深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
7501	2025-10-06	Multimodal deep learning for predicting protein ubiquitination sites 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf200 PMID:40917649	研究论文	开发了一种基于多模态深度学习的蛋白质泛素化位点预测工具	整合多种蛋白质序列表示方法（one-hot编码、嵌入表示和理化特性）于统一深度学习框架，显著提升预测准确性和鲁棒性	NA	准确预测蛋白质泛素化位点	蛋白质序列	生物信息学	NA	深度学习	深度学习	蛋白质序列数据	通用、人类特异性和植物特异性数据集	NA	多模态深度学习框架	准确率, 灵敏度, 特异性, MCC, AUC	NA
7502	2025-10-06	A graph attention-based deep learning network for predicting biotech-small-molecule drug interactions 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf192 PMID:40917652	研究论文	提出一种基于图注意力网络的深度学习框架，用于预测生物技术药物与小分子药物之间的相互作用	首次将图注意力网络应用于生物技术药物与小分子药物的相互作用预测，解决了传统方法主要关注小分子药物的局限性	未在摘要中明确说明研究的局限性	改进生物技术药物与小分子药物之间的相互作用预测，促进更有效的联合疗法开发	生物技术药物和小分子药物	机器学习	NA	深度学习	图注意力网络	图数据	NA	NA	图注意力网络	微观评估,宏观评估,加权评估	NA
7503	2025-10-06	ResLysEmbed: a ResNet-based framework for succinylated lysine residue prediction using sequence and language model embeddings 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf198 PMID:40917651	研究论文	提出一种基于ResNet的框架ResLysEmbed，结合传统词嵌入和蛋白质语言模型嵌入预测琥珀酰化赖氨酸位点	开发了三种混合架构并比较了多种蛋白质语言模型，其中ResLysEmbed在琥珀酰化位点预测中表现最优	NA	提高琥珀酰化赖氨酸位点的预测性能	蛋白质序列中的琥珀酰化赖氨酸位点	生物信息学	NA	蛋白质语言模型，深度学习	CNN, ResNet	蛋白质序列数据	NA	NA	ResNet, ConvLysEmbed, InceptLysEmbed	准确率, MCC, F1分数	NA
7504	2025-10-06	Knowledge Attitudes and Ethical Concerns About Artificial Intelligence Among Medical Students at Taibah University: A Cross-Sectional Study 2025, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S528281 PMID:40917814	研究论文	本研究调查了Taibah大学医学生对人工智能的知识、态度和伦理关注	首次在沙特阿拉伯医学教育背景下系统评估医学生对AI的认知水平和伦理关切	单中心研究，样本量有限（189人），依赖自我报告数据可能存在偏差	评估医学生对AI的认知准备度和伦理关注，为医学教育课程开发提供依据	Taibah大学189名医学生	医学教育	NA	问卷调查	NA	问卷数据	189名医学生	NA	NA	描述性统计，单因素方差分析	NA
7505	2025-10-06	The Revolution in Midwifery Education: How AI and Deep Learning are Transforming Outcome-Based Assessments? 2025, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S543098 PMID:40917813	综述	本文综述了人工智能和深度学习在助产教育成果评估中的应用与潜力	系统评估AI和深度学习在助产教育成果评估中的创新应用，包括个性化学习和临床技能提升	面临基础设施准备、数字素养、数据保护和算法偏见等伦理挑战	探讨AI和深度学习如何提升助产教育中的成果评估效果	助产教育中的学生临床技能评估	教育技术	母婴健康	系统文献综述	CNN, LSTM, Random Forest, SVM	文献数据	从771篇文献中筛选15篇符合标准的文章	NA	NA	客观性评估、个性化反馈、临床学习模拟效果	NA
