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
1201	2025-04-22	Automated pain detection using facial expression in adult patients with a customized spatial temporal attention long short-term memory (STA-LSTM) network 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97885-5 PMID:40251301	研究论文	开发了一种基于面部表情的自动疼痛评估系统，用于成年患者	提出了一种定制的时空注意力长短期记忆（STA-LSTM）深度学习网络，用于从面部表情中检测疼痛水平	研究样本仅来自新加坡的两家公共医疗机构，可能不具有广泛代表性	开发自动疼痛评估系统，以替代自我报告和观察者评估	成年手术或介入性疼痛治疗患者	计算机视觉	疼痛管理	STA-LSTM	LSTM	视频	200名患者，共收集2008个视频，进一步剪辑为10,274个1秒片段
1202	2025-04-22	AI analysis for ejection fraction estimation from 12-lead ECG 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97113-0 PMID:40251349	research paper	该研究探讨了使用12导联心电图（ECG）信号通过机器学习和深度学习模型估计心脏射血分数（EF）的潜力，特别关注农村阿巴拉契亚地区人群	研究首次在农村阿巴拉契亚地区人群中应用AI模型进行EF估计，并比较了不同ECG导联组合的效果，同时进行了模型可解释性分析	研究数据主要来自西弗吉尼亚州的医院，可能无法完全代表其他农村地区的人群特征	开发基于AI的EF估计方法，以替代昂贵且不易获取的超声心动图检查	55,500名来自西弗吉尼亚州医院的患者	machine learning	cardiovascular disease	12-lead ECG	Random Forest, Transformers	ECG信号数据	55,500名患者
1203	2025-04-22	GRLGRN: graph representation-based learning to infer gene regulatory networks from single-cell RNA-seq data 2025-Apr-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06116-1 PMID:40251476	研究论文	提出了一种名为GRLGRN的深度学习模型，用于从单细胞RNA测序数据中推断基因调控网络	使用图变换网络从先验GRN中提取隐含链接，并结合基因表达谱矩阵编码基因特征，利用注意力机制改进特征提取	面临细胞异质性、测量噪声和数据丢失等挑战	研究基因调控网络的重建，以探索细胞动态、药物设计和代谢系统	单细胞RNA测序数据和基因调控网络	机器学习	NA	scRNA-seq	graph transformer network	基因表达数据	七个细胞系数据集和三个真实网络
1204	2025-04-22	Smart contours: deep learning-driven internal gross tumor volume delineation in non-small cell lung cancer using 4D CT maximum and average intensity projections 2025-Apr-18, Radiation oncology (London, England) DOI:10.1186/s13014-025-02642-7 PMID:40251610	research paper	本研究提出了一种基于深度学习的自动内部总肿瘤体积（IGTV）分割方法，用于非小细胞肺癌（NSCLC）的4D CT最大和平均强度投影图像	使用4D CT的最大和平均强度投影（MIP和AIP）直接进行IGTV分割，而非传统的多期相4D CT方法	研究样本量较小（124例患者），且为回顾性研究	开发自动化IGTV分割方法以提高非小细胞肺癌放疗计划的准确性和一致性	非小细胞肺癌患者的4D CT图像	digital pathology	lung cancer	4D CT成像	U-net, attention U-net, V-net	医学影像（CT图像）	124例NSCLC患者（87例训练集，37例验证集）
1205	2025-04-22	The Application of Natural Language Processing Technology in Hospital Network Information Management Systems: Potential for Improving Diagnostic Accuracy and Efficiency 2025-Apr-18, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100287 PMID:40254184	研究论文	本文探讨了自然语言处理技术在医院网络信息管理系统中的应用，以提高诊断效率和准确性	提出了一种新颖的隐藏贝叶斯集成密集Bi-LSTM（HB-DBi-LSTM）策略，用于优化词袋模型	研究主要关注睡眠问题诊断，可能不适用于其他医疗领域	研究NLP技术在医院网络信息管理系统中的应用潜力，以提高诊断效率和准确性	电子健康记录中的扫描文档	自然语言处理	睡眠问题	NLP, OCR, 图像预处理	HB-DBi-LSTM, 贝叶斯技术	扫描PDF图像	报告分为70%训练集和30%测试集
