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
8101	2025-10-06	Enhancing Toxicity Prediction of Synthetic Chemicals via Novel SMILES Fragmentation and Interpretable Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01042 PMID:40856693	研究论文	提出一种结合SMILES片段化策略与一维卷积神经网络的深度学习框架，用于预测合成化学品的毒性和结构警报	开发了四种SMILES片段化方法并生成专用分词器，构建了可解释的深度学习模型SFDL-GenTok	在10个毒性终点中仅对6个表现出稳健预测性能	提高合成化学品的毒性预测准确性和可解释性	合成化学品	机器学习	NA	SMILES片段化	CNN	化学结构数据	581537个PubChem化合物用于训练，28160个合成化学品用于预测	NA	1D CNN	AUC, PRAUC	NA
8102	2025-10-06	MultiSAAl: Sequence-Informed Antibody-Antigen Interaction Prediction Using Multiscale Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01511 PMID:40874985	研究论文	提出一种基于多尺度深度学习的序列信息抗体-抗原相互作用预测框架MultiSAAI	首次明确考虑抗体重链和轻链在抗原结合中的不同作用，整合多尺度特征并采用多尺度网络架构同时评估全局残基对兼容性和局部氨基酸适应性	未明确说明模型的计算复杂度和对特定抗体类型的泛化能力	开发准确的序列信息抗体-抗原相互作用预测方法以支持治疗性抗体开发	抗体-抗原相互作用	生物信息学	传染病	深度学习，语言模型嵌入	多尺度深度学习网络	蛋白质序列数据，理化性质，几何约束，残基可替换性	通用抗体-抗原相互作用数据集和SARS-CoV-2数据集	NA	多尺度网络架构	AUROC	NA
8103	2025-10-06	Optimized node-level capsule graph neural network for subject-independent emotion recognition from EEG signals 2025-Sep-08, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2025.2541792 PMID:40916628	研究论文	提出一种基于优化节点级胶囊图神经网络的主体独立脑电信号情绪识别方法	首次将食人鱼觅食优化算法与节点级胶囊图神经网络结合，用于主体独立的脑电情绪识别	未提及数据集规模和多样性限制，未说明计算资源需求	开发高精度主体独立脑电情绪识别模型	脑电信号对应的平静、快乐、悲伤和愤怒四种情绪状态	机器学习	NA	脑电信号处理，振动模式分解	图神经网络，胶囊网络	脑电信号	NA	Python	节点级胶囊图神经网络	准确率，精确率，召回率，特异性，F1分数，RoC	NA
8104	2025-10-06	Artificial Intelligence in Contact Dermatitis: Current and Future Perspectives 2025-Sep-08, Dermatitis : contact, atopic, occupational, drug IF:4.0Q1 DOI:10.1177/17103568251376647 PMID:40916798	综述	本文综述了人工智能在接触性皮炎诊断和管理中的当前应用与未来前景	首次系统总结了AI在接触性皮炎领域的三大应用方向：基于图像的斑贴试验解读、生物标志物发现和患者风险分析	存在数据集偏差、缺乏标准化和模型可解释性不足等限制	探索人工智能如何提高接触性皮炎的诊断准确性、效率和可及性	接触性皮炎患者，包括过敏性接触性皮炎和刺激性接触性皮炎	数字病理学	接触性皮炎	斑贴测试、转录组学分析	CNN, 机器学习算法	图像、临床数据、转录组数据	基于12项原始研究	NA	卷积神经网络	诊断准确率	NA
8105	2025-10-06	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated with Neoadjuvant Chemotherapy 2025-Sep-08, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究开发了一种整合超声和多序列MRI的深度学习放射组学列线图模型，用于预测接受新辅助化疗的三阴性乳腺癌患者的预后	首次将超声和多序列MRI的深度学习放射组学特征与临床参数结合构建预后预测模型	回顾性研究设计，样本量相对较小（103例），需要更大规模的前瞻性验证	评估深度学习放射组学列线图在预测三阴性乳腺癌患者新辅助化疗后生存、复发和转移的预后性能	经组织病理学确诊的三阴性乳腺癌患者	数字病理	乳腺癌	超声成像，多序列磁共振成像，深度学习放射组学	深度学习放射组学模型	二维超声图像，三维MRI图像	103例三阴性乳腺癌患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
