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
41	2025-05-16	Evaluation of data collection and annotation approaches of driver gaze dataset 2025-May-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02679-2 PMID:40369353	research paper	本研究评估了驾驶员视线数据集的三种标注方法，并提出了一种新的基于移动指针的标注方法	引入了一种新的基于移动指针的数据标注方法，该方法受到基于屏幕的视线数据收集的启发	手动标注和Speak2Label方法的准确性较低，存在误分类问题	评估和比较不同的驾驶员视线数据收集和标注方法，以提高视线区域分类的准确性	驾驶员视线数据	computer vision	NA	supervised machine learning, deep learning	NA	image	NA
42	2025-05-16	Classification of lung cancer severity using gene expression data based on deep learning 2025-May-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03011-w PMID:40369502	研究论文	本研究提出了一种基于深度学习的卷积神经网络模型，用于利用基因表达数据对肺癌严重程度进行分类	使用CNN模型结合F检验特征选择方法，针对基因数据集中的类别不平衡和过拟合问题进行了优化，取得了较高的分类准确率	基因数据集中样本数量较少而特征数量较多，这可能影响模型的泛化能力	开发一种能够准确分类肺癌阶段的深度学习方法	两种类型的肺癌（LUAD和LUSC）	数字病理学	肺癌	基因表达数据分析	CNN	基因数据	未明确说明具体样本数量
43	2025-05-16	Optimizing breast lesions diagnosis and decision-making with a deep learning fusion model integrating ultrasound and mammography: a dual-center retrospective study 2025-May-14, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02033-6 PMID:40369585	研究论文	本研究开发了一种整合超声和乳腺X线摄影的深度学习融合模型（DL-UM），旨在提高乳腺病变的诊断和管理	首次提出整合超声和乳腺X线摄影的深度学习融合模型，显著提高了诊断性能，特别是在超声和乳腺X线摄影分类不一致的情况下	研究为回顾性设计，样本来自两个医疗中心，可能存在选择偏倚	优化乳腺病变的诊断和决策过程	1283名乳腺病变女性患者的超声和乳腺X线摄影图像	数字病理	乳腺癌	深度学习	DL-UM（深度学习融合模型）	图像（超声和乳腺X线摄影）	1283名女性患者
44	2025-05-16	Fate-tox: fragment attention transformer for E(3)-equivariant multi-organ toxicity prediction 2025-May-14, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01012-5 PMID:40369624	研究论文	本文提出了一种名为FATE-Tox的新型多视角深度学习框架，用于多器官毒性预测	使用三种片段化方法（BRICS、Bemis-Murcko scaffolds和RDKit Functional Groups）构建片段级图，结合2D和3D分子表示，并通过片段注意力变换器识别潜在的3D毒性基团	未明确提及具体局限性	开发一种能够同时预测多器官毒性的计算模型，以支持更安全的药物开发流程	药物化合物的多器官毒性预测	机器学习	NA	深度学习、片段化方法（BRICS、Bemis-Murcko scaffolds、RDKit Functional Groups）	Transformer	分子结构数据（2D和3D）	来自MoleculeNet（BBBP、SIDER、ClinTox）和TDC（DILI、Skin Reaction、Carcinogens、hERG）的基准数据集
45	2025-05-16	Cost-effectiveness of opportunistic osteoporosis screening using chest radiographs with deep learning in Germany 2025-May-13, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-025-03048-x PMID:40355760	research paper	评估在德国50岁及以上女性中使用深度学习模型对胸部X光片进行机会性骨质疏松筛查的成本效益	利用AI驱动的胸部X光片进行骨质疏松筛查，提高早期检测率，降低骨折风险，改善公共卫生结果	研究基于德国骨质疏松指南和AI模型准确性，可能在其他地区或不同指南下结果不同	评估AI驱动的胸部X光片在骨质疏松筛查中的成本效益	德国50岁及以上的女性	digital pathology	geriatric disease	deep learning	NA	image	NA
46	2025-05-16	Text-Assisted Vision Model for Medical Image Segmentation 2025-May-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569491 PMID:40366847	research paper	提出了一种文本辅助视觉模型（TAV），用于医学图像分割，通过新型的三引导注意力模块（TGAM）提升分割精度	引入了三引导注意力模块（TGAM），能够计算视觉-视觉、语言-语言和语言-视觉注意力，有效利用文本报告提升图像分割性能	未明确提及模型在更大规模或多样化数据集上的泛化能力	提高医学图像分割的精确度，以支持自动化诊断和治疗规划	医学图像及其对应的文本报告	digital pathology	NA	deep learning	TAV with TGAM	image, text	两个流行数据集中的图像及对应文本注释
47	2025-05-16	An Interpretable AI for Smart Homes: Identifying Fall Prevention Strategies for Older Adults Using Multimodal Deep Learning 2025-May-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569891 PMID:40366850	research paper	开发了一个可解释的AI框架，用于通过多模态深度学习识别老年人跌倒预防策略	使用BiCrossNet架构的多模态预测模型，结合静态和时间序列数据，通过PIMP和SHAP方法解释特征重要性	NA	识别老年人家庭跌倒预防策略	老年人	machine learning	geriatric disease	multimodal deep learning	BiCrossNet	multimodal (static and timeseries data)	12,540 data points