1206	2025-04-22	Generating Artificial Patients With Reliable Clinical Characteristics Using a Geometry-Based Variational Autoencoder: Proof-of-Concept Feasibility Study 2025-Apr-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63130 PMID:40245392	研究论文	本研究探讨了使用基于几何的变分自编码器（VAE）生成具有可靠临床特征的人工患者的可行性	首次将基于几何的VAE应用于高维度、小样本量的表格数据，生成人工患者	需要进一步研究整合纵向动态以映射患者轨迹	测试生成具有可靠临床特征的人工患者的可行性	521名真实患者的数据	机器学习	麻醉准备	变分自编码器（VAE）	VAE	表格数据	521名真实患者，生成多达10,000名人工患者
1207	2025-04-22	Self-supervised network predicting neoadjuvant chemoradiotherapy response to locally advanced rectal cancer patients 2025-Apr-14, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102552 PMID:40253816	研究论文	提出一种自监督学习框架EIA-Net，用于预测局部晚期直肠癌患者对新辅助放化疗的反应	开发了Expand Intensive Attention Network (EIA-Net)和实例导向协作自监督学习(IOC-SSL)，增强特征提取能力并减少对标记数据的依赖	研究为回顾性研究，需要进一步前瞻性验证	提高局部晚期直肠癌患者对新辅助放化疗反应预测的准确性	局部晚期直肠癌(LARC)患者	数字病理	直肠癌	深度学习	EIA-Net (基于3D CNN和坐标注意力机制)	CT影像	1575个体积(自监督数据集1394个，监督数据集195个)
1208	2025-04-22	Interpreting regulatory mechanisms of Hippo signaling through a deep learning sequence model 2025-Apr-09, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100821 PMID:40174587	研究论文	通过深度学习序列模型解析Hippo信号通路的调控机制	利用深度学习模型在全基因组范围内学习细胞类型特异性序列规则，揭示了TFAP2C基序以核小体范围和距离依赖的方式增强TEAD4/YAP1结合，驱动协同增强子激活	研究仅基于小鼠滋养层干细胞模型，结果在其他细胞类型中的普适性有待验证	解析信号通路如何介导细胞类型特异性转录反应的机制	小鼠滋养层干细胞中的Hippo信号通路	机器学习	NA	深度学习、分子动力学模拟	深度学习序列模型	基因组序列数据	NA
1209	2025-04-22	Rapid COD Sensing in Complex Surface Water Using Physicochemical-Informed Spectral Transformer with UV-Vis-SWNIR Spectroscopy 2025-Apr-08, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c14209 PMID:40053333	research paper	该论文提出了一种结合物理化学信息的Transformer模型（PIST）与紫外-可见-短波近红外光谱（UV-vis-SWNIR）技术，用于复杂地表水中的化学需氧量（COD）快速检测	首次将Transformer模型与光谱技术结合用于水质检测，并引入了物理化学信息块以增强模型的领域适应性和特征提取能力	未提及模型在其他类型水质或更大规模数据集上的泛化能力测试	提高复杂水环境中化学需氧量（COD）的快速检测准确性和一致性	地表水（包括长江和鄱阳湖）	machine learning	NA	UV-vis-SWNIR spectroscopy	Transformer (PIST)	spectral data	实际地表水光谱数据集（覆盖长江和鄱阳湖等广泛地理区域）
1210	2025-04-22	Unsupervised Learning of Progress Coordinates during Weighted Ensemble Simulations: Application to NTL9 Protein Folding 2025-Apr-08, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01136 PMID:40105797	research paper	该研究开发了一种在加权集成（WE）罕见事件采样过程中通过深度学习（DL）识别进展坐标的无监督方法，并应用于NTL9蛋白质折叠过程	提出了一种在加权集成采样过程中通过深度学习识别进展坐标的无监督方法，显著提高了采样效率	方法仅在NTL9蛋白质折叠过程中进行了验证，尚未在其他系统或更复杂的生物分子系统中测试	开发一种无监督学习方法，用于识别罕见事件采样中的进展坐标	NTL9蛋白质折叠过程	machine learning	NA	deep learning, weighted ensemble simulations	convolutional variational autoencoder	molecular dynamics trajectories	NA
