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
921	2025-07-16	Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma 2025-Jul, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0691 PMID:40607934	研究论文	本研究利用深度学习技术从甲状腺乳头状癌（PTC）的组织病理学切片中预测基因变异，并发现新的形态学特征	使用Vision Transformer模型从组织病理学切片中预测基因变异，并发现与特定基因型相关的新形态学标准	研究为回顾性设计，需要进一步前瞻性验证	探索人工智能在预测PTC基因变异中的应用	甲状腺乳头状癌（PTC）患者	数字病理学	甲状腺癌	深度学习	Vision Transformer	图像	662例PTC患者（TCGA队列496例，Mainz队列166例）
922	2025-07-16	Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17955 PMID:40660797	研究论文	本研究通过改进基于深度学习的MRI重建技术，利用去噪扩散模型结合患者特异性先验信息，提高了放疗规划中异常区域的识别准确性	提出了一种结合患者特异性先验信息的自适应扩散模型，显著提升了肿瘤和手术缺陷区域的MRI重建精度	研究样本量较小（73例），且仅针对脑肿瘤患者进行评估	改进基于AI的快速MRI重建技术，以更好地支持放疗规划	接受脑肿瘤放疗的儿科和年轻成人患者的MRI图像	医学影像分析	脑肿瘤	去噪扩散模型	扩散模型	MRI图像	73例患者（58例训练，15例测试）
923	2025-07-16	AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17958 PMID:40660802	research paper	该研究提出了一种名为SAM-RCCF的框架，通过整合RefineNet模块和轮廓约束特征，提高了Segment Anything Model (SAM)在医学图像分割中的鲁棒性和精确性	提出SAM-RCCF框架，整合RefineNet模块和条件控制场，针对医学图像特点优化分割精度	研究仅针对脑部肿瘤MRI图像，未验证在其他医学图像分割任务中的适用性	提升SAM模型在医学图像分割中的性能，特别是针对颅内肿瘤的分割任务	脑部肿瘤患者的MRI图像，包括胶质瘤、转移性肿瘤和脑膜瘤	digital pathology	brain tumor	MRI	SAM-RCCF (基于Segment Anything Model改进的模型)	image	484例脑部肿瘤患者的轴向T1加权对比增强MRI数据（164例胶质瘤，158例转移性肿瘤，162例脑膜瘤）
924	2025-07-16	Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17957 PMID:40660837	研究论文	提出了一种结构语义引导的深度学习网络，通过双交叉注意机制从PET图像合成MR图像	探索了一种新的功能到结构的转换方法（PET到MR合成），并引入了结构语义损失和双交叉注意模块	未来需要将该合成方法扩展到其他模态合成任务和临床实践中	简化医学成像流程，提高效率和可及性	PET和MR图像	数字病理	脑部疾病	深度学习	双交叉注意机制（DCA）	医学图像（PET和MR）	NA
925	2025-07-16	An unsupervised sparse-view CT reconstruction framework using combination of iterative deep image prior and ADMM 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17933 PMID:40660832	研究论文	提出了一种名为ADMM-DRP的无监督深度学习框架，用于稀疏视图和低剂量CT重建	结合了未经训练的神经网络和ADMM迭代重建算法，减少了对训练数据的依赖	未提及具体样本量或临床验证结果	改进稀疏视图和低剂量CT的图像重建质量	CT图像重建	医学影像	NA	深度学习、ADMM算法、TV正则化	无监督神经网络	CT图像	NA
926	2025-07-16	Deep residual network-based projection interpolation and post-processing techniques for thoracic patient CBCT reconstruction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17953 PMID:40660879	研究论文	本研究开发了一种基于深度学习的投影插值和后处理技术，用于改善胸部患者CBCT重建的图像质量并降低成像剂量	首次提出结合深度残差U-Net（DRU）模型的CBCT投影插值技术，并在真实患者投影数据上验证了其有效性	研究仅针对特定几何（半扇和全扇）的有限样本量进行了验证	开发深度学习技术以改善稀疏采样CBCT投影重建的图像质量并降低患者成像剂量	胸部患者的CBCT投影数据	数字病理	NA	深度学习、FDK算法	深度残差U-Net（DRU）	CBCT投影图像	76、98和136个从680个投影中提取的稀疏采样投影（半扇几何）
927	2025-07-15	A Hyperbolic Discrete Diffusion 3D RNA Inverse Folding Model for Functional RNA Design 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00527 PMID:40503717	研究论文	提出了一种名为RIdiffusion的双曲离散扩散3D RNA逆折叠模型，用于功能性RNA设计	通过将RNA 3D结构的几何特征和拓扑特性嵌入双曲空间，利用离散扩散模型基于有限的训练样本高效恢复目标RNA 3D结构的核苷酸分布	RNA 3D结构实验数据的可用性有限	开发一种用于3D RNA设计的生成模型	RNA 3D结构	自然语言处理	NA	离散扩散模型	RIdiffusion	3D结构数据	有限的训练样本
