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
941	2025-06-10	An explainable transformer model integrating PET and tabular data for histologic grading and prognosis of follicular lymphoma: a multi-institutional digital biopsy study 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07090-9 PMID:39883138	研究论文	开发了一种可解释的多模态融合Transformer模型，用于非侵入性识别滤泡性淋巴瘤(FL)的分级和预后	首次将3D PET肿瘤图像与表格数据通过Transformer模型融合，并引入可解释性模块（如Grad-CAM和SHAP分析）增强临床可解释性	研究为回顾性设计，样本量相对有限（513例患者）且来自特定医疗机构	开发深度学习模型作为数字活检工具，用于滤泡性淋巴瘤的无创分级和预后评估	滤泡性淋巴瘤患者	数字病理学	滤泡性淋巴瘤	PET成像	Transformer	图像（3D PET）和表格数据	513例FL患者（来自5个医疗中心）
942	2025-06-10	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	本研究利用深度学习技术，基于多示踪剂、多扫描仪和多中心数据集，开发并评估了一种全自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）的方法	首次在多示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和评分系统，并通过Grad-CAM和显著性图解释模型决策过程	部分外部数据集样本量较小（如数据集#3仅41例患者），且未标记数据集（数据集#6）的验证结果依赖专家确认	开发自动化工具提升转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的诊断效率和准确性	全身闪烁扫描图像中的ATTR-CM病变	数字病理学	心血管疾病	深度学习	CNN（基于Grad-CAM和显著性图分析）	医学影像（闪烁扫描图像）	6个数据集共3737例（含标记数据522例+未标记数据3215例），涉及99mTc-MDP/DPD/HDP/PYP四种示踪剂和12台扫描仪
943	2025-06-10	The effect of cryopreservation on enamel microcracks - A μCT analysis using a deep learning algorithm 2025-Jun, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2025.105207 PMID:39929328	研究论文	本研究通过μCT分析和深度学习算法，探讨了冷冻保存对牙釉质微裂纹的影响	首次利用深度学习算法实现了对牙釉质微裂纹的自动分割和定量评估	样本量较小（仅5颗牙齿），且未考虑牙齿提取过程中钳子使用的影响	研究冷冻保存对牙釉质微裂纹的影响	人类牙齿	数字病理学	牙科疾病	μCT分析	U-Net	图像	5颗牙齿（冷冻保存前后对比）
944	2025-06-10	Recent advances in AI-driven protein-ligand interaction predictions 2025-Jun, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103020 PMID:39999605	综述	本文总结了AI驱动的蛋白质-配体相互作用预测领域的最新进展	介绍了AI模型（如图神经网络、混合密度网络、Transformer和扩散模型）在预测性能上的提升，以及几何深度学习和基于序列的嵌入在配体结合位点预测中的应用	跨不同蛋白质-配体对的泛化能力仍然是一个挑战	提高结构药物发现的准确性和效率	蛋白质-配体相互作用	机器学习	NA	AI驱动的计算方法	图神经网络、混合密度网络、Transformer、扩散模型	蛋白质-配体相互作用数据	NA
945	2025-06-10	Advances in EEG-based detection of Major Depressive Disorder using shallow and deep learning techniques: A systematic review 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110154 PMID:40273818	系统性综述	本文系统综述了基于EEG的重度抑郁症检测在浅层和深度学习技术方面的进展	整合了EEG特征与AI技术，探索了多种EEG标记物在MDD诊断中的应用	需要进一步研究以增强EEG指标在MDD背景下的可解释性	促进对MDD神经机制的理解并识别潜在的诊断生物标志物	重度抑郁症（MDD）患者和健康对照组	机器学习	重度抑郁症	EEG	浅层和深度学习	EEG信号	22项研究（初始搜索5603篇，筛选后纳入22篇）
946	2025-06-10	Beyond accuracy: The need for explainable AI in biomedical voice technology 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110240 PMID:40379565	research paper	本文探讨了在生物医学语音技术中，除了准确性外，可解释AI的重要性	强调了在临床环境中，高表现深度学习模型的可解释性和透明度的重要性	未具体提及研究的局限性	研究生物医学语音技术中AI的可解释性需求	语音和声音作为非侵入性生物标志物	natural language processing	neurodegenerative and respiratory diseases, psychiatric and emotional disorders	NA	deep learning models	voice data	NA
947	2025-06-10	[Rapid identification and analysis of hemoglobin isoelectric focusing electrophoresis images based on deep learning] 2025-Jun, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2024.05012 PMID:40394749	研究论文	本文提出了一种基于深度学习的目标检测算法，用于快速识别血红蛋白等电聚焦电泳图像中的条带，并进行定量和分类	采用YOLOv8模型直接输出电泳条带信息，不依赖专业人员经验，不受泳道变形或条带变形等因素影响，且无需pI标记物即可定性确定条带	模型训练仅使用了1665张无pI标记的血红蛋白IEF图像，可能在其他类型电泳图像上的泛化能力有限	开发一种快速、准确的血红蛋白等电聚焦电泳图像自动分析方法	血红蛋白等电聚焦电泳图像	数字病理学	成人地中海贫血	等电聚焦电泳(mIEF)	YOLOv8	图像	1665张无pI标记的血红蛋白IEF图像
