深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
6121	2025-10-06	Computer-Aided Technology for Bioactive Protein Design and Clinical Application 2025-Jul, Macromolecular bioscience IF:4.4Q1 DOI:10.1002/mabi.202500007 PMID:40260555	综述	本文全面回顾了计算机辅助蛋白质设计技术及其在生物活性蛋白质治疗和临床应用中的进展	整合深度学习预测与生成模型，显著提升蛋白质药物的结合亲和力、特异性并降低免疫原性	面临模型过拟合、稀有蛋白质家族数据有限以及实验验证效率不足等挑战	探讨计算机辅助蛋白质设计技术在蛋白质工程和治疗开发中的应用	单克隆抗体、蛋白质药物、抗原和蛋白质聚合物等蛋白质基治疗剂	机器学习	NA	计算机辅助蛋白质设计	深度学习,生成模型	蛋白质结构数据	NA	NA	NA	结合亲和力,特异性,免疫原性	NA
6122	2025-10-06	EM-PLA: environment-aware heterogeneous graph-based multimodal protein-ligand binding affinity prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf298 PMID:40354612	研究论文	提出一种基于环境感知异质图神经网络的多模态蛋白质-配体结合亲和力预测方法EM-PLA	首次将环境信息整合到异质图神经网络中，考虑蛋白质和配体的生化特性对结合亲和力的影响	NA	准确快速预测蛋白质-配体结合亲和力以支持药物发现	蛋白质-配体复合物	计算生物学	NA	深度学习	异质图神经网络HGT	多模态数据（序列数据、结构数据、环境信息）	NA	NA	异质图变换器HGT	结合亲和力预测性能指标	NA
6123	2025-10-06	Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma 2025-Jul, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0691 PMID:40607934	研究论文	本研究使用深度学习从甲状腺乳头状癌组织病理学切片中预测基因突变，并发现新的形态学特征	首次使用Vision Transformer从PTC组织病理切片预测基因改变，并发现与基因融合相关的新形态学标准	回顾性研究设计，需要进一步前瞻性验证	开发人工智能方法从常规组织病理学切片预测甲状腺乳头状癌的基因改变	甲状腺乳头状癌患者	数字病理学	甲状腺癌	组织病理学染色，全切片数字化	Vision Transformer	苏木精-伊红染色数字病理图像	662例PTC病例（TCGA队列496例，Mainz队列166例）	NA	Vision Transformer	AUC, 准确率, 置信区间	NA
6124	2025-10-06	Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17955 PMID:40660797	研究论文	本研究提出了一种改进的扩散模型，通过整合患者特异性先验信息来提升AI驱动的快速MRI对解剖异常的重建能力	扩展了自适应扩散模型，首次将患者特异性MRI作为额外先验，通过两阶段网络调优（先增强与先验图像的相似性，再保证k空间数据一致性）来改进异常区域重建	研究样本量较小（仅15例推理病例），且仅针对脑肿瘤患者群体，未验证在其他解剖部位或疾病类型的适用性	改进基于深度学习的快速MRI重建技术，使其更好地捕捉个体化解剖异常以支持放疗规划	73名接受脑肿瘤放疗的儿童和年轻成年患者的T1加权MRI图像	医学影像分析	脑肿瘤	MRI, 快速MRI, k空间欠采样	扩散模型, 人工神经网络	MRI图像, k空间数据	73例患者（58例训练，15例推理），每例推理病例使用中位间隔35天的额外患者特异性先验图像	NA	去噪扩散模型	SSIM, PSNR	NA
6125	2025-10-06	AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17958 PMID:40660802	研究论文	提出一种集成RefineNet和轮廓约束特征的SAM-RCCF框架，用于精确分割脑肿瘤MRI图像	将RefineNet模块和条件控制场与条件控制器和掩码生成器集成，增强SAM模型在医学图像分割中的泛化能力和精度	仅使用T1加权对比增强MRI数据，样本量相对有限	提升SAM模型在医学分割领域的鲁棒性，实现对多种颅内肿瘤的精确分割	脑肿瘤患者的MRI图像，包括胶质瘤、转移性肿瘤和脑膜瘤	医学图像分析	脑肿瘤	磁共振成像	Transformer, 深度学习分割模型	医学图像	484例轴向T1加权对比增强MRI数据（164例胶质瘤，158例转移性肿瘤，162例脑膜瘤）	NA	Segment Anything Model, RefineNet, SAM-RCCF	IOU, DSC, HD	NA
