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
1621	2025-05-16	PhenoLearn: A user-friendly Toolkit for Image Annotation and Deep Learning-Based Phenotyping for Biological Datasets 2025-May-14, Journal of evolutionary biology IF:2.1Q3 DOI:10.1093/jeb/voaf058 PMID:40366779	research paper	介绍了一个名为PhenoLearn的用户友好工具包，用于生物数据集的图像标注和基于深度学习的表型分析	开发了一个集成图形用户界面(GUIs)的工具包，使没有深度计算专业知识的生物学家也能轻松使用深度学习进行图像标注	未提及具体的技术限制或性能瓶颈	为生物学家提供一个易于使用的工具，以促进大规模表型性状分析	2D标本图像	digital pathology	NA	deep learning	NA	image	一个小演示数据集（具体数量未提及）
1622	2025-05-16	Explainable Machine Learning for ETR and Drug Chameleonicity 2025-May-14, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c00536 PMID:40367343	research paper	本文提出了一种可解释的机器学习方法，用于识别分子中的‘热点’区域，以指导bRo5药物的口服吸收设计	首次在bRo5 3D领域中开发了可解释的深度学习模型，用于预测EPSA并定位影响分子变色性的极性降低‘热点’	传统方法依赖于计算密集型的3D物理建模或经典描述符，这些方法不能完全解释bRo5药物的行为	开发一种可解释的机器学习模型，以指导bRo5药物的化学设计和优化	大环化合物、PROTACs和其他bRo5药物	machine learning	NA	deep learning	interpretable deep learning model	molecular data	数千种大环化合物、PROTACs和其他bRo5药物
1623	2025-05-16	HDXRank: A Deep Learning Framework for Ranking Protein Complex Predictions with Hydrogen-Deuterium Exchange Data 2025-May-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00175 PMID:40367339	研究论文	开发了一个基于图神经网络（GNN）的框架HDXRank，用于利用氢-氘交换（HDX）实验数据对蛋白质复合物预测候选结构进行排序	HDXRank是一个新颖的框架，能够将HDX数据整合到蛋白质复合物建模流程中，通过捕捉局部结构特征来提高预测准确性	未明确提及具体局限性	提高蛋白质复合物结构预测的准确性	蛋白质复合物	机器学习	NA	氢-氘交换（HDX）实验	图神经网络（GNN）	实验数据	新策划的HDX数据集
1624	2025-05-16	Evaluation of data collection and annotation approaches of driver gaze dataset 2025-May-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02679-2 PMID:40369353	research paper	本研究评估了驾驶员视线数据集的三种标注方法，并提出了一种新的基于移动指针的标注方法	引入了一种新的基于移动指针的数据标注方法，该方法受到基于屏幕的视线数据收集的启发	手动标注和Speak2Label方法的准确性较低，存在误分类问题	评估和比较不同的驾驶员视线数据收集和标注方法，以提高视线区域分类的准确性	驾驶员视线数据	computer vision	NA	supervised machine learning, deep learning	NA	image	NA
1625	2025-05-16	Cost-effectiveness of opportunistic osteoporosis screening using chest radiographs with deep learning in Germany 2025-May-13, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-025-03048-x PMID:40355760	research paper	评估在德国50岁及以上女性中使用深度学习模型对胸部X光片进行机会性骨质疏松筛查的成本效益	利用AI驱动的胸部X光片进行骨质疏松筛查，提高早期检测率，降低骨折风险，改善公共卫生结果	研究基于德国骨质疏松指南和AI模型准确性，可能在其他地区或不同指南下结果不同	评估AI驱动的胸部X光片在骨质疏松筛查中的成本效益	德国50岁及以上的女性	digital pathology	geriatric disease	deep learning	NA	image	NA
1626	2025-05-16	Text-Assisted Vision Model for Medical Image Segmentation 2025-May-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569491 PMID:40366847	research paper	提出了一种文本辅助视觉模型（TAV），用于医学图像分割，通过新型的三引导注意力模块（TGAM）提升分割精度	引入了三引导注意力模块（TGAM），能够计算视觉-视觉、语言-语言和语言-视觉注意力，有效利用文本报告提升图像分割性能	未明确提及模型在更大规模或多样化数据集上的泛化能力	提高医学图像分割的精确度，以支持自动化诊断和治疗规划	医学图像及其对应的文本报告	digital pathology	NA	deep learning	TAV with TGAM	image, text	两个流行数据集中的图像及对应文本注释
1627	2025-05-16	An Interpretable AI for Smart Homes: Identifying Fall Prevention Strategies for Older Adults Using Multimodal Deep Learning 2025-May-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569891 PMID:40366850	research paper	开发了一个可解释的AI框架，用于通过多模态深度学习识别老年人跌倒预防策略	使用BiCrossNet架构的多模态预测模型，结合静态和时间序列数据，通过PIMP和SHAP方法解释特征重要性	NA	识别老年人家庭跌倒预防策略	老年人	machine learning	geriatric disease	multimodal deep learning	BiCrossNet	multimodal (static and timeseries data)	12,540 data points
