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
381	2025-09-18	Multitask Deep Learning for Automated Segmentation and Prognostic Stratification of Endometrial Cancer via Biparametric MRI 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70012 PMID:40536279	研究论文	开发基于双参数MRI的多任务深度学习框架，用于子宫内膜癌的自动分割和关键预后因素分类	首次提出统一深度学习框架同时实现肿瘤分割和多任务预后分层，并对比了放射科医师的视觉评估	回顾性研究，样本量有限（325例患者），需外部验证验证泛化性	通过双参数MRI实现子宫内膜癌的自动分割和预后因素多任务分类	325例经组织学确认的子宫内膜癌患者	医学影像分析	子宫内膜癌	双参数MRI（T2WI和DWI序列）	深度学习多任务分类模型	MRI影像	325例患者（训练集211例，验证集54例，测试集60例）
382	2025-09-18	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像探索阿尔茨海默病谱系中认知功能、视网膜生物标志物与大脑改变之间的关联	首次结合深度学习模型FARGO分析视网膜血管特征，并系统比较AD谱系不同阶段（HC、SCD、MCI、AD）的认知-眼-脑多维关联	样本量较小（总n=76），且AD组样本数较少（n=7），可能影响统计效力	揭示阿尔茨海默病谱系障碍中认知、眼部生物指标与大脑结构功能变化的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	多模态MRI（3D T1加权BRAVO序列、静息态fMRI）、光学相干断层扫描血管成像（OCTA）	深度学习模型FARGO	脑部MRI图像、视网膜OCTA图像、认知评估数据	76人（HC=16, SCD=35, MCI=18, AD=7）
383	2025-09-18	Automated multiple sclerosis lesion segmentation from 3D-FLAIR MRI using R2AUNet: A deep learning approach with recurrent residual and attention mechanisms 2025-Oct, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106620 PMID:40712506	研究论文	本研究开发了一种基于深度学习的自动化方法R2AUNet，用于从3D-FLAIR MRI中分割多发性硬化病灶	提出结合循环残差块和注意力机制的3D U-Net框架，仅使用单一MRI序列实现准确分割	NA	开发自动化多发性硬化病灶分割方法以减少人工分割的时间和变异性	多发性硬化患者的3D-FLAIR MRI扫描数据	医学图像分析	多发性硬化	3D-FLAIR MRI	R2AUNet（基于3D U-Net的循环残差注意力网络）	3D MRI图像	95名患者的112次MRI扫描
384	2025-09-18	BrainCNN: Automated brain tumor grading from magnetic resonance images using a convolutional neural network-based customized model 2025-Oct, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	提出一种基于卷积神经网络的定制模型BrainCNN，用于从磁共振图像自动分级脑肿瘤	整合专用CNN与预训练模型，在脑肿瘤分级中实现高达99.45%的准确率，并提升计算效率	NA	开发自动化脑肿瘤分级系统以辅助治疗规划和提高生存率	脑肿瘤患者	计算机视觉	脑肿瘤	MRI，深度学习	CNN，SVM，MobileNet，Inception V3，ResNet-50	图像	293例MRI扫描
385	2025-09-18	Magnetic Susceptibility-Based Imaging in Gliomas: Insights into Tumor Grading and Margin Delineation 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70140 PMID:40944493	综述	本文综述了基于磁化率的MR成像（如R2*、SWI和QSM）在胶质瘤分级和边界勾画中的应用价值	系统比较了不同磁化率成像技术的优势与局限，并提出多模态融合及人工智能整合的未来方向	QSM技术尚未在临床常规应用，且SWI无法区分出血与钙化	评估磁化率成像在胶质瘤分级和肿瘤边界界定中的作用	胶质瘤患者	医学影像分析	胶质瘤	R2*成像、SWI、QSM、多模态MR成像（包括PWI和DTI）	NA	磁共振影像	40项研究（基于文献综述）
