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
561	2025-07-17	Development and validation of a prognostic model for predicting survival and immunotherapy benefits in melanoma based on metabolism-relevant genes 2025-Jul-12, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03186-8 PMID:40652057	研究论文	开发并验证了一个基于代谢相关基因的预后模型，用于预测黑色素瘤患者的生存和免疫治疗效益	利用代谢相关基因对黑色素瘤患者进行分子亚型分类，并开发了一个新的预后模型，同时通过单细胞RNA测序和体外实验验证了特征基因的功能	研究主要基于生物信息学分析，虽然进行了体外实验验证，但缺乏体内实验和更大规模的临床验证	预测黑色素瘤患者的预后和免疫治疗反应	皮肤黑色素瘤(SKCM)患者	数字病理学	黑色素瘤	scRNA-seq, WB, qPCR, IHC, siRNA	LASSO和COX回归分析, ResNet50	基因表达数据, 病理图像	未明确提及具体样本数量，但涉及SKCM患者和细胞系
562	2025-07-17	Deep learning algorithm for identifying osteopenia/osteoporosis using cervical radiography 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11285-3 PMID:40652099	研究论文	本研究验证了一种深度学习算法在颈椎X光片上识别骨量减少/骨质疏松症的诊断效果，并与脊柱外科医生的诊断准确性进行了比较	开发了一种基于卷积神经网络的深度学习算法，用于通过颈椎X光片检测骨量减少/骨质疏松症，其诊断准确性高于脊柱外科医生	样本量较小，测试数据集仅包含30个样本	验证深度学习算法在颈椎X光片上识别骨量减少/骨质疏松症的诊断效果	颈椎疾病患者，特别是退行性颈椎脊髓病患者	数字病理学	骨质疏松症	深度学习	CNN	图像	训练数据集200例，测试数据集30例
563	2025-07-17	Establishing an AI-based diagnostic framework for pulmonary nodules in computed tomography 2025-Jul-12, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-025-03806-7 PMID:40652218	research paper	本研究开发了一种基于AI的CT扫描肺结节诊断框架，以提高肺结节的识别和分类性能	提出了一种结合Retina-UNet模型和SVM的深度学习框架，用于肺结节的检测和分类，相比传统方法提高了诊断准确性	对于非孤立性结节的检测存在局限，未来需要增加标注数据集的大小并微调模型	开发一种AI诊断方案，提高CT扫描中肺结节的识别和分类性能	肺结节	digital pathology	lung cancer	CT扫描	Retina-UNet, SVM	3D-DICOM CT图像	1,056张3D-DICOM CT图像
564	2025-07-17	Advancing rare neurological disorder diagnosis: Addressing challenges with systematic reviews and AI-driven MRI meta-trans learning framework for neurodegenerative disorders 2025-Jul-11, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102831 PMID:40653053	研究论文	本文通过系统综述和AI驱动的MRI元迁移学习框架，探讨了人工智能在罕见神经系统疾病诊断中的应用	提出了一个结合元学习和迁移学习的MRI框架，用于罕见神经系统疾病的早期检测，旨在提高诊断准确性	罕见神经系统疾病患者数据稀缺，限制了机器学习和深度学习模型的训练效果	探索人工智能技术在神经系统疾病诊断中的应用，特别是针对罕见疾病的早期检测	神经发育障碍(NDD)、神经生物学障碍(NBD)和神经退行性障碍(ND)等神经系统疾病	数字病理学	神经系统疾病	Meta_Trans Learning (结合Meta-Learning和Transfer Learning)	ML和DL模型	MRI图像数据	NA
565	2025-07-17	CSCE: Cross Supervising and Confidence Enhancement pseudo-labels for semi-supervised subcortical brain structure segmentation 2025-Jul-11, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110522 PMID:40653056	研究论文	提出一种基于伪标签交叉监督和置信度增强的半监督脑部亚结构分割框架CSCE	采用双师生模型（U-Net和TransUNet）进行相互监督，并设计两种机制增强伪标签置信度	未明确提及具体局限性	提升脑部亚结构MRI分割的准确性和鲁棒性	脑部MRI图像中的亚结构	数字病理	脑部疾病	半监督学习	U-Net, TransUNet	MRI图像	两个公开脑部MRI数据集
