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
5161	2025-04-22	Towards real-time conformal palliative treatment of spine metastases: A deep learning approach for Hounsfield Unit recovery of cone beam CT images 2025-Apr-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17838 PMID:40257079	研究论文	本研究开发了一个两阶段深度学习模型，用于从锥形束CT（CBCT）扫描快速生成合成CT（sCT）图像，旨在实现脊柱转移瘤患者的实时姑息放疗治疗计划	采用两阶段生成对抗网络（GAN）方法，显著提高了CBCT图像的HU准确性和剂量学一致性，为脊柱转移瘤的实时治疗计划提供了新方案	研究样本量相对有限（220例训练患者和33例验证患者），且仅针对脊柱转移瘤患者	开发一种能够从CBCT扫描快速生成sCT图像的模型，以实现脊柱转移瘤患者的实时姑息放疗治疗计划	脊柱转移瘤患者	数字病理	脊柱转移瘤	深度学习	条件生成对抗网络（cGAN）和循环一致生成对抗网络（CycleGAN）	CT图像	220例患者的CBCT和计划扇束CT图像用于训练和验证，33例患者用于独立测试
5162	2025-04-22	Early operative difficulty assessment in laparoscopic cholecystectomy via snapshot-centric video analysis 2025-Apr-21, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03372-7 PMID:40257703	research paper	该研究提出了一种通过视频分析早期评估腹腔镜胆囊切除术手术难度的方法	提出了SurgPrOD深度学习模型和一种新颖的以快照为中心的注意力模块（SCA），用于从全局和局部时间分辨率分析手术视频	研究仅基于CholeScore数据集进行验证，可能无法涵盖所有手术难度情况	早期识别腹腔镜胆囊切除术的手术难度，以优化手术室规划和改善手术结果	腹腔镜胆囊切除术的手术视频	digital pathology	胆囊疾病	深度学习视频分析	SurgPrOD (deep learning model with SCA module)	video	CholeScore数据集中的手术视频
5163	2025-04-22	Ultrasound detection of nonalcoholic steatohepatitis using convolutional neural networks with dual-branch global-local feature fusion architecture 2025-Apr-21, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03361-7 PMID:40257712	研究论文	本研究利用深度学习技术，通过超声B扫描图像检测非酒精性脂肪性肝炎（NASH），并引入超声特异性数据增强技术和双分支全局-局部特征融合架构以提高模型性能	提出了超声特异性数据增强技术（USDA）和双分支全局-局部特征融合架构（DG-LFFA），以增强模型在不同成像条件下的适应性和性能	样本量较小（137名参与者），可能影响模型的泛化能力	提高非酒精性脂肪性肝炎（NASH）的超声检测准确性和适应性	非酒精性脂肪性肝炎（NASH）患者的超声B扫描图像	计算机视觉	肝病	超声B模式成像，深度学习	CNN（AlexNet, Inception V3, VGG16, VGG19, ResNet50, DenseNet201）	图像	137名参与者
5164	2025-04-22	A Deep Learning Survival Model for Evaluating the Survival Prognosis of Papillary Thyroid Cancer: A Population-Based Cohort Study 2025-Apr-20, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17290-0 PMID:40254654	研究论文	本研究构建了一个基于临床风险因素的深度学习模型，用于预测甲状腺乳头状癌患者的生存预后	首次将深度学习生存模型DeepSurv应用于甲状腺乳头状癌的生存预后评估，并在多个外部数据集上验证了其性能	研究依赖于回顾性数据，可能存在选择偏倚	评估深度学习模型在甲状腺乳头状癌生存预后预测中的表现	甲状腺乳头状癌患者	数字病理	甲状腺癌	深度学习	DeepSurv	临床数据	来自17个美国SEER癌症登记处的连续患者数据(2000-2020年)，以及MDACC和TCGA两个外部测试数据集
5165	2025-04-22	A fully automated, expert-perceptive image quality assessment system for whole-body [18F]FDG PET/CT 2025-Apr-18, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01238-2 PMID:40249445	research paper	开发了一种基于深度学习的全自动图像质量评估系统，用于评估[18F]FDG PET/CT全身扫描的图像质量	首次将Vision Transformer、Transposed Attention和Scale Swin Transformer Blocks集成到MANIQA框架中，实现了全自动、可解释的临床全身PET/CT图像质量评估	研究为回顾性多中心研究，可能存在选择偏倚；模型在CT图像质量评估方面的Spearman系数相对较低	开发一个专家感知的深度学习图像质量评估系统，解决临床全身PET/CT图像质量缺乏自动化、可解释评估的问题	718名患者的临床全身[18F]FDG PET/CT扫描图像	digital pathology	NA	PET/CT扫描	Vision Transformer, Transposed Attention, Scale Swin Transformer Blocks	image	718名患者的PET/CT扫描图像
