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
601	2025-07-23	Development of a clinical decision support system for breast cancer detection using ensemble deep learning 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06784-2 PMID:40681548	research paper	开发了一种基于集成深度学习的临床决策支持系统，用于乳腺癌检测	结合多种深度学习模型形成集成方法，优化个体技术的优势并减少劣势，提高从医学影像数据中提取复杂模式和特征的能力	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高乳腺癌的早期诊断准确性和效率	乳腺癌	digital pathology	breast cancer	Deep Learning (DL), Ensemble Deep Learning, Kelm Extreme Learning Machine (KELM), Deep Belief Network (DBN)	Ensemble Deep Learning	medical imaging data	NA
602	2025-07-23	High-throughput behavioral screening in Caenorhabditis elegans using machine learning for drug repurposing 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10370-x PMID:40681561	研究论文	本研究提出了一种基于机器学习的高通量筛选方法，用于评估秀丽隐杆线虫的行为表型，以进行药物再利用研究	使用机器学习模型（特别是随机森林分类器）分析线虫行为表型，相比传统统计方法能检测更复杂和细微的模式	未提及方法在其它疾病模型或更大规模数据集上的泛化能力	开发更精确和可解释的自动化表型筛选方法用于药物测试	秀丽隐杆线虫（Caenorhabditis elegans）	机器学习	NA	Tierpsy Tracker行为特征提取	随机森林（Random Forest）和深度神经网络	视频序列和从线虫骨架提取的行为特征	未明确提及具体样本量，但涉及unc-80突变体的已发表药物再利用研究数据
603	2025-07-23	Speech emotion recognition based on a stacked autoencoders optimized by PSO based grass fibrous root optimization 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08703-x PMID:40681606	研究论文	该论文提出了一种结合深度学习和元启发式算法的创新方法，用于提高语音情感识别（SER）系统的效率	结合堆叠自编码器（SAE）与基于粒子群优化（PSO）和草纤维根优化（GFRO）的混合算法，优化语音情感识别性能	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	提高语音情感识别的准确性和效率	语音信号中的情感状态	自然语言处理	NA	PSO, GFRO	SAE, CNN, SVM, DL, CNN/INCA, VGG-16	语音信号	标准情感识别数据集（未提及具体样本数量）
604	2025-07-23	Video-based pupillometry using Fourier Mellin image correlation 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09321-3 PMID:40681614	研究论文	提出了一种基于傅里叶-梅林图像相关性的视频瞳孔测量新方法，用于评估瞳孔光反射（PLR）响应	采用傅里叶-梅林相关性（FMC）方法绕过瞳孔检测，提供了一种低成本、易获取的PLR测量方案	样本量较小（仅4名人类受试者），未来需要扩大样本量和纳入多样化条件以进一步验证方法	开发一种无需专用设备、可广泛应用的瞳孔光反射测量方法	瞳孔光反射（PLR）响应	计算机视觉	NA	傅里叶-梅林相关性（FMC）	NA	视频	4名人类受试者
605	2025-07-23	An elegant intellectual engine towards automation of blockchain smart contract vulnerability detection 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08870-x PMID:40681656	研究论文	本研究提出了一种结合可解释人工智能（XAI）与深度学习（DL）的新方法，用于检测区块链智能合约中的漏洞	提出了一种新型混合引导分支定界长短期记忆（HBLSTM）方法，结合XAI与DL技术，显著提高了智能合约漏洞检测的准确性和性能	未提及具体的数据集规模或实际部署中的性能表现	提高区块链智能合约的安全性，自动化检测合约中的漏洞	区块链智能合约	区块链安全	NA	可解释人工智能（XAI）、深度学习（DL）	混合引导分支定界长短期记忆（HBLSTM）	智能合约代码	NA
606	2025-07-23	Systematic review and meta-analysis of deep learning for MSI-H in colorectal cancer whole slide images 2025-Jul-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01848-z PMID:40681867	meta-analysis	本文通过meta分析评估了深度学习算法在结直肠癌全切片图像中检测微卫星不稳定性高的诊断性能	首次系统评估深度学习在MSI-H检测中的表现，并识别了影响异质性的主要因素	外部验证的特异性较低，表明存在过拟合问题，需要算法标准化以提高泛化能力	评估深度学习算法在结直肠癌MSI-H检测中的诊断性能	结直肠癌全切片图像	digital pathology	colorectal cancer	deep learning	DL algorithms	whole slide images	33,383 samples from 19 studies