7506	2025-10-06	Transformer-based ECG classification for early detection of cardiac arrhythmias 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1600855 PMID:40917829	研究论文	提出基于Transformer的深度学习框架用于心电图自动分类，实现心律失常的早期检测	首次将Transformer架构与先进的预处理、特征选择和降维技术结合应用于ECG分类	数据集和评估协议差异导致比较仅为指示性，实时或资源受限环境部署需进一步优化验证	开发自动化心电图分类系统用于心血管疾病早期检测	心电图信号	生物医学信号处理	心血管疾病	ECG信号处理	Transformer	信号数据	MIT-BIH基准数据集	NA	Transformer	准确率,精确率,召回率,F1分数,AUC	NA
7507	2025-10-06	Brain tumor classification using GAN-augmented data with autoencoders and Swin Transformers 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1635796 PMID:40917831	研究论文	提出一种结合Swin Transformer和AE-cGAN数据增强的新型深度学习模型用于脑肿瘤分类	首次将Swin Transformer与AE-cGAN数据增强相结合，有效解决数据不平衡和特征提取不足的问题	尚未进行实时临床部署验证，应用范围有待扩展到其他医学影像任务	开发高性能的脑肿瘤自动分类方法	脑肿瘤医学影像数据	计算机视觉	脑肿瘤	深度学习	Transformer, GAN, Autoencoder	医学影像	两个公开数据集（Figshare和Kaggle）	NA	Swin Transformer, AE-cGAN	准确率, 敏感性, 特异性	NA
7508	2025-10-06	Exploring the Potentials of Artificial Intelligence in Sepsis Management in the Intensive Care Unit 2025, Critical care research and practice IF:1.8Q3 DOI:10.1155/ccrp/9031137 PMID:40917940	综述	探讨人工智能在重症监护室脓毒症管理中的潜力与应用	系统评估人工智能方法（机器学习、深度学习、自然语言处理）相较于传统SOFA和SIRS标准在脓毒症早期预测中的优势	存在算法偏见、数据碎片化、缺乏验证和可解释性问题	研究人工智能在重症监护室脓毒症早期诊断和管理中的应用价值	重症监护室脓毒症患者	自然语言处理, 机器学习	脓毒症	机器学习, 深度学习, 自然语言处理	随机森林, XGBoost, 神经网络	临床数据, 生命体征, 实验室结果, 患者病史	NA	NA	NA	准确率, AUROC曲线下面积	NA
7509	2025-10-06	Nomogram Model for Identifying the Risk of Coronary Heart Disease in Patients with Chronic Obstructive Pulmonary Disease Based on Deep Learning Radiomics and Clinical Data: A Multicenter Study 2025, International journal of chronic obstructive pulmonary disease IF:2.7Q2 DOI:10.2147/COPD.S539307 PMID:40917929	研究论文	基于深度学习影像组学和临床数据开发用于评估慢性阻塞性肺疾病患者冠心病风险的列线图模型	首次将临床数据、影像组学特征和三维深度学习特征整合到列线图模型中，用于COPD患者的CHD风险预测	回顾性研究设计，样本量相对有限（543例患者）	开发并验证用于COPD患者CHD风险评估的个性化预测模型	来自两个医疗中心的543名慢性阻塞性肺疾病患者	医学影像分析	冠心病,慢性阻塞性肺疾病	计算机断层扫描（CT）	深度学习,影像组学	医学影像,临床数据	543名COPD患者（中心1：398例，中心2：145例）	NA	ResNet50	AUC,净收益	NA
7510	2025-10-06	Oral-Anatomical Knowledge-Informed Semi-Supervised Learning for 3D Dental CBCT Segmentation and Lesion Detection 2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society IF:5.9Q1 DOI:10.1109/tase.2025.3530936 PMID:40918035	研究论文	提出一种融合口腔解剖知识的半监督学习模型，用于3D牙科CBCT图像分割和病变检测	将定性口腔解剖知识转化为定量表示，并融入深度学习框架，减少对大量标注数据的依赖	主要针对小病变分割任务，在更大规模数据集上的泛化能力有待验证	开发自动化3D牙科CBCT图像分割和病变检测方法	牙科CBCT图像中的病变、骨骼、牙齿和修复材料	计算机视觉	口腔疾病	锥形束计算机断层扫描(CBCT)	深度学习	3D医学图像	真实世界数据集（具体数量未明确说明）	NA	知识引导的双任务学习架构	NA	NA
