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
821	2025-08-29	Federated Transfer Learning for Low-dose PET Denoising: A Pilot Study with Simulated Heterogeneous Data 2023-Mar, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2022.3194408 PMID:37789946	研究论文	提出一种联邦迁移学习框架，用于处理模拟异构数据的低剂量PET图像去噪	首次将联邦迁移学习应用于低剂量PET去噪，解决了不同机构间数据分布差异大的问题	基于模拟数据的研究，尚未在真实临床数据上验证	开发一种能够利用异构低剂量PET数据进行去噪的隐私保护方法	低剂量PET图像数据	医学图像处理	NA	深度学习，联邦学习，迁移学习	深度学习模型	医学图像	模拟多机构数据
822	2025-08-29	The Application of Artificial Intelligence Technology in Art Teaching Taking Architectural Painting as an Example 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8803957 PMID:35619771	研究论文	本研究探讨人工智能技术在艺术教学中的应用，以建筑绘画为例，提出了一种结合L-BFGS算法的轻量级深度学习模型	将L-BFGS优化算法首次应用于艺术教学领域，并实现了97-98%的高精度表现	NA	研究人工智能技术在艺术教学中的具体应用方法与效果	建筑绘画艺术教学	机器学习	NA	深度学习，L-BFGS算法，互联网技术，无线传感器网络(WSNs)	轻量级深度学习模型	图像数据	NA
823	2025-08-29	The 2019 n2c2/OHNLP Track on Clinical Semantic Textual Similarity: Overview 2020-Nov-27, JMIR medical informatics IF:3.1Q2 DOI:10.2196/23375 PMID:33245291	研究论文	本文概述了2019年n2c2/OHNLP临床语义文本相似性评测任务，包括数据集发布、参与团队表现及技术方法总结	首次在临床领域组织大规模语义文本相似性评测，并发布真实临床文本数据集	评测主要基于特定电子病历系统（GE和Epic）的文本，可能限制泛化能力	推动自然语言处理和生物医学信息学社区解决临床领域的语义文本相似性任务	临床文本句子对	自然语言处理	NA	语义文本相似性计算	BERT, XLNet	文本	1642对临床句子（来自GE和Epic电子病历系统）
824	2025-08-12	Deep learning with ensemble-based hybrid AI model for bipolar and unipolar depression detection using demographic and behavioral based on time-series data 2025-12, Dialogues in clinical neuroscience DOI:10.1080/19585969.2025.2524337 PMID:40588165	research paper	该研究提出了一种基于深度学习和集成学习的混合AI模型，用于通过人口统计和行为时间序列数据检测双相和单相抑郁症	结合了结构化人口统计特征与合成活动图时间序列数据，采用XGBoost集成和深度CNN进行建模，提高了分类性能和预测准确性	尚未经过临床验证，仅作为未来真实世界数据集研究的方法学基础	开发自动化检测双相和单相抑郁症的方法	双相和单相抑郁症患者	machine learning	geriatric disease	XGBoost, CNN, SHAP, Grad-CAM	hybrid AI model (XGBoost + CNN)	time-series data, demographic data	NA
825	2025-08-12	Deep learning-enhanced multi-modal modeling for electrosorption performance prediction via Nyquist plots 2025-Oct-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2025.122069 PMID:40473194	研究论文	本研究开发了一种基于深度学习的多模态模型，用于预测Cr(VI)的去除效率和Cr(III)的再生效率，结合了不同退火温度下阴极电极的电化学特性及关键工艺参数	首次将Nyquist图电化学表征与关键工艺参数结合，构建多模态模型，并证明CNN在提高预测精度中的必要性	未明确说明样本量及模型在其他电吸附系统中的泛化能力	开发高精度预测电吸附系统性能的模型	流经式电吸附系统中的Cr(VI)和Cr(III)	机器学习	NA	电化学表征（Nyquist图）、ANN、CNN、SHAP分析	ANN、CNN	电化学数据、工艺参数	NA
