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
1301	2025-06-26	RNA-ligand interaction scoring via data perturbation and augmentation modeling 2025-Jun-24, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00820-x PMID:40555786	研究论文	本文介绍了一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子之间的相互作用	结合数据扰动与增强、基于图的分子特征表示和基于注意力的特征融合模块，无需结构输入即可生成可靠预测	RNA-小分子相互作用的已验证数据有限，已知RNA结构稀缺	开发数据驱动的深度学习模型以预测RNA与小分子的相互作用	RNA与小分子的相互作用	机器学习	NA	深度学习	RNAsmol框架（结合注意力机制）	序列数据	NA
1302	2025-06-26	Determination of Kennedy's classification in panoramic X-rays by automated tooth labeling 2025-Jun-24, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03469-z PMID:40555836	研究论文	本研究探讨了在全景X光片中自动确定部分无牙颌的Kennedy分类的方法	利用深度学习模型Mask R-CNN自动检测、定位和分割牙齿，并通过后处理步骤提高算法性能，首次实现了Kennedy分类的自动化	最常见的错误来自形态相似牙齿的错误标记	自动确定部分无牙颌的Kennedy分类，减少手动标记和分类的工作量	206名患者的209张全景X光片	数字病理	牙科疾病	全景X光成像	Mask R-CNN	图像	206名患者的209张全景X光片
1303	2025-06-26	NeuroLens: organ localization using natural language commands for anatomical recognition in surgical training 2025-Jun-24, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03463-5 PMID:40555837	研究论文	介绍NeuroLens，一种多模态系统，通过整合视频与文本和语音输入来增强解剖识别，为外科培训学员提供交互式学习平台	NeuroLens结合多模态深度学习定位模型，利用文本或语音描述处理神经内窥镜视频，识别并定位解剖结构，以标记边界框形式展示	样本量较小，限制了结果的普遍性	提升外科培训中的解剖学习效果	外科培训学员和执业外科医生	计算机视觉	NA	多模态深度学习	深度学习定位模型	视频、文本、语音	5名参与者（包括外科学生和执业外科医生）
1304	2025-06-26	Artificial intelligence for predicting the risk of bone fragility fractures in osteoporosis 2025-Jun-24, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00572-3 PMID:40555880	research paper	本文探讨了人工智能（特别是人工神经网络）在预测骨质疏松症患者脆弱性骨折风险中的应用及其潜在优势	提出使用人工神经网络（ANNs）来更准确地区分易发生脆弱性骨折的骨质疏松患者，并预测未来骨折风险	数据可用性和质量、模型可解释性、临床工作流程整合以及预测准确性的验证是主要挑战	支持骨质疏松症临床决策，特别是脆弱性骨折的预测和预防干预	骨质疏松症患者	machine learning	geriatric disease	artificial neural networks (ANNs)	ANNs	clinical and radiological variables	NA
1305	2025-06-26	Multimodal Deep Learning Based on Ultrasound Images and Clinical Data for Better Ovarian Cancer Diagnosis 2025-Jun-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01566-8 PMID:40555943	研究论文	本研究旨在开发和验证一种多模态深度学习模型，结合2D灰度超声图像和临床数据，以提高卵巢癌的诊断性能	提出了一种结合超声图像和临床数据的多模态深度学习模型，显著提高了卵巢癌的诊断准确性和一致性	研究为回顾性分析，可能受到数据选择和时间的限制	提高卵巢癌的诊断准确性和一致性	1899名接受术前超声检查并随后进行附件肿块手术的患者	数字病理	卵巢癌	深度学习	多模态深度学习模型	图像和临床数据	1899名患者
