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
501	2025-09-11	Deep Learning Model for Osteoporosis Screening From Chest Radiographs: A Multicenter Analysis of External Robustness and Model Calibration 2025-Aug, Cureus DOI:10.7759/cureus.89446 PMID:40918770	研究论文	开发深度学习模型从胸部X光片中筛查骨质疏松症，并进行多中心外部验证和模型校准	通过混合外部数据校准模型，显著提升在不同设备和机构的外部数据上的筛查性能	外部数据性能仍低于内部数据，需要至少500例外部数据参与训练才能有效校准	利用深度学习技术从常规胸部X光片中筛查骨质疏松症，解决DXA检测资源有限的问题	骨质疏松症患者和疑似病例	数字病理	骨质疏松症	深度学习	深度学习模型	胸部X光图像	多中心数据，包含内部和外部数据集，外部校准需至少500例样本
502	2025-09-11	GPT2-ICC: A data-driven approach for accurate ion channel identification using pre-trained large language models 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101302 PMID:40919588	研究论文	开发了一种基于预训练大语言模型的深度学习算法GPT2-ICC，用于准确识别离子通道	将表示学习与大语言模型分类器结合，解决了蛋白质序列数据不平衡的挑战	NA	准确高效地在大规模蛋白质空间中分类离子通道	离子通道蛋白质	自然语言处理	NA	深度学习，表示学习，大语言模型(LLM)	GPT2	蛋白质序列数据	测试集包含比离子通道多约239倍的非离子通道蛋白质
503	2025-09-11	Unravelling phosphorylation-induced impacts on inhibitor-CDK2 through multiple independent molecular dynamics simulations and deep learning 2025-Aug, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2025.2552131 PMID:40926679	研究论文	本研究通过分子动力学模拟和深度学习技术，系统探索了磷酸化对CDK2与抑制剂结合机制的影响	创新性地整合了分子动力学模拟、深度学习技术和自由能景观分析，首次系统揭示了磷酸化状态和CyclinE结合对CDK2构象稳定性及抑制剂结合能力的影响机制	NA	阐明磷酸化修饰对CDK2与抑制剂结合的分子机制，为高选择性CDK2抑制剂的开发提供理论基础	CDK2激酶及其两种抑制剂（SCH和CYC），重点关注磷酸化状态和CyclinE结合状态下的构象变化	计算生物学	癌症	分子动力学模拟（MD），深度学习（DL），自由能景观分析（FEL），量子力学/分子力学-广义波恩表面积计算（QM/MM-GBSA）	深度学习	分子动力学轨迹数据	针对CDK2的两种抑制剂（SCH和CYC）在磷酸化和CyclinE结合状态下的多组独立模拟
504	2025-09-11	The MSA Atrophy Index (MSA-AI): An Imaging Marker for Diagnosis and Clinical Progression in Multiple System Atrophy 2025-Jul-14, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70106 PMID:40660627	研究论文	提出一种新型复合体积测量指标MSA-AI，用于区分多系统萎缩症及相关疾病并监测疾病进展	首次开发基于深度学习分割的复合萎缩指数，整合多个脑区体积数据用于MSA诊断和进展监测	需要更大规模独立队列验证研究结果	开发可靠的生物标志物用于多系统萎缩症的诊断和疾病进展追踪	多系统萎缩症患者及相关神经退行性疾病患者	医学影像分析	多系统萎缩症	3T MRI, 深度学习分割, 生物流体分析	深度学习分割模型	医学影像数据	纵向研究17例患者，横断面研究包括MSA(26例)、健康对照(23例)及其他疾病患者共136例样本
505	2025-09-11	A Feature-Augmented Transformer Model to Recognize Functional Activities from in-the-wild Smartwatch Data 2025-Jul-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586074 PMID:40614149	研究论文	提出一种特征增强的Transformer模型，用于从真实环境智能手表数据中识别功能性活动	引入特征标记-Transformer嵌入来增强特征表示，提升分类性能，并发布了大规模功能性活动数据集ArWISE	NA	识别高级别、目标导向的功能性活动（如跑腿、社交、工作），以支持认知健康评估、康复和慢性病管理	来自503名参与者的真实环境智能手表数据	机器学习	慢性病	特征嵌入，Transformer	Transformer	传感器数据	503名参与者，超过3200万个标记数据点
