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
1841	2025-05-24	The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis 2025-05-19, Developmental cell IF:10.7Q1 DOI:10.1016/j.devcel.2024.12.038 PMID:39818206	research paper	该研究通过大规模并行报告分析和多聚体分析，揭示了斑马鱼早期胚胎发育过程中5' UTR在翻译调控中的调控景观	首次在发育过程中建立了基于5' UTR的翻译调控定量模型，并开发了深度学习模型DaniO5P来预测5' UTR异构体的活性	研究仅针对斑马鱼胚胎发育早期阶段，未涵盖其他发育阶段或物种	探究5' UTR在翻译调控中的作用及其在斑马鱼胚胎发育中的动态变化	斑马鱼早期胚胎发育过程中的5' UTR序列	计算生物学	NA	大规模并行报告分析、多聚体分析	深度学习模型DaniO5P	序列数据	18,154个5' UTR序列
1842	2025-05-24	Enhancing Transthyretin Binding Affinity Prediction with a Consensus Model: Insights from the Tox24 Challenge 2025-May-19, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00560 PMID:40285676	research paper	该研究通过整合多种深度学习模型，开发了一个共识模型来预测甲状腺素转运蛋白（TTR）的结合亲和力，并在Tox24挑战赛中取得了良好表现	整合了sPhysNet、KANO和GGAP-CPI三种模型，利用不同层次的分子信息（2D拓扑、3D几何和蛋白质-配体相互作用）提升预测准确性，并引入不确定性估计作为预测置信度的衡量标准	模型性能仍有提升空间，RMSE虽有所降低但仍存在一定误差	提高TTR结合亲和力的预测准确性，以识别潜在的TTR结合物并预测其结合亲和力	甲状腺素转运蛋白（TTR）及其与外来化合物的相互作用	machine learning	NA	深度学习	共识模型（整合sPhysNet、KANO和GGAP-CPI）	分子信息（2D拓扑、3D几何和蛋白质-配体相互作用）	Tox24挑战赛提供的数据集，具体样本数量未明确说明
1843	2025-05-24	An overview of artificial intelligence and machine learning in shoulder surgery 2025-May-19, Clinics in shoulder and elbow IF:1.8Q2 DOI:10.5397/cise.2025.00185 PMID:40405638	review	本文综述了人工智能和机器学习在肩部手术中的应用及其对临床实践的变革	探讨了机器学习在肩关节置换术和肩袖撕裂治疗中的创新应用，包括预测术后结果、并发症及植入物选择	面临数据变异性、模型可解释性及临床工作流整合等挑战	探索机器学习在肩部手术中的应用及其对临床实践的潜在影响	肩关节置换术和肩袖撕裂（RCTs）的管理	machine learning	shoulder surgery	supervised, unsupervised, and reinforcement learning	XGBoost, neural networks, GAN	magnetic resonance imaging, ultrasound	NA
1844	2025-05-24	Deep learning-assisted self-cleaning cellulose colorimetric sensor array for monitoring black tea withering dynamics 2025-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144727 PMID:40403427	研究论文	本研究提出了一种基于纤维素薄膜的环保型比色传感器阵列，结合深度学习技术，用于监测红茶萎凋过程中的挥发性有机化合物及评估萎凋阶段	开发了一种具有自清洁功能的TiO-纤维素薄膜，并通过特定区域功能化提高了湿度抗性，结合LSTM深度学习模型实现了90%的萎凋阶段识别准确率	未明确说明传感器在长期使用中的稳定性或在实际生产环境中的适用性	开发一种智能、环保的传感器用于监测红茶萎凋过程	红茶萎凋过程中的挥发性有机化合物(VOCs)	传感器技术	NA	比色传感器阵列(CSA)、深度学习	LSTM	化学传感器数据	未明确说明具体样本数量
1845	2025-05-24	Improve robustness to mismatched sampling rate: An alternating deep low-rank approach for exponential function reconstruction and its biomedical magnetic resonance applications 2025-May-15, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107898 PMID:40403552	research paper	提出了一种交替深度低秩方法（ADLR），用于解决信号重建中训练与目标数据不匹配的问题	结合深度学习求解器和经典优化求解器，有效缓解了信号重建中的不匹配问题	未提及具体局限性	提高信号重建的鲁棒性，特别是在采样率不匹配的情况下	生物医学磁共振信号	signal processing	NA	deep learning, classic optimization	ADLR (Alternating Deep Low-Rank)	magnetic resonance signals	合成和真实世界的生物医学磁共振信号
