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
5901	2025-04-11	Quality assessment of VHH models 2023, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2172613 PMID:36752327	研究论文	本研究评估和比较了不同建模方法在预测重链抗体（VHH）结构质量方面的表现	比较了传统同源建模与深度学习建模方法（如AlphaFold 2和NanoNet）在VHH结构预测中的表现，并通过分子动力学模拟评估了预测模型的动态特性	研究中使用的实验结构数据有限，且动态特性评估仅针对一个VHH模型进行	评估不同建模方法在预测重链抗体（VHH）结构质量方面的准确性	重链抗体（VHH）的结构模型	结构生物学	NA	同源建模、深度学习建模（AlphaFold 2、NanoNet）、分子动力学模拟	Modeller、ModWeb、SwissModel、RoseTTAfold、AlphaFold 2、NanoNet	蛋白质序列和结构数据	约一千个公开可用的VHH实验结构
5902	2025-04-10	Individualized Analysis of Nipple-Sparing Mastectomy Versus Modified Radical Mastectomy Using Deep Learning 2025-Jun, Cancer innovation DOI:10.1002/cai2.70002 PMID:40151333	研究论文	本研究旨在通过深度学习评估乳头保留乳房切除术（NSM）与改良根治性乳房切除术（MRM）对个体生存结果的影响，并评估新辅助系统治疗（NST）在减少手术干预需求方面的潜力	提出了一种名为BIME的生存回归模型，该模型在治疗推荐中显示出最强的保护效果，并通过高级统计方法（如PSM和IPTW）减少了治疗分配中的偏差	需要进一步研究结合全面的预后评估以优化手术选择过程并完善其临床实用性	评估NSM和MRM对乳腺癌患者生存结果的影响，并探索NST在减少手术干预中的作用	乳腺癌患者	机器学习	乳腺癌	深度学习，PSM，IPTW	BIME	临床数据	NA
5903	2025-04-10	Impact of Scanner Manufacturer, Endorectal Coil Use, and Clinical Variables on Deep Learning-assisted Prostate Cancer Classification Using Multiparametric MRI 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230555 PMID:39841063	research paper	评估扫描仪制造商和扫描协议对深度学习模型在前列腺癌（PCa）双参数MRI（bpMRI）中分类侵袭性性能的影响	研究了不同扫描仪制造商和直肠内线圈（ERC）使用对深度学习模型性能的影响，并分析了临床特征对模型性能的贡献	研究为回顾性设计，可能受到数据选择和潜在偏差的影响	评估扫描仪制造商和扫描协议对深度学习在前列腺癌侵袭性分类中的影响	前列腺癌（PCa）的双参数MRI（bpMRI）数据	digital pathology	prostate cancer	bpMRI	CNN	image	5478例来自13个中心的bpMRI检查数据
5904	2025-04-10	Aligning, Autoencoding and Prompting Large Language Models for Novel Disease Reporting 2025-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3534586 PMID:40031357	研究论文	提出了一种基于提示的深度学习框架PromptLLM，用于准确高效地生成新型疾病的放射学报告	通过视觉图像与文本报告的对齐、无标签数据的自编码学习以及提示大型语言模型，实现了在有限标签数据下快速学习新型疾病知识并生成报告	需要一定量的无标签数据用于自编码学习，且实验仅针对COVID-19和胸部疾病进行了验证	开发一种能够在有限标签数据下准确报告新型疾病的自动放射学报告生成方法	放射学图像及其对应的疾病报告	自然语言处理	COVID-19, 胸部疾病	深度学习	PromptLLM (基于大型语言模型)	图像, 文本	使用了1%的训练数据（具体数量未明确说明）
5905	2025-04-10	A New Metric Based on Association Rules to Assess Feature-Attribution Explainability Techniques for Time Series Forecasting 2025-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3540513 PMID:40031563	research paper	本文介绍了一种新的模型无关度量RExQUAL，用于量化和比较基于归因的可解释人工智能技术提供的解释质量	提出了一种基于关联规则的新度量RExQUAL，结合局部和全局解释，评估和比较不同可解释技术的质量	实验设计仅包括不同类型的时间序列预测，可能在其他领域的适用性有待验证	评估和比较基于归因的可解释人工智能技术在时间序列预测中的解释质量	时间序列数据（包括单变量和多变量）	machine learning	NA	association rules, feature attribution	deep learning models	time series data	NA
