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	2025-06-03	Atom Identification in Bilayer Moiré Materials with Gomb-Net 2025-Jun-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01460 PMID:40454431	研究论文	本文提出了一种名为Gomb-Net的深度学习方法，用于在双层莫尔材料中识别原子的位置和种类	开发了Gomb-Net模型，能够在复杂的莫尔图案中识别各层原子的坐标和种类，实现了层特定的原子位置和掺杂分布映射	NA	解决双层莫尔材料中原子识别和定位的难题	双层莫尔材料中的原子	材料科学	NA	扫描透射电子显微镜(STEM)	Gomb-Net	原子分辨率图像	扭曲分数Janus WS-WSSe异质结构
42	2025-06-03	Regularized Gradient Statistics Improve Generative Deep Learning Models of Super Resolution Microscopy 2025-Jun-02, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401900 PMID:40454902	research paper	该研究展示了在超分辨率荧光显微镜的深度学习模型训练过程中，通过正则化信号梯度统计可以改善生成图像的质量	提出在训练数据集中对图像进行正则化处理，使其梯度和拉普拉斯统计更接近自然场景图像的预期统计特性	该正则化方法仅适用于先验信息合适的图像，在BioSR数据集中仅限于丝状结构图像	提高超分辨率显微镜深度学习模型生成图像的质量	超分辨率荧光显微镜图像	computer vision	NA	深度学习	Conditional Variational Diffusion Model (CVDM)	image	BioSR数据集中的匹配对（衍射极限图像和超分辨率图像）
43	2025-06-03	A Deep Learning-Based Artificial Intelligence Model Assisting Thyroid Nodule Diagnosis and Management: Pilot Results for Evaluating Thyroid Malignancy in Pediatric Cohorts 2025-Jun-02, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0627 PMID:40454939	研究论文	本文评估了一种基于深度学习的AI模型在儿童甲状腺结节诊断中的适用性	首次将原本基于成人数据训练的AI-Thyroid模型应用于儿童甲状腺结节的诊断	样本量相对较小（128名儿童），且为回顾性研究	评估深度学习模型在儿童甲状腺结节恶性风险评估中的性能	儿童甲状腺结节患者	数字病理	甲状腺癌	超声检查(US)	深度学习(DL)	图像	128名儿童（平均年龄15.5±2.4岁，103名女孩），共156个结节
44	2025-06-03	Data Scaling and Generalization Insights for Medicinal Chemistry Deep Learning Models 2025-Jun-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00538 PMID:40454949	研究论文	本文通过深度学习与传统机器学习方法，评估了药物发现中小分子预测模型的性能，并提出了提升模型表现的因素	提出了一个能够解释81%模型性能差异的缩放关系，为ADMET终点及更广泛的药物发现数据提供了性能估计方法	研究主要基于内部和公开数据集，可能无法涵盖所有药物发现场景	理解和提升药物发现中小分子预测模型的性能	小分子预测模型	机器学习	NA	深度学习，传统机器学习（XGBoost，随机森林）	图神经网络（GNN），XGBoost，随机森林	化学数据	大规模内部及公开数据集
45	2025-06-03	Robust Uncertainty-Informed Glaucoma Classification Under Data Shift 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.3 PMID:40455037	研究论文	提出了一种基于深度证据不确定性量化的统一自我审查框架，用于青光眼分类，以应对数据分布变化带来的挑战	引入了数据集级别和图像级别的自我审查机制，通过模型不确定性检测分布外样本，从而减少误分类错误	未明确说明模型在不同医疗设备或采集条件下的泛化能力	解决标准深度学习模型在数据分布变化情况下性能下降的问题，提高青光眼分类的准确性	青光眼分类	医学影像	青光眼	深度证据不确定性量化	深度学习模型	医学影像	14个分布外数据集和4个外部青光眼数据集
