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
81	2025-07-15	AI in Orthopedic Research: A Comprehensive Review 2025-Aug, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26109 PMID:40415515	review	本文全面回顾了人工智能在骨科研究和临床实践中的应用及其影响	深入探讨了AI在骨折检测、骨关节炎分级及病理识别中的最新进展，并展望了AI在机器人、增强现实等新兴领域的应用潜力	面临数据异质性、算法偏见、模型'黑箱'问题以及稳健验证不足等挑战	整合AI技术以提升骨科诊疗的准确性、优化治疗策略并改善临床工作流程	骨科疾病诊断、治疗策略优化及临床工作流程	digital pathology	骨科疾病	deep learning	NA	image	NA
82	2025-07-15	Artificial Intelligence-Assisted Sac Diameter Assessment for Complex Endovascular Aortic Repair 2025-Aug, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028231208159 PMID:37902445	研究论文	本研究评估了基于深度学习的ARVA系统在复杂主动脉瘤（cAA）患者术前和术后CTA中主动脉直径测量的准确性	首次验证了AI系统ARVA在复杂主动脉瘤修复手术前后主动脉直径自动测量的准确性	样本量较小（仅50例患者），且为单中心回顾性研究	评估AI辅助系统在血管动脉瘤形态学评估中的准确性	接受开窗式血管内修复术（FEVAR）的复杂主动脉瘤患者	数字病理	心血管疾病	深度学习，CTA影像分析	深度学习模型（具体架构未说明）	医学影像（CTA）	50例患者（共100个CTA扫描）
83	2025-07-15	High temperature stress-strain data for SAE 5120 steel under various strain rates 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111824 PMID:40655989	研究论文	本文利用SAE 5120钢的流变数据开发了一个基于增量公式的模型，以更准确地反映实验行为	采用增量公式模型，考虑了动态再结晶（DRX）和再结晶体积分数的演变，克服了传统本构模型仅依赖温度和应变率的局限性	模型主要基于实验室条件下的压缩测试数据，实际工业应用中的复杂条件可能未被完全覆盖	开发一个更准确的模型来预测SAE 5120钢在高温下的流动应力和应变硬化行为，以优化热成形工艺	SAE 5120低合金铬钢	材料科学与工程	NA	轴对称压缩测试，Gleeble 3500系统	增量公式模型	流变数据	温度范围850°C至1200°C，应变率范围0.01 s⁻¹至10 s⁻¹的压缩测试数据
84	2025-07-14	Climate-driven projections of cyanobacterial harmful algal bloom expansion in coastal waters 2025-Aug-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179940 PMID:40570389	研究论文	本研究通过整合GCMs输出与机器学习和深度学习模型，预测未来几十年阿曼沿海水域蓝藻有害藻华的扩展趋势	将蓝藻有害藻华的预测扩展到未来几十年，并利用机器学习和深度学习模型提高预测准确性	研究主要基于历史卫星数据和气候模型，可能未考虑所有影响藻华形成的因素	评估未来气候变化情景下蓝藻有害藻华的长期影响	阿曼沿海水域的蓝藻有害藻华	环境科学	NA	卫星遥感、机器学习和深度学习模型	Random Forest、Extreme Gradient Boosting、GRU、LSTM	卫星图像	957张卫星图像（2000-2020年）
85	2025-07-14	Identification of STAT3 phosphorylation inhibitors using generative deep learning, virtual screening, molecular dynamics simulations, and biological evaluation for non-small cell lung cancer therapy 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11067-5 PMID:39715975	研究论文	本研究利用生成深度学习、虚拟筛选、分子动力学模拟和生物学评估，针对非小细胞肺癌治疗开发STAT3磷酸化抑制剂	采用生成模型结合虚拟筛选和分子动力学模拟，发现新型STAT3磷酸化抑制剂HG110和HG106，其结合亲和力和稳定性优于已知抑制剂	研究主要基于计算模拟和体外细胞实验，尚未进行体内动物模型验证	开发针对非小细胞肺癌治疗的STAT3磷酸化抑制剂	STAT3磷酸化抑制剂及其在非小细胞肺癌治疗中的应用	机器学习	肺癌	生成深度学习、虚拟筛选、分子动力学模拟	生成模型	化学化合物数据	使用包含STAT3抑制剂的综合数据集进行模型训练，并在H441细胞系中进行验证
