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
5441	2025-03-09	Synthesizing 3D Multi-Contrast Brain Tumor MRIs Using Tumor Mask Conditioning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009331 PMID:38715792	研究论文	本文提出了一种基于肿瘤掩码条件的3D多对比脑肿瘤MRI合成方法，以解决医学图像数据稀缺和不平衡的问题	将2D潜在扩散模型调整为生成3D多对比脑肿瘤MRI数据，并引入肿瘤掩码作为条件，生成高质量且多样化的样本	未提及模型在临床环境中的实际应用效果或生成样本的临床验证	解决脑肿瘤MRI数据稀缺问题，提升深度学习模型的训练数据可用性	脑肿瘤MRI数据	计算机视觉	脑肿瘤	3D潜在扩散模型	3D自编码器、条件3D扩散概率模型（DPM）	3D多对比MRI图像	两个数据集：TCGA公共数据集和UTSW内部数据集
5442	2025-03-09	MRI-Based Deep Learning Method for Classification of IDH Mutation Status 2023-Sep-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091045 PMID:37760146	研究论文	本研究旨在开发基于T2加权MRI图像的深度学习网络，用于非侵入性IDH突变状态分类，并与多对比网络进行比较	开发了仅使用T2加权图像的深度学习网络（T2-net）和多对比网络（MC-net），并在超过1100个样本上进行了测试，这是迄今为止最大的基于图像的IDH分类研究	NA	开发用于IDH突变状态分类的深度学习算法	胶质瘤患者的MRI图像和基因组数据	计算机视觉	胶质瘤	MRI	深度学习网络（T2-net和MC-net）	图像	超过1100个样本，包括来自多个数据库的病例
5443	2025-03-09	Deep learning identifies robust gender differences in functional brain organization and their dissociable links to clinical symptoms in autism 2022-Apr, The British journal of psychiatry : the journal of mental science DOI:10.1192/bjp.2022.13 PMID:35164888	研究论文	本研究利用深度学习技术识别自闭症谱系障碍（ASD）中男女功能脑组织的显著差异，并探讨这些差异与临床症状的关联	开发了一种新的时空深度神经网络（stDNN），用于分析功能磁共振成像数据，成功区分ASD患者中的性别差异，并发现这些差异与临床症状的特定关联	研究主要依赖于神经影像数据，可能忽略了其他潜在的生物或环境因素对性别差异的影响	识别ASD中男女功能脑组织的差异，并预测症状严重程度	自闭症谱系障碍（ASD）患者	机器学习和神经影像分析	自闭症谱系障碍	功能磁共振成像（fMRI）和深度学习	时空深度神经网络（stDNN）	神经影像数据	773名ASD患者
5444	2025-03-08	A bioinspired microbial taste chip with artificial intelligence-enabled high selectivity and ultra-short response time 2025-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117264 PMID:39987654	研究论文	本文介绍了一种受生物启发的微生物味觉芯片，该芯片结合人工智能技术，实现了高选择性和超短响应时间，用于实时水污染监测	通过基于门控循环单元（GRU）的深度学习算法，解决了微生物味觉芯片在选择性方面的挑战，并实现了48秒的最短响应时间，比之前报道的最快响应时间缩短了3.75倍	尽管在选择性方面取得了突破，但芯片的响应时间仍需进一步优化，且目前仅针对Cu、Pb和Cr三种重金属离子进行了测试	开发一种高选择性和超短响应时间的微生物味觉芯片，用于实时水污染监测	水中的Cu、Pb和Cr重金属离子	生物传感器	NA	深度学习算法（GRU）	GRU	电流模式数据	NA
5445	2025-03-08	Kellgren-Lawrence grading of knee osteoarthritis using deep learning: Diagnostic performance with external dataset and comparison with four readers 2025-Jun, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100580 PMID:40046240	研究论文	本研究评估了深度学习模型在外部数据集上对膝关节骨关节炎的Kellgren-Lawrence (KL)分级诊断性能，并与四位读者进行了比较	使用深度学习模型在外部数据集上评估膝关节骨关节炎的KL分级，并与多位人类读者进行比较，展示了深度学习在医学影像诊断中的潜力	研究样本量较小（208例膝关节X光片），且仅使用了单一外部数据集进行验证	评估深度学习模型在膝关节骨关节炎KL分级中的诊断性能	膝关节骨关节炎的X光片	计算机视觉	骨关节炎	深度学习	深度学习模型	图像	208例膝关节X光片
