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
481	2025-09-08	Commentary on: "Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model" 2025-Sep-05, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107652 PMID:40914072	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
482	2025-09-08	AI-driven and Traditional Radiomic Model for Predicting Muscle Invasion in Bladder Cancer via Multi-parametric Imaging: A Systematic Review and Meta-analysis 2025-Sep-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.035 PMID:40914722	系统综述与荟萃分析	通过荟萃分析方法系统评估AI驱动和传统放射组学模型在检测肌层浸润性膀胱癌中的诊断性能	首次系统比较AI与传统放射组学模型性能，并探讨其与VI-RADS系统的协同价值	纳入研究存在显著异质性，需要多国多中心前瞻性研究验证外部有效性	评估放射组学模型对膀胱癌肌层浸润的诊断准确性	膀胱癌患者	医学影像分析	膀胱癌	放射组学分析，多参数成像（CT/MRI）	深度学习，机器学习，传统放射组学模型	医学影像	43项研究，9624名患者
483	2025-09-08	SeaMoon: From protein language models to continuous structural heterogeneity 2025-Sep-04, Structure (London, England : 1993) DOI:10.1016/j.str.2025.06.010 PMID:40683255	研究论文	提出SeaMoon方法，利用蛋白质语言模型从序列直接预测蛋白质连续构象变化	首次探索从蛋白质序列直接预测连续构象变化，无需依赖3D结构	仅对40%的测试蛋白质能准确预测至少一种真实运动	开发深度学习模型预测蛋白质构象动力学	蛋白质构象变化和运动	机器学习	NA	蛋白质语言模型(pLM)	CNN	序列嵌入	约1,000组实验构象集合
484	2025-09-08	Lung lobe segmentation: performance of open-source MOOSE, TotalSegmentator, and LungMask models compared to a local in-house model 2025-Sep-04, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00623-9 PMID:40908427	研究论文	比较开源深度学习肺叶分割工具与本地训练模型在CT扫描图像上的性能表现	首次系统评估多种开源肺叶分割模型（MOOSE、TotalSegmentator、LungMask）并与本地nnU-Net模型在内部和外部数据集上进行全面性能对比	研究基于有限样本量（内部数据集164例，测试集33例），且外部验证仅使用LOLA11竞赛数据（n=55）	评估深度学习肺叶分割模型的性能并比较不同训练策略的效果	CT扫描图像中的肺叶分割	医学图像分析	肺部疾病	深度学习分割，CT影像分析	nnU-Net, MOOSE, TotalSegmentator, LungMask	CT图像	内部数据集164例CT扫描，测试子集33例，外部验证集55例
485	2025-09-08	A Multi-Task Deep Learning Pipeline Integrating Vessel Segmentation and Radiomics for Multiclass Retinal Disease Classification 2025-Sep-04, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105209 PMID:40914189	研究论文	开发一种集成血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病	首次将基于Transformer的分割模型（Swin-Unet）与影像组学特征结合，实现多类别视网膜疾病分类	研究依赖多中心数据但未说明数据分布差异可能带来的影响	自动化视网膜疾病分类	糖尿病患者视网膜病变、高血压性视网膜病变、视乳头水肿及正常眼底	计算机视觉	视网膜疾病	深度学习、影像组学分析	U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet, XGBoost, CatBoost, Random Forest, Ensemble	眼底图像	2,165名患者（来自8个医疗中心），外部测试集769名患者
486	2025-09-08	AI-augmented prediction of high-risk PINK1 variants associated with Parkinson's disease: integrating multilayered bioinformatics, MD simulation, and deep learning 2025-Sep-04, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.08.014 PMID:40914318	研究论文	本研究通过整合多层生物信息学、分子动力学模拟和深度学习，预测了与帕金森病相关的PINK1基因高危非同义单核苷酸多态性	结合了生物信息学、分子对接、分子动力学模拟和深度学习多种方法，系统预测并验证了PINK1基因中导致结构功能破坏的高风险SNPs	研究主要基于计算预测，尚未进行实验验证	识别PINK1基因激酶域中最有害的nsSNPs及其结构和功能改变	PINK1基因激酶域中的非同义单核苷酸多态性	生物信息学	帕金森病	生物信息学分析、分子对接、分子动力学模拟、深度学习	深度学习	基因组数据、蛋白质结构数据	NA