46	2025-06-03	Automated periodontal assessment in orthodontic patients: a dual CNN framework 2025-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06410-5 PMID:40455084	研究论文	本研究开发了基于卷积神经网络（CNN）的系统，用于在正畸患者的牙科图像中自动诊断牙结石、牙菌斑、牙龈增生和牙龈炎症	采用双CNN框架（YOLOv8和混合U-Net+ResNet50模型）进行牙周评估，提供快速客观的牙周病诊断支持	最终诊断结论仍需依赖临床医生的专业判断，模型在检测牙结石方面表现相对较差	开发自动牙周评估系统以辅助正畸患者的牙周病诊断	正畸患者的牙科图像	计算机视觉	牙周病	深度学习	YOLOv8, U-Net+ResNet50	图像	1000张正畸患者的侧位和正面牙科图像
47	2025-06-03	Recent advances in monoclonal antibody development for treatment of B-cell acute lymphoblastic leukemia 2025-Jun-02, Leukemia & lymphoma IF:2.2Q3 DOI:10.1080/10428194.2025.2507198 PMID:40455243	综述	本文综述了针对B细胞急性淋巴细胞白血病（B-ALL）的单克隆抗体（mAb）治疗的最新进展，包括临床效果和耐药机制	总结了双特异性T细胞接合剂（如blinatumomab）和CD22导向的抗体-药物偶联物（如inotuzumab ozogamicin）在复发/难治性疾病中的显著疗效，以及抗体工程（如Fc优化、纳米抗体和人源化）在增强肿瘤靶向和治疗安全性方面的进展	持续存在的挑战包括抗原逃逸、基质介导的耐药性和治疗相关毒性	探讨单克隆抗体在B-ALL治疗中的最新进展和未来发展方向	B细胞急性淋巴细胞白血病（B-ALL）	精准免疫治疗	B细胞急性淋巴细胞白血病	单克隆抗体（mAb）、双特异性T细胞接合剂（如blinatumomab）、抗体-药物偶联物（如inotuzumab ozogamicin）	NA	文献综述	NA
48	2025-06-03	A Multi-modal Drug Target Affinity Prediction Based on Graph Features and Pre-trained Sequence Embeddings 2025-Jun-02, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00713-7 PMID:40455402	研究论文	提出一种基于图特征和预训练序列嵌入的多模态药物靶点亲和力预测方法MGSDTA	整合药物分子和靶蛋白的图特征与序列特征，采用加权融合模块进行预测，性能优于单模态方法	未提及方法在特定类型药物或靶点上的适用性限制	开发更准确的药物靶点亲和力预测计算方法	药物分子和靶蛋白	机器学习	NA	Mol2vec和ProtVec预训练模型	MGSDTA（多模态融合模型）	图数据（分子/蛋白结构）和序列数据	基准数据集（未说明具体样本量）
49	2025-06-03	SPCF-YOLO: An Efficient Feature Optimization Model for Real-Time Lung Nodule Detection 2025-Jun-02, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00720-8 PMID:40455403	research paper	提出了一种名为SPCF-YOLO的实时检测框架，用于CT影像中的肺结节检测，通过层次特征融合和解剖学上下文建模提高检测精度	结合了空间到深度卷积模块(SPDConv)、共享特征金字塔卷积模块(SFPConv)、改进的金字塔挤压注意力模块(PSA)和改进的上下文变换器模块(CoTB)，提升了小结节检测的敏感性和全局通道依赖性	未提及模型在其他类型肺部疾病或不同影像模态上的泛化能力	提高CT影像中肺结节检测的准确性和实时性	CT影像中的肺结节	computer vision	lung cancer	deep learning	YOLO (SPCF-YOLO)	CT images	LUNA16数据集和SIIM-COVID-19数据集
50	2025-06-03	NPI-HetGNN: A Prediction Model of ncRNA-Protein Interactions Based on Heterogeneous Graph Neural Networks 2025-Jun-02, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00716-4 PMID:40455400	research paper	提出了一种基于异构图神经网络的ncRNA-蛋白质相互作用预测模型NPI-HetGNN	结合了ncRNA和蛋白质的序列特性与异质连接拓扑结构，引入了能量约束自注意力模块以增强特征提取能力	缺乏湿实验室验证条件，仅采用计算验证	探索ncRNA-蛋白质相互作用以研究广泛的生物学特征和相关疾病	ncRNA与蛋白质的相互作用	machine learning	NA	heterogeneous graph neural networks	HetGNN	sequence data, network topology	四个基准数据集
