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
1181	2025-04-27	Leveraging deep learning models to increase the representation of nomadic pastoralists in health campaigns and demographic surveillance 2025, PLOS global public health DOI:10.1371/journal.pgph.0004018 PMID:40273062	研究论文	本文提出了一种基于计算机视觉的方法，通过卫星图像自动定位游牧民族定居点，以提高健康服务和人口监测中的代表性	利用公开的道路和水基础设施数据，开发了一种新的训练策略，解决了标记定居点数据不足带来的性能差距	研究依赖于卫星图像的质量和分辨率，且模型在更大范围内的适用性尚未验证	提高游牧民族在健康服务和人口监测中的代表性	游牧民族定居点	计算机视觉	NA	深度学习	深度学习模型	卫星图像	约1,000个历史活跃定居点的卫星图像数据集，覆盖埃塞俄比亚奥莫河谷和肯尼亚桑布鲁县
1182	2025-04-27	N-Beats architecture for explainable forecasting of multi-dimensional poultry data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320979 PMID:40273069	研究论文	本研究提出了一种新颖的N-BEATS架构应用，用于多维度家禽数据预测，并通过集成的可解释AI（XAI）框架增强了可解释性	首次将N-BEATS架构应用于家禽数据预测，并结合XAI框架提高模型的可解释性	NA	优化家禽生产中的预测分析，提升农场管理决策效率	家禽疾病诊断的多维数据	机器学习	NA	时间序列建模	N-BEATS	多元时间序列数据	NA
1183	2025-04-27	Definer: A computational method for accurate identification of RNA pseudouridine sites based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320077 PMID:40273178	研究论文	提出了一种基于深度学习的计算方法Definer，用于准确识别RNA假尿苷位点	结合了NCP和One-hot两种序列编码方案，并利用CNN、GRU和Attention构建深度学习模型	仅针对三种物种（智人、酿酒酵母和小鼠）进行了测试	准确识别RNA假尿苷位点，以解释该修饰位点的功能机制	RNA假尿苷位点	生物信息学	NA	深度学习	CNN, GRU, Attention	RNA序列数据	三种物种（智人、酿酒酵母和小鼠）的基准数据集
1184	2025-04-27	Intelligent recognition of human activities using deep learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321754 PMID:40273193	research paper	该研究利用深度学习技术，通过集成3D-AlexNet-RF和InceptionV3 Google-Net模型，提高了RGB视频中人类活动识别的准确性	采用集成方法结合两种深度学习模型的预测结果，显著提升了人类活动识别的性能	研究仅基于HMDB51数据集进行评估，可能在其他数据集上的泛化能力有待验证	提升人类活动识别（HAR）的准确性，以改善患者护理、增强安全监控和促进人机交互	RGB视频中的人类活动	computer vision	NA	深度学习	3D-AlexNet-RF, InceptionV3 Google-Net	video	HMDB51数据集
1185	2025-04-27	ToxDL 2.0: Protein toxicity prediction using a pretrained language model and graph neural networks 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.002 PMID:40276117	研究论文	介绍了一种名为ToxDL 2.0的新型多模态深度学习模型，用于预测蛋白质毒性	整合了来自预训练语言模型和AlphaFold2的进化和结构信息，通过图卷积网络（GCN）模块、域嵌入模块和密集模块来预测蛋白质毒性	未提及具体局限性	开发高效的计算方法来预测蛋白质毒性，替代传统耗时、昂贵且劳动密集型的实验方法	蛋白质	机器学习	NA	预训练语言模型、AlphaFold2、图卷积网络（GCN）	GCN	蛋白质序列和结构数据	原始非冗余测试集（2022年前的蛋白质序列）和独立非冗余测试集（2022年后的蛋白质序列）
1186	2025-04-27	Frontotemporal dementia: a systematic review of artificial intelligence approaches in differential diagnosis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1547727 PMID:40276595	系统综述	本文系统综述了人工智能方法在额颞叶痴呆鉴别诊断中的应用	评估了当前机器学习模型在区分额颞叶痴呆与其他神经系统疾病中的优势和局限性，并提出了多模态数据整合的建议	样本量小、类别不平衡和缺乏标准化限制了模型的泛化能力	提高额颞叶痴呆的早期和准确鉴别诊断	额颞叶痴呆及其亚型与其他痴呆症（如阿尔茨海默病）的患者	自然语言处理	老年疾病	机器学习	SVM, CNN	神经影像和电生理数据	6,544名痴呆患者（包括2,984名额颞叶痴呆患者、3,437名阿尔茨海默病患者、103名轻度认知障碍患者和20名帕金森病痴呆或可能的路易体痴呆患者）
1187	2025-04-27	Improving healthcare sustainability using advanced brain simulations using a multi-modal deep learning strategy with VGG19 and bidirectional LSTM 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574428 PMID:40276738	research paper	该研究提出了一种结合深度学习和集成学习方法的多模态方案，用于改进MRI上的脑肿瘤分类	结合预训练的VGG19网络、双向LSTM和LightGBM分类器，利用空间特征提取和序列依赖学习的互补优势	未提及具体的数据集规模或多样性限制	提高脑肿瘤分类的准确性和鲁棒性，以增强医疗成像诊断应用	MRI图像中的脑肿瘤	digital pathology	brain tumor	deep learning, ensemble learning	VGG19, Bidirectional LSTM, LightGBM	MRI images	NA
