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
281	2025-06-01	MambaPhase: deep learning for liquid-liquid phase separation protein classification 2025-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf230 PMID:40421658	研究论文	该研究开发了一种基于Mamba的深度学习模型，用于准确分类液-液相分离蛋白	采用对比学习方法整合分离概率、蛋白类型和实验条件，提高了分类准确性和适用性	模型在特定实验条件下的泛化能力尚未完全验证	开发高效准确的液-液相分离蛋白分类方法	液-液相分离蛋白	机器学习	NA	对比学习	Mamba-based encoder	蛋白数据	NA
282	2025-06-01	ADCNet: a unified framework for predicting the activity of antibody-drug conjugates 2025-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf228 PMID:40421657	研究论文	介绍了一个名为ADCNet的统一深度学习框架，用于预测抗体-药物偶联物（ADCs）的活性	ADCNet整合了蛋白质表示学习语言模型ESM-2和小分子表示学习语言模型，通过学习ADC的抗原和抗体蛋白序列、连接子和有效载荷的SMILES字符串以及药物-抗体比率（DAR）值来预测活性	NA	探索ADC的五元结构与活性之间的关系，帮助设计潜在的ADC	抗体-药物偶联物（ADCs）	机器学习	癌症	深度学习	ADCNet（整合ESM-2和基于功能组的双向编码器表示变换器）	蛋白质序列、SMILES字符串、数值（DAR值）	NA
283	2025-06-01	Learning Phenotype Associated Signature in Spatial Transcriptomics with PASSAGE 2025-05, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401451 PMID:39905872	研究论文	介绍了一种名为PASSAGE的深度学习框架，用于在空间转录组学中识别与表型相关的特征	PASSAGE是一种基于图嵌入的深度学习框架，能够有效表征多个异质性空间切片中的表型相关特征，不同于现有的无监督方法	NA	开发一种计算工具，用于在空间转录组学数据中识别与生理/病理状态相关的特征	空间转录组学数据	空间转录组学	NA	空间转录组学	深度学习	空间转录组数据	NA
284	2025-06-01	Recent Advances in Structured Illumination Microscopy: From Fundamental Principles to AI-Enhanced Imaging 2025-05, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401616 PMID:40025917	综述	本文介绍了结构光照明显微镜(SIM)的基本原理及其在超分辨率成像中的最新进展，包括光照和调制设备、图像重建算法，以及深度学习技术在SIM成像中的应用	探讨了深度学习技术在SIM成像中的应用，包括提升图像质量、加速成像和重建速度或替代现有图像重建方法，并提出了评估深度学习神经网络的关键指标	未提及具体实验数据或样本量，可能缺乏实际应用案例的详细分析	介绍SIM的基本原理和最新发展，探讨深度学习在SIM成像中的应用及未来人工智能与SIM系统的整合前景	结构光照明显微镜(SIM)技术及其在生物成像中的应用	数字病理学	NA	结构光照明显微镜(SIM), 深度学习(DL)	深度学习神经网络	图像	NA
285	2025-06-01	Using generative adversarial deep learning networks to synthesize cerebrovascular reactivity imaging from pre-acetazolamide arterial spin labeling in moyamoya disease 2025-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03605-1 PMID:40183965	research paper	该研究使用生成对抗网络（GANs）从基线动脉自旋标记（ASL）MRI合成脑血管反应性（CVR）图像，以替代需要乙酰唑胺（ACZ）挑战的传统CVR测量方法	首次应用GANs从基线ASL MRI合成CVR图像，避免了ACZ挑战的需求，提高了CVR测量的可行性和广泛应用性	低CVR区域的Dice相似系数（DSC）较低（0.593±0.128），表明在低CVR区域的识别上仍有改进空间	开发一种无需ACZ挑战的CVR测量方法，以更广泛地评估脑血管健康	203例烟雾病（Moyamoya disease）患者的3248张ACZ挑战前后的ASL脑血流（CBF）图像	digital pathology	moyamoya disease	arterial spin labeling (ASL) MRI	GAN (Pixel-to-Pixel GAN)	image	203例烟雾病患者，共3248张ASL CBF图像（2640张用于训练，608张用于测试）