506	2025-09-11	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	提出一种结合稀疏编码和数据自适应自监督深度学习的去噪方法，用于提升儿科心脏光子计数CT图像质量	对Vision Transformer架构进行两项针对性改进：引入跨令牌重组机制替代传统MLP，以及用超完备字典头实现稀疏编码；采用基于局部噪声估计的动态训练策略	在低龄患者（<1岁）的临床数据上出现部分图像细节过度平滑现象	开发适用于儿科心脏CT可变图像质量的自监督深度学习去噪方法	儿科心脏光子计数CT数据（含先天性心脏病患者及临床前小鼠数据）	医学影像处理	先天性心脏病	光子计数CT（PCCT）、稀疏编码（SC）、自监督深度学习	改进型3D Vision Transformer（mViT）	CT影像数据	20例杜克大学患者数据（1-18岁）+3例低龄患者+临床前小鼠数据集
507	2025-09-11	Image-based mandibular and maxillary parcellation and annotation using computed tomography (IMPACT): a deep learning-based clinical tool for orodental dose estimation and osteoradionecrosis assessment 2025-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100817 PMID:40894269	研究论文	提出基于深度学习的自动分割框架IMPACT，用于放射治疗CT图像中下颌骨、上颌骨分区及牙齿的精确分割，以支持剂量评估和骨坏死风险分析	首个与ClinRad骨坏死分期系统对齐的深度学习自动分割工具，能够实现牙齿及颌骨亚区的精细空间定位和剂量差异分析	数据中未包含的亚区分割适用性有限，部分牙齿亚区（如前磨牙）分割精度相对较低（Dice值0.69-0.70）	开发临床工具用于口腔剂量估计和放射性骨坏死评估	头颈癌患者的颌骨结构和牙齿	数字病理	头颈癌	CT成像	Swin UNETR, ResUNet	CT图像	60个临床病例的模拟CT图像
508	2025-09-11	Coalescence and Translation: A Language Model for Population Genetics 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.24.661337 PMID:40666889	研究论文	提出一种基于Transformer的语言模型cxt，用于从基因组突变模式推断祖先重组图和融合时间	将融合时间推断重新定义为生物语言翻译问题，并首次应用仅解码器Transformer架构进行自回归预测	模型基于模拟数据训练，在真实数据中的性能需要进一步验证	开发可扩展的群体遗传学推断方法，从基因组数据重建人口历史和祖先关系	基因组数据和祖先重组图（ARG）	自然语言处理	NA	深度学习，模拟数据训练	Transformer（仅解码器）	基因组序列数据	基于stdpopsim目录的模拟数据训练，可产生超过百万个融合预测
509	2025-06-05	Geometric Deep Learning for Multimodal Data in CKD 2025-Jun-03, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000778 PMID:40459949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
510	2025-09-11	Deep learning predicts HER2 status in invasive breast cancer from multimodal ultrasound and MRI 2025-May-16, Biomolecules & biomedicine DOI:10.17305/bb.2025.12475 PMID:40392960	研究论文	本研究利用深度学习模型基于超声和MRI多模态影像预测乳腺癌HER2状态	首次结合超声和MRI多模态影像构建深度学习模型预测HER2状态，相比单一模态显著提升诊断性能	研究基于单中心数据，需要多中心验证以证明模型泛化能力	开发术前无创预测乳腺癌HER2状态的深度学习方法	浸润性乳腺癌患者	数字病理	乳腺癌	超声成像、磁共振成像	深度学习模型	医学影像	2021年1月至2024年7月期间接受超声和MRI检查的乳腺癌患者队列