5906	2025-04-10	Smectic-like bundle formation of planktonic bacteria upon nutrient starvation 2025-Apr-09, Soft matter IF:2.9Q2 DOI:10.1039/d4sm01117a PMID:40126189	研究论文	研究细菌在营养匮乏条件下形成束状聚集体的集体行为	发现营养匮乏导致细菌细胞排列成类似近晶液晶的束状结构，并通过深度学习评估其有序程度	未明确提及具体局限性	探索环境变化对细菌聚集行为的影响	浮游细菌	微生物学	NA	深度学习	NA	实验观察数据	未明确提及具体样本数量
5907	2025-04-10	Transformer-based deep learning structure-conductance relationships in gold and silver nanowires 2025-Apr-09, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp04605f PMID:40152302	研究论文	本研究利用基于Transformer的深度学习模型预测金和银纳米线的结构-电导关系	首次将Transformer神经网络应用于纳米线电导预测，展示了其在处理长、大及结构不同纳米线时的稳定性、准确性和可扩展性	模型训练数据主要来自模拟而非实际实验数据	建立纳米线结构与其电导特性之间的关系	金和银纳米线	机器学习	NA	分子动力学模拟(MD)与神经网络势能	Transformer	模拟数据	大量金和银纳米线结结构
5908	2025-04-10	Deep Learning with Reflection High-Energy Electron Diffraction Images to Predict Cation Ratio in Sr2xTi2(1-x)O3 Thin Films 2025-Apr-09, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c00787 PMID:40163590	研究论文	本研究利用深度学习技术预测SrTiO薄膜的化学计量比，通过反射高能电子衍射图像进行分析	使用门控卷积神经网络对小样本（31个样本）进行回归训练，实现了准确的预测，并通过可解释AI技术揭示了衍射条纹特征与阳离子化学计量之间的未知相关性	样本量较小（仅31个样本）	加速、理解和控制薄膜合成过程，揭示合成条件与材料性能之间的关系	SrTiO薄膜的化学计量比	机器学习	NA	反射高能电子衍射（RHEED）	门控卷积神经网络（Gated CNN）	图像	31个样本
5909	2025-04-10	Portal dose image prediction using Monte Carlo generated transmission energy fluence maps of dynamic radiotherapy treatment plans: a deep learning approach 2025-Apr-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc73f PMID:40164089	research paper	本研究开发并探讨了一种结合蒙特卡洛模拟和深度学习的混合模型，用于预测基于动态放射治疗计划的电子门户成像设备图像	结合蒙特卡洛模拟和深度学习方法来预测放射治疗中的电子门户成像设备图像，为剂量学质量保证提供新方法	模型在简单和复杂变体中的伽马通过率存在差异，表明模型性能有待进一步优化	开发一种用于放射治疗剂量学质量保证的混合模型	动态放射治疗计划中的电子门户成像设备图像	machine learning	various cancer types	Monte Carlo simulations, deep learning	U-Net	image	17 clinical treatment plans
5910	2025-04-10	Pulmonary Embolism Survival Prediction Using Multimodal Learning Based on Computed Tomography Angiography and Clinical Data 2025-Apr-09, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000831 PMID:40200808	研究论文	本研究利用深度学习模型结合CT肺动脉造影（CTPA）、临床数据和PE严重指数（PESI）评分预测肺栓塞（PE）患者的生存率	首次将CTPA影像特征、临床变量和PESI评分结合，通过多模态深度学习模型预测PE生存率，并验证了其优于单独使用PESI评分的性能	研究为回顾性设计，样本来自3个机构可能存在选择偏倚，未进行外部验证	开发预测肺栓塞患者生存率的AI模型	918名肺栓塞患者（3978次CTPA扫描）	数字病理	心血管疾病	CTPA影像分析、深度学习	多模态深度学习模型、CoxPH模型	医学影像（CTPA）、临床数据	918名患者（3978次CTPA扫描）