386	2025-09-18	Hepatocellular Carcinoma Risk Stratification for Cirrhosis Patients: Integrating Radiomics and Deep Learning Computed Tomography Signatures of the Liver and Spleen into a Clinical Model 2025-Sep-28, Journal of clinical and translational hepatology IF:3.1Q2 DOI:10.14218/JCTH.2025.00091 PMID:40951530	研究论文	本研究开发并验证了一个结合临床模型与CT影像特征的肝癌风险预测模型aMAP-CT	首次将肝脏和脾脏的放射组学及深度学习特征整合到aMAP临床模型中，显著提升肝癌风险分层能力	研究队列以慢性乙型肝炎病毒感染为主（91.5%），结果可能不适用于其他病因导致的肝硬化患者	改善肝硬化患者的肝细胞癌风险分层，实现个性化监测策略	肝硬化患者	数字病理	肝细胞癌	计算机断层扫描（CT），放射组学分析（PyRadiomics），深度学习（ResNet-18）	ResNet-18，LASSO特征选择	CT影像	2411名来自中国多中心前瞻性队列的肝硬化患者
387	2025-09-18	Parametrically guided design of beta barrels and transmembrane nanopores using deep learning 2025-Sep-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2425459122 PMID:40953261	研究论文	利用深度学习实现参数化引导的β桶和跨膜纳米孔设计	将参数化表示与基于RoseTTAFold的深度学习方法结合，首次实现β桶结构的参数化设计并成功生成功能正确的跨膜纳米孔	NA	开发一种结合参数化生成和深度学习的蛋白质设计方法，用于精确控制β桶和跨膜纳米孔的全局形状与功能	β桶蛋白质结构和跨膜纳米孔	蛋白质设计	NA	深度学习，RoseTTAFold，RFjoint修复，RFdiffusion，X射线晶体学	深度学习模型（基于RoseTTAFold）	蛋白质序列与结构数据	多种β桶参数化范围的设计案例，包括一种稀有桶拓扑结构和多个跨膜纳米孔（电导200-500 pS）
388	2025-09-18	Enhanced Detection, Using Deep Learning Technology, of Medial Meniscal Posterior Horn Ramp Lesions in Patients with ACL Injury 2025-Sep-17, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.01530 PMID:40743295	研究论文	本研究利用深度学习技术提升MRI对ACL损伤患者内侧半月板后角斜坡病变的检测能力	首次将深度学习模型与风险因素（年龄、后内侧胫骨骨髓水肿、外侧半月板撕裂）结合，显著提高了斜坡病变的诊断准确率	研究为回顾性设计，样本量有限（236例），证据等级为III级	评估深度学习技术是否能够增强基于MRI的半月板斜坡病变检测	ACL损伤患者的内侧半月板后角斜坡病变	医学影像分析	膝关节损伤	MRI，深度学习，逻辑回归，XGBoost，随机森林	Swin Transformer Large	MRI图像	236例接受关节镜手术的ACL损伤患者
389	2025-09-18	Deep Learning Analysis of Crystallization Using Polarized Light Microscopy and U-Net Segmentation 2025-Sep-17, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c03681 PMID:40958672	研究论文	结合偏振光显微镜与深度学习技术分析液晶化合物9BA4的结晶过程	首次将U-Net卷积神经网络应用于偏振光显微镜图像的语义分割，实现结晶相和近晶相的自动化识别与定量分析	NA	研究材料结晶行为以控制其物理性质	液晶化合物9BA4	计算机视觉	NA	偏振光显微镜、非等温冷却实验	U-Net CNN	图像	多个冷却速率下的结晶过程数据
390	2025-09-18	Deep Learning-Driven Discovery of Novel Antimicrobial Peptides from Large-Scale Protist Genomes and Experimental Characterization 2025-Sep-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01196 PMID:40958742	研究论文	利用深度学习技术从大规模原生生物基因组中挖掘新型抗菌肽并进行实验验证	首次对2000多个原生生物基因组进行大规模新型抗菌肽探索，结合优化的BERT和CNN模型进行多模型综合识别	仅对18种合成肽进行了实验验证，需要进一步扩大验证范围和体内实验	发现新型抗菌分子以应对抗生素耐药性问题	原生生物基因组中的抗菌肽(AMPs)	自然语言处理	NA	深度学习，多阶段筛选流程	BERT, CNN, C_AMPs_Ptrdict, AMPEP, AMPidentifier	基因组序列数据	2120个原生生物基因组数据集，约66亿条序列，最终鉴定出3133个候选AMPs
