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
21	2025-06-07	To Fly, or Not to Fly, That Is the Question: A Deep Learning Model for Peptide Detectability Prediction in Mass Spectrometry 2025-Jun-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00973 PMID:40344201	research paper	该研究开发了一个名为Pfly的深度学习模型，用于预测质谱中肽的可检测性	Pfly是一个基于肽序列预测其可检测性的深度学习模型，具有高适应性、高性能和易定制性，能够在不同实验条件下提高预测准确性	模型最初在合成肽库上训练，可能存在偏向合成性的偏差，尽管后续通过生物数据集进行了微调	开发一个能够预测质谱中肽可检测性的通用模型，以支持蛋白质组学研究	肽序列及其在质谱中的可检测性	machine learning	NA	质谱(MS)	encoder-decoder with attention mechanism	肽序列数据	合成肽库和生物数据集
22	2025-06-07	Deep learning-based applicator selection between Syed and T&O in high-dose-rate brachytherapy for locally advanced cervical cancer: a retrospective study 2025-Jun-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/addea5 PMID:40444332	研究论文	本研究提出了一种基于深度学习的决策支持工具，用于在局部晚期宫颈癌高剂量率近距离放射治疗中选择合适的施源器	开发了一个深度学习模型，用于辅助医生选择施源器，减少因临床经验差异导致的质量和结果不一致	研究为回顾性研究，样本量有限，未来需要更多数据进行验证	提高局部晚期宫颈癌高剂量率近距离放射治疗中施源器选择的准确性和一致性	局部晚期宫颈癌患者	数字病理	宫颈癌	高剂量率近距离放射治疗	3D CNN	3D图像	184名患者，共422次施源器插入
23	2025-06-07	Computational Approaches to Revisiting Plant Cytoskeleton Organization and Dynamics 2025-Jun-06, Cytoskeleton (Hoboken, N.J.) DOI:10.1002/cm.22049 PMID:40474669	综述	本文综述了计算生物学方法在植物细胞骨架组织和动态研究中的应用	将深度学习等现代计算技术应用于传统细胞骨架研究领域	主要关注图像分析方法，未涉及其他组学数据整合	探索计算生物学方法在植物细胞骨架研究中的应用潜力	植物细胞骨架（特别是皮层微管）	计算生物学	NA	活细胞成像技术	深度学习	显微图像	NA
24	2025-06-07	Modeling CAPRI Targets of Round 55 by Combining AlphaFold and Docking 2025-Jun-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26853 PMID:40476317	research paper	本文详细介绍了通过结合AlphaFold深度学习预测与传统对接技术，对CAPRI第55轮中的寡聚体目标进行结构建模的混合方法	结合AlphaFold2多聚体管道与传统对接技术，提出了一种混合蛋白质-蛋白质对接方法，并分析了AlphaFold模型的聚类、链内和链间残基接触预测的置信度	NA	提高蛋白质寡聚体结构预测的准确性	CAPRI第55轮中的寡聚体目标	structural biology	NA	AlphaFold2 multimer pipeline, docking	AlphaFold, docking models	protein structure data	CAPRI Round 55 targets
25	2025-06-07	Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review 2025-Jun-06, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20781 PMID:40476369	meta-analysis	该研究通过大规模元分析，综合评估了人工智能和机器学习方法在黑色素瘤自动诊断中的临床应用和预测性能	首次对人工智能在黑色素瘤诊断中的性能进行了大规模元分析，特别关注了混合模型的优异表现	研究仅纳入了2006年至2024年的文献，可能遗漏了早期的重要研究	评估人工智能算法在黑色素瘤诊断中的临床适用性和预测性能	黑色素瘤诊断的人工智能系统	digital pathology	melanoma	meta-analysis	deep learning and HYBRID models	dermoscopic images	39项主要研究中的78项诊断测试数据