948	2025-06-10	A hybrid protocol for peptide development: integrating deep generative models and physics simulations for biomolecular design targeting IL23R/IL23 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.144652 PMID:40419055	research paper	本文提出了一种结合深度生成模型和物理模拟的混合协议，用于开发针对IL23R/IL23的生物分子设计	结合LSTM网络、GRU分类器和分子动力学模拟，开发了一种新型的抑制肽P4，其IC值为2 μM	未提及具体实验样本数量或进一步的临床前验证	开发针对IL23R/IL23轴的肽类调节剂，用于治疗自身免疫性疾病	白细胞介素-23受体（IL23R）及其相关细胞因子白细胞介素-23（IL23）	machine learning	autoimmune diseases	LSTM, GRU, molecular dynamics (MD) simulations	LSTM, GRU	molecular data	NA
949	2025-06-10	m6A-SPP: Identification of RNA N6-methyladenosine modification sites through multi-source biological features and a hybrid deep learning architecture 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.144789 PMID:40449782	研究论文	本文介绍了一种名为m6A-SPP的新型深度学习框架，用于有效预测RNA N6-甲基腺苷（m6A）修饰位点	结合了序列特征和RNA的物理化学特性，通过两个专门模块进行整合，并利用预训练的DNABERT和CNN进行序列表示处理	NA	准确预测m6A修饰位点，以理解其生物学功能及在疾病中的作用	RNA N6-甲基腺苷（m6A）修饰位点	自然语言处理	NA	深度学习	BERT, CNN	RNA序列数据	包含8种细胞系（如HEK293T和HeLa）和3种组织类型（包括脑、肝和肾）的数据集
950	2025-06-10	Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70239 PMID:40470724	研究论文	该研究通过结合网络遮挡敏感性分析(NOSA)和精细人脑图谱，揭示了卷积神经网络(CNN)在脑龄预测中不同脑区的贡献	开发了可解释性方案NOSA结合精细人脑图谱，首次系统揭示了脑龄预测模型中各脑区的贡献模式	研究样本年龄范围有限(8-80岁)，未涵盖更广年龄段	提高脑龄预测模型的可解释性，识别关键贡献脑区	人脑结构和功能	数字病理学	老年疾病	深度学习	CNN	脑影像数据	训练集3054例，测试集555例(年龄8-80岁)
951	2025-06-07	Deep learning for microbiome-informed precision nutrition 2025-Jun, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf148 PMID:40475064	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
952	2025-06-10	PeruFoodNet: A unique dataset of traditional peruvian food for image recognition systems and allergenic ingredient inference 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111604 PMID:40486219	research paper	介绍了一个名为PeruFoodNet的数据集，包含4000张传统秘鲁菜肴的图片，用于图像识别系统和过敏成分推断	创建了一个独特的秘鲁菜肴数据集，可用于图像识别和过敏成分识别	数据集主要由作者自己拍摄，可能缺乏多样性	促进图像识别和分类研究，帮助识别菜肴中的过敏成分	传统秘鲁菜肴	computer vision	NA	Deep Learning	NA	image	4000张图片，涵盖40种最受欢迎的秘鲁菜肴，每种菜肴100张图片
953	2025-06-10	Investigation of Short-term Crystalline Lens Positional Shifts Following ICL Implantation Using SS-OCT Integrated With Multi-task Deep Learning 2025-Jun, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20250506-06 PMID:40488484	research paper	研究使用SS-OCT结合多任务深度学习评估ICL植入后短期晶状体位置变化	首次结合SS-OCT和多任务深度学习定量评估ICL植入后晶状体倾斜和偏心变化	样本量较小(42眼)，仅评估短期(1周内)变化	评估ICL植入对晶状体位置的短期影响	26名患者(42眼)的ICL植入手术前后晶状体位置	digital pathology	ophthalmic disease	SS-OCT	multi-task deep learning	medical image	42 eyes from 26 patients
954	2025-06-09	Decoding EEG-based cognitive load using fusion of temporal and functional connectivity features 2025-Jun-08, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2514132 PMID:40483616	research paper	提出了一种结合时间和功能连接特征的深度学习架构，用于增强基于EEG信号的认知负荷评估	提出了一种新颖的深度学习架构，整合了时间信息特征和功能连接特征，通过融合策略结合两者的互补优势，提高了分类性能	EEG信号的低信噪比和个体间变异性可能影响模型的泛化能力	提高基于EEG信号的认知负荷评估的准确性和泛化能力	EEG信号	Brain-Computer Interfaces (BCI)	NA	EEG信号分析	LSTM网络结合注意力机制	EEG信号	两个公开数据集