1628	2025-05-16	A New Biomarker of Aging Derived From Electrocardiograms Improves Risk Prediction of Incident Cardiovascular Disease 2025-May-13, JACC. Advances DOI:10.1016/j.jacadv.2025.101764 PMID:40367762	research paper	本研究评估了一种基于深度学习的生物标志物δ-age在心血管疾病初级预防模型中的潜在价值	引入了一种新的心血管老化生物标志物δ-age，并通过实证研究验证其在改善心血管疾病风险预测中的效果	样本量相对较小（7,108人），且随访时间较短（中位5.9年）	评估δ-age生物标志物在心血管疾病初级预防模型中的增量价值	7,108名挪威Tromsø研究的参与者	machine learning	cardiovascular disease	deep learning	Cox proportional hazards regression	electrocardiograms	7,108名男性和女性参与者
1629	2025-05-16	Deep learning applications in prosthodontics: A systematic review 2025-May-13, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.04.009 PMID:40368705	systematic review	本文系统综述了深度学习在修复牙科中的应用，包括修复体设计、治疗计划辅助、颜色匹配及地标检测等方面	首次系统评估了深度学习在修复牙科中的多种应用，并总结了当前研究的主要方向和成果	研究方法缺乏标准化，且部分研究存在偏倚风险，需进一步验证以确保临床可靠性	评估深度学习在修复牙科中的应用，特别是在修复体设计、治疗计划辅助和颜色匹配等方面的效果	牙科修复体（如嵌体、高嵌体、牙冠及固定牙科修复体）及其相关治疗过程	digital pathology	dental disease	deep learning	CNN, GAN	image	31 studies (from 3359 screened)
1630	2025-05-16	A deep learning and molecular modeling approach to repurposing Cangrelor as a potential inhibitor of Nipah virus 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00024-3 PMID:40355437	研究论文	本研究通过深度学习和分子建模方法，探索将抗血小板药物Cangrelor重新用作尼帕病毒潜在抑制剂的可能性	采用基于注意力的深度学习模型结合分子动力学模拟，筛选FDA已批准药物，发现Cangrelor与尼帕病毒L蛋白具有强结合亲和力	需要进一步的体内研究验证Cangrelor作为抗病毒药物的潜力	探索针对尼帕病毒RNA依赖性RNA聚合酶(L)的潜在抑制剂	尼帕病毒L蛋白和FDA批准的药物	机器学习	病毒感染	分子动力学模拟, 深度学习	注意力机制模型	分子结构数据	约500种FDA批准药物
1631	2025-05-16	A self-conformation-aware pre-training framework for molecular property prediction with substructure interpretability 2025-May-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59634-0 PMID:40355450	研究论文	提出了一种自构象感知的预训练框架SCAGE，用于分子性质预测并具有子结构可解释性	开发了多任务预训练框架，结合了四种监督和非监督任务，从分子结构到功能全面学习构象感知的先验知识	未提及具体局限性	提高分子性质预测的准确性和可解释性，加速药物开发过程	约500万类药物化合物	机器学习	NA	深度学习	图变换器(Graph Transformer)	分子结构数据	约500万类药物化合物
1632	2025-05-16	Baseline [18F]FP-CIT PET-based deep learning prediction of levodopa-induced dyskinesia in Parkinson's disease 2025-May-12, NPJ Parkinson's disease DOI:10.1038/s41531-025-00982-5 PMID:40355487	research paper	开发了一个基于卷积神经网络（CNN）的多任务学习模型，用于预测帕金森病患者在使用左旋多巴后5年内是否会出现运动障碍	首次使用基线[F]FP-CIT PET图像和CNN模型预测左旋多巴诱导的运动障碍（LID）	模型性能仍需提高以适用于临床	预测帕金森病患者使用左旋多巴后5年内是否会出现运动障碍	帕金森病患者	digital pathology	Parkinson's disease	[F]FP-CIT PET	CNN	image	402名患者（134名在5年内出现LID，268名在5年后或未出现LID）
1633	2025-05-16	Automated seizure detection in epilepsy using a novel dynamic temporal-spatial graph attention network 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01015-0 PMID:40355495	research paper	提出了一种动态时空图注意力网络（DTS-GAN）用于癫痫发作的自动检测	通过结合图信号处理和混合深度学习框架，DTS-GAN能够自适应地学习电极节点间的瞬态功能交互	未提及具体的数据集规模或多样性限制	解决固定拓扑图模型在分析时变脑网络中的局限性	癫痫患者的脑电图（EEG）数据	digital pathology	epilepsy	EEG	DTS-GAN (Dynamic Temporal-Spatial Graph Attention Network)	EEG sequences	TUSZ数据集
