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
61	2025-06-01	Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes with Unsegmented 3D OCT Volumes 2025-May-28, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.036 PMID:40447246	研究论文	本研究利用深度学习技术，通过未分割的3D OCT体积数据，区分视乳头水肿、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛	首次使用完整的3D OCT体积数据进行深度学习，以区分NAION、视乳头水肿和健康眼睛，展示了视乳头周围视网膜（PPR）和视神经头（ONH）在诊断中的重要性	研究为回顾性分析，可能存在选择偏差，且外部验证集的样本量相对较小	开发一种可靠的自动化诊断工具，用于区分视乳头水肿、NAION和健康眼睛	视乳头水肿、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛的OCT扫描数据	数字病理学	视神经疾病	光学相干断层扫描（OCT）	ResNet 3D-18	3D OCT体积数据	4619份原始光谱域ONH体积扫描（来自1539只眼睛），外部验证集包含1663份扫描（来自742只眼睛）
62	2025-06-01	A Deep Learning Model for Accurate Segmentation of the Drosophila melanogaster Brain from Micro-CT Imaging 2025-May-28, Developmental biology IF:2.5Q2 DOI:10.1016/j.ydbio.2025.05.027 PMID:40447251	research paper	该研究开发了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑	利用预训练神经网络和少量Micro-CT图像训练出准确的3D深度学习模型，并能适应不同组织对比染色、扫描仪型号和基因型	训练数据量有限（仅1-3张Micro-CT图像）	开发自动化工具以简化Micro-CT图像分析流程	成年黑腹果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT成像	3D深度学习模型（基于预训练神经网络）	3D Micro-CT图像	1-3张成年黑腹果蝇大脑Micro-CT图像
63	2025-06-01	Artificial Intelligence Tools for Preconception Cardiomyopathy Screening Among Women of Reproductive Age 2025-May-27, Annals of family medicine IF:4.4Q1 DOI:10.1370/afm.230627 PMID:40300816	research paper	评估人工智能工具在育龄妇女中检测左心室收缩功能障碍（LVSD）的诊断性能	使用深度学习方法从12导联心电图和数字听诊器记录中生成LVSD的预测概率	研究样本量较小（共200名参与者），且仅限于特定医疗机构的患者	评估人工智能工具在育龄妇女中筛查心肌病的有效性	育龄妇女（18-49岁）	digital pathology	cardiovascular disease	12-lead ECG, digital stethoscope recordings, deep learning	deep learning	ECG, phonocardiography	200名育龄妇女（分为两个队列，各100人）
64	2025-06-01	Multiple-Basin Go̅-Martini for Investigating Conformational Transitions and Environmental Interactions of Proteins 2025-May-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00256 PMID:40359486	research paper	提出了一种名为Multiple-basin Go̅-Martini的新方法，用于研究蛋白质在显式环境中的构象转变及其与环境相互作用	结合了Go̅-Martini模型与指数混合方案，能够在显式环境中模拟蛋白质的自发构象转变	未提及具体的时间尺度或计算成本节省的具体数据	研究蛋白质构象转变及其与环境相互作用	蛋白质（GlnBP、Arc、Hinge、SemiSWEET和TRAAK）	生物物理学	NA	分子动力学模拟（MD）、Multiple-basin Go̅-Martini方法	Go̅-Martini模型	模拟数据	五个案例研究（GlnBP、Arc、Hinge、SemiSWEET和TRAAK）
