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
521	2025-09-18	Deep ensemble framework with Bayesian optimization for multi-lesion recognition in capsule endoscopy images 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03380-4 PMID:40411689	研究论文	提出一种基于贝叶斯优化的深度集成框架，用于胶囊内镜图像中的多病灶自动识别	结合CA-EfficientNet-B0、ECA-RegNetY和Swin transformer三种基础学习器，并采用贝叶斯优化确定集成权重，有效提升胃肠道疾病分类性能	NA	自动识别胶囊内镜图像中的四种病灶（血管扩张、出血、糜烂和息肉）以及正常胃肠道图像	胶囊内镜图像	计算机视觉	胃肠道疾病	迁移学习、注意力机制	集成学习（CA-EfficientNet-B0, ECA-RegNetY, Swin transformer）	图像	281个病例的8358张图像
522	2025-09-18	ToPoMesh: accurate 3D surface reconstruction from CT volumetric data via topology modification 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03381-3 PMID:40423893	研究论文	提出ToPoMesh，一种端到端的深度学习框架，用于从CT体积数据直接重建高保真3D表面网格	通过图卷积网络中的残差连接和自注意力机制保留局部特征、自适应变密度网格解池策略动态优化顶点分布、拓扑修改模块迭代修剪误差表面并通过可变正则项进行边界平滑	NA	克服传统CT 3D重建方法的分辨率限制和后处理工作流耗时问题，直接生成高质量3D表面网格	CT体积数据	计算机视觉	多种疾病（涉及肝脏、胰腺肿瘤、海马体和脾脏数据集）	深度学习，图卷积网络(GCN)，自注意力机制	端到端深度学习框架	CT体积数据	使用LiTS、MSD胰腺肿瘤、MSD海马体和MSD脾脏数据集进行实验
523	2025-09-18	Deep Learning Pipeline for Automated Assessment of Distances Between Tonsillar Tumors and the Internal Carotid Artery 2025-Oct, Head & neck DOI:10.1002/hed.28200 PMID:40458868	研究论文	开发了一种基于深度学习的自动化流程，用于评估扁桃体肿瘤与颈内动脉之间的最小距离	首次提出使用nnU-Net深度学习框架自动分割扁桃体肿瘤和颈内动脉，并构建自动化工具计算两者间距离	研究样本量较小（96例患者），分割性能（DSC 0.67）仍有提升空间	为术前规划提供自动化的距离评估工具	扁桃体肿瘤患者	数字病理	头颈部肿瘤	CT扫描影像分析	nnU-Net	医学影像	96例扁桃体肿瘤患者的CT扫描数据
524	2025-09-18	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-Ocular Syndrome 2025-Oct, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	研究论文	开发基于深度学习的人工智能模型，利用光学相干断层扫描（OCT）图像预测太空飞行相关神经眼综合征（SANS）的发生	首次使用Resnet50深度学习模型结合航天和地面模拟数据预测SANS，并通过类激活图（CAM）识别关键影像区域	数据量有限（样本规模未明确说明），性能置信区间较宽	预测太空飞行相关神经眼综合征（SANS）的发病风险	宇航员（太空飞行数据）和头低位卧床休息研究参与者（地面模拟数据）	计算机视觉	神经眼综合征	光学相干断层扫描（OCT）	Resnet50	图像	NA
525	2025-09-18	Multitask Deep Learning for Automated Segmentation and Prognostic Stratification of Endometrial Cancer via Biparametric MRI 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70012 PMID:40536279	研究论文	开发基于双参数MRI的多任务深度学习框架，用于子宫内膜癌的自动分割和关键预后因素分类	首次提出统一深度学习框架同时实现肿瘤分割和多任务预后分层，并对比了放射科医师的视觉评估	回顾性研究，样本量有限（325例患者），需外部验证验证泛化性	通过双参数MRI实现子宫内膜癌的自动分割和预后因素多任务分类	325例经组织学确认的子宫内膜癌患者	医学影像分析	子宫内膜癌	双参数MRI（T2WI和DWI序列）	深度学习多任务分类模型	MRI影像	325例患者（训练集211例，验证集54例，测试集60例）
