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
961	2025-06-02	Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study 2025-May, The Lancet. Digital health DOI:10.1016/j.landig.2025.02.008 PMID:40312169	研究论文	通过深度学习技术应用于视网膜图像，开发并验证了一种非侵入性活检诊断糖尿病肾病的方法	利用视网膜图像和深度学习技术，开发了一种非侵入性的糖尿病肾病检测和分类系统DeepDKD，并在多民族人群中进行了验证	研究的外部验证数据集可能覆盖不够全面，且长期效果需要更多数据支持	提高糖尿病肾病筛查的可及性，并区分单纯糖尿病肾病与非糖尿病肾病	糖尿病患者的视网膜图像	数字病理学	糖尿病肾病	深度学习	DeepDKD	图像	开发阶段使用734,084张视网膜图像，内部验证使用121,578名参与者的486,312张图像，外部验证使用65,406名参与者的数据
962	2025-06-02	PLM-DBPs: enhancing plant DNA-binding protein prediction by integrating sequence-based and structure-aware protein language models 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf245 PMID:40439671	research paper	提出了一种名为PLM-DBPs的深度学习框架，通过整合基于序列和结构感知的蛋白质语言模型来增强植物DNA结合蛋白的预测	整合基于序列和结构感知的蛋白质语言模型，显著提高了植物DNA结合蛋白的预测准确性	虽然基于序列的蛋白质语言模型在DNA结合蛋白预测中表现良好，但整合结构信息可以进一步提高预测准确性，但未提及具体的数据集规模或模型泛化能力	增强植物DNA结合蛋白的预测准确性	植物DNA结合蛋白	machine learning	NA	蛋白质语言模型(PLMs), 深度学习	ANN	蛋白质序列和结构数据	NA
963	2025-06-02	Artificial Intelligence in Biliopancreatic Disorders: Applications in Cross-Imaging and Endoscopy 2025-Apr-29, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.04.011 PMID:40311821	综述	本文探讨了人工智能在胆胰疾病诊断和管理中的变革潜力，特别是在内窥镜和横断面成像技术中的应用	利用深度学习和卷积神经网络等尖端技术，AI在提高腺瘤检出率、改善病变特征化和诊断准确性方面取得了显著进展	未提及具体的研究样本量或数据集的局限性	总结人工智能在胆胰疾病中的应用现状，并为未来研究方向铺平道路	胆胰疾病，包括胰腺导管腺癌、胰腺囊性病变和胰腺神经内分泌肿瘤等	数字病理学	胆胰疾病	深度学习，卷积神经网络	CNN	图像	NA
964	2025-06-02	Reproducible image-based profiling with Pycytominer 2025-Apr, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02611-8 PMID:40032995	研究论文	介绍了一个名为Pycytominer的用户友好、开源的Python包，用于处理高通量显微镜图像分析产生的单细胞特征数据	提出了Pycytominer，一个专门用于图像分析的生物信息学步骤的工具包，支持机器学习和下游应用	未提及具体的性能对比或与其他工具的兼容性问题	开发一个工具以处理高通量显微镜图像分析产生的单细胞特征数据，支持下游应用	高通量显微镜图像分析产生的单细胞特征数据	数字病理学	NA	高通量显微镜	NA	图像	NA
965	2025-06-02	Is a single model enough? The systematic comparison of computational approaches for detecting populist radical right content 2025, Quality & quantity DOI:10.1007/s11135-024-02034-1 PMID:40343105	研究论文	本文系统比较了检测文本数据中民粹主义激进右翼(PRR)内容的不同计算方法	首次系统比较了66种词典方法、经典监督机器学习和深度学习模型在PRR内容检测任务上的表现，并评估了不同文本预处理方式对模型性能的影响	在噪声较大的数据集上，深度学习模型的表现仍然不够理想	比较不同计算方法在检测PRR内容方面的表现	德语测试数据集中的PRR内容	自然语言处理	NA	词典方法、监督机器学习、深度学习	DL模型、集成模型	文本	三个德语测试数据集
