深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
501	2025-12-12	Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient? 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8885 PMID:40533350	研究论文	本研究评估了一种基于CTA的机器学习方法，用于预测大血管闭塞急性缺血性卒中患者在接受成功血管内治疗后，即使最终梗死体积较小，仍可能出现不良功能结局的情况	首次利用预处理CTA图像，通过深度学习模型（DeepsymNet-v3）预测成功血管内治疗后患者的90天功能结局，相比仅使用临床变量的模型，表现出显著更好的预测性能	研究样本量较小（仅48例用于微调和交叉验证），且为多中心前瞻性注册队列，可能存在选择偏倚	评估基于CTA的机器学习模型在预测大血管闭塞急性缺血性卒中患者成功血管内治疗后功能结局方面的性能	大血管闭塞急性缺血性卒中患者，接受成功血管内治疗且最终梗死体积小于30毫升	数字病理学	心血管疾病	CTA（计算机断层扫描血管成像）	深度学习	图像	预训练1542例，微调和交叉验证48例	NA	DeepsymNet-v3, DSN-CTA	AUROC（受试者工作特征曲线下面积）	NA
502	2025-12-12	Both Infarcted and Noninfarcted Brain Regions Contribute to Deep Learning-Based MRI Prediction of Acute Stroke Outcome 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8896 PMID:41198223	研究论文	本研究利用深度学习模型，基于急性缺血性卒中后早期MRI DWI扫描，预测90天卒中结局，并探讨了梗死区和非梗死区对预测准确性的贡献	首次系统性地比较了仅使用梗死体积、全脑图像、梗死掩膜、强度保留梗死掩膜以及病灶中和图像等多种输入对卒中结局预测的影响，并强调了非梗死区域在预测中的重要作用	研究样本量相对有限（449例患者），且仅使用了卒中后1-7天的MRI DWI扫描，未考虑其他时间点或影像模态	预测急性缺血性卒中患者的长期临床结局，并评估不同脑区（包括梗死和非梗死区域）对预测准确性的贡献	急性缺血性卒中患者	数字病理学	心血管疾病	MRI DWI扫描	深度学习模型	图像	449例急性缺血性卒中患者	NA	NA	准确率, 平均绝对误差, AUC	NA
503	2025-12-12	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	本研究开发了一种基于多对比MRI的深度学习模型，用于预测PET淀粉样蛋白状态，以替代传统的PET或CSF检测	首次将T1加权和T2 FLAIR多对比MRI结合使用于深度学习模型，显著提高了预测PET淀粉样蛋白状态的准确性	模型性能仍有提升空间（AUC最高0.71），且样本主要来自公开数据集，可能存在选择偏倚	开发一种非侵入性的MRI-based方法，用于预测阿尔茨海默病患者的淀粉样蛋白沉积状态	阿尔茨海默病患者及轻度认知障碍患者的MRI和PET影像数据	医学影像分析	阿尔茨海默病	MRI（T1加权和T2 FLAIR）、PET	深度学习	医学影像（MRI和PET）	4056例用于模型开发，149例用于外部验证	NA	EfficientNet	AUC, 准确率, 敏感性, 特异性	NA
504	2025-12-12	Dimeric gold nanoparticles enable multiplexed labeling in cryoelectron tomography 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2524034122 PMID:41284882	研究论文	本文介绍了功能化二聚体金纳米粒子在冷冻电子断层扫描中实现多重标记的应用	开发了具有精确尺寸范围和结构均匀性的二聚体金纳米粒子，结合深度学习分类器，实现了在冷冻电子断层扫描中对单体和二聚体金纳米粒子的可靠区分，从而支持在同一冷冻断层图中识别不同的分子靶标	NA	开发一种适用于冷冻电子断层扫描的多重标记方法，以研究生物分子在细胞内的空间组织	金纳米粒子、N-甲基-D-天冬氨酸受体（NMDAR）、脑组织中的谷氨酸能突触间隙	生物成像	NA	冷冻电子断层扫描（cryo-ET）、小角X射线散射（SAXS）、电子显微镜	深度学习分类器	断层图、图像	NA	NA	NA	NA	NA
