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
341	2025-05-17	Advanced molecular modeling of proteins: Methods, breakthroughs, and future prospects 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.02.005 PMID:40175043	review	本文综述了蛋白质分子建模的先进方法、突破性进展及未来展望	介绍了深度学习算法如AlphaFold在复杂蛋白质结构预测精度上的显著提升	未提及具体研究案例或数据验证这些方法的实际效果	增强对蛋白质功能的理解，提高药物发现的精确性	蛋白质分子及其行为预测	计算生物学	NA	同源建模、分子动力学模拟、量子力学/分子力学策略、深度学习	AlphaFold	蛋白质结构数据	NA
342	2025-05-17	Deep learning: A game changer in drug design and development 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.01.008 PMID:40175037	research paper	本文探讨了深度学习在药物设计和开发中的革命性作用	深度学习通过分析大量生物数据，加速药物发现过程，包括靶点识别、先导化合物选择、毒性预测、药物再利用和从头药物设计	NA	研究深度学习如何改变药物设计和开发过程	药物发现和开发过程	machine learning	NA	deep learning	NA	biological data	NA
343	2025-05-17	[Comparison of the Impact of Deep Learning Techniques on Low-noise Head CT Images] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1537 PMID:40175157	研究论文	比较两种深度学习技术在低噪声头部CT图像上对脑CT值、图像噪声内容及白质与灰质对比噪声比的影响	比较了两种深度学习技术（AiCE和PixelShine）在低噪声头部CT图像上的效果，揭示了它们在减少图像噪声、改变CT值及影响白质与灰质对比噪声比方面的差异	研究样本量较小（21名正常患者），且仅针对无异常发现的正常患者，可能限制了结果的广泛适用性	比较深度学习技术对低噪声头部CT图像质量的影响	低噪声头部CT图像	医学影像处理	NA	深度学习技术（AiCE和PixelShine）	深度学习	CT图像	21名无异常发现的正常患者
344	2025-05-17	Developing predictive models for µ opioid receptor binding using machine learning and deep learning techniques 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10359 PMID:40177220	研究论文	本研究旨在开发机器学习和深度学习模型，用于预测化学物质与µ阿片受体（MOR）的结合活性	结合机器学习和深度学习技术，开发了多种预测模型，用于识别MOR结合剂，可能有助于开发非成瘾性或低成瘾性药物	模型的马修斯相关系数在0.528-0.654和0.408之间，仍有提升空间	预测化学物质与µ阿片受体的结合活性，以辅助开发非成瘾性或低成瘾性阿片类镇痛药	化学物质及其与µ阿片受体的结合活性数据	机器学习	NA	分子描述符计算	随机森林、k近邻、支持向量机、多层感知机、LSTM	分子描述符数据	从公共数据库和文献中收集的化学物质数据
345	2025-05-17	Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型XGBoost-CNN-BiLSTM，用于提升风险事件的预测和检测能力	结合了XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，更全面地捕捉风险事件的关键特征	NA	提升企业风险管理的预测和检测能力	企业风险事件	机器学习	NA	深度学习	XGBoost-CNN-BiLSTM	结构化数据和时间序列数据	多个数据集，包括S&P 500历史数据集
346	2025-05-17	Using deep learning artificial intelligence for sex identification and taxonomy of sand fly species 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320224 PMID:40179129	research paper	开发了一种基于深度学习的AI系统，用于自动识别沙蝇的性别和分类三种不同物种	首次将深度学习技术应用于沙蝇的性别识别和物种分类，实现了超过95%的分类准确率	研究仅针对三种沙蝇物种，可能无法推广到其他物种	开发自动化工具以提高沙蝇分类和性别识别的准确性和效率	沙蝇（Phlebotomus alexandri, Phlebotomus papatasi, Phlebotomus sergenti）	computer vision	leishmaniasis	深度学习	CNN	image	两年内本地采集和制备的沙蝇样本
347	2025-05-17	Active learning regression quality prediction model and grinding mechanism for ceramic bearing grinding processing 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320494 PMID:40193368	研究论文	探讨陶瓷轴承磨削加工中的质量预测，重点关注磨削参数对表面粗糙度的影响	使用主动学习回归模型进行模型构建和优化，并结合多种深度学习模型进行磨削加工质量预测实验	实验仅覆盖特定磨削参数范围，可能无法涵盖所有实际生产中的复杂情况	优化陶瓷轴承磨削加工质量预测和磨削参数	陶瓷轴承磨削加工过程	机器学习	NA	主动学习回归模型，深度学习	回归模型，深度学习模型	实验数据	多种磨削参数条件下的实验数据
