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	2025-08-05	Evaluating large language models for annotating proteins 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文提出并评估了一种基于迁移学习的新型协议，利用蛋白质大型语言模型（LLMs）来改进蛋白质域注释的预测	使用自监督学习在大型未注释数据集上训练的蛋白质LLMs，结合监督学习在小注释数据集上进行专门任务，显著提高了蛋白质家族分类的预测准确性	对于家族成员较少的蛋白质家族，训练数据量可能仍然不足	改进蛋白质域注释的自动预测方法	UniProtKB数据库中的蛋白质序列	自然语言处理	NA	迁移学习、自监督学习、监督学习	LLMs	蛋白质序列数据	UniProtKB数据库中的251百万蛋白质序列
282	2025-08-05	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	research paper	提出了一种名为SC-Track的新型细胞追踪算法，用于从多样化的细胞分割中生成准确的单细胞谱系	SC-Track采用基于细胞分裂和运动动态生物学观察的分层概率缓存级联模型，能够在不同细胞分割质量、细胞形态外观和成像条件下保持稳健的细胞追踪性能	未提及具体局限性	开发一种能够处理噪声细胞分割和分类预测的鲁棒细胞追踪算法，以生成准确的单细胞谱系和分类	荧光时间推移显微镜图像中的单细胞	digital pathology	NA	深度学习	CNN	image	未提及具体样本数量
283	2025-08-05	Genotypic-phenotypic landscape computation based on first principle and deep learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae191 PMID:38701420	研究论文	本文提出了一种基于第一性原理和深度学习的基因型-表型景观计算方法，通过Phenotypic-Embedding定理（P-E定理）和Transformer模型，实现了基因型与适应度的定量映射	提出了Phenotypic-Embedding定理（P-E定理），并开发了基于Transformer的预训练基础模型，用于准确模拟病毒的中性进化并预测免疫逃逸突变	NA	建立基因型与表型之间的定量关系，为理论和计算生物学研究提供新范式	基因型与表型的关系，特别是病毒的基因型与适应度的关系	计算生物学	NA	深度学习	Transformer	基因型和表型数据	NA
284	2025-08-05	Multimodal Deep Learning Classifier for Primary Open Angle Glaucoma Diagnosis Using Wide-Field Optic Nerve Head Cube Scans in Eyes With and Without High Myopia 2023-10-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002267 PMID:37523623	研究论文	介绍了一种基于光学相干断层扫描(OCT)的多模态深度学习分类模型，用于诊断有无高度近视的青光眼	该模型结合了纹理信息，在多模态模型中表现优于单模态模型及不含纹理信息的多模态模型	样本量相对有限，特别是高度近视组的样本数量较少	评估使用宽视野OCT视神经头立方扫描的多模态DL分类器在有无轴性高度近视眼中的诊断准确性	原发性开角型青光眼(POAG)患者和健康人的眼睛	数字病理学	青光眼	OCT, 深度学习	VGG-16, 多模态深度学习模型	图像	371例无高度近视的POAG眼和86例健康眼，92例高度近视POAG眼和44例健康眼
285	2025-08-05	A Multimodal Deep Neural Network for Human Breast Cancer Prognosis Prediction by Integrating Multi-Dimensional Data 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2806438 PMID:29994639	research paper	提出了一种多模态深度神经网络（MDNNMD），通过整合多维数据来预测乳腺癌的预后	方法的创新点在于其架构设计以及多维数据的融合	NA	提高乳腺癌预后预测的准确性，减少不必要的辅助系统治疗及其相关高昂医疗费用	乳腺癌患者	machine learning	breast cancer	deep learning	Multimodal Deep Neural Network (MDNNMD)	multi-dimensional data	NA
