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
481	2025-05-28	Cyclic peptide structure prediction and design using AlphaFold2 2025-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59940-7 PMID:40399308	研究论文	本文介绍了一种名为AfCycDesign的深度学习方法，用于准确预测、重新设计及从头设计小环肽的结构	开发了AfCycDesign方法，能够高精度预测和设计小环肽结构，并通过X射线晶体结构验证了其原子级准确性	未明确提及训练数据集的具体规模限制	开发深度学习方法用于小环肽的结构预测和设计	小环肽	机器学习	NA	深度学习	AlphaFold2	蛋白质结构数据	超过10,000种结构多样化的设计，其中8种进行了X射线晶体结构验证
482	2025-05-28	Deep learning approaches for classification tasks in medical X-ray, MRI, and ultrasound images: a scoping review 2025-May-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01701-5 PMID:40335965	综述	本文探讨了深度学习在医学X射线、MRI和超声图像分类任务中的应用	总结了深度学习模型在医学图像分类中的使用情况、准确率以及相关硬件和软件配置	讨论了当前方法的局限性并提出了未来医学图像分类的研究方向	探索深度学习如何用于分类通过X射线、MRI或超声图像诊断的多种疾病	医学X射线、MRI和超声图像	计算机视觉	多种疾病	深度学习	多种深度学习模型	图像	NA
483	2025-05-28	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	开发了一种基于深度学习的微交互分割方法，用于CT和MRI上的软组织肿瘤分割	提出了一种只需用户点击六个点即可生成距离图作为CNN输入的微交互分割方法，显著提高了分割速度和准确性	需要用户进行少量交互（点击六个点），不是完全自动化的方法	开发一种比手动分割更快、比其他自动方法更准确的软组织肿瘤分割方法	软组织肿瘤(STTs)	数字病理	软组织肿瘤	深度学习	CNN	医学影像(CT和MRI)	514名患者（内部验证数据集）和另一个公共数据集（外部验证）
484	2025-05-28	Using interpretable deep learning radiomics model to diagnose and predict progression of early AD disease spectrum: a preliminary [18F]FDG PET study 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11158-9 PMID:39477837	research paper	本研究提出了一种基于[18F]FDG PET图像的可解释深度学习放射组学（IDLR）模型，用于诊断阿尔茨海默病（AD）的临床谱并预测从轻度认知障碍（MCI）到AD的进展	提出的IDLR模型结合了放射组学和深度学习的特征，提高了传统深度学习模型的解释性并提升了分类准确性	研究为初步结果，需要进一步验证	诊断AD临床谱并预测MCI到AD的进展	1962名来自不同种族的受试者（包括ADNI的白种人队列和中国两家医院的亚洲队列）	digital pathology	geriatric disease	[18F]FDG PET	interpretable deep learning radiomics (IDLR) model	image	1962 subjects (Caucasian cohort from ADNI and Asian cohort from two hospitals in China)
485	2025-05-28	Convolutional variational auto-encoder and vision transformer hybrid approach for enhanced early Alzheimer's detection 2025-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.3.034501 PMID:40415866	研究论文	提出了一种结合卷积变分自编码器(CVAE)和视觉变换器(ViT)的混合模型，用于增强早期阿尔茨海默病的检测	首次将CVAE与ViT结合用于阿尔茨海默病早期检测，通过CVAE的无监督特征提取显著提升了基于变换器模型的性能	仅使用了MRI数据进行验证，未考虑其他模态数据	开发一种更精确和快速的阿尔茨海默病早期自动诊断方法	阿尔茨海默病的早期诊断	数字病理学	老年疾病	深度学习	CVAE-ViT混合模型	MRI图像	14,000个结构MRI样本(来自ADNI和SCAN数据库)
