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	2025-05-15	Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400512 PMID:40364484	研究论文	本文介绍了一种用于镰状细胞病(SCD)自动筛查的智能显微镜系统	结合干涉法捕获高分辨率3D相位图像与基于UNET模型的深度学习技术，实现镰状细胞和健康细胞的语义分割	系统鲁棒性有待提高，需要进一步的临床验证	开发一种快速可靠的SCD诊断工具	镰状细胞和健康红细胞(RBCs)	数字病理学	镰状细胞病	干涉法成像	UNET, 梯度提升模型	3D相位图像	NA
42	2025-05-15	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线摄影乳腺癌分类，通过多尺度和多视图融合提高诊断准确性	引入混合视图学习范式（HVL）和两种注意力机制（CSA和SPA），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，以及多尺度特征捕获的挑战	未提及具体计算资源需求或模型在更大规模数据集上的泛化能力	提高乳腺X线摄影图像分析的准确性和鲁棒性，以实现更精确的乳腺癌诊断	乳腺X线摄影图像	计算机视觉	乳腺癌	深度学习	基于注意力的混合视图学习框架（AHVL），包含对比切换注意力（CSA）和选择性池化注意力（SPA）	图像	INbreast和CBIS-DDSM数据集
43	2025-05-15	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	research paper	本研究利用深度学习和分子建模方法，探索抗血小板药物Cangrelor作为尼帕病毒潜在抑制剂的再利用潜力	采用基于注意力的深度学习模型结合分子动力学模拟，首次发现Cangrelor与尼帕病毒L蛋白具有强结合亲和力	需要进一步的体内实验验证其抗病毒效果	通过药物重定位策略寻找尼帕病毒RNA依赖的RNA聚合酶抑制剂	尼帕病毒L蛋白和FDA批准的约500种药物	computational biology	viral infection	deep learning, molecular dynamics simulations	attention-based deep learning model	molecular structure data	约500种FDA批准药物
44	2025-05-15	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	NA	解决药物开发中结构-活性悬崖和未知药物性质预测的挑战	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
45	2025-05-15	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	使用基线[F]FP-CIT PET图像和卷积神经网络(CNN)模型预测帕金森病患者左旋多巴诱导的运动障碍(LID)的发生	提出了一种基于多任务学习的CNN模型，用于预测LID的发生，并在性能上显著优于基于纹状体亚区特异性/非特异性结合比的模型	模型性能仍需进一步提高以适用于临床应用	预测帕金森病患者左旋多巴诱导的运动障碍(LID)的发生	帕金森病患者	digital pathology	Parkinson's disease	[F]FP-CIT PET成像	CNN	image	402名患者（其中134名在5年内发生LID，268名在5年后或未发生LID）
46	2025-05-15	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	研究论文	本研究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	结合图信号处理和混合深度学习框架，通过LSTM时间编码器和动态图注意力网络自适应学习脑电信号中的时空特征	NA	提高癫痫发作检测的准确性和自动化水平	癫痫患者的脑电图（EEG）数据	数字病理学	癫痫	脑电图（EEG）分析	DTS-GAN（动态时空图注意力网络），包含LSTM和动态图注意力网络	脑电图（EEG）信号	TUSZ数据集中的多种癫痫发作类型数据
47	2025-05-15	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	研究论文	提出了一种结合多尺度和分层特征的卷积神经网络（CNN）与Lead Encoder Attention（LEA）机制的多导联心电图（ECG）分类方法	通过混合尺度和分层特征结合LEA机制，有效整合心电图的形态和时间特征，提高了分类准确率	未提及具体局限性	改进心电图分类方法以更准确地检测和分类心律失常	多导联心电图数据	计算机视觉	心血管疾病	深度学习	CNN	ECG信号数据	MIT-BIH-AR数据库的心跳数据和CCDD数据库中超过150,000条ECG记录
48	2025-05-15	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	本研究评估了药理学教育在药学本科生中的感知作用、学习策略及其对学业成就的影响	探讨了不同学习策略对药理学教育的影响，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，未能追踪学习策略的长期变化	评估药理学教育的感知作用和学习策略对学业成就的影响	210名药学本科生	教育研究	NA	问卷调查、统计分析	NA	问卷数据	210名药学本科生（120名男性，90名女性）
