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
1041	2025-07-03	Retinal vessel metric analysis of type 1 diabetes mellitus in OCT angiography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1562809 PMID:40584707	研究论文	通过光学相干断层扫描血管成像（OCTA）研究1型糖尿病（T1DM）患者在不同阶段的视网膜血管特征	使用深度学习模型对OCTA图像中的视网膜动脉和静脉进行分割，并分析不同区域的血管指标变化	样本量较小（63名T1DM患者和40名健康个体），且为回顾性研究	探究1型糖尿病患者的视网膜血管特征及其与糖尿病视网膜病变（DR）的关系	1型糖尿病患者的视网膜血管	数字病理学	糖尿病	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	63名T1DM患者（110只眼）和40名健康个体（79只眼）
1042	2025-07-03	A hybrid transformer-based approach for early detection of Alzheimer's disease using MRI images 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30849 PMID:40584904	研究论文	提出了一种基于Transformer的混合方法，利用MRI图像进行阿尔茨海默病的早期检测	结合了迁移学习、Transformer网络和RNN（LSTM）的多模态方法，从多个视角（矢状面、冠状面、轴向）捕捉MRI图像的全面特征	未提及模型在其他独立数据集上的泛化能力	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI成像	Transformer, ResNet50, LSTM	图像	ADNI数据集（具体数量未说明）
1043	2025-07-03	Convolutional-LSTM approach for temporal catch hotspots (CATCH): an AI-driven model for spatiotemporal forecasting of fisheries catch probability densities 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf045 PMID:40585182	研究论文	本文提出了一种名为CATCH的卷积长短期记忆神经网络模型，用于预测冰岛水域鱼类资源的时空概率密度，以支持渔业的操作规划和适应性策略	首次利用大规模冰岛渔船数据整合多维输入（如深度、底部温度、盐度、溶解氧和捕获数据）进行准确的多变量预测	尽管模型表现良好，但决策过程中仍可能受到数据收集质量和范围的限制	开发数据驱动的预测方法以优化渔业操作和增强可持续性	冰岛水域的鱼类资源（如鳕鱼、黑线鳕、绿青鳕、金红鱼和格陵兰大比目鱼）	机器学习	NA	卷积长短期记忆神经网络（Convolutional-LSTM）	CNN-LSTM	多维输入数据（深度、温度、盐度、溶解氧和捕获数据）	大规模冰岛渔船数据
1044	2025-07-03	An AI-based module for interstitial glucose forecasting enabling a "Do-It-Yourself" application for people with type 1 diabetes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1534830 PMID:40585404	research paper	提出一种基于深度学习的DIY框架，用于间质葡萄糖预测，帮助1型糖尿病患者进行自我管理	首次提供基于深度学习的完全个性化葡萄糖预测的DIY方法，且框架开源并可在Docker中部署	工具未能长期吸引用户使用，限制了其对日常自我管理的潜在益处	开发一种能够准确预测短期葡萄糖水平的工具，以改善1型糖尿病患者的自我管理	1型糖尿病患者	machine learning	type 1 diabetes	continuous glucose monitoring (CGM)	DL	CGM raw data	29名1型糖尿病患者的一年CGM数据
1045	2025-07-03	Evaluation of perivascular fat density and residual false lumen formation following TEVAR in Stanford type B aortic dissection 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1633817 PMID:40585403	research paper	评估斯坦福B型主动脉夹层患者在TEVAR术后血管周围脂肪密度与残余假腔形成的关系	首次提出血管周围脂肪组织（PVAT）衰减指标HUΔ和HUratio作为预测TEVAR术后残余假腔形成的非侵入性影像生物标志物	回顾性研究设计，样本量有限（132例），需前瞻性研究验证结果	探究PVAT衰减在预测TEVAR术后残余假腔形成中的作用	斯坦福B型主动脉夹层（TBAD）患者	数字病理	心血管疾病	计算机断层扫描血管造影（CTA）	TotalSegmenter深度学习模型	影像数据	132例2016-2024年间在福建省立医院接受TEVAR的TBAD患者
1046	2025-07-03	Leveraging machine learning models in evaluating ADMET properties for drug discovery and development 2025, ADMET & DMPK DOI:10.5599/admet.2772 PMID:40585410	综述	本文探讨了机器学习模型在药物发现和开发中评估ADMET（吸收、分布、代谢、排泄和毒性）特性的应用及其革命性影响	机器学习模型在ADMET预测中展现出比传统QSAR模型更高的准确性，为药物开发提供了快速、经济且可重复的替代方案	数据质量、算法透明度和监管接受度等挑战仍然存在	研究机器学习模型如何改进ADMET预测，以加速早期药物开发决策	ADMET特性的预测模型及其在药物发现中的应用	机器学习	NA	监督学习和深度学习技术	QSAR模型、机器学习模型	分子描述符和数据集	NA