1846	2025-05-24	Comparison of clinical, radiomics, deep learning, and fusion models for predicting early recurrence in locally advanced rectal cancer based on multiparametric MRI: a multicenter study 2025-May-14, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112173 PMID:40403678	研究论文	本研究比较了基于多参数MRI的临床、放射组学、深度学习和两种融合模型在预测局部晚期直肠癌早期复发中的表现	首次比较了四种不同模型（临床、放射组学、深度学习和两种融合模型）在预测局部晚期直肠癌早期复发中的性能，并发现基于决策的晚期融合模型表现最佳	回顾性研究设计可能引入选择偏倚，且样本量相对有限（337例患者）	比较不同模型预测局部晚期直肠癌早期复发的性能	局部晚期直肠癌患者	数字病理	直肠癌	多参数MRI（包括T2WI、DWI、T1WI和CET1WI）	XGBoost分类器（用于建立临床模型、放射组学模型、深度学习模型和两种融合模型）	医学影像	337例来自四个中心的局部晚期直肠癌患者（2016年1月至2021年9月）
1847	2025-05-24	Dissecting the genetic complexity of myalgic encephalomyelitis/chronic fatigue syndrome via deep learning-powered genome analysis 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.15.25325899 PMID:40321247	研究论文	本研究利用深度学习框架HEAL2对肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）进行全基因组分析，揭示了其遗传复杂性及相关症状的遗传风险	开发了新型深度学习框架HEAL2，用于ME/CFS的遗传预测和风险基因识别，并揭示了这些基因在多种组织和细胞类型中的功能重要性	研究未提及样本量大小，可能影响结果的普适性	探索ME/CFS的遗传、分子和细胞基础，寻找潜在的治疗靶点	肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者及其基因组数据	机器学习	肌痛性脑脊髓炎/慢性疲劳综合征	全基因组分析、转录组分析、网络分析	深度学习框架HEAL2	基因组数据、转录组数据、蛋白质组数据	NA
1848	2025-05-24	Hierarchical diagnosis of breast phyllodes tumors enabled by deep learning of ultrasound images: a retrospective multi-center study 2025-May-08, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00879-9 PMID:40340752	research paper	本研究提出了一种基于深度学习的乳腺叶状肿瘤分层诊断模型（PTs-HDM），用于术前识别和分级	开发了PTs-HDM模型，首次实现了乳腺叶状肿瘤的术前自动分层诊断，并通过热激活映射指导提高了放射科医生的诊断一致性	研究为回顾性设计，样本量相对有限（712例患者）	开发一种术前诊断乳腺叶状肿瘤的深度学习方法	乳腺叶状肿瘤（PTs）和纤维腺瘤（FAs）患者	digital pathology	breast cancer	deep learning	CNN	ultrasound images	712 patients from five hospitals
1849	2025-05-24	What insights can spatiotemporal esophageal atlases and deep learning bring to engineering the esophageal mucosa? 2025-05-05, Developmental cell IF:10.7Q1 DOI:10.1016/j.devcel.2025.04.009 PMID:40328228	research paper	本文介绍了一个结合实验和计算的平台，用于绘制人类食道的时空发育图谱并预测调控上皮分化的关键信号通路	结合空间发育数据和深度学习，提出了一种无外源、可扩展的策略，用于从人类多能干细胞生成食道黏膜	NA	研究人类食道的时空发育及其调控机制，以工程化食道黏膜	人类食道的发育和人类多能干细胞（hPSCs）	digital pathology	NA	深度学习	NA	空间发育数据	NA