505	2025-12-12	Light-field deep learning enables high-throughput, scattering-mitigated calcium imaging 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510337122 PMID:41289378	研究论文	本研究提出了一种基于物理的深度神经网络2PiLnet，用于从散射的单光子光场数据中重建具有双光子对比度的体积图像，以实现高通量、抗散射的钙成像	开发了2PiLnet网络，利用双光子体积图像和单光子光场数据进行训练，能够从散射模糊的单光子光场中重建出具有双光子对比度和源限制的体积图像，无需提供目标视场的双光子图像	未明确说明模型在更复杂生物组织或活体动物中的泛化能力，以及训练数据规模和多样性可能存在的限制	实现高通量、抗散射的神经回路活动监测	表达jGCaMP8f的神经元（在新皮质脑切片中）	计算成像	NA	光场显微镜，双光子成像，钙成像	深度神经网络	图像，视频	NA	NA	2PiLnet	信噪比，光学串扰	NA
506	2025-12-12	Connectome of a human foveal retina 2025-Dec-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.05.647403 PMID:40799563	研究论文	本研究利用基于深度学习的细胞和突触连接分割技术，分析了人类中央凹视网膜的完整连接组，揭示了其独特的神经通路和结构特征	首次通过深度学习分割技术获得人类中央凹视网膜的完整连接组，发现了非人类灵长类动物中不存在的突触通路，并提出了基于电突触的锥体光感受器生物物理模型	研究仅基于单个视网膜样本，可能无法完全代表人类中央凹视网膜的多样性；深度学习分割方法可能存在误差，且分类结果仅为临时性	获取人类中枢神经系统结构的完整连接组，以理解人类视觉系统的独特特征	人类中央凹视网膜的细胞和突触连接	计算机视觉	NA	基于深度学习的细胞和突触连接分割技术	深度学习	图像	单个人类中央凹视网膜样本	NA	NA	NA	NA
507	2025-12-12	Deep Learning Detection of Retinitis Pigmentosa Inheritance Forms through Synthetic Data Expansion of a Rare Disease Dataset 2025-Dec-02, Research square DOI:10.21203/rs.3.rs-8002154/v1 PMID:41377980	研究论文	本研究提出了一种基于Vision Transformer的深度学习模型，通过合成数据扩展策略，利用彩色眼底照片自动区分视网膜色素变性的常染色体与X连锁遗传模式	首次将Vision Transformer模型应用于视网膜色素变性遗传模式的分类，并创新性地采用变分自编码器进行数据扩展以解决罕见病数据稀缺问题	研究聚焦于视网膜色素变性，可能无法直接推广到其他遗传性视网膜疾病；数据量虽经扩展但仍相对有限	开发一种自动化方法，通过眼底图像准确分类遗传性视网膜疾病的遗传模式，以辅助诊断和遗传咨询	视网膜色素变性患者的彩色眼底照片	计算机视觉	视网膜色素变性	彩色眼底摄影	Vision Transformer	图像	NA	NA	Vision Transformer	AUC	NA
508	2025-12-12	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本研究提出了一种基于改进去噪扩散概率模型（iDDPM）的方法，用于估计动态脑PET图像中动力学参数的后验分布，以量化噪声带来的不确定性	首次将改进的去噪扩散概率模型（iDDPM）应用于动态PET动力学参数的后验分布估计，相比传统MCMC方法计算效率大幅提升（超过230倍），且精度优于现有的CVAE-DD和WGAN-GP方法	研究仅在[18F]MK6240示踪剂研究中进行了验证，未在其他示踪剂或更广泛的疾病类型中测试	开发一种高效、准确的深度学习方法，用于量化动态PET图像中噪声引起的动力学参数估计不确定性	动态脑PET图像中的超磷酸化tau蛋白（p-tau）聚集物动力学参数	医学影像分析	阿尔茨海默病	正电子发射断层扫描（PET），示踪动力学建模	生成对抗网络（GAN），变分自编码器（VAE），扩散模型	动态PET图像	NA	NA	改进去噪扩散概率模型（iDDPM），条件变分自编码器-双解码器（CVAE-DD），带梯度惩罚的Wasserstein GAN（WGAN-GP）	平均误差，标准差误差	NA