86	2025-07-14	Technology advances in the placement of naso-enteral tubes and in the management of enteral feeding in critically ill patients: A narrative study 2025-Aug, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2025.05.022 PMID:40383254	综述	本文综述了重症患者鼻肠管放置技术和肠内营养管理的最新进展	介绍了多种新技术如POCUS、电磁传感器、实时视频辅助放置等在鼻胃管放置和肠内营养管理中的应用	属于叙述性研究，缺乏系统性评价或荟萃分析	探讨重症患者肠内营养管理的技术进步	重症患者	重症医学	危重病	POCUS、电磁传感器、实时视频辅助放置、阻抗传感器、虚拟现实	深度学习算法	医疗影像数据、电子健康记录	NA
87	2025-07-14	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	research paper	本文介绍了一种高效的子模型集成框架，旨在提高医学深度学习模型的可解释性，从而增强其临床适用性	通过生成不确定性图，该框架使最终用户能够评估模型输出的可靠性，并提出了一种从单一训练良好的检查点生成多样化模型的策略	NA	提高医学深度学习模型的可解释性和临床适用性	CT身体分割和MR-CT合成数据集	digital pathology	NA	深度学习模型集成	U-Net, UNETR	医学影像	NA
88	2025-07-14	Selection, visualization, and explanation of deep features from resting-state fMRI for Alzheimer's disease diagnosis 2025-Aug, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112005 PMID:40494176	研究论文	本研究通过可视化静息态功能磁共振成像（rs-fMRI）的深度特征，区分认知正常者和不同阶段阿尔茨海默病患者	提出了一种可视化深度特征的方法，识别出能够有效区分阿尔茨海默病的特定深度特征子集，称为“信息性深度特征”	脑萎缩和图像强度的相似模式对深度特征的可视化提出了挑战	提高深度学习模型在阿尔茨海默病诊断中的可解释性	静息态功能磁共振成像（rs-fMRI）数据	数字病理学	阿尔茨海默病	rs-fMRI	深度学习模型	图像	来自ADNI数据库的rs-fMRI数据
89	2025-07-14	O-GEST: Overground gait events detector using b-spline-based geometric models for marker-based and markerless analysis 2025-Aug, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112803 PMID:40516373	research paper	本文介绍了一种名为O-GEST的自动算法，用于基于运动学数据的步态事件检测，适用于标记和无标记分析	O-GEST利用B样条几何模型表示足部标志点的水平轨迹，结合步态依赖的阈值和最优系数，检测健康与病理步态的事件并计算时空参数	尽管O-GEST在无测力板环境下表现良好，但其在更广泛的病理步态或不同运动模式下的普适性仍需进一步验证	开发一种高精度的步态事件检测算法，以在无测力板环境下可靠评估正常和病理步态	390名受试者，包括健康人、单侧髋关节骨关节炎患者、中风幸存者、帕金森病患者和脑瘫儿童	生物医学工程	神经肌肉疾病、骨关节炎、中风、帕金森病、脑瘫	B样条几何建模、运动学分析	几何模型算法	运动学数据	390名受试者（200名健康人，100名单侧髋关节骨关节炎患者，50名中风幸存者，26名帕金森病患者，14名脑瘫儿童）
90	2025-07-14	Digitizing audiograms with deep learning: structured data extraction and pseudonymization for hearing big data 2025-Aug, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109337 PMID:40532492	研究论文	本研究开发了一种基于深度学习的系统，用于数字化听力图，实现数据的结构化和数值化转换，以支持大规模听力大数据的收集	与以往主要关注分类或预测的研究不同，该框架确保结构化数值数据输出，同时遵守数据伪匿名化法规	NA	开发一种深度学习系统，用于数字化听力图，以支持大规模听力数据的收集和分析	听力图	数字病理	听力损失	光学字符识别（OCR）	CNN	图像	训练集8847个听力图符号，测试集2443个听力图符号
