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
3421	2025-10-06	Deep learning for named entity recognition in Turkish radiology reports 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243100 PMID:40018795	研究论文	本研究开发并评估了用于土耳其语放射学报告中命名实体识别的深度学习框架	针对土耳其语放射学报告特点，结合自适应跨度枚举和跨度图传播技术，优化了DYGIE++模型在土耳其语医疗文本上的表现	由于隐私问题无法使用真实患者数据，仅使用合成的放射学报告数据集	提高从放射学报告中提取信息的准确性和效率	土耳其语放射学报告	自然语言处理	NA	命名实体识别(NER)	BERT, 前馈神经网络	文本	1,056份土耳其语放射学报告	DYGIE++	BERTurk, BioBERTurk, PubMedBERT, XLM-RoBERTa	F1分数, 精确率, 召回率	NA
3422	2025-10-06	Automatic bone age assessment: a Turkish population study 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242999 PMID:40094318	研究论文	本研究开发了一种基于深度学习的自动骨龄评估模型，特别针对土耳其人群进行优化	首次针对土耳其人群开发深度学习骨龄评估模型，并比较了单一数据集与混合数据集的性能差异	数据来源存在异质性，土耳其人群样本量相对较少，模型性能仍有提升空间	开发针对土耳其人群的自动骨龄评估模型，研究人口统计学因素对模型性能的影响	手部X光片及对应的骨龄和性别信息	计算机视觉	生长发育评估	X光成像	CNN	图像	土耳其人群2,730张手部X光片，公开数据集18,757张（RSNA 12,572张，RHPE 6,185张）	TensorFlow	改进的InceptionV3	平均绝对误差(MAE)	NA
3423	2025-10-06	AMPGP: Discovering Highly Effective Antimicrobial Peptides via Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00647 PMID:40825014	研究论文	提出一种名为AMPGP的深度学习模型，用于生成和预测高效抗菌肽	将注意力机制整合到seqGAN框架中生成高质量抗菌肽，并构建四通道特征预测模型克服单一信息源局限	未明确说明模型在其他数据集上的泛化能力及潜在的计算资源需求	开发深度学习方法来加速高效抗菌肽的发现过程	抗菌肽(AMPs)	机器学习	NA	深度学习	GAN, 注意力机制	序列数据	独立测试集评估，具体样本量未明确说明	seqGAN	seqGAN with attention mechanism, 四通道特征模型	准确率	NA
3424	2025-10-06	Uncertainty-Aware Deep Learning and Structural Feature Analysis for Reliable Nephrotoxicity Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01532 PMID:40827867	研究论文	本研究开发了用于肾毒性预测的不确定性感知深度学习模型，并进行了结构特征分析	构建了最大的公开肾毒性化合物数据库，结合不确定性量化方法定义模型适用域，并采用多尺度特征分析提供药物设计见解	NA	开发可靠且精确的肾毒性预测计算方法	1831种高质量肾毒性相关化合物	机器学习	肾毒性	分子图分析，ChemoPy2D描述符	传统机器学习算法，基于图的深度学习方法，Directed Message Passing Neural Network	分子结构数据	1831种肾毒性相关化合物	NA	Directed Message Passing Neural Network	Kappa值	NA
3425	2025-10-06	PepBAN: A Deep Learning Framework with Bilinear Attention and Adversarial Learning for Peptide-Protein Interaction Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01713 PMID:40854162	研究论文	提出了一种名为PepBAN的深度学习框架，用于预测肽-蛋白质相互作用	结合双线性注意力网络和条件域对抗学习，能够识别关键残基并解释相互作用机制，特别针对环肽相互作用预测进行了优化	在结合数据有限的情况下可能面临挑战，环肽中非标准氨基酸需要特殊处理	开发准确预测肽-蛋白质相互作用的计算方法	肽-蛋白质复合物	机器学习	NA	蛋白质语言模型，图基础模型	深度学习框架	序列数据，结构数据，分子图数据	NA	NA	BAN（双线性注意力网络），ESM-2	预测性能	NA