966	2025-06-02	Advanced predictive modeling for enhanced mortality prediction in ICU stroke patients using clinical data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323441 PMID:40435317	研究论文	该研究开发了一种深度学习模型，用于预测ICU中缺血性卒中患者的死亡率，通过优化的特征选择和数据清理提高了预测准确性	结合XGBoost进行特征选择和深度学习模型，显著减少了特征数量（从1095降至30），并在AUROC上实现了13%的提升	研究依赖于MIMIC-IV数据库的数据，可能无法完全代表所有ICU卒中患者的情况	优化ICU中缺血性卒中患者的死亡率预测，以改善治疗策略和资源分配	ICU中的缺血性卒中患者	机器学习	心血管疾病	SMOTE（合成少数类过采样技术）	XGB-DL（结合XGBoost和深度学习）	临床数据（包括诊断、生命体征、实验室测试、药物、程序、治疗和临床记录）	3,646名ICU患者（训练集2,441名，测试集523名，验证集523名）
967	2025-06-02	Advancing malware imagery classification with explainable deep learning: A state-of-the-art approach using SHAP, LIME and Grad-CAM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318542 PMID:40435333	research paper	该研究通过使用SHAP、LIME和Grad-CAM等可解释性技术，对集成深度神经网络（DNNW）进行对比分析，以提高恶意软件图像分类的可解释性和准确性	结合多种可解释性技术（SHAP、LIME、Grad-CAM）分析恶意软件图像数据，提升模型透明度和可信度	研究主要集中在恶意软件图像数据上，对其他类型恶意软件的适用性未明确说明	开发可解释且强大的AI模型，以提高恶意软件检测的可靠性和信任度	恶意软件图像数据	machine learning	NA	SHAP, LIME, Grad-CAM	DNNW, RUSBoost, Random Forest, Subspace, AdaBoost, BagTree	image	NA
968	2025-06-02	A deep learning-based algorithm for the detection of personal protective equipment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322115 PMID:40440260	研究论文	提出了一种基于YOLOv8n改进的深度学习算法，用于检测建筑工地上的个人防护装备（PPE）	设计了多尺度组卷积模块（MSGP）和多尺度特征扩散金字塔网络（MFDPN），并引入了自定义任务对齐模块和DCNV2模块，提高了检测精度和适应性	未提及具体的数据集规模或实际部署中的性能表现	提高建筑工地个人防护装备的检测精度和效率	建筑工地上的个人防护装备（PPE）	计算机视觉	NA	深度学习	YOLOv8n改进模型（MFD-YOLO）	图像	未提及具体样本数量
969	2025-06-02	DualDistill: a dual-guided self-distillation approach for carotid plaque analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1554578 PMID:40443518	研究论文	本文提出了一种名为DualDistill的双引导自蒸馏框架，用于提高颈动脉斑块超声视频分类的准确性和泛化性能	提出了两种新策略：帧内关系引导策略用于捕捉长期时间依赖性，时空注意力引导策略用于减少无关特征和噪声的影响	研究基于有限的数据集（317个颈动脉斑块超声视频），可能影响模型的广泛适用性	提高颈动脉斑块分类的准确性和泛化性能，以可靠评估心血管疾病风险	颈动脉斑块超声视频	计算机视觉	心血管疾病	自蒸馏框架	3D ResNet50等13种代表性模型	超声视频	317个颈动脉斑块超声视频
970	2025-06-02	EODA: A three-stage efficient outlier detection approach using Boruta-RF feature selection and enhanced KNN-based clustering algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322738 PMID:40445940	研究论文	提出了一种名为EODA的三阶段高效异常值检测方法，结合Boruta-RF特征选择和增强的KNN聚类算法	提出了一种三阶段的高效异常值检测方法EODA，结合Boruta-RF特征选择和增强的KNN聚类算法，提高了检测精度并考虑了数据集特性	未提及具体的数据集规模限制或计算资源需求	开发一种高效的异常值检测方法，以提高检测精度并考虑数据集特性	异常值检测	机器学习	NA	Boruta-RF特征选择、KNN聚类算法	Random Forest、KNN	结构化数据	八个UCI机器学习库数据集
