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
421	2025-06-13	Predicting drug and target interaction with dilated reparameterize convolution 2025-01-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86918-8 PMID:39833385	research paper	本文提出了一种名为Rep-ConvDTI的新型药物-靶点相互作用预测框架，利用大核卷积块提取大规模序列信息，并引入重参数化方法和门控注意力机制以提高预测性能	设计了用于提取大规模序列信息的大核卷积块，并引入重参数化方法帮助大核卷积捕获小规模信息，同时开发了门控注意力机制以更高效地表征药物与靶点的相互作用	未明确提及具体局限性	预测药物-靶点相互作用（DTI），解决药物研发中的关键挑战	药物和靶点的相互作用	machine learning	NA	重参数化方法、门控注意力机制	Rep-ConvDTI（基于大核卷积的模型）	序列信息	三个基准数据集
422	2025-06-13	Deep learning of noncontrast CT for fast prediction of hemorrhagic transformation of acute ischemic stroke: a multicenter study 2025-Jan-15, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00535-0 PMID:39812734	研究论文	本研究开发并验证了一个基于非对比CT和临床数据的集成模型，用于预测急性缺血性卒中患者静脉溶栓后的出血性转化及其亚型	首次提出结合临床数据和NCCT深度学习的集成模型，用于预测AIS患者IVT后的HT及其预后不良亚型PH和PH-2，性能优于现有临床评分系统	研究为回顾性设计，样本量相对有限（445例），且来自六个中心可能存在数据异质性	开发预测急性缺血性卒中静脉溶栓后出血性转化的精准模型	接受静脉溶栓治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比CT（NCCT）	集成模型（eXtreme Gradient Boosting + 深度学习）	医学影像+临床数据	445例IVT治疗的AIS患者（训练集344例，测试集101例）
423	2025-06-13	Efficient evidence selection for systematic reviews in traditional Chinese medicine 2025-Jan-15, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02430-z PMID:39815209	研究论文	本文介绍了一种新颖的精确优先综合信息提取和选择程序，旨在提高中医药系统评价中证据选择的效率和准确性	结合了深度学习模型（Evi-BERT与基于规则的方法）、布尔逻辑算法和扩展检索策略，实现自动且准确的证据选择	方法的全部潜力需要进一步验证	提高中医药系统评价和临床指南中证据选择的效率和准确性	中医药相关的系统评价文献	自然语言处理	NA	Evi-BERT与基于规则的方法结合布尔逻辑算法	BERT	文本	十篇高质量的中医药相关系统评价
424	2025-06-13	Effect of feedback-integrated reflection, on deep learning of undergraduate medical students in a clinical setting 2025-Jan-14, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06648-3 PMID:39810114	research paper	研究反馈整合反思对本科医学生在妇科临床环境中深度学习的影响	比较反馈整合反思与单独反思对医学生高阶多选题分数的提升效果	样本量较小（68名医学生），且研究仅针对妇科临床环境	评估反馈整合反思对医学生深度学习的效果	本科医学生	医学教育	NA	随机对照试验	NA	测试分数	68名本科医学生
425	2025-06-13	Mitigating catastrophic forgetting in Multiple sclerosis lesion segmentation using elastic weight consolidation 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103795 PMID:40403421	研究论文	该研究首次将弹性权重巩固（EWC）应用于多发性硬化（MS）病变分割的领域增量学习，以缓解灾难性遗忘问题	首次在MS病变分割的领域增量学习中使用EWC，显著减少了灾难性遗忘，并在少量目标域数据下实现了性能提升	研究仅使用了公开数据集和内部数据集进行验证，未涉及更广泛的临床数据	解决MS病变分割中深度学习模型的领域适应问题，减少灾难性遗忘	多发性硬化（MS）病变的MRI图像分割	数字病理	多发性硬化	弹性权重巩固（EWC），迁移学习（TL）	3D U-Net	MRI图像	公开数据集（WMH2017和Shifts）及内部数据集，少量目标域图像（3-5张）
426	2025-06-13	Student engagement assessment using multimodal deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325377 PMID:40493580	研究论文	提出了一种基于多模态深度学习的框架，用于学生参与度评估	结合视频、文本和日志三种模态数据，采用异步数据融合和深度学习模型评估学生参与度，并使用梯度幅度映射区分参与度水平的细微差异	未明确提及具体局限性	提升学生积极表现并优化教学方法	学生参与度	机器学习	NA	多模态深度学习	CNN	视频、文本、日志	未明确提及样本数量
427	2025-06-13	Enhancing ECG disease detection accuracy through deep learning models and P-QRS-T waveform features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325358 PMID:40493615	研究论文	本研究利用深度学习和P-QRS-T波形特征提高心电图（ECG）疾病检测的准确性	结合先进的信号处理和深度学习技术，使用P-QRS-T特征进行精确的多类心脏病分类	研究主要基于PTB-XL数据库，可能在其他数据集上的泛化能力有待验证	开发一种稳健的方法，用于分类多种心脏异常	心电图（ECG）记录	数字病理	心血管疾病	Butterworth带通滤波器和离散小波变换（DWT）db-8，SMOTE-NC	CNN和DNN	ECG信号	PTB-XL数据库中的ECG记录