486	2025-05-27	Toward Accurate PAH IR Spectra Prediction: Handling Charge Effects with Classical and Deep Learning Models 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00372 PMID:40339059	研究论文	本研究利用机器学习和深度学习模型预测多环芳烃（PAHs）的红外光谱，特别关注中性及电离分子的光谱预测	首次实现了带电PAHs红外光谱的快速准确预测，并引入了XGBoost和GNN两种模型	异原子PAHs数据稀缺	提高PAHs红外光谱预测的准确性，特别是针对带电分子	多环芳烃（PAHs）的中性和电离分子	机器学习	NA	机器学习（ML）、图神经网络（GNN）	XGBoost、GNN	分子图表示、Morgan指纹	NA
487	2025-05-27	Predicting the Brain-To-Plasma Unbound Partition Coefficient of Compounds via Formula-Guided Network 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00590 PMID:40340403	research paper	该研究通过建立公开的大鼠数据集并开发公式引导的深度学习模型CMD-FGKpuu，预测脑-血浆未结合分配系数，以评估血脑屏障通透性	开发了公式引导的深度学习模型CMD-FGKpuu，并在多个基准测试中表现良好，展示了深度学习在预测脑-血浆未结合分配系数中的潜力	现有经验评分模型的通用性和适用性尚未充分探索，且数据稀缺，多为内部数据	预测脑-血浆未结合分配系数，以评估血脑屏障通透性，为药物开发提供有效工具	大鼠	machine learning	NA	深度学习	CMD-FGKpuu	实验数据	NA
488	2025-05-27	Methodological Challenges in Deep Learning-Based Detection of Intracranial Aneurysms: A Scoping Review 2025-May-26, Neurointervention IF:1.2Q4 DOI:10.5469/neuroint.2025.00283 PMID:40415390	综述	本文全面评估了36项应用深度学习在CTA或MRA上检测颅内动脉瘤的研究，重点关注研究设计、验证策略、报告实践和参考标准	揭示了当前研究中存在的方法学局限性和普遍性问题，提出了未来研究需要采纳更严格的设计和标准化报告实践	研究存在高偏倚风险和有限的临床适用性，缺乏前瞻性研究设计和外部验证	评估深度学习在颅内动脉瘤检测中的应用及其临床转化的局限性	应用深度学习检测颅内动脉瘤的36项研究	数字病理学	颅内动脉瘤	深度学习	NA	图像（CTA和MRA）	36项研究
489	2025-05-27	AI in Orthopedic Research: A Comprehensive Review 2025-May-26, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26109 PMID:40415515	review	本文综述了人工智能在骨科研究和临床实践中的应用及其进展	探讨了AI在骨科领域的最新进展，包括深度学习算法在骨折检测、骨关节炎分级和病理识别中的应用，以及预测分析、机器人技术、增强现实和数字孪生技术等新兴应用	存在数据异质性、算法偏见、模型'黑箱'问题以及稳健验证不足等挑战	整合AI到肌肉骨骼护理中，提升诊断准确性、优化治疗策略并简化临床工作流程	骨科研究和临床实践	digital pathology	geriatric disease	deep learning	NA	image	NA
490	2025-05-27	EMOCPD: Efficient Attention-Based Models for Computational Protein Design Using Amino Acid Microenvironment 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00378 PMID:40418077	研究论文	提出了一种基于注意力机制的高效计算蛋白质设计模型EMOCPD，通过分析氨基酸微环境来预测和优化蛋白质序列	采用多头注意力机制关注稀疏蛋白质微环境中的重要特征，并利用逆残差结构优化网络架构，提高了蛋白质设计的准确性和效率	模型预测结果受20种氨基酸含量的影响，更适用于设计负氨基酸含量较低的蛋白质	开发高效的计算蛋白质设计方法，提高蛋白质设计的准确性和效率	蛋白质序列设计和优化	计算生物学	NA	深度学习	多头注意力机制	蛋白质三维结构数据	NA
491	2025-05-27	Multimodal integration of longitudinal noninvasive diagnostics for survival prediction in immunotherapy using deep learning 2025-May-26, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf074 PMID:40418276	研究论文	该研究开发了一种新型的人工神经网络架构MMTSimTA，用于整合多模态纵向非侵入性诊断数据，以预测接受免疫治疗的癌症患者的生存率	提出了一种新型的多模态变压器基础简单时间注意力网络(MMTSimTA)，整合了治疗前后的血液测量、处方药物和CT扫描的器官体积数据，用于生存预测	研究仅基于694名患者的队列，可能需要更大样本量验证模型的泛化能力	通过深度学习整合多模态纵向非侵入性数据，改进免疫治疗癌症患者的生存预测	接受免疫治疗的694名泛癌患者	机器学习	癌症	深度学习	MMTSimTA网络(基于transformer的神经网络)	多模态数据(血液测量、处方药物、CT图像)	694名接受免疫治疗的泛癌患者