1211	2025-04-22	An overview of utilizing artificial intelligence in localized prostate cancer imaging 2025-Apr, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2025.2477601 PMID:40056148	综述	本文综述了人工智能在前列腺癌多参数MRI成像中的应用现状及未来发展	总结了AI在前列腺癌MRI图像分析中的自动化任务，如前列腺分割、病灶检测和分类的创新应用	AI模型的临床应用仍受限于需要更大规模、多机构的验证研究	提升前列腺癌多参数MRI的诊断性能	前列腺癌患者的多参数MRI图像	数字病理	前列腺癌	多参数MRI (mpMRI)	机器学习和深度学习	医学影像	NA
1212	2025-04-22	Weight Differences-Based Multi-level Signal Profiling for Homogeneous and Ultrasensitive Intelligent Bioassays 2025-03-18, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c01436 PMID:40059671	research paper	提出了一种基于重量差异的多级信号分析策略Mata，用于实现均相和超灵敏的智能生物检测	通过纳米磁标记和多级信号分类器结合深度学习模型，实现了高灵敏度和便捷操作的平衡	需要进一步验证其在其他生物标志物检测中的适用性	开发一种高灵敏度且操作简便的免疫分析方法	白细胞介素-6（interleukin-6）	智能生物检测	NA	纳米磁标记、深度学习	深度学习识别模型	光学成像数据	NA
1213	2025-04-22	Computational methods for binding site prediction on macromolecules 2025-Mar-12, Quarterly reviews of biophysics IF:7.2Q1 DOI:10.1017/S003358352500006X PMID:40071518	综述	本文综述了利用机器学习方法预测大分子结合位点的最新进展	分类了基于大分子序列、结构、模板知识、几何和能量特性的编码方法，并根据相互作用分子类型（小分子、肽和离子）对方法进行了分类	强调了基于深度学习方法的最新技术的局限性	推进药物发现，通过识别药理学靶点中的新结合位点，促进基于结构的命中识别和先导优化	蛋白质和RNA等生物分子结构	计算生物学	NA	机器学习	深度学习	序列、结构、模板知识、几何和能量特性数据	NA
1214	2025-04-22	DMGAT: predicting ncRNA-drug resistance associations based on diffusion map and heterogeneous graph attention network 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf179 PMID:40251829	research paper	该研究提出了一种名为DMGAT的新型深度学习模型，用于预测非编码RNA（ncRNA）与药物抗性之间的关联	DMGAT整合了扩散映射进行序列嵌入、图卷积网络进行特征提取以及图注意力网络（GAT）进行异质信息融合，同时采用随机森林分类器选择可靠的负样本以解决数据集不平衡问题	模型性能可能受到数据集不平衡和稀疏性的限制	预测ncRNA与药物抗性之间的关联，以识别潜在的生物标志物和治疗靶点	非编码RNA（ncRNA）和药物	machine learning	NA	word2vec, 扩散映射, 图卷积网络, 图注意力网络（GAT）	DMGAT（基于扩散映射和异质图注意力网络的深度学习模型）	序列数据（ncRNA序列和药物SMILES）	来自NoncoRNA和ncDR的精选数据集
1215	2025-04-22	A graph neural network approach for accurate prediction of pathogenicity in multi-type variants 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf151 PMID:40251830	research paper	提出了一种基于图神经网络的多模态注释致病性预测方法GNN-MAP，用于准确预测人类疾病相关基因中的致病性变异	GNN-MAP能够有效整合多模态注释和变异间的相似性关系，准确预测多种类型变异的致病性，尤其在罕见变异和高度不平衡数据集上表现优异	NA	提高人类疾病相关基因中致病性变异的预测准确性，以辅助临床决策	人类疾病相关基因中的多类型变异	machine learning	inherited retinal disease	graph neural network	GNN	multimodal annotations	ClinVar数据集
