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
121	2025-06-20	Multiobjective learning and design of bacteriophage specificity 2025-May-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.19.654895 PMID:40475446	research paper	该研究应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以实现增强感染性、预定义特异性和对未见菌株的高毒力普遍性	通过多目标机器学习设计复杂特异性，成功率达到可进行低通量验证预测命中的水平	未明确提及具体局限性	理解和设计蛋白质的多功能景观，特别是噬菌体的宿主靶向能力	T7噬菌体受体结合蛋白	machine learning	NA	deep learning	NA	protein sequence and function data	针对26种不同任务优化的噬菌体
122	2025-06-20	RadField3D: a data generator and data format for deep learning in radiation-protection dosimetry for medical applications 2025-05-16, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/add53d PMID:40334671	研究论文	介绍了一个基于Geant4的开源蒙特卡洛模拟应用RadField3D，用于生成三维辐射场数据集，并提出了一个快速、机器可解释的数据格式RadFiled3D，便于神经网络研究集成	开发了RadField3D模拟应用和RadFiled3D数据格式，支持深度学习在辐射防护剂量学中的研究	未提及具体的数据生成规模或应用场景的限制	研究使用深度学习的替代辐射模拟方法	三维辐射场数据集	机器学习	NA	蒙特卡洛模拟	NA	三维辐射场数据	NA
123	2025-06-20	Solving physics-based initial value problems with unsupervised machine learning 2025-May, Physical review. E DOI:10.1103/PhysRevE.111.055302 PMID:40533973	研究论文	本文提出了一种利用无监督机器学习解决基于物理的初值问题的方法	提出了一个深度学习框架，通过神经网络建模多种机械系统的动力学，能够解决非线性、耦合和混沌动力系统	需要概率激活函数来严格学习初值问题的解，这可能增加模型的复杂性	解决基于物理的初值问题	多种机械系统，包括自由粒子、重力场中的粒子、经典摆和Hénon-Heiles系统	机器学习	NA	无监督机器学习	深度神经网络	物理系统的动力学数据	多个物理系统案例，包括自由粒子、重力场中的粒子、经典摆和Hénon-Heiles系统
124	2025-06-19	Comparative evaluation of deep learning-based and conventional reconstruction techniques for image quality enhancement in low-dose chest computed tomography 2025-May-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-589 PMID:40529728	研究论文	本研究比较了深度学习算法与主流迭代重建技术在低剂量胸部CT图像质量增强方面的性能	提出了一种新的深度学习算法，用于低剂量胸部CT图像重建，显著降低了辐射剂量并保持了图像质量	研究样本量较小（90例患者），且仅针对胸部CT，未涵盖其他类型的CT扫描	评估深度学习算法在低剂量胸部CT图像重建中的性能，并与主流迭代重建技术进行比较	90例接受胸部CT检查的患者（45例低剂量CT，45例常规剂量CT）	计算机视觉	肺部疾病	深度学习算法、迭代重建（IR）、滤波反投影（FBP）	深度学习（DL）	图像	90例患者（45例低剂量CT，45例常规剂量CT）
125	2025-06-19	A systematic review and meta-analysis of artificial intelligence software for tuberculosis diagnosis using chest X-ray imaging 2025-May-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-604 PMID:40529749	meta-analysis	本文通过系统回顾和荟萃分析评估了五种基于AI的肺结核诊断软件在胸片影像诊断中的准确性	首次对多种AI软件在肺结核胸片诊断中的表现进行了全面比较和评估	纳入分析的软件数量有限(5种)，且未考虑不同地区人群差异对诊断效果的影响	评估AI辅助诊断系统在肺结核胸片诊断中的准确性和应用价值	五种商业AI胸片分析软件(JF CXR-1, qXR, Lunit INSIGHT CXR, CAD4TB, InferRead DR Chest)	digital pathology	tuberculosis	deep learning	CNN	image	21项研究(涉及5651篇文献)