5166	2025-04-22	Vertex Correspondence and Self-Intersection Reduction in Cortical Surface Reconstruction 2025-Apr-18, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3562443 PMID:40249681	research paper	该论文介绍了一种名为V2CC的扩展方法，用于改进皮质表面重建中的顶点对应关系并减少自相交	提出V2CC方法，使用L1损失替代常用的Chamfer损失，改进顶点对应关系；并提出新型Self-Proximity损失以减少自相交	未提及具体的数据集规模限制或计算资源需求	改进皮质表面重建中的顶点对应关系和减少自相交问题	皮质表面网格	neuroimaging	NA	deep learning	Vox2Cortex with Correspondence (V2CC)	3D mesh	NA
5167	2025-04-22	A prediction method for radiation proctitis based on SAM-Med2D model 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87409-6 PMID:40251184	研究论文	提出一种基于SAM-Med2D模型的放射性直肠炎预测方法，结合深度学习和放射组学分析	结合Transformer-based SAM-Med2D模型进行初始分割，随后进行详细的放射组学分析，以提高放射性直肠炎的预测准确性	需要大量手动注释，且放射组学特征可能缺乏普适性	优化宫颈癌放疗中放射性直肠炎的诊断和预测策略	宫颈癌患者的CT图像	数字病理	宫颈癌	CT成像	SAM-Med2D, logistic regression, random forest, naive Gaussian Bayesian	图像	NA
5168	2025-04-22	Transformer-inspired training principles based breast cancer prediction: combining EfficientNetB0 and ResNet50 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98523-w PMID:40251247	研究论文	提出了一种结合EfficientNetB0和ResNet50的新模型，用于提高乳腺组织病理学图像分类为IDC和非IDC类别的准确性	结合EfficientNetB0和ResNet50的特性，提出了一种新的集成模型，在准确性和复杂性方面优于现有方法	未提及模型在其他类型乳腺癌分类上的表现，也未讨论在不同数据集上的泛化能力	开发一种快速、高效、准确的乳腺癌诊断工具	乳腺组织病理学图像	数字病理学	乳腺癌	深度学习，迁移学习	EfficientNetB0和ResNet50的集成模型	图像	NA
5169	2025-04-22	DrugGen enhances drug discovery with large language models and reinforcement learning 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98629-1 PMID:40251288	研究论文	介绍了一种基于大型语言模型和强化学习的增强模型DrugGen，用于改进药物发现过程	DrugGen通过微调已批准的药物-靶点相互作用数据，并利用近端策略优化和预训练变换器的蛋白质-配体结合亲和力预测反馈，显著提高了药物分子的生成质量和效率	虽然DrugGen在生成有效结构和预测结合亲和力方面表现优异，但未提及其在真实临床环境中的验证情况	改进传统药物设计方法，提高药物发现的效率和质量	小分子药物生成	机器学习	NA	大型语言模型、强化学习、近端策略优化(PPO)	Transformer-based model (DrugGen)	蛋白质序列、药物-靶点相互作用数据	多个靶点评估（具体数量未提及）
5170	2025-04-22	Exploring a multi-path U-net with probability distribution attention and cascade dilated convolution for precise retinal vessel segmentation in fundus images 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98021-z PMID:40251298	research paper	该论文提出了一种结合注意力机制和级联扩张卷积模块的多路径U-Net架构，用于精确分割眼底图像中的视网膜血管	创新点包括开发了双路径U-Net以分别提取粗糙和精细血管结构，集成了级联扩张卷积模块以捕获多尺度血管特征，并采用了概率分布注意力机制来调整概率分布，增强浅层信息的贡献	未明确提及具体局限性	提高眼底图像中视网膜血管分割的准确性	眼底图像中的视网膜血管	computer vision	NA	深度学习	multi-path U-Net, CNN	image	三个基准数据集（CHASEDB1、DRIVE和STARE）
