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
2841	2025-07-04	Deep Learning of Cellular Metabolic Flux Distributions Predicts Lifespan 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.22.623650 PMID:39651232	research paper	该研究利用深度学习预测单细胞酵母的寿命，通过代谢网络分析揭示寿命差异的根本原因	首次发现酵母寿命差异是代谢网络的一个涌现特性，并识别出与寿命相关的三种代谢通量状态	研究仅针对单细胞酵母，结果是否适用于多细胞生物尚不明确	探究单细胞酵母寿命差异的根本原因	单倍体单细胞酵母	machine learning	NA	深度学习、主成分分析(PCA)	Regression Neural Network (RNN)、Classification Neural Network (CfNN)、Convolutional Neural Network (CNN)	代谢通量分布数据	812个可行突变体对应的66,400个单个细胞
2842	2025-07-04	Galileo-an Artificial Intelligence tool for evaluating pre-implantation kidney biopsies 2025-May, Journal of nephrology IF:2.7Q2 DOI:10.1007/s40620-024-02094-4 PMID:39356416	研究论文	介绍了一种名为Galileo的人工智能工具，用于评估移植前肾脏活检	开发了专门用于辅助病理学家解读移植前肾脏活检的AI工具Galileo，显著提高了评估速度和一致性	需要进一步基于硬终点（如移植物存活率）进行改进	开发AI工具以辅助病理学家评估移植前肾脏活检	移植前肾脏活检的病理图像	数字病理	肾脏疾病	深度学习	深度学习算法	图像	多中心收集的肾脏穿刺和楔形活检的全切片图像
2843	2025-07-04	TransMA: an explainable multi-modal deep learning model for predicting properties of ionizable lipid nanoparticles in mRNA delivery 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf307 PMID:40581984	研究论文	提出了一种名为TransMA的可解释多模态深度学习模型，用于预测mRNA递送中可电离脂质纳米颗粒（LNPs）的转染效率	TransMA采用多模态分子结构融合架构，结合细粒度原子空间关系提取器和粗粒度原子序列提取器，设计了mol-attention机制块，能够对齐粗细粒度原子特征并捕捉原子空间与序列结构间的关系	未明确提及具体局限性	加速高转染效率mRNA药物递送系统的筛选过程	可电离脂质纳米颗粒（LNPs）	机器学习	NA	深度学习	Transformer, Mamba	分子结构数据	当前最大的LNPs数据集，包括Hela和RAW细胞系
2844	2025-07-04	An order-preserving batch-effect correction method based on a monotonic deep learning framework 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf247 PMID:40586320	研究论文	提出了一种基于单调深度学习框架的保持顺序的批次效应校正方法	该方法首次在批次效应校正中引入了顺序保持特性，通过单调深度学习网络有效提升了聚类性能并保留了基因间的原始相关性及差异表达信息	未明确说明方法在超大规模数据集上的计算效率及对极端批次效应的处理能力	开发具有顺序保持特性的单细胞RNA测序数据批次效应校正方法	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	单调深度学习网络	基因表达数据	NA
2845	2025-07-04	SORBET: Automated cell-neighborhood analysis of spatial transcriptomics or proteomics for interpretable sample classification via GNN 2025-Apr-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.30.573739 PMID:38260586	研究论文	介绍了一种名为SORBET的几何深度学习框架，用于分析空间转录组或蛋白质组数据，以进行可解释的样本分类	SORBET是首个在空间转录组数据上进行表型预测的方法，利用图卷积网络分析相邻细胞图，并通过新颖的数据增强技术确保预测的鲁棒性	NA	通过整合空间信息与多重分子数据，准确预测表型，以推进个性化医疗	转移性黑色素瘤、非小细胞肺癌和结直肠癌样本	数字病理学	黑色素瘤、非小细胞肺癌、结直肠癌	空间转录组学、空间蛋白质组学（IMC、CODEX）	GNN（图卷积网络）	空间转录组数据、空间蛋白质组数据	CosMx空间转录组数据集、IMC和CODEX数据集
2846	2025-07-04	Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method 2025-Apr-08, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.29.560261 PMID:37873328	研究论文	本研究通过模拟新型精神活性物质（NPS）和经典大麻素与CB1受体的结合动力学，揭示了NPS导致更强下游信号传导的结构基础	结合多系综模拟、过渡态重加权方法和深度学习技术（NRI）解析NPS与CB1受体结合的动力学特征及其对下游信号传导的影响	研究仅针对MDMB-Fubinaca和HU-210两种配体，可能无法完全代表所有NPS的特性	揭示新型精神活性物质（NPS）与CB1受体结合的动力学特征及其对下游信号传导的影响机制	新型精神活性物质MDMB-Fubinaca和经典大麻素HU-210与CB1受体的相互作用	计算生物学	药物滥用	多系综分子动力学模拟、过渡态重加权方法、神经关系推理（NRI）	变分自编码器（VAE）、神经关系推理（NRI）	分子动力学模拟数据	两种配体（MDMB-Fubinaca和HU-210）与CB1受体的相互作用