7511	2025-10-06	Utilizing Detectron2 for accurate and efficient colon cancer detection in histopathological images 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1593534 PMID:40918447	研究论文	本研究提出了一种基于Detectron2深度学习框架的结肠癌组织病理图像分类方法	首次将Detectron2框架优化并应用于结肠癌组织病理图像分类任务，实现了99.8%的准确率	研究仅使用单一数据集进行验证，未在更广泛的数据集上进行测试	开发准确高效的结肠癌自动检测工具以辅助临床诊断	结肠组织病理图像	计算机视觉	结肠癌	组织病理学成像	深度学习目标检测模型	图像	LC25000数据集中10,000张标注图像（5,000正常，5,000癌变）	Detectron2	基于Detectron2的目标检测架构	准确率	NA
7512	2025-10-06	BlendNet: a blending-based convolutional neural network for effective deep learning of electrocardiogram signals 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1625637 PMID:40918589	研究论文	提出一种基于混合的卷积神经网络BlendNet，通过alpha混合方法有效提取心电图信号特征	提出alpha混合方法，将小波尺度图和二值图像的特征进行融合，生成更丰富的复合特征集	仅使用162个心电图记录进行实验，样本规模有限	提高心电图信号在心血管疾病诊断中的深度学习效果	心电图信号	机器学习	心血管疾病	连续小波变换	CNN	图像, 信号	162个心电图记录	NA	BlendNet	分类准确率	NA
7513	2025-10-06	Dairy DigiD: a keypoint-based deep learning system for classifying dairy cattle by physiological and reproductive status 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1545247 PMID:40918586	研究论文	开发基于关键点检测的深度学习系统Dairy DigiD，通过奶牛面部图像分类其生理和繁殖状态	结合DenseNet121全局图像分类和Detectron2细粒度面部分析的双重方法，利用30个解剖关键点检测提升分类鲁棒性	DenseNet121对背景噪声敏感导致泛化能力有限	开发非侵入式精准畜牧监测系统，替代传统识别方法	奶牛	计算机视觉	NA	深度学习，关键点检测，实例分割	CNN	高分辨率面部图像	NA	Detectron2	DenseNet121, Detectron2	准确率	NA
7514	2025-10-06	A systematic review of deep learning methods for community detection in social networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1572645 PMID:40918588	系统综述	本文系统回顾了过去十年中深度学习在社交网络社区检测中的应用研究	首次系统性地总结和比较了不同深度学习模型在社交网络社区检测中的表现，并识别了该领域的关键挑战	仅纳入了19项研究，可能未能覆盖所有相关文献；主要关注深度学习方法，未与传统方法进行深入对比	评估深度学习技术在社交网络社区检测中的有效性和应用现状	社交网络数据和社区检测方法	机器学习	NA	深度学习	GNN, Autoencoder, CNN	图数据	19项研究	NA	图神经网络, 自编码器, 卷积神经网络	NA	NA
7515	2025-10-06	Construction of a deep - learning - based rehabilitation prediction model for lower-limb motor dysfunction after stroke using synchronous EEG-EMG and fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1616957 PMID:40918983	研究论文	本研究构建了基于多模态数据的深度学习模型，用于预测脑卒中患者3个月后的下肢运动功能康复效果	首次结合静息态fMRI图像与同步EEG-EMG时间序列数据，采用集成学习方法构建多模态融合预测模型	样本量相对有限（102例），且仅86例患者完成了同步EEG-EMG检查	预测缺血性脑卒中患者3个月后的下肢运动功能康复结局	102例缺血性脑卒中偏瘫患者	医学人工智能	脑卒中	fMRI, EEG, EMG	深度学习	图像数据, 时间序列数据	102例缺血性脑卒中患者（其中86例完成同步EEG-EMG检查）	NA	ShuffleNet, LSTM	准确率, 召回率, 精确率, F1分数, AUC	NA