8106	2025-10-06	A transfer learning-enhanced deep learning framework for efficient and interpretable soil heavy metal pollution prediction under data scarcity and spatial heterogeneity 2025-Sep-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138926 PMID:40516468	研究论文	提出一种基于迁移学习的深度学习框架，用于在数据稀缺和空间异质性条件下预测土壤重金属污染	结合迁移学习与卷积神经网络，集成多源异构数据，并引入GradSHAP可解释性模块	研究区域限于韶关市，数据稀缺问题可能在其他地区表现不同	开发高效可解释的土壤重金属污染预测方法	土壤重金属污染	机器学习	NA	遥感技术、网络数据采集、现场采样	CNN	遥感数据、网络数据、现场采样数据、空间区域化特征	韶关市2018-2022年数据	NA	TL-CNN	准确率	NA
8107	2025-10-06	Enhancing cybersecurity in virtual power plants by detecting network based cyber attacks using an unsupervised autoencoder approach 2025-Sep-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01863-w PMID:40913053	研究论文	提出一种基于无监督自编码器的深度学习方法，用于检测虚拟电厂中的虚假数据注入攻击	首次将无监督自编码器应用于虚拟电厂网络安全领域，通过重构误差分析实现高精度异常检测	研究基于仿真数据，未在真实虚拟电厂环境中验证	增强物联网能源系统的网络安全，保护虚拟电厂运营安全	虚拟电厂系统中的网络攻击检测	机器学习	NA	深度学习	Autoencoder	时间序列数据	1000天的时间序列数据	NA	Autoencoder	准确率	MATLAB Simulink
8108	2025-10-06	ESCMID workshop: Artificial Intelligence and Machine Learning in Medical Microbiology Diagnostics 2025-Sep-05, Microbes and infection IF:2.6Q3 DOI:10.1016/j.micinf.2025.105562 PMID:40915468	workshop summary	介绍ESCMID举办的关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容	聚焦医学微生物学诊断领域，整合AI/ML技术应用于病原体识别、抗生素敏感性预测和疫情检测	NA	探讨AI和机器学习在医学微生物学诊断中的机遇与挑战	医学微生物学诊断技术	machine learning	infectious diseases	全基因组测序, MALDI-TOF质谱, 数字显微镜	deep learning	genomic data, microscopy images, mass spectrometry data	NA	NA	NA	NA	NA
8109	2025-10-06	[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges] 2025-Sep-04, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05692 PMID:40066572	综述	探讨生成式人工智能ChatGPT在临床营养领域的应用进展与挑战	系统评估ChatGPT在临床营养管理中的创新应用，包括营养评估、个性化干预和患者监测	缺乏非语言线索解读能力、无法进行体格检查、多病症整合能力不足、膳食计划存在热量偏差和微量营养素失衡	分析ChatGPT在临床营养管理中的应用潜力与局限性	临床营养管理中的患者数据与营养干预策略	自然语言处理	NA	机器学习,深度学习	生成式AI	临床记录文本数据	NA	NA	ChatGPT	准确率	NA
8110	2025-10-06	Technical system of electroencephalography-based brain-computer interface: Advances, applications, and challenges 2025-Sep-03, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00217 PMID:40903968	综述	系统分析基于脑电图的脑机接口技术体系在信号采集、范式设计、解码算法和应用领域的进展与挑战	提出基于脑电图的脑机接口四大支柱系统分析框架，涵盖从非侵入式电极到多模态融合的前沿技术	长期信号稳定性不足，存在视觉认知疲劳，跨设备兼容性差，处理需求高	弥合脑机接口技术与实际应用之间的差距，指导未来研究方向	脑电图信号处理与脑机接口系统	生物医学工程	脑卒中	脑电图，肌电图，眼动追踪	深度学习	神经信号，生理信号	NA	NA	NA	NA	NA
