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	2025-06-03	Modeling enteric methane emission from dairy cows using deep learning approach 2025-Jul-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179713 PMID:40414055	研究论文	本研究探讨了使用深度学习模型预测奶牛肠道发酵产生的甲烷排放	首次应用LSTM模型预测奶牛甲烷排放，并在不同数据可用性场景下测试模型性能	样本量较小（最多52头奶牛），且仅使用单一农场的特定时间段数据	开发能够准确预测奶牛甲烷排放的深度学习模型	奶牛的甲烷排放数据	机器学习	NA	深度学习	LSTM, CNN, CNN-LSTM混合模型	性能、饲喂、行为和天气数据	52头奶牛（2022年10月至2023年12月）
1202	2025-06-03	Non-traditional socio-environmental and geospatial determinants of Alzheimer's disease-related dementia mortality 2025-Jul-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179745 PMID:40424712	研究论文	本研究探讨了非传统环境和社会因素对阿尔茨海默病相关痴呆（ADRD）死亡率的影响	结合了空气污染、社会脆弱性和地理空间特征来研究ADRD死亡率，并使用了PRIM和SHAP等先进分析方法	研究为横断面设计，无法确定因果关系	确定非传统环境和社会因素与ADRD死亡率的关系	美国大陆县级ADRD死亡率数据	公共卫生	老年病	PRIM、SHAP、深度学习	NA	环境数据、社会脆弱性指数、街景图像	美国大陆县级数据
1203	2025-06-03	Deep Guess acceleration for explainable image reconstruction in sparse-view CT 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102530 PMID:40154011	研究论文	本文提出了一种名为Deep Guess加速方案的新技术，用于在稀疏视图CT中加速正则化MBIR并提高重建精度	结合深度学习工具初始化近端算法的起始猜测，以在非凸模型中快速计算可解释的解图像	未提及具体临床验证或大规模样本测试	减少医学成像中的X射线剂量辐射并提高稀疏视图CT的重建质量	稀疏视图CT图像	计算机视觉	NA	深度学习	神经网络	图像	真实和合成的CT图像（具体数量未提及）
1204	2025-06-03	Deep learning-based image classification and quantification models for tablet sticking 2025-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125690 PMID:40339626	研究论文	本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化制药片剂生产中的粘附问题	结合CNN和GLCM特征的集成模型，能够检测和量化片剂粘附，克服了传统视觉检查的局限性	研究仅针对10批片剂进行了验证，样本量相对较小	提高制药片剂生产的效率和质量控制	制药片剂生产中的粘附问题	计算机视觉	NA	CNN, GLCM, SVM	AlexNet, VGG 16, ResNet 50, GoogLeNet	图像	10批片剂
1205	2025-06-03	Enhancing YOLOv8n with Mamba-like linear attention for defect detection and coating thickness analysis of irregular film tablet 2025-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125704 PMID:40354903	研究论文	本研究提出了一种集成深度学习和机器视觉的实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量	提出了一种增强型YOLOv8n架构，结合了Mamba-Like Linear Attention (MLLA)机制，显著提高了模型对细微缺陷的检测精度	NA	开发一种实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量，以提高药品生产的质量和效率	不规则形状薄膜包衣片	计算机视觉	NA	机器视觉、深度学习、亚像素图像处理技术	YOLOv8n、MLLA	图像	八种包衣片
1206	2025-06-03	Hyaluronan network remodeling by ZEB1 and ITIH2 enhances the motility and invasiveness of cancer cells 2025-Jun-02, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI180570 PMID:40178908	研究论文	研究透明质酸（HA）网络中ZEB1和ITIH2的作用及其对肺癌细胞迁移和侵袭能力的影响	揭示了ZEB1通过调控ITIH2、HAS2和CD44重塑肿瘤微环境中的HA网络，并提出针对该网络的抑制策略	研究主要基于体外实验和小鼠模型，尚未在人体中进行验证	探究HA网络在肺癌细胞迁移和侵袭中的作用机制	肺癌细胞和癌症相关成纤维细胞	肿瘤生物学	肺癌	深度学习药物-靶点相互作用算法	NA	NA	NA
1207	2025-06-03	Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC 2025-Jun-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07350-8 PMID:40451983	research paper	开发并验证一种结合多器官PET代谢指标的新型列线图，用于预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应	首次报道的多器官代谢列线图，通过量化系统性宿主-肿瘤代谢相互作用，优于传统的以肿瘤为中心的方法	回顾性研究设计，样本量相对较小（115例患者）	预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应	可切除非小细胞肺癌（rNSCLC）患者	数字病理	肺癌	[18F]F-FDG PET/CT	深度学习自动分割，LASSO回归，随机森林优化	PET代谢参数（SUVmean, SUVmax, SUVpeak, MTV, TLG）	115例可切除非小细胞肺癌患者