511	2025-09-11	Path2Omics: Enhanced transcriptomic and methylation prediction accuracy from tumor histopathology 2025-Mar-16, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.26.640189 PMID:40568160	研究论文	开发深度学习模型Path2Omics，从肿瘤组织病理学图像预测基因表达和甲基化数据	整合FFPE和FF样本训练，预测基因数量较先前模型DeepPT提升约5倍，外部验证表现稳健	NA	通过组织病理学图像快速、低成本地预测分子数据，推动精准肿瘤学发展	23种癌症类型的肿瘤组织病理学切片	数字病理学	癌症	深度学习	深度学习模型	图像	20,497张切片（来自8,007名患者，涵盖23种癌症类型）
512	2025-09-11	Fine-grained Prototype Network for MRI Sequence Classification 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056361649250717162910 PMID:40754881	研究论文	提出一种用于MRI序列分类的细粒度原型网络SequencesNet，结合CNN和改进的视觉Transformer进行特征提取	引入特征选择模块(FSM)基于多层注意力权重选择细粒度特征，并提出原型分类模块(PCM)优化原型-样本距离	计算复杂度较高且模型泛化能力有待提升	解决MRI序列分类中类间差异细微而类内差异显著的问题	腹部MRI序列图像	医学影像分析	腹部疾病	MRI成像	CNN与Vision Transformer结合	医学图像	公共数据集和私有数据集（具体样本数未提供）
513	2025-09-11	CT-based 3D Super-resolution Radiomics for the Differential Diagnosis of Brucella vs. Tuberculous Spondylitis using Deep Learning 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056380084250720064859 PMID:40765092	研究论文	本研究开发了一种基于深度学习和超分辨率增强CT影像的放射组学模型，用于提高布鲁氏菌性脊柱炎与结核性脊柱炎的鉴别诊断准确性	首次将超分辨率技术与深度学习放射组学结合，并采用ResNet34和GAN超分辨率提升模型性能，显著提高了两种脊柱炎的鉴别诊断能力	样本量较小（94例），回顾性研究设计可能存在偏倚，需要更大规模多中心研究验证泛化性	提高布鲁氏菌性脊柱炎与结核性脊柱炎的CT影像鉴别诊断准确性	94例经确诊的布鲁氏菌性脊柱炎和结核性脊柱炎患者	医学影像分析	脊柱炎	CT成像、超分辨率技术、放射组学分析	ResNet18、ResNet34、MLP、GAN	CT影像	94例患者（训练集65例：40例BS+25例TBS；验证集29例：17例BS+12例TBS）
514	2025-09-11	Multimodal deep learning for predicting protein ubiquitination sites 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf200 PMID:40917649	研究论文	提出一种基于多模态深度学习的泛素化位点预测方法，显著提升预测准确性和鲁棒性	整合多种蛋白质序列表示（独热编码、嵌入和理化性质）于统一深度学习框架，实现跨物种（通用、人类特异和植物特异）数据集的高精度预测	NA	开发高精度且泛化能力强的蛋白质泛素化位点预测工具	蛋白质序列及其泛素化位点	生物信息学	NA	深度学习	多模态深度学习模型	蛋白质序列数据	包含通用、人类特异和植物特异数据集（具体数量未在摘要中说明）
515	2025-09-11	A graph attention-based deep learning network for predicting biotech-small-molecule drug interactions 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf192 PMID:40917652	研究论文	提出一种基于图注意力网络的深度学习框架，用于预测生物技术药物与小分子药物之间的相互作用	首次针对生物技术药物与小分子药物的相互作用预测设计深度学习模型，利用图注意力网络处理两者显著不同的分子结构特征	NA	改进生物技术药物与小分子药物之间的相互作用预测，以支持更有效的联合疗法开发	生物技术药物和小分子药物	机器学习	NA	深度学习，图注意力网络	GAT (图注意力网络)	图数据（分子结构）	NA