3426	2025-10-06	Enhancing Toxicity Prediction of Synthetic Chemicals via Novel SMILES Fragmentation and Interpretable Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01042 PMID:40856693	研究论文	提出一种结合SMILES片段化策略与一维卷积神经网络的深度学习框架，用于预测合成化学品的毒性和结构警报	开发了四种SMILES片段化方法并生成专用分词器，构建了可解释的深度学习模型SFDL-GenTok	在10个毒性终点中仅对6个表现出稳健预测性能	提高合成化学品的毒性预测准确性和可解释性	合成化学品	机器学习	NA	SMILES片段化	CNN	化学结构数据	581537个PubChem化合物用于训练，28160个合成化学品用于预测	NA	1D CNN	AUC, PRAUC	NA
3427	2025-10-06	MultiSAAl: Sequence-Informed Antibody-Antigen Interaction Prediction Using Multiscale Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01511 PMID:40874985	研究论文	提出一种基于多尺度深度学习的序列信息抗体-抗原相互作用预测框架MultiSAAI	首次明确考虑抗体重链和轻链在抗原结合中的不同作用，整合多尺度特征并采用多尺度网络架构同时评估全局残基对兼容性和局部氨基酸适应性	未明确说明模型的计算复杂度和对特定抗体类型的泛化能力	开发准确的序列信息抗体-抗原相互作用预测方法以支持治疗性抗体开发	抗体-抗原相互作用	生物信息学	传染病	深度学习，语言模型嵌入	多尺度深度学习网络	蛋白质序列数据，理化性质，几何约束，残基可替换性	通用抗体-抗原相互作用数据集和SARS-CoV-2数据集	NA	多尺度网络架构	AUROC	NA
3428	2025-10-06	Optimized node-level capsule graph neural network for subject-independent emotion recognition from EEG signals 2025-Sep-08, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2025.2541792 PMID:40916628	研究论文	提出一种基于优化节点级胶囊图神经网络的主体独立脑电信号情绪识别方法	首次将食人鱼觅食优化算法与节点级胶囊图神经网络结合，用于主体独立的脑电情绪识别	未提及数据集规模和多样性限制，未说明计算资源需求	开发高精度主体独立脑电情绪识别模型	脑电信号对应的平静、快乐、悲伤和愤怒四种情绪状态	机器学习	NA	脑电信号处理，振动模式分解	图神经网络，胶囊网络	脑电信号	NA	Python	节点级胶囊图神经网络	准确率，精确率，召回率，特异性，F1分数，RoC	NA
3429	2025-10-06	Artificial Intelligence in Contact Dermatitis: Current and Future Perspectives 2025-Sep-08, Dermatitis : contact, atopic, occupational, drug IF:4.0Q1 DOI:10.1177/17103568251376647 PMID:40916798	综述	本文综述了人工智能在接触性皮炎诊断和管理中的当前应用与未来前景	首次系统总结了AI在接触性皮炎领域的三大应用方向：基于图像的斑贴试验解读、生物标志物发现和患者风险分析	存在数据集偏差、缺乏标准化和模型可解释性不足等限制	探索人工智能如何提高接触性皮炎的诊断准确性、效率和可及性	接触性皮炎患者，包括过敏性接触性皮炎和刺激性接触性皮炎	数字病理学	接触性皮炎	斑贴测试、转录组学分析	CNN, 机器学习算法	图像、临床数据、转录组数据	基于12项原始研究	NA	卷积神经网络	诊断准确率	NA
3430	2025-10-06	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated with Neoadjuvant Chemotherapy 2025-Sep-08, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究开发了一种整合超声和多序列MRI的深度学习放射组学列线图模型，用于预测接受新辅助化疗的三阴性乳腺癌患者的预后	首次将超声和多序列MRI的深度学习放射组学特征与临床参数结合构建预后预测模型	回顾性研究设计，样本量相对较小（103例），需要更大规模的前瞻性验证	评估深度学习放射组学列线图在预测三阴性乳腺癌患者新辅助化疗后生存、复发和转移的预后性能	经组织病理学确诊的三阴性乳腺癌患者	数字病理	乳腺癌	超声成像，多序列磁共振成像，深度学习放射组学	深度学习放射组学模型	二维超声图像，三维MRI图像	103例三阴性乳腺癌患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