5171	2025-04-22	Automated pain detection using facial expression in adult patients with a customized spatial temporal attention long short-term memory (STA-LSTM) network 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97885-5 PMID:40251301	研究论文	开发了一种基于面部表情的自动疼痛评估系统，用于成年患者	提出了一种定制的时空注意力长短期记忆（STA-LSTM）深度学习网络，用于从面部表情中检测疼痛水平	研究样本仅来自新加坡的两家公共医疗机构，可能不具有广泛代表性	开发自动疼痛评估系统，以替代自我报告和观察者评估	成年手术或介入性疼痛治疗患者	计算机视觉	疼痛管理	STA-LSTM	LSTM	视频	200名患者，共收集2008个视频，进一步剪辑为10,274个1秒片段
5172	2025-04-22	AI analysis for ejection fraction estimation from 12-lead ECG 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97113-0 PMID:40251349	research paper	该研究探讨了使用12导联心电图（ECG）信号通过机器学习和深度学习模型估计心脏射血分数（EF）的潜力，特别关注农村阿巴拉契亚地区人群	研究首次在农村阿巴拉契亚地区人群中应用AI模型进行EF估计，并比较了不同ECG导联组合的效果，同时进行了模型可解释性分析	研究数据主要来自西弗吉尼亚州的医院，可能无法完全代表其他农村地区的人群特征	开发基于AI的EF估计方法，以替代昂贵且不易获取的超声心动图检查	55,500名来自西弗吉尼亚州医院的患者	machine learning	cardiovascular disease	12-lead ECG	Random Forest, Transformers	ECG信号数据	55,500名患者
5173	2025-04-22	GRLGRN: graph representation-based learning to infer gene regulatory networks from single-cell RNA-seq data 2025-Apr-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06116-1 PMID:40251476	研究论文	提出了一种名为GRLGRN的深度学习模型，用于从单细胞RNA测序数据中推断基因调控网络	使用图变换网络从先验GRN中提取隐含链接，并结合基因表达谱矩阵编码基因特征，利用注意力机制改进特征提取	面临细胞异质性、测量噪声和数据丢失等挑战	研究基因调控网络的重建，以探索细胞动态、药物设计和代谢系统	单细胞RNA测序数据和基因调控网络	机器学习	NA	scRNA-seq	graph transformer network	基因表达数据	七个细胞系数据集和三个真实网络
5174	2025-04-22	Smart contours: deep learning-driven internal gross tumor volume delineation in non-small cell lung cancer using 4D CT maximum and average intensity projections 2025-Apr-18, Radiation oncology (London, England) DOI:10.1186/s13014-025-02642-7 PMID:40251610	research paper	本研究提出了一种基于深度学习的自动内部总肿瘤体积（IGTV）分割方法，用于非小细胞肺癌（NSCLC）的4D CT最大和平均强度投影图像	使用4D CT的最大和平均强度投影（MIP和AIP）直接进行IGTV分割，而非传统的多期相4D CT方法	研究样本量较小（124例患者），且为回顾性研究	开发自动化IGTV分割方法以提高非小细胞肺癌放疗计划的准确性和一致性	非小细胞肺癌患者的4D CT图像	digital pathology	lung cancer	4D CT成像	U-net, attention U-net, V-net	医学影像（CT图像）	124例NSCLC患者（87例训练集，37例验证集）
5175	2025-04-22	Self-supervised network predicting neoadjuvant chemoradiotherapy response to locally advanced rectal cancer patients 2025-Apr-14, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102552 PMID:40253816	研究论文	提出一种自监督学习框架EIA-Net，用于预测局部晚期直肠癌患者对新辅助放化疗的反应	开发了Expand Intensive Attention Network (EIA-Net)和实例导向协作自监督学习(IOC-SSL)，增强特征提取能力并减少对标记数据的依赖	研究为回顾性研究，需要进一步前瞻性验证	提高局部晚期直肠癌患者对新辅助放化疗反应预测的准确性	局部晚期直肠癌(LARC)患者	数字病理	直肠癌	深度学习	EIA-Net (基于3D CNN和坐标注意力机制)	CT影像	1575个体积(自监督数据集1394个，监督数据集195个)
