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
9761	2025-10-06	Construction of a deep learning-based predictive model to evaluate the influence of mechanical stretching stimuli on MMP-2 gene expression levels in fibroblasts 2025-Jun-05, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01399-0 PMID:40474209	研究论文	构建基于深度学习的预测模型，评估机械拉伸刺激对成纤维细胞MMP-2基因表达水平的影响	首次开发基于反向传播神经网络的人工智能预测框架，解析机械拉伸对MMP-2基因表达的调控机制	模型基于有限数据集开发，需要进一步实验验证其临床适用性	研究机械拉伸刺激对MMP-2基因表达的调控机制，为慢性难愈性伤口治疗提供新策略	成纤维细胞	机器学习	慢性难愈性伤口	RT-PCR，机械拉伸刺激	反向传播神经网络	基因表达数据	336个MMP-2基因表达数据点	NA	反向传播神经网络	R2, RMSE, MAE	NA
9762	2025-10-06	A hybrid steganography framework using DCT and GAN for secure data communication in the big data era 2025-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01054-7 PMID:40467689	研究论文	提出一种结合离散余弦变换和生成对抗网络的混合隐写框架，用于大数据时代的安全数据通信	将传统DCT变换与深度学习GAN算法相结合，在空间域和频域同时利用深度学习技术，提供更灵活有效的隐写解决方案	NA	开发安全数据通信的隐写技术，确保数据传输的安全性	数字图像和敏感信息的安全隐藏与传输	计算机视觉	NA	离散余弦变换，生成对抗网络	GAN	图像	NA	NA	Xu Net, SR Net	均方误差，峰值信噪比，结构相似性指数，均方根误差，重建准确率	NA
9763	2025-10-06	Advancing prenatal healthcare by explainable AI enhanced fetal ultrasound image segmentation using U-Net++ with attention mechanisms 2025-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04631-y PMID:40467763	研究论文	开发了一种结合注意力机制的U-Net++胎儿超声图像分割框架，并通过可解释AI增强临床实用性	将U-Net++与ResNet骨干网络及注意力机制相结合，在低对比度噪声超声数据中实现最先进的分割精度，并集成Grad-CAM++提供模型决策解释	NA	开发准确自动化的胎儿超声图像分割技术以推动产前医疗发展	胎儿超声图像	计算机视觉	产前医疗	超声成像	CNN	图像	大量胎儿超声图像集合	NA	U-Net++, ResNet-34	Dice系数, IoU, Hausdorff距离	NA
9764	2025-10-06	Deep learning model applied to real-time delineation of colorectal polyps 2025-Jun-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03047-y PMID:40468304	研究论文	本研究开发了一种基于YOLACT的实时结直肠息肉分割模型，并在前瞻性记录的结肠镜视频中评估其性能	首次将YOLACT模型应用于医学领域的实时实例分割，开发了专门用于结直肠息肉实时描绘的RTPoDeMo模型	研究仅在有限的数据集上进行验证，需要更大规模的临床验证	评估深度学习模型在结肠镜检查中实时分割结直肠息肉的性能	结直肠息肉	计算机视觉	结直肠癌	结肠镜检查	实例分割模型	结肠镜图像和视频	2,188张结肠镜图像，36个专家检测的息肉	NA	YOLACT, YOLACT++, Mask-RCNN, ResNet50, ResNet101, DarkNet53	mAP, FPS, 准确率, 灵敏度, 特异性, F1分数, Cohen's Kappa系数	NA
9765	2025-10-06	Machine learning in dentistry and oral surgery: charting the course with bibliometric insights 2025-Jun-04, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-025-00521-w PMID:40468381	综述	通过文献计量学方法全面分析机器学习在牙科和口腔外科领域的应用现状与发展趋势	首次系统性地运用文献计量学分析机器学习在牙科和口腔外科领域的研究热点与演进路径	数据来源仅限于WoSCC数据库，可能存在收录偏差；未对原始研究的方法学质量进行深入评估	探索机器学习在牙科和口腔外科领域的研究趋势、热点主题和未来方向	2010-2024年间发表的2234篇相关学术文献	机器学习	口腔疾病	文献计量分析	传统机器学习算法,深度学习算法	文献元数据	2234篇出版物	VOSviewer, CiteSpace	基础模型	NA	NA
9766	2025-10-06	Multimodal deep learning for chemical toxicity prediction and management 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95720-5 PMID:40461585	研究论文	本研究提出了一种结合化学性质数据和分子结构图像的多模态深度学习模型，用于化学毒性预测	整合Vision Transformer架构处理图像数据和多层感知机处理数值数据，采用联合融合机制有效结合多模态特征，实现多标签毒性预测	化学毒性预测的综合数据集开发仍受安全限制和化学数据结构复杂性的制约	提高化学毒性预测的准确性，支持化学、生物技术和国防领域的研究	化学物质及其毒性特性	机器学习	NA	深度学习	Vision Transformer, MLP	图像, 数值数据	NA	NA	Vision Transformer, 多层感知机	准确率, F1分数, 皮尔逊相关系数	NA
