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
7521	2025-05-12	Neurofind: using deep learning to make individualised inferences in brain-based disorders 2025-Feb-27, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03290-x PMID:40016187	研究论文	介绍了一种名为Neurofind的新工具，利用深度学习在基于脑部的疾病中进行个体化推断	Neurofind是一个免费的网络平台，集成了数据协调和先进的规范模型，用户只需提供极少的输入	需要结构MRI图像作为输入，可能限制了某些研究的适用性	开发一个易于使用的工具，用于在精准精神病学中解析异质性	健康对照者和被诊断为阿尔茨海默病和精神分裂症的患者	数字病理学	阿尔茨海默病, 精神分裂症	结构MRI	对抗自编码器, 支持向量回归	图像	3362张健康对照者的图像和364张患者的图像
7522	2025-05-12	Rapid and accurate prediction of protein homo-oligomer symmetry using Seq2Symm 2025-Feb-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57148-3 PMID:40016259	research paper	该论文介绍了一种名为Seq2Symm的模型，用于快速准确预测蛋白质同源寡聚体的对称性	通过微调多种蛋白质基础模型，Seq2Symm利用ESM2，在预测同源寡聚体对称性方面优于现有的基于模板和深度学习方法	NA	开发一种能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	蛋白质同源寡聚体的对称性	machine learning	NA	ESM2	Seq2Symm	protein sequence	5个蛋白质组和约350万未标记蛋白质序列
7523	2025-05-12	Improving ALS detection and cognitive impairment stratification with attention-enhanced deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90881-9 PMID:40016300	研究论文	本研究开发了一种结合DenseNet121和Squeeze-and-Excitation注意力机制的卷积神经网络Miniset-DenseSENet，用于提高肌萎缩侧索硬化症（ALS）的检测和认知障碍分层	结合DenseNet121和Squeeze-and-Excitation注意力机制，显著提高了ALS诊断准确率，解决了涉及TDP-43蛋白病的神经退行性疾病重叠的挑战	研究样本量较小，仅使用了190张尸检脑图像	提高ALS的早期诊断准确率并改善患者分层	ALS患者（包括无认知障碍和有认知障碍的患者）及对照组	数字病理学	肌萎缩侧索硬化症	神经影像分析	CNN（DenseNet121结合Squeeze-and-Excitation注意力机制）	图像	190张尸检脑图像
7524	2025-05-12	T1-weighted MRI-based brain tumor classification using hybrid deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92020-w PMID:40016334	研究论文	本研究利用混合深度学习模型对基于T1加权MRI的脑肿瘤进行分类	结合U-Net架构和多种CNN模型（如Inception-V3、EfficientNetB4和VGG19），并通过迁移学习技术增强模型性能，实现了高精度的脑肿瘤分类	未提及模型在不同类型MRI数据上的泛化能力或计算资源需求	提高脑肿瘤早期检测和治疗规划的准确性	脑肿瘤（如神经胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI	U-Net, Inception-V3, EfficientNetB4, VGG19	图像	未明确提及样本数量
7525	2025-05-12	A hybrid deep learning model approach for automated detection and classification of cassava leaf diseases 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90646-4 PMID:40016508	研究论文	本文探讨了利用深度学习技术自动检测和分类木薯叶疾病的方法	混合模型（DenseNet169 + EfficientNetB0）结合了DenseNet169的特征重用能力和EfficientNetB0的计算效率，提高了准确性和可扩展性	NA	开发自动化的木薯叶疾病检测和分类系统	木薯叶疾病	计算机视觉	植物疾病	深度学习	DenseNet169, EfficientNetB0, Xception, MobileNetV2, ResNet, Vgg19, InceptionV3, InceptionResNetV2	图像	约36,000张标记的木薯叶图像
7526	2025-05-12	Comparative Assessment of Protein Large Language Models for Enzyme Commission Number Prediction 2025-Feb-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06081-9 PMID:40016653	研究论文	比较评估蛋白质大语言模型在酶委员会编号预测中的性能	首次全面比较了不同蛋白质大语言模型（如ESM2、ESM1b和ProtBERT）在预测酶委员会编号（EC编号）任务中的表现，并与传统的序列比对方法（如BLASTp）进行了对比	研究表明，大语言模型仍需改进才能超越BLASTp成为主流酶注释工具的金标准	评估和比较不同蛋白质大语言模型在预测酶功能（EC编号）方面的性能	酶序列及其对应的酶委员会编号（EC编号）	自然语言处理	NA	蛋白质序列比对（BLASTp、DIAMOND）	ESM2、ESM1b、ProtBERT、全连接神经网络	蛋白质序列	NA
7527	2025-05-12	Auxiliary meta-learning strategy for cancer recognition: leveraging external data and optimized feature mapping 2025-Feb-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13740-w PMID:40016648	研究论文	提出一种辅助元学习策略用于癌症识别，通过利用外部数据和优化特征映射来提高识别准确率	在辅助训练阶段结合外部数据训练特征映射模型，减少误分类概率，并利用深度过参数化卷积层和三分支结构加速训练	未提及具体的数据集规模限制或模型计算资源需求	提高癌症识别的准确率，特别是在少样本学习场景下	癌症识别	数字病理学	癌症	元学习，深度过参数化卷积	三分支结构	图像	BreakHis、Pap smear和ISIC 2018数据集