1208	2025-06-03	Refinement of an Artificial Intelligence Algorithm for Enhanced Burn Wound Depth Assessment Using Multispectral Imaging: An Expanded Proof of Concept Study 2025-Jun-02, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/iraf057 PMID:40452490	研究论文	本研究通过多光谱成像技术和卷积神经网络算法，开发了一种用于烧伤伤口深度评估的深度学习模型	利用多光谱成像技术捕捉可见光谱外的波长信息，结合多种CNN架构开发深度学习算法，显著提高了烧伤评估的准确性	研究样本量相对有限（124名受试者），且算法在伤后1-2天的准确率较低	开发并优化用于烧伤伤口深度评估的人工智能算法	烧伤患者的伤口评估	计算机视觉	烧伤	多光谱成像(MSI)	CNN	图像	124名受试者（100名成人，24名儿童），收集1037张MSI图像和161份活检样本
1209	2025-06-03	Artificial intelligence for early gastric cancer boundary recognition in NBI and nF-NBI endoscopic images 2025-Jun-02, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2025.2509818 PMID:40452611	研究论文	本研究开发了基于深度学习的模型，用于在窄带成像（NBI）和近焦NBI（NF-NBI）图像中识别早期胃癌（EGC）的边界	开发了六种深度学习模型（Model1-Model6），用于EGC边界检测，并在NBI和NF-NBI图像上达到了与资深内镜医师相当的诊断性能	NA	开发深度学习模型以精确识别早期胃癌的边界，辅助内镜黏膜下剥离术	早期胃癌（EGC）患者的NBI和NF-NBI图像	计算机视觉	胃癌	窄带成像（NBI）和近焦NBI（NF-NBI）	CNN	图像	1215张NBI图像和1646张NF-NBI图像
1210	2025-06-03	Pairwise Attention: Leveraging Mass Differences to Enhance De Novo Sequencing of Mass Spectra 2025-Jun-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00063 PMID:40454436	研究论文	本研究提出了一种改进的transformer编码器，通过引入基于成对质量差异的学习偏置（Pairwise Attention, PA），提升了质谱数据的从头测序性能	提出Pairwise Attention机制，将质谱手动解释的启发式方法融入transformer架构，显著提升肽段序列预测精度	方法仅在九物种基准数据集上验证，未说明在其他物种或更复杂样本上的泛化能力	提高基于质谱的蛋白质组学中肽段从头测序的准确性	MS2质谱数据	生物信息学	NA	质谱技术（MS2）	改进的transformer编码器（含Pairwise Attention机制）	质谱数据	九物种基准数据集（具体数量未说明）
1211	2025-06-03	Regularized Gradient Statistics Improve Generative Deep Learning Models of Super Resolution Microscopy 2025-Jun-02, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401900 PMID:40454902	research paper	该研究展示了在超分辨率荧光显微镜的深度学习模型训练过程中，通过正则化信号梯度统计可以改善生成图像的质量	提出在训练数据集中对图像进行正则化处理，使其梯度和拉普拉斯统计更接近自然场景图像的预期统计特性	该正则化方法仅适用于先验信息合适的图像，在BioSR数据集中仅限于丝状结构图像	提高超分辨率显微镜深度学习模型生成图像的质量	超分辨率荧光显微镜图像	computer vision	NA	深度学习	Conditional Variational Diffusion Model (CVDM)	image	BioSR数据集中的匹配对（衍射极限图像和超分辨率图像）
1212	2025-06-03	Data Scaling and Generalization Insights for Medicinal Chemistry Deep Learning Models 2025-Jun-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00538 PMID:40454949	研究论文	本文通过深度学习与传统机器学习方法，评估了药物发现中小分子预测模型的性能，并提出了提升模型表现的因素	提出了一个能够解释81%模型性能差异的缩放关系，为ADMET终点及更广泛的药物发现数据提供了性能估计方法	研究主要基于内部和公开数据集，可能无法涵盖所有药物发现场景	理解和提升药物发现中小分子预测模型的性能	小分子预测模型	机器学习	NA	深度学习，传统机器学习（XGBoost，随机森林）	图神经网络（GNN），XGBoost，随机森林	化学数据	大规模内部及公开数据集
1213	2025-06-03	Recent advances in monoclonal antibody development for treatment of B-cell acute lymphoblastic leukemia 2025-Jun-02, Leukemia & lymphoma IF:2.2Q3 DOI:10.1080/10428194.2025.2507198 PMID:40455243	综述	本文综述了针对B细胞急性淋巴细胞白血病（B-ALL）的单克隆抗体（mAb）治疗的最新进展，包括临床效果和耐药机制	总结了双特异性T细胞接合剂（如blinatumomab）和CD22导向的抗体-药物偶联物（如inotuzumab ozogamicin）在复发/难治性疾病中的显著疗效，以及抗体工程（如Fc优化、纳米抗体和人源化）在增强肿瘤靶向和治疗安全性方面的进展	持续存在的挑战包括抗原逃逸、基质介导的耐药性和治疗相关毒性	探讨单克隆抗体在B-ALL治疗中的最新进展和未来发展方向	B细胞急性淋巴细胞白血病（B-ALL）	精准免疫治疗	B细胞急性淋巴细胞白血病	单克隆抗体（mAb）、双特异性T细胞接合剂（如blinatumomab）、抗体-药物偶联物（如inotuzumab ozogamicin）	NA	文献综述	NA