5911	2025-04-10	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Apr-09, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	research paper	该研究提出了一种使用语义文本相似性（STS）来链接不同创伤性脑损伤（TBI）症状清单的方法，以提高诊断和结果预测的可比性	利用预训练的深度学习模型通过语义文本相似性来链接不同症状清单，解决了TBI诊断中结果不可比的问题	研究依赖于预训练模型的表现，且需要进一步验证在更广泛症状清单上的适用性	提高创伤性脑损伤（TBI）诊断和结果预测中不同症状清单结果的可比性	创伤性脑损伤（TBI）的症状清单和患者数据	natural language processing	traumatic brain injury	semantic textual similarity (STS)	deep learning models	text	6,607名参与者来自16个国际数据源
5912	2025-04-10	Predicting Major Adverse Cardiac Events Using Deep Learning-based Coronary Artery Disease Analysis at CT Angiography 2025-Apr-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240459 PMID:40202417	研究论文	评估基于深度学习的冠状动脉疾病分析在预测急诊科急性胸痛患者主要不良心脏事件中的价值	使用深度学习模型对冠状动脉疾病程度进行分析，并证明其在预测主要不良心脏事件方面比临床风险因素更具预测价值	研究为回顾性多中心观察性研究，可能存在选择偏倚	预测急诊科急性胸痛患者的主要不良心脏事件	急性胸痛患者	数字病理学	心血管疾病	CT血管造影	深度学习模型	医学影像	408名患者（224名男性；平均年龄59.4±14.6岁）
5913	2025-04-10	Multiparametric Ultrasound Breast Tumors Diagnosis within BI-RADS Category 4 via Feature Disentanglement and Cross-Fusion 2025-Apr-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3558786 PMID:40198287	research paper	提出了一种基于特征解耦和交叉融合的多参数超声乳腺肿瘤诊断框架，用于辅助BI-RADS 4类乳腺肿瘤的诊断	提出了一种新的框架，整合了多参数超声信息（B模式图像、Nakagami参数图像和语义属性），并设计了特征解耦损失和多参数交叉融合模块	未明确提及具体局限性	提高BI-RADS 4类乳腺肿瘤诊断的准确性	BI-RADS 4类乳腺肿瘤	digital pathology	breast cancer	multiparametric ultrasound	Transformer-CNN	image	多中心多参数数据集（具体样本量未提及）
5914	2025-04-10	Cross-institutional validation of a polar map-free 3D deep learning model for obstructive coronary artery disease prediction using myocardial perfusion imaging: insights into generalizability and bias 2025-Apr-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07243-w PMID:40198356	研究论文	本研究探讨了基于心肌灌注成像（MPI）的深度学习模型在预测阻塞性冠状动脉疾病（CAD）时的跨机构泛化能力和潜在偏差	首次验证了无极性图的3D深度学习模型在不同医疗机构和人口统计学群体中的性能差异，并识别了与压力类型和患者年龄相关的偏差	模型在外部验证队列中的性能显著低于内部验证队列，且在跑步机压力MPI患者和70岁以上患者中表现较差	评估深度学习模型在预测阻塞性冠状动脉疾病时的跨机构泛化能力和潜在偏差	来自台湾两个医疗中心的接受应激/再分布铊-201 MPI检查的患者	数字病理学	心血管疾病	心肌灌注成像（MPI）	3D深度学习模型	医学影像	内部验证集933张图像，外部验证集3234张图像（来自另一个中心）
5915	2025-04-10	Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering 2025-Apr-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01495-6 PMID:40199834	research paper	提出一种基于深度学习的烧伤严重程度分类方法，通过改进的ResNet18架构和置信度过滤提高分类准确率	采用集成了注意力机制的增强型ResNet18架构，结合自适应学习率优化策略和置信度过滤后处理模块	实验仅在烧伤皮肤测试数据集上进行验证，未涉及更广泛的临床场景	提升烧伤严重程度分类的准确性和实时性，以支持临床治疗决策	烧伤皮肤图像	computer vision	烧伤	深度学习	SE-ResNet18	image	烧伤皮肤测试数据集（具体数量未说明）