65	2025-06-01	Reliable protein-protein docking with AlphaFold, Rosetta, and replica exchange 2025-May-27, eLife IF:6.4Q1 DOI:10.7554/eLife.94029 PMID:40424178	research paper	该研究结合AlphaFold作为结构模板生成器与基于物理的副本交换对接算法，以提高蛋白质复合物结构预测的准确性	提出AlphaRED（AlphaFold-initiated Replica Exchange Docking）方法，结合深度学习和物理增强采样技术，显著提高了蛋白质对接的成功率	研究仅针对254个蛋白质靶标进行了测试，样本量有限，且未涵盖所有可能的蛋白质相互作用类型	提高蛋白质复合物结构预测的准确性，特别是在存在显著构象变化的情况下	蛋白质复合物，特别是那些在结合过程中发生显著构象变化的蛋白质	computational biology	NA	AlphaFold, Rosetta, replica exchange docking	AlphaFold, ReplicaDock 2.0	protein structure data	254个蛋白质靶标，包括未结合和结合结构
66	2025-06-01	PathoGraph: A Graph-Based Method for Standardized Representation of Pathology Knowledge 2025-May-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04906-z PMID:40425649	research paper	提出了一种基于图的知识表示方法PathoGraph，用于系统化组织病理学知识以促进其计算利用	PathoGraph能够全面且结构化地捕捉多尺度疾病特征及病理学家的专业知识，并展示了其在大规模自动化构建及下游深度学习任务中的性能提升	未提及具体的技术实现细节或在不同病理学亚领域的普适性验证	系统化组织病理学知识以促进AI技术在病理学领域的有效整合	病理学数据（包括切片和诊断报告）及其隐含知识	digital pathology	neoplastic diseases	graph-based knowledge representation	NA	slides and diagnostic reports	NA
67	2025-06-01	Comparison of lower limb kinematic and kinetic estimation during athlete jumping between markerless and marker-based motion capture systems 2025-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02739-9 PMID:40425708	研究论文	比较无标记和有标记运动捕捉系统在运动员跳跃时对下肢运动学和动力学参数的估计	首次在从事高强度跳跃运动的运动员中验证无标记运动捕捉系统对下肢关节运动学和动力学参数的准确性	髋关节运动学测量在矢状面的准确性需要进一步验证	比较无标记和有标记运动捕捉系统在跳跃测试中对下肢运动学和动力学参数的估计	14名男性大学一级运动员	生物力学	NA	深度学习算法	NA	运动数据	14名男性大学一级运动员，每人至少完成三次蹲跳、下落跳和反向跳跃
68	2025-06-01	Deep learning-based CAD system for Alzheimer's diagnosis using deep downsized KPLS 2025-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03010-x PMID:40425715	研究论文	本文提出了一种基于深度学习的计算机辅助设计（CAD）系统，用于阿尔茨海默病的诊断，采用深度降维KPLS技术	提出了一种新的特征降维技术Deep Downsized Kernel Partial Least Squares (DDKPLS)，并结合ELM分类器构建了DDKPLS-ELM系统	NA	开发一种非侵入性的早期诊断阿尔茨海默病的CAD系统	阿尔茨海默病患者的大脑MRI图像	数字病理学	阿尔茨海默病	深度学习，特征降维	DDKPLS, ELM	MRI图像	Kaggle MRI数据集
69	2025-06-01	Deep learning network enhances imaging quality of low-b-value diffusion-weighted imaging and improves lesion detection in prostate cancer 2025-May-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14354-y PMID:40426115	research paper	本研究利用深度学习网络NAFNet从800 b值的扩散加权成像（DWI）生成模拟1500 b值的图像，以提升前列腺癌病灶检测的准确性	首次使用NAFNet深度学习网络从低b值DWI生成高b值图像，显著提升了前列腺癌病灶的检测率，尤其是对初级放射科医生	研究样本主要来自单一医疗中心，外部验证集的样本量较小（36例），可能影响结果的普遍性	提升低b值DWI图像质量以改善前列腺癌病灶检测	前列腺癌患者	digital pathology	prostate cancer	扩散加权成像（DWI）	NAFNet	image	303例前列腺癌患者用于训练和验证，36例独立样本用于测试