3431	2025-10-06	A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients 2025-Sep-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70113 PMID:40916364	研究论文	本研究开发了一种基于深度学习的全自动心脏MRI分割方法，专门用于法洛四联症患者	首次在法洛四联症患者中比较多种U-Net架构在不同训练策略下的性能，并证明混合数据集训练的MultiResUNet模型效果最佳	研究为回顾性设计，样本量相对有限，外部验证集仅包含12例患者	评估深度学习模型在法洛四联症患者心脏MRI自动分割中的性能	法洛四联症患者的心脏MRI图像，重点分割左心室、右心室和左心室心肌	医学影像分析	先天性心脏病	心脏磁共振成像	深度学习	医学影像	427名患者（305名非法洛四联症，122名法洛四联症），其中395例用于训练/验证，32例法洛四联症用于内部测试，12例外部队列用于泛化性评估	NA	U-Net, Deep U-Net, MultiResUNet	Dice相似系数, 交并比, F1分数	NA
3432	2025-10-06	A transfer learning-enhanced deep learning framework for efficient and interpretable soil heavy metal pollution prediction under data scarcity and spatial heterogeneity 2025-Sep-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138926 PMID:40516468	研究论文	提出一种基于迁移学习的深度学习框架，用于在数据稀缺和空间异质性条件下预测土壤重金属污染	结合迁移学习与卷积神经网络，集成多源异构数据，并引入GradSHAP可解释性模块	研究区域限于韶关市，数据稀缺问题可能在其他地区表现不同	开发高效可解释的土壤重金属污染预测方法	土壤重金属污染	机器学习	NA	遥感技术、网络数据采集、现场采样	CNN	遥感数据、网络数据、现场采样数据、空间区域化特征	韶关市2018-2022年数据	NA	TL-CNN	准确率	NA
3433	2025-10-06	Enhancing cybersecurity in virtual power plants by detecting network based cyber attacks using an unsupervised autoencoder approach 2025-Sep-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01863-w PMID:40913053	研究论文	提出一种基于无监督自编码器的深度学习方法，用于检测虚拟电厂中的虚假数据注入攻击	首次将无监督自编码器应用于虚拟电厂网络安全领域，通过重构误差分析实现高精度异常检测	研究基于仿真数据，未在真实虚拟电厂环境中验证	增强物联网能源系统的网络安全，保护虚拟电厂运营安全	虚拟电厂系统中的网络攻击检测	机器学习	NA	深度学习	Autoencoder	时间序列数据	1000天的时间序列数据	NA	Autoencoder	准确率	MATLAB Simulink
3434	2025-10-06	ESCMID workshop: Artificial Intelligence and Machine Learning in Medical Microbiology Diagnostics 2025-Sep-05, Microbes and infection IF:2.6Q3 DOI:10.1016/j.micinf.2025.105562 PMID:40915468	workshop summary	介绍ESCMID举办的关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容	聚焦医学微生物学诊断领域，整合AI/ML技术应用于病原体识别、抗生素敏感性预测和疫情检测	NA	探讨AI和机器学习在医学微生物学诊断中的机遇与挑战	医学微生物学诊断技术	machine learning	infectious diseases	全基因组测序, MALDI-TOF质谱, 数字显微镜	deep learning	genomic data, microscopy images, mass spectrometry data	NA	NA	NA	NA	NA
3435	2025-10-06	[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges] 2025-Sep-04, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05692 PMID:40066572	综述	探讨生成式人工智能ChatGPT在临床营养领域的应用进展与挑战	系统评估ChatGPT在临床营养管理中的创新应用，包括营养评估、个性化干预和患者监测	缺乏非语言线索解读能力、无法进行体格检查、多病症整合能力不足、膳食计划存在热量偏差和微量营养素失衡	分析ChatGPT在临床营养管理中的应用潜力与局限性	临床营养管理中的患者数据与营养干预策略	自然语言处理	NA	机器学习,深度学习	生成式AI	临床记录文本数据	NA	NA	ChatGPT	准确率	NA