566	2025-07-17	A multimodule graph-based neural network for accurate drug-target interaction prediction via genomic, proteomic, and structural data fusion 2025-Jul-11, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.145907 PMID:40653240	研究论文	本文提出了一种基于图神经网络的多模块模型GINCOVNET，用于通过基因组、蛋白质组和结构数据融合准确预测药物-靶点相互作用	创新点在于整合了多种数据模态（分子结构信息、靶标序列及分子和靶标的扰动基因表达数据），并展示了多数据融合模型在预测性能上的显著提升	未明确提及具体局限性，但可能包括模型对多模态数据质量的依赖及计算复杂度	加速药物发现和再利用，通过深度学习框架统一不同数据类型以更全面地理解药物-靶点相互作用的分子机制	药物-靶点相互作用	机器学习	NA	基因表达分析、分子对接	图神经网络（GINCOVNET）	基因组数据、蛋白质组数据、结构数据	未明确提及具体样本量
567	2025-07-17	Handwritten signature verification using a wearable surface-EMG armband 2025-Jul-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108908 PMID:40664058	研究论文	本研究探讨了使用表面肌电图（sEMG）通过可穿戴臂带进行手写签名验证的有效性	提出了一个双模型深度学习框架，结合肌肉共激活模式和原始sEMG信号波形，显著提高了签名验证的准确率	研究样本量较小，仅包含20名个体的数据	开发一种实用且安全的生物特征认证解决方案，减少手写签名中的类内变异性	20名个体的手写中文签名	生物特征识别	NA	表面肌电图（sEMG）	CNN-LSTM架构和多分支CNN	sEMG信号	20名个体的签名数据
568	2025-07-17	A deep learning-based clinical decision support system for glioma grading using ensemble learning and knowledge distillation 2025-Jul-10, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102602 PMID:40663835	research paper	该研究提出了一种基于深度学习的临床决策支持系统（CDSS），用于胶质瘤分级，结合了集成学习和知识蒸馏的新特征提取框架	通过集成学习和知识蒸馏结合的方法，构建教师模型并通过不确定性加权集成平均在学生模型训练中优化知识传递，从而缩小教师-学生性能差距，提升分级准确性、可靠性和临床适用性	未提及具体样本来源及多样性限制，可能影响模型的泛化能力	开发一种高效、准确的胶质瘤分级临床决策支持系统，辅助医生和患者进行诊断	胶质瘤的医学影像数据	digital pathology	glioma	deep learning, ensemble learning, knowledge distillation	ensemble model (teacher-student framework)	medical image	NA
569	2025-07-17	A multi-component heavy metal detection method using UV-Vis superimposed spectrum and deep learning 2025-Jul-10, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.139187 PMID:40664080	研究论文	提出了一种结合紫外-可见叠加光谱和深度学习的多组分重金属检测方法，以解决光谱重叠问题	通过组合化学探针增强比色反应的特异性，并利用Transformer模型端到端提取定性和定量信息	在真实样本中检测十种重金属时，平均R²为0.681，表明在复杂条件下性能有所下降	开发一种高效、低成本的重金属检测方法，以支持环境监测和污染控制	五种代表性重金属（Sb、Fe、Ni、Cd、Cu）及真实环境样本中的十种重金属	环境监测	NA	紫外-可见光谱（UV-Vis）	Transformer	光谱数据	五种代表性重金属及真实环境样本中的十种重金属
570	2025-07-17	Deep learning for automatic ICD coding: Review, opportunities and challenges 2025-Jul-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103187 PMID:40664094	综述	本文全面回顾了深度学习在自动ICD编码中的最新进展，旨在通过总结和分析模型的年份、设计动机、深度神经网络和辅助数据，揭示突出的挑战和新兴发展趋势	从独特视角全面回顾了深度学习技术在改进医疗编码分配中的应用，并讨论了主要挑战和未来发展方向	仅涵盖了2017年至2023年的文献，可能未包括最新研究	提高自动国际疾病分类(ICD)编码的效率和准确性	临床文本中的疾病编码	自然语言处理	NA	深度学习	CNN, RNN, Transformer, PLM	文本	53篇已发表文章