607	2025-07-23	A densely connected framework for cancer subtype classification 2025-Jul-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06230-0 PMID:40681997	research paper	提出了一种名为DEGCN的新型深度学习模型，用于癌症亚型分类	结合了三通道变分自编码器(VAE)和多层密集连接的图卷积网络(GCN)，用于多组学数据降维和癌症亚型分类	未提及模型在其他癌症类型上的泛化能力是否同样优秀	开发一个能够准确分类癌症亚型的深度学习框架	肾癌、乳腺癌和胃癌的亚型分类	digital pathology	renal cancer, breast cancer, gastric cancer	multi-omics data integration	VAE, GCN	multi-omics data	TCGA数据集中的肾癌、乳腺癌和胃癌样本
608	2025-07-23	A new approach for microbe-disease association prediction: incorporating representation learning of latent relationships 2025-Jul-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03093-6 PMID:40682015	research paper	提出了一种新的深度学习框架RKGATMDA，用于预测微生物与疾病之间的关联	结合图注意力网络和随机K近邻算法，解决了现有微生物-疾病关联数据不足的问题	依赖于现有的微生物-疾病关联数据，数据稀缺可能影响模型性能	预测微生物与疾病之间的关联，以辅助临床诊断和治疗	微生物与疾病之间的关联	machine learning	asthma, colon cancer, colorectal carcinoma	graph attention network, Random K-Nearest Neighbors	RKGATMDA	microbe-disease association data	NA
609	2025-07-23	Open-access ultrasonic diaphragm dataset and an automatic diaphragm measurement using deep learning network 2025-Jul-18, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03325-3 PMID:40682068	research paper	该研究构建了一个超声膈肌数据集，并开发了一种基于深度学习的自动膈肌测量系统	提出了一个新的深度学习分割网络MDRU-Net，用于精确测量膈肌厚度和运动，并设计了用户友好的自动测量系统	研究中未提及样本的多样性或代表性，可能影响模型的泛化能力	开发自动化的膈肌功能评估系统，以提高临床检测的准确性和效率	膈肌的厚度和运动	digital pathology	NA	超声成像	MDRU-Net (基于U-Net架构)	B-mode和M-mode超声图像及视频	未明确提及具体样本数量
610	2025-07-23	AI-Driven segmentation and morphogeometric profiling of epicardial adipose tissue in type 2 diabetes 2025-Jul-18, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-025-02829-y PMID:40682091	研究论文	开发了一种基于AI的形状感知方法，用于自动分割和分析2型糖尿病患者的EAT形态几何特征	结合了多模态深度学习和统计形状分析，首次实现了对EAT的空间分布和结构变化的自动化分析	样本量相对较小（90名参与者），且仅针对瑞典SCAPIS队列的亚组研究	开发AI驱动的EAT分割和形态几何分析方法，以评估2型糖尿病患者的EAT特征	2型糖尿病患者的EAT（心外膜脂肪组织）	数字病理学	2型糖尿病	3D Dixon MRI	多模态深度学习模型（EAT-Seg）	3D MRI图像	90名参与者（45名2型糖尿病患者和45名年龄、性别匹配的对照组）
611	2025-07-23	Evaluation of Deep Learning Methods for Pulmonary Disease Classification 2025-Jul-18, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056388107250710120917 PMID:40692157	研究论文	本研究探讨了使用深度学习模型对肺部疾病进行分类的方法，通过多种音频特征提取技术提高诊断准确率	提出了一种结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，达到了92%的最高准确率	数据集中COPD样本过多而LRTI和URTI样本不足，影响了模型在测试音频样本上的泛化能力	提高肺部疾病的诊断准确率	肺部疾病（包括COPD、LRTI和URTI）的音频记录	数字病理学	肺部疾病	MFCC、Chroma STFT、频谱图分析	CNN、RNN、LSTM	音频	NA
612	2025-07-23	Predicting ADC map quality from T2-weighted MRI: A deep learning approach for early quality assessment to assist point-of-care 2025-Jul-17, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112317 PMID:40690835	研究论文	提出一种深度学习方法，利用T2加权MRI预测前列腺ADC图质量，以实现实时质量评估和干预	首次使用T2加权图像预测ADC图质量，实现早期质量评估并支持即时纠正措施	研究基于回顾性数据，需要前瞻性验证；模型在外部数据上的泛化能力仍需进一步测试	提高前列腺MRI诊断准确性，特别是扩散加权成像和ADC图的质量评估	前列腺MRI图像（T2加权图像和ADC图）	数字病理	前列腺癌	MRI（T2加权成像和扩散加权成像）	神经网络	医学影像	486名患者的多中心数据（来自62家外部诊所和内部影像）
613	2025-07-23	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色的全切片图像中预测乳腺癌复发风险	提出了一种新的基于深度学习的计算病理学方法，显著优于现有的弱监督模型，并展示了良好的泛化能力	研究主要针对HR+/HER2-乳腺癌患者，可能不适用于其他亚型	开发一种成本效益高的乳腺癌复发风险评估工具，以扩大个性化治疗策略的可及性	乳腺癌患者	数字病理学	乳腺癌	深度学习	CNN	图像	TCGA-BRCA数据集和俄亥俄州立大学内部数据集