286	2025-08-05	Bioimage Classification with Handcrafted and Learned Features 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2821127 PMID:29994096	研究论文	提出一种新的通用生物图像分类方法GenP，结合手工制作和学习的特征，用于多种生物图像分类任务	提出一种结合多种纹理特征（手工制作和学习描述符）的集成系统，通过局部特征、密集采样特征和深度学习特征的组合提升性能	未提及具体局限性	开发一种通用的生物图像分类方法，适用于广泛的分类问题	生物图像，包括亚细胞、细胞和组织水平的分类问题	计算机视觉	NA	集成学习	SVM	图像	多个基准数据库，包括IICBU 2008数据库中的部分数据
287	2025-08-04	Deep learning approach with ConvNeXt-SE-attn model for in vitro oral squamous cell carcinoma and chemotherapy analysis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103519 PMID:40747534	研究论文	该论文提出了一种结合ConvNeXt-SE-attn模型的深度学习方法，用于体外口腔鳞状细胞癌（OSCC）和化疗分析	采用残差连接与Squeeze-and-Excitation块、混合注意力系统以及增强的激活函数和优化算法，提升特征提取中的梯度流动，相比传统CNN模型在多项指标上表现更优	未提及具体的数据集规模或外部验证结果，可能影响模型的泛化能力	提升口腔鳞状细胞癌的诊断精度和非侵入性治疗方法	口腔鳞状细胞癌（OSCC）的体外样本	数字病理学	口腔鳞状细胞癌	深度学习	ConvNeXt-SE-Attn（结合SE块和混合注意力的ConvNeXt主干网络）	图像	NA（未明确提及具体样本数）
288	2025-08-04	Performance of machine and deep learning models for predicting delirium in adult ICU patients: A systematic review 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106008 PMID:40513381	系统综述	评估机器学习和深度学习模型在预测ICU成年患者谵妄中的表现	总结了2018年至2024年间的研究，评估了不同预测模型的表现，并指出了高级深度学习模型在处理复杂时间序列数据方面的潜力	回顾性设计、缺乏外部验证、对缺失数据处理不完整以及过拟合问题限制了模型的临床普适性	评估和总结机器学习和深度学习模型在预测ICU患者谵妄方面的应用	ICU成年患者	机器学习	谵妄	机器学习、深度学习	Logistic回归、随机森林、RNN、梯度提升	临床数据	11项研究，样本量从140到48451名参与者不等
289	2025-08-04	IBDAIM:Artificial intelligence for analyzing intestinal biopsies pathological images for assisted integrated diagnostic of inflammatory bowel disease 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106024 PMID:40580688	研究论文	开发了一种名为IBDAIM的人工智能模型，用于通过分析肠道活检的全切片图像(WSIs)来辅助病理学家快速准确地诊断炎症性肠病(IBD)	提出了一种弱监督深度学习模型IBDAIM，该模型利用WSI级别的诊断标签，无需详细注释，通过整合Patch Likelihood Histogram (PLH)和Bag of Words (BoW)特征来构建WSI级别的表示	研究为回顾性队列研究，可能受到数据来源的限制，且模型性能在外部验证集上略有下降	开发AI模型以辅助病理学家诊断炎症性肠病(IBD)	肠道活检的全切片图像(WSIs)	数字病理	炎症性肠病	弱监督深度学习	IBDAIM (基于PLH和BoW的模型)	图像	来自南京鼓楼医院(NDTH)和珠江医院(ZJH)的两个数据集，具体样本数量未明确说明
290	2025-08-04	Psychometric properties of an Iranian instrument for assessing adherence to ethical principles in the use of artificial intelligence among healthcare providers 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106019 PMID:40582296	研究论文	本研究开发并验证了一个用于评估医疗保健提供者在人工智能使用中遵守伦理原则的工具	开发了一个新的工具来评估医疗保健提供者在AI使用中的伦理遵守情况	需要进一步研究以提供更全面和详细的理解	评估医疗保健提供者在AI使用中遵守伦理原则的情况	医疗保健提供者	医疗人工智能伦理	NA	心理测量学方法	NA	问卷调查数据	未明确提及样本量
