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
421	2025-07-16	[The development of AlphaFold and its applications in biology and medicine] 2025-Jul-06, Zhonghua yu fang yi xue za zhi [Chinese journal of preventive medicine] DOI:10.3760/cma.j.cn112150-20250117-00051 PMID:40661027	综述	本文综述了AlphaFold的发展历程及其在生物学和医学中的应用	AlphaFold2通过端到端深度学习架构实现了原子级精度的蛋白质结构预测，解决了长期以来的蛋白质折叠问题，而AlphaFold3进一步扩展了预测能力，能够模拟复杂的生物分子复合物	在模拟构象动力学和瞬时结合状态方面仍存在局限性	探讨AlphaFold在计算生物学中的发展及其多学科应用	蛋白质结构预测及生物分子复合物模拟	计算生物学	NA	深度学习	AlphaFold2, AlphaFold3	蛋白质结构数据	NA
422	2025-07-16	MPN-RRT*: A New Method in 3D Urban Path Planning for UAV Integrating Deep Learning and Sampling Optimization 2025-Jul-02, Sensors (Basel, Switzerland) DOI:10.3390/s25134142 PMID:40648397	研究论文	提出了一种结合深度学习和采样优化的新型3D城市无人机路径规划方法MPN-RRT*	通过将Motion Planning Networks (MPNet)与RRT*结合，利用降维技术将3D城市地形切片为2D迷宫表示，并应用迁移学习优化采样，显著提高了计算效率和路径质量	研究仅基于MATLAB仿真验证，未涉及实际无人机飞行测试	提升无人机在复杂3D城市环境中的路径规划效率和路径质量	无人机(UAV)	机器学习和路径规划	NA	Motion Planning Networks (MPNet), Rapidly exploring Random Tree Star (RRT*), 迁移学习	MPNet, RRT*	3D城市地图数据	两个3D环境：稀疏的200 × 200 × 200地图和密集的800 × 800 × 200地图
423	2025-07-16	The Pulseq-CEST Library: definition of preparations and simulations, example data, and example evaluations 2025-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01242-6 PMID:40146474	研究论文	介绍Pulseq-CEST库，一个用于标准化和原型设计化学交换饱和转移（CEST）MRI序列的存储库	提供了一种灵活的机制来标准化和原型设计CEST序列，支持可重复研究、快速原型设计和深度学习训练数据生成	NA	标准化化学交换饱和转移（CEST）MRI研究，促进协作开发	CEST MRI序列及其模拟和评估	医学影像	NA	化学交换饱和转移（CEST）MRI，Bloch-McConnell模拟	Bloch-McConnell方程	模拟数据和实验数据	使用五管模型和模拟环境进行比较
424	2025-07-16	Computer-Aided Technology for Bioactive Protein Design and Clinical Application 2025-Jul, Macromolecular bioscience IF:4.4Q1 DOI:10.1002/mabi.202500007 PMID:40260555	综述	本文综述了计算机辅助蛋白质设计（CAPD）技术及其在蛋白质治疗药物中的应用	整合了深度学习预测和生成模型，显著提升了蛋白质药物的结合亲和力、特异性并降低免疫原性	面临模型过拟合、稀有蛋白质家族数据不足以及需要高效实验验证等挑战	探讨CAPD技术在蛋白质工程和治疗药物开发中的应用	单克隆抗体、蛋白质药物、抗原和蛋白质聚合物	蛋白质工程	NA	计算机辅助蛋白质设计（CAPD）、深度学习	生成模型	蛋白质结构数据	NA
425	2025-07-16	The use of machine learning in transarterial chemoembolisation/transarterial embolisation for patients with intermediate-stage hepatocellular carcinoma: a systematic review 2025-Jul, La Radiologia medica DOI:10.1007/s11547-025-02013-y PMID:40317437	系统综述	本文评估了机器学习模型在提高TACE和TAE治疗中期肝癌精确性和疗效方面的有效性	首次系统性地评估了机器学习在TACE和TAE治疗中期肝癌中的应用效果	研究异质性限制了结果的可比性，且所有研究均来自中国，缺乏多中心数据	提高中期肝癌患者TACE/TAE治疗的精确性和疗效	中期肝癌患者	机器学习	肝癌	机器学习（包括深度学习和放射组学）	深度学习、放射组学	医学影像数据	7项研究，共4017名患者
