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
621	2025-07-26	ABCFold: easier running and comparison of AlphaFold 3, Boltz-1, and Chai-1 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf153 PMID:40708869	research paper	ABCFold简化了AlphaFold 3、Boltz-1和Chai-1的使用，通过标准化输入预测原子结构，并便于比较不同方法的结果	提供标准化输入和统一结果处理，便于安装和运行AlphaFold 3而无需下载大型数据库	未明确说明是否适用于所有类型的目标	简化深度学习结构预测方法的使用和结果比较	蛋白质和复合物的原子结构预测	computational biology	NA	deep learning-based structure prediction	AlphaFold 3, Boltz-1, Chai-1	protein sequences and structures	NA
622	2025-07-26	Hybrid representation learning for human m6A modifications with chromosome-level generalizability 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf170 PMID:40708868	研究论文	本研究提出了两种新型混合深度学习模型，用于预测人类m6A修饰位点，并提高了染色体水平的泛化能力	提出了两种混合深度学习模型（Hybrid Model和Hybrid Deep Model），整合了局部序列特征（k-mers）和上下文嵌入，通过CNN提升预测性能和泛化能力	深度全局表示可能在染色体独立设置中过拟合	提高m6A修饰位点预测的准确性和染色体水平的泛化能力	人类m6A修饰位点	机器学习	NA	深度学习	CNN	序列数据	NA
623	2025-07-26	Deep learning-assisted diagnosis of liver tumors using non-contrast magnetic resonance imaging: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582322 PMID:40708941	research paper	本研究开发并验证了一种基于深度卷积神经网络的非对比磁共振成像（NC-MRI）肝脏病变分类方法	利用非对比MRI进行肝脏肿瘤分类，减少了成本、扫描时间和对比剂风险	研究主要关注三类肝脏病变（良性、原发性恶性和转移性），可能不适用于其他类型病变	开发并验证一种基于深度学习的非对比MRI肝脏病变分类模型	肝脏肿瘤患者的MRI图像	digital pathology	liver cancer	non-contrast MRI (NC-MRI), T2-weighted, diffusion-weighted imaging (DWI), multiphasic T1-weighted imaging	Inception-ResNet V2	image	50418张增强MRI图像，来自1959名肝脏肿瘤患者，三个中心的数据
624	2025-07-26	Integrating multimodal cancer data using deep latent variable path modelling 2025, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-025-01052-4 PMID:40709098	研究论文	本文提出了一种名为深度潜在变量路径建模的方法，用于整合多模态癌症数据	结合深度学习的表征能力和路径建模的能力，识别复杂系统中相互作用元素之间的关系	未提及具体局限性	整合多模态癌症数据以获得对病理学的全面理解	乳腺癌数据	数字病理学	乳腺癌	单核苷酸变异、甲基化分析、microRNA测序、RNA测序和组织学数据	深度潜在变量路径建模	多模态数据（包括基因组学、转录组学和组织学数据）	来自The Cancer Genome Atlas的乳腺癌数据
625	2025-07-26	Bullying and cyberbullying. A high risk, in boys and girls, of superficial learning, poor planning and academic procrastination 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1567523 PMID:40709227	研究论文	本研究分析了欺凌和网络欺凌与深度学习、浅层学习、规划决策以及学业拖延之间的关联	揭示了欺凌和网络欺凌对青少年学习行为的多方面影响，包括浅层学习和学业拖延，并量化了受害者和施暴者的风险差异	研究样本仅来自西班牙，可能限制了结果的普遍性	探究欺凌和网络欺凌对青少年学习行为的影响	1263名10-16岁的西班牙学童（51.39%为女孩）	教育心理学	NA	协方差分析(ANCOVA)和二元逻辑回归	NA	问卷调查数据	1263名西班牙学童（10-16岁）
626	2025-07-25	Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography 2025-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.06.003 PMID:40484187	研究论文	本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞	结合3D光学衍射断层扫描（ODT）和卷积神经网络（CNN），首次实现了基于脂滴特征的胆道癌细胞自动分类	研究仅使用了有限的细胞系（SNU1196、SNU308、SNU478和H69），未涉及临床样本	开发一种自动分类胆道癌细胞的方法，以辅助早期诊断	胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69）	数字病理学	胆道癌	3D光学衍射断层扫描（ODT）	CNN（EfficientNet-b3）	3D折射率断层图像	4种细胞系（3种胆道癌细胞系和1种正常胆管细胞系）
