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
4221	2025-04-18	Discovery of Novel DDR1 Inhibitors through a Hybrid Virtual Screening Pipeline, Biological Evaluation and Molecular Dynamics Simulations 2025-Apr-10, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.4c00634 PMID:40236534	研究论文	本研究通过混合虚拟筛选流程、生物学评估和分子动力学模拟，发现新型DDR1抑制剂	结合深度学习模型与传统分子对接技术，加速发现强效和选择性DDR1抑制剂	研究仅针对DDR1抑制剂，未涉及其他潜在治疗靶点	发现针对急性髓性白血病（AML）的新型DDR1抑制剂	Discoidin domain receptor 1 (DDR1)及其抑制剂	计算生物学	急性髓性白血病	深度学习、分子对接、分子动力学模拟	深度学习模型	化学化合物数据	七种候选化合物
4222	2025-04-18	MGMA-DTI: Drug target interaction prediction using multi-order gated convolution and multi-attention fusion 2025-Apr-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108449 PMID:40239449	研究论文	提出了一种基于多门控卷积和多注意力融合的药物-靶标相互作用预测模型MGMA-DTI	采用多门控卷积增强对氨基酸序列全局特征的捕捉能力，并设计多注意力融合模块有效捕获药物-靶标相互作用特征	未提及模型在更大规模数据集上的泛化能力	提高药物-靶标相互作用预测的准确性和模型可解释性	药物分子和蛋白质靶标	机器学习	NA	图卷积神经网络、多门控卷积	MGMA-DTI（基于多门控卷积和多注意力融合的模型）	分子图（来自SMILES字符串）、氨基酸序列	三个基准数据集：BindingDB、BioSNAP和Human
4223	2025-04-18	DeepAssembly2: A Web Server for Protein Complex Structure Assembly Based on Domain-Domain Interactions 2025-Apr-04, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169128 PMID:40188941	研究论文	介绍了一个名为DeepAssembly2的Web服务器，用于基于域-域相互作用自动组装蛋白质复合物结构	DeepAssembly2在新构建的链间域-域相互作用数据集上训练，并增加了重要特征如界面残基倾向和超快形状识别，同时引入了AlphaFold-Multimer模型的链间残基距离以提高准确性	NA	准确预测蛋白质复合物结构，以理解其功能并促进药物发现	蛋白质复合物结构	生物信息学	NA	深度学习	深度学习模型	蛋白质序列和单体结构	NA
4224	2025-04-18	Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study 2025-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.008 PMID:39289097	研究论文	本研究开发并验证了基于临床变量、多参数MRI和HE染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性（MSI）状态	结合临床数据、多参数MRI和HE染色病理切片，构建了多模态深度学习模型，并通过加权线性组合创建了预测MSI状态的列线图	样本量相对较小，且仅来自三个中心，可能影响模型的泛化能力	预测直肠癌患者的微卫星不稳定性（MSI）状态	直肠癌患者	数字病理学	直肠癌	多参数MRI（mp-MRI）、HE染色、免疫组化（IHC）染色	ResNet-101	MRI图像、病理切片图像	467例经手术确认的直肠癌患者（来自三个中心）
4225	2025-04-18	Deep Learning Using One-stop-shop CT Scan to Predict Hemorrhagic Transformation in Stroke Patients Undergoing Reperfusion Therapy: A Multicenter Study 2025-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.052 PMID:39462736	研究论文	本研究开发并验证了利用多期相CT血管造影（CTA）和CT灌注（CTP）图像的深度学习模型，用于全自动预测接受再灌注治疗的急性缺血性卒中患者的出血性转化	首次使用多期相CTA和CTP图像结合深度学习技术，实现出血性转化的全自动预测	研究为回顾性设计，样本量相对有限（229例患者）	开发预测急性缺血性卒中患者再灌注治疗后出血性转化的可靠工具	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	多期相CTA和CTP成像	DenseNet	医学影像	229例急性缺血性卒中患者（训练集183例，测试集46例）
4226	2025-04-18	Exploring Structure Diversity in Atomic Resolution Microscopy With Graph 2025-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202417478 PMID:39988855	research paper	本文提出了一种基于等变图神经网络（EGNN）的少样本学习框架，用于分析原子结构库，显著提高了处理多样化原子构型显微图像的效率和灵活性	利用原子结构与图之间的相似性，开发了基于EGNN的少样本学习框架，相比传统图像驱动的深度学习模型，显著提升了鲁棒性并减少了计算参数	NA	探索原子分辨率显微镜中结构多样性的高效、准确和智能分析方法	原子结构库（如空位、相、晶界、掺杂等）	machine learning	NA	等变图神经网络（EGNN）	EGNN	image	NA