1306	2025-06-26	Artificial Intelligence Powered Real-Time Coronary Stenosis Recognition and Quantification in Angiography 2025-Jun-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01578-4 PMID:40555942	研究论文	本研究开发了一种实时深度学习系统，用于冠状动脉造影中狭窄病变的自动检测和量化	整合了五个核心组件（血管类型分类、关键帧选择、病变检测、血管分割和定量冠状动脉造影）以实现实时自动化分析	研究数据仅来自两家三级医院，可能影响模型的泛化能力	提高冠状动脉造影中狭窄病变的诊断准确性和临床工作效率	冠状动脉狭窄病变	数字病理	心血管疾病	深度学习	CNN	图像	502名成年患者的2651张诊断性冠状动脉造影图像
1307	2025-06-26	Modeling Active-State Conformations of G-Protein-Coupled Receptors Using AlphaFold2 via Template Bias and Explicit Protein Constrains 2025-Jun-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00489 PMID:40440630	研究论文	本研究探讨了使用AlphaFold2通过模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象	扩展了AlphaFold2的应用，通过引入模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象，揭示了深度学习工具在建模蛋白质复合物中的潜力	在建模变构效应方面存在局限性，特别是在受体细胞外位点的预测准确性较低，可能影响其在基于结构的药物设计中的适用性	探索深度学习工具在建模G蛋白偶联受体活性态构象中的应用	G蛋白偶联受体的活性态构象	结构生物学	NA	AlphaFold2	深度学习	蛋白质结构数据	NA
1308	2025-06-26	Data Scaling and Generalization Insights for Medicinal Chemistry Deep Learning Models 2025-Jun-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00538 PMID:40454949	研究论文	本文通过深度学习和传统机器学习方法，评估了小分子预测模型在药物发现中的性能，并提出了提高模型性能的见解	提出了一个能够解释81%模型性能差异的缩放关系，并成功应用于ADMET终点的性能估计	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	理解和提高小分子预测模型在药物发现中的性能	小分子预测模型	机器学习	NA	深度学习、传统机器学习方法（如XGBoost和随机森林）	图神经网络（GNN）、XGBoost、随机森林	小分子数据	大量内部和公开数据集
1309	2025-06-26	Recognition of suspended particles based on Mueller matrix microscopic imaging and deep learning 2025-Jun-23, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118330 PMID:40554918	研究论文	提出了一种结合深度学习与Mueller矩阵显微成像的创新方法用于悬浮颗粒识别	结合Mueller矩阵显微成像与深度学习技术，开发了专为偏振图像设计的MultiPolarNet模型，显著提高了悬浮颗粒的识别准确率和实时性	NA	开发一种高精度、实时的悬浮颗粒识别方法，以满足水质监测、生态保护和污染治理等领域的需求	不同材料制成的微球悬浮颗粒	计算机视觉	NA	Mueller矩阵显微成像、深度学习	YOLOv11、Dual-HGNet、MultiPolarNet	偏振图像	NA
1310	2025-06-26	Automated oil spill detection using deep learning and SAR satellite data for the northern entrance of the Suez Canal 2025-Jun-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03028-1 PMID:40541995	研究论文	本研究利用DeepLabv3+深度学习模型和Sentinel-1合成孔径雷达图像，自动检测苏伊士运河北部入口的石油泄漏	采用区域特定训练数据（埃及水域数据集）提升模型性能，证明了区域特定训练在提高分割质量和减少误差方面的优势	研究仅针对苏伊士运河北部入口区域，模型在其他地区的泛化能力未验证	开发自动化石油泄漏检测方法，以支持环境保护和应急响应	苏伊士运河北部入口的石油泄漏事件	计算机视觉	NA	合成孔径雷达(SAR)成像	DeepLabv3+	图像	2600个石油泄漏事件（1100个来自EMSA-CSN数据集，1500个来自埃及水域数据集）和30个测试案例