1188	2025-04-27	CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation 2024-Dec, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70041 PMID:39601250	research paper	本研究探讨了系统性硬化症患者肺移植中延迟胸廓闭合的临床结果、风险因素及基于CT的肺大小匹配参数	首次在系统性硬化症患者中研究延迟胸廓闭合的临床结果，并利用深度学习算法自动计算CT影像中的肺和胸腔体积	研究为回顾性设计，样本量相对较小（92例患者）	评估系统性硬化症患者肺移植中延迟胸廓闭合的临床效果和预测因素	92例接受双侧肺移植的系统性硬化症患者	digital pathology	systemic sclerosis	CT成像和深度学习算法	深度学习算法（未指定具体模型）	CT影像和临床数据	92例系统性硬化症患者（年龄51±10岁，61%为女性）
1189	2025-04-27	Advances in artificial intelligence-based technologies for increasing the quality of medical products 2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences IF:2.5Q3 DOI:10.1007/s40199-024-00548-5 PMID:39613923	综述	本文综述了人工智能在提高医疗产品质量方面的最新技术进展	探讨了AI在预测药物靶蛋白行为、优化药物物理化学特性及加速产品开发方面的创新应用	未具体说明AI技术在医疗产品应用中面临的技术或伦理挑战	概述AI技术在医疗领域中的应用及其对提高产品质量、成本效益和安全性的潜力	医疗产品及其开发过程	人工智能在医学中的应用	NA	机器学习（ML）、深度学习	NA	NA	NA
1190	2025-04-27	High-throughput optimized prime editing mediated endogenous protein tagging for pooled imaging of protein localization 2024-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.16.613361 PMID:39345511	研究论文	开发了一种基于prime editing的高通量内源蛋白标记方法，用于大规模测量蛋白质亚细胞定位	首次将prime editing与光学读出和测序技术结合，实现了蛋白质组组织的大规模并行分析	仅测试了60种蛋白质，覆盖范围有限	开发一种可扩展的蛋白质亚细胞定位测量技术	60种具有不同定位模式的内源蛋白质	数字病理学	NA	prime editing, 高通量测序, 深度学习图像分析	深度学习	图像, 测序数据	17,280个pegRNAs设计的文库，覆盖60种蛋白质
1191	2025-04-27	Precision in Prevention and Health Surveillance: How Artificial Intelligence May Improve the Time of Identification of Health Concerns through Social Media Content Analysis 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800736 PMID:40199301	research paper	探讨人工智能通过社交媒体内容分析如何提升预防和健康监测的精准性	利用AI技术（如机器学习和自然语言处理）分析社交媒体数据，实时监测公共健康趋势，提供早期健康危机预警	涉及伦理和隐私问题，需要强大的数据匿名化和透明数据处理实践	提升预防和健康监测的精准性，实现更主动有效的健康干预	社交媒体上的健康相关内容	natural language processing	NA	machine learning, natural language processing (NLP), deep learning, transformer-based topic modelling, federated learning	NA	text	89 articles reviewed, 10 articles selected
1192	2025-04-27	Year 2023 in Biomedical Natural Language Processing: a Tribute to Large Language Models and Generative AI 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800751 PMID:40199311	综述	本文回顾了2023年生物医学自然语言处理领域的科学出版物，重点介绍了大型语言模型和生成式AI的应用	分析了2023年NLP领域的最新趋势，包括数据增强、领域特定模型适应和模型蒸馏等解决方案	仅基于两个文献数据库（Medline和ACL选集）的数据，可能未涵盖所有相关研究	总结2023年生物医学自然语言处理领域的研究进展和趋势	2023年发表的2,148篇生物医学NLP相关论文	自然语言处理	COVID-19, 癌症, 精神健康	大型语言模型（如ChatGPT）, 深度学习	大型语言模型	社交媒体内容, 电子健康记录	2,148篇论文
1193	2025-04-27	Fully Automated OCT-based Tissue Screening System 2024-May-15, ArXiv PMID:38800655	research paper	介绍了一种基于光学相干断层扫描（OCT）的全自动组织筛查系统，用于体外组织培养的高通量筛选应用	系统配备了定制设计的电动平台和组织检测能力，结合基于Transformer的深度学习分割算法，实现了自动化、连续成像和高效读取	目前仅在小鼠视网膜变性模型的视网膜外植体培养中进行了验证，尚未在其他组织或模型中测试	开发一种高效、可靠的全自动组织筛查系统，以推动药物发现及相关研究领域的发展	小鼠视网膜变性模型的视网膜外植体培养	digital pathology	retinal degeneration	optical coherence tomography (OCT)	Transformer-based deep learning segmentation algorithms	image	小鼠视网膜外植体培养样本（具体数量未提及）