627	2025-07-25	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了人工智能驱动的液体活检在胃肠道癌症早期检测中的进展	利用AI技术提升液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探索人工智能在液体活检中的应用，以提高胃肠道癌症的早期检测率	胃肠道癌症（GICs）	数字病理学	胃肠道癌症	液体活检、ctDNA、exoRNA、肿瘤教育血小板	机器学习（ML）、深度学习（DL）	生物标志物数据	NA
628	2024-12-05	Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament 2025-Aug-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005227 PMID:39618126	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
629	2025-07-25	Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.043 PMID:40157849	研究论文	本研究开发了一种结合临床信息和多模态超声特征的联合深度学习模型（CTSGrader），用于评估腕管综合征（CTS）的严重程度	首次开发了结合临床信息和多模态超声特征的联合深度学习模型，用于CTS分级，并在多中心研究中验证了其性能	研究为回顾性和前瞻性混合设计，可能影响结果的普遍性	开发并验证一种联合深度学习模型，用于更准确地评估腕管综合征的严重程度	腕管综合征患者	数字病理	腕管综合征	深度学习，超声成像	联合深度学习模型（CTSGrader）	超声图像，临床数据	训练集680例，内部验证集173例，外部验证集174例，外部验证集2（跨厂商测试）224例
630	2025-07-25	Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01780-y PMID:40214915	research paper	利用深度学习技术预测食管鳞状细胞癌淋巴结转移的研究	提出了一种结合CNN和LSTM的新型深度学习模型LymphoReso-Net，用于分析增强CT图像并预测淋巴结转移	研究为回顾性研究，样本量有限（441例患者），且仅基于动脉期增强CT图像	优化食管鳞状细胞癌的治疗策略并改善患者预后	食管鳞状细胞癌患者	digital pathology	esophageal squamous cell carcinoma	contrast-enhanced CT	CNN, LSTM	image	441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者
631	2025-07-25	Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma: A Multicenter Study 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.005 PMID:40253221	研究论文	本研究探讨了基于CT的生境放射组学和深度学习特征在预测T1期肺腺癌淋巴管浸润中的应用	首次使用K-means算法聚类CT图像和表观扩散系数图，构建生境放射组学模型，并比较其与传统放射组学和深度学习模型的性能	回顾性研究设计可能引入选择偏倚，样本量相对较小且来自三个中心	预测T1期肺腺癌患者的淋巴管浸润状态	349名T1期肺腺癌患者	数字病理学	肺癌	CT成像，K-means聚类算法	放射组学模型，生境模型，深度学习模型	CT图像	349名患者（内部训练集210名，外部测试集139名）
632	2025-07-25	Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa 2025-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179739 PMID:40480170	研究论文	利用无监督深度学习框架和高分辨率卫星图像对撒哈拉以南非洲多个城市的城市发展表型进行分类	提出了一种新颖的分层深度学习框架，用于无监督聚类高分辨率卫星图像，揭示城市发展的多维特征	研究仅覆盖了撒哈拉以南非洲的少数城市，可能无法完全代表该地区的所有城市发展模式	通过无监督深度学习对高分辨率卫星图像进行分析，以实现对城市环境的近实时监测	撒哈拉以南非洲多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的卫星图像	计算机视觉	NA	无监督深度学习	分层深度学习框架	卫星图像	多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的高分辨率卫星图像
633	2025-07-25	Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11932-w PMID:40588604	研究论文	该研究提出了一种增强的深度学习框架，用于腹腔镜手术中手术器械的实时检测与追踪，结合了先进的数据增强和追踪技术	整合了YOLOv9n、ByteTrack和BoT-SORT等最新算法，实现了高精度和快速响应的实时检测与追踪系统	研究依赖于特定数据集（m2cai16-tool-locations），可能在其他手术场景中的泛化能力有待验证	提升微创手术中手术器械的实时检测与追踪精度，优化手术流程和患者安全	腹腔镜手术中的手术器械	计算机视觉	NA	深度学习、计算机视觉技术	YOLOv9n、ByteTrack、BoT-SORT	图像	使用m2cai16-tool-locations检测数据集
634	2025-07-25	AI-Assisted Post Contrast Brain MRI: Eighty Percent Reduction in Contrast Dose 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.026 PMID:39592383	研究论文	本研究提出并评估了一种深度学习方法，用于从仅使用20%标准剂量的钆基对比剂的多参数MRI中预测全剂量对比增强T1加权图像	利用深度学习技术实现钆基对比剂剂量减少80%的同时保持诊断准确性	研究样本量相对较小(101例患者)，且未评估所有可能的脑部病变类型	开发减少钆基对比剂使用剂量同时保持MRI诊断准确性的方法	脑部MRI图像	医学影像分析	脑部疾病	深度学习	DL网络	MRI图像	101名患者的多中心前瞻性研究数据
