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
801	2025-07-11	Brain age prediction from MRI scans in neurodegenerative diseases 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	综述	本文综述了利用MRI扫描进行脑龄估计作为脑健康生物标志物的应用	探讨了脑龄估计在神经退行性疾病早期诊断、疾病监测和个性化医疗中的潜在应用	标准化实施、人口统计学偏差和可解释性等挑战仍然存在	探索脑龄估计作为神经退行性疾病早期检测工具的潜力	阿尔茨海默病、轻度认知障碍(MCI)和帕金森病患者	数字病理学	神经退行性疾病	MRI扫描、深度学习	深度学习模型	MRI图像	NA
802	2025-07-11	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估，发现了新型潜在的11β-HSD1抑制剂	使用基于GRU的循环神经网络构建分子生成模型，结合转移学习生成潜在的11β-HSD1抑制剂	化合物02的抑制活性不如对照药物	开发新型11β-HSD1抑制剂	11β-HSD1抑制剂	机器学习	糖尿病、胰岛素抵抗、血脂异常和肥胖	深度学习、分子对接、分子动力学模拟	GRU	分子数据	1,854,484个药物样分子
803	2025-07-11	Drug repurposing to identify potential FDA-approved drugs targeting three main angiogenesis receptors through a deep learning framework 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11214-6 PMID:40418485	研究论文	本研究利用深度学习框架，从FDA批准的药物中识别出针对VEGFR、FGFR和EGFR三种主要血管生成受体的多靶点抑制剂	采用新颖的集成方法，结合分类和回归模型，同时考虑三种靶受体，以提高药物开发的成功率并减少耐药性	研究仅基于计算机模拟筛选，未进行实验验证	开发一种方法学，用于发现FDA批准药物中的多靶点抑制剂，以控制血管生成	2000多种FDA批准的药物	机器学习	癌症	深度学习	深度自编码器分类模型和回归模型	药物分子数据	2000多种FDA批准的药物
804	2025-07-11	Integrated machine learning-based virtual screening and biological evaluation for identification of potential inhibitors against cathepsin K 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10845-5 PMID:38662177	研究论文	本研究通过机器学习和深度学习虚拟筛选结合生物评估，识别出潜在的Cathepsin K抑制剂	结合机器学习和深度学习进行虚拟筛选，并进行了生物评估，鉴定出五种具有潜在抑制Cathepsin K活性的化合物	研究仅筛选了十种化合物，样本量较小	识别潜在的Cathepsin K抑制剂以治疗骨质疏松症	Cathepsin K及其潜在抑制剂	机器学习	骨质疏松症	虚拟筛选、分子对接、MD模拟、MM/PBSA分析	机器学习和深度学习模型	化学化合物数据	十种短名单化合物，其中五种表现出超过50%的抑制效果
805	2025-07-10	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Aug, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	系统综述与荟萃分析	本文通过系统综述和荟萃分析探讨了眼动追踪技术与人工智能在痴呆症检测中的交叉应用	首次对眼动追踪与AI结合用于痴呆症检测的研究进行系统综述和荟萃分析，提供了性能指标的汇总结果	纳入研究数量有限(9项)，样本量较小(57-583人)，且主要关注阿尔茨海默病，缺乏其他痴呆类型的代表性	评估眼动追踪与人工智能结合在痴呆症检测中的效果	痴呆症患者(主要为阿尔茨海默病患者)	数字病理学	老年性疾病	眼动追踪技术	机器学习模型(6项)和深度学习模型(3项)	眼动数据	9项研究，共涉及57-583名参与者
806	2025-07-10	Automated Von Willebrand Factor Multimer Image Analysis for Improved Diagnosis and Classification of Von Willebrand Disease 2025-Aug, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14455 PMID:40025642	研究论文	开发了一种基于深度学习的自动化图像分析流程，用于改进冯·维勒布兰德因子多聚体图像的分析，以提升冯·维勒布兰德病的诊断和分类	利用YOLOv8深度学习模型自动分类VWF多聚体模式，提高了分类的再现性和效率	模型在罕见亚型上的表现较低	改进冯·维勒布兰德病的诊断和分类	冯·维勒布兰德因子多聚体图像	数字病理学	冯·维勒布兰德病	深度学习	YOLOv8	图像	514张凝胶图像（6168个标记实例）用于训练，192张图像（2304个实例）用于验证，94张图像（1128个实例）用于测试
