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
581	2025-08-07	STELLA provides a drug design framework enabling extensive fragment-level chemical space exploration and balanced multi-parameter optimization 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12685-1 PMID:40750989	研究论文	介绍了一种名为STELLA的药物设计框架，该框架能够进行广泛的片段级化学空间探索和平衡的多参数优化	STELLA结合了基于进化算法的片段级化学空间探索和基于聚类的构象空间退火方法，用于高效的多参数优化，并利用深度学习模型准确预测药理特性	NA	开发一个能够高效探索化学空间并进行多参数优化的药物设计框架	药物分子	药物发现	NA	进化算法、深度学习	NA	化学分子数据	NA
582	2025-08-07	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2025-Aug-01, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果	整合了多种先进的深度学习模型和基于共识的评分方法，并利用大型宏基因组序列数据库增强多序列比对（MSAs）的深度	部分目标与其他组存在显著差异，表明MSA和评分策略仍有改进空间	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA的结构	生物信息学	NA	深度学习、多序列比对（MSAs）、共识排名方法	深度学习模型、NuFold框架	蛋白质和RNA的序列与结构数据	NA
583	2025-08-07	Pretreatment CT Texture Analysis for Predicting Survival Outcomes in Advanced Nonsmall Cell Lung Cancer Patients Receiving Immunotherapy: A Systematic Review and Meta-Analysis 2025-Aug, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.70144 PMID:40755255	meta-analysis	通过系统综述和荟萃分析评估预处理CT纹理分析在预测接受免疫治疗的晚期非小细胞肺癌患者生存结局中的价值	首次系统评估了CT纹理分析作为非侵入性影像生物标志物在预测免疫治疗反应中的临床意义	纳入研究均为回顾性设计，且不同研究使用的放射组学特征存在异质性	评估CT纹理特征对晚期非小细胞肺癌免疫治疗患者生存结局的预测价值	晚期非小细胞肺癌患者	digital pathology	lung cancer	CT纹理分析	NA	医学影像	10项研究共2400例患者
584	2025-08-07	Multimodal Deep Learning Integrating Tumor Radiomics and Mediastinal Adiposity Improves Survival Prediction in Non-Small Cell Lung Cancer: A Prognostic Modeling Study 2025-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71077 PMID:40755324	研究论文	该研究通过整合深度学习提取的肿瘤影像组学特征和纵隔脂肪指标，开发了一种多模态预后模型，用于预测非小细胞肺癌患者的术后生存	首次将深度学习提取的肿瘤影像组学特征与纵隔脂肪指标相结合，构建多模态预后模型，显著提高了预测性能	研究为回顾性设计，样本量相对有限（702例），且仅使用单一机构的患者数据	改进非小细胞肺癌患者的术后生存预测	702例手术切除的非小细胞肺癌患者	数字病理学	肺癌	CT成像	DenseNet121 CNN	医学影像	702例手术切除的非小细胞肺癌患者
585	2025-08-07	Deep learning for sub-ångström-resolution imaging in uncorrected scanning transmission electron microscopy 2025-Aug, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf235 PMID:40755523	研究论文	本研究介绍了一种名为SARDiffuse的深度学习扩散模型，旨在提高未校正扫描透射电子显微镜(STEM)图像的空间分辨率并校正噪声水平	SARDiffuse模型能够在未校正的电子显微镜中实现亚埃级分辨率成像，且能有效校正球差引起的伪影，优于现有方法	该方法对样品厚度有严格要求，目前尚未广泛应用	实现在未校正电子显微镜中的亚埃级分辨率成像	硅、钛酸锶和氮化镓等代表性材料	计算机视觉	NA	深度学习扩散模型	SARDiffuse	图像	实验数据来自校正后的AC-STEM