1216	2025-04-22	Prospective Evaluation of Accelerated Brain MRI Using Deep Learning-Based Reconstruction: Simultaneous Application to 2D Spin-Echo and 3D Gradient-Echo Sequences 2025-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0653 PMID:39780631	研究论文	前瞻性评估基于深度学习的加速脑部MRI重建技术（Accel-DL）在提高成像质量和缩短扫描时间方面的效果	首次在2D自旋回波和3D梯度回波序列中同时应用Accel-DL技术，并验证其在减少扫描时间和提高图像质量方面的效果	深部灰质（包括丘脑）的体积测量存在显著差异，且白质高信号（WMH）分割中的白质皮层病变类别存在差异	评估Accel-DL技术在脑部MRI中的效果，包括扫描时间减少和图像质量提升	150名参与者（51名男性，平均年龄57.3±16.2岁）	数字病理	NA	MRI	U-Net	图像	150名参与者，使用三种不同厂商的3T扫描仪
1217	2025-04-22	Detection and classification of ChatGPT-generated content using deep transformer models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1458707 PMID:40256321	研究论文	本文提出了一种基于深度transformer模型的ChatGPT生成内容的检测与分类方法	使用RoBERTa和DistilBERT等transformer架构模型，实现了对AI生成文本的高效检测与分类，F1分数和准确率均超过0.98	模型在不同AI生成内容来源上的泛化能力尚未验证，且未考虑AI文本检测领域不断演变的挑战	解决AI生成文本（特别是ChatGPT）的检测与分类问题，以防止技术滥用	人类撰写文本与ChatGPT生成的AI文本	自然语言处理	NA	深度学习	RoBERTa, DistilBERT	文本	包含人类撰写和ChatGPT生成文本的数据集（具体数量未说明）
1218	2025-04-22	The G Protein-Coupled Receptor-Related Gene Signatures for Diagnosis and Prognosis in Glioblastoma: A Deep Learning Model Using RNA-Seq Data 2024-Dec-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2024.25.12.4201 PMID:39733410	研究论文	本研究利用RNA-Seq数据和深度学习模型，探索了胶质母细胞瘤中G蛋白偶联受体相关基因标记的诊断和预后价值	首次将深度学习模型与RNA-Seq数据结合，鉴定出胶质母细胞瘤中G蛋白偶联受体相关基因作为新型生物标志物	研究仅基于532名患者的回顾性数据，需要更大样本的前瞻性研究验证	探索胶质母细胞瘤的新型诊断和预后生物标志物	532名胶质母细胞瘤患者的RNA-Seq数据	数字病理学	胶质母细胞瘤	RNA-Seq	深度学习	基因表达数据	532名GBM患者
1219	2025-04-22	Pixelated High-Q Metasurfaces for in Situ Biospectroscopy and Artificial Intelligence-Enabled Classification of Lipid Membrane Photoswitching Dynamics 2024-05-07, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c09798 PMID:38653474	research paper	该研究结合像素化全介质超表面与深度学习技术，开发了一种用于时间分辨原位生物光谱学的集成光流控平台	利用高Q超表面在损耗性水环境中操作，结合深度学习实现实时分类，准确率达98%	目前仅应用于光开关脂质膜的动态行为研究，尚未扩展到更广泛的生物分子系统	开发一种集成光流控平台，用于研究生物系统的动态相互作用	光开关脂质膜的动态行为	digital pathology	NA	光谱采样技术	CNN	光谱数据	NA
1220	2025-04-21	Validation of a Deep Learning Model for Diabetic Retinopathy on Patients with Young-Onset Diabetes 2025-May, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01116-z PMID:40087218	研究论文	本研究验证了一种深度学习模型在年轻发病糖尿病患者中筛查糖尿病视网膜病变（DR）的性能	针对年轻糖尿病患者（18-25岁）验证深度学习系统的性能，发现其敏感性与年长患者相当，但特异性更高	视网膜光泽的存在可能干扰参考DME状态的判定，影响模型敏感性的测量	评估深度学习系统在年轻糖尿病患者中筛查糖尿病视网膜病变的性能	18-45岁的糖尿病患者（主要为1型糖尿病）	数字病理学	糖尿病视网膜病变	深度学习	DLS（深度学习系统）	眼底照片	321名18-45岁患者（98.8%为1型糖尿病）