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
41	2025-09-09	SimIntestine: A synthetic dataset from virtual capsule endoscope 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103706 PMID:40617135	研究论文	提出一种生成带位置标注的虚拟肠道合成数据集（SimIntestine）的方法，用于胶囊内窥镜的深度和姿态估计研究	开发了整合虚拟胶囊内窥镜的胃肠道虚拟模型，生成包含真实解剖特征（如环状皱襞、绒毛）和生理过程（如蠕动）的标注数据集	NA	解决胃肠道图像数据缺乏精确位置标注的问题，提升深度学习模型在深度和姿态估计任务中的性能	人类小肠和大肠的虚拟模型及生成的合成图像数据集	计算机视觉	NA	虚拟胶囊内窥镜模拟	Endo-SfMLearner, Monodepth2	图像	NA
42	2025-09-09	Exploring Complexity-Calibrated morphological distribution for whole slide image classification and difficulty-grading 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103707 PMID:40623354	研究论文	提出一种基于复杂性校准的多示例学习方法（CoCaMIL），用于全切片图像分类和难度分级	首次通过整合多种复杂性因素（模糊度、肿瘤大小、染色风格等）构建WSI形态学表示，并引入复杂性校准方法	未明确说明方法在跨中心验证时的具体性能限制	提升全切片图像分类精度并建立样本难度分级系统	全切片图像（WSI）	数字病理学	肿瘤（未指定具体类型）	图像-文本对比预训练框架	MIL（多示例学习）	病理图像	三个大型基准数据集（具体数量未说明）
43	2025-09-09	Automated detection and numbering of primary and permanent teeth in digital impressions of children using artificial intelligence 2025-Oct, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105976 PMID:40659080	研究论文	开发并评估了一种基于人工智能的自动化方法，用于在儿童数字牙模中分割和标记乳牙与恒牙	结合大上下文预测进行牙齿标记和高分辨率预测进行牙齿分割的深度学习模型，在混合牙列识别中表现优于现有挑战赛最佳方案	对异常牙齿状况或模糊牙萌出模式的案例处理存在错误	区分儿童混合牙列中的乳牙与恒牙	儿童数字牙模	计算机视觉	NA	深度学习	CNN	3D数字牙模图像	716份数字牙模来自351名患者
44	2025-09-09	Automated chart filing on bitewings using deep learning: enhancing clinical diagnosis in a multi-center study 2025-Oct, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105919 PMID:40550354	研究论文	本研究提出一种基于深度学习的自动化咬翼片图表归档方法，用于牙齿分割、编号及口腔疾病诊断	开发了分层Mask DINO模型实现端到端实例分割，并在多中心数据集上验证其优于其他模型的分割与分类性能	NA	通过深度学习自动化咬翼片的图表归档，提升牙科诊断效率和准确性	咬翼片X光影像中的牙齿及口腔疾病（种植体、牙冠、桥体、填充物、根管治疗、龋损、牙石）	计算机视觉	口腔疾病	深度学习	Hierarchical Mask DINO, Mask DINO, SparseInst, Mask R-CNN	医学影像（X光咬翼片）	训练验证集1045张（德国与荷兰），外部测试集216张（斯洛伐克）
45	2025-09-09	Deep learning for automatic ICD coding: Review, opportunities and challenges 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103187 PMID:40664094	综述	本文全面回顾了深度学习在自动ICD编码中的最新进展、机遇与挑战	从独特视角系统总结深度学习模型设计动机、神经网络类型及辅助数据应用，揭示新兴发展趋势	仅涵盖2017-2023年5个数据库的53篇文献，可能存在发表偏倚	提升医疗编码分配的效率与准确性，支持医疗数据统计、质量控制和计费等任务	临床文本中的疾病国际分类(ICD)编码	自然语言处理	NA	深度学习	CNN, RNN, Transformer, PLM, 注意力机制	临床文本	基于53篇已发表文献的系统综述