586	2025-08-07	Construction of GAN-RES and Its Application to Small Sample Fusulinid Fossil Recognition 2025-Aug, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71845 PMID:40755890	研究论文	本文提出了一种结合GAN和ResNet50、EfficientNet及定制CNN架构的方法，用于小样本稀有化石的识别	使用GAN生成大量样本扩展数据集，结合多种神经网络架构提高小样本化石识别准确率	未提及方法在其他类型化石或更大规模数据集上的泛化能力	解决小样本稀有化石的准确识别问题	小样本的纺锤虫化石	计算机视觉	NA	GAN, ResNet50, EfficientNet, CNN	GAN-RES (GAN与ResNet50等结合)	图像	小样本化石图像数据集
587	2025-08-07	Enhancing telemedicine service quality through sentiment analysis of user review dataset in Indonesia 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111878 PMID:40756423	研究论文	本文通过情感分析印尼远程医疗应用的用户评论数据集，以提升服务质量	应用高级重采样技术（如EDA）处理显著类别不平衡的数据集，并利用多种深度学习架构进行情感分类	数据集存在显著的类别不平衡问题，负面评论占比极低	提升远程医疗服务质量并推动印尼自然语言处理研究	印尼远程医疗应用的用户评论	自然语言处理	NA	情感分析	SRNN, 1D-CNN, 1L-LSTM, BiLSTM	文本	255,679条用户评论
588	2025-08-07	Cerebral Amyloid Deposition With 18F-Florbetapir PET Mediates Retinal Vascular Density and Cognitive Impairment in Alzheimer's Disease 2025-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70310 PMID:40757876	研究论文	本研究探讨了阿尔茨海默病(AD)中脑淀粉样蛋白沉积、视网膜血管密度与认知障碍之间的关系	首次揭示了视网膜血管密度与认知能力下降的关系主要由脑淀粉样蛋白沉积介导	样本量相对较小(92名参与者)，且仅使用横断面数据	探索AD患者视网膜血管密度变化与脑淀粉样蛋白沉积及认知障碍的关联机制	47名AD患者和45名健康对照者	数字病理学	阿尔茨海默病	18F-florbetapir PET/MRI，深度学习眼底摄影	深度学习	影像数据(眼底照片和PET/MRI图像)	92名参与者(47名AD患者和45名健康对照)
589	2025-08-07	Longitudinal image-based prediction of surgical intervention in infants with hydronephrosis using deep learning: Is a single ultrasound enough? 2025-Aug, PLOS digital health DOI:10.1371/journal.pdig.0000939 PMID:40758672	research paper	本研究开发了利用多次超声检查数据的机器学习模型，用于预测婴儿肾积水患者是否需要手术干预，并与单次超声检查模型进行比较	首次将多次就诊的超声数据整合到机器学习模型中，用于预测肾积水患者的手术需求	多访视模型未能显著优于单访视模型，且样本量在不同机构间分布不均	开发能够准确预测肾积水患者手术需求的机器学习模型	患有肾积水的婴儿患者	digital pathology	hydronephrosis	ultrasound imaging	CNN, LSTM, temporal shift models	image	794名患者（603名来自SickKids，102名来自Stanford，89名来自CHOP）
590	2025-08-07	SecProGNN: Predicting Bronchoalveolar Lavage Fluid Secreted Protein Using Graph Neural Network 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3548263 PMID:40042949	研究论文	本文提出了一种名为SecProGNN的新型深度学习框架，用于预测支气管肺泡灌洗液中的分泌蛋白	首次将图神经网络（GNN）应用于蛋白质分泌预测，并构建了端到端的预测框架SecProGNN	蛋白质的复杂性和技术限制可能影响预测的全面性	预测支气管肺泡灌洗液中的分泌蛋白并探索潜在的肺腺癌生物标志物	支气管肺泡灌洗液（BALF）中的蛋白质	生物信息学	肺腺癌	图神经网络（GNN）	GNN与多层感知机（MLP）结合	蛋白质序列数据	超过3000种BALF蛋白质