971	2025-06-02	Geometric deep learning-guided Suzuki reaction conditions assessment for applications in medicinal chemistry 2024-Jul-17, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d4md00196f PMID:39026644	研究论文	本文探讨了如何利用机器学习方法基于高通量实验数据快速选择Suzuki偶联反应条件，以加速小分子药物发现中的碳-碳键构建	引入了针对反应产率优化的96孔板设计算法，并评估了零样本和小样本机器学习在反应条件选择中的性能	零样本机器学习模型的平均ROC-AUC值较低（0.63±0.16），表明其在某些情况下可能不够可靠	加速小分子药物发现中的碳-碳键构建过程	Suzuki偶联反应条件选择	机器学习	NA	高通量实验(HTE)	零样本和小样本机器学习	实验数据	八个反应验证
972	2025-06-02	Sub-second photon dose prediction via transformer neural networks 2023-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16231 PMID:36669122	research paper	提出了一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布	结合Transformer和卷积层的深度学习算法iDoTA，能够在毫秒级别内准确预测光子束剂量分布	需要大量训练数据，且仅针对特定类型的光子束剂量分布进行预测	开发一种快速且准确的光子束剂量分布预测算法，用于在线和实时自适应治疗工作流程	光子束剂量分布	machine learning	prostate cancer, lung cancer, head and neck cancer	deep learning	Transformer, CNN	3D CT images	1700 beam dose distributions from 11 clinical VMAT plans
973	2025-06-02	Evaluation of Deep Learning Models for Identifying Surgical Actions and Measuring Performance 2020-03-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2020.1664 PMID:32227178	研究论文	评估深度学习模型在识别手术动作和衡量手术表现方面的应用	首次提出使用深度学习模型从手术视频中自动识别手术动作和评估外科医生技能水平	样本量较小（仅103个视频片段），且数据收集时间较早（2015年前）	开发一个自动评估外科医生技术表现的框架	外科手术视频片段	计算机视觉	NA	深度学习	深度学习模型（具体架构未说明）	视频	103个手术视频片段，来自8名不同水平的外科医生
974	2025-06-01	Multilevel Inter-modal and Intra-modal Transformer network with domain adversarial learning for multimodal sleep staging 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10262-w PMID:40438089	研究论文	本文提出了一种结合多级Transformer和域对抗学习的多模态睡眠分期网络，用于同时处理脑电图和眼电图信号	引入多级Transformer结构捕获单模态内和多模态间的时间依赖性，并采用域对抗学习提升模型跨域泛化能力	未明确说明模型在更大规模或更复杂数据集上的表现	开发高精度的自动睡眠分期方法以辅助睡眠障碍诊断	多模态睡眠信号（脑电图和眼电图）	数字病理学	睡眠障碍	深度学习	Transformer + CNN	时间序列信号	两个常用数据集（未明确样本数量）
975	2025-06-01	Dual-mode nanosensor for sensitive detection of methotrexate based on fluorescence technology and deep learning algorithms 2025-Aug-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344190 PMID:40447405	研究论文	提出一种基于荧光技术和深度学习算法的双模式纳米传感器，用于甲氨蝶呤的灵敏检测	结合纳米材料和深度学习算法，开发了一种具有双发射峰的纳米传感器，实现了对甲氨蝶呤的高灵敏度和实时监测	NA	建立一种可靠、精确且特异性的甲氨蝶呤检测方法	甲氨蝶呤（MTX）	纳米技术	NA	荧光技术、深度学习算法	NA	图像	NA