291	2025-08-04	Deep learning-based in-ambulance speech recognition and generation of prehospital emergency diagnostic summaries using LLMs 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106029 PMID:40639122	研究论文	本研究提出了一种结合抗噪声语音识别技术和大型语言模型(LLMs)的方法，用于生成院前急救诊断摘要，以提高医疗记录的填写效率和准确性	首次将抗噪声语音识别技术与LLMs结合应用于院前急救场景，通过联合训练模型优化语音识别和摘要生成效果	研究仅测试了特定型号的LLMs(Qwen2.5-7B-Instruct)，其他模型的适用性未验证；实际应用中的极端噪声环境可能影响系统性能	提高院前电子医疗记录的填写效率和准确性，优化急救响应流程	救护车环境中的语音数据和急救诊断摘要	自然语言处理	急救医学	语音增强技术、大型语言模型(LLMs)	联合训练模型(CTC+注意力机制)、Qwen2.5-7B-Instruct	语音数据、文本数据	实际救护车噪声数据、环境噪声数据和开源语音数据集
292	2025-08-04	Machine learning techniques for stroke prediction: A systematic review of algorithms, datasets, and regional gaps 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106041 PMID:40651107	系统综述	本文系统综述了用于中风预测的机器学习技术，分析了不同预测目标和数据源的性能指标，并评估了其临床适用性	首次系统评估了机器学习在中风预测中的性能和应用，识别了高风险人群代表性不足的研究空白	研究间存在显著的异质性，无法进行定量荟萃分析	系统评价机器学习技术在中风预测中的应用，并识别研究趋势	58项关于机器学习在中风预测中的研究	机器学习	中风	机器学习	集成方法、深度学习	电子健康记录、医学影像、生物信号	58项研究，涉及不同数据源和患者群体
293	2025-08-04	Enhancing rare disease detection with deep phenotyping from EHR narratives: evaluation on Jeune syndrome 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106021 PMID:40561686	research paper	本研究评估了通过深度表型分析从电子健康记录（EHR）中提取表型信息对Jeune综合征筛查算法的影响	结合人工智能和大规模临床数据库的深度表型分析，提出了一种改进的表型提取方法，显著提高了Jeune综合征患者的分类敏感性	部分误分类的对照患者实际上患有其他遗传性骨骼疾病，表明模型在特异性上仍有改进空间	加速罕见疾病的诊断，减少诊断延迟	Jeune综合征患者和对照组的表型数据	natural language processing	Jeune syndrome	deep phenotyping, machine learning	machine learning pipeline	unstructured EHR narratives	Jeune综合征患者和对照组的数据集
294	2025-08-04	Towards bridging the synthetic-to-real gap in quantitative photoacoustic tomography via unsupervised domain adaptation 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100736 PMID:40747132	研究论文	提出一种解码器增强的无监督域适应框架（DDA），用于解决定量光声层析成像中合成数据到真实数据的域适应问题	提出DDA框架，通过调整归一化层的仿射参数，显著提高了从合成数据到未标记目标域的知识迁移效果	需要至少两个目标样本的多波长光声图像进行微调，可能限制了在样本稀缺情况下的应用	解决定量光声层析成像中合成数据与真实数据之间的域适应问题，提高深度学习模型的泛化能力	光声层析成像中的吸收系数估计	计算机视觉	NA	无监督域适应	DDA框架	图像	至少两个目标样本的多波长光声图像
295	2025-08-04	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-Sep, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	介绍了一种新的基于结构的蛋白质-蛋白质复合物亲和力预测器PCANN，该预测器结合了ESM-2语言模型和图注意力网络(GAT)进行预测	PCANN预测器结合了ESM-2语言模型和GAT网络，在预测性能上优于现有的公开预测器BindPPI	深度学习模型的发展面临两个问题：可用于训练和测试的实验数据量有限，且现有数据在测量条件上缺乏内部一致性和准确性	开发一种基于结构的蛋白质-蛋白质复合物亲和力预测器	蛋白质-蛋白质复合物	自然语言处理	NA	ESM-2语言模型, 图注意力网络(GAT)	ESM-2, GAT	蛋白质结构数据	两个文献提取的数据集