591	2025-08-07	Counterfactual Bidirectional Co-Attention Transformer for Integrative Histology-Genomic Cancer Risk Stratification 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3548048 PMID:40042950	研究论文	提出了一种基于深度学习的CounterFactual Bidirectional Co-Attention Transformer框架，用于整合组织学和基因组数据以进行癌症风险分层	通过双向共同注意力层整合基因组和组织学模态的特征交互，并利用反事实推理减少学习偏差，探索不同特征对生存结果的影响	未明确提及具体局限性	提高癌症患者预后生存预测的准确性	癌症患者的组织学全切片图像(WSIs)和基因组数据	数字病理学	癌症	深度学习	Transformer	图像和基因组数据	来自TCGA的八种不同癌症基准数据集
592	2025-08-07	PPA Net: The Pixel Prediction Assisted Net for 3D TOF-MRA Cerebrovascular Segmentation 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3561146 PMID:40293899	research paper	提出了一种名为PPA Net的深度学习模型，用于3D TOF-MRA脑血管分割	PPA Net由VesselMRA Net和VesselConvLSTM组成，通过矩形卷积块融合多尺度特征，利用注意力机制增强语义权重，并通过像素级预测模型减少个体差异	未提及具体局限性	提高TOF-MRA脑血管分割的准确性	脑血管	digital pathology	cerebrovascular disease	deep learning	PPA Net (包含VesselMRA Net和VesselConvLSTM)	3D TOF-MRA图像	三个公开数据集
593	2025-08-07	Detection and classification of femoral neck fractures from plain pelvic X-rays using deep learning and machine learning methods 2025-Aug, Ulusal travma ve acil cerrahi dergisi = Turkish journal of trauma & emergency surgery : TJTES DOI:10.14744/tjtes.2025.75806 PMID:40765193	研究论文	本研究使用深度学习和机器学习方法从骨盆X光片中检测和分类股骨颈骨折	比较了预训练深度学习模型（VGG-16、ResNet-50和MobileNetv2）在股骨颈骨折检测和分类中的性能，并发现VGG-16表现最佳，同时使用k-NN算法进一步提高了准确率	需要通过多中心研究进一步改进模型	诊断和分类股骨颈骨折	598张骨盆X光片，包括296名股骨颈骨折患者和302名无骨折个体	计算机视觉	老年疾病	深度学习、机器学习	VGG-16、ResNet-50、MobileNetv2、k-NN	图像	598张骨盆X光片
594	2025-08-07	Single Capture Quantitative Oblique Back-Illumination Microscopy 2025-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.29.667497 PMID:40766649	研究论文	本文介绍了一种新型的单捕获定量斜背照显微镜技术（SCqOBM），利用深度学习模型从单次斜背照捕获中准确重建相位信息	SCqOBM技术通过深度学习模型实现单次捕获即可重建相位信息，显著提高了成像速度和系统简化	NA	开发一种更快速、更简化的定量相位成像技术，用于生物医学研究和临床诊断	小鼠脑部和人类手臂的血液流动等生物样本	生物医学成像	NA	定量斜背照显微镜（qOBM）和深度学习	深度学习模型	3D定量相位图像	多样化的生物样本
595	2025-08-07	Exploration of Fully-Automated Body Composition Analysis Using Routine CT-Staging of Lung Cancer Patients for Survival Prognosis 2025-Aug, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.70021 PMID:40767951	研究论文	本研究探讨了利用常规CT分期对肺癌患者进行全自动身体成分分析（BCA）以预测生存预后的方法	首次评估了基于AI的自动BCA在肺癌患者生存预后中的价值，并开发了包含临床数据的多变量生存模型	研究结果在不同中心和性别之间存在差异，需要进一步的特定中心和性别验证	评估自动身体成分分析在肺癌患者生存预后中的价值	来自两个医院的肺癌患者（A医院n=3345，B医院n=1364）	数字病理	肺癌	深度学习网络分割技术	深度学习网络	CT图像	A医院3345例（中位年龄65岁，86%NSCLC，40%M1，40%女性），B医院1364例（中位年龄66岁，87%NSCLC，37%M1，38%女性）