571	2025-07-17	A Deep-Learning-Aided Drug Screening Based on Visualization of a Hidden Layer as Chemical Space 2025-Jul-10, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.5c00124 PMID:40666467	research paper	提出一种基于图卷积网络隐藏层可视化的药物筛选方法，用于高效识别潜在活性化合物	通过可视化隐藏层作为化学空间，从深度学习预测的候选化合物中优先选择实验测试对象，并提供化合物结构与活性关系的信息	深度学习模型仍需进一步完善，且不能保证总能提供有效的药物先导化合物	开发一种深度学习辅助的药物筛选方法，提高药物发现的效率	组蛋白去乙酰化酶抑制剂等潜在活性化合物	machine learning	NA	graph-convolutional-network-based deep learning	GCN	chemical compound data	NA
572	2025-07-17	AI-based toxicity prediction models using ToxCast data: Current status and future directions for explainable models 2025-Jul-09, Toxicology IF:4.8Q1 DOI:10.1016/j.tox.2025.154230 PMID:40645553	综述	本文综述了基于ToxCast数据的AI毒性预测模型的研究现状和未来发展方向	分析了93篇同行评审论文，概述了ToxCast数据在毒性预测模型中的应用，并探讨了未来可解释模型的发展方向	当前模型主要关注数据丰富的终点和器官特异性毒性机制，可能忽略了其他重要毒性效应	评估AI在毒性预测模型中的应用现状，并探讨未来发展方向	环境化学物质的毒性预测	机器学习	NA	AI驱动的毒性预测模型	QSAR, 深度学习模型	分子表示（图形、图像、文本）和生物特征数据	93篇同行评审论文的分析
573	2025-07-17	Similarity-based prototype reconstruction and feature reorganization for non-exemplar class incremental learning 2025-Jul-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107837 PMID:40664157	research paper	提出了一种基于相似性的原型重建和特征重组方法（SPRR），用于非示例类增量学习（NECIL）以缓解灾难性遗忘问题	设计了特征重组机制和基于相似性的原型重建方法，以更新原型并保持先前任务的决策边界，同时引入知识整合策略增强模型稳定性	未提及具体局限性	解决非示例类增量学习中的灾难性遗忘问题	非示例类增量学习（NECIL）中的模型性能	computer vision	NA	NA	deep learning	image	三个基准数据集（CIFAR-100、TinyImageNet和ImageNet-Sub）
574	2025-07-17	Time is encoded by methylation changes at clustered CpG sites 2025-Jul-08, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115958 PMID:40664208	research paper	该研究通过深度测序分析健康个体血液样本中的DNA甲基化变化，揭示了年龄依赖性甲基化变化的区域性和协调性模式，并开发了一种高精度的年龄预测模型	首次发现年龄依赖性甲基化变化以区域性集群或块状方式发生，并开发了基于单分子模式的深度学习模型，将年龄预测精度提高到1.36-1.7年	研究仅基于血液样本，未验证其他组织中的甲基化变化模式	探索DNA甲基化与年龄测量之间的关系，并开发高精度年龄预测方法	300多份健康个体的血液样本	生物信息学	NA	超深度测序	深度学习	DNA甲基化数据	>300份健康个体血液样本
575	2025-07-17	Development and retrospective validation of an artificial intelligence system for diagnostic assessment of prostate biopsies: study protocol 2025-Jul-07, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-097591 PMID:40623883	研究论文	开发并回顾性验证一种用于前列腺活检诊断评估的人工智能系统	提出一个高性能且稳健的AI模型，用于前列腺癌的诊断和Gleason评分，并在大规模外部数据上进行验证	外部验证数据集有限，且历史上缺乏AI研究设计和验证方法的明确指南	提高前列腺癌活检诊断的准确性和效率	前列腺活检样本	数字病理学	前列腺癌	数字病理学与AI算法	AI模型（未具体说明）	全切片图像	来自独立患者、病理实验室和数字化平台的外部数据