928	2025-07-15	BalancedDiff: Balanced Diffusion Network for High-Quality Molecule Generation 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00837 PMID:40528644	research paper	提出了一种名为BalancedDiff的平衡扩散网络，用于生成高质量分子	引入了Balance Loss来平衡样本偏差，设计了基于KAN的平衡特征过滤模块(KBFF)，并结合QikProp模块预测ADME性质以提高分子质量和适用性	尽管扩散模型能生成大量分子，但其有效性和可靠性仍不确定，限制了实际应用	开发一种能够生成高质量分子的深度学习方法	分子生成	machine learning	NA	diffusion model, KAN-based feature filtering, QikProp	BalancedDiff	molecular data	CrossDocked2020数据集
929	2025-07-15	Dual-Branch Contrastive Network with Deep Separable Convolution for Enhanced 6mA Site Identification 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01058 PMID:40558076	研究论文	提出了一种名为DS6mA的创新深度学习模型，用于增强6mA位点的预测	采用双分支对比网络和深度可分离卷积提取DNA序列中的关键位置信息	DNA N6-甲基腺嘌呤（6mA）在真核生物中的调控作用仍不明确且存在争议	增强6mA位点的预测	DNA序列中的6mA位点	生物信息学	NA	深度学习	双分支对比网络与深度可分离卷积	DNA序列数据	11个不同的综合基准数据集
930	2025-07-15	Assessing Uncertainty in Machine Learning for Polymer Property Prediction: A Benchmark Study 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00550 PMID:40560148	研究论文	本研究评估了九种不确定性量化方法在机器学习中预测聚合物关键性能的应用	首次对多种不确定性量化方法在聚合物性能预测中的表现进行全面评估，并提供了针对不同场景的最优方法选择建议	研究仅针对特定几种聚合物性能进行评估，可能无法涵盖所有可能的聚合物类型和性能	评估不同不确定性量化方法在机器学习预测聚合物性能中的表现	聚合物关键性能（玻璃化转变温度、带隙、熔融温度和分解温度）	机器学习	NA	机器学习中的不确定性量化方法	Ensemble, GPR, MCD, MVE, BNN-VI, BNN-MCMC, EDL, QR, NGBoost	聚合物性能数据	四种聚合物性能数据集，包括OOD实验数据和分子动力学(MD)衍生数据
931	2025-07-15	EquiCPI: SE(3)-Equivariant Geometric Deep Learning for Structure-Aware Prediction of Compound-Protein Interactions 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00773 PMID:40600339	研究论文	本文提出了一种名为EquiCPI的几何深度学习框架，用于预测化合物-蛋白质相互作用，结合了第一性原理结构建模与SE(3)-等变神经网络	EquiCPI首次将SE(3)-等变神经网络应用于化合物-蛋白质相互作用预测，通过保留旋转、平移和反射对称性，实现了对三维结构决定因素的建模	未明确提及具体局限性，但可能依赖于蛋白质和配体的3D结构预测准确性	提高化合物-蛋白质相互作用的预测准确性，推动计算药物发现	化合物-蛋白质相互作用	计算药物发现	NA	几何深度学习、SE(3)-等变神经网络、ESMFold、DiffDock-L	SE(3)-等变神经网络	3D原子坐标点云	BindingDB（亲和力预测）和DUD-E（虚拟筛选）数据集
932	2025-07-15	DeepPSA: A Geometric Deep Learning Model for PROTAC Synthetic Accessibility Prediction 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00366 PMID:40560790	研究论文	本文提出了一种名为DeepPSA的几何深度学习模型，用于预测PROTACs的合成可行性	首次专注于PROTAC合成可行性的预测模型，采用图神经网络架构，并在内部数据集上表现出色	模型依赖于特定数据集，可能无法覆盖所有类型的PROTACs	开发一个计算模型来评估PROTACs的合成可行性，以辅助药物设计和筛选	PROTACs（蛋白降解靶向嵌合体）	机器学习	NA	深度学习	GNN（图神经网络）	化学结构数据	3644个PROTACs的实验合成数据
933	2025-07-15	Ultra-Elastic, Transparent, and Conductive Gelatin/Alginate-Based Bioadhesive Hydrogel for Enhanced Human-Machine Interactive Applications 2025-Jul-14, Biomacromolecules IF:5.5Q1 DOI:10.1021/acs.biomac.5c00425 PMID:40569129	研究论文	开发了一种新型高性能离子水凝胶（AGG-M水凝胶），用于增强人机交互应用	同时实现了高拉伸性、透明度、强粘附性和交互精度，并通过深度学习算法集成到可穿戴电子控制系统中	未提及具体临床应用的限制或潜在问题	开发多功能水凝胶用于可穿戴电子设备和人机交互	离子水凝胶（AGG-M水凝胶）及其在可穿戴电子设备中的应用	人机交互	NA	自由基聚合加离子配位策略	深度学习算法	生理信号数据	NA
934	2025-07-15	Auxiliary diagnosis of hyperpigmented skin diseases using multimodal deep learning 2025-Jul-14, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003637 PMID:40653928	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