426	2025-07-16	Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review 2025-Jul, Advances in nutrition (Bethesda, Md.) DOI:10.1016/j.advnut.2025.100438 PMID:40334987	系统综述	本文系统综述了人工智能在癌症患者营养不良管理中的应用，包括营养状况评估、预测、临床结果和身体成分监测	AI模型在营养不良检测中表现出高预测准确性，机器学习算法优于传统筛查工具，深度学习模型在医学影像中实现了高分割精度	需要进一步研究以标准化AI模型并确保临床适用性	评估人工智能在癌症患者营养不良识别和管理中的作用	癌症患者	医疗人工智能	癌症	机器学习算法（决策树、随机森林、支持向量机）、深度学习模型	决策树、随机森林、支持向量机、深度学习模型	医学影像、临床数据	11项研究（n = 52,228患者）
427	2025-07-16	EM-PLA: environment-aware heterogeneous graph-based multimodal protein-ligand binding affinity prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf298 PMID:40354612	research paper	提出了一种基于环境感知异构图神经网络和多模态数据的深度学习方法EM-PLA，用于预测蛋白质-配体结合亲和力	首次将环境信息（源自蛋白质和配体的生化特性）整合到异构图神经网络中，改进了非共价相互作用的计算	未具体说明模型在哪些特定环境条件下表现不佳或存在偏差	提高蛋白质-配体结合亲和力预测的准确性和效率	蛋白质-配体结合亲和力	machine learning	NA	异构图神经网络（HGT）	HGT	multimodal data (蛋白质序列、配体序列、生化特性)	未明确说明（通过基准实验验证）
428	2025-07-16	Deep learning reveals the complex genetic architecture of male guppy colouration 2025-Jul-01, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-025-02781-w PMID:40596731	研究论文	利用深度学习揭示雄性孔雀鱼颜色变异的复杂遗传结构	结合卷积神经网络进行高分辨率表型分析、选择实验、控制谱系和全基因组重测序，首次揭示了孔雀鱼颜色模式的遗传基础	研究仅聚焦于雄性孔雀鱼，未涉及雌性或其他物种的颜色变异	解析雄性孔雀鱼颜色变异的遗传结构和维持机制	雄性孔雀鱼(Poecilia reticulata)的颜色变异	机器学习	NA	全基因组重测序、卷积神经网络	CNN	基因组数据、图像数据	NA
429	2025-07-16	Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma 2025-Jul, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0691 PMID:40607934	研究论文	本研究利用深度学习技术从甲状腺乳头状癌（PTC）的组织病理学切片中预测基因变异，并发现新的形态学特征	使用Vision Transformer模型从组织病理学切片中预测基因变异，并发现与特定基因型相关的新形态学标准	研究为回顾性设计，需要进一步前瞻性验证	探索人工智能在预测PTC基因变异中的应用	甲状腺乳头状癌（PTC）患者	数字病理学	甲状腺癌	深度学习	Vision Transformer	图像	662例PTC患者（TCGA队列496例，Mainz队列166例）
430	2025-07-16	Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17955 PMID:40660797	研究论文	本研究通过改进基于深度学习的MRI重建技术，利用去噪扩散模型结合患者特异性先验信息，提高了放疗规划中异常区域的识别准确性	提出了一种结合患者特异性先验信息的自适应扩散模型，显著提升了肿瘤和手术缺陷区域的MRI重建精度	研究样本量较小（73例），且仅针对脑肿瘤患者进行评估	改进基于AI的快速MRI重建技术，以更好地支持放疗规划	接受脑肿瘤放疗的儿科和年轻成人患者的MRI图像	医学影像分析	脑肿瘤	去噪扩散模型	扩散模型	MRI图像	73例患者（58例训练，15例测试）
