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
21	2025-05-11	Climate change prediction in Saudi Arabia using a CNN GRU LSTM hybrid deep learning model in al Qassim region 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00607-0 PMID:40346151	研究论文	使用CNN-GRU-LSTM混合深度学习模型预测沙特阿拉伯Al-Qassim地区的气候变化趋势	提出了一种独特的CNN-GRU-LSTM混合深度学习架构，用于预测气候变化，并在性能上优于传统回归模型	研究仅针对沙特阿拉伯Al-Qassim地区，可能不适用于其他地区	预测气候变化趋势，为环境政策和城市发展决策提供指导	Al-Qassim地区的气候数据	机器学习	NA	SMOGN（合成少数过采样技术回归与高斯噪声）	CNN-GRU-LSTM混合模型	气候数据（温度、露点温度、能见度距离、海平面气压）	数据集分为训练集（70%）、验证集（15%）和测试集（15%）
22	2025-05-11	Scoping review of deep learning research illuminates artificial intelligence chasm in otolaryngology-head and neck surgery 2025-May-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01693-0 PMID:40346307	综述	本文通过范围综述分析了1996年至2023年间耳鼻咽喉头颈外科（OHNS）领域的深度学习研究，揭示了该领域人工智能（AI）技术的临床验证不足	首次全面评估了OHNS领域深度学习研究的现状，揭示了AI技术在该领域临床验证的严重缺失	仅分析了已发表的研究，可能未涵盖未发表或正在进行的研究	评估OHNS领域深度学习研究的现状，特别是AI技术的临床验证情况	耳鼻咽喉头颈外科领域的深度学习研究	数字病理学	耳鼻咽喉头颈外科疾病	深度学习	CNN	图像	444篇符合纳入标准的研究文章
23	2025-05-11	APD-FFNet: A Novel Explainable Deep Feature Fusion Network for Automated Periodontitis Diagnosis on Dental Panoramic Radiography 2025-May-09, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf034 PMID:40343455	研究论文	本研究提出了一种名为APD-FFNet的新型可解释深度学习架构，用于在牙科全景X光片上自动诊断牙周炎	首次提出了一种专门用于牙周炎诊断的特征融合方法，结合了卷积和基于Transformer的层，并采用了可解释的人工智能技术	研究仅使用了337张全景X光片，样本量相对较小	开发一种自动化、可解释的牙周炎诊断方法	牙科全景X光片	数字病理学	牙周炎	深度学习	APD-FFNet（结合CNN和Transformer的混合模型）	图像	337张牙科全景X光片
24	2025-05-11	KEVS: enhancing segmentation of visceral adipose tissue in pre-cystectomy CT with Gaussian kernel density estimation 2025-May-09, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03380-7 PMID:40343641	research paper	提出了一种名为KEVS的新方法，用于在膀胱切除术前CT中自动分割内脏脂肪组织（VAT），无需真实标注的VAT掩模进行训练	结合深度学习语义分割模型和高斯核密度估计分析，实现了无需真实VAT掩模训练的自动化VAT预测	研究仅在20例膀胱切除术前CT扫描数据上进行验证，样本量较小	开发一种自动化方法，用于准确预测膀胱切除术前CT中的内脏脂肪组织分布	膀胱切除术前CT扫描中的内脏脂肪组织（VAT）	digital pathology	bladder cancer	Gaussian kernel density estimation, CT扫描	DL semantic segmentation model	CT图像	20例膀胱切除术前CT扫描数据
25	2025-05-11	Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods 2025-May-09, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01781-x PMID:40343649	research paper	本研究探讨了基于AI的肺结节检测程序在超低剂量CT成像中的性能，重点关注不同图像重建方法对检测准确性的影响	研究了AI技术在超低剂量CT中检测肺结节的性能，并比较了不同图像重建方法的效果	未能检测到3毫米的磨玻璃结节，且样本仅使用了胸部模型	评估AI技术在超低剂量CT中检测肺结节的性能	人工肺结节（实性和磨玻璃结节）	digital pathology	lung cancer	ultra-low-dose CT (ULDCT)	AI-based lung nodule detection program	CT images	胸部模型（包含不同大小和类型的结节）
26	2025-05-11	Shortcut learning leads to sex bias in deep learning models for photoacoustic tomography 2025-May-09, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03370-9 PMID:40343639	研究论文	本研究探讨了深度学习模型中捷径学习导致的性别偏见问题，特别是在光声断层扫描（PAT）中用于外周动脉疾病（PAD）诊断的应用	首次在光声断层扫描（PAT）中研究捷径学习对性别偏见的影响，并探讨了性别特异性疾病流行率对模型性能的影响	样本量较小（147人），且仅针对外周动脉疾病（PAD）进行研究	研究深度学习模型在医学影像中因捷径学习导致的性别偏见问题	光声断层扫描（PAT）影像数据	医学影像人工智能	外周动脉疾病	光声断层扫描（PAT）	CNN	影像	147名个体的小腿肌肉PAT影像