48	2025-05-16	Suicide ideation detection based on documents dimensionality expansion 2025-May-13, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110266 PMID:40367624	研究论文	本文提出了一种基于文档维度扩展的自杀意念检测方法，通过将文本数据和符号从一维空间转换并融合到二维空间，利用预训练的2D CNN模型对社交媒体帖子进行分类	通过数据维度扩展，将文本数据从1D转换到2D空间，利用预训练的2D CNN模型（如AlexNet、Restnet-50和VGG-16）进行分类，避免了从头设计和训练新模型的需求	未提及具体的数据集规模或多样性限制，也未讨论模型在其他语言或文化背景下的泛化能力	提高非正式文档（如社交媒体帖子）中与自杀相关内容分类的准确性和安全性	社交媒体帖子	自然语言处理	精神障碍	数据维度扩展，预训练的2D CNN模型	AlexNet, Restnet-50, VGG-16	文本和符号	NA
49	2025-05-16	The automatic pelvic screw corridor planning for intact pelvises based on deep learning deformable registration 2025-May-13, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110304 PMID:40367630	研究论文	提出一种基于深度学习可变形配准技术的骨盆螺钉通道自动规划算法，用于骨盆创伤手术中的经皮螺钉固定技术	引入通道安全范围约束、应用深度学习可变形配准自动标注螺钉出入口区域及通道安全范围、开发高效最优通道搜索算法	当前方法仅在完整骨盆上验证，需进一步研究骨盆骨折场景	简化骨盆创伤手术中的螺钉固定技术，提高手术效率和准确性	骨盆的螺钉通道规划	数字病理	骨盆创伤	深度学习可变形配准技术	深度学习	医学影像	198个完整骨盆样本
50	2025-05-16	A New Biomarker of Aging Derived From Electrocardiograms Improves Risk Prediction of Incident Cardiovascular Disease 2025-May-13, JACC. Advances DOI:10.1016/j.jacadv.2025.101764 PMID:40367762	research paper	本研究评估了一种基于深度学习的生物标志物δ-age在心血管疾病初级预防模型中的潜在价值	引入了一种新的心血管老化生物标志物δ-age，并通过实证研究验证其在改善心血管疾病风险预测中的效果	样本量相对较小（7,108人），且随访时间较短（中位5.9年）	评估δ-age生物标志物在心血管疾病初级预防模型中的增量价值	7,108名挪威Tromsø研究的参与者	machine learning	cardiovascular disease	deep learning	Cox proportional hazards regression	electrocardiograms	7,108名男性和女性参与者
51	2025-05-16	Deep learning applications in prosthodontics: A systematic review 2025-May-13, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.04.009 PMID:40368705	systematic review	本文系统综述了深度学习在修复牙科中的应用，包括修复体设计、治疗计划辅助、颜色匹配及地标检测等方面	首次系统评估了深度学习在修复牙科中的多种应用，并总结了当前研究的主要方向和成果	研究方法缺乏标准化，且部分研究存在偏倚风险，需进一步验证以确保临床可靠性	评估深度学习在修复牙科中的应用，特别是在修复体设计、治疗计划辅助和颜色匹配等方面的效果	牙科修复体（如嵌体、高嵌体、牙冠及固定牙科修复体）及其相关治疗过程	digital pathology	dental disease	deep learning	CNN, GAN	image	31 studies (from 3359 screened)
52	2025-05-16	Modeling Chemical Reaction Networks Using Neural Ordinary Differential Equations 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00296 PMID:40262040	research paper	该论文提出了一种结合动态建模与深度学习的神经常微分方程方法，用于揭示化学反应网络中的隐藏信息	通过神经常微分方程结合动态建模与深度学习，识别现有经验模型的不足并辅助设计未来反应网络	未提及具体实验验证或应用案例	揭示化学反应网络中的隐藏信息并改进模型	化学反应网络	machine learning	NA	neural ordinary differential equations	neural ODE	chemical species concentration data	NA
53	2025-05-16	Paradigm-Shifting Attention-based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification with Multi-Scale and Multi-View Fusion 2025-May-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出一种基于注意力的混合视图学习框架（AHVL），用于增强乳腺X光片乳腺癌分类，通过多尺度和多视图融合提高诊断准确性	引入混合视图学习（HVL）范式，结合对比切换注意力（CSA）和选择性池化注意力（SPA）机制，解决了现有方法在视图一致性和输入适应性之间的平衡问题，并改进了多尺度特征的捕捉能力	虽然实验在INbreast和CBIS-DDSM数据集上验证了有效性，但未在其他数据集上进行广泛测试，可能影响泛化性	提高乳腺X光片乳腺癌分类的准确性和鲁棒性	乳腺X光片图像	计算机视觉	乳腺癌	深度学习	AHVL（基于注意力的混合视图学习框架）	图像	INbreast和CBIS-DDSM数据集（具体样本数量未明确说明）