286	2025-06-01	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	研究论文	本研究评估了基于深度学习的去噪图像重建技术在儿童体部磁共振成像（MRI）中的应用效果	首次在儿童体部MRI中应用深度学习去噪重建技术，显著提高了图像质量和扫描效率	非呼吸门控的T1加权图像显示更明显的呼吸运动伪影	评估深度学习重建技术在儿童体部MRI中的图像质量提升效果	21名1.5-15.8岁的儿童患者	数字病理	NA	径向k空间采样技术(PROPELLER)	深度学习	MRI图像	21名儿童患者
287	2025-06-01	AI-Driven TENGs for Self-Powered Smart Sensors and Intelligent Devices 2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417414 PMID:40277838	综述	本文探讨了人工智能驱动的摩擦纳米发电机（TENGs）在自供电智能传感器和智能设备中的协同潜力	通过整合人工智能技术优化TENGs的材料、制造和实时传感能力，提升能量收集和性能优化	需要解决低功耗AI算法、可持续材料、混合能源系统和安全协议等关键挑战	探索AI与TENGs结合的技术潜力，推动其在各行业的实际应用	摩擦纳米发电机（TENGs）及其与人工智能技术的整合	智能传感器技术	NA	机器学习和深度学习算法	NA	机械运动数据	NA
288	2025-06-01	Automated, Standardized, Quantitative Analysis of Cardiovascular Borders on Chest X-Rays Using Deep Learning 2025-May, JACC. Advances DOI:10.1016/j.jacadv.2025.101687 PMID:40286357	研究论文	本研究开发了一种基于深度学习的自动化方法，用于量化胸部X光片中的心血管边界，并探索其临床应用价值	首次使用深度学习技术对心血管边界进行标准化定量分析，并建立了年龄和性别特定的正常范围	研究仅基于特定站点的数据，可能无法完全代表所有人群	开发一种自动化、标准化的心血管边界分析方法，并评估其在心血管疾病诊断和风险分层中的临床效用	胸部X光片中的心血管边界	数字病理	心血管疾病	深度学习	深度学习模型（具体类型未明确说明）	图像（胸部X光片）	140,696张胸部X光片（96,129张正常，44,567张疾病）
289	2025-06-01	Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI 2025-May-01, ArXiv PMID:40342862	研究论文	提出了一种新型的外围体积去除（OVR）方法，用于实时动态MRI中消除非心脏区域的混叠伪影	利用深度学习模型识别并去除伪影，结合物理驱动的深度学习方法恢复高时空分辨率图像	未提及具体样本量及实验验证的广泛性	提高实时动态MRI的高加速率成像质量	心脏运动的功能评估	医学影像处理	心血管疾病	深度学习辅助的外围体积去除技术	PD-DL（物理驱动的深度学习）	MRI图像	NA
290	2025-06-01	Image-Based Deep Learning Model for Predicting Lymph Node Metastasis in Lung Adenocarcinoma With CT ≤ 2 cm 2025-May, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.70048 PMID:40425526	研究论文	本研究开发了一种基于影像的深度学习模型，用于预测CT扫描中直径≤2 cm的肺腺癌患者的淋巴结转移	利用Lasso模型筛选临床和影像特征，结合多变量逻辑回归分析建立预测模型，并通过ROC曲线、决策曲线和校准曲线验证模型效果	仅使用了内部验证集进行验证，缺乏外部验证	提高小直径肺腺癌患者淋巴结转移的术前准确识别，以改善患者生存和预后	1740例接受手术切除的临床早期肺腺癌患者	数字病理学	肺癌	CT影像分析	Lasso模型, 逻辑回归	影像	1740例患者
291	2025-05-31	The value of artificial intelligence in PSMA PET: a pathway to improved efficiency and results 2025-May-30, The quarterly journal of nuclear medicine and molecular imaging : official publication of the Italian Association of Nuclear Medicine (AIMN) [and] the International Association of Radiopharmacology (IAR), [and] Section of the Society of... DOI:10.23736/S1824-4785.25.03640-4 PMID:40444499	系统综述	本文探讨了人工智能在提高前列腺特异性膜抗原正电子发射断层扫描（PSMA PET）检测转移性前列腺癌准确性和效率方面的潜力	综述了AI在PSMA PET扫描分析中的应用，展示了其在提高诊断准确性、敏感性和标准化报告方面的潜力	AI性能存在显著变异性，部分算法的'黑箱'特性需要更大的前瞻性研究和改进模型可解释性	评估AI在PSMA PET扫描分析中的应用效果	转移性前列腺癌患者	数字病理学	前列腺癌	PSMA PET扫描	机器学习（ML）、深度学习（DL）、卷积神经网络（CNN）	医学影像	22项研究