70	2025-06-01	Machine learning decision support model construction for craniotomy approach of pineal region tumors based on MRI images 2025-May-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01712-2 PMID:40426149	研究论文	本研究结合机器学习和深度学习算法与术前MRI图像，构建了用于松果体区肿瘤手术入路推荐的模型	首次将深度学习方法应用于松果体区肿瘤手术入路推荐，并展示了深度学习模型的高预测性能	研究为回顾性研究，样本量相对较小（173例患者）	为松果体区肿瘤手术入路选择提供决策支持工具	松果体区肿瘤患者	数字病理	脑肿瘤	MRI成像	ResNet-50, EfficientNetV2-m, ViT	MRI图像	173例被放射学诊断为松果体区肿瘤的患者
71	2025-06-01	Mechanisms and management of self-resolving lumbar disc herniation: bridging molecular pathways to non-surgical clinical success 2025-May-27, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-025-05959-x PMID:40426259	research paper	探讨腰椎间盘突出自发性吸收的机制及非手术治疗的成功案例	通过一例40岁女性患者的成功案例，结合文献综述，系统分析了腰椎间盘突出自发性吸收的分子机制和临床预测因素	研究仅基于单一样本，缺乏大样本验证	阐明腰椎间盘突出自发性吸收的分子机制并探索非手术治疗策略	腰椎间盘突出患者	医学研究	腰椎间盘突出	MRI成像	NA	医学影像数据、临床数据	1例40岁女性患者
72	2025-06-01	Network-based analyses of multiomics data in biomedicine 2025-May-27, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00452-x PMID:40426270	综述	本文综述了基于网络表示和分析的多组学数据在生物医学中的应用	探讨了网络表示在整合多层次组学数据中的优势及其在深度学习与机器学习框架下的应用	未提及具体实验验证或实际应用案例的局限性	分析网络表示在生物医学大数据任务中的应用及其优缺点	多组学数据（如基因组学、转录组学、蛋白质组学）	生物医学信息学	NA	网络分析、深度学习、机器学习	监督与非监督学习模型	多组学数据	NA
73	2025-06-01	GlycanInsight: an open platform for carbohydrate-binding pocket prediction and characterization 2025-May-27, Chemical science IF:7.6Q1 DOI:10.1039/d5sc02262b PMID:40438170	research paper	介绍了一个名为GlycanInsight的深度学习开放平台，用于预测和表征蛋白质结构上的碳水化合物结合口袋	开发了一个深度学习平台GlycanInsight，能够高精度预测碳水化合物结合口袋，并在AlphaFold2预测的结构上保持稳健性能	未提及具体局限性	开发一个计算工具，用于预测和表征蛋白质结构上的碳水化合物结合口袋，以促进糖类靶向治疗的研究和设计	蛋白质结构上的碳水化合物结合口袋	生物信息学	NA	深度学习	NA	蛋白质结构数据	基准数据集中的实验结构
74	2025-06-01	Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology 2025-May-27, CNS & neurological disorders drug targets DOI:10.2174/0118715273374284250519053646 PMID:40444626	review	本文综述了阿尔茨海默病（AD）的诊断方法，从生物标志物到深度学习技术的进展	结合生物标志物和深度学习技术（如CNN）提高AD诊断的准确性	这些技术旨在辅助而非替代临床医生的专业评估	探讨阿尔茨海默病的诊断方法及其技术进展	阿尔茨海默病（AD）患者	digital pathology	geriatric disease	MRI, 深度学习技术	CNN	image	NA
75	2025-06-01	Evolutionary Dynamics and Functional Differences in Clinically Relevant Pen β-Lactamases from Burkholderia spp 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00271 PMID:40314617	研究论文	研究通过机器学习和分子动力学模拟探讨了四种Pen β-内酰胺酶的动态差异及其功能影响	结合机器学习、增强采样分子动力学模拟和卷积变分自编码器深度学习技术，揭示了Pen β-内酰胺酶的动态特征和进化适应性	研究仅针对四种Pen β-内酰胺酶，可能无法涵盖所有相关酶的多样性	探讨Pen β-内酰胺酶的动态差异及其对抗生素耐药性的影响	四种Pen β-内酰胺酶（PenA, PenI, PenL和PenP）	生物信息学与计算生物学	细菌感染	机器学习驱动的增强采样分子动力学模拟、Markov状态模型(MSMs)、卷积变分自编码器深度学习(CVAE)、BindSiteS-CNN模型	CNN, CVAE	分子动力学模拟数据	四种Pen β-内酰胺酶
