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
1	2025-08-01	Deep-learning-based 3D content-based image retrieval system on chest HRCT: Performance assessment for interstitial lung diseases and usual interstitial pneumonia 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100670 PMID:40741449	研究论文	开发了一种基于深度学习的3D内容图像检索系统，用于评估间质性肺疾病（ILD）和普通间质性肺炎（UIP）的诊断性能	利用深度学习技术开发了首个针对胸部高分辨率CT（HRCT）的3D内容图像检索系统，用于辅助诊断间质性肺疾病和UIP	样本量相对有限（2058例用于性能评估，301例用于临床实用性评估），且未与其他现有系统进行直接比较	开发并评估一种基于深度学习的3D图像检索系统在间质性肺疾病诊断中的临床应用价值	间质性肺疾病（ILD）和普通间质性肺炎（UIP）患者的胸部HRCT图像	数字病理	肺疾病	深度学习	3D-CNN	3D医学影像	2058例用于性能评估，301例（涵盖57种疾病）用于临床实用性评估
2	2025-08-01	Artificial Intelligence and the Evolving Landscape of Immunopeptidomics 2025-Jul-31, Proteomics. Clinical applications DOI:10.1002/prca.70018 PMID:40741879	综述	本文综述了人工智能在免疫肽组学中的应用及其对肿瘤免疫治疗的推动作用	详细探讨了AI如何改进免疫肽组学工作流程中的关键步骤，包括新抗原发现和T细胞识别建模，并通过乳腺癌案例研究展示了AI在揭示肿瘤免疫原性特征方面的潜力	讨论了当前瓶颈，如非经典肽建模、抗原加工缺陷考虑以及避免靶向非肿瘤毒性等问题	探索人工智能如何推动免疫肽组学发展并优化癌症免疫治疗策略	主要研究MHC分子呈递的肽段及其在肿瘤免疫治疗中的应用	生物信息学	乳腺癌	质谱数据分析、深度学习、迁移学习	深度学习模型、多组学整合模型	质谱数据、多组学数据	NA
3	2025-08-01	MMPK: A Multimodal Deep Learning Framework to Predict Human Oral Pharmacokinetic Parameters 2025-Jul-31, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c01522 PMID:40741939	研究论文	本文介绍了一个名为MMPK的多模态深度学习框架，用于预测人类口服药代动力学参数	开发了整合分子图、子结构图和SMILES序列的多模态深度学习框架MMPK，采用多任务学习和数据插补提高数据效率和模型鲁棒性	NA	预测药代动力学参数以评估药物安全性和有效性，优化给药方案	包含1,200多种独特化合物和5,000多种化合物-剂量组合的人类口服PK数据集	机器学习	NA	深度学习	多模态深度学习框架(MMPK)	分子图、子结构图、SMILES序列	1,200多种独特化合物和5,000多种化合物-剂量组合
4	2025-08-01	A Meta-Learning Approach for Multicenter and Small-Data Single-Cell Image Analysis 2025-Jul-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01810 PMID:40742562	研究论文	提出一种基于元学习的多中心小数据单细胞图像分析方法，以减少单细胞图像标注的工作量并提高分析效率	通过元学习结合自动化宽场荧光显微镜技术，构建了一个硬件和软件系统，显著减少了单细胞图像标注的工作量，并在数据量减少到5%时仍能超越传统深度学习的准确率	未提及具体的数据来源多样性限制或系统在极端条件下的表现	开发一种高效的单细胞图像分析方法，以减少标注工作量并提高分析准确性	单细胞图像	数字病理学	NA	自动化宽场荧光显微镜	元学习	图像	未明确提及具体样本数量，但提到使用60%和5%的数据量进行验证
5	2025-08-01	Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction 2025-Jul-31, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02617-6 PMID:40742577	综述	本文综述了人工智能在肝胆胰手术中用于临床结果预测的当前视角和未来方向	强调了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法具有更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新	面临数据质量、模型泛化能力和伦理实施等挑战	探讨人工智能在肝胆胰手术中预测临床结果的应用及其未来发展	肝胆胰手术的临床结果预测	数字病理	肝胆胰疾病	深度学习模型(DLMs)	DLMs	临床数据	NA