826	2025-08-12	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	研究论文	开发基于多参数乳腺MRI的放射组学和深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	结合放射组学和深度学习技术，开发多参数MRI模型，显著提高了预测Ki-67表达的准确性	样本量相对较小（176例患者），且未进行外部验证	预测乳腺癌术前Ki-67表达状态，以推进个体化治疗和精准医疗	176例浸润性乳腺癌患者	数字病理学	乳腺癌	多参数MRI（T1WI、DWI、T2WI、DCE-MRI）	深度学习模型	医学影像	176例浸润性乳腺癌患者
827	2025-08-12	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	本研究评估了联邦学习在多中心MRI数据集上用于肾肿瘤分割和分类的性能和可靠性	使用联邦学习（FL）作为隐私保护解决方案，在多中心数据集上训练深度学习模型，以解决数据共享限制问题	研究为回顾性多中心研究，可能存在选择偏倚	评估联邦学习在肾肿瘤分割和分类中的性能	987名来自六家医院的患者（403名女性），其中73%患有恶性肾肿瘤	数字病理	肾肿瘤	MRI（T2加权成像和对比增强T1加权成像序列）	nnU-Net（分割）和ResNet（分类）	MRI图像	987名患者（785名训练，104名验证，99名测试）
828	2025-08-12	Refining cardiac segmentation from MRI volumes with CT labels for fine anatomy of the ascending aorta 2025-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00926-x PMID:40553227	研究论文	本研究评估了一种基于CT引导的MRI心脏分割细化方法，专注于保留Valsalva窦的详细形状	利用CT标签来细化MRI心脏分割，特别是针对Valsalva窦的复杂结构	定量分割精度略有下降，且无法验证Valsalva窦附近凸起结构的改进	提高心脏MRI分割的精度，特别是针对Valsalva窦等复杂结构	心脏MRI和CT图像	数字病理	心血管疾病	深度学习，非刚性配准	nnU-Net	MRI和CT图像	20个MRI体积和20个CT体积
829	2025-08-12	Content-based X-ray image retrieval using fusion of local neighboring patterns and deep features for lung disease detection 2025-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00932-z PMID:40610682	研究论文	本文介绍了一种基于内容的医学图像检索系统，用于检测和检索肺部疾病病例，以辅助医生和放射科医生进行临床决策	结合了基于纹理的特征（LBP）和深度学习特征（来自预训练的CNN模型），以优化图像检索性能	未提及具体的数据集规模或多样性限制	提高肺部疾病图像检索的准确性和效率，以支持临床决策	肺部疾病病例的X射线图像	数字病理学	肺部疾病	Local Binary Patterns (LBP), CNN	VGG-16, DenseNet121, InceptionV3	图像	NA
830	2025-08-12	AF3Score: A Score-Only Adaptation of AlphaFold3 for Biomolecular Structure Evaluation 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00653 PMID:40671257	研究论文	本文介绍了一种名为AF3Score的评分模型，该模型基于AlphaFold3改进，用于生物分子结构的评估	AF3Score通过直接输入坐标到置信度头部，绕过了基于扩散的结构模块，避免了现有AlphaFold2实现中的输入结构迭代细化导致的评分偏差	NA	开发一种更准确的生物分子结构评分方法	单体蛋白质、蛋白质-蛋白质复合物、从头设计的结合物、折叠切换蛋白质和蛋白质-配体复合物	机器学习	NA	深度学习	AlphaFold3	生物分子结构数据	在10个目标中的8个上进行了基准测试
831	2025-08-12	Transfer Learning for Predicting ncRNA-Protein Interactions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00914 PMID:40679953	research paper	该论文提出了一种基于迁移学习的框架Transfer-RPI，用于预测非编码RNA与蛋白质的相互作用，以提高预测准确性	利用RiNALMo和ESM模型从RNA和蛋白质序列中提取全面特征，通过迁移学习增强小数据集上的预测性能	依赖于现有数据集的质量和规模，可能无法涵盖所有类型的ncRNA-蛋白质相互作用	开发一种高效准确的非编码RNA与蛋白质相互作用预测方法	非编码RNA与蛋白质的相互作用	machine learning	NA	transfer learning, deep feature learning	RiNALMo, ESM	RNA and protein sequences	RPI369, RPI488, RPI1807, RPI2241, and NPInter v2.0 datasets