526	2025-09-18	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像探索阿尔茨海默病谱系中认知功能、视网膜生物标志物与大脑改变之间的关联	首次结合深度学习模型FARGO分析视网膜血管特征，并系统比较AD谱系不同阶段（HC、SCD、MCI、AD）的认知-眼-脑多维关联	样本量较小（总n=76），且AD组样本数较少（n=7），可能影响统计效力	揭示阿尔茨海默病谱系障碍中认知、眼部生物指标与大脑结构功能变化的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	多模态MRI（3D T1加权BRAVO序列、静息态fMRI）、光学相干断层扫描血管成像（OCTA）	深度学习模型FARGO	脑部MRI图像、视网膜OCTA图像、认知评估数据	76人（HC=16, SCD=35, MCI=18, AD=7）
527	2025-09-18	Automated multiple sclerosis lesion segmentation from 3D-FLAIR MRI using R2AUNet: A deep learning approach with recurrent residual and attention mechanisms 2025-Oct, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106620 PMID:40712506	研究论文	本研究开发了一种基于深度学习的自动化方法R2AUNet，用于从3D-FLAIR MRI中分割多发性硬化病灶	提出结合循环残差块和注意力机制的3D U-Net框架，仅使用单一MRI序列实现准确分割	NA	开发自动化多发性硬化病灶分割方法以减少人工分割的时间和变异性	多发性硬化患者的3D-FLAIR MRI扫描数据	医学图像分析	多发性硬化	3D-FLAIR MRI	R2AUNet（基于3D U-Net的循环残差注意力网络）	3D MRI图像	95名患者的112次MRI扫描
528	2025-09-18	BrainCNN: Automated brain tumor grading from magnetic resonance images using a convolutional neural network-based customized model 2025-Oct, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	提出一种基于卷积神经网络的定制模型BrainCNN，用于从磁共振图像自动分级脑肿瘤	整合专用CNN与预训练模型，在脑肿瘤分级中实现高达99.45%的准确率，并提升计算效率	NA	开发自动化脑肿瘤分级系统以辅助治疗规划和提高生存率	脑肿瘤患者	计算机视觉	脑肿瘤	MRI，深度学习	CNN，SVM，MobileNet，Inception V3，ResNet-50	图像	293例MRI扫描
529	2025-09-18	Magnetic Susceptibility-Based Imaging in Gliomas: Insights into Tumor Grading and Margin Delineation 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70140 PMID:40944493	综述	本文综述了基于磁化率的MR成像（如R2*、SWI和QSM）在胶质瘤分级和边界勾画中的应用价值	系统比较了不同磁化率成像技术的优势与局限，并提出多模态融合及人工智能整合的未来方向	QSM技术尚未在临床常规应用，且SWI无法区分出血与钙化	评估磁化率成像在胶质瘤分级和肿瘤边界界定中的作用	胶质瘤患者	医学影像分析	胶质瘤	R2*成像、SWI、QSM、多模态MR成像（包括PWI和DTI）	NA	磁共振影像	40项研究（基于文献综述）
530	2025-09-18	Hepatocellular Carcinoma Risk Stratification for Cirrhosis Patients: Integrating Radiomics and Deep Learning Computed Tomography Signatures of the Liver and Spleen into a Clinical Model 2025-Sep-28, Journal of clinical and translational hepatology IF:3.1Q2 DOI:10.14218/JCTH.2025.00091 PMID:40951530	研究论文	本研究开发并验证了一个结合临床模型与CT影像特征的肝癌风险预测模型aMAP-CT	首次将肝脏和脾脏的放射组学及深度学习特征整合到aMAP临床模型中，显著提升肝癌风险分层能力	研究队列以慢性乙型肝炎病毒感染为主（91.5%），结果可能不适用于其他病因导致的肝硬化患者	改善肝硬化患者的肝细胞癌风险分层，实现个性化监测策略	肝硬化患者	数字病理	肝细胞癌	计算机断层扫描（CT），放射组学分析（PyRadiomics），深度学习（ResNet-18）	ResNet-18，LASSO特征选择	CT影像	2411名来自中国多中心前瞻性队列的肝硬化患者