292	2025-05-31	Evidential Deep Learning for Open-Set Active Domain Adaptation 2025-May-29, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3571943 PMID:40440139	research paper	该论文提出了一种基于证据深度学习的开放集主动域适应方法（EOSADA），用于在包含新类别的未标记目标域中转移知识	利用证据深度学习（EDL）构建开放集分类器，并采用两轮选择策略平衡已知和新类别样本的选择，同时识别信息丰富的样本，无需修改模型结构且使用有限的标注预算	未明确提及具体局限性	提升开放集域适应（OSDA）场景下模型的性能	未标记目标域中的样本，包括已知和新类别	machine learning	NA	evidential deep learning (EDL), open-set active domain adaptation	分类神经网络（具体架构未提及）	未明确提及，推测为图像或文本数据	未明确提及具体样本数量
293	2025-05-31	Deep learning enables fast and accurate quantification of MRI-guided near-infrared spectral tomography for breast cancer diagnosis 2025-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3574727 PMID:40440147	研究论文	本文开发了一种基于深度学习的MRI引导近红外光谱断层扫描（NIRST）图像重建方法，用于乳腺癌诊断	提出了一种快速准确的深度学习模型（DL-MRg-NIRST），显著提高了NIRST图像重建的速度和诊断准确性	研究基于合成数据训练的网络，可能在实际临床应用中存在泛化性问题	提高乳腺癌诊断的特异性和敏感性	乳腺异常患者	数字病理	乳腺癌	MRI引导的近红外光谱断层扫描（NIRST）	深度学习模型	MRI图像和NIRST数据	38例乳腺异常患者的临床影像检查数据
294	2025-05-31	TTFNet: Temporal-Frequency Features Fusion Network for Speech based Automatic Depression Recognition and Assessment 2025-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574864 PMID:40440151	research paper	提出了一种基于混合语音特征的自动抑郁症检测方法TTFNet，通过深度学习提取特征并进行抑郁症识别和评估	创新性地设计了四元数VisionLSTM来捕捉多维动态特征的协同效应，并设计了XConformer块用于跨序列交互，结合自注意力机制和卷积模块	NA	开发一种客观且便捷的早期抑郁症筛查方法	抑郁症患者的语音特征	自然语言处理	抑郁症	深度学习	TTFNet, quaternion VisionLSTM, sLSTM, wav2vec 2.0, XConformer	语音	AVEC 2013, AVEC 2014, DAIC-WOZ和E-DAIC数据集
295	2025-05-31	Glaucoformer: Dual-domain Global Transformer Network for Generalized Glaucoma Stage Classification 2025-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574997 PMID:40440150	研究论文	提出了一种名为Glaucoformer的双域全局Transformer网络，用于青光眼阶段的分类	引入了双域全局Transformer层（DGTL），结合了双域通道注意力（DCA）和双域空间注意力（DSA），并采用傅里叶域特征分析器（FDFA）作为核心组件，以在空间和频率域中利用局部和全局上下文特征依赖	未明确提及具体限制，但可能包括对未见数据集的泛化能力仍需进一步验证	提高青光眼阶段分类的准确性和泛化能力	青光眼患者的眼底图像	计算机视觉	青光眼	深度学习	Transformer, CNN	图像	基准数据集和未见数据集，具体样本数量未提及
