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
761	2025-07-18	Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions 2025-Jul-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11800-0 PMID:40670764	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）、常规深度学习重建（C-DLR）和混合迭代重建（HIR）在提高儿科先天性心脏病（CHD）CT血管造影（CCTA）图像质量和诊断性能方面的有效性	SR-DLR显著降低图像噪声并提高分辨率，在检测小病灶方面优于现有算法，诊断准确性接近超声	研究样本仅限于1-10岁的儿科患者，且仅在自由呼吸条件下进行CCTA	评估不同重建算法在儿科CHD的CCTA中的图像质量和诊断性能	91名疑似CHD的1-10岁儿科患者	数字病理学	先天性心脏病	CT血管造影（CCTA）	深度学习重建（SR-DLR, C-DLR）	图像	91名1-10岁的儿科患者
762	2025-07-18	Detecting structural heart disease from electrocardiograms using AI 2025-Jul-16, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	利用AI从心电图中检测结构性心脏病	开发了一个深度学习模型EchoNext，基于超过100万份心电和影像记录，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性	模型在未进行心脏影像检查的患者中进行了前瞻性评估，但可能仍需进一步验证在其他人群中的适用性	提高结构性心脏病的早期检测率，扩大筛查的可及性	结构性心脏病患者	机器学习	心血管疾病	深度学习	EchoNext	心电图和影像记录	超过100万份心电和影像记录
763	2025-07-18	DNA Methylation Recognition Using Hybrid Deep Learning with Dual Nucleotide Visualization Fusion Feature Encoding 2025-Jul-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00737-z PMID:40670806	研究论文	提出了一种名为DeepDNA-DNVFF的新型高效DNA甲基化预测方法，通过改进和整合二维DNA可视化技术，开发了双核苷酸视觉融合特征编码（DNVFF）方法，并结合CNN、BiLSTM和注意力机制的混合深度学习模型	开发了新的双核苷酸视觉融合特征编码（DNVFF）方法，并整合了CNN、BiLSTM和注意力机制的混合深度学习模型，以提高DNA甲基化预测的准确性和通用性	NA	开发一种高效且通用的DNA甲基化预测方法，以帮助理解基因调控机制和识别潜在的疾病生物标志物	DNA甲基化位点	机器学习	NA	DNA甲基化测序	CNN, BiLSTM, 注意力机制	DNA序列	17个物种数据集
764	2025-07-18	AMPred-MFG: Investigating the Mutagenicity of Compounds Using Motif-Based Graph Combined with Molecular Fingerprints and Graph Attention Mechanism 2025-Jul-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00742-2 PMID:40670804	研究论文	介绍了一种名为AMPred-MFG的新型深度学习预测模型，用于预测药物分子的致突变性	结合分子指纹特征与分子图特征，通过基于motif的图和图注意力机制提取特征，提高了致突变性预测的准确性和可解释性	未明确提及具体局限性	开发一种准确预测药物分子致突变性的工具，以支持药物开发的早期阶段	药物分子	机器学习	NA	分子指纹、图注意力机制、图变换器	多层感知机(MLP)、图变换器	分子结构数据	未明确提及具体样本数量，但通过十折交叉验证和外部验证数据集进行了评估
765	2025-07-18	Prediction of Epilepsy Seizure Based on Cepstrum Analysis and Deep Learning 2025-Jul-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00741-3 PMID:40670805	research paper	该论文提出了一种基于倒谱分析和深度学习的癫痫发作预测模型	结合Mel频率倒谱系数(MFCC)和线性预测编码倒谱系数(LPCC)处理EEG信号，并整合CNN和LSTM提取更全面的EEG特征	模型性能在不同癫痫发作阶段和时间点的适应性有待进一步验证	提高癫痫发作预测的准确性和稳定性	癫痫患者的EEG信号	machine learning	癫痫	MFCC, LPCC	CNN, LSTM	EEG信号	公开的CHB-MIT癫痫EEG数据集