2847	2025-07-04	Role of artificial intelligence in early diagnosis and treatment of infectious diseases 2025-01, Infectious diseases (London, England) DOI:10.1080/23744235.2024.2425712 PMID:39540872	综述	本文综述了人工智能在传染病早期诊断和治疗中的关键作用	探讨了AI驱动的诊断工具（包括机器学习算法、深度学习和图像识别系统）如何提高疾病检测和监测的准确性和效率，以及AI在预测疾病爆发、优化治疗策略和个性化干预方面的潜力	讨论了AI在传染病管理中整合的伦理考虑、挑战和限制	研究AI在传染病早期诊断和治疗中的应用	传染病	医疗健康	传染病	机器学习算法、深度学习、图像识别系统	NA	NA	NA
2848	2025-07-04	TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327481 PMID:40587446	研究论文	本研究提出了一种结合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生表现预测	提出了双通道特征处理模块、理论指导的四头注意力机制和可解释的预测层，融合了多元智能理论和社会认知理论	未提及具体局限性	提升教育数据挖掘的效果，为个性化教育提供数据支持	学生表现预测	教育技术	NA	深度学习	Transformer	教育数据	6,608名学生数据，外加480名跨文化数据验证
2849	2025-07-04	Enhanced E-commerce decision-making through sentiment analysis using machine learning-based approaches and IoT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326744 PMID:40587469	研究论文	通过结合机器学习和物联网技术，提升电子商务决策能力，优化客户购物体验	创新性地应用机器学习算法不仅进行简单推荐，还包括需求预测，确保热门商品库存充足，减少客户失望并提升满意度	研究中未提及数据收集的具体规模和时间跨度，可能影响模型的泛化能力	提升电子商务决策能力，优化客户购物体验	电子商务平台及其客户	机器学习	NA	机器学习算法（包括逻辑回归、朴素贝叶斯、SVM、随机森林、AdaBoosting、GRU、LSTM）	逻辑回归、朴素贝叶斯、SVM、随机森林、AdaBoosting、GRU、LSTM	客户行为和偏好数据	NA
2850	2025-07-04	An explainable-by-design end-to-end AI framework based on prototypical part learning for lesion detection and classification in Digital Breast Tomosynthesis images 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.008 PMID:40599244	研究论文	该研究提出了一种基于原型部分学习的端到端AI框架，用于数字乳腺断层合成图像中的病变检测和分类	结合YOLOv5、YOLOv8和ProtoPNet的两阶段深度学习过程，提供可解释的预测结果	数据集限制和需要更准确的地面真实标注影响了最终指标	开发透明且可解释的AI系统，以加速数字乳腺断层合成扫描的分析	数字乳腺断层合成图像中的病变	数字病理学	乳腺癌	数字乳腺断层合成(DBT)	YOLOv5, YOLOv8, ProtoPNet	图像	NA
2851	2025-07-04	A Deep Convolutional Neural Network Model for Lung Disease Detection Using Chest X-Ray Imaging 2025, Pulmonary medicine IF:2.0Q3 DOI:10.1155/pm/6614016 PMID:40599379	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的自动化系统，用于通过胸部X射线和CT扫描检测多种肺部疾病	采用定制的CNN模型、预训练模型和图像增强方法，结合数据增强技术解决数据集不平衡问题，实现了高精度的肺部疾病检测	研究仅使用了来自Kaggle的6400张图像，样本来源和多样性可能存在限制	开发一种高效的自动化系统，用于早期检测和诊断肺部疾病	肺部疾病（肺炎和COVID-19）的X射线和CT扫描图像	计算机视觉	肺癌	图像增强、数据增强	CNN	图像	6400张图像（肺炎、COVID-19和正常三类）
2852	2025-07-04	Application progress of artificial intelligence in managing thyroid disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1578455 PMID:40600013	综述	本文系统回顾了自20世纪90年代以来人工智能在甲状腺疾病管理中的应用进展，重点关注诊断创新、治疗个性化及临床实施中的新兴挑战	AI不仅减少了超声检查的主观性，还提高了甲状腺结节良恶性的鉴别率，减少了不必要的细针穿刺频率，并整合了超声、电子健康记录和可穿戴传感器等多模态数据进行持续健康监测	数据隐私、模型可解释性和临床适用性等方面的挑战仍然存在，数据异质性和伦理问题也是临床转化的障碍	探讨人工智能在甲状腺疾病管理中的应用及其在诊断和治疗中的潜力	甲状腺疾病的管理，包括图像分析、病理诊断、个性化治疗、患者监测和随访	数字病理学	甲状腺疾病	机器学习和深度学习	NA	多模态数据（超声、电子健康记录、可穿戴传感器）	NA
2853	2025-07-04	GAN-enhanced deep learning for improved Alzheimer's disease classification and longitudinal brain change analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587026 PMID:40600033	研究论文	该研究提出了一种结合GAN和深度学习的方法，用于改进阿尔茨海默病的分类和纵向脑变化分析	整合了ResNet101和LSTM网络，并创新性地添加了PDPO和DCK层，同时使用GAN模型检测AD的进展状态	可能存在计算复杂性和过拟合的风险	提高阿尔茨海默病的诊断准确性和效率	阿尔茨海默病患者	数字病理学	阿尔茨海默病	深度学习	ResNet101, LSTM, GAN	医学影像数据	ADNI和OASIS数据集
