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
1521	2025-04-18	Deep learning and robotics enabled approach for audio based emotional pragmatics deficits identification in social communication disorders 2025-Mar, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119251325331 PMID:40079556	研究论文	本研究开发了一种结合深度学习和机器人技术的方法，用于识别社交沟通障碍患者基于音频的情感语用缺陷	首次将深度学习与机器人平台结合用于识别情感语用缺陷	使用的MFCC生成数据为单一维度，可能限制模型性能	开发工具以改善社交情感语用反应缺陷患者的沟通能力	社交语用沟通缺陷患者	机器学习	社交沟通障碍	MFCC音频特征提取	1D-CNN, LSTM, Bi-LSTM	音频	开源数据集（具体数量未说明）
1522	2025-04-18	Digital Health Policy and Cybersecurity Regulations Regarding Artificial Intelligence (AI) Implementation in Healthcare 2025-Mar, Cureus DOI:10.7759/cureus.80676 PMID:40236368	review	该研究分析了人工智能在医疗系统中实施的可行性，并探讨了相关的数字健康政策和网络安全法规	强调了AI算法训练的透明度和数据多样性在提升AI解决方案普适性中的重要性，并提出了加强网络安全措施的必要性	仅包括2000年至2024年间的英文出版物，可能忽略了其他语言或更早时期的重要研究	分析人工智能在医疗系统中实施的可行性及其相关政策和法规	医疗系统中的人工智能实施及其对医疗服务和患者数据安全的影响	数字病理学	NA	机器学习和深度学习	NA	医疗数据	NA
1523	2025-04-18	PIPENN-EMB ensemble net and protein embeddings generalise protein interface prediction beyond homology 2025-02-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88445-y PMID:39910126	研究论文	本研究提出了一种名为PIPENN-EMB的深度学习模型，通过结合ProtT5-XL蛋白质语言模型的嵌入表示，显著提高了蛋白质相互作用界面预测的性能	PIPENN-EMB模型利用ProtT5-XL的嵌入表示，在蛋白质相互作用界面预测中取得了优于现有方法的性能，特别是在处理序列同源性较低的蛋白质时表现出色	尽管在低同源性蛋白质上表现良好，但模型在极端低同源性（<15%）情况下的性能仍有待进一步验证	提高蛋白质相互作用界面预测的准确性和泛化能力	蛋白质相互作用界面	计算生物学	结核病	ProtT5-XL蛋白质语言模型	PIPENN-EMB（基于深度学习的集成网络）	蛋白质序列数据	BIO_DL_TE测试集、ZK448数据集和25个结核分枝杆菌耐药相关蛋白质
1524	2025-04-18	Breast cancer classification based on hybrid CNN with LSTM model 2025-02-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88459-6 PMID:39910136	研究论文	提出了一种结合CNN和LSTM的混合深度学习模型，用于乳腺癌的二元分类	结合CNN提取乳腺X线摄影特征和LSTM网络表征序列依赖性和时间交互作用，以提高分类准确性和鲁棒性	仅在Kaggle上的两个数据集上进行了测试，未提及在更广泛或临床实际数据上的表现	提高乳腺癌检测和分类的速度和准确性	乳腺癌的医学影像数据	数字病理学	乳腺癌	深度学习	CNN-LSTM	图像	两个来自Kaggle的数据集，具体样本数量未提及
1525	2025-04-18	Leveraging paired mammogram views with deep learning for comprehensive breast cancer detection 2025-02-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88907-3 PMID:39910228	研究论文	该研究提出了一种名为PMVnet的新型算法，通过整合成对乳腺X光片的关系信息来增强乳腺病变检测	PMVnet算法结合了余弦相似度和挤压激励方法，利用U型架构来利用相关信息，提高了乳腺病变检测的性能	研究仅使用了1636张私人乳腺X光片，样本量可能不足以代表所有情况	提高乳腺病变检测的准确性，减少假阳性和漏检	乳腺X光片	计算机视觉	乳腺癌	深度学习	PMVnet（基于U型架构）	图像	1636张私人乳腺X光片