27	2025-05-11	Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities 2025-May-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3568282 PMID:40343828	review	本文首次综述了基于EEG的视觉分类与重建的深度学习方法，涵盖了特征编码与解码、基准数据集、实验范式、方法性能、方法论本质与神经科学见解以及未来趋势	首次对基于EEG的视觉分类与重建的深度学习方法进行全面综述，提出了方法论本质与神经科学见解的动态闭环互动与促进	未提及具体实验数据或样本量的限制	促进基于EEG的视觉分类与重建研究的进展	EEG信号及其在视觉分类与重建中的应用	机器学习	NA	EEG	深度学习	EEG信号	NA
28	2025-05-11	How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568778 PMID:40343821	research paper	对深度学习在电子健康记录（EHR）时间序列填补中的方法进行全面分析，探讨架构和框架设计决策如何影响模型的更高层次特性及对复杂数据特征的偏好	揭示了深度学习填补模型在捕捉EHR中复杂时空依赖关系方面的不同能力，并指出模型效果取决于其偏好与医疗时间序列特征的匹配程度	当前深度填补方法与医疗需求之间存在关键差距，需要整合临床见解以实现更可靠的医疗应用填补方法	评估深度学习在医疗时间序列填补中的应用效果	电子健康记录（EHR）时间序列数据	machine learning	NA	deep learning	deep imputer models	time-series data	NA
29	2025-05-11	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	research paper	提出了一种新颖的多任务协作框架，用于解决宫颈癌细胞分类中的类别相似性、单细胞与细胞簇之间的变异性以及注释准确性等问题	引入了分组细胞对比辅助分支、多级细胞分类辅助分支、图像重建辅助分支和软标签蒸馏辅助分支，以提升分类性能	未提及具体的数据集规模限制或模型泛化能力的详细评估	提升宫颈癌细胞分类的准确性和鲁棒性	宫颈癌细胞	digital pathology	cervical cancer	supervised contrastive learning, multi-task learning	multi-task collaborative framework	image	HSJCC, DSCC 和 SIPaKMeD 数据集
30	2025-05-11	A Finetuning Deep Learning Framework for Pan-species Promoters with Pseudo Time Series Analysis on Time and Frequency Space 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出了一种名为ProTriCNN的深度学习方法用于启动子识别，并基于此开发了TransPro微调框架以提高跨物种识别性能	将启动子视为伪时间序列以捕捉其异质性，并利用进化树和时间-频率空间表示物种间差异	未明确提及具体局限性	提高跨物种启动子识别和分类的准确性	不同物种的启动子	生物信息学	NA	深度学习	ProTriCNN, TransPro	序列数据	未明确提及具体样本数量
31	2025-05-11	To Fly, or Not to Fly, That Is the Question: A Deep Learning Model for Peptide Detectability Prediction in Mass Spectrometry 2025-May-09, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00973 PMID:40344201	research paper	该研究开发了一个名为Pfly的深度学习模型，用于预测质谱中肽段的可检测性	Pfly是一个基于肽序列的深度学习模型，具有高适应性、高性能和易于定制化的特点，能够针对特定实验条件进行优化	模型最初在合成肽库上训练，可能存在对合成能力的偏见，尽管后续通过生物数据集进行了微调	开发一个通用的肽段可检测性预测工具，以提高质谱数据的分析准确性	肽段序列及其在质谱中的可检测性	machine learning	NA	质谱	encoder-decoder with attention mechanism	肽序列数据	合成肽库和生物数据集
32	2025-05-11	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-May-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	research paper	提出了一种基于深度学习的高效评分框架，用于评估蛋白质-配体结合结构的结合强度	通过高分辨率原子图描述结合结构，重点学习分子间相互作用，并采用多距离范围识别结合区域内的原子对	未提及具体的数据集规模或模型在特定场景下的局限性	开发一种高效评分框架以促进计算药物发现	蛋白质-配体结合结构	生物分子科学	NA	深度学习	原子图学习模型	原子图数据	NA
33	2025-05-11	Author Correction: Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-May-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59574-9 PMID:40346038	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
34	2025-05-11	Multiparameter MRI-based model integrating radiomics and deep learning for preoperative staging of laryngeal squamous cell carcinoma 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01270-1 PMID:40346120	研究论文	本研究开发了一种基于多参数MRI、结合影像组学和深度学习的模型，用于喉鳞状细胞癌的术前分期	结合影像组学和深度学习特征，构建了一个综合模型，显著提高了术前分期的准确性	研究仅基于两个中心的数据，可能需要更多外部验证	提高喉鳞状细胞癌术前分期的准确性，辅助临床决策	401例经组织学确诊的喉鳞状细胞癌患者	数字病理	喉鳞状细胞癌	MRI	ResNet 18 和随机森林(RF)	MRI图像	401例患者（训练集213例，内部测试集91例，外部测试集97例）