955	2025-06-09	CPE-Pro: A Structure-Sensitive Deep Learning Method for Protein Representation and Origin Evaluation 2025-Jun-08, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00732-4 PMID:40483648	研究论文	提出了一种结构敏感的深度学习模型CPE-Pro，用于蛋白质结构的表示和来源评估	结合预训练的蛋白质结构序列语言模型(SSLM)和几何向量感知器-图神经网络(GVP-GNN)，学习结构感知的蛋白质表示并捕捉结构差异，实现四种结构数据来源的准确分类	未来研究需要扩展架构以适应更多蛋白质结构范式，并开发针对低pLDDT预测结构的评估方法	解决现有蛋白质表示方法难以捕捉关键结构差异的问题，提高蛋白质结构来源评估的准确性	蛋白质结构	生物信息学	NA	深度学习	SSLM, GVP-GNN	蛋白质结构数据	NA
956	2025-06-09	Automatic MRI segmentation of masticatory muscles using deep learning enables large-scale muscle parameter analysis 2025-Jun-07, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.05.008 PMID:40483235	研究论文	本研究利用深度学习模型自动分割MRI图像中的咀嚼肌，以支持大规模肌肉参数分析	开发了一种深度学习模型，用于自动分割MRI图像中的咀嚼肌，提高了分割效率和准确性	研究样本量较小（40例训练，10例测试），可能影响模型的泛化能力	改善下颌重建手术中患者特异性植入物的设计，减少术后并发症	咀嚼肌的MRI图像	数字病理	下颌疾病	MRI扫描	深度学习模型	图像	40例T1加权MRI扫描用于训练，10例用于测试
957	2025-06-09	Diagnostic performance of lumbar spine CT using deep learning denoising to evaluate disc herniation and spinal stenosis 2025-Jun-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11742-7 PMID:40483292	research paper	评估使用深度学习去噪（DLD CT）的腰椎CT在检测椎间盘突出和椎管狭窄中的诊断性能	首次将深度学习去噪技术应用于腰椎CT，提高了椎间盘突出和椎管狭窄的诊断敏感性和特异性	研究样本量较小（47名患者），且为回顾性研究	评估DLD CT在腰椎疾病诊断中的性能	47名患者的229个椎间盘（L1/2至L5/S1）	digital pathology	spinal disease	deep learning denoising (DLD)	deep learning algorithm (ClariCT.AI)	CT images	47名患者（18名男性，29名女性，平均年龄69.1±10.9岁）的229个椎间盘
958	2025-06-09	Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning 2025-Jun-06, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023355 PMID:40480824	research paper	本研究通过引入先验知识指导，旨在提高深度学习模型在急性缺血性卒中（AIS）患者接受延长时间窗机械取栓（MT）后梗死预测的准确性	结合医学先验知识（如侧支循环评分、梗死概率映射和动脉区域映射）到深度学习模型中，显著提高了梗死预测的准确性	研究为回顾性设计，样本量相对较小（221例患者），且仅基于三个中心的数据	提高延长时间窗机械取栓后梗死预测的准确性，以优化急性缺血性卒中的治疗计划	急性缺血性卒中（AIS）患者	digital pathology	cardiovascular disease	CT perfusion	Swin transformer	image	221例AIS患者
959	2025-06-09	A multimodal vision foundation model for clinical dermatology 2025-Jun-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-025-03747-y PMID:40481209	研究论文	介绍了一种名为PanDerm的多模态皮肤病基础模型，该模型通过自监督学习在超过200万张真实世界皮肤病图像上进行预训练，并在28个不同基准测试中表现出色	PanDerm是一个多模态皮肤病基础模型，能够处理复杂的临床需求，并在多个任务中实现最先进的性能，甚至在仅使用10%标记数据时也优于现有模型	NA	开发一个能够满足临床实践中复杂、多模态需求的皮肤病诊断和治疗模型	皮肤病图像	数字病理学	皮肤病	自监督学习	基础模型	图像	超过200万张真实世界皮肤病图像，来自11个临床机构的4种成像模态
960	2025-06-09	A deep learning system for detecting silent brain infarction and predicting stroke risk 2025-Jun-06, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01413-9 PMID:40481238	research paper	开发了一个基于视网膜图像的深度学习系统DeepRETStroke，用于检测无症状性脑梗塞(SBI)并预测中风风险	首次利用视网膜图像开发深度学习系统来检测SBI和预测中风风险，无需脑部成像	需要在大规模前瞻性研究中进一步验证其临床适用性	开发一种非侵入性方法来检测SBI并预测中风风险	无症状性脑梗塞(SBI)和中风患者	digital pathology	cardiovascular disease	deep learning	DeepRETStroke	retinal photographs	895,640张视网膜照片用于预训练，213,762张来自多国数据集的照片用于验证，218名中风患者参与前瞻性研究