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
501	2025-06-22	Accurate de novo design of high-affinity protein-binding macrocycles using deep learning 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01929-w PMID:40542165	研究论文	介绍了一种基于深度学习的去噪扩散管道RFpeptides，用于设计针对特定蛋白质靶点的大环结合物	首次提出了一个稳健的从头设计蛋白质结合大环的方法，无需依赖大规模筛选	仅测试了四种蛋白质靶点，样本量相对较小	开发一种高效且可定制的大环肽设计方法，用于诊断和治疗应用	蛋白质靶点和大环结合物	机器学习	NA	深度学习	去噪扩散模型	蛋白质结构数据	针对四种蛋白质靶点设计了20个或更少的大环结合物
502	2025-06-22	Deep learning-designed dynamics 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01963-8 PMID:40542166	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
503	2025-06-22	A primer on variational inference for physics-informed deep generative modelling 2025-Jun-19, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2024.0324 PMID:40534291	review	本文提供了关于变分推断（VI）在物理信息深度生成建模中的技术介绍，包括其在前向和逆问题中的应用	统一并回顾了近期关于VI灵活性的文献，特别强调了其在物理相关问题中的不确定性量化能力	NA	解决基于物理的问题，特别强调不确定性量化	变分推断（VI）在物理信息深度生成建模中的应用	machine learning	NA	变分推断（VI）	deep learning	NA	NA
504	2025-06-20	Author Correction: Focal liver lesion diagnosis with deep learning and multistage CT imaging 2025-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61097-2 PMID:40533457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
505	2025-06-22	Applying a multi-task and multi-instance framework to predict axillary lymph node metastases in breast cancer 2025-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00971-0 PMID:40533499	research paper	该研究提出了一种结合多任务学习（MTL）和多实例学习（MIL）的深度学习框架，用于预测乳腺癌患者的腋窝淋巴结转移状态	首次将MTL和MIL框架应用于乳腺癌腋窝淋巴结转移预测，模拟真实临床诊断场景，并采用Transformer模型Segformer作为网络骨干	未明确说明样本选择的潜在偏差以及模型在其他癌症类型中的泛化能力	开发一个能够辅助临床医生评估乳腺癌患者腋窝淋巴结状态的深度学习模型	乳腺癌患者的超声图像（原发肿瘤和腋窝淋巴结区域）	digital pathology	breast cancer	deep learning	Segformer (Transformer-based)	ultrasound images	训练队列和内外测试队列（具体数量未说明）
506	2025-06-22	Quality appraisal of radiomics-based studies on chondrosarcoma using METhodological RadiomICs Score (METRICS) and Radiomics Quality Score (RQS) 2025-Jun-18, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02016-3 PMID:40533701	研究论文	评估基于放射组学的骨软骨肉瘤研究方法学质量，使用METRICS和RQS评分工具	首次使用METRICS和RQS评分工具系统评估骨软骨肉瘤放射组学研究的方法学质量	纳入研究均为回顾性设计，缺乏前瞻性研究和基于深度学习的分析	评估骨软骨肉瘤放射组学研究的质量并促进临床转化	骨软骨肉瘤的放射组学研究	数字病理	骨软骨肉瘤	放射组学分析	NA	医学影像（MRI、CT）	18篇研究论文
507	2025-06-22	A Meta-Analysis of the Diagnostic Test Accuracy of Artificial Intelligence for Predicting Emergency Department Revisits 2025-Jun-16, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02210-2 PMID:40522351	meta-analysis	该研究通过荟萃分析评估人工智能在预测急诊科复诊中的诊断测试准确性	首次通过荟萃分析量化评估AI在急诊复诊预测中的表现，并识别导致研究间异质性的协变量	纳入研究数量有限（20篇），且存在显著的异质性	评估AI预测急诊科复诊的性能并分析研究间异质性来源	急诊科复诊患者	machine learning	NA	machine learning, deep learning, artificial intelligence	NA	临床数据	20篇研究（包含27个AI模型）
508	2025-06-22	Advanced mastitis detection in Bos indicus cows: A deep learning approach integrated with infrared thermography 2025-Jun-12, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104173 PMID:40540820	研究论文	本研究提出了一种结合红外热成像技术和深度学习算法的方法，用于检测Tharparkar牛（Bos indicus）的乳腺炎	首次将红外热成像技术与深度学习算法结合，用于检测Tharparkar牛的乳腺炎，特别是在不同季节下的表现	研究仅针对Tharparkar牛，可能不适用于其他牛种	开发一种非侵入性、准确的乳腺炎检测方法，以提高奶牛的健康管理和生产效率	Tharparkar牛（Bos indicus）的乳腺炎检测	数字病理	乳腺炎	红外热成像技术（IRT）、加州乳腺炎测试（CMT）、体细胞计数（SCC）	CNN、ResNet-50、VGG16	图像	7223个乳腺热图，来自健康、亚临床乳腺炎（SCM）和临床乳腺炎（CM）的乳腺区域
509	2025-06-22	Hybrid adaptive attention deep supervision-guided U-Net for breast lesion segmentation in ultrasound computed tomography images 2025-Jun-09, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03377-z PMID:40488959	研究论文	提出了一种基于深度学习的混合自适应注意力深度监督引导U-Net网络（HAA-DSUNet），用于乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变分割	用混合自适应注意力模块（HAAM）替代U-Net的传统采样卷积模块，以扩大感受野并探索丰富的全局特征，同时保留精细细节；应用对比损失作为深度监督以减少上采样过程中的信息损失	NA	开发自动化乳腺癌诊断系统，用于早期筛查乳腺病变以提高患者生存率	乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变	数字病理	乳腺癌	深度学习	HAA-DSUNet（基于U-Net的改进模型）	图像	两个UCT图像数据集HCH和HCH-PHMC
510	2025-06-22	Classification of pediatric video capsule endoscopy images for small bowel abnormalities using deep learning models 2025-Jun-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i21.107601 PMID:40538507	research paper	本研究使用深度学习模型对小儿视频胶囊内窥镜图像中的小肠异常进行分类	开发了一种基于深度学习的诊断工具，用于自动分类小儿VCE图像中的小肠病变，提高了诊断准确性和效率	研究为回顾性分析，可能存在选择偏倚；样本量相对较小，仅来自单一医疗中心	利用深度学习模型自动分类小儿VCE图像中的小肠病变	162名小儿患者的2298张高分辨率VCE图像	digital pathology	inflammatory bowel disease	video capsule endoscopy	DenseNet121, VGG-16, ResNet50, vision transformer	image	162名儿科患者的2298张图像
511	2025-06-22	Trajectory-Ordered Objectives for Self-Supervised Representation Learning of Temporal Healthcare Data Using Transformers: Model Development and Evaluation Study 2025-Jun-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/68138 PMID:40465350	研究论文	本研究提出了一种名为TOO-BERT的基于Transformer的模型，通过整合新颖的轨迹顺序目标（TOO）来改进电子健康记录（EHR）序列的建模	引入了轨迹顺序目标（TOO）以增强模型对医疗事件间复杂时序依赖关系的理解，并通过条件选择过程进一步优化上下文理解和时序感知	研究仅针对两种特定的EHR数据集（MIMIC-IV和MDC）进行了评估，可能在其他数据集上的泛化能力有待验证	改进基于Transformer的模型在捕捉EHR数据中复杂时序依赖关系方面的能力	电子健康记录（EHR）中的患者轨迹数据	自然语言处理	心力衰竭、阿尔茨海默病	掩码语言建模（MLM）、自监督学习	Transformer（TOO-BERT）	电子健康记录（EHR）序列数据	MIMIC-IV数据集约1000万条医疗代码，MDC数据集约800万条医疗代码
512	2025-06-22	Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)" 2025-Jun-04, JMIR research protocols IF:1.4Q3 DOI:10.2196/67875 PMID:40466092	研究论文	该研究旨在通过WATCH队列研究评估乳腺癌放疗后心房颤动的发生率及其与心脏辐射暴露的关联	首次系统研究乳腺癌放疗后心房颤动的发生率，并探索心脏辐射暴露与心房颤动发生的关联	样本量相对较小（200名患者），且仅针对65岁以上的患者群体	评估乳腺癌放疗后心房颤动的发生率，并研究心脏辐射暴露与心房颤动发生的关联	65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者	数字病理	乳腺癌	Withings ScanWatch智能手表监测、心电图（ECG）、经胸超声心动图（TTE）	深度学习算法	生理信号数据、医学影像数据	200名65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者
513	2025-06-22	Automated periodontal assessment in orthodontic patients: a dual CNN framework 2025-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06410-5 PMID:40455084	研究论文	本研究开发了一种基于卷积神经网络（CNN）的系统，用于在正畸患者的口内图像中诊断牙结石、牙菌斑、牙龈增生和牙龈炎症	提出了一种双CNN框架（YOLOv8和混合U-Net + ResNet50模型），用于自动化牙周评估，提供快速和客观的评估	最终的诊断结论仍需依赖临床医生的专业知识和判断	开发深度学习系统以辅助正畸患者的牙周评估	正畸患者的口内图像	计算机视觉	牙周病	CNN	YOLOv8, U-Net + ResNet50	图像	1000张正畸患者的侧位和正面口内图像
514	2025-06-22	Predicting hemorrhagic transformation in acute ischemic stroke: a systematic review, meta-analysis, and methodological quality assessment of CT/MRI-based deep learning and radiomics models 2025-Jun, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02336-3 PMID:40133723	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习和放射组学在预测急性缺血性卒中出血性转化中的准确性和实用性	比较了深度学习模型、放射组学模型及临床结合模型的性能，发现临床结合模型表现最佳	存在中度至重度异质性，参考标准不一致且外部验证有限	优化急性缺血性卒中患者的治疗策略	急性缺血性卒中患者	digital pathology	cardiovascular disease	CT/MRI成像	DL和radiomics-based ML模型	医学影像	16项研究共3083名参与者