1850	2025-05-24	Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review 2025-May-05, Advances in nutrition (Bethesda, Md.) DOI:10.1016/j.advnut.2025.100438 PMID:40334987	系统综述	本文系统评估了人工智能在癌症患者营养不良管理中的作用，重点关注其在营养状况评估、预测、临床结果和身体成分监测方面的有效性	人工智能模型在营养不良检测中表现出高预测准确性（AUC>0.80），机器学习算法优于传统筛查工具，深度学习模型在医学影像中实现了高分割精度（Dice相似系数：0.92-0.94）	需要进一步研究以标准化AI模型并确保临床适用性	评估人工智能在癌症患者营养不良管理中的作用	癌症患者	医疗人工智能	癌症	机器学习算法（决策树、随机森林、支持向量机）、深度学习模型	决策树、随机森林、支持向量机、深度学习模型	医学影像、临床数据	11项研究（n = 52,228名患者）
1851	2025-05-24	Large language models as an academic resource for radiologists stepping into artificial intelligence research 2025 May-Jun, Current problems in diagnostic radiology IF:1.5Q3 DOI:10.1067/j.cpradiol.2024.12.004 PMID:39672727	研究论文	评估GPT-4o作为推荐系统在帮助放射科医生理解和实施AI研究中的有效性	使用大型语言模型（如GPT-4o）作为虚拟顾问，为放射科研究人员提供定制的机器学习和深度学习算法推荐	需要进一步研究将大型语言模型整合到常规工作流程中及其在持续专业发展中的作用	增强放射科医生对AI在研究中应用的理解和实施	放射科医生和早期职业研究人员	自然语言处理	NA	大型语言模型（LLMs）	GPT-4o, U-Net, Random Forest, Attention U-Net, EfficientNet	医学影像数据	NA
1852	2025-05-24	A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R 2025 May-Jun, Multivariate behavioral research IF:5.3Q1 DOI:10.1080/00273171.2025.2455497 PMID:39949325	教程	本文回顾了三种基于人工智能的面部情绪识别工具，并提供了R语言中的示例代码	介绍了三种流行的人工智能情绪检测程序，并提供了R语言的实现代码	仅介绍了三种工具，未涉及其他可能的技术或工具	提高社交和行为科学研究中可解释人工智能的素养	面部情绪识别工具	计算机视觉	NA	机器学习、深度学习、计算机视觉	NA	图像	NA
1853	2025-05-24	Enhancing data quality in medical concept normalization through large language models 2025-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104812 PMID:40180205	research paper	本研究评估了医学概念归一化（MCN）在不同数据质量场景下的表现，并探讨了如何利用大型语言模型（LLMs）提升数据质量以改善MCN性能	通过使用ChatGPT进行零样本和小样本提示的数据增强，研究了数据质量对MCN模型性能的影响，并提出了基于LLM的数据增强策略	数据增强技术可能引入重复数据项，特别是在数据分布的均值区域，需谨慎设计以避免这些问题	提升医学概念归一化（MCN）的数据质量，以改善MCN性能	医学概念归一化（MCN）的数据集	自然语言处理	NA	ChatGPT-based zero-shot prompting, few-shot prompting	LLM	text	NA
1854	2025-05-24	Systematic review of computational techniques, dataset utilization, and feature extraction in electrocardiographic imaging 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03264-z PMID:39779645	综述	本文系统分析了ECG成像（ECGI）重建中的计算技术，重点关注数据集识别、问题解决和特征提取	揭示了传统方法与先进技术（如混合技术和深度学习）在ECGI中的应用趋势，并强调了数据利用和计算技术整合的重要性	仅限2010年至2023年发表的英文同行评审论文，且排除了未描述计算技术的研究	分析ECGI重建中的计算技术，以提升心脏诊断和治疗的精确性	ECG成像（ECGI）相关的计算技术和数据集	生物医学工程	心血管疾病	边界元法、Tikhonov方法、深度学习	NA	ECG成像数据	99篇论文
1855	2025-05-24	Evolution Trend of Brain Science Research: An Integrated Bibliometric and Mapping Approach 2025-May, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70451 PMID:40395088	研究论文	本研究采用文献计量分析和知识图谱可视化方法，绘制了全球脑科学研究的趋势、热点和合作网络	首次全面综述脑科学研究趋势，揭示当前研究前沿和关键方向，为研究人员和政策制定者提供战略路线图	中国在国际合作方面表现有限，且高影响力学者较少，存在‘数量重于质量’的挑战	分析全球脑科学研究的趋势、热点和合作网络	1990-2023年间Web of Science核心合集中的13,590篇文章	文献计量学	NA	文献计量分析、知识图谱可视化	NA	文献数据	13,590篇文章