431	2025-07-16	AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17958 PMID:40660802	research paper	该研究提出了一种名为SAM-RCCF的框架，通过整合RefineNet模块和轮廓约束特征，提高了Segment Anything Model (SAM)在医学图像分割中的鲁棒性和精确性	提出SAM-RCCF框架，整合RefineNet模块和条件控制场，针对医学图像特点优化分割精度	研究仅针对脑部肿瘤MRI图像，未验证在其他医学图像分割任务中的适用性	提升SAM模型在医学图像分割中的性能，特别是针对颅内肿瘤的分割任务	脑部肿瘤患者的MRI图像，包括胶质瘤、转移性肿瘤和脑膜瘤	digital pathology	brain tumor	MRI	SAM-RCCF (基于Segment Anything Model改进的模型)	image	484例脑部肿瘤患者的轴向T1加权对比增强MRI数据（164例胶质瘤，158例转移性肿瘤，162例脑膜瘤）
432	2025-07-16	ICD lead and primary metal artifact detection and inpainting in cardiac CT images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17947 PMID:40660812	研究论文	开发了一种自动检测心脏CT扫描中ICD导线及周围金属伪影并进行修复的方法	提出了两种深度学习模型，用于自动检测和修复心脏CT图像中的ICD导线及主要金属伪影，提高了心脏分割和运动分析的准确性	方法主要针对已重建的CT图像，且需要手动标注金属伪影进行训练	开发一种方法来减少心脏CT图像中ICD导线引起的金属伪影，恢复丢失的解剖信息	心脏CT图像中的ICD导线及金属伪影	数字病理学	心血管疾病	深度学习	2D U-Net, 3D图像修复模型	CT图像	12名患者的心脏4DCT扫描数据，以及148名患者的无伪影心脏CT数据用于合成数据集
433	2025-07-16	Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17957 PMID:40660837	研究论文	提出了一种结构语义引导的深度学习网络，通过双交叉注意机制从PET图像合成MR图像	探索了一种新的功能到结构的转换方法（PET到MR合成），并引入了结构语义损失和双交叉注意模块	未来需要将该合成方法扩展到其他模态合成任务和临床实践中	简化医学成像流程，提高效率和可及性	PET和MR图像	数字病理	脑部疾病	深度学习	双交叉注意机制（DCA）	医学图像（PET和MR）	NA
434	2025-07-16	An unsupervised sparse-view CT reconstruction framework using combination of iterative deep image prior and ADMM 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17933 PMID:40660832	研究论文	提出了一种名为ADMM-DRP的无监督深度学习框架，用于稀疏视图和低剂量CT重建	结合了未经训练的神经网络和ADMM迭代重建算法，减少了对训练数据的依赖	未提及具体样本量或临床验证结果	改进稀疏视图和低剂量CT的图像重建质量	CT图像重建	医学影像	NA	深度学习、ADMM算法、TV正则化	无监督神经网络	CT图像	NA
435	2025-07-16	Deep residual network-based projection interpolation and post-processing techniques for thoracic patient CBCT reconstruction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17953 PMID:40660879	研究论文	本研究开发了一种基于深度学习的投影插值和后处理技术，用于改善胸部患者CBCT重建的图像质量并降低成像剂量	首次提出结合深度残差U-Net（DRU）模型的CBCT投影插值技术，并在真实患者投影数据上验证了其有效性	研究仅针对特定几何（半扇和全扇）的有限样本量进行了验证	开发深度学习技术以改善稀疏采样CBCT投影重建的图像质量并降低患者成像剂量	胸部患者的CBCT投影数据	数字病理	NA	深度学习、FDK算法	深度残差U-Net（DRU）	CBCT投影图像	76、98和136个从680个投影中提取的稀疏采样投影（半扇几何）
436	2025-07-16	Denoising pediatric cardiac photon-counting CT data with sparse coding and data-adaptive, self-supervised deep learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17918 PMID:40660927	研究论文	本文提出了一种结合稀疏编码和数据自适应自监督深度学习的方法，用于降低儿科心脏光子计数CT数据的噪声	改进的Vision Transformer架构结合稀疏编码，通过动态调整训练过程中的数据保真度和表示稀疏性平衡，实现自监督去噪	在已经高度去噪的临床PCCT数据中，对1岁以下患者的数据会出现图像细节平滑的问题	提升儿科心脏CT图像去噪方法，适应不同图像质量	儿科心脏光子计数CT数据	医学影像处理	先天性心脏病	光子计数CT(PCCT)，深度学习	改进的3D Vision Transformer(mViT)	CT图像	20名患者数据用于训练(1-18岁)，3名额外患者数据(2名<1岁)和一组小鼠心脏PCCT数据用于测试