5446	2025-03-08	Optimizing Catheter Verification: An Understandable AI Model for Efficient Assessment of Central Venous Catheter Placement in Chest Radiography 2025-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001126 PMID:39724590	研究论文	本研究旨在通过分割支持材料和解剖结构来提高中心静脉导管（CVC）错位检测的精确性和可理解性	结合分类网络和分割网络的深度学习模型，提高了CVC错位检测的准确性和临床可解释性	研究中使用的数据集可能存在标签不准确的问题，且模型的泛化能力需要进一步验证	提高中心静脉导管（CVC）错位检测的准确性和临床可解释性	中心静脉导管（CVC）在胸部X光片中的位置	医学影像分析	NA	深度学习	分类网络、分割网络及其组合	胸部X光片	1006张带注释的仰卧胸部X光片
5447	2025-03-08	Assessment of Emphysema on X-ray Equivalent Dose Photon-Counting Detector CT: Evaluation of Visual Scoring and Automated Quantification Algorithms 2025-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001128 PMID:39729642	研究论文	本研究评估了在X射线等效剂量光子计数探测器CT上使用视觉评分、低衰减体积（LAV）和深度学习方法估计肺气肿范围的可行性和效果，旨在探索未来剂量减少的潜力	首次在X射线等效剂量光子计数探测器CT上评估了视觉评分和自动化量化算法在肺气肿估计中的应用，并探索了剂量减少的潜力	深度学习和LAV算法在X射线剂量扫描中高估了肺气肿范围	评估在X射线等效剂量光子计数探测器CT上估计肺气肿范围的可行性和效果	101名前瞻性入组的患者	数字病理学	慢性阻塞性肺疾病	CT扫描、深度学习方法	深度学习模型	图像	101名患者
5448	2025-03-08	Protein ligand structure prediction: From empirical to deep learning approaches 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102998 PMID:39914050	综述	本文综述了从经验方法到深度学习方法在蛋白质-配体结构预测中的应用	提供了对经验方法和基于深度学习的结构预测方法的统一视角，并讨论了未来基于深度学习方法的发展挑战和机遇	主要集中于方法论的讨论，缺乏具体实验数据的验证	探讨蛋白质-配体结构预测方法在药物发现中的应用	蛋白质-配体复合物	机器学习	NA	深度学习	NA	结构数据	NA
5449	2025-03-08	Simulation-based inference of single-molecule experiments 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102988 PMID:39921963	综述	本文综述了基于模拟的推理（SBI）在单分子实验分析中的应用	介绍了新兴的基于深度学习的SBI方法，用于执行复杂模型的贝叶斯推理	讨论了参数化贝叶斯推理的局限性	探讨SBI在单分子实验分析中的应用，以连接科学模型和实验	单分子实验数据	机器学习	NA	单分子力谱和冷冻电镜实验	贝叶斯推理模型	单分子实验数据	NA
5450	2025-03-08	Deep learning for RNA structure prediction 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102991 PMID:39933218	综述	本文综述了AI特别是深度学习在RNA结构预测中的应用，强调了方法学进展以及该领域未来工作的挑战和机遇	及时总结了近年来AI方法在RNA结构预测中的革命性应用，突出了深度学习技术的进步	未具体提及个别模型的性能限制或数据需求	探讨AI特别是深度学习在RNA结构预测中的应用及其进展	RNA结构预测	机器学习	NA	深度学习	NA	序列数据	NA