51	2025-06-03	Uncertainty Quantification and Temperature Scaling Calibration for Protein-RNA Binding Site Prediction 2025-Jun-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00556 PMID:40455481	研究论文	本文提出了一种结合多尺度图卷积网络、卷积神经网络和注意力机制的MGCA方法，用于预测蛋白质-RNA结合位点，并研究了不确定性量化及温度缩放校准对预测质量的影响	提出MGCA方法整合多尺度特征提取，引入分箱筛选方法降低假阳性，并首次在蛋白质-RNA结合位点预测中应用温度缩放校准模型不确定性	未明确说明模型在跨物种或新型RNA结合蛋白上的泛化能力，且分箱筛选方法的普适性需进一步验证	提高蛋白质-RNA结合位点预测的准确性及预测结果的可信度	蛋白质-RNA相互作用	生物信息学	NA	多尺度图卷积网络、注意力机制、温度缩放校准	MGCA（图卷积网络+CNN+注意力机制）	蛋白质序列与结构数据	未明确说明具体样本量，但涉及五种流行模型的对比
52	2024-12-20	Deep learning on chromatin profiles reveals the cis-regulatory sequence code of the rice genome 2025-Jun, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.12.007 PMID:39694233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
53	2025-06-03	Accelerated High-resolution T1- and T2-weighted Breast MRI with Deep Learning Super-resolution Reconstruction 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.055 PMID:39794159	research paper	评估一种工业开发的深度学习算法在重建低分辨率T1和T2加权乳腺MRI图像中的性能，并与标准序列进行比较	使用深度学习算法进行去噪和分辨率提升，显著减少采集时间并提高图像质量	样本量较小（47名患者），且仅在1.5特斯拉MRI设备上进行测试	评估深度学习算法在乳腺MRI图像重建中的性能	女性乳腺MRI患者	digital pathology	breast cancer	deep learning, compressed sensing	Adaptive-CS-Net, Precise-Image-Net	MRI图像	47名患者（平均年龄58±11岁）
54	2025-06-03	AI image analysis as the basis for risk-stratified screening 2025-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的风险预测模型的应用与进展	探讨了从传统影像生物标志物到前沿深度学习方法及多模态方法的风险预测模型	AI风险模型主要在研究环境中探索，尚未广泛临床采用	优化AI工具在乳腺癌筛查中的应用，提高不同人群的公平性和筛查效果	乳腺癌筛查中的风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA
55	2025-06-03	Integration of Deep Learning and Sub-regional Radiomics Improves the Prediction of Pathological Complete Response to Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer Patients 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.049 PMID:39809603	research paper	本研究开发并验证了一种结合深度学习和亚区域放射组学的模型，用于预测局部晚期直肠癌患者对新辅助放化疗的病理完全缓解	提出了一种名为SRADL的新型组合模型，整合了深度学习和亚区域放射组学特征，显著提高了预测准确性	研究为回顾性设计，需要前瞻性研究进一步验证	开发预测局部晚期直肠癌患者对新辅助放化疗反应的工具	局部晚期直肠癌(LARC)患者	digital pathology	rectal cancer	MRI成像，放射组学分析	3D ResNet50，机器学习算法	MRI图像	来自三家医院的768名符合条件的参与者
56	2025-06-03	CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.046 PMID:39956748	research paper	本研究构建了一个深度学习模型，用于预测接受免疫治疗联合化疗的食管鳞状细胞癌患者的生存结果	模型整合了肿瘤周围影像和临床特征，提高了预测准确性，并利用SHAP方法解释了个体特征对预测的贡献	外部测试集的C-index较低（0.60），表明模型在外部验证中的性能有待提高	预测食管鳞状细胞癌患者在接受免疫治疗联合化疗后的生存结果	482名接受免疫治疗联合化疗的食管鳞状细胞癌患者	digital pathology	esophageal squamous cell carcinoma	CT扫描	DL (Deep Learning)	image	482名患者（训练集322名，内部测试集79名，外部测试集81名）