4227	2025-04-18	Review of 2024 publications on the applications of artificial intelligence in rheumatology 2025-Apr, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07382-3 PMID:40011358	review	本文综述了2024年人工智能在风湿病学中的应用，涵盖了诊断、生物标志物发现、基因组学、数字健康技术和个性化医疗等领域	强调了深度学习模型在影像诊断、AI驱动的基因组分析和可穿戴健康技术中的前沿应用	临床医生采用率低、伦理问题、数据隐私问题以及模型验证不足	探讨人工智能在风湿病学中的研究与应用	风湿病学中的诊断、治疗和研究	machine learning	rheumatology	deep learning, AI-powered genomic analysis, wearable health technologies	deep learning models	imaging, genomic data, health monitoring data	NA
4228	2025-04-18	Non-invasive derivation of instantaneous free-wave ratio from invasive coronary angiography using a new deep learning artificial intelligence model and comparison with human operators' performance 2025-Apr, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03369-y PMID:40063156	研究论文	开发了一种基于深度学习的AI模型，用于从侵入性冠状动脉造影中非侵入性推导瞬时无波比率(iFR)，并与人类操作者的性能进行比较	首次探索使用AI从侵入性冠状动脉造影中非侵入性推导iFR，并开发了三种AI模型进行病变分类，其中模型3在左前降支(LAD)表现优异，模型1在回旋支(Cx)/右冠状动脉(RCA)表现优异	研究为单中心回顾性研究，样本量较小(250例测量)，需要进一步验证研究	开发能够从侵入性冠状动脉造影中非侵入性推导iFR的AI模型，并评估其性能	接受冠状动脉造影和iFR测量的患者	数字病理学	心血管疾病	深度学习	CNN, transformer, EfficientNet-B5	图像	250例测量
4229	2025-04-18	A comparative study of explainability methods for whole slide classification of lymph node metastases using vision transformers 2025-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000792 PMID:40233316	研究论文	本研究比较了多种可解释性方法在视觉变换器（Vision Transformers）用于淋巴结转移全切片分类中的效果	评估了多种最先进的热图生成技术，发现ViT-Shapley在生成可靠和可解释热图方面表现最佳	研究仅基于CAMELYON16数据集，可能无法推广到其他病理图像或癌症类型	评估视觉变换器在病理图像分类中的可解释性方法，以提高临床工作流程中的信任和可扩展性	淋巴结转移的乳腺癌患者的全切片图像	数字病理学	乳腺癌	深度学习	Vision Transformers	图像	399张全切片图像
4230	2025-04-18	EMCAH-Net: an effective multi-scale context aggregation hybrid network for medical image segmentation 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1983 PMID:40235751	research paper	提出了一种名为EMCAH-Net的混合深度学习模型，用于有效且鲁棒地分割医学图像	集成了有效的多尺度上下文聚合（EMCA）块和双注意力增强自注意力（DASA）块，有效整合局部多尺度特征和全局特征	未明确提及具体局限性	开发一种能够有效分割医学图像的混合深度学习模型	医学图像，包括但不限于CT和MR图像	digital pathology	NA	深度学习	CNN, Transformer, EMCAH-Net	image	Synapse, ACDC, DRIVE数据集
4231	2025-04-18	SuperMRF: deep robust reconstruction for highly accelerated magnetic resonance fingerprinting 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1819 PMID:40235764	研究论文	本文提出了一种名为SuperMRF的深度学习框架，用于从欠采样的3D Cartesian MRF数据直接生成定量T1和T2图，绕过传统的模式匹配方法	SuperMRF利用3D CNN同时利用空间和时间信息进行重建，相比传统方法在高度加速扫描下仍能保持高精度和鲁棒性	研究仅针对健康志愿者的膝关节扫描数据进行了验证，样本量较小（4名志愿者）	设计和评估一种新型深度学习框架，用于磁共振指纹（MRF）的快速、高质量重建	磁共振指纹（MRF）数据	医学影像分析	NA	磁共振指纹（MRF）	3D CNN	3D医学影像	健康志愿者膝关节扫描数据（模拟实验）和4名志愿者前瞻性数据