26	2025-06-07	Deep Learning Approaches for Predicting the Surface Tension of Ionic Liquids 2025-Jun-06, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00158 PMID:40476518	research paper	本研究提出了两种深度学习模型，用于预测离子液体在恒定压力下广泛温度范围内的表面张力	使用简化的分子输入线条目系统（SMILES）表示离子液体，提取分子特征作为输入，开发了两种深度学习模型来预测表面张力	实验数据的获取可能仍然是一个限制因素，且模型的泛化能力未在更广泛的离子液体组合中进行验证	加速离子液体的发现和设计，通过计算模型预测其表面张力	离子液体（ILs）	machine learning	NA	deep learning	DL models	molecular features (SMILES representations)	NA
27	2025-06-07	Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies 2025-Jun-06, Journal of materials chemistry. B DOI:10.1039/d5tb00744e PMID:40476698	综述	本文系统探讨了最先进的生物可视化技术的原理、应用和局限性，特别强调了AI驱动的图像分析、多维成像与重建以及多模态数据集成方面的变革性进展	整合了AI、增强现实和深度学习等尖端技术，实现了实时、高分辨率和预测性分析，超越了传统成像模式的限制	未具体提及技术的实施难度或成本效益分析	解码组织复杂性，推动生物材料开发和临床策略创新	生物组织的多尺度结构和功能复杂性	生物医学可视化	NA	AI、增强现实、深度学习	NA	多维成像数据	NA
28	2025-06-07	Hypothalamus and intracranial volume segmentation at the group level by use of a Gradio-CNN framework 2025-Jun-06, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03438-6 PMID:40478471	研究论文	本研究开发并评估了一个基于Gradio-CNN框架的图形用户界面(GUI)，用于在脑部MRI扫描中自动分割下丘脑和颅内体积(ICV)	结合直观的界面、基于深度学习的精确分割以及通过ngrok轻松部署，满足了脑部MRI分析中对用户友好工具的需求	研究样本量相对较小(90名帕金森病患者和39名对照)	开发一个高效、准确且易于使用的工具，用于神经影像学研究中的下丘脑和颅内体积分割	帕金森病患者和健康对照者的脑部MRI扫描	数字病理	帕金森病	MRI扫描	U-Net	图像	90名帕金森病患者和39名对照
29	2025-06-07	Improving Covalent and Noncovalent Molecule Generation via Reinforcement Learning with Functional Fragments 2025-Jun-05, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00944 PMID:40471710	research paper	提出了一种名为MOFF的强化学习框架，用于基于功能片段生成共价和非共价分子	MOFF是首个采用片段化方法进行共价分子设计的生成框架，利用对接分数作为奖励函数，并通过Soft Actor-Critic算法进行训练	仅通过计算验证（如分子动力学模拟）评估分子结合稳定性，缺乏实验验证	开发一种灵活的、可扩展的框架，支持基于片段的分子生成，以促进药物发现	共价和非共价小分子药物，特别是针对Bruton酪氨酸激酶（BTK）和表皮生长因子受体（EGFR）的配体样分子	machine learning	cancer	reinforcement learning, molecular docking, molecular dynamics simulations	Soft Actor-Critic algorithm	molecular data	案例研究涉及BTK和EGFR靶点，具体样本数量未明确说明
30	2025-06-07	End-to-End Abnormal Subgraph Detection via Subgraph-Level Contrastive Learning 2025-Jun-05, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3573922 PMID:40471723	research paper	本文提出了一种端到端的无监督子图异常检测框架EndSubG，通过子图级对比学习来检测异常子图	EndSubG框架首次将子图划分和异常检测联合建模为一个整体，而非分开处理，并设计了专门用于子图异常检测的评估指标AS-WNMI	未明确提及具体样本量或数据集的详细限制	解决无监督条件下子图异常检测的挑战，提升相关领域的研究	图数据中的异常子图	machine learning	NA	对比学习	EndSubG	graph data	NA