76	2025-06-01	Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01740-y PMID:40419973	research paper	本研究开发并验证了一种结合左心耳形态特征、深度学习放射组学和临床变量的预测模型，用于预测心房颤动消融术后的复发情况	首次结合深度学习放射组学和临床变量，开发出预测心房颤动消融术后复发的模型，并验证了左心耳形态和体积与消融结果的强相关性	研究为回顾性设计，样本量相对有限（480例患者），且仅基于三个三级医院的数据	预测心房颤动射频导管消融术后的复发概率	接受射频导管消融术的心房颤动患者	digital pathology	cardiovascular disease	CT angiography (CTA), deep learning radiomics	nnUNet, Cox proportional hazard regression	image, clinical variables	480例接受射频导管消融术的心房颤动患者
77	2025-06-01	Detecting microcephaly and macrocephaly from ultrasound images using artificial intelligence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01709-x PMID:40419983	研究论文	本研究利用深度学习技术开发了一种从超声图像中检测胎儿头部异常（小头畸形和大头畸形）的模型	首次在资源有限的埃塞俄比亚医疗设施中应用深度学习模型SegNet进行胎儿头部异常的自动分割、测量和分类	模型性能有待进一步优化，数据集需要扩展以提高泛化能力	开发一种能够在资源有限地区应用的胎儿头部异常自动检测系统	胎儿头部超声图像	数字病理	先天性异常	深度学习	SegNet, UNet, FCN, MobileNetV2, EfficientNet-B0	超声图像	来自埃塞俄比亚三家医疗机构的胎儿头部超声图像数据
78	2025-06-01	Prediction of one-year recurrence among breast cancer patients undergone surgery using artificial intelligence-based algorithms: a retrospective study on prognostic factors 2025-May-26, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14369-5 PMID:40419997	研究论文	本研究利用人工智能算法预测乳腺癌术后患者一年内的复发情况	比较分析了多种机器学习和深度学习算法在预测乳腺癌一年复发中的表现，并利用SHAP图识别关键预后因素	研究为回顾性设计，且数据仅来自德黑兰市的三个临床中心，可能限制结果的普遍性	预测乳腺癌术后患者一年内的复发情况，以改善临床决策	1156名接受过手术的乳腺癌患者	机器学习	乳腺癌	机器学习、深度学习	随机森林	临床数据	1156名乳腺癌术后患者（445例复发，711例未复发）
79	2025-06-01	ORAKLE: Optimal Risk prediction for mAke30 in patients with sepsis associated AKI using deep LEarning 2025-May-26, Critical care (London, England) DOI:10.1186/s13054-025-05457-w PMID:40420108	研究论文	本文介绍了一种名为ORAKLE的新型深度学习模型，用于预测脓毒症相关急性肾损伤（AKI）患者在30天内发生重大不良肾脏事件（MAKE30）的风险	ORAKLE模型利用动态时间序列数据进行预测，克服了现有静态预测模型的不足，能够更准确地捕捉肾脏损伤、治疗效果和患者轨迹的动态变化	研究基于回顾性数据，可能存在选择偏倚，且模型在临床实践中的实际效果尚需前瞻性研究验证	开发一个能够准确预测AKI患者30天内重大不良肾脏事件的深度学习模型	脓毒症相关急性肾损伤患者	机器学习	急性肾损伤	深度学习	Dynamic DeepHit框架	时间序列临床数据	开发队列（MIMIC-IV）16,671例患者，外部验证队列（SiCdb）2,665例患者和（eICU-CRD）11,447例患者
80	2025-06-01	Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics 2025-May-26, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.05.052 PMID:40436140	research paper	通过深度血浆蛋白质组学和深度学习策略，研究强直性脊柱炎的免疫特征并发现潜在生物标志物	整合随机森林和正交偏最小二乘判别分析构建机器学习模型，识别出与强直性脊柱炎相关的关键蛋白质	样本量相对较小，且仅针对血浆蛋白质组进行分析，未涉及其他生物样本	优化强直性脊柱炎的临床管理和预后评估	强直性脊柱炎患者和健康对照者的血浆样本	machine learning	强直性脊柱炎	深度定量蛋白质组学，ELISA	RF, OPLS-DA	蛋白质组数据	104名参与者（AS患者和健康对照者），独立队列79名参与者用于ELISA验证