46	2025-09-09	Learning homeomorphic image registration via conformal-invariant hyperelastic regularisation 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103712 PMID:40680568	研究论文	提出一种基于共形不变超弹性正则化的同胚图像配准深度学习框架，确保形变场的拓扑保持性	引入非线性弹性设置中的共形不变正则化器，严格保证形变场的平滑性、可逆性、方向保持性和拓扑保持性	NA	解决医学图像配准中拓扑结构保持的理论保障问题	医学图像	医学图像分析	NA	深度学习，坐标MLPs	MLP	image	NA
47	2025-09-09	Medical radiology report generation: A systematic review of current deep learning methods, trends, and future directions 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103220 PMID:40700862	系统综述	本文对基于深度学习的医学放射学报告生成方法进行了全面系统回顾，涵盖数据集、建模方法和评估实践	提供了迄今为止最全面的系统综述，涵盖从传统架构到大型语言模型的最新进展，并汇编了现代模型、工具包和预训练资源的链接	作为综述文章，主要基于现有文献分析，未进行原始实验验证	自动化医学放射学报告生成过程，辅助放射科医生并减少患者等待时间	医学放射学报告生成领域的研究文献和方法	医学影像与自然语言处理交叉领域	NA	深度学习	多种架构（包括传统架构和大型语言模型）	医学影像和文本报告	回顾了323篇文章，最终纳入78项研究，识别出22个常用数据集
48	2025-09-09	Optimizing contrast-enhanced abdominal MRI: A comparative study of deep learning and standard VIBE techniques 2025-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110581 PMID:40795789	研究论文	比较深度学习重建技术与标准VIBE序列在腹部MRI中的图像质量和采集时间	首次将深度学习重建技术应用于对比增强冠状面VIBE序列，显著提升图像质量并缩短采集时间	深度学习重建序列显示外周伪影严重性增加	验证深度学习重建技术在腹部MRI中的性能并评估其图像质量	接受上腹部MRI检查的151例患者	医学影像分析	肝脏疾病	深度学习重建，MRI，VIBE序列	深度学习	医学影像	151例患者
49	2025-09-09	A multimodal automated deep learning-based model for predicting biochemical recurrence of prostate cancer following prostatectomy from baseline MRI, Presurgical clinical covariates 2025-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110579 PMID:40803139	研究论文	开发一种基于多模态深度学习的AI算法，利用MRI和临床数据预测前列腺癌根治术后生化复发	提出首个结合定量影像特征和临床协变量的自动化多模态深度学习模型，在中等风险患者中显著优于传统CAPRA-S评分标准	研究样本量有限（n=311），且为单中心回顾性研究，需要外部验证	预测前列腺癌患者根治术后的生化复发风险	接受根治性前列腺切除术的前列腺癌患者	数字病理	前列腺癌	MRI影像分析、深度学习	多模态深度学习模型	医学影像（MRI）、临床数据	311例前列腺癌患者
50	2025-09-09	MASSISTANT: A deep learning model for De Novo molecular structure prediction from EI‑MS spectra via SELFIES encoding 2025-Sep-27, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466216 PMID:40706264	研究论文	提出一种基于SELFIES编码的深度学习模型MASSISTANT，用于从EI-MS谱图中直接预测分子结构	首次使用SELFIES编码结合深度学习实现从低分辨率EI-MS谱图的从头分子结构预测	模型性能对数据集质量敏感，在完整NIST数据集上准确率仅约10%	开发自动解析EI-MS谱图的工具，减少对专家知识的依赖	分子量低于600 Da的挥发性及半挥发性化合物	机器学习	NA	GC-EI-MS，SELFIES编码	深度神经网络	质谱数据	NIST数据集18万条谱图，特定化学子集准确率可达54%