31	2025-06-07	Is EMG Information Necessary for Deep Learning Estimation of Joint and Muscle Level States? 2025-Jun-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3577084 PMID:40471740	research paper	该研究探讨了在深度学习模型中是否需要EMG信息来准确估计关节和肌肉的生理状态	研究发现EMG信息对于关节状态估计并非必要，但对于肌肉状态估计至关重要，且仅在训练阶段使用EMG信息即可实现优异性能	需要EMG作为模型输入的方法在实际部署中可能不切实际	开发非侵入式方法来估计关节和肌肉生理状态，以增强可穿戴设备的控制能力	膝关节的力矩、功率、速度和力量等生理状态	machine learning	NA	deep learning	DL	kinematic data, EMG data	28种不同的周期性和非周期性任务
32	2025-06-07	Current State of Artificial Intelligence Model Development in Obstetrics 2025-Jun-05, Obstetrics and gynecology IF:5.7Q1 DOI:10.1097/AOG.0000000000005944 PMID:40472381	综述	本文回顾了最近关于人工智能在产科应用的相关文献，描述了AI在特定产科问题中的应用趋势，并评估了AI对产科护理的潜在影响	总结了AI在产科领域的最新应用，并指出了未来可能影响产科护理的AI模型	大多数研究的患者群体与美国人群差异较大，其普适性不确定，且很少有模型已在实际产科实践中部署	评估人工智能在产科领域的应用现状及其对产科护理的潜在影响	产科领域的人工智能应用	数字病理	产科疾病	机器学习, 深度学习, 神经网络	NA	NA	研究样本量从10到953,909不等
33	2025-06-07	Chemical Properties-Based Deep Learning Models for Recommending Rational Daily Diet Combinations to Diabetics Through Large-Scale Virtual Screening of α-Glucosidase Dietary-Derived Inhibitors and Verified In Vitro 2025-Jun-05, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c03646 PMID:40472393	research paper	本文提出基于化学性质的深度学习模型，用于通过大规模虚拟筛选α-葡萄糖苷酶膳食来源抑制剂，为糖尿病患者推荐合理的日常饮食组合	开发了三种基于化学性质的深度学习模型（AGIs、安全性和药物相互作用），并从未报告的FooDB数据库中筛选出59种新的α-葡萄糖苷酶抑制剂	NA	解决食品化学研究中开发合理日常饮食组合的挑战	α-葡萄糖苷酶膳食来源抑制剂	machine learning	diabetes	deep learning	NA	chemical properties	约70,000种食物来源化合物
34	2025-06-07	Fast and accurate lung cancer subtype classication and localization based on Intraoperative frozen sections of lung adenocarcinoma 2025-Jun-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade157 PMID:40472860	研究论文	本研究开发了一种基于深度神经网络的辅助诊断系统，专门用于手术冰冻切片，旨在减少病理学家的工作量并提高区分准确性	结合多实例学习与EMA/SimAM/SE注意力增强的ResSimAM_Hybrid模型进行分类，开发了创新的深度学习系统（FSG-TL模型）	NA	开发一种快速准确的肺癌亚型分类和定位方法，以辅助临床诊断	肺腺癌的冰冻切片	数字病理	肺癌	深度学习	ResSimAM_Hybrid, FSG-TL Model	图像	NA
35	2025-06-07	High-definition motion-resolved MRI using 3D radial kooshball acquisition and deep learning spatial-temporal 4D reconstruction 2025-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade195 PMID:40472864	研究论文	开发了一种结合3D径向kooshball采集和时空深度学习4D重建技术的高分辨率运动解析MRI方法，用于自由呼吸下的高清肺部MRI	提出了两种高清晰度Movienet（HD-Movienet）深度学习模型，用于重建3D径向kooshball数据，显著提高了重建速度并保持了图像质量	3D-based HD-Movienet虽然提高了重建质量，但重建时间较长	开发一种高分辨率、快速扫描的自由呼吸肺部MRI技术	八名健康志愿者和十名肺部肿瘤患者	医学影像	肺癌	3D径向kooshball序列采集，深度学习4D重建	HD-Movienet (2D-based 和 3D-based)	MRI图像	18名受试者（8名健康志愿者和10名患者）