509	2025-12-12	A Benchmark Framework for the Right Atrium Cavity Segmentation From LGE-MRIs 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3590694 PMID:40694459	研究论文	本文提出了一个用于从LGE-MRI中分割右心房腔的基准框架，采用两阶段策略和新型3D深度学习网络RASnet	提出了一个基准框架，结合两阶段策略和新型3D深度学习网络RASnet，通过多路径输入、多尺度特征融合模块、Vision Transformers、上下文交互机制和深度监督来解决类别不平衡和解剖变异性的挑战	NA	为右心房腔分割建立一个基准框架，以支持心脏成像应用的准确高效分析	右心房腔	计算机视觉	心血管疾病	LGE-MRI	CNN, Transformer	图像	354个LGE-MRI	NA	RASnet	Dice系数	NA
510	2025-12-12	From images to understanding: Advances in deep learning for cellular dynamics analysis 2025-Dec, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2025.102585 PMID:41037869	综述	本文综述了深度学习在从2D显微图像分析细胞动力学方面的最新进展，涵盖分割、追踪和轨迹提取等关键步骤	强调了深度学习如何补充传统算法，并讨论了确保分析科学可靠和可访问性的新兴趋势	NA	为计算专家和生物学家提供桥梁，指导他们在这个快速发展的领域中选择适合特定研究问题的方法	细胞动力学分析	数字病理学	NA	2D显微成像	深度学习模型	图像	NA	NA	NA	NA	NA
511	2025-12-12	Membrane and vesicle structure detection in cryo-electron tomography based on deep learning 2025-Dec, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108258 PMID:41176036	研究论文	本文提出了一种结合多种深度学习架构的卷积神经网络，用于在冷冻电子断层扫描图像中自动检测膜和囊泡结构	提出了一种混合架构，结合了U-Net、DeepLab、SegNet、Gated-SCNN、LSTM、RNN和GAN的特征，以有效学习识别不同类型的膜并模拟熟练人工标注者的行为	未明确提及具体限制，如数据集规模、模型泛化能力或计算资源需求	开发自动算法以处理冷冻电子断层扫描数据中的语义分割任务，减少人工标注的主观性和时间消耗	生物样本中的细胞膜和囊泡结构	计算机视觉	NA	冷冻电子断层扫描	CNN, LSTM, RNN, GAN	图像	NA	NA	U-Net, DeepLab, SegNet, Gated-SCNN	NA	NA
512	2025-12-12	MultiEpilepsyNet: An EEG and MRI data based multimodal seizure detection model using hybrid deep learning model 2025-Dec, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111645 PMID:41265493	研究论文	本文提出了一种名为MultiEpilepsyNet的新型多模态癫痫发作检测框架，该框架结合了联邦学习和混合深度学习模型，利用EEG和MRI数据进行协作学习	提出了一种结合联邦学习与混合深度学习模型的多模态癫痫发作检测框架，引入了SeizureFed-Net联邦架构、融合BBIDNet与FD-TMS的SeizureShieldNet混合模型、用于特征选择的JWHO优化器以及用于MRI预处理的改进版3D UNet++架构EpiSkullNet++	未在摘要中明确说明	开发一种准确、隐私保护且具有强泛化能力的癫痫发作检测解决方案，以解决现有方法在数据集中化、模态泛化性差、特征提取次优及抗噪性弱等方面的挑战	癫痫患者	数字病理学	癫痫	EEG, MRI	混合深度学习模型, LSTM, DQN	EEG信号, MRI图像	使用了CHB-MIT EEG数据集和一个癫痫MRI数据集两个基准数据集，具体样本数量未在摘要中说明	NA	BBIDNet, FD-TMS, 3D UNet++	准确率	NA
