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
941	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
942	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
943	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）
944	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
945	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
946	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
947	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
948	2025-08-12	A Deep Learning-Based Multimodal Fusion Model for Recurrence Prediction in Persistent Atrial Fibrillation Patients 2025-Aug, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16733 PMID:40406972	研究论文	本研究提出了一种基于深度学习的多模态融合模型，用于预测持续性心房颤动患者消融术后的复发风险	创新性地结合AF节律心电图信号与临床特征，构建深度学习模型以提高预测性能	样本量较小（77例患者），可能影响模型的泛化能力	提高持续性心房颤动患者消融术后复发风险的预测准确性，支持个性化临床决策	持续性心房颤动（PeAF）患者	数字病理学	心血管疾病	深度学习，多模态融合	基于残差块网络结构的深度学习模型	心电图信号（ECG），临床评分，基线特征	77例PeAF患者
949	2025-08-12	Bedside Ultrasound Vector Doppler Imaging System With GPU Processing and Deep Learning 2025-08, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3582773 PMID:40553667	研究论文	介绍了一种新型的抗混叠矢量多普勒成像系统，结合GPU处理和深度学习技术，可在床边进行血管评估	开发了一种抗混叠的矢量多普勒成像系统，支持实时成像和高帧率回放模式，解决了现有技术中的混叠伪影问题	未提及具体临床应用中的广泛验证或系统在不同血管条件下的普适性	推动矢量血流成像技术在临床中的应用，提供更全面的血管评估	血管血流动态	医学影像处理	NA	平面波多角度矢量多普勒、GPU处理、深度学习	深度学习	超声图像	狭窄模型实验和人类分叉成像扫描
950	2025-08-12	Predicting municipal solid waste generation using artificial intelligence: A hybrid approach of entropy analysis and SHAP for optimal feature selection 2025-Aug, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.115012 PMID:40639006	研究论文	本研究采用混合方法结合互信息(MI)和SHAP进行特征选择，以提高城市固体废物(MSW)生成的预测准确性	提出了一种结合MI和SHAP的混合方法进行特征选择，提高了MSW生成的预测准确性	在数据质量较差的地区(如Boralesgamuwa)模型表现不佳，突显了高质量一致数据的重要性	提高城市固体废物生成的预测准确性	城市固体废物(MSW)生成	机器学习	NA	互信息(MI), SHAP	FFNN, LSTM	气象和社会经济数据	来自美国奥斯汀、澳大利亚巴拉瑞特和斯里兰卡Boralesgamuwa三个城市的数据
951	2025-08-12	Predicting In-Hospital Mortality in Intensive Care Unit Patients Using Causal SurvivalNet With Serum Chloride and Other Causal Factors: Cross-Country Study 2025-Jul-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/70118 PMID:40706028	研究论文	本研究通过大规模跨国多队列研究，分析ICU患者入院时血清氯水平与院内死亡率的关系，并建立个性化生存曲线预测深度学习模型	首次将血清氯水平作为预后指标纳入ICU环境，开发了Causal SurvivalNet模型进行个性化生存预测	研究结果可能受到不同国家医疗体系和数据收集方式差异的影响	提高ICU患者风险分层和临床决策的准确性	ICU患者	医疗数据分析	重症监护	因果图分析、限制性立方样条、Cox比例风险模型、深度学习	Causal SurvivalNet	临床数据	189,462名ICU患者（来自美国和中国四个队列）
952	2025-08-12	Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study 2025-Jul, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01205-3 PMID:40304887	研究论文	探讨视网膜年龄差距（深度学习预测的视网膜年龄与实际年龄的差异）作为日本人群系统性健康潜在生物标志物的研究	使用深度学习模型预测视网膜年龄，并首次将其作为系统性健康的生物标志物进行研究	纵向分析未显示基线视网膜年龄差距与疾病发病之间的显著关联	研究视网膜年龄差距与系统性健康之间的关联	日本人群	数字病理学	心血管疾病	深度学习	深度学习模型	图像	调优队列2,261人，分析队列6,070人