531	2025-09-18	Parametrically guided design of beta barrels and transmembrane nanopores using deep learning 2025-Sep-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2425459122 PMID:40953261	研究论文	利用深度学习实现参数化引导的β桶和跨膜纳米孔设计	将参数化表示与基于RoseTTAFold的深度学习方法结合，首次实现β桶结构的参数化设计并成功生成功能正确的跨膜纳米孔	NA	开发一种结合参数化生成和深度学习的蛋白质设计方法，用于精确控制β桶和跨膜纳米孔的全局形状与功能	β桶蛋白质结构和跨膜纳米孔	蛋白质设计	NA	深度学习，RoseTTAFold，RFjoint修复，RFdiffusion，X射线晶体学	深度学习模型（基于RoseTTAFold）	蛋白质序列与结构数据	多种β桶参数化范围的设计案例，包括一种稀有桶拓扑结构和多个跨膜纳米孔（电导200-500 pS）
532	2025-09-18	Enhanced Detection, Using Deep Learning Technology, of Medial Meniscal Posterior Horn Ramp Lesions in Patients with ACL Injury 2025-Sep-17, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.01530 PMID:40743295	研究论文	本研究利用深度学习技术提升MRI对ACL损伤患者内侧半月板后角斜坡病变的检测能力	首次将深度学习模型与风险因素（年龄、后内侧胫骨骨髓水肿、外侧半月板撕裂）结合，显著提高了斜坡病变的诊断准确率	研究为回顾性设计，样本量有限（236例），证据等级为III级	评估深度学习技术是否能够增强基于MRI的半月板斜坡病变检测	ACL损伤患者的内侧半月板后角斜坡病变	医学影像分析	膝关节损伤	MRI，深度学习，逻辑回归，XGBoost，随机森林	Swin Transformer Large	MRI图像	236例接受关节镜手术的ACL损伤患者
533	2025-09-18	Deep Learning Analysis of Crystallization Using Polarized Light Microscopy and U-Net Segmentation 2025-Sep-17, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c03681 PMID:40958672	研究论文	结合偏振光显微镜与深度学习技术分析液晶化合物9BA4的结晶过程	首次将U-Net卷积神经网络应用于偏振光显微镜图像的语义分割，实现结晶相和近晶相的自动化识别与定量分析	NA	研究材料结晶行为以控制其物理性质	液晶化合物9BA4	计算机视觉	NA	偏振光显微镜、非等温冷却实验	U-Net CNN	图像	多个冷却速率下的结晶过程数据
534	2025-09-18	Deep Learning-Driven Discovery of Novel Antimicrobial Peptides from Large-Scale Protist Genomes and Experimental Characterization 2025-Sep-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01196 PMID:40958742	研究论文	利用深度学习技术从大规模原生生物基因组中挖掘新型抗菌肽并进行实验验证	首次对2000多个原生生物基因组进行大规模新型抗菌肽探索，结合优化的BERT和CNN模型进行多模型综合识别	仅对18种合成肽进行了实验验证，需要进一步扩大验证范围和体内实验	发现新型抗菌分子以应对抗生素耐药性问题	原生生物基因组中的抗菌肽(AMPs)	自然语言处理	NA	深度学习，多阶段筛选流程	BERT, CNN, C_AMPs_Ptrdict, AMPEP, AMPidentifier	基因组序列数据	2120个原生生物基因组数据集，约66亿条序列，最终鉴定出3133个候选AMPs
535	2025-09-18	Integrating Machine Learning into Free Energy Perturbation Workflows 2025-Sep-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01449 PMID:40958764	综述	探讨机器学习如何提升自由能微扰（FEP）方法在药物设计中的效率、精度和可及性	提出将主动学习和深度学习整合到FEP工作流中，优化采样策略、协议和力场开发	基于机器学习的神经网络势能虽提高精度，但计算成本较高	增强FEP在基于结构的药物设计中的预测能力和应用普及	蛋白质-配体结合亲和力预测	机器学习	NA	主动学习（AL）、深度学习（DL）、神经网络势能（NNPs）	AlphaFold, NeuralPLexer, DragonFold	量子力学数据、蛋白质-配体复合结构	NA