8111	2025-10-06	Anatomical-Marker-Driven 3D Markerless Human Motion Capture 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3424869 PMID:38980775	研究论文	提出一种基于解剖标志的3D无标记运动捕捉方法，通过深度学习从RGB图像估计2D解剖关键点并重建3D标记位置	使用基于标记运动捕捉系统的解剖标志创建高质量数据集，直接学习从图像预测解剖关键点，而非增强三角化的野生关键点	仅在10名受试者上进行评估，样本规模有限	提高无标记运动捕捉系统的精度，促进其在生物力学研究中的广泛应用	人体运动捕捉	计算机视觉	NA	RGB相机采集，基于射线的三角测量	深度神经网络	图像	10名受试者执行各种运动	NA	NA	平均欧几里得误差	NA
8112	2025-10-06	Multiview Deep Learning-Based Efficient Medical Data Management for Survival Time Forecasting 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422180 PMID:38954570	研究论文	提出一种基于多视图深度学习的高效医疗数据管理框架MDL-MDM，用于癌症患者的生存时间预测	引入集成深度学习思想，结合卷积神经网络、图注意力网络和图卷积网络构建混合计算框架，实现多视图特征学习	仅使用美国癌症患者数据，缺乏多媒体信息，可能影响模型泛化能力	通过多视图深度学习提升远程医疗管理中生存时间预测的准确性	癌症患者的生理指标监测数据	机器学习	癌症	生理指标监测	CNN, GAT, GCN	医疗监测数据	美国癌症患者数据集（具体数量未说明）	NA	卷积神经网络, 图注意力网络, 图卷积网络	预测误差	NA
8113	2025-10-06	Efficient Training of Probabilistic Neural Networks for Survival Analysis 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417369 PMID:38905091	研究论文	本文研究在生存分析中如何高效训练概率神经网络而不增加模型复杂度	首次在生存分析中系统比较VI、MCD和SNGP三种概率方法，证明非VI方法在保持性能的同时能提供更好的校准不确定性估计	研究主要基于MIMIC-IV数据集，需要在更多数据集上验证方法的普适性	探索在大型数据集中训练深度概率生存模型的高效方法	生存分析中的概率神经网络模型	机器学习	NA	变分推断、蒙特卡洛Dropout、谱归一化神经高斯过程	概率神经网络	临床数据	MIMIC-IV数据集	NA	NA	一致性指数, 平均绝对误差, C校准, D校准	NA
8114	2025-10-06	AI-Enhanced Lung Cancer Prediction: A Hybrid Model's Precision Triumph 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3447583 PMID:39172617	研究论文	本研究提出了一种结合CNN和BiLSTM的混合深度学习模型，用于从患者医疗记录中预测肺癌	首次将CNN和BiLSTM混合架构应用于肺癌预测任务，在MIMIC IV数据集上取得了优于LSTM和BioBERT模型的性能表现	未明确说明模型在临床环境中的实际应用验证情况	开发高精度的肺癌早期检测人工智能模型	肺癌患者医疗记录文本数据	自然语言处理	肺癌	深度学习	CNN, BiLSTM	文本	基于MIMIC IV数据集和Yelp Review Polarity数据集	NA	CNN, BiLSTM	MCC, 准确率	NA
8115	2025-10-06	Unipolar voltage electroanatomic mapping detects structural atrial remodeling identified by LGE-MRI 2025-Sep, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.10.015 PMID:39396602	研究论文	本研究探讨单极电压电解剖标测与延迟钆增强磁共振成像在检测心房结构重构中的相关性	首次系统比较单极与双极低电压区在识别LGE-MRI确定的纤维化区域方面的性能差异	样本量较小（仅20例患者），需更大规模研究验证	探索单极和双极低电压区与LGE-MRI识别的心房纤维化区域的关系	计划接受房颤消融术的20例患者	数字病理	心血管疾病	电解剖标测，延迟钆增强磁共振成像，深度学习分割	深度学习	医学影像，电生理数据	20例房颤患者	NA	NA	精确率，灵敏度，F1分数，准确率	NA