766	2025-07-18	AF3Score: A Score-Only Adaptation of AlphaFold3 for Biomolecular Structure Evaluation 2025-Jul-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00653 PMID:40671257	research paper	该论文介绍了一种名为AF3Score的评分模型，通过改进AlphaFold3，使其仅用于生物分子结构的评分，避免了现有方法的偏差	通过绕过基于扩散的结构模块，直接将输入坐标输入到置信度头部，将AlphaFold3改进为仅用于评分的模型AF3Score	未明确提及具体限制，但暗示现有AlphaFold2方法需要迭代优化输入结构，可能导致评分偏差	开发一种更准确的生物分子结构评分方法，用于评估生物分子复合物的结构质量	单体蛋白质、蛋白质-蛋白质复合物、从头设计的结合物、折叠转换蛋白质和蛋白质-配体复合物	生物信息学	NA	深度学习	AlphaFold3	生物分子结构数据	在10个目标中的8个上表现优于现有方法
767	2025-07-18	Biomolecular Interaction Prediction: The Era of AI 2025-Jul-16, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509501 PMID:40671265	review	本文综述了深度学习在预测生物分子相互作用中的应用及其潜力	深度学习能够从大规模数据中学习复杂模式，提高生物分子相互作用的预测准确性，并有助于理解药物副作用机制	未提及具体模型的性能比较或实际应用中的挑战	提升药物发现和分子生物学中生物分子相互作用的预测效率和准确性	蛋白质、核酸和小分子等目标分子	machine learning	NA	deep learning	NA	sequence data, structural information, functional annotations	NA
768	2025-07-18	Deep learning-assisted comparison of different models for predicting maxillary canine impaction on panoramic radiography 2025-Jul-16, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.05.008 PMID:40673857	研究论文	本研究利用深度学习辅助的自动标志点检测系统，比较了不同模型在全景X光片上预测上颌犬齿阻生的准确性	首次采用深度学习辅助的自动标志点检测系统进行外部验证，比较现有预测模型的性能	最佳模型仍存在逻辑和计算上的挑战，需要进一步改进	比较现有模型在全景X光片上预测上颌犬齿阻生的准确性	7-14岁接受全景X光检查并被诊断为犬齿阻生的患者	数字病理学	牙科疾病	全景X光摄影	深度学习	图像	102张全景X光片（102颗阻生犬齿和102颗非阻生犬齿）
769	2025-07-18	Enhancing 3D dopamine transporter imaging as a biomarker for Parkinson's disease via self-supervised learning with diffusion models 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102207 PMID:40580955	research paper	该研究通过自监督学习和扩散模型增强3D多巴胺转运体成像，作为帕金森病的生物标志物	引入了分层小波扩散自编码器（HWDAE），一种生成式自监督模型，能够在生成训练中学习相关疾病特征	数据量有限且缺乏外部验证	提高帕金森病的准确诊断和疾病进展状态的精确估计	帕金森病患者的多巴胺转运体正电子发射断层扫描（DAT PET）图像	digital pathology	Parkinson's disease	diffusion models, self-supervised learning	HWDAE	3D DAT PET images	1,934 DAT PET images
770	2025-07-18	Machine and deep learning models for predicting high pressure density of heterocyclic thiophenic compounds based on critical properties 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09600-z PMID:40659686	研究论文	本研究利用机器学习和深度学习模型预测七种噻吩衍生物的高压密度	使用临界特性作为输入参数，并展示了LightGBM模型在预测噻吩衍生物高压密度方面的优越性能	研究仅针对七种噻吩衍生物，可能不适用于其他类型的化合物	预测噻吩衍生物的高压密度，以支持材料科学应用	七种噻吩衍生物（噻吩、2-甲基噻吩、3-甲基噻吩、2,5-二甲基噻吩、2-噻吩甲醇、2-噻吩甲醛和2-乙酰噻吩）	机器学习	NA	机器学习和深度学习	DT, AdaBoost-DT, LightGBM, GBoost, TabNet, DNN	临界特性数据（临界温度、临界压力、临界体积、偏心因子、沸点和分子量）	七种噻吩衍生物的数据