516	2025-09-11	ResLysEmbed: a ResNet-based framework for succinylated lysine residue prediction using sequence and language model embeddings 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf198 PMID:40917651	研究论文	提出一种基于ResNet的框架ResLysEmbed，结合序列和语言模型嵌入预测赖氨酸琥珀酰化位点	融合传统词嵌入与蛋白质语言模型残基嵌入，开发三种混合架构并验证ResNet最优，首次应用SHAP分析解释残基贡献	NA	提升赖氨酸琥珀酰化位点的计算预测性能	蛋白质序列中的赖氨酸残基	生物信息学	NA	深度学习、蛋白质语言模型、SHAP可解释性分析	ResNet、CNN、Inception（混合架构ConvLysEmbed/InceptLysEmbed/ResLysEmbed）	蛋白质序列数据	两个独立测试集（具体数量未说明）
517	2025-09-11	Knowledge Attitudes and Ethical Concerns About Artificial Intelligence Among Medical Students at Taibah University: A Cross-Sectional Study 2025, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S528281 PMID:40917814	研究论文	本研究通过问卷调查评估泰拜大学医学生对人工智能的知识、态度及伦理关注	首次在沙特阿拉伯医学生群体中量化评估AI认知水平与伦理顾虑	单中心研究且样本量有限（189人），结果可能缺乏普适性	评估医学生对AI的认知准备度以指导课程开发	泰拜大学189名医学专业学生	医学教育	NA	问卷调查与统计分析（ANOVA）	NA	问卷评分数据	189名医学学生
518	2025-09-11	The Revolution in Midwifery Education: How AI and Deep Learning are Transforming Outcome-Based Assessments? 2025, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S543098 PMID:40917813	综述	本文综述了人工智能和深度学习在助产教育中提升基于结果评估的作用，重点关注客观性、个性化学习及学生临床准备能力的改进	探讨AI和深度学习算法（如CNN、LSTM、随机森林、SVM）在助产教育评估中的创新应用，实现客观评价、个性化反馈和临床模拟增强	实施面临基础设施准备、数字素养、数据保护伦理及算法偏见等挑战	提升助产教育的基于能力课程和结果评估范式，以适应母婴健康服务的快速发展	助产教育中的学生临床技能评估和学习教育过程	教育技术	NA	系统文献综述，使用Rayyan软件进行文章筛选	CNN, LSTM, Random Forest, SVM	文本（文献数据）	从771篇文章中筛选出15篇符合标准的文献
519	2025-09-11	Transformer-based ECG classification for early detection of cardiac arrhythmias 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1600855 PMID:40917829	研究论文	提出基于Transformer的深度学习框架，用于自动化ECG分类以早期检测心律失常	整合先进预处理、特征选择和降维技术，并采用Transformer架构优化ECG信号分类性能	由于数据集和评估协议差异，性能对比仅为指示性而非结论性；实时或资源受限环境部署需进一步优化和验证	开发自动化ECG分类方法，用于心血管疾病的早期检测与监测	ECG信号，分类为正常、房性早搏(APC)、室性早搏(VPC)和融合波等类别	生物医学信号处理	心血管疾病	PCA、相关性分析、特征工程、t-SNE可视化	Transformer	ECG信号	MIT-BIH基准数据集（具体数量未明确说明）
520	2025-09-11	Brain tumor classification using GAN-augmented data with autoencoders and Swin Transformers 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1635796 PMID:40917831	研究论文	提出一种结合Swin Transformer和AE-cGAN增强的深度学习模型，用于脑肿瘤分类	使用AE-cGAN生成合成图像增强数据集多样性，并利用Swin Transformer捕获局部和全局依赖关系	未提及实时临床部署的验证，需要扩展到更多医疗影像任务	解决脑肿瘤分类中的数据不平衡和特征提取挑战	脑肿瘤医学影像	计算机视觉	脑肿瘤	深度学习，GAN数据增强	Swin Transformer, AE-cGAN, 自编码器	医学影像	两个公开数据集（Figshare和Kaggle），具体样本数量未明确