1526	2025-04-18	Artificial intelligence-driven ensemble deep learning models for smart monitoring of indoor activities in IoT environment for people with disabilities 2025-02-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88450-1 PMID:39910242	研究论文	本文提出了一种基于元启发式优化的集成模型MOEM-SMIADP，用于智能监测残疾人士的室内活动	结合了图卷积网络、LSTM-seq2seq和卷积自编码器的集成模型，并使用改进的coati优化算法进行超参数调优	未提及模型在实时监测中的延迟表现或计算资源需求	通过物联网技术为残疾人士提供智能室内活动监测解决方案	残疾人士的室内活动	物联网与人工智能	残疾相关疾病	元启发式优化算法、深度学习集成方法	GCN、LSTM-seq2seq、卷积自编码器的集成模型	传感器信号和图像/视频数据	NA
1527	2025-04-18	ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86819-w PMID:39905156	研究论文	本研究提出了一种新型深度学习模型ThyroNet-X4 Genesis，用于自动分类甲状腺结节的良恶性	基于ResNet架构，通过引入分组卷积和更大的卷积核增强特征提取能力，提高了对甲状腺超声图像的分析能力	外部验证集的准确率(67.02%)低于内部验证集(71.70%)，表明模型泛化能力有待进一步提升	开发高性能深度学习模型辅助甲状腺结节良恶性诊断	甲状腺结节	数字病理	甲状腺疾病	深度学习	ResNet架构改进模型	超声图像	公开甲状腺超声影像数据集+汉中中心医院外部验证数据集
1528	2025-04-18	Spatially resolved transcriptomics and graph-based deep learning improve accuracy of routine CNS tumor diagnostics 2025-02, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00904-z PMID:39880907	research paper	该研究开发了一种名为NePSTA的方法，结合空间转录组学和图神经网络，用于中枢神经系统肿瘤的自动组织学和分子评估	NePSTA方法首次将空间转录组学与图神经网络结合，用于中枢神经系统肿瘤的诊断，能够在单一切片上实现高精度的组织学和分子评估	该方法虽然降低了DNA质量和数量的要求，但仍需进一步验证其在更广泛样本中的适用性	提高中枢神经系统肿瘤的诊断准确性和效率	中枢神经系统肿瘤患者和健康捐赠者的组织样本	digital pathology	CNS tumor	spatial transcriptomics, NGS, DNA methylation profiling	graph neural networks	spatial transcriptomic data, histological images	130名参与者的样本，包括CNS恶性肿瘤患者和健康捐赠者，来自四个医疗中心
1529	2025-04-18	Artificial intelligence in chronic kidney disease management: a scoping review 2025, Theranostics IF:12.4Q1 DOI:10.7150/thno.108552 PMID:40225559	综述	本文通过范围综述探讨了人工智能在慢性肾病管理中的关键应用案例及面临的挑战	系统评估了多种AI技术在慢性肾病管理中的应用，并提出了克服实施障碍的潜在解决方案	纳入研究的时间范围有限（2014-2024），且未对AI模型的实际临床效果进行定量分析	探索人工智能在改善慢性肾病管理中的应用潜力与挑战	慢性肾病患者	数字病理学	慢性肾病	机器学习（ML）、深度学习（DL）、无监督聚类、数字孪生、自然语言处理（NLP）和大语言模型（LLMs）	DL、ML、NLP、LLMs	图像、文本	41篇相关研究文献
1530	2025-04-18	GraphTransNet: predicting epilepsy-related genes using a graph-augmented protein language model 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1584625 PMID:40235533	research paper	提出了一种名为GraphTransNet的新型混合神经网络模型，用于预测与癫痫相关的基因靶点	结合蛋白质语言模型(ESM)与Transformer和CNN组件的新型架构，显著提高了癫痫相关基因靶点的预测准确率	未提及模型在临床实际应用中的验证情况	改进癫痫疾病的诊断策略和发现新的药物靶点	癫痫相关基因靶点	machine learning	癫痫	蛋白质语言模型(ESM), 深度学习	GraphTransNet(结合Transformer和CNN)	基因序列数据	NA