1311	2025-06-26	Attention-driven UNet enhancement for accurate segmentation of bacterial spore outgrowth in microscopy images 2025-Jun-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05900-6 PMID:40542045	研究论文	本研究开发了一种基于注意力机制的UNet增强模型，用于高效量化显微镜图像中细菌孢子及营养细胞的位置、面积和圆形度	提出了一种注意力驱动的UNet增强模型，实现了96%的准确率，且提供了三种应用格式（Python代码、Binder网页应用和Flask本地应用）	未明确说明模型在非细菌孢子类样本或低质量图像上的泛化能力	提升显微镜图像中细菌细胞分割的自动化水平和精度	显微镜图像中的细菌孢子及营养细胞（超过10,000个细胞）	计算机视觉	NA	深度学习	注意力机制增强的UNet	显微镜图像	超过10,000个细菌细胞的图像数据
1312	2025-06-26	A Salient Object Detection Network Enhanced by Nonlinear Spiking Neural Systems and Transformer 2025-Jun-20, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500455 PMID:40539244	research paper	提出了一种结合非线性脉冲神经P系统和Transformer网络的RGB-D显著目标检测新方法TranSNP-Net	整合NSNP系统与Transformer网络，引入增强特征融合模块SNPFusion和注意力机制，采用微调Swin作为骨干网络	未提及具体局限性	解决RGB-D显著目标检测中跨模态特征融合不足、深度信息噪声导致的显著性估计误差及模型泛化能力有限等问题	RGB-D图像的显著目标检测	computer vision	NA	Transformer, 非线性脉冲神经P系统	TranSNP-Net (基于Swin Transformer和NSNP系统)	RGB-D图像	六个RGB-D基准数据集（未提具体样本量）
1313	2025-06-26	Modulation of Electric Field and Interface on Competitive Reaction Mechanisms 2025-Jun-20, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00705 PMID:40539901	研究论文	本研究通过深度势能分子动力学技术探讨了电场和界面对于溶剂化甘氨酸互变异构体动力学的调控作用	首次结合深度势能分子动力学和增强采样技术，系统研究了电场和空气-水界面对甘氨酸互变异构反应机制的影响	研究仅针对甘氨酸这一特定分子体系，结论是否适用于其他生物分子仍需验证	探究电场和界面效应对生物分子互变异构反应机制的影响	溶剂化甘氨酸分子	计算化学	NA	深度势能分子动力学技术、增强采样	深度学习势能模型	分子动力学模拟数据	NA
1314	2025-06-26	Historical Manuscripts Analysis: A Deep Learning System for Writer Identification Using Intelligent Feature Selection with Vision Transformers 2025-Jun-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060204 PMID:40558803	research paper	该研究提出了一种基于深度学习的系统，用于通过智能特征选择和视觉变换器对历史手稿的作者进行分类	首次将视觉变换器应用于历史文档分析，展示了在'ICDAR 2017'数据集上优于现有方法的性能	未提及具体的数据集样本量限制或模型在其他数据集上的泛化能力	开发一种强大的深度学习系统，用于历史手稿的作者识别	历史手稿	computer vision	NA	双边滤波去噪、Otsu阈值二值化、FAST检测器、k-means聚类	vision transformer	image	使用'ICDAR 2017'数据集，但未提及具体样本数量
1315	2025-06-26	Segmentation of Pulp and Pulp Stones with Automatic Deep Learning in Panoramic Radiographs: An Artificial Intelligence Study 2025-Jun-19, Dentistry journal IF:2.5Q2 DOI:10.3390/dj13060274 PMID:40559177	research paper	本研究旨在评估人工智能算法在全景X光片中准确诊断牙髓和牙髓结石钙化的能力	首次使用深度学习算法在全景X光片中自动分割牙髓和牙髓结石	研究样本量有限，未来需要更大的数据集来提高模型的诊断准确性	评估人工智能算法在牙髓和牙髓结石诊断中的应用价值	牙髓和牙髓结石	digital pathology	dental disease	deep learning	CNN	image	713张全景X光片，包含4675个牙髓结石和5085个牙髓标记
