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
1241	2025-05-15	RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning 2025-Mar-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57852-0 PMID:40118849	research paper	介绍了一种名为RNAmigos2的基于深度图学习的RNA虚拟筛选方法，显著提高了筛选速度和准确性	首次将数据驱动的虚拟筛选流程应用于RNA，结合粗粒度3D建模、合成数据增强和RNA特异性自监督学习，实现了比传统分子对接快10,000倍的速度	RNA领域的数据有限，且机器学习在该领域的应用仍不成熟	开发一种高效的RNA虚拟筛选方法，以加速RNA药物的发现	RNA分子及其潜在药物靶点	machine learning	NA	deep graph learning, synthetic data augmentation, RNA-specific self-supervision	deep learning	3D RNA structure data	20,000-compound in-vitro microarray
1242	2025-05-15	Bulldogs stenosis degree classification using synthetic images created by generative artificial intelligence 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92769-0 PMID:40119072	research paper	本研究开发了一种自动深度学习模型，用于分类斗牛犬鼻狭窄的严重程度	使用包括真实和AI生成的样本在内的图像，测试了五种神经网络架构，并比较了模型与专业兽医解剖学评估者的性能	DenseNet201的中位F-score为54.04%，性能仍有提升空间	开发自动分类斗牛犬鼻狭窄严重程度的深度学习模型	斗牛犬的鼻孔图像	computer vision	nasal stenosis	generative artificial intelligence	DenseNet201	image	1020张斗牛犬鼻孔图像（包括真实和AI生成的样本）
1243	2025-05-15	Exploring the impact of hyperparameter and data augmentation in YOLO V10 for accurate bone fracture detection from X-ray images 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93505-4 PMID:40119100	研究论文	本研究探讨了超参数和数据增强技术对YOLO V10架构在X射线图像中准确检测骨折性能的影响	通过结合特定的超参数组合和目标增强策略，显著提高了骨折检测的准确性和精确度	研究仅针对YOLO V10架构，未与其他最新模型进行对比	提高X射线图像中骨折检测的准确性和精确度	X射线图像中的骨折	计算机视觉	骨折	图像非锐化掩模方法和对比度受限的自适应直方图均衡化	YOLO V10	图像	NA
1244	2025-05-15	Merging synthetic and real embryo data for advanced AI predictions 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94680-0 PMID:40119109	研究论文	本文探讨了如何通过结合合成和真实的胚胎数据来提高AI在胚胎形态评估中的预测准确性	使用两种生成模型（包括扩散模型和生成对抗网络）生成合成胚胎图像，并与真实图像结合训练分类模型，显著提高了分类性能	合成图像的逼真度仍有提升空间，且需要更多外部数据集的验证	提高辅助生殖技术中胚胎形态评估的准确性	胚胎图像	计算机视觉	生殖健康	生成模型（扩散模型和生成对抗网络）	CNN	图像	两个数据集（一个公开可用，一个现有公共数据集）
1245	2025-05-15	Robust enzyme discovery and engineering with deep learning using CataPro 2025-Mar-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58038-4 PMID:40108140	研究论文	本文介绍了一种名为CataPro的深度学习模型，用于预测酶动力学参数，并在酶发现和改造中展示了其高效性	开发了无偏数据集评估现有方法性能，并提出了结合预训练模型和分子指纹的深度学习模型CataPro，显著提高了预测准确性和泛化能力	未提及模型在更广泛酶类或极端条件下的适用性	提高酶动力学参数预测的准确性和泛化能力，以促进酶的发现和改造	酶动力学参数（转换数k、米氏常数K和催化效率k/K）	机器学习	NA	深度学习	预训练模型与分子指纹结合的深度学习模型	分子数据	未明确提及具体样本量，但包含无偏数据集和代表性酶挖掘项目