391	2025-09-18	Integrating Machine Learning into Free Energy Perturbation Workflows 2025-Sep-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01449 PMID:40958764	综述	探讨机器学习如何提升自由能微扰（FEP）方法在药物设计中的效率、精度和可及性	提出将主动学习和深度学习整合到FEP工作流中，优化采样策略、协议和力场开发	基于机器学习的神经网络势能虽提高精度，但计算成本较高	增强FEP在基于结构的药物设计中的预测能力和应用普及	蛋白质-配体结合亲和力预测	机器学习	NA	主动学习（AL）、深度学习（DL）、神经网络势能（NNPs）	AlphaFold, NeuralPLexer, DragonFold	量子力学数据、蛋白质-配体复合结构	NA
392	2025-09-18	NMR-based deep learning classification of raw cow's milk samples in different stages of mastitis 2025-Sep-17, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70200 PMID:40959907	研究论文	基于NMR数据和深度强化学习对生牛奶样本在不同乳腺炎阶段进行分类	结合NMR光谱、多维张量分解和深度强化学习构建分类模型，无需样本预处理	NA	开发可靠的预测模型，用于生牛奶在不同乳腺炎阶段的分类	生牛奶样本（来自健康奶牛和患乳腺炎奶牛）	机器学习	乳腺炎	NMR（核磁共振），包括1H-NMR和DOSY NMR	深度神经网络（DRL）	光谱数据	多个组（健康两组，亚临床四组，临床一组）的牛奶样本
393	2025-09-18	Graph Neural Networks in Modern AI-Aided Drug Discovery 2025-Sep-17, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.5c00461 PMID:40959983	综述	本文全面回顾了图神经网络（GNNs）在AI辅助药物发现中的方法基础与应用	重点关注几何GNNs、可解释模型、不确定性量化及与自监督学习等现代深度学习方法的融合	讨论了GNNs在实际药物发现流程中遇到的实际挑战与方法瓶颈	AI辅助药物发现（AIDD）	药物样分子	machine learning	NA	图神经网络（GNNs）	GNN	分子图	NA
394	2025-09-18	Leveraging Transformer Models to Capture Multi-Scale Dynamics in Biomolecules by Nano-GPT 2025-Sep-17, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00180 PMID:40960089	研究论文	提出一种基于GPT架构的深度学习模型nano-GPT，用于捕获分子系统中的多尺度长期动力学行为	采用双阶段训练机制逐步替换分子动力学标记，通过注意力机制学习高阶依赖关系，有效减少训练窗口内的误差累积	NA	解决传统模型在捕获生物分子长期动力学行为时的时间尺度限制问题	分子系统（包括四态模型势、丙氨酸二肽和Fip35 WW结构域）	机器学习	NA	分子动力学模拟（MD），深度学习	Transformer（GPT架构）	分子动力学轨迹数据	三个验证系统：四态模型势、丙氨酸二肽和Fip35 WW结构域
395	2025-09-18	Versatile Image-Assisted Cell Sorting by Selective Trapping with Spatiotemporal Multiparameter Targeting 2025-Sep-17, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c01433 PMID:40960346	研究论文	提出一种基于图像引导多参数可调靶向的二维细胞分选技术（2D-SIGMAT），通过动态光激活细胞捕获实现精确高效的细胞分离	首次实现时空多参数靶向的选择性捕获，支持从单细胞到类器官的宽尺寸范围分选，并兼容荧光/明场成像与深度学习模型	NA	开发高性能、多功能的细胞分选方法以克服现有技术局限性	细胞及类器官	生物医学工程	NA	光激活细胞捕获、荧光/明场成像、深度学习目标检测	YOLOv5	图像、时序数据	吞吐量达每秒2000个细胞