36	2025-06-07	Enhancing image quality in fast neutron-based range verification of proton therapy using a deep learning-based prior in LM-MAP-EM reconstruction 2025-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade198 PMID:40472868	研究论文	本研究探讨了在基于快中子的质子治疗范围验证中，使用卷积神经网络预测的先验信息进行列表模式最大后验期望最大化图像重建的方法	采用条件生成对抗网络（pix2pix）预测先验信息，并将其整合到LM-MAP-EM重建过程中，以提高图像质量	模型在高噪声场景下的鲁棒性有限，性能受数据质量影响较大	提高基于快中子的质子治疗范围验证中的图像质量	质子治疗中的快中子数据	数字病理	肺癌	蒙特卡洛模拟	条件生成对抗网络（pix2pix）	图像	基于CT的肺癌患者模型生成的模拟数据
37	2025-06-07	Prenatal detection of congenital heart defects using the deep learning-based image and video analysis: protocol for Clinical Artificial Intelligence in Fetal Echocardiography (CAIFE), an international multicentre multidisciplinary study 2025-Jun-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101263 PMID:40473283	研究论文	本研究旨在开发基于深度学习的图像和视频分析技术，用于产前先天性心脏缺陷的检测	提出一个国际多中心多学科合作的研究项目CAIFE，旨在利用AI模型实时支持临床医生在非专科或资源匮乏环境中检测胎儿先天性心脏缺陷	目前AI模型在先天性心脏缺陷检测上的准确性不足，部分原因是缺乏用于机器学习的超声数据，且CHD罕见且异质性高	开发能够区分正常胎儿心脏和先天性心脏缺陷的AI模型，支持临床医生实时检测胎儿CHD	胎儿心脏的超声图像和视频数据	数字病理学	先天性心脏缺陷	深度学习	AI模型	图像和视频	总计16,400例回顾性和前瞻性超声扫描（包括13,000例正常胎儿心脏和1,000例CHD胎儿的回顾性数据，以及2,000例正常胎儿和400例主要CHD胎儿的前瞻性数据）
38	2025-06-07	Matrix completion-informed deep unfolded equilibrium models for self-supervised k $k$ -space interpolation in MRI 2025-Jun-05, Medical physics IF:3.2Q1 DOI:10.1002/mp.17924 PMID:40473478	研究论文	本文提出了一种新型的自监督MRI重建方法，结合矩阵补全理论和深度展开平衡模型，无需全采样标签即可实现k空间插值	将卷积神经网络与结构低秩模型的零空间关系相结合，设计具有严格理论保证的可解释网络架构，实现不依赖全采样标签的k空间数据重建	未明确说明方法在极端加速率下的性能表现，也未讨论计算复杂度问题	开发具有理论保证的自监督MRI重建方法，解决传统方法可解释性不足的问题	多线圈MRI的k空间数据	医学影像分析	NA	MRI重建	CNN与展开式平衡模型	k空间数据	未明确说明具体样本量（多线圈MRI数据）
39	2025-06-07	Direct detection of 8-oxo-dG using nanopore sequencing 2025-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60391-3 PMID:40473638	研究论文	本文开发了一种利用纳米孔测序直接检测8-oxo-dG的策略，并通过深度学习模型揭示了其在基因组中的分布特征	首次利用合成寡核苷酸生成长链、8-oxo-dG上下文可变的DNA分子，结合纳米孔测序和深度学习，实现了对8-oxo-dG的直接检测	由于缺乏训练数据，目前尚缺乏针对8-oxo-dG检测的模型	开发一种直接检测DNA氧化损伤标志物8-oxo-dG的方法，并研究其在基因组中的分布特征	8-oxo-7,8-dihydro-2'-deoxyguanosine (8-oxo-dG) 和 5-甲基胞嘧啶 (5-mC)	基因组学	NA	纳米孔测序, 深度学习	深度学习模型	DNA序列数据	合成寡核苷酸生成的DNA分子和氧化损伤的组织培养模型
40	2025-06-07	Enhancing pancreatic cancer detection in CT images through secretary wolf bird optimization and deep learning 2025-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00512-6 PMID:40473659	研究论文	本文提出了一种结合秘书狼鸟优化算法和深度学习的方法，用于增强CT图像中胰腺癌的检测	提出了秘书狼鸟优化算法(SeWBO)与高效DenseNet的结合，用于优化胰腺肿瘤检测的准确率和真阳性率	NA	提高胰腺癌的早期检测率以增强生存率和提供适当治疗	胰腺CT图像	数字病理	胰腺癌	CT扫描	SeWBO_Efficient DenseNet (结合EfficientNet和DenseNet)	图像	NA