953	2025-08-12	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-May, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	research paper	评估多模态人工智能模型在非洲和非非洲裔男性前列腺癌三期试验中的算法公平性	使用多模态AI深度学习系统结合数字组织病理学和临床数据，评估算法在不同种族亚组中的普适性和公平性	研究中包含少量未知或缺失种族状态的患者（0.5%）	评估AI工具在前列腺癌预后预测中的公平性和普适性	非洲裔和非非洲裔前列腺癌患者	digital pathology	prostate cancer	multimodal AI deep learning system	MMAI	digital histopathology and clinical data	5,708名患者（包括948名非洲裔和4,731名非非洲裔患者）
954	2025-08-12	Hyperspectral imaging with deep learning for quantification of tissue hemoglobin, melanin, and scattering 2024-09, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.9.093507 PMID:39247058	research paper	该研究利用深度学习分析高光谱图像，量化组织中的血红蛋白、黑色素和散射特性	使用人工神经网络(ANN)快速分析高光谱数据，相比传统最小二乘法速度提升4000倍以上	研究基于模拟数据训练，实际应用效果需进一步验证	开发快速量化组织光学特性的方法	人体活体组织	computer vision	NA	hyperspectral imaging	ANN	image	24,000组模拟数据 + 6000组测试数据
955	2025-08-12	A survey of brain functional network extraction methods using fMRI data 2024-08, Trends in neurosciences IF:14.6Q1 DOI:10.1016/j.tins.2024.05.011 PMID:38906797	综述	本文系统回顾了使用fMRI数据提取脑功能网络的经典和先进方法	涵盖了静态和动态功能网络提取方法，并讨论了各种方法的适用范围及未来改进方向	未提及具体方法的性能比较或实证研究结果	探索脑功能网络提取方法以揭示脑功能及脑部疾病的病理生理学机制	脑功能网络	神经影像学	脑部疾病	fMRI	矩阵分解、聚类、深度学习	fMRI数据	NA
956	2025-08-12	A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy 2024-06-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00828 PMID:38836467	研究论文	本研究结合前沿方法开发了一种新型肽基PROTAC药物开发范式，用于治疗雄激素性脱发	结合ProteinMPNN、RFdiffusion等AI工具设计肽基PROTAC药物，并整合透皮微针贴片技术进行给药	未提及临床试验结果或体内药效验证数据	开发针对雄激素受体(AR)的肽基PROTAC药物用于雄激素性脱发治疗	雄激素受体(AR)和Von Hippel-Lindau (VHL)蛋白	药物开发	雄激素性脱发	ProteinMPNN、RFdiffusion、Alphafold2-multimer、ZDOCK	深度学习模型	蛋白质结构数据	NA
957	2024-08-07	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum 2024-Jun-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006291 PMID:38752829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
958	2025-08-12	Deep learning-based identification of genetic variants: application to Alzheimer's disease classification 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac022 PMID:35183061	研究论文	提出了一种基于深度学习的三步法（SWAT-CNN）用于识别与表型相关的单核苷酸多态性（SNPs），并应用于阿尔茨海默病的分类	开发了一种新颖的三步法SWAT-CNN，结合卷积神经网络（CNN）和滑动窗口关联测试（SWAT）来识别与表型相关的SNPs，并构建疾病分类模型	方法在阿尔茨海默病数据集上进行了测试，但在其他疾病或更大规模数据集上的泛化能力尚未验证	开发一种基于深度学习的全基因组方法，用于识别与疾病相关的遗传变异并构建分类模型	阿尔茨海默病相关的单核苷酸多态性（SNPs）	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	CNN	基因组数据	981（认知正常老年人650名，阿尔茨海默病患者331名）
959	2025-08-12	Preparation and Mechanical Properties of High Silicon Molybdenum Cast Iron Materials: Based on Deep Learning Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4825356 PMID:39262918	研究论文	本研究探讨了高铬铸铁的静态腐蚀性能，以及钼和钒元素的添加与含量变化对其耐腐蚀性的影响，旨在获得性能更优、成本更低的高铬铸铁铸件	通过研究钼和钒元素的添加及含量变化对高铬铸铁耐腐蚀性的影响，结合亚临界处理工艺，优化高铬铸铁的微观结构和性能	研究主要关注静态腐蚀性能，未涉及动态工作环境下的性能表现	提高高铬铸铁的耐腐蚀性和耐磨性，同时降低成本	高铬铸铁材料	材料科学	NA	亚临界处理工艺	深度学习模型	实验数据	未明确说明
960	2025-08-11	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	该研究开发了一种基于深度学习的两阶段级联网络，用于在多中心非增强CT图像中自动识别肾上腺偶发瘤	首次提出使用两阶段级联网络（3D Res-Unet分割网络+分类器）实现肾上腺偶发瘤的自动识别，并在多中心数据上验证了模型性能	研究为回顾性设计，未在外部独立验证集上测试模型泛化能力	开发自动识别肾上腺偶发瘤的AI系统以辅助肾上腺疾病管理	肾上腺偶发瘤患者的非增强CT图像	数字病理	肾上腺疾病	深度学习	3D Res-Unet + 分类器的级联网络	CT图像	778例患者（443例训练/验证集，335例测试集）