术预后预测评分（Sr-PPS）系统，并通过多组学验证揭示了其与肿瘤免疫微环境和关键致癌基因突变的关联	研究样本量相对有限，且验证队列来自公开数据库TCGA，可能存在选择偏倚	开发可靠的预测工具以准确预测NSCLC患者术后结果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	深度学习	Res2Net	组织病理学图像和临床数据	337例局部NSCLC患者用于模型开发，554例TCGA数据库NSCLC患者用于验证
2703	2025-07-25	Predicting adverse drug reactions for combination pharmacotherapy with cross-scale associative learning via attention modules 2025-Jul, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00816-7 PMID:40588546	research paper	提出了一种名为OrganADR的模型，用于预测组合药物治疗在器官水平上的不良反应	通过多解释性模块整合器官水平的ADR信息、分子水平的药物信息和基于网络的生物医学知识，实现了跨尺度的生物医学信息整合	未提及具体的数据集大小或模型在更广泛器官上的泛化能力	开发一种能够预测组合药物治疗在器官水平上不良反应的计算方法	组合药物治疗的不良反应	machine learning	NA	associative learning, attention modules	OrganADR	biomedical knowledge, drug information, ADR information	评估涉及15个器官
2704	2025-07-25	Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings 2025-Jul, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105494 PMID:40614660	研究论文	本研究开发了一种基于深度学习的模型（TILDL），用于量化鼻咽癌（NPC）中肿瘤浸润淋巴细胞（TILs）的比例，并探讨其与患者预后及免疫检查点阻断（ICB）治疗反应的关系	首次使用深度学习模型从H&E染色的全切片图像（WSIs）中自动量化TILs，并验证其作为预后指标的潜力	研究为回顾性分析，需要前瞻性研究进一步验证模型的临床适用性	评估深度学习模型在量化TILs及预测鼻咽癌患者预后中的有效性	鼻咽癌患者	数字病理学	鼻咽癌	深度学习，免疫组织化学（IHC）	深度学习模型（具体未说明，推测为CNN类）	图像（H&E染色的全切片图像）	共498例患者（非转移性NPC患者435例，分为训练队列220例和验证队列215例；接受ICB治疗的转移性NPC患者63例）
2705	2025-07-25	Deep learning based time-dependent reliability analysis of an underactuated lower-limb robot exoskeleton for gait rehabilitation 2025-Jul, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119251349362 PMID:40621669	研究论文	本研究评估了一种用于步态康复的欠驱动可穿戴下肢外骨骼的可靠性，并利用深度学习框架结合LSTM进行时间依赖性可靠性分析	采用LSTM增强的深度神经网络算法预测关节位移和末端执行器轨迹的时间依赖性可靠性，并结合条件概率方法完成系统可靠性评估	研究中仅进行了仿真运行，未涉及实际患者测试	评估下肢机器人外骨骼在步态康复中的时间依赖性可靠性	欠驱动可穿戴下肢外骨骼	机器学习	康复医学	LSTM, 计算机辅助设计(CAD)	LSTM, 深度神经网络	仿真数据	超过200次仿真运行
2706	2025-07-14	Advancing neural decoding with deep learning 2025-Jul, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00837-2 PMID:40646317	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2707	2025-07-25	Fast and Accurate Classification of Corn Varieties Using Deep Learning With Edge Detection Techniques 2025-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70439 PMID:40702919	研究论文	本研究利用深度学习和边缘检测技术对玉米品种进行快速准确分类	结合边缘检测算法（CEDA和SEDA）与深度学习模型（ResCNN、DAG-Net和ResNet-18）提高玉米品种分类速度和准确率	仅针对三种玉米品种进行分类，样本量相对较小（1050张图像）	开发快速准确的玉米品种分类方法以提高农业产品质量和可持续性	三种玉米品种（Chulpi Cancha、Indurata和Rugosa）	计算机视觉	NA	Canny边缘检测算法（CEDA）、Sobel边缘检测算法（SEDA）	ResCNN、DAG-Net、ResNet-18	图像	1050张玉米图像
2708	2025-07-25	From Presence-Only to Abundance Species Distribution Models Using Transfer Learning 2025-Jul, Ecology letters IF:7.6Q1 DOI:10.1111/ele.70177 PMID:40704696	research paper	本研究探讨了如何通过迁移学习将基于卷积神经网络的物种分布模型（CNN-SDMs）从仅存在数据扩展到丰度数据，以提高预测性能	结合大型仅存在物种数据集和迁移学习，显著提升了基于丰度的CNN-SDMs的性能，特别是在稀有物种和广泛分布物种局部稀有的情况下	研究依赖于可用的物种丰度数据集，这些数据集通常规模较小，可能限制模型的泛化能力	提高物种丰度分布模型的预测性能	地中海沿岸鱼类	machine learning	NA	transfer learning	CNN	species distribution and abundance data	NA