1531	2025-04-18	ProstaNet: A Novel Geometric Vector Perceptrons-Graph Neural Network Algorithm for Protein Stability Prediction in Single- and Multiple-Point Mutations with Experimental Validation 2025, Research (Washington, D.C.) DOI:10.34133/research.0674 PMID:40235597	研究论文	介绍了一种名为ProstaNet的深度学习框架，用于预测单点和多点突变对蛋白质稳定性的影响	使用几何向量感知器-图神经网络进行3维特征处理，创建了ProstaDB数据库，并应用了创新的聚类方法生成标准测试集	NA	预测突变对蛋白质稳定性的影响	蛋白质的单点和多点突变	机器学习	NA	深度学习	几何向量感知器-图神经网络	3维结构数据	3,784个单点突变和1,642个多点突变
1532	2025-04-18	Predicting pathogen evolution and immune evasion in the age of artificial intelligence 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.044 PMID:40235636	review	探讨人工智能在预测病毒进化和免疫逃逸方面的应用及最新突破	利用人工智能预测病毒进化，特别是在COVID-19大流行背景下加速发展的方法	虽然方法设计适用于多种RNA病毒，但主要讨论集中在SARS-CoV-2上	预测病毒进化以提前应对潜在的有害突变	病毒（特别是RNA病毒，如SARS-CoV-2）的进化	machine learning	infectious disease	deep learning, language models (LM)	LM	genomic, epidemiologic, immunologic, biological data	NA
1533	2025-04-18	Substrate binding of human and bacterial type IA topoisomerase: An experimentation with AlphaFold 3.0 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.041 PMID:40235641	研究论文	利用AlphaFold 3.0预测人类和细菌IA型拓扑异构酶与底物结合的3D结构	首次使用AlphaFold3预测人类和细菌IA型拓扑异构酶与单链DNA的复合物结构，探索其序列偏好性	预测的蛋白-DNA复合物结构，尤其是较长寡核苷酸(>25-mer)的复合物不可靠，且无法可靠复制生化实验中观察到的DNA结合序列特异性	探索拓扑异构酶与单链DNA结合的3D结构及其序列偏好性，用于筛选潜在抑制剂	人类拓扑异构酶3β (hTOP3B)和细菌拓扑异构酶I与单链DNA的复合物	结构生物学	NA	AlphaFold3 (AF3), X射线晶体学, Cryo-EM	AlphaFold3	蛋白质序列, 单链DNA序列	大量预测的复合物结构，重点关注9-mer和>25-mer寡核苷酸复合物
1534	2025-04-18	iNClassSec-ESM: Discovering potential non-classical secreted proteins through a novel protein language model 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.043 PMID:40235638	研究论文	本研究提出了一种名为iNClassSec-ESM的新型非经典分泌蛋白预测器，结合深度学习和传统分类器以提高预测性能	iNClassSec-ESM整合了基于手工特征的XGBoost模型和基于蛋白质语言模型ESM3隐藏层嵌入的DNN模型，首次将ESM3应用于蛋白质表示	非经典分泌途径的机制尚不明确，可能影响预测的准确性	开发计算方法来高效识别非经典分泌蛋白（NCSPs）	非经典分泌蛋白（NCSPs）	生物信息学	NA	蛋白质语言模型（PLM）	XGBoost, DNN, ESM3	蛋白质序列	NA
1535	2025-04-18	Enhancing multi-class neurodegenerative disease classification using deep learning and explainable local interpretable model-agnostic explanations 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1562629 PMID:40236458	research paper	该研究提出两种深度学习架构，用于增强阿尔茨海默病和帕金森病的医学图像分类，并结合可解释AI技术提高诊断透明度和临床信任	引入基于残差的自注意力卷积神经网络（RbACNN和IRbACNN），结合自注意力机制改进特征提取和模型可解释性，并整合可解释AI技术	未提及模型在更大规模或多样化数据集上的泛化能力	提高神经退行性疾病的早期诊断准确性和临床信任度	阿尔茨海默病（AD）和帕金森病（PD）患者	digital pathology	neurodegenerative disease	deep learning, explainable AI (XAI)	RbACNN, IRbACNN	medical image	NA