6	2025-08-01	Deep learning-based prediction of rheumatoid arthritis-associated deformity on MRI 2025, Brain & spine DOI:10.1016/j.bas.2025.104328 PMID:40741519	research paper	开发一种基于深度学习的算法，用于预测类风湿关节炎(RA)患者的上颈椎畸形	首次使用深度学习模型预测RA相关的颈椎畸形，旨在早期风险分层	需要在不同地点进行大规模验证，并研究亚轴脊柱在疾病过程中对颅颈交界处畸形风险的作用	开发预测RA相关上颈椎畸形的算法，实现早期风险分层	类风湿关节炎患者	digital pathology	rheumatoid arthritis	MRI	deep learning	image	220名患者（其中33名发展为颈椎畸形）
7	2025-08-01	Hybrid framework for automated generation of mammography radiology reports 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.07.018 PMID:40741541	研究论文	本文介绍了一种用于自动化生成乳腺X光放射学报告的混合框架，旨在辅助放射科医生	结合了编码器-解码器架构的自然语言生成模型和图像强度增强技术，以应对图像质量变化问题	研究基于西班牙语放射学文本，可能在其他语言环境下需要调整	开发自动化临床文本生成框架以支持乳腺X光检查	乳腺X光放射学报告	数字病理学	乳腺癌	自然语言生成(NLG)、命名实体识别(NER)	编码器-解码器架构	图像、文本	NA
8	2025-07-31	Comparative evaluation of four reconstruction techniques for prostate T2-weighted MRI: Sensitivity encoding, compressed sensing, deep learning, and super-resolution 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100671 PMID:40735490	研究论文	比较评估四种前列腺T2加权MRI重建技术的图像质量和病灶显着性	首次比较了四种重建技术（SENSE、CS、DL和SR）在前列腺T2加权MRI中的应用效果，并发现SR重建在图像质量和病灶显着性方面表现最佳	样本量较小（49例患者），且病灶显着性分析仅基于18例病理确诊的前列腺癌患者	评估和比较四种重建技术在前列腺T2加权MRI中的图像质量和病灶显着性	49例疑似前列腺癌患者的多参数或双参数MRI数据	数字病理	前列腺癌	MRI重建技术（SENSE、CS、DL、SR）	深度学习模型（DL、SR）	MRI图像	49例患者（其中18例病理确诊前列腺癌）
9	2025-07-31	Bridging spatiotemporal wildfire prediction and decision modeling using transformer networks and fuzzy inference systems 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103498 PMID:40735517	research paper	该研究提出了一种结合Transformer网络和模糊推理系统的时空野火预测与决策模型	将符号模糊推理与基于深度注意力的架构相结合，实现了高准确性和可解释性	未提及模型在极端环境条件下的适用性	开发准确且可解释的野火预测系统以支持实时决策	野火预测与响应策略	machine learning	NA	Transformer, Fuzzy Rule-Based System (FRBS)	Transformer, FRBS	卫星数据（Sentinel、ERA5、SRTM）、气候数据	加拿大火灾蔓延数据集（Canadian Fire Spread Dataset）