807	2025-07-09	Artificial intelligence models for predicting acute kidney injury in the intensive care unit: a systematic review of modeling methods, data utilization, and clinical applicability 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf065 PMID:40620479	系统综述	本文系统综述了ICU中急性肾损伤（AKI）预测的人工智能模型，评估了建模方法、数据利用策略及临床适用性，并提出了未来研究方向	全面评估了AKI预测模型的建模方法、数据利用和临床适用性，并识别了当前挑战及未来研究方向	大多数研究存在高偏倚风险，特别是在泛化性和临床适用性方面，且缺乏外部验证和动态建模	评估ICU中AKI预测的人工智能模型，并探讨其临床适用性	ICU患者中的急性肾损伤（AKI）	机器学习	急性肾损伤	机器学习、深度学习、动态预测框架	多种（包括机器学习和深度学习模型）	ICU特定数据	47项符合纳入标准的研究（从1305项筛选研究中）
808	2025-07-08	An Explainable Connectome Convolutional Transformer for Multimodal Autism Spectrum Disorder Classification 2025-Aug, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500431 PMID:40621646	研究论文	提出了一种可解释的连接组卷积变换器（CCTF），用于多模态自闭症谱系障碍（ASD）分类	CCTF整合了功能性和结构性脑连接信息，采用连接组卷积嵌入模块和变换器编码器，提高了分类准确性和可解释性	多站点数据集成可能引入变异性，影响结果的准确性	开发一种自动化神经影像诊断工具，用于ASD分类	自闭症谱系障碍（ASD）患者	数字病理学	自闭症谱系障碍	fMRI和sMRI	Connectome Convolutional Transformer (CCTF)	神经影像数据	多站点ABIDE数据集
809	2025-07-07	Ultra-low-dose coronary CT angiography via super-resolution deep learning reconstruction: impact on image quality, coronary plaque, and stenosis analysis 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11399-2 PMID:39891682	research paper	本研究探讨了超分辨率深度学习重建（SR-DLR）在降低冠状动脉CT血管造影（CCTA）辐射剂量中的应用及其对图像质量、冠状动脉斑块和狭窄分析的影响	首次将超分辨率深度学习重建（SR-DLR）应用于超低剂量CCTA，实现了60%的辐射剂量降低，同时保持了图像质量和临床分析的准确性	样本量较小（仅50名患者），且未评估SR-DLR在更广泛临床场景中的适用性	评估SR-DLR在降低CCTA辐射剂量中的效果及其对图像质量和临床分析的影响	50名接受低剂量和超低剂量CCTA扫描的患者	digital pathology	cardiovascular disease	coronary CT angiography (CCTA), super-resolution deep learning reconstruction (SR-DLR)	deep learning	medical imaging	50名患者，48个冠状动脉节段
810	2025-07-07	Normative values for lung, bronchial sizes, and bronchus-artery ratios in chest CT scans: from infancy into young adulthood 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11367-w PMID:39891681	research paper	该研究通过胸部CT扫描，评估了从学龄前到青年期支气管和动脉尺寸的发育趋势，并提供了相关参数的规范值	利用自动化深度学习算法计算支气管和动脉参数，首次提供了从婴儿期到青年期的支气管-动脉比率规范值	研究样本仅包括375例正常吸气胸部CT扫描，可能不足以代表所有年龄段	评估胸部CT定量参数的发育趋势并提供规范值	0至24岁参与者的胸部CT扫描数据	digital pathology	NA	CT扫描	deep learning-based algorithm	image	375例正常吸气胸部CT扫描（女性156例，男性219例）