437	2025-07-16	Preserving noise texture through training data curation for deep learning denoising of high-resolution cardiac EID-CT 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17938 PMID:40660962	研究论文	本研究开发并测试了用于训练CNN模型的基于图像的噪声估计方法，以评估EID-CT冠状动脉CT血管造影（cCTA）图像在高分辨率重建下的去噪性能和噪声纹理保留	提出了两种直接从高分辨率重建的EID-CT患者图像中估计噪声的方法，并通过训练不同的CNN模型比较了它们在去噪和噪声纹理保留方面的效果	研究仅基于有限的样本（7例患者cCTA检查），且模型在保留小解剖结构方面存在一定局限性	提高EID-CT冠状动脉CT血管造影图像的质量，使其在去噪后能保留自然噪声纹理并接近PCD-CT的分辨率	高分辨率重建的EID-CT冠状动脉CT血管造影图像	数字病理	心血管疾病	CNN去噪技术	U-net CNN	CT图像	7例患者cCTA检查及均匀水模体CT图像
438	2025-07-16	CATH-ddG: towards robust mutation effect prediction on protein-protein interactions out of CATH homologous superfamily 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf228 PMID:40662779	研究论文	提出了一种名为CATH-ddG的新方法，用于预测蛋白质-蛋白质相互作用中突变效应，特别是在CATH同源超家族之外的稳健预测	采用CATH同源超家族的新训练/测试分割以减少数据泄漏，结合物理能量约束和蛋白质3D结构，提出几何编码器场景和混合噪声策略进行数据增强，并微调ESM2表示以提升序列共进化信息的可迁移性	深度学习模型可能因潜在的数据泄漏而高估性能，且对硬突变（最大TM分数<0.6）的泛化能力仍有挑战	提高蛋白质-蛋白质相互作用中突变效应预测的准确性和稳健性，以支持药物设计和疾病机制研究	蛋白质-蛋白质相互作用中的突变效应	生物信息学	NA	深度学习，几何编码器，ESM2表示微调	CATH-ddG	蛋白质3D结构，序列数据	419种人类表皮生长因子受体2（HER2）抗体变体和285种SARS-CoV-2受体结合域（RBD）变体
439	2025-07-16	GASTON-Mix: a unified model of spatial gradients and domains using spatial mixture-of-experts 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf254 PMID:40662777	研究论文	本文介绍了一种名为GASTON-Mix的机器学习算法，用于从空间分辨转录组学(SRT)数据中识别空间域和每个域内的空间梯度	GASTON-Mix扩展了专家混合(MoE)深度学习框架，将其应用于空间MoE模型，结合了MoE模型的聚类组件和神经场模型，能够表示组织中空间域的任何几何排列，并在每个域内定义基因表达的连续梯度	NA	开发一种能够同时识别空间域和空间梯度的计算方法，以更准确地量化基因表达的空间变异	空间分辨转录组学(SRT)数据	机器学习	NA	空间分辨转录组学(SRT)	专家混合(MoE)深度学习框架	基因表达数据	NA
440	2025-07-16	Top-DTI: integrating topological deep learning and large language models for drug-target interaction prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf183 PMID:40662785	研究论文	提出了一种结合拓扑深度学习和大型语言模型的药物-靶点相互作用预测框架Top-DTI	整合拓扑数据分析和大型语言模型，利用持久同源性提取蛋白质接触图和药物分子图像的拓扑特征，同时通过LLM生成蛋白质序列和药物SMILES字符串的语义丰富嵌入	未提及具体局限性	提高药物-靶点相互作用预测的准确性和鲁棒性	药物和靶点蛋白质	机器学习	NA	拓扑数据分析(TDA)、大型语言模型(LLMs)	Top-DTI	蛋白质接触图、药物分子图像、蛋白质序列、药物SMILES字符串	公共BioSNAP和Human DTI基准数据集