428	2025-06-13	Comparing UNet configurations for anthropogenic geomorphic feature extraction from land surface parameters 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325904 PMID:40493622	研究论文	本研究比较了不同UNet架构在从地表参数中提取人为地貌特征时的性能	探索了多种UNet架构的改进方法，包括激活函数替换、残差连接、注意力机制等，以提高在有限训练数据或复杂地貌场景下的分割性能	当训练数据量较大时（如超过500个图像块），改进架构与基础UNet性能差异不明显	优化基于UNet的模型用于人为地貌特征提取	农业梯田、矿山台阶和谷地填充面等地貌特征	计算机视觉	NA	深度学习	UNet及其变体（包括MobileNetV2作为编码器骨干）	高空间分辨率激光雷达数据	不同训练样本量（50、100、250、500及完整训练集）
429	2025-06-13	Deep learning architectures for influenza dynamics and treatment optimization: a comprehensive review 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1521886 PMID:40495931	综述	本文综述了深度学习架构在流感动态建模和治疗优化中的应用	探讨了LSTM、CNN、GAN、transformer架构和LLMs等深度学习方法在流感病毒行为建模和治疗策略优化中的创新应用	未提及具体研究案例或实验验证，主要基于文献综述	利用深度学习改进流感动态理解和治疗策略优化	流感病毒行为和治疗策略	机器学习	流感	NA	LSTM, CNN, GAN, transformer, LLMs	基因序列和患者记录	NA
430	2025-06-13	Deep learning-based automated segmentation for the quantitative diagnosis of cerebral small vessel disease via multisequence MRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1540923 PMID:40496122	研究论文	开发了一种基于深度学习的自动分割方法，用于通过多序列MRI定量诊断脑小血管病	首次提出基于深度学习的自动分割方法，用于定量评估脑小血管病的典型神经影像标志物	样本量相对较小，且外部数据集的时间跨度较大	开发一种自动化的定量诊断方法，以准确评估脑小血管病的全局病变负荷	脑小血管病（CSVD）的神经影像标志物，包括白质高信号、脑微出血、腔隙和扩大的血管周围间隙	数字病理	脑小血管病	多序列MRI	深度学习（DL）	MRI图像	内部数据集105名患者，外部数据集58名患者
431	2025-06-13	Use video comprehension technology to diagnose ultrasound pneumothorax like a doctor would 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1530808 PMID:40496245	研究论文	本研究利用视频理解技术对超声气胸进行智能诊断，通过深度学习模型实现高准确率的诊断	首次将视频理解模型应用于气胸的多特征融合诊断，展示了视频理解技术在医学图像诊断中的可行性	研究仅使用了657个训练剪辑和164个测试剪辑，样本量相对较小	开发一种能够快速准确诊断超声气胸的智能系统	超声气胸诊断	计算机视觉	气胸	深度学习	TSM视频理解模型基于ResNet50网络	视频	657个训练剪辑和164个测试剪辑
432	2025-06-12	Machine learning and deep learning in diabetology: revolutionizing diabetes care 2025, Frontiers in clinical diabetes and healthcare DOI:10.3389/fcdhc.2025.1547689 PMID:40496420	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
433	2025-06-13	Deep learning to promote health through sports and physical training 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1583581 PMID:40496455	研究论文	本研究提出了一种基于LSTM和注意力机制的序列到序列深度学习模型，用于预测健康改善分数（HIS）	结合LSTM和注意力机制，整合多种时间序列数据，提出HIS预测模型，显著提高了预测准确性	研究样本量较小（384名参与者），且观察时间较短（32天）	开发更个性化和准确的预测模型，评估运动和体育训练对健康改善的影响	运动和体育训练对健康改善的影响	机器学习	慢性疾病	时间序列分析	LSTM	时间序列数据	384名参与者，32天的数据
434	2025-06-13	Radiomics and Deep Learning as Important Techniques of Artificial Intelligence - Diagnosing Perspectives in Cytokeratin 19 Positive Hepatocellular Carcinoma 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S526887 PMID:40496512	meta-analysis	系统分析和比较了非侵入性方法在预测CK19阳性HCC中的表现，为HCC患者的分层管理提供见解	整合传统影像学、放射组学和深度学习的组合模型在预测CK19阳性HCC方面表现出卓越潜力	多中心外部数据有限，仅13.6%的研究包含验证集	系统分析和比较非侵入性方法预测CK19阳性HCC的性能	HCC患者	digital pathology	hepatocellular carcinoma	radiomics, deep learning	combined models	image	22项研究，涉及3395名HCC患者