396	2025-09-18	Explainable Machine Learning for Characterizing Unknown Molecular Structures in Infrared Spectra 2025-Sep-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03126 PMID:40960350	研究论文	提出一种可解释的深度学习模型SSIN，用于红外光谱中未知分子功能基团的高效检测	首次将红外光谱分析先验知识融入机器学习训练推理过程，并实现可解释的功能基团检测	模型在NIST数据库气体相光谱上验证，可能在其他类型光谱数据上表现未知	解决红外光谱分析中机器学习方法缺乏可解释性和先验知识融合的问题	未知分子的红外光谱数据	机器学习	NA	红外光谱分析	深度学习网络（SSIN）	光谱数据	NIST数据库中的8845个气相红外光谱样本
397	2025-09-18	A Deep Learning Framework for Synthesizing Longitudinal Infant Brain MRI during Early Development 2025-Sep-17, Radiology. Artificial intelligence DOI:10.1148/ryai.240708 PMID:40960398	研究论文	提出一种三阶段深度学习框架，用于合成婴儿早期发育过程中的纵向脑部MRI图像	首次结合年龄和模态条件，建模体积扩张、皮质折叠和髓鞘化三个关键图像线索，以预测缺失时间点的MRI扫描	研究为回顾性设计，样本仅来自单一项目（Baby Connectome Project），可能限制泛化能力	开发能够合成早期大脑发育过程中纵向婴儿脑MRI的深度学习框架	139名婴儿的848次T1和T2加权MRI扫描	医学影像分析	NA	深度学习，MRI成像	条件生成框架（与LGAN、CounterSyn、Diffusion方法对比）	医学图像（MRI）	139名婴儿（训练集119人，测试集20人），共848次扫描
398	2025-09-18	DLMUSE: Robust Brain Segmentation in Seconds Using Deep Learning 2025-Sep-17, Radiology. Artificial intelligence DOI:10.1148/ryai.240299 PMID:40960397	研究论文	介绍一种开源深度学习模型DLMUSE，用于全自动脑部MRI快速分割	开发了比现有方法快10000倍的分割工具，并在多样本验证中保持高精度	研究未明确说明模型对不同MRI设备或采集参数的泛化能力	实现快速、自动化的脑部MRI分割以支持大规模神经影像研究	人类脑部MRI扫描数据	医学影像分析	阿尔茨海默病	深度学习	深度学习模型（具体架构未说明）	MRI影像	训练集1900例，验证集71391例来自14项研究
399	2025-09-18	Identifying suspicious naevi with dermoscopy via variational autoencoder auxiliary generative classifiers 2025-Sep-17, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01636-9 PMID:40960587	研究论文	本研究利用变分自编码器辅助生成对抗网络（VAE-ACGAN）对可疑痣进行识别和分类，并生成合成样本以增强数据集	提出VAE-ACGAN模型，通过变分流形可视化两类痣的分布，并生成高质量合成样本以提升分类性能	NA	开发数据驱动方法实现黑色素瘤的早期检测，通过识别可疑痣的独特特征	可疑与非可疑痣的皮肤镜图像	计算机视觉	皮肤癌	生成对抗网络（GANs），变分自编码器（VAE）	VAE-ACGAN	图像	NA
400	2025-09-18	Habitat-aware radiomics and adaptive 2.5D deep learning predict treatment response and long-term survival in ESCC patients undergoing neoadjuvant chemoimmunotherapy 2025-Sep-17, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07522-6 PMID:40960691	研究论文	提出一种结合栖息地影像组学和自适应2.5D深度学习的多模态框架，用于预测食管鳞癌患者新辅助化疗免疫治疗的反应和长期生存	通过体素级栖息地影像组学量化肿瘤内/瘤周异质性，采用2.5D深度学习建模跨截面肿瘤生物学，并利用SHAP可解释性建立机制驱动的生物标志物	双中心回顾性研究，样本量有限（共269例患者），需进一步外部验证	预测食管鳞癌患者新辅助化疗免疫治疗的反应和长期生存结果	269例初治食管鳞癌患者	数字病理	食管癌	PET/CT影像分析，影像组学特征提取，深度学习	ResNet50，多示例学习（MIL），集成分类器（ExtraTrees/SVM/RandomForest），Crossformer架构	医学影像（PET/CT）	269例ESCC患者（训练集144例，验证集62例，测试集63例）