635	2025-07-25	A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation 2025-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70193 PMID:40698834	研究论文	本文提出了一种基于深度学习的CT图像肺段分割算法，用于评估肺通气和灌注的区域异质性	开发了一种多阶段3D卷积神经网络算法，能够直接从胸部CT图像进行端到端的肺段分割	COPD患者的肺段分割结果与健康对照组相比存在较大差异	验证和展示基于深度学习的CT肺段分割在临床混合气道疾病患者中的适用性	混合气道疾病患者和健康个体的胸部CT图像	数字病理	慢性阻塞性肺疾病(COPD)	3D卷积神经网络	CNN	CT图像	123张训练用胸部CT图像和40张验证用CT图像（20张来自训练集，20张前瞻性收集：10名健康人和10名COPD患者）
636	2025-07-25	Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104376 PMID:40701761	研究论文	本研究提出了一种基于深度学习的诊断辅助系统，用于从CT图像中早期检测和分类肺结节	结合U-Net卷积神经网络进行语义分割，以及后续的特征提取和选择，再通过另一个卷积神经网络进行分类	未提及样本多样性或外部验证集的性能	提高肺结节的早期检测和分类准确性，以改善肺癌患者的治疗效果	肺结节	数字病理学	肺癌	深度学习	U-Net, CNN	图像	基于LUNA16数据集
637	2025-07-25	An enhanced UHMWPE wear particle detection approach based on YOLOv9 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104377 PMID:40701762	研究论文	本研究提出了一种基于深度学习的增强YOLOv9模型，用于自动化检测超高分子量聚乙烯（UHMWPE）磨损颗粒，旨在解决传统手动检测方法的不足	采用改进的YOLOv9模型，结合可编程梯度信息（PGI）和广义高效层聚合网络（GELAN）提升小物体定位和检测精度，并集成自定义Focal Loss函数以解决类别不平衡问题	NA	开发一种高精度、可扩展且经济高效的自动化检测方法，用于UHMWPE磨损颗粒的检测，以改善骨科和脊柱植入物的监测和临床决策	超高分子量聚乙烯（UHMWPE）磨损颗粒	计算机视觉	骨科疾病	场发射枪扫描电子显微镜（FEG-SEM）成像	YOLOv9	图像	NA
638	2025-07-25	The Power of Hellmann-Feynman Theorem: Kohn-Sham DFT Energy Derivatives with Respect to the Parameters of the Exchange-Correlation Functional at Linear Cost 2025-Jul-24, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01771 PMID:40653651	研究论文	本文应用Hellmann-Feynman定理计算Kohn-Sham DFT能量对交换相关泛函参数的导数，显著提高了计算效率	利用Hellmann-Feynman定理实现了Kohn-Sham DFT能量对交换相关泛函参数导数的线性复杂度计算，相比自动微分方法显著加速	研究仅基于LDA和GGA泛函进行验证，未涉及更复杂的泛函形式	开发高效计算科学模型参数导数的方法，以加速机器学习中的梯度优化和深度学习集成	Kohn-Sham DFT能量对交换相关泛函参数的导数	机器学习	NA	Hellmann-Feynman定理	Kohn-Sham DFT	NA	一系列烷烃（n=4...64）使用双zeta基组
639	2025-07-25	Artificial Neural Networks and Deep Learning in Solid Organ Transplantation 2025-Jul-24, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000005500 PMID:40702591	review	本文综述了人工神经网络和深度学习在实体器官移植中的应用，并提供了相关术语解释和使用建议	概述了神经网络在移植领域的最新应用，特别是处理非表格数据（如图像和文本）的能力	模型结果的解释需要考虑上下文，存在一定的黑箱预测问题	探讨人工神经网络和深度学习在实体器官移植中的应用潜力	实体器官移植	machine learning	NA	deep learning	artificial neural networks	image, text	NA
640	2025-07-25	Malignancy classification of thyroid incidentalomas using 18F-fluorodeoxy-d-glucose PET/computed tomography-derived radiomics 2025-Jul-24, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002031 PMID:40702878	研究论文	本研究探讨了18F-FDG PET/CT衍生的放射组学特征在区分甲状腺偶发瘤良恶性中的作用	利用PET和CT图像的放射组学特征进行甲状腺偶发瘤的良恶性分类，并与传统的TIRADS分类进行比较	样本量较小（46例患者），未来需要更大样本和深度学习方法验证	研究非侵入性PET/CT放射组学特征在甲状腺偶发瘤良恶性鉴别中的价值	46例接受甲状腺超声和手术的PET/CT甲状腺偶发瘤患者	数字病理学	甲状腺癌	18F-FDG PET/CT成像	NA	医学影像（PET和CT图像）	46例患者（36例恶性，10例良性）