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
581	2025-08-05	Nucleotide-level circRNA-RBP binding sites prediction based on hybrid encoding scheme and enhanced feature extraction 2025-Jul-28, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107923 PMID:40753814	研究论文	提出了一种基于深度学习的框架circdpb，用于预测circRNA-RBP结合位点，具有核苷酸级别的精度	整合了one-hot和高斯调制位置编码来表示circRNA序列，使用扩张卷积特征金字塔(DCFP)和双向门控循环单元(BiGRU)增强特征提取	未提及具体在哪些疾病中的应用验证	提高circRNA-RBP结合位点预测的核苷酸级别精度	circRNA与RNA结合蛋白(RBPs)的结合位点	生物信息学	NA	深度学习	DCFP, BiGRU	RNA序列数据	37个基准数据集
582	2025-08-05	Learning Biophysical Dynamics with Protein Language Models 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了两种蛋白质语言模型SeqDance和ESMDance，用于学习蛋白质的生物物理动态特性	首次将蛋白质动态特性整合到语言模型中，能够更全面地预测蛋白质行为和突变效应	模型训练依赖于分子动力学模拟和正态模式分析的数据，可能受到这些方法固有局限性的影响	开发能够捕捉蛋白质动态特性的深度学习模型	蛋白质的动态生物物理特性	机器学习	NA	分子动力学模拟, 正态模式分析	蛋白质语言模型(SeqDance, ESMDance)	蛋白质序列, 结构动态数据	超过64,000种蛋白质
583	2025-08-05	Deep Learning for Staging Periodontitis Using Panoramic Radiographs 2025-Jul, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15269 PMID:39888112	研究论文	本研究利用深度学习模型自动标注解剖结构并分类牙周炎的放射学骨丧失阶段	采用目标检测模型自动标注解剖结构并分类牙周炎阶段，提高了诊断效率	模型在预测和真实值差异较小时的性能有待提高	提高牙周炎诊断和分类的效率	全景X光片中的牙齿	数字病理	牙周炎	深度学习	目标检测模型	图像	558张全景X光片，裁剪为7359颗牙齿
584	2025-08-05	Combined application of deep learning and conventional computer vision for kidney ultrasound image classification in chronic kidney disease: preliminary study 2025-Jun-15, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.25074 PMID:40755093	研究论文	本研究评估了结合深度学习和传统计算机视觉技术对慢性肾脏病（CKD）肾脏超声图像进行分类的可行性	结合深度学习和传统特征提取方法，提高了CKD分类的准确性	样本量较小（258个肾脏），且为回顾性研究	开发一种非侵入性的CKD诊断和监测辅助工具	肾脏超声图像	计算机视觉	慢性肾脏病	超声成像	CNN	图像	258个肾脏（124正常，134CKD）
585	2025-08-05	InclusiViz : Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation 2025-06, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3567117 PMID:40327496	研究论文	介绍了一个名为InclusiViz的可视化分析系统，用于多层次分析城市隔离现象，并促进数据驱动的干预措施开发	提出了一种结合深度学习和可解释AI的新方法，用于预测不同社会群体的移动模式并揭示环境特征对隔离的影响	未明确提及具体样本量或数据收集的地理范围限制	理解和缓解城市隔离现象，促进更包容的城市规划	人类移动数据和城市隔离模式	可视化分析	NA	深度学习、可解释AI	深度学习模型	人类移动数据	NA
586	2025-08-05	Physics-informed deep learning for infectious disease forecasting 2025-Apr-29, ArXiv PMID:39876937	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的新型传染病预测模型，旨在通过结合流行病学理论和数据来提高预测准确性	利用物理信息神经网络（PINNs）将疾病传播的动态系统表示融入损失函数，结合流行病学理论和数据，防止模型过拟合，并通过子网络考虑流动性、疫苗剂量等影响传播率的协变量	模型在加州州级COVID-19数据上表现良好，但未在其他地区或疾病上进行验证	提高传染病预测的准确性和方法，以支持公共卫生决策	COVID-19在加州的数据，包括病例数、死亡数和住院数	机器学习	传染病	物理信息神经网络（PINNs）	PINN, RNN, LSTM, GRU, Transformer	时间序列数据	加州州级COVID-19数据
587	2025-08-05	Performance of a Deep Learning Diabetic Retinopathy Algorithm in India 2025-03-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.0984 PMID:40105843	研究论文	评估印度Aravind眼科医院部署后自动视网膜疾病评估(ARDA)算法的临床性能	首次在印度大规模临床环境中评估AI算法对糖尿病视网膜病变(DR)和糖尿病黄斑水肿(DME)的检测性能	研究仅基于印度南部45个站点的数据，可能无法代表其他地区的情况	评估AI算法在真实临床环境中检测糖尿病视网膜病变的性能	糖尿病患者视网膜图像	数字病理	糖尿病视网膜病变	深度学习	NA	图像	4537名患者的4537张视网膜图像