935	2025-07-15	Deep Learning-Based Prediction for Bone Cement Leakage During Percutaneous Kyphoplasty Using Preoperative Computed Tomography: MODEL Development and Validation 2025-Jul-14, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005448 PMID:40658115	研究论文	开发一种基于深度学习的模型，用于预测经皮椎体后凸成形术中的骨水泥渗漏亚型，并使用术前CT图像进行验证	首次提出基于术前CT图像的深度学习模型来预测骨水泥渗漏亚型，并验证了模型的有效性和泛化能力	研究为回顾性研究，样本量可能不足以覆盖所有临床场景	预测经皮椎体后凸成形术中的骨水泥渗漏亚型，辅助术前手术决策	骨质疏松性椎体压缩性骨折患者	数字病理学	骨质疏松性椎体压缩性骨折	术前CT成像	3D U-Net与3D ResNet-50结合	医学影像	内部数据集包含901名患者的997个椎体节段
936	2025-07-15	Automated multiclass segmentation of liver vessel structures in CT images using deep learning approaches: a liver surgery pre-planning tool 2025-Jul-14, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01581-7 PMID:40658328	研究论文	本研究提出了一种基于UNETR架构的深度学习方法，用于肝脏CT图像中门静脉和肝静脉的多类分割，以支持肝脏手术预规划	采用基于Transformer的编码器UNETR架构，有效捕捉长距离依赖关系，克服了CNN在处理复杂解剖结构时的局限性	在门静脉分割上的Dice系数相对较低(49.71%)，表明对于某些血管结构的识别仍有改进空间	开发自动化肝脏血管分割工具以改善肝脏手术预规划	肝脏CT图像中的门静脉和肝静脉结构	数字病理	肝脏疾病	深度学习	UNETR (U-Net Transformers)	CT图像	来自IRCAD数据集和本地医院开发的数据集的对比增强CT图像
937	2025-07-15	Impact of three-dimensional prostate models during robot-assisted radical prostatectomy on surgical margins and functional outcomes 2025-Jul-13, BJU international IF:3.7Q1 DOI:10.1111/bju.16850 PMID:40653671	研究论文	探讨在机器人辅助根治性前列腺切除术中使用三维前列腺模型对手术切缘和功能结果的影响	使用3D虚拟和3D打印前列腺模型，结合深度学习自动分割技术，以提高手术精确度和功能结果	单中心可行性研究，样本量相对较小（270例患者），且需要长期随访验证结果	评估3D模型在机器人辅助根治性前列腺切除术中对手术切缘和功能结果的影响	前列腺癌患者	数字病理	前列腺癌	多参数磁共振成像（mpMRI）和深度学习自动分割（AutoProstate和AutoLesion）	深度学习模型	医学影像	270例患者（54例在3D虚拟模型组，54例在3D打印模型组，54例在回顾性对照组，108例在前瞻性对照组）
938	2025-07-15	Towards energy-efficient joint relay selection and resource allocation for D2D communication using hybrid heuristic-based deep learning 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08290-x PMID:40646067	研究论文	本文提出了一种基于混合启发式深度学习的能效联合中继选择和资源分配方法，用于D2D通信	提出了一种新型混合启发式算法HMRFCO，并结合自适应残差门控循环单元(AResGRU)模型进行中继选择和资源分配的自动预测	未提及具体实验验证结果或实际应用场景的局限性	解决D2D通信中中继选择和资源分配导致的系统总速率下降和能耗问题	D2D通信网络中的中继节点和资源分配	机器学习	NA	混合启发式算法(HMRFCO), 自适应残差门控循环单元(AResGRU)	AResGRU	通信网络参数数据	NA
939	2025-07-15	Optimization-based image reconstruction regularized with inter-spectral structural similarity for limited-angle dual-energy cone-beam CT 2025-Jul-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade843 PMID:40562072	研究论文	本文提出了一种基于优化和光谱间结构相似性正则化的图像重建方法，用于解决有限角度双能量锥束CT中的图像重建问题	通过集成光谱间结构相似性正则化到迭代图像重建中，有效减少了有限角度伪影，无需X射线光谱测量或配对数据集进行模型训练	方法在物理模型和数字模型上进行了验证，但未提及在真实临床数据上的应用效果	促进快速低剂量双能量锥束CT在临床中的应用	双能量锥束CT图像	数字病理	NA	锥束CT	优化模型	图像	两个物理模型和三个数字模型
940	2025-07-15	Integrated deep learning framework for driver distraction detection and real-time road object recognition in advanced driver assistance systems 2025-Jul-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08475-4 PMID:40645997	研究论文	提出了一种集成深度学习框架，用于驾驶员分心检测和实时道路物体识别，以提高高级驾驶辅助系统(ADAS)的安全性能	结合CNN和YOLO深度学习技术，集成驾驶员分心检测与实时道路物体识别，实现多目标综合解决方案	系统在雨、雾和低光等复杂场景下的可靠性仍需进一步验证	开发一个能够同时监测驾驶员状态和道路环境的综合ADAS系统	驾驶员行为(物理/视觉分心和认知分心)和道路物体(车辆、行人、车道标记和交通信号)	计算机视觉	NA	深度学习	CNN, YOLO	图像, 视频	State Farm Distracted Driver Dataset, KITTI和MS COCO基准数据集