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
1761	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
1762	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
1763	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
1764	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
1765	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
1766	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
1767	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
1768	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
1769	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
1770	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
1771	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
1772	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
1773	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
1774	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
1775	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
1776	2025-04-18	Tumor evolution metrics predict recurrence beyond 10 years in locally advanced prostate cancer 2024-09, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00787-0 PMID:38997466	研究论文	本研究通过基因组和形态学异质性分析，预测局部晚期前列腺癌的复发风险	结合基因组学和人工智能辅助的组织病理学分析，识别出临床生物标志物	样本量相对有限，且仅针对局部晚期前列腺癌患者	探索癌症进化指标在预测前列腺癌复发中的应用	局部晚期前列腺癌患者	数字病理学	前列腺癌	基因组测序、深度学习	深度学习模型	基因组数据、组织病理图像	642个基因组样本（114名患者）、1,923个组织学切片（250名患者）
1777	2025-04-18	A deep learning model of tumor cell architecture elucidates response and resistance to CDK4/6 inhibitors 2024-07, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00740-1 PMID:38443662	研究论文	构建了一个可解释的深度学习模型，用于解析肿瘤细胞对CDK4/6抑制剂的反应和耐药机制	模型识别了八个核心蛋白组装体，整合了90个基因中的罕见和常见变异，用于区分对palbociclib敏感和耐药的细胞系	模型的应用范围主要限于乳腺癌，且样本量相对较小	解析CDK4/6抑制剂在乳腺癌治疗中的反应和耐药机制	乳腺癌细胞系、患者和患者来源的异种移植模型	数字病理学	乳腺癌	CRISPR-Cas9基因编辑	深度学习模型	基因和蛋白数据	90个基因的细胞系和患者样本
1778	2025-04-18	Exploring the trade-off between deep-learning and explainable models for brain-machine interfaces 2024, Advances in neural information processing systems PMID:40231170	研究论文	本研究探讨了在脑机接口（BMI）中深度学习模型与可解释性模型之间的权衡，并提出了一种基于KalmanNet的解码器	提出了一种结合传统卡尔曼滤波和循环神经网络的KalmanNet解码器，在保持可解释性的同时达到与深度学习模型相当的性能	KalmanNet与现有深度学习解码器一样具有有限的泛化能力，且在遇到未见过的噪声分布时性能受限	开发高性能且可解释的脑机接口解码器	猴子的手指运动预测	脑机接口	瘫痪	KalmanNet, 卡尔曼滤波, RNN	KalmanNet, KF, tcFNN, LSTM	脑活动数据	两只猴子的离线（预录数据）和在线（实时预测）数据
1779	2025-04-17	Deep reinforced cognitive analytics algorithm (DRCAM): An advanced method to early detection of cognitive skill impairment using deep learning and reinforcement learning 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103277 PMID:40230557	研究论文	提出了一种结合深度学习和强化学习的深度强化认知分析算法(DRCAM)，用于早期认知技能障碍的检测	整合了多模态学习和强化干预，结合了Multimodal Transformers (MMT)进行特征融合，并采用CNN-LSTM混合模型和Deep Q-Network (DQN)进行空间和时间依赖映射及认知训练指导	未提及具体局限性	早期认知技能障碍的检测和管理	认知技能障碍患者	机器学习	老年疾病	多模态学习、强化学习	Multimodal Transformers (MMT)、CNN-LSTM、Deep Q-Network (DQN)、Temporal Convolution Network (TCN)	神经影像数据、可穿戴传感器数据、神经心理测试分数、文本评估	未提及具体样本量
1780	2025-04-17	FaciaVox: A diverse multimodal biometric dataset of facial images and voice recordings 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111489 PMID:40231156	research paper	介绍了一个名为FaciaVox的多模态生物识别数据集，包含戴口罩和不戴口罩条件下的面部图像和语音记录	创建了一个包含多样化条件下的面部图像和语音记录的多模态生物识别数据集，支持多种前沿应用研究	数据集收集环境包括专业隔音工作室和普通教室，可能引入环境变量如回声和声音反射	为多模态生物识别、跨域生物特征融合、年龄和性别估计等研究提供基础资源	100名来自20个不同国家的参与者，提供面部图像和语音记录	multimodal biometrics	NA	NA	NA	image, audio	100名参与者，每人提供18张面部图像和60条语音记录