588	2025-08-05	A deep learning approach to perform defect classification of freeze-dried product 2025-Feb-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.125127 PMID:39756597	研究论文	本文提出了一种基于深度学习的冻干产品缺陷分类方法	使用卷积神经网络处理高分辨率图像，开发了两种方法（基于补丁的方法和多标签分类）并进行比较，以实现更快、更可重复的质量控制	研究中仅使用了特定配方和工艺设置制备的样品，可能无法涵盖所有实际生产中的缺陷类型	提高冻干产品在连续生产线上质量控制的效率和准确性	冻干产品样品	计算机视觉	NA	深度学习	CNN	图像	多个连续冻干样品
589	2025-08-05	Machine learning outperforms the Canadian Triage and Acuity Scale (CTAS) in predicting need for early critical care 2025-01, CJEM DOI:10.1007/s43678-024-00807-z PMID:39560909	研究论文	本研究比较了机器学习模型与加拿大分诊和敏锐度量表(CTAS)在预测急诊科患者12小时内需要重症监护的能力	机器学习模型在预测急诊科患者需要早期重症监护方面优于传统的CTAS评分	需要未来研究验证这些机器学习模型在实际临床环境中的表现	改进急诊科分诊系统，提高对需要重症监护患者的识别能力	急诊科就诊患者	机器学习	NA	机器学习	LASSO回归、梯度提升树和深度学习模型	临床数据	670,841次急诊就诊记录
590	2025-08-05	Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis 2024-Sep-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002428 PMID:38747721	meta-analysis	该研究通过系统综述和荟萃分析，评估深度学习算法在前段光学相干断层扫描图像中检测青光眼患者房角关闭的准确性	首次通过荟萃分析证实深度学习算法在AS-OCT图像中检测房角关闭的高敏感性和特异性	仅纳入6项研究，样本量相对有限，可能存在发表偏倚	比较深度学习算法与房角镜检查在青光眼房角关闭诊断中的准确性	青光眼患者	数字病理学	青光眼	AS-OCT	深度学习算法(DLA)	图像	5269名患者
591	2025-08-05	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	使用深度学习模型通过黄斑光学相干断层扫描（OCT）图像预测和检测青光眼视野进展	开发了一种基于自监督预训练的视觉变换器（ViT）模型，用于检测青光眼进展并预测未来进展	研究为回顾性队列研究，可能存在选择偏差	利用黄斑OCT图像预测和检测青光眼视野进展	青光眼患者的黄斑OCT图像	数字病理	青光眼	光学相干断层扫描（OCT）	ViT（视觉变换器）	图像	预训练数据集包含151,389项黄斑OCT研究中的7,702,201张B扫描图像，进展检测任务包括828名患者的1534只眼的3902项黄斑OCT研究，进展预测任务包括784名患者的1205只眼的1346项黄斑OCT研究
592	2025-08-05	Deep learning in structural bioinformatics: current applications and future perspectives 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae042 PMID:38701422	综述	本文探讨了深度学习在结构生物信息学中的变革性影响及其未来前景	详细介绍了深度学习在生物信息学中的显著应用，并从基础浅层神经网络到卷积、循环、人工和变压器神经网络等高级模型进行了清晰阐述	未具体提及研究的局限性	探讨深度学习在结构生物信息学中的应用及其未来发展	生物分子结构	结构生物信息学	NA	深度学习	CNN, LSTM, GAN, transformer neural networks	生物分子结构数据	NA
593	2025-08-05	Evaluating large language models for annotating proteins 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文提出并评估了一种基于迁移学习的新型协议，利用蛋白质大型语言模型（LLMs）来改进蛋白质域注释的预测	使用自监督学习在大型未注释数据集上训练的蛋白质LLMs，结合监督学习在小注释数据集上进行专门任务，显著提高了蛋白质家族分类的预测准确性	对于家族成员较少的蛋白质家族，训练数据量可能仍然不足	改进蛋白质域注释的自动预测方法	UniProtKB数据库中的蛋白质序列	自然语言处理	NA	迁移学习、自监督学习、监督学习	LLMs	蛋白质序列数据	UniProtKB数据库中的251百万蛋白质序列
594	2025-08-05	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	research paper	提出了一种名为SC-Track的新型细胞追踪算法，用于从多样化的细胞分割中生成准确的单细胞谱系	SC-Track采用基于细胞分裂和运动动态生物学观察的分层概率缓存级联模型，能够在不同细胞分割质量、细胞形态外观和成像条件下保持稳健的细胞追踪性能	未提及具体局限性	开发一种能够处理噪声细胞分割和分类预测的鲁棒细胞追踪算法，以生成准确的单细胞谱系和分类	荧光时间推移显微镜图像中的单细胞	digital pathology	NA	深度学习	CNN	image	未提及具体样本数量