435	2025-06-13	AI-based multimodal prediction of lymph node metastasis and capsular invasion in cT1N0M0 papillary thyroid carcinoma 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1580885 PMID:40496555	research paper	该研究开发了一种基于AI的多模态预测模型，用于提高cT1N0M0甲状腺乳头状癌（PTC）患者淋巴结转移（LNM）和包膜侵犯（CI）的术前评估准确性	整合了超声放射组学和深度学习特征，通过多模态融合提高了预测性能，优于单一模态模型	样本量相对较小（203例患者），且仅进行了内部测试集验证	提高cT1N0M0 PTC患者LNM和CI的术前评估准确性，优化风险分层和治疗策略	cT1N0M0甲状腺乳头状癌（PTC）患者	digital pathology	thyroid cancer	超声放射组学分析，深度学习特征提取	NeuralNet, RandomForest, Vision Transformer (ViT)	超声图像	203例PTC患者（训练集142例，内部测试集61例）
436	2025-06-13	Early detection of human Mpox: A comparative study by using machine learning and deep learning models with ensemble approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251344135 PMID:40496715	研究论文	本研究通过机器学习和深度学习模型结合集成方法，提高了Mpox的早期诊断准确率	采用集成学习方法结合ViT和ConvMixer模型，显著提高了Mpox病变的分类准确率和鲁棒性	模型可解释性有待提高，需在真实临床数据中进一步验证	提高Mpox的早期诊断准确率	Mpox皮肤病变数据集v2.0中的六种皮肤病变类别	计算机视觉	Mpox	机器学习与深度学习	Logistic Regression, K-Nearest Neighbors, Vision Transformer (ViT), ConvMixer	图像	包含六种皮肤病变类别的Mpox皮肤病变数据集v2.0
437	2025-06-13	Multimeric protein interaction and complex prediction: Structure, dynamics and function 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.009 PMID:40496891	综述	本文综述了多聚体蛋白质复合物的结构、相互作用、动力学和功能研究的最新进展	总结了CASP16中的最新进展，包括未知化学计量比、超复合物和构象集合的预测，以及AlphaFold2和3在多聚体预测中的贡献	在处理功能性蛋白质-蛋白质相互作用和动态构象方面存在局限性	研究多聚体蛋白质复合物的结构、相互作用、动力学和功能	多聚体蛋白质复合物	生物信息学	NA	深度学习	AlphaFold2 & 3	蛋白质结构数据	NA
438	2025-06-13	Enhanced visibility graph for EEG classification 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1541062 PMID:40497135	research paper	提出了一种结合功率谱密度(PSD)和可见性图(VG)特征与深度学习(DL)技术的端到端EEG分类框架	整合了PSD和VG特征以同时捕捉EEG信号的频域特性和时域动态，并评估了四种DL架构在EEG分类中的表现	未明确提及具体的数据集规模限制或模型泛化能力的详细分析	推进EEG分析，开发更准确可靠的基于EEG的系统	EEG信号	machine learning	NA	power spectral density (PSD), visibility graph (VG), deep learning (DL)	MLP, LSTM, InceptionTime, ChronoNet	EEG信号	多个数据集，但未明确提及具体样本数量
439	2025-06-13	AI-driven prediction of bitterness and sweetness and analysis of receptor interactions 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101090 PMID:40497229	研究论文	本研究开发了基于图神经网络（GNN）的人工智能模型，用于根据化学结构预测苦味和甜味，并通过分子对接模拟验证了预测结果	使用GNN直接从分子结构中学习，减少特征选择偏差，并通过Integrated Gradients方法增强模型的可解释性	需要进一步研究以探索更深入的分子机制，并将该方法扩展到预测其他味觉模式	理解甜味和苦味的分子机制，识别天然和合成化合物中的理想味觉特征	被分类为苦味或甜味的化合物	机器学习	NA	图神经网络（GNN）、分子对接模拟	GNN	化学结构数据	NA
440	2025-06-13	Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy 2024-Dec-10, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02490-y PMID:39658727	研究论文	该论文介绍了一种基于深度学习的策略，用于设计可电离脂质以优化脂质纳米颗粒在肺基因治疗中的应用	提出了一种名为“基于神经网络的脂质优化”的深度学习方法，用于预测核酸递送效果，并成功识别出两种新型脂质结构FO-32和FO-35，在肺基因治疗中表现出色	研究仅在小鼠和雪貂模型中进行了验证，尚未在人类临床试验中测试	优化脂质纳米颗粒的设计，以提高mRNA在肺部的递送效率	可电离脂质及其在脂质纳米颗粒中的应用	机器学习	NA	深度学习方法（定向消息传递神经网络）	定向消息传递神经网络	脂质纳米颗粒活性测量数据	超过9,000个脂质纳米颗粒活性测量数据，评估了160万种脂质结构