832	2025-08-12	m5U-HybridNet: Integrating an RNA Foundation Model with CNN Features for Accurate Prediction of 5-Methyluridine Modification Sites 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01237 PMID:40693567	research paper	介绍了一种名为m5U-HybridNet的创新框架，用于准确预测RNA中的5-甲基尿苷修饰位点	结合了RNA基础模型（RNA-FM）和卷积神经网络（CNN）特征，实现了RNA m5U修饰位点的高精度识别	未提及具体局限性	提高RNA中5-甲基尿苷修饰位点的预测准确性	RNA中的5-甲基尿苷（m5U）修饰位点	computational biology	NA	RNA-FM, CNN	m5U-HybridNet（结合RNA-FM和CNN）	RNA序列数据	未提及具体样本数量
833	2025-08-12	Prediction of Fraction Unbound in Human Plasma for Per- and Polyfluoroalkyl Substances: Evaluating Transfer Learning as an Algorithmic Solution to the Problem of Sparse Data 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01040 PMID:40693597	研究论文	本文提出了一种新的机器学习方法，用于改进特定化学类别（包括全氟和多氟烷基物质PFAS）的血浆未结合分数（fraction unbound in plasma）的定量结构-活性关系（QSAR）建模	提出了一种跨化学空间的迁移学习策略，使用在大规模化学库上训练的深度学习模型，并在PFAS小数据集上进行微调，以提高统计性能	由于数据的稀疏性和不平衡性，对于PFAS类化学物质，先前的全局模型仍然更具竞争力	改进血浆未结合分数的QSAR建模，特别是针对PFAS类化学物质	全氟和多氟烷基物质（PFAS）及其他小化学家族	机器学习	NA	定量结构-活性关系（QSAR）建模，迁移学习	深度学习模型，随机森林	化学结构数据	小数据集（具体数量未提及）
834	2025-08-12	Uncertainty-Informed Screening for Safer Solvents Used in the Synthesis of Perovskites via Language Models 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00612 PMID:40694668	研究论文	提出一种结合BERT/ELMo和GPT的集成方法，用于在钙钛矿合成中识别溶剂，以提高数据提取的准确性和可靠性	结合确定性模型（BERT/ELMo）和生成模型（GPT）的优点，通过集成方法提高数据提取的准确性和上下文深度	在提高精度的同时牺牲了召回率，且缺乏该领域的基准数据集	开发一种自动数据提取方法，用于钙钛矿合成中溶剂的高精度识别	钙钛矿及其相关溶剂	自然语言处理	NA	BERT, ELMo, GPT	集成模型（BERT/ELMo + GPT）	文本	部分论文用于手动验证作为参考集
835	2025-08-12	MMF-MCP: A Deep Transfer Learning Model Based on Multimodal Information Fusion for Molecular Feature Extraction and Carcinogenicity Prediction 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01362 PMID:40711460	research paper	提出了一种基于多模态信息融合的深度迁移学习模型MMF-MCP，用于分子特征提取和致癌性预测	结合图注意力网络、卷积神经网络和深度残差网络SE-ResNet18提取分子特征，并采用迁移学习策略提升模型性能	数据质量和特征丰富度可能仍存在限制	提高分子致癌性预测的准确性、鲁棒性和可解释性	分子致癌性	machine learning	cancer	deep transfer learning, multimodal information fusion	GAT, CNN, SE-ResNet18	molecular graph features, fingerprint features, molecular images	benchmark datasets for molecular carcinogenicity