513	2025-12-12	Phytochemical-based discovery of a potent antimalarial candidate targeting PfPI4K: A hybrid structure-based and deep learning approach 2025-Dec, Experimental parasitology IF:1.4Q3 DOI:10.1016/j.exppara.2025.109064 PMID:41270854	研究论文	本研究通过结合基于结构的同源建模与深度学习筛选方法，从天然蒽醌类化合物中识别出靶向PfPI4K的强效抗疟候选药物AD37	首次采用混合结构建模与深度学习策略筛选天然蒽醌类化合物，发现具有高结合亲和力的新型PfPI4K抑制剂AD37	研究仅基于计算模拟和体外数据，缺乏体内实验验证；样本量较小（58个化合物）	发现新型抗疟药物靶点PfPI4K的抑制剂以应对青蒿素部分耐药问题	恶性疟原虫磷脂酰肌醇4-激酶（PfPI4K）及58种具有抗疟活性的天然蒽醌类化合物	计算药物发现	疟疾	同源建模、分子对接、ADMET分析、分子动力学模拟	深度学习模型（未具体说明类型）	化合物结构数据、蛋白质序列数据	58个天然蒽醌类化合物	Modeller 10.5, GLIDE, GROMACS	NA	结合亲和力（-5.983 kcal/mol）、Lipinski规则符合性、ADMET参数、分子动力学稳定性	NA
514	2025-12-12	BAGEL: Protein engineering via exploration of an energy landscape 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013774 PMID:41337470	研究论文	本文介绍了BAGEL，一个用于可编程蛋白质工程的模块化开源框架，通过模型无关和无梯度的能量景观探索，实现序列空间的灵活探索	提出了一种模块化、开源且模型无关的蛋白质工程框架，支持多状态优化和高级蒙特卡洛技术，突破了现有计算流程的刚性和特定性限制	未明确提及框架在特定蛋白质设计任务中的性能上限或计算效率的具体限制	开发一个灵活、可编程的蛋白质工程框架，以加速新蛋白质的设计并降低技术门槛	蛋白质序列与结构设计	机器学习	NA	能量函数采样、蒙特卡洛技术	深度学习蛋白质模型	蛋白质序列与结构数据	NA	开源自定义框架（BAGEL）	模型无关架构，支持集成多种公开深度学习蛋白质模型	NA	NA
515	2025-12-12	CPSMI2025: A curated dataset of conventional Pap smear microscopy images for deep learning-based cervical cancer screening 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112272 PMID:41362340	研究论文	本文介绍了一个名为CPSMI2025的宫颈癌筛查数据集，包含2169张高分辨率巴氏涂片显微图像，用于支持深度学习自动化筛查工具的开发	提供了一个基于低成本开源显微平台采集的、包含九个临床相关细胞学类别的巴氏涂片图像数据集，专门针对资源有限地区设计	数据集仅来源于墨西哥两家医疗机构，可能无法完全代表全球不同人群的细胞学特征	开发自动化宫颈癌筛查工具，以解决资源有限地区专科医生不足的诊断瓶颈	巴氏涂片显微图像	数字病理学	宫颈癌	显微成像	NA	图像	2169张高分辨率图像，源自超过350张手动筛查的玻片	NA	NA	NA	NA
516	2025-12-12	Artificial inteligence and datasets for leukemia diagnosis: A scoping review of machine lerning and deep learning approaches 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103722 PMID:41362667	综述	本文对用于白血病诊断的机器学习和深度学习方法进行了范围性综述，重点关注基于公开数据集的图像技术	系统回顾了基于公开数据集（如ALL-IDB、C-NMC等）的ML和DL方法，并讨论了研究空白和未来方向，如可解释AI和符合WHO 2022标准的分类框架	存在数据集不平衡、染色变异性、缺乏标准注释和临床验证有限等问题	综述机器学习和深度学习方法在白血病诊断中的应用	白血病诊断	数字病理学	白血病	外周血涂片检查、骨髓活检	CNN, ResNet, DenseNet, MobileNet, 集成模型	图像	基于公开数据集（如ALL-IDB、C-NMC、AML_Cytomorphology_LMU、SN-AM、CPTAC-AML）	NA	卷积神经网络, ResNet, DenseNet, MobileNet	NA	NA