348	2025-05-17	Ensemble deep learning for Alzheimer's disease diagnosis using MRI: Integrating features from VGG16, MobileNet, and InceptionResNetV2 models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318620 PMID:40193955	research paper	该研究开发并评估了一种创新的深度学习集成模型，用于从MRI扫描中精确识别阿尔茨海默病的标志物	集成VGG16、MobileNet和InceptionResNetV2三种预训练模型的特征，克服了单个模型在处理不同图像形状和纹理时的局限性	NA	提高阿尔茨海默病的诊断准确性，支持初级放射科医生简化诊断流程，促进早期检测和及时治疗	阿尔茨海默病患者	digital pathology	geriatric disease	MRI	ensemble of VGG16, MobileNet, and InceptionResNetV2	image	NA
349	2025-05-17	Derivative-Guided Dual-Attention Mechanisms in Patch Transformer for Efficient Automated Recognition of Auditory Brainstem Response Latency 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3558730 PMID:40198282	研究论文	本文提出了一种名为Patch-DAT的新型轻量级深度学习模型，用于自动识别听觉脑干反应(ABR)波I、III和V的潜伏期	引入了导数引导的双注意力机制和重叠分块策略，以更好地捕捉局部时间模式和全局依赖关系	未来工作需要扩展数据集多样性和提高模型可解释性	开发高效自动化的ABR潜伏期识别方法	听觉脑干反应(ABR)波I、III和V的潜伏期	机器学习	NA	深度学习	Transformer	时间序列数据	来自两家医院的大规模多样化数据集
350	2025-05-17	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	本文提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应SARS-CoV-2等病毒的快速进化	结合AlphaFold 3和多任务拓扑拉普拉斯策略，提高了对病毒突变的预测能力	与使用实验结构相比，性能略有下降	开发高效的计算方法以应对病毒的快速进化	SARS-CoV-2刺突蛋白受体结合域（RBD）和人血管紧张素转换酶-2（ACE2）复合物	机器学习	COVID-19	深度突变扫描（DMS）和拓扑数据分析（TDA）	多任务拓扑拉普拉斯（MT-TopLap）	蛋白质-蛋白质相互作用（PPI）复合物结构	四个实验性DMS数据集
351	2025-05-17	Accurate total consumer price index forecasting with data augmentation, multivariate features, and sentiment analysis: A case study in Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321530 PMID:40359407	研究论文	本文提出了一种结合数据增强、多变量特征和情感分析的新框架，用于准确预测韩国的总消费者价格指数（CPI）	提出了一种新颖的混合CNN-LSTM机制，结合多变量输入、数据增强和情感指数，以提高CPI预测的准确性	CPI数据的月度频率导致时间序列相对稀疏，且外部因素（如政策变化和疫情）增加了CPI的波动性	准确预测韩国的总消费者价格指数（CPI），以支持更及时有效的经济政策制定	韩国的总消费者价格指数（CPI）及其12类商品和服务的462个项目	机器学习	NA	数据增强、情感分析	CNN-LSTM	时间序列数据、文本数据	NA
352	2025-05-17	Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI 2025, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-74561-4_16 PMID:40365134	research paper	该研究提出了一种通过潜在空间正则化方法提高MRI脑部研究中深度学习模型可解释性的技术	通过成对解缠技术对多标签分类器的潜在空间进行正则化，使得潜在空间中两个脑MRI表示之间的差异与其神经心理学测试分数的差异相似	研究样本量相对较小，特别是HIV无HAND组仅有32个样本	提高MRI脑部研究中深度学习模型的可解释性，促进神经科学发现	156名对照者、165名轻度认知障碍(MCI)患者、166名HIV相关认知障碍(HAND)患者和32名HIV无HAND患者	digital pathology	geriatric disease	MRI	multi-label classifier	image	519人(156对照+165MCI+166HAND+32HIV无HAND)
353	2025-05-17	Advancing patient care: Machine learning models for predicting grade 3+ toxicities in gynecologic cancer patients treated with HDR brachytherapy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312208 PMID:40367095	研究论文	该研究开发并比较了机器学习模型，用于预测接受高剂量率（HDR）近距离放射治疗的妇科癌症患者的3级或更高毒性	应用多种机器学习模型预测妇科癌症患者HDR近距离放射治疗后的3级或更高毒性，为个性化放射治疗提供新方法	研究为回顾性分析，样本量相对较小（233例患者）	开发预测妇科癌症患者HDR近距离放射治疗后3级或更高毒性的机器学习模型	接受HDR近距离放射治疗的妇科癌症患者	机器学习	妇科癌症	HDR近距离放射治疗	Logistic Regression, Random Forest, K-Nearest Neighbors, Support Vector Machines, Gaussian Naive Bayes, Multi-Layer Perceptron Neural Networks, XGBoost	临床数据、剂量学数据	233例妇科癌症患者