2854	2025-07-04	Comparative analysis of convolutional neural networks and transformer architectures for breast cancer histopathological image classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606336 PMID:40600038	研究论文	比较卷积神经网络和Transformer架构在乳腺癌组织病理学图像分类中的性能	比较了14种深度学习模型（包括CNN和Transformer架构）在乳腺癌诊断中的表现，发现ConvNeXT和UNI模型在特定任务中表现最佳	Transformer基础模型在零样本任务中表现有限，需要微调才能达到优异效果	评估不同深度学习模型在乳腺癌病理图像分类中的性能	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	CNN（如ResNet50, RegNet, ConvNeXT）和Transformer（如ViT, DINOV2, UNI, GigaPath）	图像	BreakHis v1数据集
2855	2025-07-04	AlzheimerViT: harnessing lightweight vision transformer architecture for proactive Alzheimer's screening 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1568312 PMID:40600046	研究论文	本研究提出了一种轻量级的视觉变换器架构AlzheimerViT，用于基于MRI图像的阿尔茨海默病早期筛查	采用轻量级自注意力视觉变换器(ViT)架构，结合数据预处理和增强技术，提高了阿尔茨海默病预测的准确性和临床适用性	研究仅使用了OASIS-3数据集，未在其他独立数据集上验证模型的泛化能力	开发更可靠的阿尔茨海默病早期检测模型以改善治疗效果	阿尔茨海默病患者的大脑MRI图像	数字病理学	老年性疾病	MRI成像	Vision Transformer (ViT)	图像	OASIS-3数据集中的MRI图像
2856	2025-07-04	Auxiliary Diagnosis of Pulmonary Nodules' Benignancy and Malignancy Based on Machine Learning: A Retrospective Study 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S518166 PMID:40600198	研究论文	本研究基于机器学习技术，通过回顾性分析CT扫描的肺结节数据，开发了一种辅助诊断肺结节良恶性的模型	采用Atten_FNN模型在肺结节良恶性诊断中表现出优越性能，并通过SHAP分析揭示了关键预测因素	研究结果在跨中心推广性方面存在局限，需要在多中心前瞻性队列中进行验证	开发非侵入性早期诊断方法，准确区分肺结节的良恶性	3355例肺结节患者（1156例良性，2199例恶性）	数字病理	肺癌	CT扫描	SVM, RF, XGBoost, FNN, Atten_FNN	图像、电子病历数据	3355例患者（1156例良性，2199例恶性）
2857	2025-07-04	[Research Trends Using Artificial Intelligence in the MRI from 1989 to 2023: Analysis Using Text Mining] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1480 PMID:40603060	研究论文	通过文本挖掘分析1989年至2023年间MRI领域人工智能应用的研究趋势	利用文本挖掘技术全面分析MRI领域人工智能研究的发展趋势，揭示了深度学习的兴起及其与特定器官研究的关联	仅基于PubMed数据库的文章标题进行分析，可能未涵盖所有相关研究	可视化MRI领域人工智能相关研究领域并理解研究趋势	1989年至2023年间PubMed数据库中MRI领域应用人工智能的文章标题	数字病理	NA	文本挖掘	NA	文本	2870篇文章标题
2858	2025-07-04	Elucidating linear programs by neural encodings 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1549085 PMID:40607448	研究论文	本文探讨了如何通过神经编码方法来解释线性规划（LP）的解决方案	提出了一种通过神经编码方法解释线性规划解决方案的新方法，填补了可解释人工智能（XAI）在线性规划领域的空白	在低扰动水平下，Saliency和LIME等归因方法难以区分	提高线性规划解决方案的可解释性	线性规划（LP）	机器学习	NA	神经编码方法	神经网络	数值数据	包括一个10k维的大规模LP在内的多种LP
2859	2025-07-04	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-11, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法	通过对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并结合原子、功能基团和分子等多粒度信息增强分子表示	未明确提及具体局限性	提高分子属性预测的准确性	分子（以图或文本形式表示）	机器学习	NA	对比损失、交叉注意力	多模态深度学习模型	图数据、文本数据	未明确提及具体样本量
2860	2025-07-04	A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea 2024-Nov, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.01200 PMID:39600246	研究论文	本研究开发了一种基于心率变异性（HRV）参数和生命体征的深度学习模型，用于预测儿科患者的镇静水平	首次将HRV参数和生命体征结合深度学习模型用于儿科患者镇静水平的连续自动化监测	研究为单中心回顾性研究，需要多中心验证研究以确认广泛适用性	开发能够有效预测儿科患者镇静水平的自动化监测方法	儿科重症监护患者	数字病理	儿科重症	HRV分析	1D ResNet	心电图波形和生命体征数据	324名患者的4,193个特征集