7528	2025-05-12	MultiCycPermea: accurate and interpretable prediction of cyclic peptide permeability using a multimodal image-sequence model 2025-Feb-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02166-2 PMID:40016695	research paper	提出了一种名为MultiCycPermea的新型深度学习模型，用于预测环肽的渗透性	MultiCycPermea模型首次结合了环肽的图像信息（2D结构信息）和序列信息（1D结构信息），并提出了一个子结构约束的特征对齐模块来对齐这两种特征	NA	开发一种能够快速准确预测环肽渗透性的工具，以辅助设计具有良好膜渗透性的环肽药物	环肽	machine learning	NA	深度学习	multimodal image-sequence model	image, sequence	CycPeptMPDB数据集
7529	2025-05-12	Development of an artificial intelligence-based multimodal diagnostic system for early detection of biliary atresia 2025-Feb-27, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03962-x PMID:40016769	research paper	开发了一种基于人工智能的多模态诊断系统，用于早期检测胆道闭锁	利用多样化的数据源和格式开发智能诊断系统，并简化模型以减少对血液样本的需求	尽管模型在内部和外部测试中表现良好，但样本量仍可能限制其广泛适用性	改善胆道闭锁的早期诊断，提高患者预后	胆道闭锁患者的多模态数据（超声图像、临床数据和实验室结果）	digital pathology	biliary atresia	deep learning	CNN	multimodal (image, clinical data, laboratory results)	1579名参与者（回顾性研究），171例（前瞻性研究外部测试集）
7530	2025-05-12	Predicting the efficacy of neoadjuvant chemotherapy in breast cancer patients based on ultrasound longitudinal temporal depth network fusion model 2025-Feb-27, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01971-5 PMID:40016785	研究论文	本研究开发并验证了一种基于纵向超声数据和临床特征的深度学习放射组学模型，用于预测乳腺癌患者新辅助化疗后的病理完全缓解	结合了治疗前和治疗后2个周期的超声数据以及临床特征，构建了集成模型，提高了预测性能	样本量相对较小，且仅基于单一机构的患者数据	预测乳腺癌患者新辅助化疗后的病理完全缓解	312名经组织学确认的乳腺癌患者	数字病理学	乳腺癌	深度学习放射组学	XGBoost	超声图像和临床数据	312名患者（训练队列219名，测试队列93名）
7531	2025-05-12	Deep learning-based cell-specific gene regulatory networks inferred from single-cell multiome data 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf138 PMID:40037709	research paper	该研究开发了一个名为scMultiomeGRN的深度学习框架，用于从单细胞多组学数据中推断细胞特异性基因调控网络	通过独特整合单细胞RNA测序和单细胞ATAC测序数据，构建了模态特定的邻居聚合器和跨模态注意力模块，以学习转录因子的潜在表示	单细胞测序数据的高丢失率可能导致单组学数据不足，影响基因调控网络的推断	开发深度学习框架以推断细胞特异性基因调控网络	转录因子调控网络	machine learning	Alzheimer's disease	single-cell RNA sequencing, single-cell ATAC sequencing	deep learning framework	single-cell multi-omics data	multiple benchmark datasets
7532	2025-05-12	Discrimination of unsound soybeans using hyperspectral imaging: A deep learning method based on dual-channel feature fusion strategy and attention mechanism 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115810 PMID:40022337	研究论文	本研究提出了一种基于双通道特征融合策略和注意力机制的深度学习方法，用于利用高光谱图像中的一维光谱数据和二维图像数据来鉴别不健全的大豆	提出了结合注意力机制的双通道特征融合模型（DCFFM），实现了高光谱图像中光谱和图像数据的高层次融合	未提及具体的数据集规模或实际应用场景的局限性	探索一个能够全面获取高光谱图像中光谱和图像的建模框架，实现高层次数据融合以提高准确性	不健全的大豆	计算机视觉	NA	高光谱成像	CNN与DCFFM	高光谱图像（包含一维光谱数据和二维图像数据）	NA
7533	2025-05-12	A robust deep learning model for predicting green tea moisture content during fixation using near-infrared spectroscopy: Integration of multi-scale feature fusion and attention mechanisms 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115874 PMID:40022390	研究论文	提出了一种结合多尺度特征融合和注意力机制的深度学习模型DiSENet，用于基于近红外光谱的绿茶杀青过程中水分含量预测	整合多尺度特征融合和注意力机制，提出新型深度学习网络DiSENet，有效校正温度变化引起的光谱干扰	NA	提高绿茶杀青过程中水分含量预测的准确性	绿茶杀青过程中的茶叶样本	机器学习	NA	近红外光谱(NIRS)	DiSENet	光谱数据	不同杀青阶段和温度下的茶叶样本