492	2025-05-27	Optimizing MRI sequence classification performance: insights from domain shift analysis 2025-May-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11671-5 PMID:40418319	研究论文	本研究通过评估预训练模型在成人到儿科MRI数据领域转移条件下的有效性，优化了MRI序列分类性能	结合CNN和Transformer的混合架构MedViT模型在领域转移条件下表现出色，并通过专家领域知识调整进一步提升准确性	研究仅针对成人到儿科MRI数据的领域转移问题，未涉及其他类型的领域转移	解决多中心研究中MRI序列分类因成像协议变异性导致的领域转移问题	成人和儿科MRI数据	医学影像分析	NA	MRI序列分类	ResNet-18, MedViT(CNN-Transformer混合模型)	MRI图像	成人MRI数据集用于训练，儿科MRI数据集用于测试
493	2025-05-27	Applications of artificial intelligence in abdominal imaging 2025-May-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	review	本文综述了人工智能在腹部影像学中的应用及其潜力	探讨了AI在腹部影像学中的创新应用，包括疾病检测、分类和个性化护理	数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的'黑箱'性质限制了广泛应用	研究AI在腹部影像学中的应用及其对疾病检测、分类和个性化护理的影响	腹部影像学中的多种疾病，如弥漫性肝实质疾病、局灶性肝脏病变、胰腺导管腺癌（PDAC）、肾脏肿瘤和肠道病变	digital pathology	liver cancer, pancreatic cancer, renal tumors, bowel pathologies	deep learning, radiomics	NA	image	NA
494	2025-05-27	Drug repurposing to identify potential FDA-approved drugs targeting three main angiogenesis receptors through a deep learning framework 2025-May-26, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11214-6 PMID:40418485	研究论文	本研究通过深度学习框架，从FDA批准的药物中识别潜在的血管生成受体多靶点抑制剂	采用新颖的集成方法，结合分类和回归模型，同时考虑三个靶点受体（VEGFR、FGFR、EGFR），提高了药物发现的成功率	研究仅针对FDA批准的药物进行筛选，可能遗漏其他潜在有效化合物	开发一种方法学，用于发现针对血管生成关键受体的多靶点抑制剂	2000多种FDA批准的药物	机器学习	癌症	深度学习	深度自编码器分类模型和回归模型	药物分子数据	2000多种FDA批准药物
495	2025-05-27	Training a deep learning model to predict the anatomy irradiated in fluoroscopic x-ray images 2025-May-26, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03422-0 PMID:40418509	研究论文	开发一种深度学习算法，用于从荧光X射线图像中预测受辐照的解剖区域，以提高患者剂量估计的精确性	提出了一种结合ResNet架构和元数据处理的方法，能够有效整合患者特定信息（年龄和性别），实现从2D图像到特定解剖坐标的精确转换	在婴儿体模的Z坐标预测中存在较大误差，主要由于训练数据中这些区域的代表性不足	提高荧光引导干预（FGI）中患者剂量估计的准确性	荧光X射线图像和计算体模中的解剖区域	计算机视觉	NA	DeepDRR模拟和ResNet深度学习	ResNet	图像	多样化的模拟荧光图像数据集，涵盖不同区域和视野大小