5451	2025-03-08	From part to whole: AI-driven progress in fragment-based drug discovery 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102995 PMID:39970579	review	本文回顾了AI驱动的片段药物发现技术的最新进展	介绍了使用AI技术（如VAE、强化学习、SE(3)-等变模型）来提高分子设计的准确性和效率	未明确提及具体局限性	提高片段药物发现的效率和准确性	片段药物发现中的分子设计和优化	machine learning	NA	VAE, 强化学习, SE(3)-等变模型, 扩散模型, 语言模型, 深度进化学习	VAE, 强化学习, SE(3)-等变模型, 扩散模型, 语言模型, 深度学习	分子结构数据	NA
5452	2025-03-08	FusionNet: Dual input feature fusion network with ensemble based filter feature selection for enhanced brain tumor classification 2025-Apr-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149507 PMID:39970997	研究论文	本文提出了一种名为FusionNet的新方法，利用正常和分割的MRI图像来提高脑肿瘤分类的准确性	FusionNet结合了正常和分割的MRI图像，使用基于注意力机制和集成特征选择的方法来优先考虑相关特征，从而提高分类性能	NA	提高脑肿瘤分类的准确性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	FusionNet	MRI图像	多个数据集（Figshare, Kaggle, Sartaj, 组合数据集）
5453	2025-03-08	Toward deep learning sequence-structure co-generation for protein design 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103018 PMID:39983410	综述	本文回顾了深度学习在蛋白质设计中的最新进展，特别是序列-结构共生成方法	聚焦于序列-结构共生成方法，探讨了同时建模序列和结构的创新点	未提及具体方法的局限性	探讨深度学习在蛋白质设计中的应用，特别是序列-结构共生成方法	蛋白质序列和结构	机器学习	NA	深度学习	生成模型	序列和结构数据	NA
5454	2025-03-08	Protein language models for predicting drug-target interactions: Novel approaches, emerging methods, and future directions 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103017 PMID:39985946	综述	本文综述了蛋白质语言模型（pLMs）在药物-靶点相互作用（DTI）预测中的应用，探讨了从小分子到蛋白质治疗的各种方法，并强调了异质数据集成的作用	本文创新性地探讨了利用预训练的基础pLMs和端到端学习模型来预测DTI，并提出了未来研究方向，如多模态学习方法和引入时间/动态交互数据	DTI预测仍面临数据相关限制和算法约束的挑战	加速药物开发过程中的新药物候选物识别	药物-靶点相互作用（DTI）	自然语言处理	NA	蛋白质语言模型（pLMs）	端到端学习模型、预训练的基础pLMs	蛋白质结构、知识图谱	NA
5455	2025-03-08	Lightweight sparse optoacoustic image reconstruction via an attention-driven multi-scale wavelet network 2025-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100695 PMID:40046019	研究论文	本文提出了一种轻量级的稀疏光声图像重建网络AD-WaveNet，通过结合离散二维小波变换和自适应注意力机制，提高了稀疏采样下的图像重建质量并降低了计算复杂度	AD-WaveNet网络创新性地将离散二维小波变换与自适应注意力机制相结合，利用小波变换的多尺度分解特性，强调不同尺度下的关键特征，从而在降低计算复杂度和参数量的同时保持最佳重建质量	NA	提高稀疏采样下光声断层扫描（PAT）图像的重建质量，并降低计算复杂度	光声断层扫描（PAT）图像	计算机视觉	NA	离散二维小波变换（DWT）	AD-WaveNet	图像	NA