2709	2025-07-25	LncRNA Subcellular Localization Across Diverse Cell Lines: An Exploration Using Deep Learning with Inexact q-mers 2025-Jun-25, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna11040049 PMID:40700092	研究论文	本文利用深度学习和不精确q-mers技术探索了长链非编码RNA（lncRNA）在不同细胞系中的亚细胞定位	采用不精确q-mers改进传统精确q-mers方法，提高了lncRNA定位预测性能，并发现了一种在细胞系间切换定位的lncRNA类别	lncRNA定位预测仍面临重大挑战，特别是那些在细胞系间切换定位的lncRNA增加了预测难度	研究lncRNA亚细胞定位预测及其细胞类型特异性	15种细胞系中的lncRNA	生物信息学	NA	深度学习和不精确q-mers技术	深度学习	基因组序列数据	15种细胞系的lncRNA数据
2710	2025-07-25	Integrating Artificial Intelligence in Next-Generation Sequencing: Advances, Challenges, and Future Directions 2025-Jun-19, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47060470 PMID:40699869	综述	本文探讨了人工智能（AI）与下一代测序（NGS）的协同关系及其在基因组研究和临床应用中的变革性影响	AI驱动的工具（如机器学习和深度学习）优化了NGS工作流程的各个环节，并在变异检测、表观基因组分析等领域超越了传统方法	面临数据异质性、模型可解释性及伦理问题等挑战	探索AI与NGS整合的进展、挑战及未来方向，以推动精准医学的发展	基因组数据及AI模型在NGS中的应用	机器学习	癌症	NGS, TGS	CNN, RNN, 混合架构	基因组数据	NA
2711	2025-07-25	A Multi-Model Machine Learning Framework for Identifying Raloxifene as a Novel RNA Polymerase Inhibitor from FDA-Approved Drugs 2025-Apr-28, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47050315 PMID:40699714	研究论文	开发了一个多模型机器学习框架，用于从FDA批准的药物中识别潜在的RNA聚合酶抑制剂	结合五种传统算法和CNN深度学习模型，首次将raloxifene识别为RNA聚合酶抑制剂	需要进一步的实验验证来确认raloxifene的抗病毒活性	识别FDA批准药物中的RNA聚合酶抑制剂，用于抗病毒药物开发	FDA批准的药物和RNA依赖性RNA聚合酶(RdRP)	机器学习	病毒性疾病	分子对接研究和分子动力学模拟	ExtraTreesClassifier, RandomForestClassifier, LGBMClassifier, BernoulliNB, BaggingClassifier, CNN	化学数据集	PubChem数据集AID 588519
2712	2025-07-25	Recent advances in pulmonary tuberculosis, the application of deep learning to medical topics, and highlights from this issue of Ewha Medical Journal 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00395 PMID:40703376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2713	2025-07-25	Feature-based ensemble modeling for addressing diabetes data imbalance using the SMOTE, RUS, and random forest methods: a prediction study 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00353 PMID:40703379	研究论文	本研究开发并评估了一种基于特征的集成模型，结合SMOTE、RUS和随机森林方法，用于解决糖尿病早期检测中的类别不平衡问题	提出了一种结合SMOTE、RUS和特征集成学习的创新方法，显著提高了少数类（高风险糖尿病）的预测性能	研究仅使用了Scikit-learn糖尿病数据集（442个样本），样本量相对较小	解决机器学习中类别不平衡问题，提高糖尿病早期预测的准确性	糖尿病进展预测	机器学习	糖尿病	SMOTE（合成少数类过采样技术）、RUS（随机欠采样）、随机森林	随机森林、全连接神经网络、k近邻	结构化数据	442个样本，10个特征