1316	2025-06-26	Comparative analysis of transformer-based deep learning models for glioma and meningioma classification 2025-Jun-18, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102008 PMID:40554122	研究论文	本研究比较了基于Transformer的深度学习模型（ViT和BEiT）在脑MRI胶质瘤和脑膜瘤分类中的准确性	提出了一个完全基于神经网络的分类工作流程，并展示了ViT模型在此任务中的高准确性和AUC分数	研究仅使用了单一数据集，可能影响模型的泛化能力	比较和优化基于Transformer的深度学习模型在脑肿瘤分类中的表现	脑MRI图像中的胶质瘤和脑膜瘤	计算机视觉	脑肿瘤	深度学习	ViT, BEiT, MLP	MRI图像	训练集1132例（胶质瘤625例，脑膜瘤507例），测试集520例（胶质瘤260例，脑膜瘤260例）
1317	2025-06-26	Automation of Multi-Class Microscopy Image Classification Based on the Microorganisms Taxonomic Features Extraction 2025-Jun-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060201 PMID:40558800	研究论文	本研究提出了一种基于微生物分类特征提取的多类显微镜图像分类的轻量级自动化方法	该方法通过分析微生物的外部几何特征（如细胞形状、菌落组织和动态行为）生成可解释的分类描述符，且模型参数远少于基于深度学习的方法，可在标准CPU硬件上快速推理	NA	开发一种轻量级、可解释的微生物多类分类方法，适用于计算资源有限的环境	微生物（微球菌、双球菌、链球菌和杆菌）	数字病理学	NA	自动化机器学习	NA	图像	包含四种细菌类型的标注图像数据集，模拟真实临床试验条件获取
1318	2025-06-26	AI-Driven Drug Discovery: A Comprehensive Review 2025-Jun-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c00549 PMID:40547666	综述	本文全面回顾了2019-2024年间人工智能和机器学习在药物发现全流程中的应用进展	深入比较分析了不同AI方法在药物发现中的优势、局限性和实际挑战，并提出了未来发展方向	数据可获取性、模型可解释性和临床转化方面仍存在持续差距	评估AI/ML在药物发现领域的应用潜力，指导AI在医药研发中的负责任整合	药物发现全流程（从靶点识别到临床开发）	机器学习	NA	深度学习、图神经网络、transformer	深度学习、GNN、transformer	NA	NA
1319	2025-06-26	A multicentric study examining a deep-learning-based computer model for classifying bipolar disorder using retinal vascular images 2025-Jun-17, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119718 PMID:40553740	研究论文	本研究探讨了基于深度学习的计算机模型利用视网膜血管图像对双相情感障碍进行分类的效果	首次将深度学习分析应用于使用视网膜血管图像对双相情感障碍患者和健康个体进行分类	样本量相对较小，且未在其他独立数据集中验证模型的泛化能力	开发一种基于视网膜血管图像的深度学习模型，用于双相情感障碍的诊断	双相情感障碍患者和健康志愿者	数字病理学	双相情感障碍	非散瞳眼底相机成像	CNN	图像	383名受试者（188名双相情感障碍患者和195名健康志愿者）
1320	2025-06-26	Predicting significant stenosis of AV access through Wavelet transform and machine learning on sounds recorded with an electronic stethoscope 2025-Jun-17, Annals of vascular surgery IF:1.4Q3 DOI:10.1016/j.avsg.2025.05.055 PMID:40553842	研究论文	本研究通过电子听诊器记录的声音，结合小波变换和深度学习技术，预测动静脉通路狭窄的严重程度	首次将小波变换和CNN模型应用于电子听诊器记录的声音数据，以非侵入性方式预测动静脉通路狭窄	样本量较小（30名患者），且仅能预测严重狭窄（>50%），对轻度狭窄的预测能力有待进一步研究	开发一种自动识别动静脉通路狭窄的深度学习模型	30名接受血管内治疗的终末期肾病患者的动静脉通路声音数据	数字病理	心血管疾病	小波变换	CNN	音频	30名终末期肾病患者（训练集10人，测试集20人）