1536	2025-04-18	ModuCLIP: multi-scale CLIP framework for predicting foundation pit deformation in multi-modal robotic systems 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1544694 PMID:40236467	研究论文	提出了一种多尺度CLIP框架ModuCLIP，用于多模态机器人系统中的基坑变形预测	利用自监督对比学习机制整合多源信息，并采用多尺度特征学习方法增强对复杂条件的适应性	未提及具体局限性	提高基坑变形预测的准确性和鲁棒性	基坑变形预测	机器学习和工程应用	NA	自监督对比学习，多尺度特征学习	CLIP框架	图像、文本描述、传感器数据	多个基坑工程数据集
1537	2025-04-18	Measuring Respiration Rate from Speech 2025 Jan-Dec, Digital biomarkers DOI:10.1159/000544913 PMID:40236620	研究论文	利用深度学习模型从语音中预测呼吸信号并估计呼吸频率	提出并验证了语音作为呼吸频率的虚拟传感器，为远程患者监测和远程医疗解决方案提供高效且经济的方法	在模拟医院环境中测试时，性能可能受到不同噪声水平的影响	开发一种通过语音预测呼吸频率的方法，以支持远程患者监测	人类语音和呼吸信号	自然语言处理	NA	深度学习	多变量时间序列Transformer模型	语音信号	1005名双语参与者
1538	2025-04-18	A multi-modal deep learning approach for stress detection using physiological signals: integrating time and frequency domain features 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1584299 PMID:40236827	research paper	本研究提出了一种多模态深度学习方法（MMFD-SD），通过整合时域和频域特征，利用可穿戴设备收集的生理信号进行压力检测	提出了一种结合时域和频域特征的多模态深度学习框架，并采用数据增强技术和SMOTE方法处理类别不平衡问题	未来研究可以探索更多模态的融合、实时压力检测以及模型泛化能力的提升	开发一种准确且鲁棒的压力检测方法，适用于高压力职业环境	护士群体（作为高压力职业的代表）	machine learning	NA	Fast Fourier Transform (FFT), SMOTE	CNN	生理信号（加速度计数据、皮肤电活动、心率、皮肤温度）	NA
1539	2025-04-18	A dynamic approach for MR T2-weighted pelvic imaging 2024-Oct-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8335 PMID:39362274	research paper	本文提出了一种新颖的动态方法用于T2加权盆腔成像，以解决蠕动引起的运动问题，无需患者准备	采用动态数据采集策略和基于深度均衡模型的展开方法，有效冻结盆腔运动，将成像问题从传统的运动预防或消除转变为运动重建	NA	解决盆腔MR成像中由蠕动引起的运动伪影和模糊问题	盆腔MR成像	医学影像	NA	T2加权2D快速自旋回波序列	深度均衡模型	MR图像	回顾性和前瞻性数据
1540	2025-04-18	Creation of de novo cryptic splicing for ALS and FTD precision medicine 2024-10-04, Science (New York, N.Y.) DOI:10.1126/science.adk2539 PMID:39361759	研究论文	该研究开发了一种名为TDP-REG的技术，利用TDP-43功能丧失（TDP-LOF）诱导的隐秘剪接特异性，在疾病过程中驱动蛋白质表达	结合深度学习和理性设计生成可定制的隐秘剪接事件，并开发了TDP-REG技术用于精准治疗TDP43相关疾病	未提及具体样本量或实验范围的限制	开发针对肌萎缩侧索硬化症（ALS）和额颞叶痴呆（FTD）的精准医疗方法	RNA结合蛋白TDP-43及其功能丧失（TDP-LOF）诱导的隐秘剪接事件	精准医疗	肌萎缩侧索硬化症, 额颞叶痴呆	SpliceNouveau算法, 基因组prime editing	深度学习	RNA剪接数据	NA