3436	2025-10-06	A systematic review of contactless respiratory rate measurement using RGB cameras 2025-Sep-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adfc24 PMID:40816317	系统综述	系统回顾了使用RGB摄像头进行无接触呼吸频率测量的最新进展	全面比较RGB摄像头与其他传感器模式，识别现有挑战并提出未来研究方向	在低光照、高运动或复杂非受控环境中性能显著下降，缺乏真实世界数据集	评估无接触呼吸频率测量技术的现状和发展方向	RGB摄像头呼吸监测技术及相关数据集	计算机视觉	NA	RGB摄像监测	深度学习,混合模型	视频,图像	NA	NA	深度神经网络	误差率,准确度,可靠性	NA
3437	2025-10-06	Technical system of electroencephalography-based brain-computer interface: Advances, applications, and challenges 2025-Sep-03, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00217 PMID:40903968	综述	系统分析基于脑电图的脑机接口技术体系在信号采集、范式设计、解码算法和应用领域的进展与挑战	提出基于脑电图的脑机接口四大支柱系统分析框架，涵盖从非侵入式电极到多模态融合的前沿技术	长期信号稳定性不足，存在视觉认知疲劳，跨设备兼容性差，处理需求高	弥合脑机接口技术与实际应用之间的差距，指导未来研究方向	脑电图信号处理与脑机接口系统	生物医学工程	脑卒中	脑电图，肌电图，眼动追踪	深度学习	神经信号，生理信号	NA	NA	NA	NA	NA
3438	2025-10-06	Anatomical-Marker-Driven 3D Markerless Human Motion Capture 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3424869 PMID:38980775	研究论文	提出一种基于解剖标志的3D无标记运动捕捉方法，通过深度学习从RGB图像估计2D解剖关键点并重建3D标记位置	使用基于标记运动捕捉系统的解剖标志创建高质量数据集，直接学习从图像预测解剖关键点，而非增强三角化的野生关键点	仅在10名受试者上进行评估，样本规模有限	提高无标记运动捕捉系统的精度，促进其在生物力学研究中的广泛应用	人体运动捕捉	计算机视觉	NA	RGB相机采集，基于射线的三角测量	深度神经网络	图像	10名受试者执行各种运动	NA	NA	平均欧几里得误差	NA
3439	2025-10-06	Multiview Deep Learning-Based Efficient Medical Data Management for Survival Time Forecasting 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422180 PMID:38954570	研究论文	提出一种基于多视图深度学习的高效医疗数据管理框架MDL-MDM，用于癌症患者的生存时间预测	引入集成深度学习思想，结合卷积神经网络、图注意力网络和图卷积网络构建混合计算框架，实现多视图特征学习	仅使用美国癌症患者数据，缺乏多媒体信息，可能影响模型泛化能力	通过多视图深度学习提升远程医疗管理中生存时间预测的准确性	癌症患者的生理指标监测数据	机器学习	癌症	生理指标监测	CNN, GAT, GCN	医疗监测数据	美国癌症患者数据集（具体数量未说明）	NA	卷积神经网络, 图注意力网络, 图卷积网络	预测误差	NA
3440	2025-10-06	Efficient Training of Probabilistic Neural Networks for Survival Analysis 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417369 PMID:38905091	研究论文	本文研究在生存分析中如何高效训练概率神经网络而不增加模型复杂度	首次在生存分析中系统比较VI、MCD和SNGP三种概率方法，证明非VI方法在保持性能的同时能提供更好的校准不确定性估计	研究主要基于MIMIC-IV数据集，需要在更多数据集上验证方法的普适性	探索在大型数据集中训练深度概率生存模型的高效方法	生存分析中的概率神经网络模型	机器学习	NA	变分推断、蒙特卡洛Dropout、谱归一化神经高斯过程	概率神经网络	临床数据	MIMIC-IV数据集	NA	NA	一致性指数, 平均绝对误差, C校准, D校准	NA