811	2025-07-07	PlaqueViT: a vision transformer model for fully automatic vessel and plaque segmentation in coronary computed tomography angiography 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11410-w PMID:39909898	research paper	开发并评估了一种用于冠状动脉血管和斑块分割的深度学习模型PlaqueViT	提出了一种基于3D vision transformer的深度学习模型，用于全自动冠状动脉斑块分割，性能与专家相当	NA	开发用于冠状动脉CT血管成像中血管和斑块分割的深度学习模型	冠状动脉CT血管成像数据	digital pathology	cardiovascular disease	coronary computed tomography angiography (CCTA)	3D vision transformer	image	SCAPIS数据集（开发集463例，测试集123例，观察者间研究65例，CAD检测数据集684例），林雪平大学医院数据集（外部验证28例）
812	2025-07-06	Automated material flow characterization of WEEE in sorting plants using deep learning and regression models on RGB data 2025-Aug-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114904 PMID:40424857	研究论文	本研究开发了一种基于RGB摄像头和深度学习的自动化方法，用于电子废弃物（WEEE）分选厂中的物料流成分分析	结合深度学习进行材料类型识别、回归模型预测单个颗粒质量，并将质量汇总为物料流成分	方法尚未在粉碎后的WEEE中成功应用	优化电子废弃物回收过程中的自动化粉碎和分离工艺	电子废弃物（WEEE）中的铁金属、非铁金属、印刷电路板和塑料	计算机视觉	NA	RGB摄像头数据采集	YOLO v11, K-nearest neighbors回归	RGB图像	NA
813	2025-07-06	Pollen morphology, deep learning, phylogenetics, and the evolution of environmental adaptations in Podocarpus 2025-Aug, The New phytologist DOI:10.1111/nph.70250 PMID:40458972	研究论文	本研究利用深度学习和系统发育框架分析了Podocarpus花粉形态与环境因素的关系，探讨了温度、降水、海拔和太阳辐射对形态变化的影响	首次将深度学习量化特征与系统发育分析结合，揭示了环境适应在花粉形态进化中的作用	研究仅针对31个新热带区Podocarpidites化石样本，样本代表性可能有限	探究环境因素对Podocarpus花粉形态进化的影响	Podocarpus花粉形态特征	植物进化生物学	NA	深度学习, 系统发育分析	深度学习模型(未指定具体类型), 性状-环境回归模型	花粉形态图像数据, 环境参数数据	31个新热带区Podocarpidites化石样本
814	2025-07-06	Generation of ultrasonic and audible sound waves for the automatic classification of packaging waste in reverse vending machines 2025-Aug-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114934 PMID:40489934	研究论文	本文提出了一种利用声学传感器进行包装废物分类的新方法，以解决现有逆向自动售货机(RVMs)在废物分类中的局限性	采用超声波和可听声波分析声场变化，结合人工智能系统对材料进行分类，避免了传统方法对昂贵传感器和复杂环境条件的依赖	验证仅在受控环境中进行，尚未在实际RVMs环境中测试	开发一种基于声学技术的低成本、高效废物分类方法	塑料、玻璃、纸板和金属罐等可回收物品	机器学习	NA	指数正弦扫描(ESS)技术	经典机器学习和深度学习模型	声学数据	NA
815	2025-07-06	Develop intelligent waste bin prototype based on fusion feature recognition of sounds and RGB images 2025-Aug-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114959 PMID:40554027	研究论文	开发了一种基于声音和RGB图像融合特征识别的智能垃圾桶原型，用于城市固体废物的分类	首次采用多模态深度学习方法（MDLM）整合图像和声音数据进行城市固体废物识别	改进相对有限，且未来研究需要探索包含更多RGB图像以开发更稳健的融合特征	提升城市固体废物的自动分类效率，推动循环经济的发展	城市固体废物（MSW）	计算机视觉与音频处理	NA	Mel频率倒谱系数（MFCCs），ResNet-101，LSTM网络	MDLM（多模态深度学习模型），LSTM	音频信号，RGB图像	NA