10	2025-07-31	Effect of Deep Learning-Based Artificial Intelligence on Radiologists' Performance in Identifying Nigrosome 1 Abnormalities on Susceptibility Map-Weighted Imaging 2025-Aug, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.0208 PMID:40736409	研究论文	评估基于深度学习的AI软件对不同经验水平的放射科医生在检测黑质1区异常方面的诊断性能影响	首次评估AI辅助诊断对放射科医生在黑质1区异常检测中的性能提升，特别是针对不同经验水平的医生	研究样本量较小（59名患者和80名健康参与者），且为回顾性研究	评估AI辅助诊断在帕金森病黑质1区异常检测中的应用效果	59名帕金森病患者和80名健康参与者的SMwI扫描图像	医学影像分析	帕金森病	3T MRI成像、YOLOX-based目标检测和SparseInst分割模型	YOLOX和SparseInst	医学影像	139份SMwI扫描（59名患者和80名健康参与者）
11	2025-07-31	Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm 2025-Jul-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02934 PMID:40735851	研究论文	本研究提出了一种基于生成对抗网络（GANs）的算法，用于显著提高拉曼光谱成像的速度和空间分辨率	利用GANs算法显著提升拉曼光谱成像的速度和空间分辨率，并通过迁移学习验证其泛化能力	研究仅基于未标记细胞的186个高光谱拉曼数据集进行训练和评估，可能限制了模型的广泛适用性	提高拉曼光谱成像的速度和空间分辨率，为高通量和实时生化分析提供新途径	未标记细胞的拉曼光谱图像	计算机视觉	NA	拉曼光谱成像	GAN	图像	186个高光谱拉曼数据集
12	2025-07-31	DGMM: A Deep Learning-Genetic Algorithm Framework for Efficient Lead Optimization in Drug Discovery 2025-Jul-30, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01017 PMID:40736165	研究论文	本文提出了一种名为DGMM的新型计算框架，结合深度学习和遗传算法，用于药物发现中的高效分子优化	DGMM框架通过变分自编码器（VAE）和增强的表示学习策略，结合遗传算法，实现了在保持分子结构多样性的同时优化生物活性和药物性质	未明确提及具体局限性	解决药物发现中先导化合物优化的挑战，平衡结构多样性与核心分子特征的保留	药物分子，特别是针对CHK1、CDK2和HDAC8等靶点的化合物	机器学习	NA	深度学习、遗传算法、蒙特卡洛搜索、马尔可夫过程	VAE（变分自编码器）	分子结构数据	三个不同靶点（CHK1、CDK2和HDAC8）的回顾性验证及前瞻性ROCK2抑制剂发现
13	2025-07-31	Deep learning neural network of adenocarcinoma detection in effusion cytology 2025-Jul-30, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf067 PMID:40736208	研究论文	本研究开发了一种基于深度学习的模型，用于在积液细胞学图像中检测恶性细胞，特别是腺癌细胞	使用YOLOv8目标检测算法构建深度学习模型，在积液细胞学图像中高效检测腺癌细胞	在创建目标检测模型时，细胞注释仍存在一些问题	开发自动化系统以提高积液细胞学中恶性细胞检测的准确性	积液细胞学图像中的腺癌细胞	数字病理学	腺癌	深度学习	YOLOv8	图像	275例腺癌病例（含12182张图像和29245个标签）和188例非恶性病例（含1980张图像）
14	2025-07-31	Automatic Couinaud segmentation using AI and pictorial representation landmarking 2025-Jul-30, Abdominal radiology (New York) DOI:10.1007/s00261-025-05123-3 PMID:40736570	研究论文	提出了一种结合深度学习和辅助标志点识别的框架，用于自动划分Couinaud肝段，提高肝手术规划的精确性	整合深度学习分割与辅助标志点识别，创建个性化图示模型，无需重新训练即可纳入新数据	仅评估了225例非增强T1加权MRI数据，未涵盖所有影像模态	提高Couinaud肝段划分的准确性和临床工作流程效率	肝脏Couinaud分段	数字病理	肝脏疾病	深度学习	CNN	MRI图像	225例非增强T1加权MRI数据（来自4项不同研究）
15	2025-07-31	An optimized multi-scale dilated attention layer for keratoconus disease classification 2025-Jul-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03688-y PMID:40736610	研究论文	本文提出了一种优化的多尺度扩张注意力层（MSDAL）用于圆锥角膜疾病分类的深度学习模型	引入了优化的多尺度扩张注意力层（MSDAL）并结合北极海鹦优化（APO）算法，提高了模型的分类性能和计算效率	数据集规模有限且缺乏多模态输入	自动化圆锥角膜（KCN）检测	圆锥角膜疾病分类	计算机视觉	圆锥角膜	深度学习	Optimized MSDALNet	图像	超过1,100张标记的角膜地形图图像