126	2025-06-19	Machine learning and deep learning to improve overall survival prediction in cervical cancer patients 2025-May-30, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2024-2304 PMID:40530132	research paper	该研究旨在利用机器学习和深度学习算法构建模型，预测宫颈癌患者的总生存期	使用多种机器学习模型（包括DeepSurv）预测宫颈癌患者的总生存期，并通过X-tile分析将患者分层	数据来源于SEER数据库，可能存在选择偏差	识别关键预后因素并预测宫颈癌患者的总生存期	宫颈癌患者	machine learning	cervical cancer	LASSO, Cox回归, X-tile分析	CoxBoost, RandomForest, SuperPC, XGBoost, DeepSurv	临床数据	训练集1,743例患者，测试集747例患者
127	2025-06-19	Deep learning for fine-grained molecular-based colorectal cancer classification 2025-May-30, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2024-2348 PMID:40530151	研究论文	本研究提出了一种基于深度学习的结直肠癌分子分类方法，利用H&E染色组织切片图像进行细粒度分类	结合CNN和ViT的混合深度学习模型，用于结直肠癌的分子分类，提供新的分子诊断视角	模型性能有待进一步提高，准确率仅为0.524	探索深度学习技术在结直肠癌分子诊断中的应用	结直肠癌患者的H&E染色组织切片图像	数字病理	结直肠癌	H&E染色	CNN和ViT混合模型	图像	383名结直肠癌患者的组织切片图像
128	2025-06-19	A Novel Artificial Intelligence Approach to Kennedy Classification for Partially Edentulous Patients Using Panoramic Radiographs 2025-May-28, The European journal of prosthodontics and restorative dentistry DOI:10.1922/EJPRD_2801Hassan09 PMID:40105321	研究论文	本研究开发了一种基于人工智能的系统，用于从全景X光片中自动分类部分无牙颌患者的Kennedy分类，并识别现有牙齿以进行自动报告	首次使用YOLOv8s深度学习模型结合Kennedy分类系统和Applegate规则，实现部分无牙颌的自动分类	研究仅使用了公开数据集中的高质量图像，可能无法涵盖所有临床情况	开发自动化系统以减少牙科诊断中的变异性并减轻专业人员的工作负担	部分无牙颌患者	数字病理	牙科疾病	YOLOv8s深度学习模型	YOLOv8s	图像	1875张高质量全景X光片（原始数据集5261张，经筛选后使用）
129	2025-06-19	Detection of Pulmonary Nodules on Ultra-low Dose Chest Computed Tomography With Deep-learning Image Reconstruction Algorithm 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000806 PMID:39267547	研究论文	评估使用深度学习图像重建（DLIR）算法在超低剂量（ULD）胸部计算机断层扫描（CT）中检测肺结节的准确性	首次在ULD CT中应用DLIR算法进行肺结节检测，并与传统ASIR-V重建方法进行比较	样本量较小（60例患者），且仅针对固体肺结节进行评估	探索ULD CT结合DLIR在肺结节检测中的临床应用价值	60例转诊评估或随访固体肺结节的患者	数字病理	肺癌	深度学习图像重建（DLIR）	NA	CT图像	60例患者，共检测733个结节
130	2025-06-19	Predicting Gene Comutation of EGFR and TP53 by Radiomics and Deep Learning in Patients With Lung Adenocarcinomas 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000817 PMID:39319553	研究论文	本研究基于放射组学和深度学习构建了预测EGFR和TP53突变的二元分类模型，用于识别适合TKI靶向治疗和预后不良的患者	结合放射组学和深度学习构建渐进式二元分类模型，预测EGFR和TP53突变状态，为临床识别TKI响应者和预后不良患者提供参考	研究样本量较小（267例），且为单中心回顾性研究，可能影响模型的泛化能力	预测肺腺癌患者EGFR和TP53的共突变状态，辅助临床治疗决策	267例接受基因检测和非增强胸部CT检查的肺腺癌患者	数字病理	肺癌	放射组学分析，深度学习	临床模型、放射组学模型、深度学习模型、集成模型（如DL-rad-clin模型）	影像数据（非增强胸部CT）、临床数据	267例肺腺癌患者