517	2025-12-12	Classification of periapical dental X-ray using the YOLOv8 deep learning model 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103721 PMID:41362668	研究论文	本研究提出了一种结合ESRGAN和YOLOv8的两阶段管道，用于牙科X射线图像的增强和多类牙科异常检测	首次将ESRGAN与YOLOv8结合，用于牙科X射线图像的增强和分类，提高了图像细节和分辨率，并实现了六种牙科状况的自动检测	龋齿和严重腐烂牙齿的检测灵敏度较低，分别为0.174和0.355，且不同类别的特异性差异较大，表明假阳性率可变	提高牙科X射线图像的诊断准确性，通过图像增强和深度学习模型实现自动牙科评估	牙科X射线图像	计算机视觉	牙科疾病	深度学习，图像增强	GAN, CNN	图像	100张测试图像	PyTorch	ESRGAN, YOLOv8	PSNR, SSIM, mAP@0.5, mAP@0.5:0.95, 灵敏度, 特异性	NA
518	2025-12-12	Deep Learning-Based Assessment for Media Haze and Retinal Vascular Leakage of Uveitis 2025-Dec, Ocular immunology and inflammation IF:2.6Q2 DOI:10.1080/09273948.2025.2567520 PMID:41123627	研究论文	本研究应用深度学习自动评估葡萄膜炎的介质混浊和血管渗漏，并评估其性能	首次结合EfficientNetV2-L、InceptionV3、MobileNetV3和LadderNet模型，自动化评估葡萄膜炎的介质混浊和血管渗漏，并通过K-means聚类识别渗漏模式	样本量相对有限（213名患者），且依赖眼科医生的标注，可能存在主观偏差	开发自动化评估葡萄膜炎介质混浊和血管渗漏的深度学习模型，以改进诊断准确性和疾病活动性指标	葡萄膜炎患者的彩色眼底照相（CFP）和荧光素眼底血管造影（FFA）图像	计算机视觉	葡萄膜炎	CFP, FFA	CNN	图像	213名患者的756张CFP图像和740张FFA图像	NA	EfficientNetV2-L, InceptionV3, MobileNetV3, LadderNet	Micro-AUC, Dice相似系数（DSC）	NA
519	2025-12-12	Stretchable Polymorphic Electrochromic Textile Electronics for Deep Learning-Assisted Self-Adaptive Camouflage 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510137 PMID:41123949	研究论文	本文开发了一种基于无液体聚氨酯-脲弹性离子导体的可拉伸全固态多态电致变色纺织电子系统，并利用MobileNetV2深度学习模型实现动态环境下的自适应伪装	开发了具有超分子-共价双交联网络的弹性离子导体，实现了快速响应、高色彩对比度、长期运行及大变形与低温下优异着色稳定性的电致变色纺织电子系统，并首次集成了深度学习模型以实现环境驱动的自适应伪装	未明确说明系统在极端环境（如高温、高湿）下的长期稳定性，也未讨论大规模生产的经济可行性与纺织品的洗涤耐久性	开发具有优异变色性能、机械可靠性和环境稳定性的智能纺织电子系统，实现基于深度学习的环境自适应伪装	可拉伸电致变色纺织电子系统及其在人体伪装中的应用	机器学习	NA	电致变色技术，弹性离子导体制备	CNN	环境信息数据（推测为图像或传感器数据）	NA	NA	MobileNetV2	响应时间（≈3秒），色彩对比度（≈58.1%），运行时长（>12000秒）	NA
520	2025-12-12	Deep geometric framework to predict antibody-antigen binding affinity 2025-Dec, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108257 PMID:41138893	研究论文	本文提出了一种新颖的深度几何神经网络框架，用于预测抗体-抗原结合亲和力，通过结合结构模型和序列模型，并利用交叉注意力块共享信息	构建了最大且最通用的抗体-抗原结合亲和力预测数据集，并设计了一种结合结构特征和序列进化信息的深度几何神经网络，通过多尺度分层注意力块模拟相互作用空间	模型高度依赖于抗体-抗原结构的质量，且现有数据集可能仍存在局限性，尽管已扩展至多种抗原变体	开发一种高效且准确的抗体-抗原结合亲和力预测方法，以支持药物开发	抗体-抗原序列对和结构对，以及对应的连续结合亲和力值	机器学习	NA	深度几何神经网络	几何神经网络, 注意力机制	序列数据, 结构数据	超过100K序列对和8K结构对	PyTorch, TensorFlow (未明确指定，但基于深度学习框架)	交叉注意力块, 多尺度分层注意力块	平均绝对误差, 相关系数	NA