1246	2025-05-15	Artificial intelligence to enhance the diagnosis of ocular surface squamous neoplasia 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94876-4 PMID:40108432	research paper	该研究利用人工智能（AI）和体内共聚焦显微镜（IVCM）技术，开发了一种区分眼表鳞状上皮瘤（OSSN）与其他病变的方法，并比较了不同AI模型的性能	采用了一种新颖的基于方形数据增强策略来缓解类别不平衡问题，并实现了少样本学习模型以提高罕见症状（如细胞有丝分裂）的识别精度，同时利用Shapley值和UMAP分析增强模型解释性	在四分类任务中模型准确率较低	开发高精度的AI模型用于眼表鳞状上皮瘤（OSSN）的诊断	眼表鳞状上皮瘤（OSSN）及其他眼表疾病	digital pathology	ocular surface squamous neoplasia	in vivo confocal microscopy (IVCM)	ResNet50V2, Yolov8x, VGG19	image	2,774张IVCM图像
1247	2025-05-15	A fusion model to predict the survival of colorectal cancer based on histopathological image and gene mutation 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91420-2 PMID:40113813	研究论文	提出了一种基于组织病理学图像和基因突变的多模态深度学习计算框架，用于预测结直肠癌患者的5年生存率	首次将组织病理学图像与分子数据结合，使用Multimodal Compact Bilinear Pooling (MCBP)方法预测结直肠癌患者的生存率	样本量较小（84例），且仅使用了TCGA数据库的数据	预测结直肠癌患者的5年生存率，以辅助临床决策	结直肠癌患者	数字病理学	结直肠癌	mRNA测序、基因突变分析	MCBP	图像、文本（临床信息）、基因数据	84例（来自TCGA数据库，包含组织病理学图像、临床信息、mRNA测序数据和基因突变数据）
1248	2025-05-15	Spatio-temporal epidemic forecasting using mobility data with LSTM networks and attention mechanism 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94089-9 PMID:40113855	research paper	本研究提出了一种结合LSTM网络和多头注意力机制的深度学习模型，用于短期预测传染病趋势，以日本COVID-19确诊病例和住院数据为例	结合LSTM网络和多头注意力机制，利用移动数据捕捉时空动态，提高预测准确性	研究仅基于日本的数据，可能在其他地区的适用性有限	短期预测传染病趋势以辅助决策制定和疫情控制策略开发	COVID-19确诊病例和住院数据	machine learning	COVID-19	NA	LSTM, attention mechanism	时间序列数据，移动数据	日本COVID-19确诊病例和住院数据
1249	2025-05-15	A hybrid object detection approach for visually impaired persons using pigeon-inspired optimization and deep learning models 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92239-7 PMID:40113884	research paper	提出了一种结合鸽群优化和深度学习模型的混合物体检测方法，用于帮助视障人士安全导航	结合了YOLOv10框架、CapsNet和InceptionV3的特征提取模型融合，以及MHA-BiLSTM分类方法，并使用鸽群优化算法进行超参数调优	仅在室内物体检测数据集上进行了验证，未涉及室外复杂环境	开发可靠精确的物体检测系统以帮助视障人士安全导航	视障人士及其周围环境中的物体	computer vision	NA	deep learning, pigeon-inspired optimization	YOLOv10, CapsNet, InceptionV3, MHA-BiLSTM	image	Indoor Objects Detection数据集（具体数量未提及）
1250	2025-05-15	Comparison of MRI and CT based deep learning radiomics analyses and their combination for diagnosing intrahepatic cholangiocarcinoma 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92263-7 PMID:40113926	research paper	本研究比较了基于MRI和CT的深度学习放射组学分析及其组合在诊断肝内胆管癌中的效果	开发了CT-MRI跨模态模型，其AUC值最高，显示出在肝脏恶性肿瘤检测中的潜在临床意义	样本量相对较小，训练和测试队列分别为124和54例患者	评估深度学习放射组学分析在诊断肝内胆管癌中的效果	178例经病理证实的原发性肝癌患者	digital pathology	liver cancer	deep learning radiomics analysis	DL radiomics models (DLRS, R, DLRR)	image	178例患者（124例训练队列，54例测试队列）