576	2025-07-17	A Deep Learning Model Integrating Clinical and MRI Features Improves Risk Stratification and Reduces Unnecessary Biopsies in Men with Suspected Prostate Cancer 2025-Jul-07, Cancers IF:4.5Q1 DOI:10.3390/cancers17132257 PMID:40647554	研究论文	该研究开发了一种整合临床和MRI特征的深度学习模型，用于改善疑似前列腺癌患者的风险分层并减少不必要的活检	整合临床和MRI变量，使用全连接神经网络进行预测，提高了前列腺癌风险分层的准确性	研究为回顾性分析，可能存在选择偏倚	改善疑似临床显著前列腺癌（csPCa）的风险分层，减少不必要的活检	538名接受MRI和活检的男性患者	数字病理学	前列腺癌	MRI	全连接神经网络	临床数据和MRI图像	538名男性患者
577	2025-07-17	Automated Sidewalk Surface Detection Using Wearable Accelerometry and Deep Learning 2025-Jul-07, Sensors (Basel, Switzerland) DOI:10.3390/s25134228 PMID:40648484	研究论文	提出了一种利用可穿戴传感器和深度学习自动检测人行道表面的新方法	结合可穿戴加速度计和深度学习技术，提供了一种高效、成本效益高且客观一致的人行道表面评估方法	未提及样本的具体数量或多样性，可能影响模型的泛化能力	评估人行道的可步行性，促进健康和环境友好的城市发展	人行道表面	机器学习	NA	FFT, Kalman滤波, 低通滤波, 移动平均滤波	深度学习模型	加速度数据	未提及具体样本数量
578	2025-07-17	ResNet-SE-CBAM Siamese Networks for Few-Shot and Imbalanced PCB Defect Classification 2025-Jul-07, Sensors (Basel, Switzerland) DOI:10.3390/s25134233 PMID:40648488	研究论文	本研究提出了一种结合ResNet、SE块和CBAM的Siamese网络，用于小样本和不平衡数据集的PCB缺陷分类	提出了ResNet-SE-CBAM Siamese网络，结合注意力机制和度量学习，有效提升小样本条件下的特征提取性能	未明确说明模型在更复杂缺陷类型或更大规模工业场景中的泛化能力	解决工业生产线上小样本和不平衡数据集的缺陷检测问题	印刷电路板(PCB)的缺陷检测	计算机视觉	NA	度量学习、注意力机制	ResNet-SE-CBAM Siamese网络、KNN	图像	缺陷样本数量从20到80不等
579	2025-07-17	Entropy, Irreversibility, and Time-Series Deep Learning of Kinematic and Kinetic Data for Gait Classification in Children with Cerebral Palsy, Idiopathic Toe Walking, and Hereditary Spastic Paraplegia 2025-Jul-07, Sensors (Basel, Switzerland) DOI:10.3390/s25134235 PMID:40648490	研究论文	本研究利用熵和时间不可逆性等统计物理指标，结合深度学习方法，对儿童脑瘫、特发性趾行和遗传性痉挛性截瘫的步态进行分类	首次整合了运动学和动力学信息，并将统计物理指标与ResNet深度学习模型进行对比，探索了步态分类的新方法	实验室间的性能差异限制了训练模型的泛化能力	提高对神经发育性疾病儿童步态分类的准确性	儿童脑瘫(CP)、特发性趾行(ITW)和遗传性痉挛性截瘫(HSP)患者及正常发育儿童	生物医学工程	脑瘫, 遗传性痉挛性截瘫	统计物理指标(香农熵、排列熵、加权排列熵、时间不可逆性), 深度学习	Random Forest, ResNet	运动学和动力学时间序列数据	81名ITW儿童、300名CP儿童、20名HSP儿童和127名正常发育儿童
580	2025-07-17	Deep learning-assisted Raman spectroscopy for rapid lactic acid bacteria identification at the colony level 2025-Jul-07, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126662 PMID:40664053	研究论文	提出了一种基于信噪比筛选的自适应菌落拉曼采集方法（ACRA-SNR），结合拉曼Swin Transformer（Ra-ST）模型，实现了乳酸菌菌落的快速准确分类与鉴定	开发了ACRA-SNR方法用于原位光谱采集，有效减少菌落内空间异质性对分类鉴定的影响，并结合Ra-ST模型提高了分类准确性	对于同种但不同来源的菌株，识别准确率仅为70%以上，显示模型在跨来源样本上的泛化能力仍有提升空间	提高工业生产中乳酸菌及其他功能菌的菌落选择效率	十四种乳酸菌菌株	数字病理	NA	拉曼光谱	Swin Transformer（Ra-ST）	光谱数据	十四种乳酸菌菌株