1214	2025-06-03	A Multi-modal Drug Target Affinity Prediction Based on Graph Features and Pre-trained Sequence Embeddings 2025-Jun-02, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00713-7 PMID:40455402	研究论文	提出一种基于图特征和预训练序列嵌入的多模态药物靶点亲和力预测方法MGSDTA	整合药物分子和靶蛋白的图特征与序列特征，采用加权融合模块进行预测，性能优于单模态方法	未提及方法在特定类型药物或靶点上的适用性限制	开发更准确的药物靶点亲和力预测计算方法	药物分子和靶蛋白	机器学习	NA	Mol2vec和ProtVec预训练模型	MGSDTA（多模态融合模型）	图数据（分子/蛋白结构）和序列数据	基准数据集（未说明具体样本量）
1215	2025-06-03	SPCF-YOLO: An Efficient Feature Optimization Model for Real-Time Lung Nodule Detection 2025-Jun-02, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00720-8 PMID:40455403	research paper	提出了一种名为SPCF-YOLO的实时检测框架，用于CT影像中的肺结节检测，通过层次特征融合和解剖学上下文建模提高检测精度	结合了空间到深度卷积模块(SPDConv)、共享特征金字塔卷积模块(SFPConv)、改进的金字塔挤压注意力模块(PSA)和改进的上下文变换器模块(CoTB)，提升了小结节检测的敏感性和全局通道依赖性	未提及模型在其他类型肺部疾病或不同影像模态上的泛化能力	提高CT影像中肺结节检测的准确性和实时性	CT影像中的肺结节	computer vision	lung cancer	deep learning	YOLO (SPCF-YOLO)	CT images	LUNA16数据集和SIIM-COVID-19数据集
1216	2025-06-03	NPI-HetGNN: A Prediction Model of ncRNA-Protein Interactions Based on Heterogeneous Graph Neural Networks 2025-Jun-02, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00716-4 PMID:40455400	research paper	提出了一种基于异构图神经网络的ncRNA-蛋白质相互作用预测模型NPI-HetGNN	结合了ncRNA和蛋白质的序列特性与异质连接拓扑结构，引入了能量约束自注意力模块以增强特征提取能力	缺乏湿实验室验证条件，仅采用计算验证	探索ncRNA-蛋白质相互作用以研究广泛的生物学特征和相关疾病	ncRNA与蛋白质的相互作用	machine learning	NA	heterogeneous graph neural networks	HetGNN	sequence data, network topology	四个基准数据集
1217	2025-06-03	Uncertainty Quantification and Temperature Scaling Calibration for Protein-RNA Binding Site Prediction 2025-Jun-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00556 PMID:40455481	研究论文	本文提出了一种结合多尺度图卷积网络、卷积神经网络和注意力机制的MGCA方法，用于预测蛋白质-RNA结合位点，并研究了不确定性量化及温度缩放校准对预测质量的影响	提出MGCA方法整合多尺度特征提取，引入分箱筛选方法降低假阳性，并首次在蛋白质-RNA结合位点预测中应用温度缩放校准模型不确定性	未明确说明模型在跨物种或新型RNA结合蛋白上的泛化能力，且分箱筛选方法的普适性需进一步验证	提高蛋白质-RNA结合位点预测的准确性及预测结果的可信度	蛋白质-RNA相互作用	生物信息学	NA	多尺度图卷积网络、注意力机制、温度缩放校准	MGCA（图卷积网络+CNN+注意力机制）	蛋白质序列与结构数据	未明确说明具体样本量，但涉及五种流行模型的对比
1218	2024-12-20	Deep learning on chromatin profiles reveals the cis-regulatory sequence code of the rice genome 2025-Jun, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.12.007 PMID:39694233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1219	2025-06-03	Accelerated High-resolution T1- and T2-weighted Breast MRI with Deep Learning Super-resolution Reconstruction 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.055 PMID:39794159	research paper	评估一种工业开发的深度学习算法在重建低分辨率T1和T2加权乳腺MRI图像中的性能，并与标准序列进行比较	使用深度学习算法进行去噪和分辨率提升，显著减少采集时间并提高图像质量	样本量较小（47名患者），且仅在1.5特斯拉MRI设备上进行测试	评估深度学习算法在乳腺MRI图像重建中的性能	女性乳腺MRI患者	digital pathology	breast cancer	deep learning, compressed sensing	Adaptive-CS-Net, Precise-Image-Net	MRI图像	47名患者（平均年龄58±11岁）
1220	2025-06-03	AI image analysis as the basis for risk-stratified screening 2025-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的风险预测模型的应用与进展	探讨了从传统影像生物标志物到前沿深度学习方法及多模态方法的风险预测模型	AI风险模型主要在研究环境中探索，尚未广泛临床采用	优化AI工具在乳腺癌筛查中的应用，提高不同人群的公平性和筛查效果	乳腺癌筛查中的风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA