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
521	2025-06-24	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	研究论文	本文提出了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，从而促进分子结构的解析	ICEBERG模型能够模拟碰撞诱导解离，生成化学上合理的碎片及其相对强度，并考虑碰撞能量和极性，显著提高了化合物注释的准确性	未明确提及具体限制，但可能涉及模型在更复杂或未知结构上的泛化能力	开发一种深度学习模型，用于快速准确地解析未知分子结构	分子结构的解析，特别是代谢组学、药物发现和反应筛选中的同量异位结构	机器学习和质谱分析	抑郁症和结核性脑膜炎	串联质谱(MS/MS)和深度学习	几何深度学习模型(ICEBERG)	质谱数据	NIST'20 [M+H]加合物子集
522	2025-06-24	In Toto Adipocytes Analysis Using Hydrophilic Tissue Clearing, Light Sheet Microscopy, and Deep Learning-Based Image Processing 2025-Jun, Biology of the cell IF:2.4Q4 DOI:10.1111/boc.70013 PMID:40544484	research paper	本研究开发了一种创新的3D成像方法，结合组织透明化、光片显微镜和深度学习技术，用于评估脂肪细胞体积	首次结合无脱脂步骤的组织透明化、光片显微镜和深度学习技术，实现脂肪组织的3D成像和自动分析	目前仅在肥胖和健康大鼠的肠系膜脂肪组织中进行验证，尚未在其他组织或疾病模型中应用	开发一种创新的3D成像方法来准确评估脂肪细胞体积，克服传统技术的局限性	肥胖和健康大鼠的肠系膜脂肪组织中的脂肪细胞	digital pathology	obesity	hydrophilic tissue clearing, light sheet microscopy, deep learning	deep learning	3D image	肥胖和健康大鼠的肠系膜脂肪组织样本
523	2025-06-23	Research on automatic assessment of the severity of unilateral vocal cord paralysis based on Mel-spectrogram and convolutional neural networks 2025-Jun-21, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01401-9 PMID:40544236	研究论文	本研究开发了一种基于Mel-spectrogram和卷积神经网络(CNN)的AI平台，用于通过声音分析自动评估单侧声带麻痹(UVCP)的严重程度	使用Mel-spectrogram及其一阶和二阶微分特征作为输入，开发了TripleConvNet模型，用于UVCP严重程度的分类	分类准确率为74.3%，仍有提升空间	开发一种非侵入性声音分析方法，用于精确分级UVCP的严重程度	131名健康个体和292名确诊UVCP患者	数字病理	声带麻痹	Mel-spectrogram分析	CNN	声音数据	423个声音样本（131健康，292 UVCP患者）
524	2025-06-23	Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging 2025-Jun-19, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02889-2 PMID:40536560	研究论文	本研究探讨了机器学习技术在乳腺超声图像分割中的应用，比较了在良性和恶性肿瘤类别上联合训练与单独训练模型的性能	将YOLOv8目标检测算法应用于图像分割任务，并展示了在单独类别上训练模型带来的性能提升	研究仅使用了780张超声图像，样本量相对较小	提高乳腺超声图像分割的准确性以辅助乳腺癌诊断	乳腺超声图像中的良性和恶性肿瘤	数字病理学	乳腺癌	深度学习	YOLOv8, UNet, DenseNet-121, VGG16, VGG19	图像	780张超声图像（分为良性和恶性类别）
525	2025-06-23	Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections 2025-Jun-19, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00599-6 PMID:40536731	研究论文	本研究开发了一种基于深度学习的算法，用于自动检测急性颈部感染患者的咽后水肿	提出了一种轻量级的卷积神经网络，仅需弱标注数据即可高效训练，并在患者层面和切片层面均实现了高准确率	研究仅基于479名患者的数据，样本量相对有限	开发自动检测咽后水肿的深度学习算法，以改善急性颈部感染患者的早期风险识别	急性颈部感染患者	数字病理学	急性颈部感染	MRI	CNN	图像	479名患者
526	2025-06-23	Deep learning based colorectal cancer detection in medical images: A comprehensive analysis of datasets, methods, and future directions 2025-Jun-17, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110542 PMID:40543496	综述	本文全面回顾了2019年至2025年间人工智能在结直肠癌医学影像检测中的应用现状与发展	系统分类和评估了包括ResNet、VGG和新兴的基于transformer的模型在内的多种CNN架构，并分析了可解释AI方法在医学诊断中的作用	数据集稀缺、计算限制和标准化挑战等技术限制	为医学影像分析和临床实践中实施基于AI的结直肠癌检测系统的研究人员提供全面参考	结直肠癌医学影像	数字病理	结直肠癌	NA	CNN, ResNet, VGG, transformer-based models	医学影像	110篇高质量出版物和9个公开可用的医学影像数据集
527	2025-06-23	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2025-Jun-16, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	本研究构建了一个多模态模型（MM-RDLM）来预测肝细胞癌（HCC）术后早期复发，并探索了相关的生物学机制	结合放射组学和深度学习模型，构建了预测性能优越的多模态模型，并通过基因集富集分析和多重免疫组化揭示了潜在的生物学机制	研究样本来自三个医疗中心，可能存在选择偏倚；模型的外部验证仍需更多数据支持	预测肝细胞癌术后早期复发并探索相关生物学机制	519例肝细胞癌患者	数字病理	肝细胞癌	放射组学分析、深度学习、基因集富集分析（GSEA）、多重免疫组化（mIHC）	多模态模型（MM-RDLM，整合放射组学和DL模型）	CT图像、基因表达数据、免疫组化数据	519例HCC患者（训练队列433例，验证队列86例）
528	2025-06-23	Classification of glioma grade and Ki-67 level prediction in MRI data: A SHAP-driven interpretation 2025-Jun-16, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102578 PMID:40543244	研究论文	本研究利用AI驱动的MRI数据分析，通过可解释人工智能（XAI）和SHAP方法，探索Ki-67生物标志物与深度学习特征之间的关联，实现对胶质瘤分级和Ki-67水平的精确分类与预测	结合SHAP驱动的可解释AI方法，揭示了深度学习特征与Ki-67生物标志物之间的强关联，为胶质瘤侵袭性提供了新见解	样本量相对较小（101例患者），且仅使用T2W-FLAIR序列MRI数据	开发AI驱动的MRI分析方法，提升胶质瘤临床管理决策	胶质瘤患者（101例）的MRI影像和Ki-67生物标志物数据	数字病理	胶质瘤	T2W-FLAIR MRI序列成像	ResNet50（特征提取）和XGBoost（分类）	MRI影像数据	101例胶质瘤患者的MRI影像
529	2025-06-23	Recent advances in sMRI and artificial intelligence for presurgical planning in focal cortical dysplasia: A systematic review 2025-Jun-13, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2025.101359 PMID:40517890	系统性综述	本文综述了结构磁共振成像（sMRI）和人工智能（AI）在局灶性皮质发育不良（FCD）术前规划中的最新进展	AI，尤其是深度学习方法，显著提高了FCD的检测敏感性和特异性，甚至在某些情况下超越了人类放射科医生的表现	模型性能受FCD类型和训练数据集的影响，需要进一步的临床验证和算法优化	提高FCD的检测准确性以改善药物难治性癫痫患者的术前规划和治疗效果	局灶性皮质发育不良（FCD）患者	数字病理学	癫痫	结构磁共振成像（sMRI）、机器学习和深度学习	深度学习模型	MRI图像	27篇符合纳入标准的全文文章，涉及88篇全文文章
530	2025-06-23	Comparing point counts, passive acoustic monitoring, citizen science and machine learning for bird species monitoring in the Mount Kenya ecosystem 2025-Jun-12, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2024.0057 PMID:40501133	research paper	比较了点计数、被动声学监测、公民科学和机器学习在肯尼亚山生态系统鸟类物种监测中的应用	提出了一个新的数据集，包含超过20小时的肯尼亚山生态系统录音，并由专家鸟类学家标注，同时研究了使用大型深度学习模型处理这些录音的方法	即使使用了多种方法，调查仍然遗漏了已知存在于肯尼亚山生态系统中的稀有物种，表明多种方法的联合使用仍不够全面	比较不同鸟类监测方法的效果，为生态系统管理者提供可操作的见解	肯尼亚山生态系统中的鸟类物种	machine learning	NA	被动声学监测、深度学习	大型深度学习模型	音频	超过20小时的录音
531	2025-06-23	Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer 2025-Jun-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100805 PMID:40473111	research paper	该研究通过整合单细胞RNA测序和空间转录组分析，识别了一种触发肝转移的恶性细胞类型（LMTMCs），并开发了一个基于深度学习的结直肠肝转移病理组学模型，用于预测结直肠癌患者的肝转移风险	识别了新的肝转移触发恶性细胞类型（LMTMCs），并通过多组学细胞通讯分析揭示了成纤维细胞与LMTMCs之间的相互作用机制，开发了无需人工标注的弱监督深度学习模型	模型在外部验证集中的性能存在差异（AUC分别为0.89和0.72），可能需要进一步优化和验证	提高结直肠癌肝转移风险的识别和预测能力	结直肠癌患者及其肝转移风险	digital pathology	colorectal cancer	single-cell RNA sequencing, spatial transcriptome analysis, bulk RNA-sequencing	ResNet18	RNA-seq数据、全切片图像	内部测试集来自The Cancer Genome Atlas-CRC组织学图像，外部验证集来自西南医科大学附属医院和西南医科大学附属中医医院的队列
532	2025-06-23	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	research paper	该研究通过引入OCTAVE数据集和自配置nnU-Net框架，展示了在视网膜疾病诊断中深度学习的应用潜力	提出了一个包含高质量像素级注释的3D OCT数据集OCTAVE，并利用自配置nnU-Net框架实现了跨数据集的高性能分割	数据集的规模可能仍然有限，且依赖于人工标注的质量	解决视网膜疾病诊断中缺乏标注OCT数据集的问题，推动AI诊断工具的发展	视网膜的解剖和病理结构	digital pathology	视网膜疾病	OCT成像	nnU-Net	3D OCT图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证
533	2025-06-22	Automatic Multi-Task Segmentation and Vulnerability Assessment of Carotid Plaque on Contrast-Enhanced Ultrasound Images and Videos via Deep Learning 2025-Jun-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3581686 PMID:40540369	research paper	提出一种基于深度学习的多任务模型，用于自动分割和分类颈动脉斑块在CEUS图像和视频中的IPN等级	开发了一个多任务深度学习模型，用于自动分割和IPN等级分类，并在CEUS图像和视频上表现优于单独训练的模型和部分放射科医生	未明确提及具体局限性，但可能包括模型在更广泛数据集上的泛化能力或对高级放射科医生表现的比较不足	提升颈动脉斑块易损性评估的自动化和准确性	颈动脉斑块在CEUS图像和视频中的IPN等级	digital pathology	cardiovascular disease	contrast-enhanced ultrasound (CEUS)	multi-task deep learning model	image, video	未明确提及具体样本数量，但涉及CEUS图像和视频
534	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
535	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
536	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
537	2025-06-22	Quantification of Breast Arterial Calcification in Mammograms Using a UNet-Based Deep Learning for Detecting Cardiovascular Disease 2025-Jun-19, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.036 PMID:40541546	研究论文	开发并验证了一种基于U-Net的深度学习模型，用于在乳腺X光片中检测、分割和量化乳腺动脉钙化（BAC），以提高心血管风险评估的筛查准确性	采用改进的U-Net架构，结合Hausdorff损失、Dice损失和二元交叉熵（BCE）损失进行分割和量化，显著提高了BAC的检测和量化准确性	研究为回顾性研究，样本量相对较小（369名患者），可能影响模型的泛化能力	提高乳腺X光片中BAC的检测和量化准确性，以改进心血管风险评估	乳腺X光片中的乳腺动脉钙化（BAC）	数字病理学	心血管疾病	深度学习	U-Net	图像	369名患者的乳腺X光片
538	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
539	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）
540	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