35	2025-05-11	Addressing significant challenges for animal detection in camera trap images: a novel deep learning-based approach 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90249-z PMID:40346172	research paper	提出了一种新颖的两阶段深度学习框架，用于解决相机陷阱图像中动物检测的挑战	采用两阶段深度学习框架，结合全局模型和专家模型，显著提高了动物检测的准确性和效率	模型在新地点的适用性可能仍受背景和物种相似性的影响	提高相机陷阱图像中动物检测的自动化水平和准确性	24种哺乳动物	computer vision	NA	Transfer Learning, agglomerative clustering	YOLOv5, deep learning expert models	image	1.3 million images from 91 camera traps, 120,000 images for testing
36	2025-05-11	Deep learning for Parkinson's disease classification using multimodal and multi-sequences PET/MR images 2025-May-09, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01245-3 PMID:40346391	research paper	使用深度学习和多模态PET/MR图像对帕金森病进行分类	采用改进的ResNet18模型结合多模态和多序列PET/MR图像，提高了帕金森病和多系统萎缩的分类准确性	研究为回顾性分析，样本量相对有限，且未在外部数据集上进行验证	准确区分临床表现相似的帕金森病和多系统萎缩	206名帕金森病或多系统萎缩患者及38名健康志愿者	digital pathology	Parkinson's disease	PET/MR imaging	ResNet18	image	206名患者和38名健康志愿者
37	2025-05-11	SMFF-DTA: using a sequential multi-feature fusion method with multiple attention mechanisms to predict drug-target binding affinity 2025-May-09, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02222-x PMID:40346536	research paper	提出了一种基于序列多特征融合方法和多重注意力机制的药物-靶标结合亲和力预测模型SMFF-DTA	采用序列方法表示药物和靶标的结构信息及理化性质，并引入多重注意力块以紧密捕捉相互作用特征	未明确提及具体局限性	提高药物-靶标结合亲和力预测的效率和准确性	药物和靶标的结合亲和力	machine learning	NA	deep learning	SMFF-DTA	1D sequences	未明确提及样本量
38	2025-05-11	Distinct actin microfilament localization during early cell plate formation through deep learning-based image restoration 2025-May-08, Plant cell reports IF:5.3Q1 DOI:10.1007/s00299-025-03498-7 PMID:40335746	研究论文	通过基于深度学习的图像恢复技术，实现了高分辨率4D成像，揭示了Lifeact-RFP标记的肌动蛋白微丝在细胞板形成初期的独特定位和作用	使用深度学习图像恢复技术克服传统成像的激光诱导光漂白和光毒性限制，首次揭示了两种肌动蛋白探针在细胞板形成初期的不同定位模式	研究仅针对转基因烟草BY-2细胞，结果在其他植物细胞中的普适性需要进一步验证	探究肌动蛋白微丝在植物细胞板形成初期的定位和作用机制	转基因烟草BY-2细胞（标记有Lifeact-RFP或RFP-ABD2）	计算机视觉	NA	深度学习图像恢复技术	深度学习	4D图像数据	转基因烟草BY-2细胞样本
39	2025-05-11	Deep learning-based evaluation of the severity of mitral regurgitation in canine myxomatous mitral valve disease patients using digital stethoscope recordings 2025-May-08, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-025-04802-z PMID:40336065	研究论文	本研究利用深度学习模型评估犬类粘液瘤性二尖瓣疾病患者的二尖瓣反流严重程度	使用CNN6等深度学习模型通过数字听诊器录音评估二尖瓣反流严重程度，提供了一种快速、无创且可靠的替代方法	需要更广泛的临床验证和实时应用技术的研究	评估深度学习模型在犬类粘液瘤性二尖瓣疾病患者中评估二尖瓣反流严重程度的有效性	460只患有粘液瘤性二尖瓣疾病的犬类	数字病理学	心血管疾病	数字听诊器录音	CNN, PaSST, ResNet38	音频信号	460只犬类
40	2025-05-11	Predicting adenine base editing efficiencies in different cellular contexts by deep learning 2025-May-08, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03586-7 PMID:40340964	研究论文	本研究通过深度学习模型BEDICT2.0预测腺嘌呤碱基编辑效率，并在细胞系和体内环境中验证其准确性	开发了BEDICT2.0模型，首次在细胞系和体内环境中验证腺嘌呤碱基编辑效率的预测能力	模型在体内的预测准确性（R=0.62-0.81）略低于细胞系（R=0.60-0.94）	提高腺嘌呤碱基编辑效率的预测准确性，以纠正致病突变	腺嘌呤碱基编辑（ABE）在细胞系和小鼠肝脏中的应用	机器学习	NA	腺嘌呤碱基编辑（ABE），深度测序	深度学习模型（BEDICT2.0）	基因序列数据	2,195个致病突变和12,000个引导RNA