296	2025-08-04	Deep Learning-Based Automated Detection of the Middle Cerebral Artery in Transcranial Doppler Ultrasound Examinations 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.05.028 PMID:40582894	研究论文	本文提出了一种基于深度学习的轻量级实时方法，用于在经颅多普勒超声检查中自动检测大脑中动脉	采用YOLOv10和RT-DETR两种先进的目标检测模型，实现了大脑中动脉的实时自动检测，并在移动平台上验证了可行性	研究样本量相对较小（41名受试者），且仅针对大脑中动脉进行检测	开发一种自动化工具以减少经颅多普勒超声检查对操作者专业知识的依赖	经颅多普勒彩色多普勒图像中的大脑中动脉	计算机视觉	脑血管疾病	TCD彩色多普勒超声	YOLOv10, RT-DETR	视频	41名受试者（31名健康个体和10名中风患者），共365个视频和61,611帧图像
297	2025-08-04	Novel Artificial Intelligence-Driven Infant Meningitis Screening From High-Resolution Ultrasound Imaging 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.04.009 PMID:40582896	研究论文	本研究开发了一种基于高分辨率超声成像的人工智能驱动的婴儿脑膜炎筛查方法	采用三阶段深度学习框架结合可解释人工智能方法，实现了非侵入性婴儿脑膜炎筛查	样本量较小（仅30名婴儿），且仅在西班牙的三所大学医院进行	开发非侵入性、准确的婴儿脑膜炎诊断方法	疑似脑膜炎且囟门未闭的婴儿	数字病理	脑膜炎	超声成像	深度学习	图像	30名婴儿（6例病例和10例对照），共781张图像
298	2025-08-04	Efficient Ultrasound Breast Cancer Detection with DMFormer: A Dynamic Multiscale Fusion Transformer 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.05.017 PMID:40628603	research paper	提出了一种名为DMFormer的动态多尺度融合Transformer模型，用于超声乳腺癌检测，旨在解决超声成像中的噪声、模糊和复杂组织结构问题	采用动态多尺度特征融合机制，结合窗口注意力和网格注意力，全面捕捉细粒度组织细节和更广泛的解剖学上下文	未提及具体的数据集规模限制或模型在更广泛临床环境中的适用性	开发一种先进的深度学习模型，用于准确区分超声乳腺癌筛查中的良性和恶性肿块	超声图像中的乳腺肿块	digital pathology	breast cancer	deep learning	Transformer (DMFormer)	image	在两个独立的数据集上评估
299	2025-08-04	External evaluation of an open-source deep learning model for prostate cancer detection on bi-parametric MRI 2025-Aug-03, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11865-x PMID:40753327	研究论文	本研究评估了一个开源深度学习模型在双参数MRI上检测临床显著性前列腺癌的诊断准确性	开源深度学习模型在双参数MRI上检测临床显著性前列腺癌的高敏感性及其可共享性	研究样本量较小（151名患者），且仅进行了回顾性分析	评估开源深度学习模型在前列腺癌检测中的诊断准确性，并促进模型共享与外部验证	151名生物学男性患者的双参数MRI检查数据	数字病理学	前列腺癌	双参数MRI (bpMRI)	深度学习模型 (DL)	MRI图像	151名生物学男性患者（平均年龄65±8岁）
300	2025-08-04	Advanced drug-target interaction prediction using convolutional graph attention networks in expert systems 2025-Aug-02, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11290-8 PMID:40751775	研究论文	本研究提出了一种结合图神经网络和新型特征选择机制的深度学习框架，用于提高药物-靶标相互作用预测的准确性	提出了一个名为CMEAG-ANN的卷积多层极端对抗图注意力神经网络，结合FC-GNBBPS算法，用于从DNA分子数据中提取稳健且具有生物学意义的特征	未提及具体局限性	提高药物-靶标相互作用预测的准确性和效率	药物和靶标蛋白	机器学习	NA	DNA分子数据特征提取	CMEAG-ANN, FC-GNBBPS	分子指纹和PSSM注释	基准数据集包括approved_drug_target、ImDrug、DrugProt和Drug Combination Extraction Dataset