536	2025-09-18	NMR-based deep learning classification of raw cow's milk samples in different stages of mastitis 2025-Sep-17, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70200 PMID:40959907	研究论文	基于NMR数据和深度强化学习对生牛奶样本在不同乳腺炎阶段进行分类	结合NMR光谱、多维张量分解和深度强化学习构建分类模型，无需样本预处理	NA	开发可靠的预测模型，用于生牛奶在不同乳腺炎阶段的分类	生牛奶样本（来自健康奶牛和患乳腺炎奶牛）	机器学习	乳腺炎	NMR（核磁共振），包括1H-NMR和DOSY NMR	深度神经网络（DRL）	光谱数据	多个组（健康两组，亚临床四组，临床一组）的牛奶样本
537	2025-09-18	Graph Neural Networks in Modern AI-Aided Drug Discovery 2025-Sep-17, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.5c00461 PMID:40959983	综述	本文全面回顾了图神经网络（GNNs）在AI辅助药物发现中的方法基础与应用	重点关注几何GNNs、可解释模型、不确定性量化及与自监督学习等现代深度学习方法的融合	讨论了GNNs在实际药物发现流程中遇到的实际挑战与方法瓶颈	AI辅助药物发现（AIDD）	药物样分子	machine learning	NA	图神经网络（GNNs）	GNN	分子图	NA
538	2025-09-18	Leveraging Transformer Models to Capture Multi-Scale Dynamics in Biomolecules by Nano-GPT 2025-Sep-17, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00180 PMID:40960089	研究论文	提出一种基于GPT架构的深度学习模型nano-GPT，用于捕获分子系统中的多尺度长期动力学行为	采用双阶段训练机制逐步替换分子动力学标记，通过注意力机制学习高阶依赖关系，有效减少训练窗口内的误差累积	NA	解决传统模型在捕获生物分子长期动力学行为时的时间尺度限制问题	分子系统（包括四态模型势、丙氨酸二肽和Fip35 WW结构域）	机器学习	NA	分子动力学模拟（MD），深度学习	Transformer（GPT架构）	分子动力学轨迹数据	三个验证系统：四态模型势、丙氨酸二肽和Fip35 WW结构域
539	2025-09-18	Versatile Image-Assisted Cell Sorting by Selective Trapping with Spatiotemporal Multiparameter Targeting 2025-Sep-17, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c01433 PMID:40960346	研究论文	提出一种基于图像引导多参数可调靶向的二维细胞分选技术（2D-SIGMAT），通过动态光激活细胞捕获实现精确高效的细胞分离	首次实现时空多参数靶向的选择性捕获，支持从单细胞到类器官的宽尺寸范围分选，并兼容荧光/明场成像与深度学习模型	NA	开发高性能、多功能的细胞分选方法以克服现有技术局限性	细胞及类器官	生物医学工程	NA	光激活细胞捕获、荧光/明场成像、深度学习目标检测	YOLOv5	图像、时序数据	吞吐量达每秒2000个细胞
540	2025-09-18	Explainable Machine Learning for Characterizing Unknown Molecular Structures in Infrared Spectra 2025-Sep-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03126 PMID:40960350	研究论文	提出一种可解释的深度学习模型SSIN，用于红外光谱中未知分子功能基团的高效检测	首次将红外光谱分析先验知识融入机器学习训练推理过程，并实现可解释的功能基团检测	模型在NIST数据库气体相光谱上验证，可能在其他类型光谱数据上表现未知	解决红外光谱分析中机器学习方法缺乏可解释性和先验知识融合的问题	未知分子的红外光谱数据	机器学习	NA	红外光谱分析	深度学习网络（SSIN）	光谱数据	NIST数据库中的8845个气相红外光谱样本