8116	2025-10-06	A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487004 PMID:39466875	研究论文	提出一种基于细胞核特征的肾细胞癌组织病理学分级新框架NuAP-RCC	首次将细胞核级特征与图神经网络结合用于肾细胞癌分级，提出核特征辅助的patch级分级框架	仅针对patch级分级，未扩展到整个切片级别	开发自动化的肾细胞癌组织病理学分级方法	肾细胞癌组织病理图像	数字病理	肾细胞癌	组织病理学成像	CNN, GNN	图像	来自不同医疗机构的多中心数据集，包含新提出的patch级RCC分级数据集	NA	图神经网络，卷积神经网络	准确率	NA
8117	2025-10-06	Automatic detection of temporomandibular joint osteoarthritis radiographic features using deep learning artificial intelligence. A Diagnostic accuracy study 2025-09, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.102124 PMID:39488247	研究论文	本研究开发了一种基于深度学习的AI模型，用于自动检测颞下颌关节骨关节炎的影像学特征	首次将YOLO目标检测深度学习模型应用于颞下颌关节骨关节炎的影像学特征自动识别	除皮质下囊肿检测外，其他特征与放射科医师评估无显著差异，但样本来源单一	评估AI模型在颞下颌关节骨关节炎影像学确认中的诊断性能	接受锥形束CT检查的成年患者	计算机视觉	颞下颌关节骨关节炎	锥形束计算机断层扫描	YOLO	医学影像	NA	NA	YOLO	灵敏度,特异性,准确率,ROC曲线下面积	NA
8118	2025-10-06	Personalized Video-Based Hand Taxonomy Using Egocentric Video in the Wild 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495699 PMID:39527414	研究论文	通过自我中心视频开发个性化手部抓握分类法，用于自然环境下手部功能分析	提出无需先验分类法的个性化手部抓握识别方法，结合姿态和外观数据的深度学习模型	样本量较小(19名参与者)，聚类纯度存在较大变异(67.6% ± 24.2%)	开发自然环境下个性化手部抓握分类系统	颈椎脊髓损伤患者的手部抓握动作	计算机视觉	脊髓损伤	自我中心视频记录	深度学习	视频	19名颈椎脊髓损伤患者	NA	NA	聚类纯度, 冗余度	NA
8119	2025-10-06	Addressing Multiple Challenges in Early Gait Freezing Prediction for Parkinson's Disease: A Practical Deep Learning Approach 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522664 PMID:40030782	研究论文	提出一种用于帕金森病患者步态冻结早期预测的深度学习框架PhysioGPN，通过知识蒸馏技术减少对多传感器的依赖	结合四大关键策略：大卷积核检测渐进运动变化、多维多尺度卷积解析运动协调复杂性、双塔结构捕捉步态自相似性和不对称性、多领域注意力促进跨领域信息交换	NA	解决帕金森病步态冻结预测中的多重挑战，包括预测间隔短、患者间泛化能力有限和多传感器不便性	帕金森病患者的步态冻结事件	医疗人工智能	帕金森病	可穿戴传感器技术	深度学习,CNN	运动传感器数据	NA	深度学习框架	PhysioGPN,双塔结构,多维多尺度卷积	AUC	NA
8120	2025-10-06	End-to-End Prediction of Knee Osteoarthritis Progression With Multimodal Transformers 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536170 PMID:40031337	研究论文	本研究使用多模态Transformer模型预测膝骨关节炎的进展	首次采用端到端Transformer模型融合多模态膝关节成像数据，并分析不同时间跨度的预测性能	研究结果仍需进一步验证，证据仍处于初步阶段	预测膝骨关节炎的疾病进展	膝骨关节炎患者	医学影像分析	膝骨关节炎	多模态成像（X射线、结构MRI、成分MRI）	Transformer	医学影像	3967/2421例来自骨关节炎倡议数据库	NA	Transformer	ROC AUC, Average Precision	NA