9767	2025-10-06	Identification of Gingival Inflammation Surface Image Features Using Intraoral Scanning and Deep Learning 2025-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.01.002 PMID:39875279	研究论文	开发结合口内扫描和深度学习算法的自动化方法识别牙龈炎表面特征	首次将口内扫描技术与深度学习相结合，为牙龈炎表面特征提供量化识别方法	样本量有限（120名患者），模型性能仍有提升空间	开发牙龈炎表面特征的自动化识别方法并评估其准确性	120名牙周炎患者	计算机视觉	牙周炎	口内扫描	深度学习	图像	120名牙周炎患者	NA	GC-U-Net	Dice系数,IoU,像素精度	NA
9768	2025-10-06	An explainable transformer model integrating PET and tabular data for histologic grading and prognosis of follicular lymphoma: a multi-institutional digital biopsy study 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07090-9 PMID:39883138	研究论文	开发了一种可解释的多模态融合Transformer模型，用于滤泡性淋巴瘤的组织学分级和预后预测	首次将3D PET肿瘤图像与表格数据通过Transformer模型融合，并集成多种可解释性分析模块	回顾性研究设计，样本量相对有限（513例患者）	开发用于滤泡性淋巴瘤非侵入性分级和预后预测的深度学习模型	滤泡性淋巴瘤患者	数字病理	滤泡性淋巴瘤	PET成像	Transformer	3D图像,表格数据	513例滤泡性淋巴瘤患者，来自5个独立医院中心	NA	Transformer	AUC,准确率	NA
9769	2025-10-06	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	开发基于深度学习的全自动系统用于心脏转甲状腺素蛋白淀粉样变性病的闪烁成像检测和分级	首次在多种示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和分级系统	部分外部数据集样本量较小，未标记数据集仅用于回顾性评估	开发自动化工具提升ATTR-CM的诊断效率	心脏转甲状腺素蛋白淀粉样变性病患者	医学影像分析	心脏淀粉样变性	闪烁成像，深度学习	深度学习分类模型	闪烁成像图像	6个数据集共3732名患者（含3215名未标记患者）	NA	集成学习模型	准确率，灵敏度，特异性，AUC，F1分数	NA
9770	2025-10-06	The effect of cryopreservation on enamel microcracks - A μCT analysis using a deep learning algorithm 2025-Jun, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2025.105207 PMID:39929328	研究论文	本研究通过深度学习算法分析μCT图像，首次评估冷冻保存对牙釉质微裂纹的影响	首次开发可扩展且精确的量化方法，能够自动分割仅2-3体素宽的微裂纹	样本量较小（仅5颗牙齿），裂纹模式可能受拔牙钳使用影响	研究冷冻保存对牙釉质微裂纹形成和演变的影响	人类牙齿	计算机视觉	牙科疾病	μCT分析	深度学习	医学图像	5颗牙齿（冷冻保存前后对比）	Dragonfly	4-phase semantic segmentation U-Net	定性评估，裂纹/釉质比率量化	NA
9771	2025-10-06	Recent advances in AI-driven protein-ligand interaction predictions 2025-Jun, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103020 PMID:39999605	综述	总结人工智能驱动的蛋白质-配体相互作用预测领域的最新进展	系统梳理了AI方法在配体结合位点预测、结合姿态估计、评分函数开发和虚拟筛选等关键任务中的创新应用	对不同蛋白质-配体对的泛化能力仍然存在挑战	提升基于结构的药物发现中蛋白质-配体相互作用预测的准确性和效率	蛋白质-配体相互作用	机器学习	NA	分子对接	图神经网络,混合密度网络,Transformer,扩散模型	蛋白质结构数据,配体数据	NA	NA	几何深度学习,序列嵌入,蛋白质-配体共生成框架	NA	NA
9772	2025-10-06	Advances in EEG-based detection of Major Depressive Disorder using shallow and deep learning techniques: A systematic review 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110154 PMID:40273818	系统综述	系统回顾基于EEG的重度抑郁症检测中浅层和深度学习技术的进展	首次系统性地综述了EEG特征结合人工智能技术在MDD检测中的应用，涵盖多种EEG标记物和机器学习方法	EEG指标在MDD背景下的可解释性仍需进一步研究	探索基于EEG的MDD客观诊断方法，理解其神经机制并识别潜在生物标志物	重度抑郁症患者与健康对照组的EEG数据	机器学习	重度抑郁症	脑电图	浅层学习,深度学习	EEG信号	基于22项研究的汇总数据	NA	NA	NA	NA
9773	2025-10-06	Beyond accuracy: The need for explainable AI in biomedical voice technology 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110240 PMID:40379565	评论	探讨生物医学语音技术中可解释人工智能的必要性及其在临床环境中的重要性	强调在生物医学语音技术领域，除了模型准确性外，可解释性对临床应用的至关重要性	NA	分析AI模型在生物医学语音技术中的可解释性需求	语音作为生物标志物的AI检测模型	自然语言处理	神经退行性疾病,呼吸系统疾病,精神疾病,情绪障碍	语音分析	深度学习	语音	NA	NA	NA	准确性	NA