57	2025-06-03	Deep Learning-Enhanced Ultra-high-resolution CT Imaging for Superior Temporal Bone Visualization 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.002 PMID:40000329	research paper	本研究评估了使用混合迭代重建（HIR）和新型深度学习重建算法（DLR）AiCE Inner Ear在成人和儿童颞骨超高分辨率CT（UHR-CT）扫描中的图像质量	引入了新型深度学习重建算法（DLR）AiCE Inner Ear，显著提升了颞骨超高分辨率CT扫描的图像质量和诊断性能	研究为单中心回顾性研究，样本量较小（57例颞骨，35例患者），且仅评估了一种厂商特定的DLR算法	评估深度学习重建算法在颞骨超高分辨率CT扫描中的图像质量提升效果	成人和儿童的颞骨超高分辨率CT扫描图像	digital pathology	NA	UHR-CT, HIR, DLR (AiCE Inner Ear)	deep learning-based reconstruction algorithm	CT图像	57例颞骨（来自35例患者，包括5名儿童和23名男性）
58	2025-06-03	Deep Learning-Assisted Diagnosis of Malignant Cerebral Edema Following Endovascular Thrombectomy 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.021 PMID:40023742	research paper	本研究开发并验证了一种基于深度学习辅助的诊断模型，用于预测接受血管内血栓切除术（EVT）后恶性脑水肿（MCE）的发生	结合高衰减成像标志物（HIM）和深度学习模型（如ResNeXt101_32×8d）提高MCE预测的准确性	样本量相对较小，仅包含271名患者，且仅在内部测试队列中验证	开发并验证一种深度学习辅助的诊断模型，以帮助放射科医生预测EVT后的MCE	接受EVT治疗的急性缺血性卒中患者	digital pathology	cardiovascular disease	非对比头部CT成像	ResNet 50, ResNet 101, ResNeXt50_32×4d, ResNeXt101_32×8d, DenseNet 121	image	271名患者（168名训练组，43名验证组，60名前瞻性内部测试组）
59	2025-06-03	Prediction of Lymph Node Metastasis in Lung Cancer Using Deep Learning of Endobronchial Ultrasound Images With Size on CT and PET-CT Findings 2025-Jun, Respirology (Carlton, Vic.) DOI:10.1111/resp.70010 PMID:40033122	研究论文	本研究评估了深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力，并强调了整合ROI、CT上的淋巴结大小和PET-CT结果的价值	首次将ROI、CT上的淋巴结大小和PET-CT结果整合到深度学习模型中，显著提高了诊断能力	研究仅基于回顾性数据，未进行前瞻性验证	评估深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像	数字病理学	肺癌	EBUS-TBNA, CT, PET-CT	ResNet18	图像	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像
60	2025-06-03	Using deep-learning based segmentation to enable spatial evaluation of knee osteoarthritis (SEKO) in rodent models 2025-Jun, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.02.787 PMID:40139644	research paper	该研究介绍了一种基于深度学习的组织学分析流程SEKO，用于定量和可视化啮齿动物膝关节内侧区域的关节重塑	开发了一个结合分割和可视化工具的深度学习流程SEKO，用于空间评估膝关节骨关节炎，并作为开源工具提供给研究社区	仅针对啮齿动物模型进行研究，尚未在人类样本中验证	开发一种客观比较骨关节炎进展和治疗干预效果的方法	啮齿动物膝关节	digital pathology	osteoarthritis	histological analysis	U-NET, HRNet	image	NA