1194	2025-04-27	A Multicenter Evaluation of the Impact of Therapies on Deep Learning-based Electrocardiographic Hypertrophic Cardiomyopathy Markers 2024-Mar-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.15.24301011 PMID:38293023	研究论文	评估手术或经皮室间隔减容术（SRT）和口服药物mavacamten对肥厚型心肌病（HCM）患者AI-ECG评分的影响	首次利用AI-ECG模型评估不同治疗方法对HCM患者心电图标记物的影响，为HCM治疗监测提供新方法	样本量相对有限，且仅在三家医疗中心进行	评估SRT和mavacamten治疗对HCM患者的生物学反应	接受SRT或mavacamten治疗的HCM患者	数字病理学	心血管疾病	AI-ECG	深度学习模型	心电图图像	SRT组：YNHHS 70例，CCF 100例，AHS 145例；mavacamten组：YNHHS 36例
1195	2025-04-27	EvoAI enables extreme compression and reconstruction of the protein sequence space 2024-Feb-23, Research square DOI:10.21203/rs.3.rs-3930833/v1 PMID:38464127	研究论文	本文介绍了一种名为EvoAI的混合实验计算方法，用于极端压缩和重建蛋白质序列空间	提出了EvoScan方法全面分割和扫描高适应性序列空间以获取关键锚点，并结合深度学习和大型语言模型准确重建序列空间	方法仅适用于能够与转录输出耦合的生物分子功能	探索蛋白质序列与功能之间的关系，实现高效压缩序列空间并预测新型高适应性序列	蛋白质序列空间	机器学习	NA	深度学习和大型语言模型	NA	蛋白质序列数据	82个锚点
1196	2025-04-27	From the diagnosis of infectious keratitis to discriminating fungal subtypes; a deep learning-based study 2023-12-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49635-8 PMID:38097753	research paper	本研究利用深度学习技术从传染性角膜炎的诊断到真菌亚型的区分	提出三个深度学习模型，分别用于诊断传染性角膜炎、区分细菌性和真菌性角膜炎，以及鉴别真菌亚型（丝状真菌与酵母菌）	模型在真菌亚型鉴别上的准确率相对较低（77.5%）	提高传染性角膜炎的早期诊断和分类准确性	传染性角膜炎患者	digital pathology	infectious keratitis	deep learning	CNN	image	977名患者的9329张裂隙灯照片
1197	2024-11-19	Retraction: A comprehensive review of deep learning-based single image super-resolution 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.621/retraction PMID:39554485	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1198	2025-04-27	Deep learning prediction of patient response time course from early data via neural-pharmacokinetic/pharmacodynamic modelling 2021-Aug, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-021-00357-4 PMID:40271424	研究论文	本文提出了一种结合深度学习与药代动力学/药效动力学（PK/PD）的新型神经-PK/PD框架，用于预测患者对治疗的反应时间过程	将药理学关键原理与神经常微分方程结合，直接从纵向患者数据中学习控制微分方程，实现了对未测试给药方案的患者反应模拟	需要大量患者数据进行训练，且模型性能依赖于数据质量	开发自动化预测患者反应时间过程的方法，减少对人工建模经验的依赖	患者对治疗的反应时间过程	机器学习	NA	神经常微分方程	神经-PK/PD模型	纵向患者数据	超过600名患者的临床数据集
1199	2025-04-27	A comprehensive review of deep learning-based single image super-resolution 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.621 PMID:34322592	综述	本文全面回顾了基于深度学习的单图像超分辨率技术的最新进展	提供了深度学习视角下的单图像超分辨率技术详细综述，并介绍了初始的经典方法	未涉及具体实验验证，仅为基础理论和方法回顾	总结和分类图像超分辨率技术，并探讨未来研究方向和开放性问题	图像超分辨率技术及其应用	计算机视觉	NA	深度学习	EDSR, CinCGAN, MSRN, Meta-RDN, RBPN, SAN, SRFBN, WRAN	图像	NA
1200	2025-04-26	Machine learning explainability for survival outcome in head and neck squamous cell carcinoma 2025-Jul, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105873 PMID:40121767	研究论文	本研究结合临床病理参数、治疗相关因素和社会人口学因素，构建机器学习模型预测头颈部鳞状细胞癌患者的总体生存率，并探讨这些输入参数的互补预后潜力	使用TabNet和XGBoost等先进算法预测生存率，并利用LIME和SHAP技术提供模型解释性	需要多机构数据集验证模型，并在临床试验中测试以确保临床安全性	构建预测头颈部鳞状细胞癌患者总体生存率的机器学习模型，并评估输入参数的预后潜力	头颈部鳞状细胞癌患者	机器学习	头颈部鳞状细胞癌	TabNet, XGBoost, LIME, SHAP	TabNet, XGBoost, 投票集成	临床数据	419名来自瑞典三家大学医院的患者