487	2025-09-08	Comparative multi-task deep learning models for protein-nucleic acid interaction prediction: Unveiling the superior efficacy of the PNI-MAMBA architecture 2025-Sep-04, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.147419 PMID:40914361	研究论文	提出一种基于深度学习的多任务学习框架，用于预测蛋白质-核酸相互作用并识别结合位点	引入结合位点注意力机制捕获关键结合位点信息，并采用多任务学习目标函数结合分类损失和结合位点损失	NA	准确预测蛋白质-核酸相互作用及其结合位点	蛋白质与核酸（DNA和RNA）的相互作用	生物信息学	NA	深度学习，多任务学习	FCN, Transformer, Mamba	生物序列数据	合并的DNA和RNA数据集（具体数量未说明）
488	2025-09-08	PreRBP: Interpretable Deep Learning for RNA-Protein Binding Site Prediction with Attention Mechanism 2025-Sep-04, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115968 PMID:40914406	研究论文	本研究开发了一种基于深度学习的RNA-蛋白质结合位点预测模型PreRBP，结合注意力机制以提高可解释性	整合RNA序列和二级结构特征，采用四种欠采样算法处理类别不平衡问题，并构建了CNN-BiLSTM混合模型	仅使用27个公开数据集，模型输入特征可能仍需扩展	准确预测RNA-蛋白质结合位点以帮助理解基因表达调控机制	RNA序列及其与蛋白质的结合位点	生物信息学	NA	RNA二级结构分析（RNAshapes、EDeN）、高阶编码、欠采样算法	CNN、BiLSTM	RNA序列数据、结构数据	27个公开RNA-蛋白质结合位点数据集
489	2025-09-08	Deep learning-assisted system improves practical effect in cervical cytopathology diagnosis: A comparative study of reading modes 2025-Sep-04, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100882 PMID:40914500	研究论文	本研究通过随机对照四向交叉设计比较四种阅片模式在宫颈细胞病理学诊断中的效果，评估深度学习辅助系统的实际应用价值	首次采用四向交叉设计系统比较未辅助、并行、二次和分诊四种阅片模式，并综合评估诊断性能、时间效率和病理学家偏好	研究基于回顾性收集的样本，可能存在选择偏倚；未涉及长期临床应用效果的跟踪评估	评估不同深度学习辅助阅片模式在宫颈细胞病理学诊断中的有效性和实用性	宫颈细胞学涂片和认证细胞病理学家	数字病理学	宫颈癌	深度学习	深度学习模型（具体架构未说明）	细胞病理学图像	1620张宫颈涂片（2021-2022年回顾性收集），108位认证细胞病理学家参与
490	2025-09-08	AlzFormer: Video-based space-time attention model for early diagnosis of Alzheimer's disease 2025-Sep-03, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.08.062 PMID:40912354	研究论文	提出基于视频时空注意力机制的深度学习框架AlzFormer，用于阿尔茨海默病的早期诊断和多分类	首次将时空自注意力机制应用于MRI序列分析，将T1加权MRI体积视为视频序列处理	仅使用ADNI数据集的1.5T MRI扫描，未说明样本量具体数值	阿尔茨海默病的早期准确诊断和多分类	AD、MCI和CN个体的结构MRI扫描	计算机视觉	阿尔茨海默病	结构MRI扫描	Transformer（时空注意力机制）	图像（MRI序列）	NA
491	2025-09-08	End-to-end deep learning model with multi-channel and attention mechanisms for multi-class diagnosis in CT-T staging of advanced gastric cancer 2025-Sep-03, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112408 PMID:40913943	研究论文	构建了一个基于CT的端到端深度学习模型，用于晚期胃癌的肿瘤T分期	结合多通道和注意力机制的端到端深度学习模型，在CT-T分期中实现了高精度和一致性	回顾性研究，样本量相对有限（460例）	开发AI模型实现胃癌CT-T分期的自动化评估	晚期胃癌患者的术前CT影像	计算机视觉	胃癌	CT成像，深度学习	3D-Conv-UNet, SmallFocusNet, 端到端深度学习模型	CT影像	460例晚期胃癌患者（423例训练测试集，37例独立验证集）
492	2025-09-08	Soft Bioelectronic Interfaces for Continuous Peripheral Neural Signal Recording and Robust Cross-Subject Decoding 2025-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202414732 PMID:40433949	研究论文	开发用于外周神经信号连续记录的软生物电子接口及跨被试解码模型	采用低阻抗软导电聚合物电极实现与神经组织的稳定接触，并结合手工特征与深度学习特征的多策略神经网络模型	NA	提升外周神经信号解码精度与跨被试泛化能力	觉醒动物的外周神经组织	神经工程	神经系统疾病	神经信号记录与解码	神经网络（结合手工特征与深度学习特征）	神经电生理信号	NA
493	2025-09-08	Protein Spatial Structure Meets Artificial Intelligence: Revolutionizing Drug Synergy-Antagonism in Precision Medicine 2025-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202507764 PMID:40775740	综述	本文系统综述了结合蛋白质三维空间结构与人工智能技术预测药物协同-拮抗作用的最新研究进展与应用前景	整合蛋白质空间结构与AI技术预测药物协同-拮抗效应，推动精准医疗中的多靶点药物设计	NA	评估蛋白质位点可成药性及预测药物协同-拮抗作用	转录因子、信号通路调控蛋白、膜转运蛋白及多靶点药物	计算生物学	癌症、感染性疾病、代谢疾病	机器学习、深度学习	NA	多源生物数据（含蛋白质空间结构数据）	NA