1047	2025-07-03	Deep learning in obsessive-compulsive disorder: a narrative review 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1581297 PMID:40585546	review	本文综述了深度学习在强迫症(OCD)研究中的应用，包括诊断分类、症状分类和治疗效果预测	深度学习利用神经影像、EEG和临床数据在OCD诊断分类中表现出高准确率(80-98%)，并在症状分类和治疗反应预测方面显示出潜力	当前模型受限于小样本量、缺乏治疗预测比较以及早期反应检测或可扩展监测解决方案的不足	探索深度学习在OCD诊断和治疗中的应用潜力	强迫症(OCD)患者	machine learning	psychiatric disorder	deep learning	NA	neuroimaging, EEG, clinical data	10项研究(具体样本量未明确说明)
1048	2025-07-03	7T magnetic resonance imaging-based investigation of the correlation between mammillary body structure and cognitive impairment in patients with spinocerebellar ataxia type 3 2025, Psychoradiology DOI:10.1093/psyrad/kkaf010 PMID:40586051	研究论文	本研究利用7T磁共振成像技术探讨了脊髓小脑共济失调3型(SCA3)患者乳头体结构与认知障碍之间的相关性	首次使用7T MRI技术定量分析SCA3患者Papez环路(包括乳头体、乳头丘脑束和后连合穹窿)的结构变化及其与认知功能的关系	横断面研究设计无法确定因果关系，样本量相对较小	探究SCA3患者认知障碍与Papez环路结构变化的关系	46名SCA3患者和48名健康对照	神经影像学	脊髓小脑共济失调	7T MRI	深度学习模型	MRI图像	94名参与者(46名患者+48名对照)
1049	2025-07-03	Unsupervised cell line embedding using pairwise drug response correlation 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.018 PMID:40586099	研究论文	本文介绍了一种基于对比学习的无监督深度学习模型，用于整合异质性药物反应筛选数据，生成统一的细胞系嵌入	提出了一种新的无监督深度学习模型，通过对比学习整合异质性药物反应数据，提高了药物-细胞系相关下游机器学习任务的性能	未明确提及具体局限性，但可能包括模型对数据质量和完整性的依赖	优化细胞系模型的利用，提高药物发现和疾病理解的效率	1,673个癌症细胞系（来自Cancer Dependency Map）	机器学习	癌症	对比学习	无监督深度学习模型	药物反应数据、基因表达数据	1,673个癌症细胞系（其中1,136个用于训练，537个用于测试）
1050	2025-07-03	Deep learning based deconvolution methods: A systematic review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.038 PMID:40586100	系统综述	本文系统回顾了人工智能和深度学习在细胞反卷积工具开发中的应用，特别关注其在RNA测序转录组数据分析中的作用	强调了高质量参考图谱对提高反卷积方法准确性的重要性，并指出了当前研究中的关键空白	需要标准化方法和提高模型可解释性	评估AI和DL在细胞反卷积工具开发中的应用	转录组数据	机器学习	NA	RNA测序	深度学习	转录组数据	NA
1051	2025-07-03	Deep learning system for the auxiliary diagnosis of thyroid eye disease: evaluation of ocular inflammation, eyelid retraction, and eye movement disorder 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1609231 PMID:40589523	research paper	本研究构建了一个基于语义分割的甲状腺眼病辅助诊断模型，专注于眼睑退缩、眼球运动障碍和与临床活动评分相关的眼部炎症，以实现快速无创诊断	采用双分支特征提取和融合策略的TBRM-Net和DSR-Net，设计了定量诊断算法，提高了诊断的准确性和可解释性	样本量相对较小，仅包含153名受试者	构建甲状腺眼病的辅助诊断模型，提高诊断效率和治疗效果	甲状腺眼病患者，特别是表现出眼睑退缩、眼球运动障碍和眼部炎症症状的患者	digital pathology	thyroid eye disease	deep learning	TBRM-Net, DSR-Net	image	153名受试者，303只眼睛（主要位置数据集），1,199只眼睛（注视位置数据集），272只眼睛（多标签炎症分类数据集）
1052	2025-07-03	Optimizing physical education schedules for long-term health benefits 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1555977 PMID:40589818	研究论文	本研究提出了一种利用深度学习技术优化体育教育课程安排的方法，以提高学生的长期健康效益	结合CNN和LSTM网络层，捕捉人口统计和活动相关变量的时空特征，并采用定制损失函数准确预测健康分数	未提及模型在不同教育环境中的泛化能力或具体实施挑战	优化体育教育课程安排以最大化学生的健康效益	学生群体及其体育活动数据	机器学习	NA	深度学习	CNN, LSTM	人口统计和活动相关变量	未明确提及具体样本量
1053	2025-07-03	Identification of yellow vein clearing disease in lemons based on hyperspectral imaging and deep learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1554514 PMID:40589954	研究论文	本研究利用高光谱成像技术和深度学习技术，开发了一种高效准确检测柠檬黄脉明病的新方法	首次将高光谱成像技术应用于柠檬黄脉明病的检测，并提出了一种新型混合3D-2D-LcNet架构，优化了高维数据处理	研究仅针对柠檬黄脉明病，未验证在其他植物病害上的适用性	开发基于高光谱成像和深度学习的植物病害快速诊断方法	柠檬植株的黄脉明病	计算机视觉	植物病害	高光谱成像(HSI)	3D-2D-LcNet, 3D-ShuffleNetV2, 2D-LcNet, 2D-ShuffleNetV2, SVM, PLS-DA	高光谱图像	NA