51	2025-09-09	Deep Learning Modeling to Differentiate Multiple Sclerosis From MOG Antibody-Associated Disease 2025-Sep-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214075 PMID:40906978	研究论文	本研究开发并验证了一种结合临床/MRI算法和深度学习模型的诊断工具，用于区分多发性硬化（MS）与MOG抗体相关疾病（MOGAD）	首次结合临床/MRI算法与深度学习模型（ResNet-10 CNN），并利用概率注意力图（PAMs）识别关键鉴别脑区，显著提升诊断准确率至86%	回顾性研究设计，缺乏前瞻性验证；样本来源限于19个中心，可能影响模型泛化能力	区分多发性硬化（MS）与MOG抗体相关疾病（MOGAD）以提高诊断准确性	成人非急性MS和MOGAD患者的脑部MRI扫描数据	医学影像分析	神经免疫性疾病	MRI成像（T2-FLAIR和T1加权序列）	ResNet-10 CNN（卷积神经网络）	医学影像（脑部MRI扫描）	406例MRI扫描（218例RRMS，188例MOGAD），分为265例训练/测试集和141例独立验证集
52	2025-09-09	Label-free chimeric antigen receptor T-cell expression analysis using neural networks and statistical distribution modeling 2025-Sep-16, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152454 PMID:40795576	研究论文	本研究提出一种基于明场显微镜和深度学习的无标记方法，用于预测CAR-T细胞的CAR表达率	首次成功实现T细胞CAR表达率的无标记预测，通过卷积神经网络结合高斯拟合的分类分数分布分析	NA	开发无标记的CAR表达水平监测方法，以优化CAR-T细胞疗法的疗效和安全性	CAR-T细胞	数字病理学	血液恶性肿瘤	明场显微镜，深度学习	CNN	图像	4名供体的样本
53	2025-09-09	Selection of representative electrodes for stereoscopic visual comfort studies in conjunction with brain mechanism analysis 2025-Sep-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149800 PMID:40544932	研究论文	本研究通过立体视觉脑机制分析，识别用于评估立体视觉舒适度的代表性EEG电极	首次通过脑机制分析为立体视觉舒适度研究中的电极选择提供科学依据，并确定F7、Cz、P4和O2四个代表性电极	样本量较小（15个电极），分类准确率提升有限（2-4%）且统计不显著	寻找评估立体视觉舒适度的代表性EEG电极，并为便携式检测设备开发提供支持	与立体视觉相关的脑区EEG活动	脑机接口	NA	EEG、事件相关电位、功率谱分析	机器学习和深度学习模型	脑电信号	15个电极的EEG数据
54	2025-09-09	Deep learning for named entity recognition in Turkish radiology reports 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243100 PMID:40018795	研究论文	本研究开发并评估了一种用于土耳其语放射学报告中命名实体识别的深度学习框架	采用四阶段DYGIE++模型，结合自适应跨度枚举和跨度图传播技术，专门针对土耳其语语言特性进行优化	使用合成数据集而非真实患者数据，可能影响模型在真实场景中的泛化能力	提高从放射学报告中提取信息的准确性和效率	土耳其语放射学报告	自然语言处理	NA	命名实体识别(NER), BERT模型	DYGIE++, BERTurk, BioBERTurk, PubMedBERT, XLM-RoBERTa, 前馈神经网络	文本	1056份合成的土耳其语放射学报告
55	2025-09-09	Automatic bone age assessment: a Turkish population study 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242999 PMID:40094318	研究论文	本研究开发了一种基于深度学习的自动骨龄评估模型，特别针对土耳其人群进行优化	首次将土耳其人群数据与公开数据集结合，使用改进的InceptionV3模型进行骨龄评估，并分析人口统计学因素的影响	数据来源存在异质性，土耳其人群样本量相对较少，模型在不同人群间的泛化能力仍需进一步验证	开发针对土耳其人群的自动骨龄评估深度学习模型，减少传统方法的人口差异和观察者差异	手部X光片图像，来自土耳其Bağcılar医院和公开数据集（RSNA和RHPE）	计算机视觉	儿科发育评估	深度学习，图像处理	改进的InceptionV3	X光图像	总计21,487张手部X光片（2,730张来自土耳其人群，18,757张来自公开数据集）