1856	2025-05-24	Hybrid optimized temporal convolutional networks with long short-term memory for heart disease prediction with deep features 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2310075 PMID:38584483	研究论文	本文提出了一种结合时间卷积网络和长短期记忆网络的混合深度学习策略，用于心脏病预测	使用混合优化的深度分类器（HODC）结合TCN和LSTM，并采用新提出的EFBI元优化算法进行参数优化	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	开发一种高效的心脏病早期预测模型	心脏病患者	机器学习	心血管疾病	1DCNN, TCN, LSTM	混合模型（TCN+LSTM）	医疗数据	NA
1857	2025-05-24	ESMpHLA: Evolutionary Scale Model-Based Deep Learning Prediction of HLA Class I Binding Peptides 2025-May, HLA IF:5.9Q1 DOI:10.1111/tan.70263 PMID:40405507	research paper	本研究开发了一种基于进化尺度模型（ESM）的深度学习模型ESMpHLA，用于预测HLA I类结合肽	结合了并行CNN块和交叉注意力机制，构建了新型ESMpHLA模型，并在HLA I类结合肽预测中表现出色	NA	预测HLA I类与肽的结合亲和力，以研究免疫识别和疫苗开发	HLA I类结合肽	machine learning	NA	深度学习	CNN, 交叉注意力机制	肽序列数据	91,560个HLA-A等位基因的结合肽，56,731个HLA-B等位基因的结合肽，2,444个HLA-C等位基因的结合肽
1858	2025-05-24	Comparison and analysis of major research methods for non-destructive testing of wind turbine blades 2025-May-01, The Review of scientific instruments DOI:10.1063/5.0252130 PMID:40407392	研究论文	本文通过文献计量分析对风力涡轮机叶片损伤检测方法进行分类，并比较主要的无损检测技术	重点讨论了多方法集成的损伤评估、在线无损检测技术的进步以及深度学习等智能算法的应用	未提及具体实验数据或案例研究来验证所讨论技术的实际效果	指导风电专业人员选择叶片健康监测技术，促进风电行业的可持续性和效率	风力涡轮机叶片的健康监测和损伤识别	可再生能源技术	NA	应变数据监测、振动数据监测、声学测量、超声波检测、热成像、图像识别	深度学习	应变数据、振动数据、声学数据、超声波数据、热成像数据、图像数据	NA
1859	2025-05-24	Pleural invasion of peripheral cT1 lung cancer by deep learning analysis of thoracoscopic images: a retrospective pilot study 2025-Apr-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-1510 PMID:40400958	研究论文	本研究开发了一种深度学习算法，通过胸腔镜图像预测外周cT1肺癌的胸膜侵犯	首次使用深度学习分析胸腔镜图像来预测胸膜侵犯，为术中评估提供新方法	样本量较小（80例患者），且为回顾性研究	开发预测胸膜侵犯的深度学习算法，以指导手术决策	外周cT1N0M0非小细胞肺癌患者	数字病理	肺癌	深度学习图像分析	ResNet50	图像	80例患者（422,873张图像）
1860	2025-05-24	Multimodal radiopathological integration for prognosis and prediction of adjuvant chemotherapy benefit in resectable lung adenocarcinoma: A multicentre study 2025-Apr-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217557 PMID:39954935	研究论文	开发并验证了一个多模态分析框架，整合CT图像和H&E染色的全切片图像（WSIs），以增强肺腺癌（LUAD）患者的风险分层和辅助化疗获益预测	首次整合放射组学和病理组学特征，构建了一个多模态签名，用于预测LUAD患者的预后和辅助化疗获益，其性能优于现有的深度学习方法	研究为回顾性设计，需要前瞻性研究进一步验证	提高肺腺癌患者的风险分层和辅助化疗获益预测的准确性	1039例可切除的肺腺癌患者（I-III期）	数字病理	肺癌	CT成像和H&E染色全切片图像分析	生存支持向量机（SVM）	图像	1039例患者（训练数据集303例，测试数据集197例和228例，特征测试数据集311例）