1054	2025-07-03	Comparative analysis of adaptive and general labeling methods for soybean leaf detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1582303 PMID:40589953	研究论文	比较分析自适应和通用标记方法在大豆叶片检测中的效果	提出了一种新的基于叶片长度和底部极值信息的上下文感知标记方法，并与传统通用标记方法进行比较	研究仅针对大豆叶片检测，未涉及其他作物或植物器官	提高基于AI的大豆叶片检测在精准农业中的准确性和效率	大豆叶片	计算机视觉	NA	YOLOv5L深度学习模型	CNN	图像	高分辨率大豆图像（具体数量未提及）
1055	2025-07-03	Deep learning for enhanced prediction of diabetic retinopathy: a comparative study on the diabetes complications data set 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1591832 PMID:40589972	研究论文	本研究通过比较传统统计模型和深度学习模型，开发并验证了用于预测糖尿病患者视网膜病变的模型	使用深度学习模型预测糖尿病视网膜病变，并比较其与传统机器学习模型的性能，同时采用SHAP分析增强模型的可解释性	研究仅基于3000个数据点，样本量可能不足以代表更广泛的人群	开发并验证预测糖尿病患者视网膜病变的模型	糖尿病患者	机器学习	糖尿病视网膜病变	DNNs	深度学习模型（DNNs）与传统机器学习模型（逻辑回归、决策树、朴素贝叶斯、随机森林、支持向量机）	结构化临床数据	3000个数据点
1056	2025-07-03	Ranking Protein-Protein Models with Large Language Models and Graph Neural Networks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_4 PMID:40601251	研究论文	本文介绍了一种基于图神经网络和大语言模型的蛋白质-蛋白质相互作用模型排序方法	结合蛋白质语言模型和图神经网络开发了DeepRank-GNN-esm算法，用于从大量模型中识别近天然构象	未提及具体性能指标或与其他方法的比较结果	解决蛋白质-蛋白质相互作用模型排序的挑战	蛋白质-蛋白质相互作用模型	计算生物学	癌症、感染性疾病、神经退行性疾病	图神经网络(GNN)、蛋白质语言模型	DeepRank-GNN-esm	蛋白质结构数据	NA
1057	2025-07-03	Using InterLabelGO+ for Accurate Protein Language Model-Based Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_7 PMID:40601254	研究论文	介绍了一种名为InterLabelGO+的深度学习模型，用于基于蛋白质语言模型的蛋白质功能预测	结合ESM2蛋白质语言模型提取序列特征，并考虑不同GO术语之间复杂关系的损失函数训练深度学习模型	未提及模型在特定蛋白质类型或条件下的预测性能限制	提高蛋白质功能预测的准确性，特别是在基因本体(GO)术语预测方面	蛋白质序列及其功能注释	生物信息学	NA	蛋白质语言模型(ESM2)、深度学习	深度学习模型	蛋白质序列数据	NA
1058	2025-07-03	Predicting the Pathogenicity of Human Protein Variants: Not Only a Matter of Residue Labeling 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_12 PMID:40601259	research paper	本文探讨了如何通过蛋白质序列嵌入和机器学习/深度学习预测人类蛋白质变异的致病性，并进一步计算其结构和功能特性	结合蛋白质序列嵌入与机器学习/深度学习技术预测变异致病性，并扩展计算其他重要结构功能特性	未提及具体数据集的样本量或模型验证的详细限制	预测人类蛋白质变异的致病性并解析其分子机制	人类蛋白质变异及其致病性	生物信息学	NA	蛋白质序列嵌入、机器学习、深度学习	NA	蛋白质序列	NA
1059	2025-07-03	A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging 2024-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105057 PMID:38729290	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于量化小鼠牙周炎模型中的牙槽骨	创新点在于使用U-Net AI深度学习引擎开发了一个3D深度学习模型，能够高精度地分割微CT数据中的牙槽骨，并自动排除牙齿部分	研究仅在小鼠模型中进行，尚未在人类样本中验证	开发一个无需机器学习背景知识即可使用的自动牙槽骨量化工具	小鼠牙周炎模型中的牙槽骨	数字病理学	牙周炎	微计算机断层扫描(µCT)	U-Net	3D图像	不同时间点(4、7、9、14天)的小鼠上颌骨样本
1060	2025-07-03	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	research paper	本研究探讨了磁共振图像质量指标（IQMs）与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统评估了MR图像质量指标与深度学习分割性能之间的相关性，并提出了基于特定IQMs筛选训练图像以提升模型泛化能力的方法	研究仅针对特定类型的脑肿瘤和单一深度学习模型（3D DenseNet）进行验证	评估MR图像质量指标与深度学习分割准确性的关系，开发更具泛化能力的多机构数据模型	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	3D DenseNet	image	BraTS 2020和2021数据集的MRI扫描