494	2025-09-08	Deep learning reveals antibiotics in the archaeal proteome 2025-Sep, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02061-0 PMID:40796684	研究论文	利用深度学习从古菌蛋白质组中挖掘新型抗菌肽（archaeasins）以应对抗菌素耐药性	首次系统挖掘古菌作为抗生素来源，并发现具有独特氨基酸组成的抗菌肽，93%合成分子在体外显示抗菌活性	仅合成80种候选分子进行验证，体内实验仅针对一种病原体（鲍曼不动杆菌）	开发新型抗生素以解决抗菌素耐药性问题	古菌蛋白质组及其中潜在的抗菌肽分子	机器学习	细菌感染	深度学习	NA	蛋白质序列数据	233个古菌蛋白质组，筛选12,623个潜在分子，合成80个候选肽
495	2025-09-08	Automated Honey Bee Subspecies Identification Using Advanced Wing Venation Analysis and Adaptive Hierarchical Clustering 2025-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.72101 PMID:40909012	研究论文	提出一种结合自适应图像处理和拓扑感知聚类的计算框架，用于蜜蜂亚种的自动识别	开发了无需预定义标签的自适应层次聚类算法，能够有效区分杂交种群和表型中间体	NA	解决蜜蜂亚种识别的可扩展性和杂交样本分析难题	蜜蜂翅膀脉纹	计算机视觉	NA	NLM去噪、CLAHE增强、自适应阈值、形态学处理、Zhang-Suen骨架化	自适应层次聚类(AHC)	图像	26,481张翅膀图像
496	2025-09-08	stImage: a versatile framework for optimizing spatial transcriptomic analysis through customizable deep histology and location informed integration 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf429 PMID:40905789	研究论文	介绍了一个开源R包stImage，用于通过可定制的深度组织学和位置信息整合优化空间转录组分析	首次在统一框架中完全协同基因表达、组织学特征和精确空间坐标，提供54种整合策略	NA	优化空间转录组分析，提高组织生物学的理解	空间转录组数据	生物信息学	NA	空间转录组学，深度学习	深度学习	基因表达数据，组织学图像，空间坐标	多个数据集（具体数量未说明）
497	2025-09-08	SuperGLUE facilitates an explainable training framework for multi-modal data analysis 2025-Aug-29, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101167 PMID:40914154	研究论文	提出基于概率深度学习和可解释框架的SuperGLUE方法，用于多模态数据整合与分析	通过统计建模驱动的可解释框架统一多组学整合流程并评估数据整合贡献	NA	解决单细胞多模态数据整合难题并挖掘生物特征间的重要关系	多组学数据和传感数据	机器学习	NA	概率深度学习、统计建模	深度神经网络	多模态组学数据	NA
498	2025-09-08	Deep learning guided programmable design of Escherichia coli core promoters from sequence architecture to strength control 2025-Aug-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf863 PMID:40902006	研究论文	开发了一个集成深度学习、理性文库设计和生成优化的模块化平台，用于大肠杆菌核心启动子的可编程设计与强度控制	将Transformer模型与条件扩散模型结合，实现从序列架构到强度控制的端到端启动子工程，设计-测量相关性达0.95	现有AI方法泛化性有限的问题在文中被指出但未明确说明本方案的局限性	精确预测和设计大肠杆菌核心启动子的转录强度	大肠杆菌核心启动子	合成生物学	NA	Mutation-Barcoding-Reverse Sequencing, 深度学习	Transformer, 条件扩散模型	DNA序列	112,955个启动子变体组成的合成启动子文库
499	2025-09-08	Deep learning-based prediction of axillary pathological complete response in patients with breast cancer using longitudinal multiregional ultrasound 2025-Aug-27, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105896 PMID:40876229	研究论文	开发并验证一种基于深度学习的iShape模型，利用纵向多区域超声图像预测乳腺癌患者腋窝病理完全缓解	提出信息共享-私有(iShape)模型，通过从纵向原发肿瘤和腋窝淋巴结超声图像中学习共同和特定的图像表示，提高模型可解释性	回顾性研究设计，可能存在选择偏倚	预测接受新辅助治疗的腋窝淋巴结阳性乳腺癌患者的腋窝病理完全缓解	腋窝淋巴结阳性乳腺癌患者	数字病理	乳腺癌	RNA测序，超声成像	深度学习，iShape模型	超声图像	1135名经活检证实的腋窝淋巴结阳性乳腺癌患者（训练集371人，三个外部验证集分别为295、244和225人）
500	2025-09-08	A robust deep learning framework for cerebral microbleeds recognition in GRE and SWI MRI 2025-Aug-27, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103873 PMID:40886589	研究论文	提出一种基于深度学习的鲁棒框架，用于在GRE和SWI MRI中自动识别脑微出血	结合3D CNN和YOLO方法处理复杂场景中的假阳性，并在多个数据集上验证跨模态鲁棒性	未明确说明模型在临床实时应用中的计算效率及不同扫描仪间的泛化能力	提高脑微出血的自动检测精度，降低假阳性率，支持早期诊断和治疗规划	脑微出血（CMB）病灶	医学影像分析	脑血管疾病	深度学习，MRI成像（GRE/SWI）	3D CNN, YOLO	3D MRI图像	四个数据集（ADNI、AIBL、MAS、OATS），具体样本量未明确说明