9774	2025-10-06	[Rapid identification and analysis of hemoglobin isoelectric focusing electrophoresis images based on deep learning] 2025-Jun, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2024.05012 PMID:40394749	研究论文	本研究提出基于深度学习的目标检测算法，用于快速识别血红蛋白等电聚焦电泳图像中的条带并进行定量分析	首次将YOLOv8深度学习模型应用于无pI标记的血红蛋白等电聚焦电泳图像分析，无需依赖专业人员经验且不受泳道变形等因素影响	研究仅针对血红蛋白等电聚焦电泳图像，模型在其他类型电泳图像上的适用性尚未验证	开发快速准确的血红蛋白等电聚焦电泳图像自动分析方法	血红蛋白等电聚焦电泳图像	计算机视觉	地中海贫血	等电聚焦电泳，微阵列等电聚焦	YOLOv8	图像	1665张无pI标记的血红蛋白等电聚焦图像	NA	YOLOv8n	检测准确率，推理时间，线性度，相关系数	有限计算资源
9775	2025-10-06	A hybrid protocol for peptide development: integrating deep generative models and physics simulations for biomolecular design targeting IL23R/IL23 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.144652 PMID:40419055	研究论文	提出一种结合深度生成模型和物理模拟的混合协议，用于开发靶向IL23R/IL23的肽类生物分子	首次将LSTM生成模型、GRU分类器与分子动力学模拟相结合，用于肽类抑制剂开发	NA	开发靶向IL23R/IL23相互作用的肽类抑制剂	白细胞介素-23受体(IL23R)及其相关细胞因子白细胞介素-23(IL23)	机器学习	自身免疫性疾病	分子动力学模拟	LSTM, GRU	分子结构数据	NA	NA	LSTM, GRU	结合亲和力, 稳定性, IC50	NA
9776	2025-10-06	m6A-SPP: Identification of RNA N6-methyladenosine modification sites through multi-source biological features and a hybrid deep learning architecture 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.144789 PMID:40449782	研究论文	提出了一种名为m6A-SPP的新型深度学习框架，用于有效预测RNA N6-甲基腺苷修饰位点	整合了序列特征和理化性质的双模块架构，结合预训练BERT模型与CNN进行RNA序列表示，并融合三种关键理化属性	NA	准确预测RNA N6-甲基腺苷修饰位点，以理解其生物学功能及在疾病中的作用	RNA N6-甲基腺苷修饰位点	生物信息学	NA	RNA修饰位点预测	BERT, CNN	RNA序列数据，理化性质数据	包含8个细胞系（如HEK293T和HeLa）和3种组织类型（包括脑、肝和肾）的单核苷酸分辨率m6A数据集	NA	DNABERT, CNN, 混合深度学习架构	NA	NA
9777	2025-10-06	Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70239 PMID:40470724	研究论文	本研究通过结合网络遮挡敏感性分析和精细人脑图谱，识别了脑龄预测模型中各脑区的贡献度	开发了可解释性方案NOSA，首次系统揭示了不同脑区在生命周期各阶段对脑龄预测的贡献模式	研究样本年龄范围有限（8-80岁），未涵盖婴幼儿和极高龄群体	提高脑龄预测深度学习模型的可解释性，识别关键贡献脑区	人类大脑结构和功能区域	医学影像分析	老年疾病	脑磁共振成像	CNN	脑影像数据	训练集3054人，测试集555人，年龄范围8-80岁	NA	全卷积神经网络	NA	NA
9778	2025-06-07	Deep learning for microbiome-informed precision nutrition 2025-Jun, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf148 PMID:40475064	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9779	2025-06-10	PeruFoodNet: A unique dataset of traditional peruvian food for image recognition systems and allergenic ingredient inference 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111604 PMID:40486219	research paper	介绍了一个名为PeruFoodNet的数据集，包含4000张传统秘鲁菜肴的图片，用于图像识别系统和过敏成分推断	创建了一个独特的秘鲁菜肴数据集，可用于图像识别和过敏成分识别	数据集主要由作者自己拍摄，可能缺乏多样性	促进图像识别和分类研究，帮助识别菜肴中的过敏成分	传统秘鲁菜肴	computer vision	NA	Deep Learning	NA	image	4000张图片，涵盖40种最受欢迎的秘鲁菜肴，每种菜肴100张图片	NA	NA	NA	NA
9780	2025-06-10	Investigation of Short-term Crystalline Lens Positional Shifts Following ICL Implantation Using SS-OCT Integrated With Multi-task Deep Learning 2025-Jun, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20250506-06 PMID:40488484	research paper	研究使用SS-OCT结合多任务深度学习评估ICL植入后短期晶状体位置变化	首次结合SS-OCT和多任务深度学习定量评估ICL植入后晶状体倾斜和偏心变化	样本量较小(42眼)，仅评估短期(1周内)变化	评估ICL植入对晶状体位置的短期影响	26名患者(42眼)的ICL植入手术前后晶状体位置	digital pathology	ophthalmic disease	SS-OCT	multi-task deep learning	medical image	42 eyes from 26 patients	NA	NA	NA	NA