7534	2025-05-12	Automated and explainable machine learning for monitoring lipid and protein oxidative damage in mutton using hyperspectral imaging 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115905 PMID:40022412	研究论文	本研究开发了自动化和可解释的机器学习模型，用于通过高光谱成像监测羊肉中脂质和蛋白质的氧化损伤	结合AutoML、AutoDL和SHAP方法，实现了无需人工干预的高质量可解释预测模型	研究仅针对羊肉样品，未验证在其他肉类中的适用性	开发自动化的机器学习模型来监测肉类氧化损伤	经过不同冻融循环处理的羊肉样品	机器学习	NA	高光谱成像(HSI)、AutoML、AutoDL	AutoML、AutoDL	高光谱图像	经过不同冻融循环处理的羊肉样品
7535	2025-05-12	AI-augmented Biophysical modeling in thermoplasmonics for real-time monitoring and diagnosis of human tissue infections 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104075 PMID:40023011	research paper	该研究提出了一种结合AI与局域表面等离子体共振(LSPR)技术的系统，用于实时监测和诊断人体组织感染	采用AI辅助的热等离子体技术，检测时间比传统技术缩短57.7%，并显著降低了假阳性和诊断成本	NA	开发一种实时监测和诊断人体组织感染的新方法	人体组织感染	数字病理	组织感染	Localised Surface Plasmon Resonance (LSPR)	circuitry deep learning	single-cell transcriptomic profiles	2,333,481个单细胞转录组图谱，来自486人（107名未受影响，379名受影响）
7536	2025-05-12	Artificial intelligence in the detection and treatment of depressive disorders: a narrative review of literature 2025-Feb, International review of psychiatry (Abingdon, England) DOI:10.1080/09540261.2024.2384727 PMID:40035375	review	本文综述了人工智能在抑郁症检测和治疗中的应用	探讨了人工智能如何通过整合多种数据（如临床症状、神经影像、遗传学和生物标志物）来辅助抑郁症的筛查、诊断和预后预测	作为叙述性综述，可能未涵盖所有相关研究，且缺乏对方法学质量的系统评估	评估人工智能在抑郁症诊断和治疗中的潜在应用	抑郁症患者及其相关临床数据	natural language processing, machine learning, digital pathology	geriatric disease	Natural Language Processing, Machine Learning, Deep Learning	NA	text, neuroimaging data, genetics, biomarkers	NA
7537	2025-05-12	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	研究论文	本文探讨了深度学习算法在口腔癌检测中的技术和应用	提供了对最新基于AI的口腔癌检测方法的全面分析，包括使用卷积神经网络的深度学习和机器学习算法	NA	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌	数字病理学	口腔癌	深度学习、机器学习、图像预处理和分割	CNN	图像	NA
7538	2025-05-12	Injecting structure-aware insights for the learning of RNA sequence representations to identify m6A modification sites 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18878 PMID:40017651	研究论文	提出了一种名为M6A-SAI的新型预测器，用于识别RNA中的m6A修饰位点，通过整合结构感知的见解来增强序列表示学习	M6A-SAI通过Transformer编码器学习RNA序列表示，构建相似性图捕捉序列相关性，并通过结构感知优化块和图卷积框架整合结构信息，显著提高了m6A修饰位点的识别精度	未提及具体的数据集规模或实验中的潜在偏差	准确识别RNA序列中的m6A修饰位点	RNA序列中的m6A修饰位点	自然语言处理	NA	Transformer, 图卷积, SVM	Transformer, 图卷积网络, SVM	RNA序列数据	NA
7539	2025-05-12	Deep-learning tool for early identification of non-traumatic intracranial hemorrhage etiology and application in clinical diagnostics based on computed tomography (CT) scans 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18850 PMID:40028214	研究论文	开发了一种基于深度学习的人工智能系统，用于早期识别非创伤性颅内出血的病因，并在临床诊断中应用	该系统能够基于非对比计算机断层扫描（NCCT）准确识别多种颅内出血病因，并在临床诊断中显著提升医生的诊断性能	模型在Moyamoya病（MMD）和其他病因上的AUC值相对较低，可能影响其在这些病因上的诊断准确性	开发一种能够准确识别非创伤性颅内出血病因的人工智能系统，并评估其在临床诊断中的应用价值	非创伤性颅内出血患者	数字病理学	颅内出血	深度学习	深度学习模型	CT扫描图像	1,868例NCCT扫描（训练集），TT200和SD98两个独立测试集
7540	2025-05-12	Optimizing Stroke Detection Using Evidential Networks and Uncertainty-Based Refinement 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3531768 PMID:40031143	研究论文	本研究利用证据网络和基于不确定性的优化方法，提高中风后神经损伤的检测灵敏度	采用证据网络和不确定性估计方法，显著提高了对轻微中风损伤和短暂性脑缺血发作（TIA）的检测准确性	研究样本量有限，且仅针对Kinarm系统采集的运动学数据进行分析	优化中风后神经损伤的检测方法，提高临床评估的准确性和灵敏度	337名中风患者和368名健康对照者	机器学习	心血管疾病	深度学习	证据网络	运动学数据	705人（337名中风患者和368名健康对照者）