49	2025-05-15	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	提高物联网环境中的安全威胁检测能力	物联网安全威胁，如DoS攻击和Botnets	机器学习	NA	SUCMO算法	CNN, GRU	网络数据	两个数据集（UNSW-NB15和BoT-IoT）
50	2025-05-15	The analysis of artificial intelligence knowledge graphs for online music learning platform under deep learning 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01810-9 PMID:40355699	研究论文	提出了一种基于深度学习的个性化音乐学习平台模型，通过整合音频、视频和用户行为数据提供高效且定制化的学习推荐	构建了融合音乐领域关键实体及其关系的知识图谱，并将其与提取的特征向量融合，以提高推荐准确性和个性化	NA	开发一个高效且个性化的音乐学习推荐平台	在线音乐学习平台的用户	自然语言处理	NA	深度学习	CNN, LSTM, 多层感知机	音频、视频、用户行为数据	基于不同数据集的实验分析
51	2025-05-15	The Potential Role of AI- and Machine Learning Models in the Early Detection of Oral Cancer and Oral Potentially Malignant Disorders 2025-05-12, Studies in health technology and informatics DOI:10.3233/SHTI250257 PMID:40357619	综述	本文评估了人工智能在口腔癌和口腔潜在恶性病变早期检测中的应用进展	探讨了AI和深度学习模型在提高口腔癌和OPMDs早期检测中的潜力，并分析了其诊断准确性、可及性和可负担性	模型的可解释性有限，存在伦理问题，需进一步解决以整合到临床实践中	评估AI在口腔癌和口腔潜在恶性病变早期检测中的应用	口腔癌和口腔潜在恶性病变（OPMDs）	数字病理	口腔癌	AI和机器学习技术	深度学习模型	非侵入性诊断数据	8项研究（2015-2024年发表）
52	2025-05-15	A new diagnostic method and tool for cutaneous leishmaniasis based on artificial intelligence techniques 2025-May-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110313 PMID:40359677	研究论文	开发了一种基于人工智能技术的皮肤利什曼病新型诊断方法和工具	利用YOLO 8深度学习模型在显微镜图像中检测利什曼原虫，准确率达97%，并开发了移动应用进行验证	研究数据仅来自阿尔及利亚巴斯德研究所M'sila分所，可能缺乏地域多样性	提高皮肤利什曼病的诊断准确性和效率	显微镜图像中的利什曼原虫	计算机视觉	皮肤利什曼病	深度学习	YOLO 8	图像	阿尔及利亚巴斯德研究所M'sila分所收集的显微镜图像
53	2025-05-15	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-May-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	research paper	提出了一种名为CausalMixNet的创新方法，通过混合注意力机制探索医学图像与标签之间的因果关系，以提高诊断的准确性和泛化性能	采用query-mixed intra-attention和key&value-mixed inter-attention机制，结合非局部推理模块(NLRM)和key&value-mixed inter-attention(KVMIA)进行前门调整策略，以及patch-masked ranking模块(PMRM)和query-mixed intra-attention(QMIA)增强中介学习	未明确提及具体限制	提高医学图像诊断的准确性和泛化性能，处理不可观测的混杂因素	医学图像及其诊断标签	digital pathology	NA	NA	CausalMixNet (基于混合注意力机制的深度学习模型)	image	多个数据集，具体数量未提及
54	2025-05-15	Dissecting the genetic complexity of myalgic encephalomyelitis/chronic fatigue syndrome via deep learning-powered genome analysis 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.15.25325899 PMID:40321247	研究论文	通过深度学习驱动的基因组分析解析肌痛性脑脊髓炎/慢性疲劳综合征的遗传复杂性	开发了一种新型深度学习框架HEAL2，用于基于个人罕见变异预测ME/CFS，并将遗传风险与多种ME/CFS相关症状联系起来	未明确提及具体局限性	解析ME/CFS的遗传、分子和细胞基础，寻找治疗靶点	肌痛性脑脊髓炎/慢性疲劳综合征(ME/CFS)患者	机器学习	肌痛性脑脊髓炎/慢性疲劳综合征	全基因组分析、转录组分析、网络分析	深度学习框架HEAL2	基因组数据、转录组数据、蛋白质组数据	未明确提及具体样本量