5916	2025-04-10	Interpretable deep learning method to predict wound healing progress based on collagen fibers in wound tissue 2025-Apr-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110110 PMID:40198981	research paper	提出一种基于胶原纤维的深度学习方法来预测伤口愈合进程，并增强模型决策的可解释性	结合LayerCAM和Guided Backpropagation的可解释框架，无需像素级标注即可定位胶原纤维区域	未提及模型在更大规模或多样化数据集上的泛化能力	建立基于胶原纤维特征的伤口愈合状态分类方法	皮肤组织的组织学图像	digital pathology	wound healing	histological imaging	VGG16	image	未明确说明样本数量，涉及正常皮肤、0/3/7/10天伤口皮肤及糖尿病伤口皮肤
5917	2025-04-10	Detection of COVID-19, lung opacity, and viral pneumonia via X-ray using machine learning and deep learning 2025-Apr-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110131 PMID:40198984	research paper	该研究结合机器学习和深度学习技术，通过X光图像自动诊断COVID-19及其他肺部疾病	采用CNN、SVM及迁移学习技术（如ResNet18、EfficientNet-CNN和Xception-CNN），在X光图像分类中达到高准确率（最高99.20%）	数据集多样性和代表性不足，可能影响模型的泛化能力	提升COVID-19及其他肺部疾病的早期诊断效率和准确性	胸部X光图像	digital pathology	COVID-19, lung opacity, viral pneumonia	machine learning, deep learning, transfer learning	CNN, SVM, ResNet18, EfficientNet-CNN, Xception-CNN	image	21,165张胸部X光图像
5918	2025-04-10	Real-world validation of a deep learning algorithm for chest radiography in the emergency department: A tale of two specialties 2025-Apr-07, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.03.008 PMID:40199640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5919	2025-04-10	Predicting categories of coronary artery calcium scores from chest X-ray images using deep learning 2025-Apr-07, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.03.010 PMID:40199634	研究论文	本研究开发并验证了一种深度学习模型，用于从胸部X光片中预测冠状动脉钙化评分类别	首次使用深度学习模型从胸部X光片中预测冠状动脉钙化评分类别，并结合临床因素提高预测准确性	研究依赖于特定时间范围内获取的CXR和CACS数据，可能限制了模型的泛化能力	开发一种成本效益高且能减少辐射暴露的冠状动脉疾病风险评估方法	10,230名具有可用胸部X光片和冠状动脉钙化评分的患者	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	10,230名患者
5920	2025-04-10	Deep spatio-temporal dependent convolutional LSTM network for traffic flow prediction 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95711-6 PMID:40189608	研究论文	提出了一种名为STDConvLSTM的深度学习算法，用于解决交通流量预测中的空间和时间不平衡问题	设计了空间依赖的注意力机制和时间依赖的注意力机制，分别解决空间不平衡和时间不平衡问题	未提及具体局限性	准确预测交通流量以支持智能交通系统和智慧城市建设	交通流量数据	机器学习	NA	深度学习	STDConvLSTM（结合CNN和LSTM）	时间序列数据	两个真实世界的数据集