771	2025-07-18	Evaluating the strength properties of high-performance concrete in the form of ensemble and hybrid models using deep learning techniques 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10860-y PMID:40659776	研究论文	本研究开发了混合和集成模型，利用深度学习技术预测高性能混凝土的抗压强度和坍落流动度	结合T-SFIS、GBMBoost和决策树等模型与元启发式算法（GWO、QPSO）在混合和集成框架中，显著提高了预测性能	研究仅基于191种混合物的数据集，样本量相对较小	预测高性能混凝土的抗压强度和坍落流动度	高性能混凝土（HPC）	机器学习	NA	深度学习	T-SFIS, GBMBoost, Decision Tree, GWO, QPSO	数值数据	191种混凝土混合物
772	2025-07-18	NeXtMD: a new generation of machine learning and deep learning stacked hybrid framework for accurate identification of anti-inflammatory peptides 2025-Jul-15, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02314-8 PMID:40660190	研究论文	提出了一种名为NeXtMD的新型混合框架，结合机器学习和深度学习技术，用于准确识别抗炎肽	NeXtMD框架整合了机器学习和深度学习组件，采用双模块堆叠策略和多分支残差网络（ResNeXt）来提升预测精度	未明确提及具体局限性	开发高性能计算框架以准确识别抗炎肽（AIPs），促进抗炎肽药物的发现和设计	抗炎肽（AIPs）	机器学习	炎症性疾病	机器学习和深度学习	ResNeXt	序列数据	未明确提及具体样本量
773	2025-07-18	A deep learning system for detecting systemic lupus erythematosus from retinal images 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102203 PMID:40570853	研究论文	开发了一个深度学习系统DeepSLE，用于从视网膜图像中检测系统性红斑狼疮及其视网膜和肾脏并发症	DeepSLE系统在多种族验证数据集中表现出色，并在不同性别、年龄、种族和社会经济地位的亚组中均展现出稳健性能	未提及具体的技术或数据限制	开发一种数字化解决方案，用于从视网膜图像中检测系统性红斑狼疮及其相关并发症	系统性红斑狼疮患者及其视网膜和肾脏并发症	数字病理学	系统性红斑狼疮	深度学习	DeepSLE	视网膜图像	247,718张来自中国和英国的图像
774	2025-07-18	Assessing MRI-based Artificial Intelligence Models for Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma: A Systematic Review and Meta-analysis 2025-Jul-15, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.030 PMID:40670226	meta-analysis	评估基于MRI的人工智能模型在术前预测肝细胞癌微血管侵犯中的性能	结合多模态成像和临床变量的MRI模型展现出更高的敏感性和特异性	存在显著的异质性和低GRADE证据水平，影响证据强度	术前预测肝细胞癌微血管侵犯	肝细胞癌患者	digital pathology	hepatocellular carcinoma	MRI-based AI	传统机器学习和深度学习	MRI图像和临床数据	2838例内部验证和1161例外部验证病例
775	2025-07-18	Harnessing AlphaFold to reveal hERG channel conformational state secrets 2025-Jul-14, eLife IF:6.4Q1 DOI:10.7554/eLife.104901 PMID:40658102	研究论文	利用AlphaFold揭示hERG通道构象状态的秘密，以提升药物安全筛选和设计更安全的治疗方法	通过精心选择的结构模板引导AlphaFold预测不同的功能状态，揭示了hERG通道的失活机制和增强药物结合的新分子特征	需要进一步实验验证AlphaFold预测的构象状态和药物结合特性	深入理解hERG通道的结构和功能，以提升药物安全筛选和设计更安全的治疗方法	hERG通道（K11.1）的构象状态	计算生物学	心血管疾病	AlphaFold、分子对接、分子动力学模拟	AlphaFold	蛋白质结构数据	NA