16	2025-07-31	HybridKla: a hybrid deep learning framework for lactylation site prediction 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf375 PMID:40736746	research paper	本文介绍了一种名为HybridKla的混合深度学习框架，用于预测赖氨酸乳酰化位点	结合了八种互补的特征编码策略和深度学习技术，显著提高了预测性能，AUC值提升了28.90%	研究依赖于从文献中收集的数据集，可能存在数据偏差	开发一种更准确的赖氨酸乳酰化位点预测工具	赖氨酸乳酰化位点	machine learning	NA	深度学习	混合深度学习框架	蛋白质序列数据	7297个蛋白质中的23984个Kla位点
17	2025-07-31	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2025-Jun-18, ArXiv PMID:40735097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）系列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对mpMRI数据进行分类，并比较它们的性能，最终确定表现最佳的DenseNet-121模型	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率相对内部数据集有所下降，表明可能存在泛化性问题	开发一个高效的深度学习模型，用于准确分类多参数磁共振成像（mpMRI）的不同系列类型	多参数磁共振成像（mpMRI）数据	计算机视觉	NA	mpMRI	ResNet, EfficientNet, DenseNet	图像	超过729项研究数据
18	2025-07-31	SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation 2025-Mar-23, ArXiv PMID:40735077	研究论文	开发并评估一种新的深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息来提高去噪性能和泛化能力	提出了一种名为SNRAware的训练方案，利用MRI重建过程的知识，通过模拟大量高质量且多样化的合成数据集，并向模型提供噪声分布的定量信息，以提高去噪性能	研究为回顾性研究，可能受到数据选择和采集条件的限制	提高MRI图像的去噪性能和模型在不同成像序列、对比度、解剖结构和场强下的泛化能力	心脏回顾性门控电影复杂序列、心脏实时电影、首次通过心脏灌注、神经和脊柱MRI图像	医学影像处理	心血管疾病	深度学习	Transformer和CNN	MRI图像	2,885,236张图像来自96,605个心脏回顾性门控电影复杂序列，测试数据集包含3000个样本
19	2025-07-31	Multiplicative Learning 2025-Mar-13, ArXiv PMID:40735079	research paper	本文介绍了一种名为期望反射（ER）的新型学习算法，用于高效训练人工神经网络	ER算法基于观察输出与预测输出的比率进行乘性权重更新，无需特定损失函数或学习率超参数，且能在单次迭代中实现最优权重更新	NA	探索一种比传统反向传播更高效的神经网络训练方法	人工神经网络	machine learning	NA	NA	artificial neural networks	image	NA
20	2025-07-31	Deep learning-based multi-omics model to predict nasopharyngeal necrosis of re-irradiation for recurrent nasopharyngeal carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1607218 PMID:40735035	研究论文	利用深度学习技术结合多序列MRI放射组学和剂量组学预测复发性鼻咽癌再放疗后鼻咽坏死的风险	首次将多序列MRI放射组学和剂量组学特征结合深度学习模型用于预测复发性鼻咽癌再放疗后的鼻咽坏死风险	样本量较小（117例患者），且仅基于单中心数据	预测复发性鼻咽癌患者再放疗后鼻咽坏死的风险，以改善临床决策	复发性鼻咽癌患者	数字病理	鼻咽癌	多序列MRI（T1、T1C、T2序列）和放疗剂量分布	3D CNN	医学影像	117例患者（97例训练集，20例测试集）