7516	2025-10-06	When artificial intelligence meets protein research 2025, Open research Europe DOI:10.12688/openreseurope.20628.1 PMID:40919100	综述	探讨人工智能与蛋白质科学的融合及其对结构预测和计算设计的革命性影响	聚焦2024年诺贝尔奖得主在AI蛋白质研究领域的奠基性贡献，强调AI工具如AlphaFold对非球状蛋白质研究的推动作用	仍存在蛋白质折叠动力学和淀粉样聚集等未解决的科学挑战	分析AI在蛋白质科学研究中的革命性作用与发展前景	蛋白质结构预测、非球状蛋白质（包括固有无序蛋白质）	机器学习	NA	深度学习、神经网络	神经网络	蛋白质结构数据	NA	NA	AlphaFold	NA	NA
7517	2025-10-06	Prediction of bone oligometastases in breast cancer using models based on deep learning radiomics of PET/CT imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1621677 PMID:40919156	研究论文	开发基于PET/CT影像的深度学习放射组学模型，用于早期预测乳腺癌骨寡转移	首次将PET/CT放射组学特征、深度学习特征和临床参数整合到深度学习放射组学模型中预测乳腺癌骨寡转移	回顾性研究，样本量有限（207例患者，312个骨病灶）	早期预测乳腺癌患者的骨寡转移（≤5个病灶）	乳腺癌患者及其骨病灶（包括107个良性病灶和205个恶性病灶，其中89个确诊为骨转移）	数字病理	乳腺癌	PET/CT成像，放射组学分析	深度学习，随机森林	医学影像（CT，PET，融合PET/CT图像）	207例乳腺癌患者，312个骨病灶	PyRadiomics	BasicNet	AUC，准确率，敏感性，特异性	NA
7518	2025-10-06	HoloMoA: a holography and deep learning tool for the identification of antimicrobial mechanisms of action and the detection of novel MoA 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1640252 PMID:40919199	研究论文	提出结合数字同轴全息显微镜和深度学习的创新工具HoloMoA，用于识别抗菌药物作用机制并检测新机制	首次将时间序列数字同轴全息显微镜与卷积循环神经网络结合，实现无标记、实时监测细菌表型响应并评估作用机制新颖性	仅使用ATCC 25922大肠杆菌菌株和22种抗生素进行验证，尚未扩展到更多菌株和化合物	开发快速、稳健、经济的抗菌药物作用机制分类和新颖性预测工具	大肠杆菌ATCC 25922和22种代表5种功能类别的抗生素	计算机视觉	NA	数字同轴全息显微镜	CRNN, Siamese Neural Network	图像序列	ATCC 25922菌株经22种抗生素处理达2小时的全息图像数据	NA	Convolutional Recurrent Neural Network, Siamese Neural Network	准确率	NA
7519	2025-10-06	Deep dive into deep learning methods for cervical cancer detection and classification 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.106148 PMID:40919255	综述	本文系统综述了深度学习在宫颈癌检测与分类中的应用方法、评估指标及现存挑战	首次对深度学习在宫颈癌诊断中的各类方法进行全面梳理，重点关注卷积神经网络在宫颈细胞学图像分析中的创新应用	依赖有限标注数据集、医学影像存在不一致性、需要更具鲁棒性的模型	通过深度学习技术提升宫颈癌的早期检测和诊断水平	宫颈细胞学图像	计算机视觉	宫颈癌	深度学习	CNN	医学影像	NA	NA	卷积神经网络	准确率, 灵敏度, 特异性, AUC	NA
7520	2025-10-06	Optimizing cervical cancer diagnosis with accurate cell classification using modified HDFF 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.105867 PMID:40919253	研究论文	本研究提出改进的层次深度特征融合方法用于宫颈癌细胞分类，显著提升诊断准确率	通过整合层次深度学习特征，改进特征提取过程并融合多层深度学习模型，实现更准确鲁棒的分类性能	需要进一步优化和扩展训练数据集以提升性能	开发自动化宫颈癌诊断工具，提高诊断准确性和效率	宫颈细胞图像	计算机视觉	宫颈癌	NA	深度学习	图像	SIPaKMeD和Herlev数据集	NA	改进的层次深度特征融合(HDFF)	准确率,精确率,召回率,F1分数	NA