354	2025-05-17	Diagnosis of pneumonia from chest X-ray images using YOLO deep learning 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1576438 PMID:40370634	research paper	提出了一种使用Fast-YOLO深度学习网络从胸部X光图像中诊断肺炎的新方法	设计了YOLOv11网络结构，整合了C3k2模块、DCNv2和DynamicConv，提高了特征表示能力并降低了计算复杂度	NA	提高肺炎诊断的准确性和实时性	胸部X光图像	computer vision	pneumonia	deep learning	Fast-YOLO, YOLOv11	image	包含五个类别的肺炎数据集
355	2025-05-17	High-precision lung cancer subtype diagnosis on imbalanced exosomal data via Exo-LCClassifier 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1583081 PMID:40370696	research paper	提出了一种名为Exo-LCClassifier的创新深度学习方法，用于预测肺癌亚型，解决了基因表达数据高维度和不平衡的挑战	整合了特征选择、一维卷积神经网络(1D CNN)和改进的Wasserstein生成对抗网络(WGAN)，通过数据增强和分类提高诊断准确性	未提及在实际临床环境中的验证情况，可能影响其临床应用的可推广性	解决肺癌基因表达数据分析中的不平衡学习问题，提高肺癌亚型诊断的准确性	肺癌亚型的基因表达数据	digital pathology	lung cancer	DESeq2, WGAN, 1D CNN	1D CNN, WGAN	gene expression data	未明确提及具体样本数量，但使用了外部GEO肺癌数据集进行验证
356	2025-05-16	Letter to 'Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion' 2025 Jan-Dec, Acute medicine & surgery IF:1.5Q2 DOI:10.1002/ams2.70065 PMID:40370970	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
357	2025-05-17	Prediction of prognosis in acute ischemic stroke after mechanical thrombectomy based on multimodal MRI radiomics and deep learning 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1587347 PMID:40371075	研究论文	本研究探讨了基于多模态MRI影像组学和深度学习的CRD模型在预测接受机械取栓治疗的急性缺血性卒中患者不良预后中的价值	首次结合临床数据、影像组学特征和深度学习模型构建了综合预测模型CRD，在预测急性缺血性卒中预后方面表现出色	回顾性研究设计可能导致选择偏倚，样本量相对有限(222例患者)	开发更准确的工具预测急性缺血性卒中患者机械取栓后的不良预后	接受机械取栓治疗的急性缺血性卒中患者	数字病理学	心血管疾病	多模态MRI	ResNet101与逻辑回归结合的CRD模型	医学影像	222例患者(训练组155例，验证组67例)
358	2025-05-17	Review of different convolutional neural networks used in segmentation of prostate during fusion biopsy 2025, Central European journal of urology IF:1.4Q3 DOI:10.5173/ceju.2024.0064 PMID:40371421	综述	本文综述了不同卷积神经网络在前列腺融合活检分割中的应用	强调了U-Net架构在高级医学图像分析中的主导地位，并指出所有算法在自动前列腺分割中均达到Dice相似系数74%以上的高精度	不同研究间评估分割结果的方法存在显著异质性，且需要更大样本量的未来研究来验证结果	探索深度学习算法在前列腺融合活检中加速前列腺轮廓勾画的潜力	前列腺癌患者的多参数磁共振成像（mpMRI）数据	数字病理学	前列腺癌	多参数磁共振成像（mpMRI）	CNN, U-Net	医学图像	NA
359	2025-05-17	An Explainable Deep Learning Framework for Predicting Postoperative Radiotherapy-Induced Vaginal Stenosis in Surgically Treated Cervical Cancer Patients 2025, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4011 PMID:40375370	研究论文	开发并验证了一个可解释的深度学习框架，用于预测宫颈癌患者术后放疗引起的阴道狭窄风险	结合Squeeze-and-Excitation网络和Grad-CAM可视化，提高了模型的准确性和可解释性	研究样本量较小（140例患者），且为回顾性研究	预测宫颈癌患者术后放疗引起的阴道狭窄风险，以实现早期个性化干预	接受根治性子宫切除术及放疗的宫颈癌患者	数字病理	宫颈癌	CT成像	SE-Inception, ResNet50, Random Forest	图像	140例患者（51例发生阴道狭窄）
360	2025-05-17	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-Dec, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	本研究旨在创建并验证一种卷积神经网络(CNN)，用于通过动态超声识别骨盆底中矢状面的不同器官	首次应用深度学习技术，特别是CNN模型，动态识别骨盆底中矢状面的不同器官	膀胱和子宫的识别准确度相对较低，DSI分别为0.71和0.70	验证CNN在骨盆底器官动态识别中的适用性	骨盆底的不同器官（膀胱、子宫、肛门、耻骨直肠肌等）	计算机视觉	骨盆底疾病	动态超声	CNN（包括UNet、FPN和LinkNet架构）	视频	110名患者（86名用于训练，24名用于测试）