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
281	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
282	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
283	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）
284	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
285	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
286	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
287	2025-07-25	A deep learning phenome wide association study of the electrocardiogram 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf047 PMID:40703109	研究论文	本研究利用深度学习技术，通过心电图（ECG）波形检测多种心脏和非心脏疾病，并探索了ECG特征对疾病分类的贡献	发现了ECG可以检测的新疾病，如呼吸衰竭、中性粒细胞减少症和月经紊乱，并揭示了这些疾病对ECG的相似影响	研究中使用的数据集仅来自两个医疗中心，可能限制了结果的普遍性	确定ECG可检测的全部心脏和非心脏疾病，并理解哪些ECG特征有助于疾病分类	心电图（ECG）波形和连接的电子健康记录	机器学习	心血管疾病	深度学习	PheWASNet（多任务深度学习模型）	ECG波形数据	来自两个独立医疗中心的大型ECG和电子健康记录数据集
288	2025-07-25	Novel artificial intelligence model using electrocardiogram for detecting acute myocardial infarction needing revascularization 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf049 PMID:40703113	研究论文	本研究开发了一种基于心电图（ECG）的人工智能（AI）模型，用于检测需要血运重建的急性心肌梗死（AMI）患者	采用基于transformer的深度学习模型，并通过自监督学习在大量未标记ECG数据上进行预训练，显著提高了AMI检测的性能	研究数据来自单一中心的回顾性数据，可能影响模型的泛化能力	开发AI模型以提高需要血运重建的AMI患者的及时诊断	急性心肌梗死（AMI）患者	机器学习	心血管疾病	ECG	transformer-based深度学习模型	ECG数据	训练集：300 627名患者的723 389份ECG；外部验证集：259 454名患者的261 429份ECG
289	2025-07-25	Development and multinational validation of an ensemble deep learning algorithm for detecting and predicting structural heart disease using noisy single-lead electrocardiograms 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf034 PMID:40703117	研究论文	开发并验证了一种基于单导联心电图的噪声鲁棒性深度学习算法，用于检测和预测结构性心脏病	提出了一种噪声鲁棒的深度学习算法ADAPT-HEART，能够通过便携式/可穿戴设备获取的单导联心电图检测和预测结构性心脏病	研究主要基于医院数据，社区筛查的广泛适用性尚需进一步验证	开发一种适用于社区筛查的结构性心脏病检测和预测工具	结构性心脏病患者及高风险人群	机器学习	心血管疾病	深度学习	ADAPT-HEART	心电图数据	266740份心电图数据，来自99205名患者
290	2025-07-25	A deep foundation model for electrocardiogram interpretation: enabling rare disease detection through transfer learning 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf051 PMID:40703125	研究论文	本研究利用160万份心电图数据预训练了一个卷积深度神经网络，用于预测68种常见心电图诊断，并展示了其在罕见疾病检测中的迁移学习能力	开发了一个全面的心电图深度神经网络模型，通过迁移学习在小数据集上有效检测三种新的心电图诊断	研究依赖于历史临床数据，可能存在数据偏差，且新诊断的样本量相对较小	提高心电图诊断的准确性和效率，特别是在数据有限的情况下检测罕见疾病	心电图数据和相关的心脏疾病诊断	医疗人工智能	心血管疾病	深度学习，迁移学习	CNN	心电图信号	160万份心电图数据
291	2025-07-25	Detection of subclinical atherosclerosis by image-based deep learning on chest X-ray 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf033 PMID:40703133	research paper	开发了一种基于深度学习的系统，用于在普通正面胸部X光片上识别亚临床动脉粥样硬化	首次利用深度学习算法从胸部X光片预测冠状动脉钙化（CAC）评分，并验证其在心血管疾病风险分层中的潜在应用	需要在更大规模的前瞻性研究中进一步验证AI-CAC模型的临床适用性	开发并验证一种基于胸部X光片的深度学习模型，用于检测亚临床动脉粥样硬化	接受胸部X光和CT检查的原发性预防患者	digital pathology	cardiovascular disease	deep learning	AI-CAC model	image	550例患者（460例训练/验证，90例外部验证）
292	2025-07-25	Explainable AI for Cotton Leaf Disease Classification: A Metaheuristic-Optimized Deep Learning Approach 2025-Jul, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70658 PMID:40703612	研究论文	提出一种基于元启发式优化的深度学习框架，用于棉花叶部疾病的准确分类	结合EfficientNetB3和InceptionResNetV2的混合架构，并引入可解释AI技术（LIME和SHAP）增强模型透明度	未提及具体数据集规模或跨地域验证的局限性	开发可靠、可解释且适用于精准农业的实时诊断工具	棉花叶部疾病（如细菌性枯萎病和靶斑病）	计算机视觉	植物病害	深度学习（DL）、可解释AI（XAI）	EfficientNetB3与InceptionResNetV2混合架构	图像	NA
293	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
294	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
295	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
296	2025-07-25	Improving RNA Secondary Structure Prediction Through Expanded Training Data 2025-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.03.652028 PMID:40654677	研究论文	本文通过扩展训练数据来提高RNA二级结构预测的准确性	开发了一个大型多样的RNA序列及其二级结构配对的训练数据集，并验证了其对深度学习模型性能的提升	MXfold2模型在大型RNASSTR数据集上重新训练的计算成本过高，且测试集性能不佳	提高RNA二级结构预测的准确性	RNA二级结构	生物信息学	NA	深度学习	SincFold, MXfold2	RNA序列及其二级结构配对数据	大型多样的RNASSTR数据集
297	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
298	2025-07-25	Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04644-7 PMID:39467913	综述	本文综述了人工智能和新型成像技术在胰腺癌早期检测中的进展	重点介绍了深度学习在胰腺导管腺癌早期检测中的应用	未提及具体研究数据的局限性	提高胰腺导管腺癌的早期检测率和生存率	胰腺导管腺癌（PDA）	数字病理学	胰腺癌	新型成像技术	深度学习	影像数据	NA
299	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
300	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