56	2025-09-09	AMPGP: Discovering Highly Effective Antimicrobial Peptides via Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00647 PMID:40825014	研究论文	提出一种名为AMPGP的深度学习模型，用于生成和预测高效抗菌肽	结合注意力机制的seqGAN框架生成高质量抗菌肽，并采用四通道特征预测模型克服单一信息源限制	NA	通过深度学习加速抗菌肽的发现与设计，应对抗生素耐药性问题	抗菌肽（AMPs）	自然语言处理	NA	深度学习	seqGAN（含注意力机制）	序列数据	独立测试集验证，最终筛选10种候选抗菌肽
57	2025-09-09	Uncertainty-Aware Deep Learning and Structural Feature Analysis for Reliable Nephrotoxicity Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01532 PMID:40827867	研究论文	本研究构建了最大的公开肾毒性化合物数据库，并开发了结合不确定性量化的深度学习模型以提升预测可靠性	采用不确定性量化方法定义模型适用范围并量化预测置信度，同时结合多尺度特征分析提供可操作的药物设计见解	NA	提高肾毒性预测的精确度和可靠性，支持更安全的药物开发	1831种高质量肾毒性相关化合物	机器学习	肾毒性	图神经网络，ChemoPy2D描述符，不确定性量化	Directed Message Passing Neural Network	分子图数据，化学描述符	1831种化合物
58	2025-09-09	BiVAE-CPI: An Interpretable Generative Model Using a Bilateral Variational Autoencoder for Compound-Protein Interaction Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01001 PMID:40839758	研究论文	提出一种基于双边变分自编码器的可解释生成模型BiVAE-CPI，用于化合物-蛋白质相互作用预测	首次将双边变分自编码器(BiVAE)应用于CPI预测，通过潜在空间学习共享低维潜在表示并融合分布与特征，提供良好可解释性	NA	开发深度学习模型以改进化合物-蛋白质相互作用预测，支持药物发现与开发	化合物-蛋白质相互作用对	机器学习	NA	双边变分自编码器(BiVAE)，图同构网络(GIN)，门控卷积编码器	BiVAE, GIN, 门控卷积神经网络	化合物图数据，蛋白质序列数据	在两个基准数据集上进行实验，具体样本量未明确说明
59	2025-09-09	PepBAN: A Deep Learning Framework with Bilinear Attention and Adversarial Learning for Peptide-Protein Interaction Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01713 PMID:40854162	研究论文	提出一种结合双线性注意力和对抗学习的深度学习框架PepBAN，用于预测肽-蛋白质相互作用	采用蛋白质语言模型ESM-2表征蛋白质，结合条件域对抗学习增强泛化能力，并通过双线性注意力网络识别关键残基	NA	开发计算模型以准确预测肽-蛋白质相互作用，助力肽类疗法和疫苗研发	肽-蛋白质复合物，特别是环肽与蛋白质的相互作用	机器学习	NA	深度学习，条件域对抗学习，原子分辨率分子图处理	BAN (双线性注意力网络), ESM-2, 图基础模型	序列数据，结构数据（有限），分子图数据	NA
60	2025-09-09	Enhancing Toxicity Prediction of Synthetic Chemicals via Novel SMILES Fragmentation and Interpretable Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01042 PMID:40856693	研究论文	提出一种结合SMILES片段化策略与一维卷积神经网络的深度学习框架，用于合成化学品的毒性预测和结构警报识别	开发了四种新型SMILES片段化方法并集成可解释深度学习模型，在毒性预测中实现了优越性能	NA	提高合成化学品的毒性预测准确性和模型可解释性	合成化学品	自然语言处理	NA	SMILES fragmentation, deep learning	1D CNN	化学结构文本数据(SMILES)	581537个PubChem化合物用于训练，28160个合成化学品用于预测