5456	2025-03-08	Explainable multiscale temporal convolutional neural network model for sleep stage detection based on electroencephalogram activities 2025-Mar-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adb90c PMID:39983236	研究论文	本文提出了一种基于脑电图活动的可解释多尺度时间卷积神经网络模型，用于自动睡眠阶段检测	该模型通过多尺度神经生理学模拟内核捕捉不同频率和时间长度的睡眠相关脑电图活动，提高了模型的可解释性和性能	尽管模型在少量数据上表现良好，但在实际应用中仍需进一步验证其泛化能力	开发一种自动睡眠阶段检测模型，以减少繁琐的手动标注过程	睡眠阶段的脑电图活动	机器学习	NA	脑电图（EEG）	多尺度时间卷积神经网络（MTCNN）	脑电图数据	153天的多导睡眠图数据
5457	2025-03-08	Deep learning-based quantification of T2-FLAIR mismatch sign: extending IDH mutation prediction in adult-type diffuse lower-grade glioma 2025-Mar-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11475-7 PMID:40050456	研究论文	本研究探讨了基于深度学习的定量T2-FLAIR不匹配比率（qT2FM）在成人型弥漫性低级别胶质瘤（LGG）中预测IDH突变状态的价值	利用深度学习进行全自动肿瘤分割，首次提出qT2FM作为识别IDH突变状态和IDHmut-Noncodel亚型的有力预测指标	研究为回顾性设计，样本量相对有限，且未涉及其他类型胶质瘤的验证	评估qT2FM在成人型弥漫性LGG中预测IDH突变状态的有效性	218名成人型弥漫性LGG患者	数字病理学	脑胶质瘤	深度学习	深度学习分割模型	医学影像	218名患者（125名男性，平均年龄47岁±15）
5458	2025-03-08	Automated deep learning-assisted early detection of radiation-induced temporal lobe injury on MRI: a multicenter retrospective analysis 2025-Mar-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11470-y PMID:40050455	研究论文	本文评估了一种基于深度学习的自动化工具（RTLI-DM）在MRI上早期检测辐射诱导的颞叶损伤（RTLI）的效果	开发并验证了一种结合Unet++和修改版DenseNet-121网络的自动化RTLI检测模型，显著提高了放射科医生的诊断性能并减少了阅读时间	尽管RTLI-DM显著提高了诊断性能，但在临床应用中仍需进一步验证	评估自动化深度学习工具在早期检测辐射诱导颞叶损伤中的效果	396名RTLI患者和3181名非RTLI患者	数字病理学	颞叶损伤	MRI	Unet++, DenseNet-121	图像	396名RTLI患者和3181名非RTLI患者，总计3577名患者
5459	2025-03-08	The value of radiomics and deep learning based on PET/CT in predicting perineural nerve invasion in rectal cancer 2025-Mar-07, Abdominal radiology (New York) DOI:10.1007/s00261-025-04833-y PMID:40053051	研究论文	本研究探讨了基于PET/CT的放射组学特征和深度学习特征在预测直肠癌神经周围浸润（PNI）中的价值	结合PET代谢参数、放射组学特征和深度学习特征构建了联合模型，用于预测直肠癌的神经周围浸润	样本量相对较小，且外部验证集仅来自两家医院	研究PET/CT的放射组学和深度学习特征在预测直肠癌神经周围浸润中的应用价值	直肠癌患者	数字病理	直肠癌	PET/CT	深度学习模型、放射组学模型、联合模型	PET/CT图像	120例直肠癌患者（56例PNI阳性，64例PNI阴性），外加31例来自其他两家医院的患者作为外部验证集
5460	2025-03-08	Deep Learning-based Multi-class Classification for Neonatal Respiratory Diseases on Chest Radiographs in Neonatal Intensive Care Units 2025-Mar-06, Neonatology IF:2.6Q1 DOI:10.1159/000545107 PMID:40049153	研究论文	本研究介绍了一种基于深度学习的自动算法，用于分类新生儿重症监护病房中的各种新生儿呼吸系统疾病和健康肺	使用大规模高质量多类标注的胸部X光图像数据集，结合非影像数据，开发了一种新的深度学习模型，用于新生儿呼吸系统疾病的自动分类	研究仅基于韩国10所大学医院的数据，可能限制了模型的普遍适用性	开发一种自动分类算法，以支持新生儿科医生对重症新生儿的及时准确决策	新生儿重症监护病房中的新生儿	计算机视觉	新生儿呼吸系统疾病	深度学习	修改后的ResNet50	胸部X光图像	训练集34,598张，验证集4,370张，测试集4,370张