54	2025-05-16	A deep learning and molecular modeling approach to repurposing Cangrelor as a potential inhibitor of Nipah virus 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00024-3 PMID:40355437	研究论文	本研究通过深度学习和分子建模方法，探索将抗血小板药物Cangrelor重新用作尼帕病毒潜在抑制剂的可能性	采用基于注意力的深度学习模型结合分子动力学模拟，筛选FDA已批准药物，发现Cangrelor与尼帕病毒L蛋白具有强结合亲和力	需要进一步的体内研究验证Cangrelor作为抗病毒药物的潜力	探索针对尼帕病毒RNA依赖性RNA聚合酶(L)的潜在抑制剂	尼帕病毒L蛋白和FDA批准的药物	机器学习	病毒感染	分子动力学模拟, 深度学习	注意力机制模型	分子结构数据	约500种FDA批准药物
55	2025-05-16	A self-conformation-aware pre-training framework for molecular property prediction with substructure interpretability 2025-May-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59634-0 PMID:40355450	研究论文	提出了一种自构象感知的预训练框架SCAGE，用于分子性质预测并具有子结构可解释性	开发了多任务预训练框架，结合了四种监督和非监督任务，从分子结构到功能全面学习构象感知的先验知识	未提及具体局限性	提高分子性质预测的准确性和可解释性，加速药物开发过程	约500万类药物化合物	机器学习	NA	深度学习	图变换器(Graph Transformer)	分子结构数据	约500万类药物化合物
56	2025-05-16	Baseline [18F]FP-CIT PET-based deep learning prediction of levodopa-induced dyskinesia in Parkinson's disease 2025-May-12, NPJ Parkinson's disease DOI:10.1038/s41531-025-00982-5 PMID:40355487	research paper	开发了一个基于卷积神经网络（CNN）的多任务学习模型，用于预测帕金森病患者在使用左旋多巴后5年内是否会出现运动障碍	首次使用基线[F]FP-CIT PET图像和CNN模型预测左旋多巴诱导的运动障碍（LID）	模型性能仍需提高以适用于临床	预测帕金森病患者使用左旋多巴后5年内是否会出现运动障碍	帕金森病患者	digital pathology	Parkinson's disease	[F]FP-CIT PET	CNN	image	402名患者（134名在5年内出现LID，268名在5年后或未出现LID）
57	2025-05-16	Automated seizure detection in epilepsy using a novel dynamic temporal-spatial graph attention network 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01015-0 PMID:40355495	research paper	提出了一种动态时空图注意力网络（DTS-GAN）用于癫痫发作的自动检测	通过结合图信号处理和混合深度学习框架，DTS-GAN能够自适应地学习电极节点间的瞬态功能交互	未提及具体的数据集规模或多样性限制	解决固定拓扑图模型在分析时变脑网络中的局限性	癫痫患者的脑电图（EEG）数据	digital pathology	epilepsy	EEG	DTS-GAN (Dynamic Temporal-Spatial Graph Attention Network)	EEG sequences	TUSZ数据集
58	2025-05-16	Classification of multi-lead ECG based on multiple scales and hierarchical feature convolutional neural networks 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94127-6 PMID:40355498	research paper	提出了一种结合多尺度和分层特征的卷积神经网络（CNN）及Lead Encoder Attention（LEA）机制，用于多导联心电图（ECG）分类	结合多尺度和分层特征的CNN及LEA机制，有效整合ECG的形态和时间特征	未提及具体局限性	提高心律失常的分类准确率，用于心血管疾病的诊断	多导联心电图（ECG）数据	machine learning	cardiovascular disease	CNN, LEA	CNN	ECG信号	MIT-BIH-AR数据库和超过150,000条ECG记录的CCDD数据库
59	2025-05-16	Impact of pharmacology perception and learning strategies on academic achievement in undergraduate pharmacy students 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91510-1 PMID:40355613	研究论文	本研究评估了药学本科生对药理学教育的感知、学习策略及其对学业成就的影响	揭示了深度学习策略与学业成就之间的强正相关性，并验证了问卷的内部一致性和因子负荷	研究为横断面设计，无法追踪学习策略的长期变化	评估药理学教育在药学本科生中的感知作用及其对学业成就的影响	210名药学本科生（二年级至五年级）	药学教育	NA	问卷调查、Pearson相关分析、多元回归分析、内部一致性检验（Cronbach's alpha）、因子负荷分析	NA	问卷数据	210名药学本科生（120名男性，90名女性）
60	2025-05-16	Advances to IoT security using a GRU-CNN deep learning model trained on SUCMO algorithm 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99574-9 PMID:40355669	研究论文	本文提出了一种结合CNN和GRU的混合深度学习模型，用于分类物联网安全威胁，并通过SUCMO算法优化模型性能	提出了一种结合CNN和GRU的混合深度学习模型，并采用SUCMO算法进行超参数优化，提高了分类准确率	NA	提高物联网安全威胁检测的准确性和效率	物联网安全威胁，如DoS攻击和Botnets	机器学习	NA	深度学习	CNN, GRU	网络数据	两个数据集，UNSW-NB15和BoT-IoT