976	2025-06-01	Machine learning and clinical EEG data for multiple sclerosis: A systematic review 2025-Aug, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103116 PMID:40334524	系统综述	本文系统综述了机器学习和深度学习模型在脑电图（EEG）数据中用于多发性硬化症（MS）管理的研究	结合深度学习和EEG技术，探索了CNN和混合模型在MS诊断和监测中的应用，并讨论了可解释AI等策略以应对挑战	存在使用ML进行EEG分析的潜在偏差和挑战，需要多样化的训练数据集和先进的预处理技术来缓解	提高多发性硬化症的预测、诊断、监测和治疗（PDMT）效果	多发性硬化症（MS）患者	机器学习	多发性硬化症	EEG, 深度学习	CNN, 混合模型	EEG数据	NA
977	2025-06-01	Deep learning for early detection of chronic kidney disease stages in diabetes patients: A TabNet approach 2025-Aug, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103153 PMID:40347843	research paper	该研究开发了一种基于TabNet的深度学习模型，用于糖尿病患者的慢性肾病（CKD）早期分期检测	采用了一种新颖的迭代后向特征选择策略确定CKD分期的关键预测因子，并应用了基于注意力的TabNet架构进行分类模型构建	研究依赖于特定队列（CRIC研究）的数据，可能限制了模型的泛化能力	开发早期检测糖尿病患者慢性肾病分期的预测模型	糖尿病患者的慢性肾病分期	machine learning	chronic kidney disease	deep learning, explainable AI (XAI)	TabNet, XGBoost, random forest, AdaBoost, multi-layer perceptron	longitudinal clinical data	CRIC研究队列数据（具体样本量未明确说明）
978	2025-06-01	Exploring deep learning in phage discovery and characterization 2025-Aug, Virology IF:2.8Q3 DOI:10.1016/j.virol.2025.110559 PMID:40359589	综述	本文探讨了深度学习在噬菌体发现和表征中的应用及其在生物技术和医学中的潜力	利用深度学习算法（如BERT）改进病毒宏基因组组装基因组（vMAGs）的重建，并应用于噬菌体生物学研究	讨论了深度学习方法的局限性，但未具体说明技术细节或实验验证的不足	探索深度学习在噬菌体研究和治疗耐药细菌感染中的应用	噬菌体（细菌病毒）及其在细菌种群形成中的作用	机器学习	NA	深度学习、BERT、宏基因组数据分析	BERT、神经网络	宏基因组数据	NA
979	2025-06-01	Automatic segmentation of the midfacial bone surface from ultrasound images using deep learning methods 2025-Jul, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.01.012 PMID:39880737	研究论文	本研究开发了一种基于深度学习的自动算法，用于从2D超声图像中分割中面部骨表面	首次将多种深度学习网络（如nnU-Net、U-Net等）应用于中面部骨表面的自动分割，并比较了它们的性能	研究仅针对中面部骨表面，未验证其他骨骼部位的分割效果	开发自动分割中面部骨表面的算法，提高超声图像分析的准确性和效率	中面部骨表面	计算机视觉	NA	3D超声成像	nnU-Net, U-Net, ConvNeXt, Mask2Former, SegFormer, DDRNet	2D超声图像	NA
980	2025-06-01	Advances in photoactivated carbon-based nanostructured materials for targeted cancer therapy 2025-Jul, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115604 PMID:40354939	综述	本文综述了光激活碳基纳米结构材料在靶向癌症治疗中的关键创新	探讨了碳基纳米材料（CBNs）在光热、光化学和光声特性方面的卓越表现，以及其在靶向癌症治疗中的多功能性和适应性	讨论了这些纳米材料在生物系统中的长期效应和降解特性，以及制造过程中的可重复性和生物相容性挑战	探索光激活碳基纳米材料在靶向癌症治疗中的应用潜力	碳基纳米材料（CBNs）及其在乳腺癌、肺癌和胶质瘤中的应用	纳米医学	乳腺癌、肺癌、胶质瘤	光热疗法、光动力疗法、光化学内化	随机森林、支持向量机、神经网络、深度学习	NA	NA