2714	2025-07-25	Artificial intelligence in gastroenterology: Ethical and diagnostic challenges in clinical practice 2025-Mar-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i10.102725 PMID:40093670	评论	本文讨论了人工智能在胃肠病学中的应用及其伦理和诊断挑战	探讨了深度学习模型在无线胶囊内窥镜决策过程中的应用，以及AI在胃肠疾病诊断中的变革性作用	AI在临床应用中存在患者隐私、数据安全和诊断偏见等伦理问题，需要多样化和代表性的数据集来缓解不平等	探讨人工智能在胃肠病学中的临床应用及其伦理挑战	胃肠疾病诊断，特别是小肠病变和癌前息肉	数字病理学	胃肠疾病	深度学习	NA	图像	NA
2715	2025-07-25	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	提出了一种新型的3D全脑分割网络，通过交叉融合机制处理PET/MR双模态图像，以实现45个脑区的精确分割	引入了交叉融合机制，同时处理PET和MR图像，采用UX-Net和交叉融合块进行特征提取和融合	未提及具体的数据集规模或多样性限制，未来将在临床实践中进一步验证	提高脑区精确分割的性能，以辅助神经系统疾病的检测和诊断	PET/MR双模态图像	数字病理	神经系统疾病	PET/MR双模态成像	3D UX-Net	医学图像	未提及具体样本数量
2716	2025-07-25	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	研究论文	提出了一种基于可穿戴传感器的人类活动识别深度学习模型DKInception，该模型整合了深度卷积残差网络和注意力机制	DKInception模型结合了深度卷积残差网络与注意力机制，利用多尺度卷积核有效提取时间特征，并在Inception ResNet架构基础上扩展了快速收敛和鲁棒缩放特性	未提及具体局限性	通过精确的人类活动识别监测日常活动和健康行为，为慢性病管理和健康生活方式提供支持	人类日常活动	机器学习	NA	深度学习	CNN（具体为DKInception模型）	传感器数据	四个基准HAR数据集（UCI-HAR, Opportunity, Daphnet, PAMAP2）
2717	2025-07-25	TrGPCR: GPCR-Ligand Binding Affinity Prediction Based on Dynamic Deep Transfer Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307928 PMID:37610904	研究论文	提出了一种基于动态深度迁移学习的GPCR-配体结合亲和力预测方法TrGPCR	使用动态迁移学习解决GPCR数据不足的问题，并引入蛋白质二级结构作为特征	已知GPCR数量有限，可能影响模型性能	预测GPCR-配体结合亲和力以辅助药物开发	GPCR-配体结合亲和力	机器学习	NA	动态迁移学习	TrGPCR	蛋白质序列和二级结构数据	数千个已知GPCR
2718	2025-07-25	Multi-Omics Deep-Learning Prediction of Homologous Recombination Deficiency-Like Phenotype Improved Risk Stratification and Guided Therapeutic Decisions in Gynecological Cancers 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3308440 PMID:37616142	研究论文	提出了一种名为MODeepHRD的多组学深度学习框架，用于预测妇科癌症中的同源重组缺陷（HRD）表型，以改善风险分层和指导治疗决策	MODeepHRD利用卷积注意力自编码器有效整合组学特异性和跨组学互补知识学习，优于传统机器学习方法和其他类似任务方法	研究主要基于卵巢癌患者数据，虽然在乳腺癌和子宫内膜癌队列中进行了验证，但样本来源和多样性可能仍有局限	开发一种深度学习框架，准确预测妇科癌症中的HRD表型，以指导临床治疗决策	妇科癌症患者（主要为卵巢癌、乳腺癌和子宫内膜癌）	数字病理学	妇科癌症	转录组学、DNA甲基化和突变数据分析	卷积注意力自编码器	多组学数据	训练集351例卵巢癌患者，验证集2133例卵巢癌样本（来自22个数据集），并在乳腺癌和子宫内膜癌队列中进一步验证
2719	2025-07-25	HiSIF-DTA: A Hierarchical Semantic Information Fusion Framework for Drug-Target Affinity Prediction 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334239 PMID:37983161	研究论文	提出了一种名为HiSIF-DTA的分层语义信息融合框架，用于药物-靶标亲和力预测	构建了包含低阶结构语义和高阶功能语义的分层蛋白质图，并设计了两种不同的分层融合策略来整合不同的蛋白质语义	未明确提及具体局限性	提高药物-靶标亲和力预测的准确性	药物-靶标亲和力	机器学习	NA	深度学习	分层语义信息融合框架	蛋白质序列和结构数据	基准数据集
2720	2025-07-25	Decoding Drug Response With Structurized Gridding Map-Based Cell Representation 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3342280 PMID:38090819	研究论文	该研究提出了一种名为DD-Response的新策略，用于预测细胞系药物反应，通过整合多个数据集和开发新的细胞系和药物表示方法，提高了预测准确性	提出了一种基于二维结构化网格图（SGM）的细胞系和药物表示方法，避免了特征相关性忽视和潜在信息丢失，并构建了一个基于双分支多通道CNN的模型	尽管在细胞系药物反应预测中表现出色，但在临床应用方面仍面临挑战	开发一种更全面的方法来预测细胞系药物反应，以促进药物开发、再利用和耐药性逆转	细胞系和药物	机器学习	癌症	深度学习	CNN	结构化数据	NA