5176	2025-04-22	Interpreting regulatory mechanisms of Hippo signaling through a deep learning sequence model 2025-Apr-09, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100821 PMID:40174587	研究论文	通过深度学习序列模型解析Hippo信号通路的调控机制	利用深度学习模型在全基因组范围内学习细胞类型特异性序列规则，揭示了TFAP2C基序以核小体范围和距离依赖的方式增强TEAD4/YAP1结合，驱动协同增强子激活	研究仅基于小鼠滋养层干细胞模型，结果在其他细胞类型中的普适性有待验证	解析信号通路如何介导细胞类型特异性转录反应的机制	小鼠滋养层干细胞中的Hippo信号通路	机器学习	NA	深度学习、分子动力学模拟	深度学习序列模型	基因组序列数据	NA
5177	2025-04-22	Rapid COD Sensing in Complex Surface Water Using Physicochemical-Informed Spectral Transformer with UV-Vis-SWNIR Spectroscopy 2025-Apr-08, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c14209 PMID:40053333	research paper	该论文提出了一种结合物理化学信息的Transformer模型（PIST）与紫外-可见-短波近红外光谱（UV-vis-SWNIR）技术，用于复杂地表水中的化学需氧量（COD）快速检测	首次将Transformer模型与光谱技术结合用于水质检测，并引入了物理化学信息块以增强模型的领域适应性和特征提取能力	未提及模型在其他类型水质或更大规模数据集上的泛化能力测试	提高复杂水环境中化学需氧量（COD）的快速检测准确性和一致性	地表水（包括长江和鄱阳湖）	machine learning	NA	UV-vis-SWNIR spectroscopy	Transformer (PIST)	spectral data	实际地表水光谱数据集（覆盖长江和鄱阳湖等广泛地理区域）
5178	2025-04-22	Unsupervised Learning of Progress Coordinates during Weighted Ensemble Simulations: Application to NTL9 Protein Folding 2025-Apr-08, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01136 PMID:40105797	research paper	该研究开发了一种在加权集成（WE）罕见事件采样过程中通过深度学习（DL）识别进展坐标的无监督方法，并应用于NTL9蛋白质折叠过程	提出了一种在加权集成采样过程中通过深度学习识别进展坐标的无监督方法，显著提高了采样效率	方法仅在NTL9蛋白质折叠过程中进行了验证，尚未在其他系统或更复杂的生物分子系统中测试	开发一种无监督学习方法，用于识别罕见事件采样中的进展坐标	NTL9蛋白质折叠过程	machine learning	NA	deep learning, weighted ensemble simulations	convolutional variational autoencoder	molecular dynamics trajectories	NA
5179	2025-04-22	Computational methods for binding site prediction on macromolecules 2025-Mar-12, Quarterly reviews of biophysics IF:7.2Q1 DOI:10.1017/S003358352500006X PMID:40071518	综述	本文综述了利用机器学习方法预测大分子结合位点的最新进展	分类了基于大分子序列、结构、模板知识、几何和能量特性的编码方法，并根据相互作用分子类型（小分子、肽和离子）对方法进行了分类	强调了基于深度学习方法的最新技术的局限性	推进药物发现，通过识别药理学靶点中的新结合位点，促进基于结构的命中识别和先导优化	蛋白质和RNA等生物分子结构	计算生物学	NA	机器学习	深度学习	序列、结构、模板知识、几何和能量特性数据	NA
5180	2025-04-22	DMGAT: predicting ncRNA-drug resistance associations based on diffusion map and heterogeneous graph attention network 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf179 PMID:40251829	research paper	该研究提出了一种名为DMGAT的新型深度学习模型，用于预测非编码RNA（ncRNA）与药物抗性之间的关联	DMGAT整合了扩散映射进行序列嵌入、图卷积网络进行特征提取以及图注意力网络（GAT）进行异质信息融合，同时采用随机森林分类器选择可靠的负样本以解决数据集不平衡问题	模型性能可能受到数据集不平衡和稀疏性的限制	预测ncRNA与药物抗性之间的关联，以识别潜在的生物标志物和治疗靶点	非编码RNA（ncRNA）和药物	machine learning	NA	word2vec, 扩散映射, 图卷积网络, 图注意力网络（GAT）	DMGAT（基于扩散映射和异质图注意力网络的深度学习模型）	序列数据（ncRNA序列和药物SMILES）	来自NoncoRNA和ncDR的精选数据集