296	2025-05-31	ASight: Fine-tuning Auto-Scheduling Optimizations for Model Deployment via Visual Analytics 2025-May-29, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3574194 PMID:40440148	research paper	介绍ASight，一个视觉分析系统，帮助工程师识别性能瓶颈、理解自动生成的低级代码并从自动调度优化中获取见解	提出ASight系统，开发子图匹配算法以识别中间表示中的图同构，并增强自动调度大搜索空间的可视化	未提及具体的技术限制或系统适用范围	优化深度学习模型在特定硬件上的部署性能，减少推理延迟	深度学习模型的自动调度优化	machine learning	NA	visual analytics, subgraph matching algorithm	NA	low-level code, profiling metrics	两个案例研究（本地机器和数据中心）和一个定量实验
297	2025-05-31	Predicting expression-altering promoter mutations with deep learning 2025-May-29, Science (New York, N.Y.) DOI:10.1126/science.ads7373 PMID:40440429	研究论文	该论文介绍了PromoterAI，一种深度神经网络，用于准确识别非编码启动子变异，这些变异会失调基因表达	开发了PromoterAI深度神经网络，能够识别影响基因表达的非编码启动子变异，并验证了这些变异在罕见疾病患者中的临床相关性	仅关注启动子区域的变异，可能忽略了其他非编码区域的致病变异	预测和识别影响基因表达的非编码启动子变异，以解释罕见疾病的遗传负担	非编码启动子变异及其对基因表达的影响	机器学习	罕见遗传病	深度神经网络	深度神经网络	基因组序列数据	数千名个体的RNA和蛋白质水平数据
298	2025-05-31	Application of the Bidirectional Encoder Representations from Transformers Model for Predicting the Abbreviated Injury Scale in Patients with Trauma: Algorithm Development and Validation Study 2025-May-29, JMIR formative research IF:2.0Q4 DOI:10.2196/67311 PMID:40440586	研究论文	本研究开发并验证了一种基于BERT模型的AIS评分预测方法，用于创伤患者的伤情评估	首次将BERT模型应用于AIS评分预测，相比现有方法准确率提升10%	外部验证数据集规模较小(n=244)，可能影响模型泛化能力的全面评估	通过深度学习技术提高创伤患者AIS评分的预测准确性	创伤患者(n=26,810)的临床诊断信息	自然语言处理	创伤	BERT预训练方法	BERT	文本(诊断记录)	26,810例主要数据集+244例外部验证数据
299	2025-05-31	Modeling Active-State Conformations of G-Protein-Coupled Receptors Using AlphaFold2 via Template Bias and Explicit Protein Constrains 2025-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00489 PMID:40440630	研究论文	本研究探讨了利用AlphaFold2通过模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象	扩展了AlphaFold2的应用，通过引入模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象，揭示了深度学习工具在建模蛋白质复合物中的潜力与局限	在建模变构效应方面存在局限，特别是在受体细胞外位点的预测准确性降低，可能影响其在基于结构的药物设计中的应用	探索深度学习工具在建模G蛋白偶联受体不同构象状态中的应用	G蛋白偶联受体的活性态构象	机器学习	NA	AlphaFold2	深度学习	蛋白质结构	NA
300	2025-05-31	Machine Learning and Deep Learning Techniques for Prediction and Diagnosis of Leptospirosis: Systematic Literature Review 2025-May-29, JMIR medical informatics IF:3.1Q2 DOI:10.2196/67859 PMID:40440642	系统综述	本文系统评估了机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用	首次全面综述了ML和DL在钩端螺旋体病领域的应用，并分析了常用算法、验证方法和性能指标	纳入研究数量有限(17篇)，且大多数使用私有数据集(65%)，缺乏公开数据验证	评估ML和DL技术在钩端螺旋体病预测和诊断中的应用效果	钩端螺旋体病的预测和诊断	机器学习	钩端螺旋体病	机器学习(ML)和深度学习(DL)	支持向量机、人工神经网络、决策树、CNN(包括U-Net)	临床记录、医院数据、区域监测系统数据	17项研究(从374篇筛选而来)