836	2025-08-12	Benchmarking 3D Structure-Based Molecule Generators 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01020 PMID:40711830	研究论文	本文创建了一个新的基准测试，用于评估3D组合和深度学习生成器在重现重要蛋白质-配体相互作用和3D配体构象方面的表现	提出了一个专注于蛋白质-配体相互作用和3D配体构象重现的新基准测试，评估了多种生成方法的优缺点	深度学习方法无法生成结构有效的分子和3D构象，而组合方法速度慢且生成的分子容易无法通过2D MOSES过滤器	评估和改进3D结构基础的分子生成方法	蛋白质-配体相互作用和3D配体构象	机器学习	NA	深度学习、组合遗传算法	序列图神经网络（Pocket2Mol、PocketFlow）、扩散模型（DiffSBDD、MolSnapper）、遗传算法（AutoGrow4、LigBuilderV3）	3D结构数据	BindingMOAD数据集（包含保留的盲测集）
837	2025-08-12	Representation of Molecules by Sequences of Instructions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00354 PMID:40720985	research paper	提出了一种基于指令序列的分子表示方法，以解决分子图结构复杂性带来的计算智能处理挑战	定义了一个精简指令集，确保所有字符串均有效且字符串的微小变化对应分子的小幅修改，适用于深度学习方法	未明确说明该方法在大规模分子数据集上的性能表现及与现有方法的对比结果	开发适用于计算智能系统的分子表示方法	分子图结构	computational chemistry	NA	指令序列编码	deep learning	molecular graph	NA
838	2025-08-12	DGMM: A Deep Learning-Genetic Algorithm Framework for Efficient Lead Optimization in Drug Discovery 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01017 PMID:40736165	research paper	介绍了一种名为DGMM的新型计算框架，结合深度学习和遗传算法，用于药物发现中的高效分子优化	DGMM算法通过整合变分自编码器和遗传算法，引入支架约束和多目标优化策略，显著提高了分子优化的效率和效果	未明确提及研究的局限性	解决药物发现中先导化合物优化中的结构多样性与核心分子特征保持之间的平衡问题	药物分子，特别是针对CHK1、CDK2和HDAC8等靶点的化合物	machine learning	NA	深度学习、遗传算法、变分自编码器(VAE)、蒙特卡洛搜索、马尔可夫过程	VAE	分子结构数据	针对三个不同靶点(CHK1、CDK2和HDAC8)进行了广泛的回顾性验证，并在前瞻性研究中发现了新的ROCK2抑制剂
839	2025-08-12	SMILES Token Additivity Model with Interpretability and Generalizability for Fuel Property Predictions 2025-Aug-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00986 PMID:40719477	研究论文	提出了一种基于SMILES标记可加性模型（STA）用于准确预测燃料性质，该模型通过量化单个标记对目标性质的贡献，提供了结构-性质关系的深入理解	STA模型无需手工制作的分子指纹，能够泛化到广泛的结构相关性质，同时通过堆叠多头自注意力编码器提取分子结构信息，实现了可解释性和泛化性	NA	开发一种具有可解释性和泛化性的深度学习模型，用于预测燃料的定量结构-性质关系（QSPR）	燃料的七种关键性质：标准生成焓（Δ°）、熵（）、等压热容（）、十六烷值（CN）、沸点（BP）、熔点（MP）和闪点（FP）	机器学习	NA	SMILES标记可加性模型（STA）	堆叠多头自注意力编码器	分子结构数据（SMILES）	NA
840	2025-08-12	A Novel Framework for Multimodal Brain Tumor Detection With Scarce Labels 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467343 PMID:39325615	研究论文	提出了一种名为Double-SimCLR的新型无监督学习框架，用于多模态脑肿瘤检测	基于对比学习的双分支结构，直接同时处理MRI和CT图像进行多模态特征融合，并引入自适应权重掩码技术和多模态注意力机制	未提及具体的数据集规模或实验细节	解决多模态数据融合和医学图像分析中标注数据稀缺的问题	脑肿瘤检测	数字病理学	脑肿瘤	MRI和CT成像	Double-SimCLR（基于对比学习的双分支结构）	图像（MRI和CT）	NA