1251	2025-05-15	Data-driven analysis for the evaluation of cortical mechanics of non-adherent cells 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94315-4 PMID:40113954	研究论文	本文提出了一种结合微米级陷阱阵列和深度学习方法的新技术，用于自动化分析非粘附细胞的皮质力学	引入易于制造的可重复使用的聚二甲基硅氧烷基微阱阵列，并应用深度学习方法直接从提取的曲线中自动分析细胞弹性	深度学习模型在从原始数据中提取细胞弹性时的决定系数较低（0.47）	评估非粘附细胞的皮质力学，并研究不同细胞骨架药物对其变形能力的影响	悬浮细胞	生物医学工程	NA	原子力显微镜（AFM）和深度学习	深度学习模型	AFM提取的曲线数据	未明确提及具体样本数量
1252	2025-05-15	StainAI: quantitative mapping of stained microglia and insights into brain-wide neuroinflammation and therapeutic effects in cardiac arrest 2025-Mar-20, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07926-y PMID:40114030	研究论文	介绍了一种名为StainAI的深度学习工具，用于快速、高通量分析小胶质细胞形态，并应用于心脏骤停和猿猴免疫缺陷病毒感染的神经炎症研究	开发了StainAI工具，能够从小胶质细胞的免疫组化图像中快速分类和量化形态特征，超越了现有方法的速度和规模	研究主要基于动物模型（大鼠和非人灵长类动物），尚未在人类数据上进行验证	开发一种高通量工具，用于研究小胶质细胞在神经炎症中的形态变化及其与疾病的关系	小胶质细胞	数字病理学	神经炎症	免疫组化	深度学习	图像	大鼠和非人灵长类动物的多张切片，涉及数百万个小胶质细胞
1253	2025-05-15	Development of PDAC diagnosis and prognosis evaluation models based on machine learning 2025-Mar-20, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13929-z PMID:40114140	研究论文	本研究利用机器学习技术结合血清生物标志物，建立了胰腺导管腺癌（PDAC）的鉴别诊断和预后评估模型，旨在提高早期诊断率和患者生存率	首次将多种机器学习模型（RF、NNET、SVM、GBM）和DeepSurv深度学习模型应用于PDAC的诊断和预后预测，并基于DeepSurv的风险预测提供个性化治疗建议	样本量相对较小（117例PDAC患者），可能影响模型的泛化能力	提高PDAC的早期诊断准确率和预后评估效果	胰腺导管腺癌（PDAC）患者	机器学习	胰腺癌	机器学习/深度学习	Random Forest (RF), Neural Network (NNET), Support Vector Machine (SVM), Gradient Boosting Machine (GBM), DeepSurv	血清生物标志物数据	117例PDAC患者
1254	2025-05-15	Self-supervised VICReg pre-training for Brugada ECG detection 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94130-x PMID:40102504	research paper	该研究开发了一种基于自监督预训练的深度学习模型，用于Brugada综合征（BrS）的心电图（ECG）分类	使用VICReg架构进行自监督预训练，解决了罕见心脏疾病标记数据不足的问题，并在BrS ECG分类中表现优于现有神经网络	研究可能受限于BrS病例的稀缺性，且自监督方法的泛化能力需进一步验证	开发一种无需大量标记数据的深度学习模型，以提高罕见心脏疾病BrS的ECG分类准确性	Brugada综合征（BrS）患者的心电图数据	machine learning	cardiovascular disease	VICReg自监督学习	VICReg	ECG信号数据	未明确提及样本数量，但涉及BrS患者及被漏诊病例