776	2025-07-18	Pathological omics prediction of early and advanced colon cancer based on artificial intelligence model 2025-Jul-14, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03119-5 PMID:40658261	研究论文	本研究开发了一种基于全切片图像的AI模型，用于预测结肠癌的分期	结合病理组学诊断，开发了深度学习模型，相比机器学习模型具有更高的图像识别能力和准确性	外部验证集的AUC较低，模型的泛化能力有待进一步验证	开发AI模型以辅助病理学家进行结肠癌分期诊断	结肠癌患者的病理切片	数字病理学	结肠癌	病理组学分析	深度学习算法	图像	100张病理切片作为训练集，421张来自TCGA数据库的病理切片作为外部验证集
777	2025-07-18	Identification of a 10-species microbial signature of inflammatory bowel disease by machine learning and external validation 2025-Jul-14, Cell regeneration (London, England) DOI:10.1186/s13619-025-00246-w PMID:40658318	研究论文	通过机器学习和外部验证，识别出10种微生物标志物用于炎症性肠病的诊断	利用XGBoost算法和变量分析，开发了10种微生物标志物的分类模型XGB-IBD10，并在不同人群中验证了其有效性	模型性能在不同人群中的表现可能存在差异，特别是在数据质量较低的情况下	提高炎症性肠病的诊断精确度	炎症性肠病患者	机器学习	炎症性肠病	宏基因组测序和16S测序	XGBoost	微生物组数据	181份粪便样本
778	2025-07-18	Uncertainty aware domain incremental learning for cross domain depression detection 2025-Jul-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10917-y PMID:40659724	研究论文	提出了一种不确定性感知的领域增量学习框架（UDIL-DD），用于跨领域抑郁症检测	整合了不确定性引导的自适应类别阈值学习（UACTL）和无数据领域对齐（DFDA）模块，解决了数据隐私、领域差异、类别不平衡和模型不确定性等问题	未提及具体样本量或数据隐私保护的具体措施	开发一种可靠的跨领域抑郁症检测方法	文本数据中的抑郁症检测	自然语言处理	抑郁症	深度学习	UDIL-DD（包含UACTL和DFDA模块）	文本	四个基准MDD数据集（CMDC、DIAC-WoZ、MODMA和EATD）
779	2025-07-18	AI-driven smart agriculture using hybrid transformer-CNN for real time disease detection in sustainable farming 2025-Jul-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10537-6 PMID:40659733	研究论文	该研究提出了一种新型深度学习框架AttCM-Alex，用于在具有挑战性的环境条件下增强植物病害的检测和分类	通过结合卷积操作与自注意力机制，AttCM-Alex有效解决了光照强度和图像噪声的变化问题，确保了稳健的性能	研究未提及在更广泛或不同种类的植物病害上的泛化能力	提高植物病害的早期和准确检测，以支持可持续农业和全球粮食安全	植物病害	计算机视觉	植物病害	深度学习	混合Transformer-CNN	图像	NA
780	2025-07-18	AFTG-Net: A Deep Attention-based Fusion Framework of Topological and Gradient Features for Pathological Image Analysis 2025-Jul-11, Research square DOI:10.21203/rs.3.rs-6710077/v1 PMID:40671798	research paper	本研究提出了一种基于注意力机制的深度学习框架AFTG-Net，用于骨骼肌病理图像的分类，结合了几何和拓扑描述符以提高分类准确性	AFTG-Net创新性地结合了拓扑数据分析（TDA）和梯度方向直方图（HOG）特征，采用交叉加权融合方法自适应平衡异构特征的贡献	研究仅针对ALS和I型糖尿病两种疾病进行了验证，未涵盖其他肌肉病理变化	开发一种自动化工具以提高骨骼肌病理图像分析的准确性和效率	WGA染色的骨骼肌组织病理图像（来自野生型和疾病模型）	digital pathology	amyotrophic lateral sclerosis, diabetes	Topological Data Analysis (TDA), Histogram of Oriented Gradients (HOG)	AFTG-Net (attention-based deep learning framework)	image	WGA染色的骨骼肌图像（来自野生型、G93A*SOD1 ALS模型和Akita I型糖尿病模型）