1634	2025-05-16	Classification of multi-lead ECG based on multiple scales and hierarchical feature convolutional neural networks 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94127-6 PMID:40355498	research paper	提出了一种结合多尺度和分层特征的卷积神经网络（CNN）及Lead Encoder Attention（LEA）机制，用于多导联心电图（ECG）分类	结合多尺度和分层特征的CNN及LEA机制，有效整合ECG的形态和时间特征	未提及具体局限性	提高心律失常的分类准确率，用于心血管疾病的诊断	多导联心电图（ECG）数据	machine learning	cardiovascular disease	CNN, LEA	CNN	ECG信号	MIT-BIH-AR数据库和超过150,000条ECG记录的CCDD数据库
1635	2025-05-16	Impact of pharmacology perception and learning strategies on academic achievement in undergraduate pharmacy students 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91510-1 PMID:40355613	研究论文	本研究评估了药学本科生对药理学教育的感知、学习策略及其对学业成就的影响	揭示了深度学习策略与学业成就之间的强正相关性，并验证了问卷的内部一致性和因子负荷	研究为横断面设计，无法追踪学习策略的长期变化	评估药理学教育在药学本科生中的感知作用及其对学业成就的影响	210名药学本科生（二年级至五年级）	药学教育	NA	问卷调查、Pearson相关分析、多元回归分析、内部一致性检验（Cronbach's alpha）、因子负荷分析	NA	问卷数据	210名药学本科生（120名男性，90名女性）
1636	2025-05-16	Advances to IoT security using a GRU-CNN deep learning model trained on SUCMO algorithm 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99574-9 PMID:40355669	研究论文	本文提出了一种结合CNN和GRU的混合深度学习模型，用于分类物联网安全威胁，并通过SUCMO算法优化模型性能	提出了一种结合CNN和GRU的混合深度学习模型，并采用SUCMO算法进行超参数优化，提高了分类准确率	NA	提高物联网安全威胁检测的准确性和效率	物联网安全威胁，如DoS攻击和Botnets	机器学习	NA	深度学习	CNN, GRU	网络数据	两个数据集，UNSW-NB15和BoT-IoT
1637	2025-05-16	The analysis of artificial intelligence knowledge graphs for online music learning platform under deep learning 2025-May-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01810-9 PMID:40355699	研究论文	提出了一种基于深度学习的个性化音乐学习平台模型，通过整合音频、视频和用户行为数据提供高效且定制化的学习推荐	构建了一个融合音乐领域关键实体及其关系的知识图谱，并将其与提取的特征向量融合，以提高推荐准确性和个性化	未提及模型在大规模用户数据下的扩展性和实时性表现	开发一个高效且个性化的音乐学习推荐平台	在线音乐学习平台的用户	机器学习	NA	深度学习	CNN, LSTM, 多层感知机	音频、视频、用户行为数据	基于不同数据集的实验分析
1638	2025-05-16	Interpretable artificial intelligence model for predicting heart failure severity after acute myocardial infarction 2025-May-12, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04818-1 PMID:40355836	研究论文	开发了一种可解释的人工智能模型，用于预测急性心肌梗死后心力衰竭的严重程度	结合多维临床数据和可解释性AI技术（SHAP方法），开发了预测心力衰竭严重程度的模型，并构建了便于临床应用的网络平台	未提及模型在其他独立数据集上的验证情况	预测急性心肌梗死后心力衰竭的严重程度，以启动预防措施和优化治疗策略	1574名急性心肌梗死患者	机器学习	心血管疾病	SHAP方法	TabNet, Multi-Layer Perceptron, Random Forest, XGboost	临床数据（包括病史、临床特征、生理参数、实验室检测、冠状动脉造影和超声心动图结果）	1574名急性心肌梗死患者
1639	2025-05-16	Exploring dental faculty awareness, knowledge, and attitudes toward AI integration in education and practice: a mixed-method study 2025-May-12, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-07259-8 PMID:40355937	研究论文	本研究通过混合方法评估了牙科教师对AI在教育和实践中整合的知识、意识和态度，并提出了基于共识的建议	首次在巴基斯坦的牙科教育背景下评估教师对AI的认知和态度，并提出了具体的整合建议	研究样本仅限于巴基斯坦的牙科教师，可能无法推广到其他地区	评估牙科教师对AI的认知和态度，并提出AI在牙科教育和实践中整合的建议	巴基斯坦公立和私立牙科学院的400名教师	医疗教育技术	NA	混合方法研究（GAAIS量表和焦点小组讨论）	NA	问卷调查数据和定性讨论数据	400名牙科教师
1640	2025-05-16	YOLOv11-Based quantification and temporal analysis of repetitive behaviors in deer mice 2025-May-12, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.017 PMID:40368233	research paper	本研究提出了一种基于YOLOv11的自动化系统，用于鹿鼠重复行为的量化与时间分析	结合YOLOv11深度学习直接进行行为分类，绕过初始运动学特征工程，并通过后处理重建连续行为片段	NA	开发高效、可靠且易用的方法，以详细描述鹿鼠行为活动并增强时间动态研究	鹿鼠（Peromyscus maniculatus bairdii）	computer vision	NA	YOLOv11深度学习	YOLOv11	video	NA