1255	2025-05-15	Using Deep Learning to Perform Automatic Quantitative Measurement of Masseter and Tongue Muscles in Persons With Dementia: Cross-Sectional Study 2025-Mar-19, JMIR aging IF:5.0Q1 DOI:10.2196/63686 PMID:40106819	研究论文	本研究探讨了使用深度学习技术对痴呆症患者头部MRI中的肌肉组织进行自动分割和定量的可行性	首次应用深度学习模型对神经认知障碍患者头部MRI中的肌肉体积进行量化，为临床应用中的人工智能方法开辟了新途径	样本量较小（53名参与者），且为横断面研究，无法确定因果关系	评估深度学习技术在神经认知障碍患者肌肉组织定量测量中的可行性，为肌肉减少症的自动检测提供方法	痴呆症患者的头部MRI图像中的肌肉组织（咬肌和舌肌）	数字病理学	老年痴呆症	MRI	U-Net	图像	53名参与者
1256	2025-05-15	EEG detection and recognition model for epilepsy based on dual attention mechanism 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90315-6 PMID:40108237	research paper	提出了一种基于双注意力机制的癫痫EEG检测与识别模型STFFDA，用于自动检测癫痫发作	引入双注意力机制的时空特征融合模型STFFDA，直接从原始EEG信号解读癫痫状态，无需大量数据预处理和特征提取	模型在Bonn University数据集上的准确率相对较低（77.65%单次验证，67.24%交叉验证）	加速癫痫诊断并改善患者预后	癫痫患者的EEG信号	digital pathology	epilepsy	EEG信号分析	STFFDA（基于CNN和LSTM的双注意力机制模型）	EEG信号	CHB-MIT和Bonn University数据集
1257	2025-05-15	Stroma and lymphocytes identified by deep learning are independent predictors for survival in pancreatic cancer 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94362-x PMID:40108402	研究论文	本研究利用基于U-net架构的深度学习模型，从胰腺导管腺癌(PDAC)的病理切片中自动识别肿瘤、间质和淋巴细胞，并探讨了间质百分比(SIP)和淋巴细胞百分比(LIP)作为生存预测生物标志物的潜力	首次使用深度学习模型从PDAC全切片图像中自动量化SIP和LIP，并证实其作为独立预后因素的价值	研究样本量相对有限(800例)，且为回顾性研究	寻找能够预测PDAC患者个体化生存预后的生物标志物	胰腺导管腺癌(PDAC)患者	数字病理学	胰腺癌	全切片图像分析(WSI)	U-net	病理图像	800例PDAC扫描图像
1258	2025-05-15	Evaluation of De Vries et al.: Quantifying cellular shapes and how they correlate to cellular responses 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101242 PMID:40112776	comments	对De Vries等人的研究进行评价，探讨细胞形状量化及其与细胞反应的相关性	NA	NA	评估De Vries等人的研究，探讨细胞形状与细胞反应的关系	细胞形状及其反应	machine learning	NA	NA	NA	NA	NA
1259	2025-05-15	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统综述	本文系统综述了利用深度学习模型处理电子健康记录中的序列诊断代码以预测患者结果的研究现状	首次系统评估了序列诊断数据在深度学习模型中的应用情况，并分析了样本量对模型性能的影响及模型的泛化能力	研究方法和结果的异质性较大，且大多数研究存在高偏倚风险	评估序列诊断数据在深度学习模型中的应用情况，分析模型性能与样本量的关系及模型的泛化能力	使用序列诊断代码训练深度学习算法预测患者结果的研究	医疗健康数据分析	多种疾病（包括心力衰竭等）	深度学习	RNN及其衍生模型、Transformer	电子健康记录中的序列诊断代码	84项符合条件的研究（共740篇筛选）
1260	2025-05-15	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	meta-analysis	本文通过系统综述和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在利用视网膜成像检测主要精神障碍中的诊断性能	首次通过荟萃分析评估了眼组学方法在精神障碍诊断中的性能，并揭示了其潜在的高诊断准确性	所有研究均存在高偏倚风险，主要由于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型存在过拟合现象，且未发现精神障碍特异性的视网膜标志物	评估眼组学方法在精神障碍诊断中的性能	主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）患者	数字病理学	精神障碍	深度学习、机器学习、逻辑回归模型	NA	视网膜成像（包括彩色眼底摄影、光学相干断层扫描（OCT）和OCT血管造影）	11项研究中的13个诊断模型