131	2025-06-19	Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study 2025-05, The Lancet. Digital health DOI:10.1016/j.landig.2025.02.008 PMID:40312169	研究论文	开发并验证了一种基于视网膜图像的AI深度学习系统DeepDKD，用于检测糖尿病肾病(DKD)并区分孤立性糖尿病肾病与非糖尿病肾病(NDKD)	首次利用视网膜图像和深度学习技术实现DKD的非侵入性活检诊断，并在多民族人群中验证其有效性	外部验证数据集的AUC值存在一定波动(0.733-0.844)，表明模型性能可能受人群差异影响	提高糖尿病肾病筛查的可及性并区分不同类型肾病	糖尿病患者视网膜图像	数字病理	糖尿病肾病	深度学习	DeepDKD(AI深度学习系统)	视网膜图像	开发阶段使用734,084张视网膜图像(来自121,578名参与者)，验证阶段使用65,406名参与者的数据
132	2025-06-19	MultiPep-DLCL: recognition of multifunctional therapeutic peptides through deep learning with label-sequence contrastive learning 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf274 PMID:40518951	研究论文	提出了一种名为MultiPep-DLCL的多标签分类方法，用于识别多功能治疗肽	采用深度学习模型架构和标签-序列对比学习，增强了序列特征与标签嵌入之间的对应关系，并整合了多标签焦点骰子损失函数以解决数据集不平衡问题	NA	解决多功能治疗肽识别中的复杂挑战	多功能治疗肽（MFTP）	自然语言处理	NA	深度学习	Label-Sequence Fusion Transformer	肽序列	NA
133	2025-06-19	VirulentHunter: deep learning-based virulence factor predictor illuminates pathogenicity in diverse microbial contexts 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf271 PMID:40518950	研究论文	介绍了一种基于深度学习的毒力因子预测工具VirulentHunter，用于从蛋白质序列中直接识别和分类毒力因子	利用预训练蛋白质语言模型的微调步骤，实现了毒力因子的同时识别和分类，超越了现有方法，特别是在识别缺乏可检测同源物的毒力因子方面	NA	开发一种能够更准确识别和分类细菌毒力因子的工具	细菌毒力因子	自然语言处理	NA	深度学习	预训练蛋白质语言模型	蛋白质序列	NA
134	2025-06-18	Harnessing Artificial Intelligence in Pediatric Oncology Diagnosis and Treatment: A Review 2025-May-30, Cancers IF:4.5Q1 DOI:10.3390/cancers17111828 PMID:40507308	review	本文综述了人工智能在儿科肿瘤学诊断和治疗中的应用及其潜力	探讨了AI在儿科肿瘤学中的新兴趋势，如基于AI的放射组学和蛋白质组学应用	儿科癌症数据的异质性和稀缺性、影像技术的快速发展和数据隐私及算法透明性的伦理问题	提高儿童癌症诊断和治疗的准确性和有效性	儿科肿瘤学中的主要癌症类型	machine learning	pediatric cancer	machine learning (ML), deep learning (DL)	NA	imaging, proteomics data	NA
135	2025-06-18	Evolution of deep learning tooth segmentation from CT/CBCT images: a systematic review and meta-analysis 2025-May-26, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05984-6 PMID:40420051	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在牙齿分割中的演变和性能	总结了多种深度学习算法在牙齿分割中的应用，并按照主干网络结构进行了分类，发现整合注意力机制的卷积模型成为新热点	研究间缺乏标准化协议和开放标签数据集，样本大小与分割性能之间未观察到明显相关性	评估深度学习在CT/CBCT图像牙齿分割中的演变和性能	人类牙齿的CT/CBCT图像	计算机视觉	NA	深度学习	CNN, U-Net, Transformer, 注意力机制模型	CT/CBCT图像	30项研究（其中28项用于荟萃分析）