614	2025-07-23	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，用于学习蛋白质的动态生物物理特性	提出了两种新型蛋白质语言模型，能够从分子动力学模拟和正常模式分析中学习蛋白质的动态特性，弥补了现有模型在捕捉蛋白质动态特性方面的不足	模型性能依赖于分子动力学模拟和正常模式分析的数据质量，且对于缺乏进化信息的设计蛋白和病毒蛋白的预测仍有提升空间	开发能够捕捉蛋白质动态特性的深度学习模型，以更准确地预测蛋白质行为和突变效应	蛋白质的动态生物物理特性	机器学习	NA	分子动力学模拟、正常模式分析	蛋白质语言模型(SeqDance, ESMDance)	蛋白质序列和结构数据	超过64,000种蛋白质
615	2025-07-23	Mortality and antibiotic timing in deep learning-derived surviving sepsis campaign risk groups: a multicenter study 2025-Jul-14, Critical care (London, England) DOI:10.1186/s13054-025-05493-6 PMID:40660326	研究论文	本研究通过深度学习模型对脓毒症患者进行风险分层，探讨抗生素使用时机对不同风险组患者死亡率的影响	首次使用深度学习模型客观地对脓毒症患者进行风险分层，并分析不同抗生素使用时机对各风险组死亡率的影响	需要更多前瞻性研究来验证这些发现	探讨基于风险分层的抗生素使用时机对脓毒症患者死亡率的影响	脓毒症患者	数字病理学	脓毒症	深度学习	DL	临床数据	34,087名成年脓毒症患者
616	2025-07-23	VDCRL: vulnerability detection with supervised contrastive code representation learning 2025-Jul-14, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107861 PMID:40690875	研究论文	提出了一种基于监督对比代码表示学习的漏洞检测框架VDCRL，以提高检测性能和泛化能力	结合输入和特征空间代码增强技术，使用特征融合编码器SAFE整合源代码和汇编指令特征，并采用监督对比学习和BGRU模型进行训练和检测	未提及在更广泛或多样化数据集上的测试结果	提高代码漏洞检测的泛化能力和检测性能	软件代码中的漏洞	自然语言处理	NA	监督对比学习	BGRU	代码文本	合成数据集训练，两个真实数据集测试
617	2025-07-23	From Single-Cancer to Pan-Cancer Prognosis: A Multimodal Deep Learning Framework for Survival Analysis with Robust Generalization Capability 2025-Jul-10, The American journal of pathology DOI:10.1016/j.ajpath.2025.06.006 PMID:40651540	research paper	本文介绍了一种名为UMPSNet的多模态深度学习框架，用于跨癌症类型的生存分析，具有强大的泛化能力	UMPSNet通过基于最优传输的注意力机制进行多模态特征对齐，并采用专家混合机制解决癌症类型分布偏移问题，实现了跨癌症类型的预后预测	研究虽然展示了在未见过的恶性肿瘤上的泛化能力，但样本量相对有限（胰腺癌样本n=66）	开发一个能够克服数据异质性和领域转移挑战的多模态生存分析框架，用于泛癌症预后预测	癌症患者的组织病理学图像、基因组表达谱和四种元数据类别	digital pathology	pan-cancer	multimodal deep learning	UMPSNet	image, genomic data, metadata	3523张全切片图像（n=2831）来自TCGA五个队列，以及392张胰腺腺癌全切片图像（n=66）
618	2025-07-23	[Advances in prediction models for temporomandibular disorders] 2025-Jul-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250401-00114 PMID:40619145	综述	本文全面评估了颞下颌关节紊乱病（TMD）预测模型的实现与性能，并分析了不同计算方法的优缺点及未来研究方向	比较了传统统计方法、机器学习和深度学习在TMD预测中的应用，指出了各自的创新点和局限性	传统统计方法依赖先验知识和假设，机器学习依赖数据质量且泛化能力有限，深度学习需要大量训练数据且存在可解释性问题	探讨TMD预测模型的研究进展及其在早期预测和治疗中的应用	颞下颌关节紊乱病（TMD）患者	机器学习	颞下颌关节紊乱病	传统统计方法、机器学习、深度学习	NA	时间序列数据	NA
619	2025-07-23	Prediction of Early Neoadjuvant Chemotherapy Response of Breast Cancer through Deep Learning-based Pharmacokinetic Quantification of DCE MRI 2025-Jul-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240769 PMID:40631989	研究论文	通过基于深度学习的药代动力学量化方法预测乳腺癌新辅助化疗的早期反应	提出了一种基于深度学习的回顾性药代动力学量化（RoQ）方法，用于提高乳腺癌新辅助化疗后病理完全缓解（pCR）预测的普适性和准确性	研究为回顾性研究，可能存在选择偏差，且数据时间跨度较长（2002年至2016年）	提高乳腺癌新辅助化疗后病理完全缓解（pCR）预测的普适性和准确性	乳腺癌患者	数字病理	乳腺癌	动态对比增强MRI（DCE-MRI）	深度学习模型	MRI图像	1073名女性乳腺癌患者
620	2025-07-23	An integrative assay for measuring social aversion and motivation in freely behaving mice 2025-Jul-09, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101108 PMID:40680732	研究论文	开发了一种名为SAUSI的行为任务，用于综合评估小鼠的社会厌恶行为	整合了社会动机、犹豫和自由互动元素，首次实现了对社会厌恶的多重评估	仅在小鼠模型中进行验证，尚未应用于其他动物模型或人类研究	开发新型行为学工具以研究精神健康障碍中的社会厌恶特征	自由活动的小鼠	行为神经科学	精神健康障碍	深度学习	NA	行为数据	未明确说明小鼠数量