4232	2025-04-18	Detecting keypoints with semantic labels on skull point cloud for plastic surgery 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1358 PMID:40235762	研究论文	提出了一种用于整形外科的密集三维头骨点云关键点检测框架，以辅助术前规划	结合PointRes2Net模块和自组织映射的关键点描述符-检测器框架，以及基于关键点的局部小部分分割策略	需要密集的三维点云数据，且未提及对其他类型点云的适用性	开发用于整形外科的精确关键点检测和分割方法	头骨三维点云模型	计算机视觉	整形外科	深度学习	PointRes2Net, 自组织映射	三维点云	未明确提及具体样本数量，但涉及尺寸为231 mm × 173 mm × 151 mm的头骨模型
4233	2025-04-18	A novel dual-branch segmentation algorithm for overall spine segmentation 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2297 PMID:40235769	research paper	提出了一种基于nnUnet框架的双分支分割算法DBU-Net，用于脊柱CT图像的高效自动化分割	DBU-Net结合了多尺度特征通道注意力模块和双分支解码器架构，能够自适应调整各通道重要性并整合全局上下文与局部特征	研究仅使用了VerSe数据集进行验证，未在其他脊柱CT数据集上进行广泛测试	开发一种高效的深度学习分割网络，用于脊柱CT图像的自动化分割	脊柱CT图像中的椎骨结构	digital pathology	spinal disease	CT imaging	DBU-Net (基于nnUNet改进的双分支网络)	CT图像	MICCAI 2019和2020年VerSe数据集
4234	2025-04-18	Diagnostic accuracy of deep learning for the invasiveness assessment of ground-glass nodules with fine segmentation: a systematic review and meta-analysis 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1839 PMID:40235789	meta-analysis	系统评价和荟萃分析深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性	首次系统评价和荟萃分析深度学习模型在肺腺癌侵袭性评估中的诊断准确性	证据的整体质量较低，需要更多大规模、多中心、高质量的研究来验证	评估深度学习模型通过精细结节分割在肺腺癌侵袭性诊断中的准确性	肺腺癌（IAC）表现为磨玻璃结节（GGNs）的患者	digital pathology	lung cancer	deep learning, nodule segmentation	DL	image	8项研究，涉及5,281个结节和4,676名患者
4235	2025-04-18	Carotid artery segmentation in computed tomography angiography (CTA) using multi-scale deep supervision with Swin-UNet and advanced data augmentation 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2087 PMID:40235793	research paper	本研究提出了一种基于深度学习的自动化三维颈动脉分割方法，用于计算机断层扫描血管造影（CTA）图像	结合了Swin变换器、深度监督机制和创新数据增强技术，显著提高了分割的准确性和鲁棒性	研究仅基于214例CTA图像，样本量相对较小	开发一种自动且准确的3D颈动脉分割方法，以辅助颈动脉疾病（CAD）的诊断	颈动脉疾病患者的CTA图像	digital pathology	cardiovascular disease	deep learning	MFSD-UNet (Multi-Flux-Swin-Deepsup-UNet)	image	214例CTA图像
4236	2025-04-18	Formal validation of a deep learning-based automated interpretation system for cardiac structure and function in adult echocardiography 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1852 PMID:40235804	研究论文	本研究提出了一种基于深度学习的自动化系统，用于解释成人超声心动图中的心脏结构和功能	开发了Auto-Echo和Auto-Doppler两种深度学习算法，用于自动测量超声心动图参数，显著提高了测量效率和准确性	在RV-A4C视图和RV参数测量中观察到较大的绝对偏差，且跨瓣速度的VTI测量显示出较大的相对偏差	验证深度学习在超声心动图心脏结构和功能自动解释中的准确性和效率	成人心脏结构和功能的超声心动图测量	数字病理学	心血管疾病	超声心动图	深度学习（具体架构未明确说明）	视频和图像	训练集：141名患者的416个视频循环和892幅多普勒图像；验证集：60名新患者的178个新视频循环和391幅多普勒图像；外部验证集：90个2D视频和120幅多普勒图像