515	2025-06-22	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-Jun-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	综述	本文系统回顾了深度学习和机器学习在评估糖尿病黄斑水肿患者抗VEGF治疗反应中的应用	利用AI算法区分抗VEGF治疗的应答者和非应答者，并评估多种机器学习模型在延长给药间隔耐受性分析中的效果	研究基于2016-2023年间发表的50篇相关论文，可能存在发表偏倚	评估AI技术在糖尿病黄斑水肿抗VEGF治疗反应预测中的应用效果	糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	深度学习, 机器学习	LDA, ResNet-50, CNN with attention, QDA, RF, SVM	医学影像数据	50篇相关论文(2016-2023年)
516	2025-06-21	Deep-Learning-based Automated Identification of Ventriculoperitoneal-Shunt Valve Models from Skull X-rays 2025-Jun, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-024-01490-4 PMID:39809871	research paper	该研究探讨了深度学习在颅骨X光片中自动识别脑室腹腔分流阀（VPS）模型的可行性	首次使用深度学习技术自动识别颅骨X光片中的VPS阀模型，实现了高准确率的分类	研究仅包含四种VPS阀模型，样本分布不均，且未在更广泛的数据集上进行验证	研究目的是探索人工智能（特别是深度学习）在颅骨X光片中自动识别VPS阀模型的能力	研究对象是颅骨X光片中的VPS阀模型	computer vision	hydrocephalus	deep learning	CNN	image	959张颅骨X光片，包含四种VPS阀模型（Codman Hakim 774张，Codman Certas Plus 117张，Sophysa Sophy Mini SM8 35张，proGAV 2.0 33张）
517	2025-06-21	Predictors and Implications of Myocardial Injury in Intracerebral Hemorrhage 2025-Jun, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01498-4 PMID:39884976	研究论文	本研究评估了脑出血（ICH）患者心肌损伤的频率、预测因素及其影响	首次在脑出血患者中系统研究心肌损伤的发生率及其与预后的关系，并应用深度学习算法进行定量分析	回顾性研究设计可能影响结果的可靠性，样本量相对有限	评估脑出血患者心肌损伤的发生频率、预测因素及其临床意义	322名脑出血患者	数字病理学	心血管疾病	高敏感性心肌肌钙蛋白T（hs-cTnT）检测、深度学习算法、基于体素的病变症状映射（VLSM）	深度学习算法	医学影像数据、临床检测数据	322名脑出血患者
518	2025-06-21	Artificial intelligence in predicting EGFR mutations from whole slide images in lung Cancer: A systematic review and Meta-Analysis 2025-Jun, Lung cancer (Amsterdam, Netherlands) DOI:10.1016/j.lungcan.2025.108577 PMID:40339270	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能模型在预测肺癌患者全切片图像中EGFR突变状态的诊断准确性	首次系统评估AI模型在预测肺癌EGFR突变中的表现，并进行了荟萃分析	当前模型的准确性和精确度仍需进一步提高，且纳入分析的研究数量有限	评估AI模型在预测肺癌EGFR突变中的诊断准确性	肺癌患者的全切片图像	digital pathology	lung cancer	machine learning, deep learning	ResNet	image	16项研究（其中4项符合荟萃分析条件）
519	2025-06-21	MRI-based multimodal AI model enables prediction of recurrence risk and adjuvant therapy in breast cancer 2025-Jun, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2025.107765 PMID:40345352	研究论文	本研究开发了一种基于MRI和多模态AI的3D深度学习模型（3D-MMR模型），用于预测非转移性乳腺癌患者的复发风险和辅助治疗效果	结合多模态MRI数据和AI技术，开发了3D-MMR模型，用于预测乳腺癌复发风险，并通过RNA-seq分析探讨肿瘤微环境与复发风险的关系	研究样本仅来自中国的四个机构，可能限制了模型的普遍适用性	预测非转移性乳腺癌患者的复发风险和辅助治疗效果	非转移性乳腺癌患者	数字病理	乳腺癌	MRI、RNA-seq	3D-UNet、DenseNet121	MRI图像、临床数据	1199名非转移性乳腺癌患者
520	2025-06-21	A deep learning model for predicting the outcome of persistent type 2 endoleaks after endovascular abdominal aortic aneurysm repair 2025-Jun, Acta chirurgica Belgica IF:0.6Q4 DOI:10.1080/00015458.2022.2129282 PMID:36189479	研究论文	本研究开发了一个深度学习模型，用于预测腹主动脉瘤腔内修复术后持续性2型内漏的结局	首次使用深度学习模型预测持续性2型内漏的结局，并通过可视化技术提高模型的可解释性	样本量较小（94例患者），且为单中心回顾性研究	预测腹主动脉瘤腔内修复术后持续性2型内漏的结局	94例持续性2型内漏患者	数字病理学	心血管疾病	深度学习	深度学习模型	图像	94例患者（75例训练集，19例测试集），10240张CT血管造影图像