91	2025-07-14	Redefining parameter-efficiency in ADHD diagnosis: A lightweight attention-driven kolmogorov-arnold network with reduced parameter complexity and a novel activation function 2025-Aug, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112016 PMID:40587919	研究论文	本文提出了一种基于Kolmogorov-Arnold Network (KAN)的参数高效框架，用于注意力缺陷多动障碍(ADHD)的诊断，通过减少参数复杂度和引入新型激活函数来提高模型效率和可解释性	提出了一种轻量级的注意力驱动KAN网络，减少了参数复杂度并引入了新型激活函数，同时结合了滑动窗口数据增强技术以提高模型泛化能力	研究仅基于ADHD-200数据集进行验证，可能在其他数据集上的泛化能力有待进一步验证	开发一种参数高效且可解释的深度学习模型，用于ADHD的诊断	注意力缺陷多动障碍(ADHD)患者的大脑连接特征	数字病理学	注意力缺陷多动障碍(ADHD)	深度学习	Kolmogorov-Arnold Network (KAN)	大脑连接特征数据	ADHD-200数据集
92	2025-07-12	Generative adversarial network (GAN) model-based design of potent SARS-CoV-2 Mpro inhibitors using the electron density of ligands and 3D binding pockets: insights from molecular docking, dynamics simulation, and MM-GBSA analysis 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11047-9 PMID:39613993	研究论文	本研究利用生成对抗网络（GAN）模型设计SARS-CoV-2主蛋白酶（Mpro）抑制剂，通过分子对接、动力学模拟和MM-GBSA分析验证分子活性	采用两种不同的GAN算法生成新型小分子，一种基于配体的实验电子密度数据，另一种基于靶点结合口袋的空间和键合关系	生成的分子数量差异较大（ED-based方法生成26,000个分子，而结合口袋方法仅生成100个分子），可能影响结果的广泛性	加速药物发现过程，设计针对SARS-CoV-2主蛋白酶的有效抑制剂	SARS-CoV-2主蛋白酶（Mpro）及其抑制剂	药物发现	COVID-19	分子对接、分子动力学模拟、MM-GBSA分析	GAN	3D分子结构数据	ED-based方法生成约26,000个分子，结合口袋方法生成约100个分子，最终筛选出6个最有前景的分子进行进一步分析
93	2025-07-12	A 4D tensor-enhanced multi-dimensional convolutional neural network for accurate prediction of protein-ligand binding affinity 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11044-y PMID:39714563	研究论文	本研究提出了一种基于4D张量特征和多维卷积神经网络的蛋白质-配体结合亲和力预测模型MCDTA	引入了4D张量特征来捕捉结合口袋区域的关键相互作用，并开发了基于该特征的三维卷积神经网络模型	未明确提及具体局限性	准确预测蛋白质-配体结合亲和力，以促进药物新用途的发现	蛋白质-配体相互作用	机器学习	NA	多维卷积神经网络	CNN	序列、结构、三维交互特征	PDBbind v.2020数据集
94	2025-07-12	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-Aug, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	本研究开发并验证了一种深度学习模型，用于区分由特发性颅内高压（IIH）、非动脉炎性前部缺血性视神经病变（NAION）引起的视盘肿胀与健康眼的眼底照片	利用深度学习技术，首次实现了对IIH、NAION和健康眼的自动区分，且具有高准确率	研究依赖于眼底照片的质量和标准化处理，且外部验证集的样本量相对较小	开发一种能够准确区分IIH、NAION和健康眼的深度学习诊断工具	眼底照片，包括IIH、NAION患者及健康对照者的眼底图像	数字病理	眼科疾病	深度学习	ResNet-50	图像	训练和验证集包含15,088张眼底照片（来自5,866只眼），外部验证集包含1,126张照片（来自928只眼）