4237	2025-04-18	Feasibility of magnetization-transfer-contrast relaxation-enhanced angiography without contrast and triggering (REACT) imaging at 1.5 T combined with deep learning-based reconstruction for cardiovascular visualization 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2199 PMID:40235803	研究论文	本研究评估了在1.5 T磁场下结合磁化转移对比增强的无对比剂和触发血管成像（REACT）与基于深度学习的重建技术用于心血管可视化的可行性	结合磁化转移对比（MTC）预脉冲和深度学习的Adaptive-CS-Net算法，显著提升了肺动脉和肺静脉成像的信噪比（SNR）和对比噪声比（CNR）	研究样本量较小（20名参与者），且仅针对肺静脉和肺动脉成像进行了评估	评估MTC-REACT技术结合深度学习重建在心血管成像中的可行性和图像质量提升效果	肺动脉和肺静脉	医学影像	心血管疾病	磁共振血管成像（MRA）、深度学习重建	Adaptive-CS-Net	医学影像数据	20名参与者
4238	2025-04-18	Development and validation of the Artificial Intelligence-Proliferative Vitreoretinopathy (AI-PVR) Insight system for deep learning-based diagnosis and postoperative risk prediction in proliferative vitreoretinopathy using multimodal fundus imaging 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1644 PMID:40235812	research paper	开发并验证了一个基于深度学习的系统AI-PVR Insight，用于增殖性玻璃体视网膜病变(PVR)的自动识别、分级及术后风险评估	结合TwinsSVT和DenseNet-121两种深度学习模型，从B-scan超声、OCT和超广角视网膜成像三种模态中提取特征，实现PVR的自动化诊断与风险预测	研究数据来源于两家医院，可能存在选择偏倚；模型性能需在更多外部数据集中进一步验证	开发自动化系统以改善增殖性玻璃体视网膜病变的早期诊断和术后管理	接受玻璃体切除术的1700例患者（1700只眼）的多模态眼底影像数据	digital pathology	增殖性玻璃体视网膜病变(PVR)	B-scan超声、光学相干断层扫描(OCT)、超广角视网膜成像(UWF)	TwinsSVT, DenseNet-121, MLP, SVM	多模态医学影像	1700例患者（1700只眼）的回顾性数据
4239	2025-04-18	Deep learning network based on high-resolution magnetic resonance vessel wall imaging combined with attention mechanism for predicting stroke recurrence in patients with symptomatic intracranial atherosclerosis 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1723 PMID:40235801	研究论文	本研究开发了一种基于高分辨率磁共振血管壁成像（HR-VWI）和注意力机制的深度学习网络模型，用于预测症状性颅内动脉粥样硬化性狭窄（sICAS）患者的卒中复发风险	结合Transformer注意力机制构建了先进的集成模型Trans-CNN，显著提升了预测性能	研究为回顾性设计，样本量相对有限（363例患者）	开发高精度模型预测sICAS患者的卒中复发风险	症状性颅内动脉粥样硬化性狭窄患者	数字病理学	心血管疾病	高分辨率磁共振血管壁成像（HR-VWI）	CNN（ResNet50和DenseNet169）与Transformer注意力机制结合的Trans-CNN模型	医学影像	363例sICAS患者（训练集254例，测试集109例）
4240	2025-04-18	MRI-based habitat radiomics combined with vision transformer for identifying vulnerable intracranial atherosclerotic plaques and predicting stroke events: a multicenter, retrospective study 2025-Apr, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103186 PMID:40235946	研究论文	本研究开发了一种基于高分辨率血管壁成像（HR-VWI）的人工智能模型，用于识别症状性颅内动脉粥样硬化狭窄（sICAS）患者的易损斑块并预测卒中复发风险	结合了栖息地放射组学与Vision Transformer（ViT）架构，采用堆叠融合策略构建融合模型，显著提高了识别和预测性能	研究为回顾性设计，可能存在选择偏倚；样本来自四个医疗机构，可能影响模型的泛化能力	开发非侵入性工具以准确识别高风险易损斑块并评估卒中风险，辅助临床决策	726名sICAS患者的1806个斑块	数字病理	心血管疾病	高分辨率血管壁成像（HR-VWI）、K-means聚类、放射组学分析	Vision Transformer（ViT）、栖息地模型、融合模型	MRI图像	726名患者的1806个斑块