816	2025-07-06	BengalDeltaFish: A local dataset for fish detection in Bangladeshi markets 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111764 PMID:40612467	research paper	该论文介绍了BengalDeltaFish数据集，用于在孟加拉国市场的真实环境中检测鱼类	数据集在非受控的真实市场环境中收集，包含多种鱼类及罕见物种，填补了现有数据集的空白	数据集仅包含孟加拉国市场的鱼类，可能不适用于其他地区的鱼类识别	开发一个能够在真实市场环境中可靠检测和分类鱼类的AI工具	孟加拉国市场中的33种常见及罕见鱼类	computer vision	NA	deep learning	YOLOv11s	image	4560张标注图像，包含33种鱼类
817	2025-07-06	teaLeafBD: A comprehensive image dataset to classify the diseased tea leaf to automate the leaf selection process in Bangladesh 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111769 PMID:40612469	research paper	该研究创建了一个名为teaLeafBD的综合图像数据集，用于分类孟加拉国的病态茶叶，以自动化茶叶选择过程	提供了一个包含5278张病态和健康茶叶图像的全面数据集，覆盖多种疾病类型和不同气象条件下的图像采集	数据集仅覆盖孟加拉国的茶叶疾病，可能无法完全代表其他地区的疾病模式	提高对茶叶疾病如何影响茶树种植和茶叶生产的认识，并支持自动化疾病分类系统的开发	茶叶叶片	computer vision	植物疾病	deep learning	NA	image	5278张病态和健康茶叶图像
818	2025-07-05	Multiparametric MRI-based machine learning system of molecular subgroups and prognosis in medulloblastoma 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11385-8 PMID:39883158	研究论文	使用基于多参数MRI的机器学习系统识别髓母细胞瘤的分子亚群并预测预后	提出了一种名为Bi-ResNet-MB的新型多参数卷积神经网络，用于分子亚群分类，并建立了基于XGBoost的预后模型和新的风险分层系统M2R Score	样本量相对较小（139名患者），且仅在单一医疗中心进行验证	通过人工智能准确识别髓母细胞瘤的分子亚群并预测临床结果	髓母细胞瘤患者	数字病理学	髓母细胞瘤	MRI	Bi-ResNet-MB, XGBoost	图像	139名患者（训练集），108名患者（验证集）
819	2025-07-05	High-resolution deep learning reconstruction for coronary CTA: compared efficacy of stenosis evaluation with other methods at in vitro and in vivo studies 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11376-9 PMID:39903239	研究论文	比较了混合型迭代重建(IR)、基于模型的IR(MBIR)、深度学习重建(DLR)和高分辨率深度学习重建(HR-DLR)在冠状动脉CT血管造影(CCTA)中对冠状动脉狭窄评估的效果	首次在体外和体内研究中直接比较了HR-DLR与其他重建方法在冠状动脉狭窄评估中的效果	研究样本量较小(31例患者)，且仅针对非钙化阶梯状狭窄斑块进行评估	评估不同CT重建方法对冠状动脉狭窄诊断的准确性	冠状动脉狭窄	医学影像分析	心血管疾病	CT扫描(ADCT和UHR-CT)	深度学习重建(DLR和HR-DLR)	医学影像	3种直径的血管模型(体外研究)和31例患者(体内研究)
820	2025-07-05	CT-based detection of clinically significant portal hypertension predicts post-hepatectomy outcomes in hepatocellular carcinoma 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11411-9 PMID:39953152	研究论文	本研究评估了基于CT检测的临床显著门静脉高压（CSPH）对肝细胞癌（HCC）患者肝切除术后结局的预测能力	首次验证了基于CT的CSPH检测方法在预测HCC患者肝切除术后不良结局方面的有效性，并证明其优于传统的CSPH评估标准	单中心回顾性研究，样本量相对有限（593例患者）	评估CT检测CSPH对HCC患者肝切除术后结局的预测价值	患有晚期慢性肝病（ACLD）并接受肝切除术的极早期或早期HCC患者	数字病理学	肝细胞癌	CT成像、深度学习脾脏体积测量	深度学习	医学影像	593例患者（460名男性，平均年龄57.9±9.3岁）