596	2025-08-06	TP-Transformer: An Interpretable Model for Predicting the Transformation Pathways of Organic Pollutants in Chemical Oxidation Processes 2025-Aug-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c02701 PMID:40532215	研究论文	本文介绍了一种名为TP-Transformer的深度学习框架，用于预测有机污染物在化学氧化过程中的转化产物及其形成途径	TP-Transformer能够预测转化产物的结构及其形成途径，并通过注意力分析模拟专家级化学推理	模型的训练数据集Chem_Oxi_2K仅包含2780个污染物降解反应，可能限制了其在更广泛污染物上的预测能力	开发一种可扩展、精确且高效的替代传统实验方法的技术，以优化氧化方法并增强水处理策略	有机污染物及其在化学氧化过程中的转化产物	环境化学	NA	深度学习	Transformer	化学反应数据	2780个污染物降解反应
597	2025-08-06	Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01486 PMID:40613676	研究论文	开发了一个结合蒙特卡洛模拟和深度学习的框架，用于准确分析单分子光谱成像数据	首次提出基于监督学习的单分子光谱图像去噪方法（SpecUNet），并建立了八个全面的评估指标	未提及具体的数据集规模或实验条件的限制	提高单分子光谱成像去噪和分析的准确性	单分子光谱成像数据	机器学习和光谱成像	NA	蒙特卡洛模拟和深度学习	SpecUNet（基于CNN的变体）	光谱成像数据	未明确提及样本数量
598	2025-08-06	A lightweight hybrid DL model for multi-class chest x-ray classification for pulmonary diseases 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3b8 PMID:40706615	research paper	提出了一种轻量级混合深度学习模型，用于胸部X光片的多类分类以诊断肺部疾病	结合了预训练的深度学习模型和SVM分类器，提高了分类准确率并减少了训练时间	研究中使用的数据来自公开来源，可能无法涵盖所有临床场景	提高胸部X光片对肺部疾病的分类准确率和诊断效率	胸部X光片图像，包括COVID-19、结核病、肺炎和正常病例	digital pathology	lung cancer	deep learning, SVM	MobileNet, SVM	image	来自多个公开来源的数据，代表广泛的人口统计学范围
599	2025-08-06	AI-driven framework for automated detection of kidney stones in CT images: integration of deep learning architectures and transformers 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3ba PMID:40706620	研究论文	提出了一种基于AI的框架，用于在CT图像中自动检测和分类肾结石	整合了深度学习和transformer架构，提出SwinTResNet模型和Vision Transformer (ViT)架构，优化了模型性能	未提及模型在真实临床环境中的泛化能力及对不同类型肾结石的检测效果	提高肾结石的诊断准确性和效率，支持临床决策	CT图像中的肾结石	计算机视觉	肾结石	深度学习	SwinTResNet, Vision Transformer (ViT)	CT图像	NA
600	2025-08-06	Artificial Intelligence for Materials Discovery, Development, and Optimization 2025-Aug-05, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c04200 PMID:40711807	综述	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在材料科学中的变革性影响，特别是在材料发现、开发和优化方面的应用	AI驱动的方法通过结构生成、性能预测、高通量筛选和计算设计革新了材料发现，同时通过改进表征和自主实验推动了材料开发	数据质量不一致、模型可解释性有限以及缺乏标准化的数据共享框架等挑战仍然存在	探讨AI、ML和DL在材料科学中的应用，以促进材料的发现、开发和优化	材料科学中的材料发现、开发和优化	机器学习	NA	监督学习、无监督学习、半监督学习和强化学习（RL）	RNN、CNN、GNN、生成模型和基于Transformer的模型	复杂材料数据集	NA