496	2025-05-27	Pulse Pressure, White Matter Hyperintensities, and Cognition: Mediating Effects Across the Adult Lifespan 2025-May-25, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70086 PMID:40413732	研究论文	研究探讨了脉压和平均动脉压如何介导年龄与白质高信号负荷之间的关系，以及白质高信号对认知的影响	发现脉压而非平均动脉压与年龄相关的白质高信号积累有机制性关联，且独立于其他心血管风险因素	研究样本为无中风和痴呆的成年人，可能限制了结果的普遍性	探讨脉压和平均动脉压对白质高信号负荷及认知功能的影响	231名无中风和痴呆的成年人	神经科学	老年疾病	T2-FLAIR磁共振扫描和TrUE-Net深度学习工具	TrUE-Net	磁共振图像和认知评估分数	231名成年人
497	2025-05-27	A novel network architecture for post-applicator placement CT auto-contouring in cervical cancer HDR brachytherapy 2025-May-25, Medical physics IF:3.2Q1 DOI:10.1002/mp.17908 PMID:40414687	研究论文	开发了一种基于机器学习的自动轮廓绘制方法，用于宫颈癌高剂量率近距离放射治疗中高风险临床靶区和危及器官的CT图像分割	提出了一种双模型深度学习架构，结合U-Net和空间信息优化，提高了低对比度CT图像中复杂解剖结构的自动分割准确性和一致性	在肠和乙状结肠分割方面仍存在挑战，主要由于CT软组织的低对比度和手动轮廓绘制的变异性	提高宫颈癌高剂量率近距离放射治疗计划中靶区和危及器官分割的准确性和效率	宫颈癌患者的后置施源器CT图像	数字病理	宫颈癌	深度学习	U-Net	CT图像	32名接受T&O高剂量率近距离放射治疗的宫颈癌患者（115张CT图像）
498	2025-05-27	Deep learning-based identification of vertebral fracture and osteoporosis in lateral spine radiographs and DXA vertebral fracture assessment to predict incident fracture 2025-May-24, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjaf050 PMID:40167218	研究论文	利用深度学习从脊柱侧位X光片和DXA椎体骨折评估图像中识别椎体骨折和骨质疏松症，以提高老年人骨折风险评估	开发了深度学习模型用于检测椎体骨折和骨质疏松症，并在两个独立的数据集上验证了其性能	研究依赖于特定医疗机构的数据，可能限制了模型的泛化能力	提高老年人骨折风险的预测准确性	脊柱侧位X光片和DXA椎体骨折评估图像	数字病理学	骨质疏松症	深度学习	DL模型	图像	VERTE-X队列：9276名个体的26299张脊柱侧位X光片；KURE队列：部分DXA VFA数据集
499	2025-05-27	Deep learning algorithms reveal genomic markers for anxiety disorder in a large cohort of children with down syndrome 2025-May-24, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03065-2 PMID:40413309	研究论文	本研究利用深度学习算法分析唐氏综合征儿童的大规模全基因组测序数据，探索与焦虑障碍相关的基因组标记	首次在唐氏综合征人群中结合WGS数据和深度学习模型全面研究焦虑障碍的分子机制，发现其独特的基因组模式	样本量相对有限（74名确诊焦虑障碍的DS患者），环境因素影响未完全量化	解析唐氏综合征患者焦虑障碍的分子机制以指导临床诊疗	1479名唐氏综合征个体及家庭成员（含255名确诊精神障碍的DS先证者，其中74名患焦虑障碍）	基因组学	唐氏综合征/焦虑障碍	全基因组测序(WGS)	神经网络	基因组数据	1479个样本（含255名DS精神障碍患者，其中74名焦虑障碍）
500	2025-05-27	Deep learning and iterative image reconstruction for head CT: Impact on image quality and radiation dose reduction-Comparative study 2025-May-23, The neuroradiology journal DOI:10.1177/19714009251345108 PMID:40406852	研究论文	本研究通过比较深度学习图像重建算法（DLIR）与自适应统计迭代重建-V（ASIR-V）在非增强头部CT中的表现，评估了DLIR在提高图像质量和减少辐射剂量方面的能力	首次在非增强头部CT中比较了DLIR与ASIR-V在图像质量和辐射剂量减少方面的效果，并展示了DLIR的显著优势	剂量减少功能不足以弥补宽探测器扫描仪中缺乏机架角度调整的问题，且样本量较小（35例患者）	评估深度学习图像重建算法（DLIR）在非增强头部CT中提高图像质量和减少辐射剂量的能力	非增强头部CT扫描图像	医学影像处理	头部疾病	深度学习图像重建（DLIR）和自适应统计迭代重建-V（ASIR-V）	深度学习模型	CT图像	35例患者的163次连续非增强头部CT扫描