55	2025-05-15	Automatic construction of risk transmission network about subway construction based on deep learning models 2025-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99561-0 PMID:40350479	研究论文	本研究基于深度学习模型，自动构建地铁施工风险传播网络，通过识别事故文本中的安全风险因素和事件及其因果关系，为地铁施工安全管理提供指导	开发了针对地铁施工安全风险的特定领域实体识别模型和因果关系提取模型，成功将事故文本转化为因果链结构，并构建了风险复杂网络和案例数据库	模型训练使用的文本数据量有限，可能影响实体识别的泛化能力	提高地铁施工安全风险管理的效率和准确性	地铁施工事故文本数据	自然语言处理	NA	NA	BiLSTM-CRF, CNN	文本	562起地铁施工事故数据
56	2025-05-15	A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients 2025-May-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110935 PMID:40360049	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测胸部放疗毒性中的表现	首次对放射组学、剂量组学和机器学习在预测放疗毒性方面的性能进行了系统综述和荟萃分析，并比较了不同模型的表现	研究主要集中在放射性肺炎预测上，对其他器官毒性的预测研究较少	评估定量影像学方法在预测肺癌患者放疗毒性中的效用	23,373名接受胸部放疗的肺癌患者	数字病理学	肺癌	放射组学、剂量组学、机器学习	经典机器学习模型和深度学习模型	影像数据	106项研究，共23,373名患者
57	2025-05-15	A Scalable Deep Attention Mechanism of Instance Segmentation for the Investigation of Chromosome 2025-May-11, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	research paper	提出了一种用于染色体实例分割的可扩展深度注意力机制框架，整合了自动标注流程和增强的深度学习架构	引入了包含24种染色体类别的COCO格式新数据集，采用基于特征的图像配准技术自动生成高质量标注，并提出了增强的Mask R-CNN模型（包含AttFPN、空间注意力机制和LastLevelMaxPool块）	虽然在小中型染色体分割上表现优异，但未明确说明对大型染色体的处理效果	解决细胞遗传学和基因组学中染色体分割的挑战	中期分裂相图像中的染色体	digital pathology	NA	SIFT特征匹配和单应性变换	改进的Mask R-CNN（包含AttFPN和空间注意力机制）	图像（中期分裂相图像和对应核型图）	包含24种染色体类别的COCO格式标注数据集（具体样本量未说明）
58	2025-05-15	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-May-11, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	研究论文	开发基于多参数乳腺MRI放射组学和深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	结合放射组学和深度学习技术，利用多参数MRI数据构建预测模型，显著提高了预测性能	样本量较小（176例），且仅基于单一机构数据	预测乳腺癌Ki-67表达状态，推进个体化治疗和精准医疗	176例浸润性乳腺癌患者	数字病理	乳腺癌	多参数MRI（T1WI、DWI、T2WI、DCE-MRI）	深度学习多模态模型	医学影像	176例乳腺癌患者（训练集70%，测试集30%）
59	2025-05-15	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高	提高复杂系统中化合物分析的效率并减少有机溶剂消耗	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC），一维卷积神经网络（1D-CNN）	1D-CNN	色谱数据	NA
60	2025-05-15	A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights 2025-May-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03952-6 PMID:40348987	research paper	该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级	结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级	研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响	创建可靠的食管癌分级框架，提高诊断准确性和可解释性	2560名食管癌患者的CT扫描图像和临床信息	digital pathology	esophageal cancer	CT imaging, radiomics, deep learning	DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost	image, clinical information	2560名食管癌患者