595	2025-08-05	Genotypic-phenotypic landscape computation based on first principle and deep learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae191 PMID:38701420	研究论文	本文提出了一种基于第一性原理和深度学习的基因型-表型景观计算方法，通过Phenotypic-Embedding定理（P-E定理）和Transformer模型，实现了基因型与适应度的定量映射	提出了Phenotypic-Embedding定理（P-E定理），并开发了基于Transformer的预训练基础模型，用于准确模拟病毒的中性进化并预测免疫逃逸突变	NA	建立基因型与表型之间的定量关系，为理论和计算生物学研究提供新范式	基因型与表型的关系，特别是病毒的基因型与适应度的关系	计算生物学	NA	深度学习	Transformer	基因型和表型数据	NA
596	2025-08-05	Multimodal Deep Learning Classifier for Primary Open Angle Glaucoma Diagnosis Using Wide-Field Optic Nerve Head Cube Scans in Eyes With and Without High Myopia 2023-10-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002267 PMID:37523623	研究论文	介绍了一种基于光学相干断层扫描(OCT)的多模态深度学习分类模型，用于诊断有无高度近视的青光眼	该模型结合了纹理信息，在多模态模型中表现优于单模态模型及不含纹理信息的多模态模型	样本量相对有限，特别是高度近视组的样本数量较少	评估使用宽视野OCT视神经头立方扫描的多模态DL分类器在有无轴性高度近视眼中的诊断准确性	原发性开角型青光眼(POAG)患者和健康人的眼睛	数字病理学	青光眼	OCT, 深度学习	VGG-16, 多模态深度学习模型	图像	371例无高度近视的POAG眼和86例健康眼，92例高度近视POAG眼和44例健康眼
597	2025-08-05	A Multimodal Deep Neural Network for Human Breast Cancer Prognosis Prediction by Integrating Multi-Dimensional Data 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2806438 PMID:29994639	research paper	提出了一种多模态深度神经网络（MDNNMD），通过整合多维数据来预测乳腺癌的预后	方法的创新点在于其架构设计以及多维数据的融合	NA	提高乳腺癌预后预测的准确性，减少不必要的辅助系统治疗及其相关高昂医疗费用	乳腺癌患者	machine learning	breast cancer	deep learning	Multimodal Deep Neural Network (MDNNMD)	multi-dimensional data	NA
598	2025-08-05	Bioimage Classification with Handcrafted and Learned Features 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2821127 PMID:29994096	研究论文	提出一种新的通用生物图像分类方法GenP，结合手工制作和学习的特征，用于多种生物图像分类任务	提出一种结合多种纹理特征（手工制作和学习描述符）的集成系统，通过局部特征、密集采样特征和深度学习特征的组合提升性能	未提及具体局限性	开发一种通用的生物图像分类方法，适用于广泛的分类问题	生物图像，包括亚细胞、细胞和组织水平的分类问题	计算机视觉	NA	集成学习	SVM	图像	多个基准数据库，包括IICBU 2008数据库中的部分数据
599	2025-08-04	Deep learning approach with ConvNeXt-SE-attn model for in vitro oral squamous cell carcinoma and chemotherapy analysis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103519 PMID:40747534	研究论文	该论文提出了一种结合ConvNeXt-SE-attn模型的深度学习方法，用于体外口腔鳞状细胞癌（OSCC）和化疗分析	采用残差连接与Squeeze-and-Excitation块、混合注意力系统以及增强的激活函数和优化算法，提升特征提取中的梯度流动，相比传统CNN模型在多项指标上表现更优	未提及具体的数据集规模或外部验证结果，可能影响模型的泛化能力	提升口腔鳞状细胞癌的诊断精度和非侵入性治疗方法	口腔鳞状细胞癌（OSCC）的体外样本	数字病理学	口腔鳞状细胞癌	深度学习	ConvNeXt-SE-Attn（结合SE块和混合注意力的ConvNeXt主干网络）	图像	NA（未明确提及具体样本数）
600	2025-08-04	Performance of machine and deep learning models for predicting delirium in adult ICU patients: A systematic review 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106008 PMID:40513381	系统综述	评估机器学习和深度学习模型在预测ICU成年患者谵妄中的表现	总结了2018年至2024年间的研究，评估了不同预测模型的表现，并指出了高级深度学习模型在处理复杂时间序列数据方面的潜力	回顾性设计、缺乏外部验证、对缺失数据处理不完整以及过拟合问题限制了模型的临床普适性	评估和总结机器学习和深度学习模型在预测ICU患者谵妄方面的应用	ICU成年患者	机器学习	谵妄	机器学习、深度学习	Logistic回归、随机森林、RNN、梯度提升	临床数据	11项研究，样本量从140到48451名参与者不等