95	2025-07-12	Deep learning Radiopathomics based on pretreatment MRI and whole slide images for predicting overall survival in locally advanced nasopharyngeal carcinoma 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110949 PMID:40409367	research paper	开发了一种基于深度学习的放射病理学整合模型，用于预测局部晚期鼻咽癌患者的总体生存期	结合MRI和全切片图像的深度学习模型，首次在局部晚期鼻咽癌患者中预测总体生存期	样本量相对较小，外部测试集仅包含50例患者	预测局部晚期鼻咽癌患者的总体生存期	343例局部晚期鼻咽癌患者	digital pathology	nasopharyngeal carcinoma	MRI, whole slide imaging	multimodal fusion model with self-attention mechanism and multilayer perceptron	image (MRI and whole slide images)	343例患者（训练集202例，验证集91例，外部测试集50例）
96	2025-07-12	Deep learning dosiomics for the pretreatment prediction of radiation dermatitis in nasopharyngeal carcinoma patients treated with radiotherapy 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110951 PMID:40412532	研究论文	开发一种结合剂量组学和深度学习（DL）的模型，用于预测接受放疗的鼻咽癌患者中≥2级放射性皮炎（RD）的发生	首次将剂量组学特征与深度学习特征结合，构建端到端模型预测放射性皮炎，并通过整合临床因素进一步提高了预测效果	研究为回顾性设计，样本量相对有限（290例患者），且仅来自两个医疗中心	预测鼻咽癌患者放疗后放射性皮炎的发生风险	接受放疗的鼻咽癌患者	数字病理学	鼻咽癌	剂量组学分析、深度学习	XGBoost、ResNet-34	放射剂量分布数据	290例鼻咽癌患者（167例训练集，72例内部验证集，51例外部验证集）
97	2025-07-11	Computational screening of umami tastants using deep learning 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选流程，用于从大型分子数据库中识别高效鲜味物质	首次构建了基于Transformer的架构用于鲜味物质分类，并开发了预测鲜味化合物效能的神经网络模型	研究仅基于分子结构特征，未考虑实际味觉测试验证	开发高效识别新型鲜味物质的计算方法	鲜味分子与非鲜味分子	机器学习	NA	深度学习	Transformer, 神经网络	分子结构数据	867个分子（439个鲜味分子和428个非鲜味分子），并在包含约70,000个分子的FooDB数据库上进行应用验证
98	2025-07-11	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	提出了一种可解释的深度学习模型iDCNNPred，用于虚拟筛选和识别针对三阴性乳腺癌的PI3Ka抑制剂	开发了Custom-DCNN模型，性能优于预训练模型，并通过Grad-CAM技术增强了模型预测的可解释性	需要进一步的药物化学工作来提高筛选出的分子的效力和选择性	识别和筛选针对三阴性乳腺癌的PI3Ka抑制剂	PI3Ka抑制剂	数字病理学	三阴性乳腺癌	分子对接、体外PI3K抑制研究	Custom-DCNN、AlexNet、SqueezeNet、VGG19	2D分子图像	Maybridge化学库中的分子，最终筛选出12个有潜力的分子，其中4个进行了生物验证
99	2025-07-11	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	提出了一种名为GraphkmerDTA的新型深度学习模型，用于药物-靶标结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	整合了Kmer特征与结构拓扑信息，克服了现有方法在序列特征提取和拓扑信息利用上的不足	未提及具体的计算资源需求或模型训练时间，可能在实际应用中存在效率问题	提高药物-靶标结合亲和力预测的准确性，并应用于药物发现	药物分子和蛋白质	机器学习	阿尔茨海默病	图神经网络（GNN）和全连接网络	GraphkmerDTA（结合GNN和Kmer特征）	序列数据和结构数据	超过两千种化合物的筛选库
100	2025-07-11	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究探讨了基于深度学习的信号放大技术在单剂量T1加权脑MRI图像中的应用，以提高转移瘤的检测能力	利用深度学习技术从单剂量对比增强图像生成人工双剂量图像，避免了使用实际双剂量对比剂带来的环境和健康风险	研究中读者在人工双剂量图像上显示出更多的假阳性发现，尽管差异不显著	评估深度学习增强的单剂量脑MRI图像在转移瘤检测中的效果	30名参与者（平均年龄58.5±11.8岁，23名女性）的脑MRI图像	数字病理	脑转移瘤	MRI	深度学习	医学影像	30名参与者