136	2025-06-18	Novel Antimicrobials from Computational Modelling and Drug Repositioning: Potential In Silico Strategies to Increase Therapeutic Arsenal Against Antimicrobial Resistance 2025-May-24, Molecules (Basel, Switzerland) DOI:10.3390/molecules30112303 PMID:40509191	综述	本文综述了通过计算建模和药物重定位开发新型抗菌剂的最新进展	利用计算模型预测药物-靶点相互作用，将已注册药物重新定位为潜在抗菌剂	现有模型和方法仍需改进以应对快速出现的抗菌素耐药性	增加对抗菌素耐药性的治疗手段	已注册药物及其潜在抗菌活性	机器学习	感染性疾病	机器学习、分子对接、分子动力学和深度学习	NA	NA	NA
137	2025-06-18	A Full-Spectrum Generative Lead Discovery (FSGLD) Pipeline via DRUG-GAN: A Multiscale Method for Drug-like/Target-specific Compound Library Generation 2025-May-12, Research square DOI:10.21203/rs.3.rs-6516504/v1 PMID:40470212	研究论文	介绍了一种名为FSGLD的深度学习驱动管道，用于高效识别药物先导化合物	FSGLD结合了生成建模与分子对接、分子动力学模拟等多种技术，显著优于传统的计算机辅助药物设计方法	未提及具体样本量或实验验证的详细数据	开发一种高效识别药物先导化合物的方法	药物样化合物和靶标特异性化合物	机器学习	NA	分子对接、分子动力学模拟、MM-PBSA、热力学积分(TI)	GAN	分子数据	NA
138	2025-06-18	Impact of Scanner Manufacturer, Endorectal Coil Use, and Clinical Variables on Deep Learning-assisted Prostate Cancer Classification Using Multiparametric MRI 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230555 PMID:39841063	研究论文	评估扫描仪制造商和扫描协议对深度学习模型在前列腺癌（PCa）双参数MRI（bpMRI）中分类侵袭性性能的影响	研究了不同扫描仪制造商和直肠内线圈（ERC）使用对深度学习模型性能的影响，并分析了临床特征对模型性能的贡献	研究为回顾性设计，可能受到数据选择和偏差的影响	评估扫描仪制造商和扫描协议对深度学习模型在前列腺癌侵袭性分类中的影响	5478例来自13个中心的前列腺癌bpMRI数据	数字病理学	前列腺癌	双参数MRI（bpMRI）	CNN	图像	5478例前列腺癌bpMRI数据
139	2025-06-18	Artificial Intelligence and Identification of the Deceased: a Narrative Review With Implications in Forensic Science 2025 May-Jun, Behavioral sciences & the law IF:1.0Q4 DOI:10.1002/bsl.2718 PMID:39875344	review	本文综述了人工智能在死者身份识别中的应用，特别是在法医科学领域	探讨了AI工具在预测性别、年龄、身高等生物参数方面的应用，提高了准确性和效率	NA	强调AI在法医科学和灾难受害者身份识别中的应用	未知死者的生物参数（性别、年龄、身高等）	法医科学	NA	人工智能、机器学习、深度学习	NA	生物参数数据	NA
140	2025-06-18	Performance of Two Deep Learning-based AI Models for Breast Cancer Detection and Localization on Screening Mammograms from BreastScreen Norway 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240039 PMID:39907587	研究论文	评估两种基于深度学习的AI模型在乳腺癌筛查中的检测和定位性能	比较了商业AI模型和内部开发模型在乳腺癌筛查中的表现，并评估了标记定位的准确性	研究为回顾性研究，可能受到数据选择偏差的影响	评估AI模型在乳腺癌筛查中的检测和定位准确性	129,434例乳腺筛查检查数据	数字病理	乳腺癌	深度学习	AI模型（未指定具体类型）	乳腺X线筛查图像	129,434例女性筛查检查（平均年龄59.2岁±5.8）