6126	2025-10-06	Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17957 PMID:40660837	研究论文	提出一种结构语义引导的双交叉注意力机制深度学习网络，用于从PET图像合成MR图像	首次探索功能到结构的模态转换方法（PET到MR合成），引入结构语义损失和双交叉注意力模块来保持结构信息并捕获多尺度特征依赖关系	未在其他模态合成任务和临床实践中验证，方法适用范围有待进一步探索	开发从PET图像合成MR图像的方法，简化医学成像流程，提高效率和可及性	脑部医学图像，特别是PET和MR图像	医学图像合成	脑部疾病	深度学习，图像合成	GAN, CNN	医学图像（PET和MR）	NA	NA	双交叉注意力机制网络	PSNR, SSIM, MAE, Dice系数	NA
6127	2025-10-06	An unsupervised sparse-view CT reconstruction framework using combination of iterative deep image prior and ADMM 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17933 PMID:40660832	研究论文	提出一种结合迭代深度图像先验和ADMM的无监督稀疏视图CT重建框架	将未经训练的神经网络与ADMM迭代重建算法结合，通过TV正则化持续更新神经网络输入以避免传统DIP方法的过拟合问题	NA	解决稀疏视图和低剂量CT重建中的伪影和噪声问题	CT图像重建	医学影像处理	NA	CT扫描	无监督深度学习	CT图像	NA	NA	深度图像先验(DIP)	定量指标和视觉质量	NA
6128	2025-10-06	Deep residual network-based projection interpolation and post-processing techniques for thoracic patient CBCT reconstruction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17953 PMID:40660879	研究论文	本研究开发了一种基于深度残差U-Net的CBCT投影插值和后处理技术，用于改善稀疏采样CBCT重建图像质量并降低患者成像剂量	首次在真实患者投影数据上验证的DL CBCT投影插值技术，结合投影插值和图像后处理的双重优化策略	仅进行了初步验证，需要更大规模的临床数据验证	开发深度学习技术来插值稀疏采样的患者CBCT投影并在重建后进行后处理，以提高图像质量并降低患者成像剂量	真实患者CBCT投影数据	医学影像处理	胸部疾病	锥束计算机断层扫描(CBCT)	深度学习	医学影像投影数据	从680个投影中提取的76、98和136个稀疏采样投影	NA	深度残差U-Net(DRU)	峰值信噪比(PSNR), 结构相似性指数(SSIM), 均方根误差(RMSE)	NA
6129	2025-10-06	Artificial Intelligence in Cognitive Decline Diagnosis: Evaluating Cutting-Edge Techniques and Modalities 2025-Jun-26, Studies in health technology and informatics DOI:10.3233/SHTI250670 PMID:40588878	综述	本文通过范围综述评估人工智能在认知衰退早期诊断中的潜力，重点分析前沿技术和多模态数据	整合MRI、临床数据和EEG等多模态数据与深度学习方法，并探索自然语言处理模型在临床前环境中的应用	仅涵盖2020-2025年的文献，可能遗漏早期重要研究	评估人工智能技术在认知衰退早期诊断中的应用效果	认知衰退患者，重点关注老年人群	自然语言处理, 机器学习	老年疾病	磁共振成像, 脑电图, 自然语言处理	深度学习模型	医学影像, 临床数据, 脑电信号, 文本数据	NA	NA	NA	准确率	NA
6130	2025-10-06	Fault Identification Model Using Convolutional Neural Networks with Transformer Architecture 2025-Jun-23, Sensors (Basel, Switzerland) DOI:10.3390/s25133897 PMID:40648155	研究论文	提出一种结合CNN特征提取和Transformer时序建模的混合深度学习框架，用于航空发动机故障识别和剩余使用寿命预测	首次将CNN与Transformer架构结合用于工业故障诊断，实现了从多传感器时序数据中同时进行特征提取和时序建模	仅使用NASA CMAPSS数据集进行验证，未在其他工业场景或数据集上测试模型泛化能力	开发智能维护系统，实现工业设备的自主故障检测和诊断	航空发动机的多传感器时序数据和剩余使用寿命标签	机器学习	NA	多传感器数据采集	CNN, Transformer	时间序列传感器数据	NASA CMAPSS数据集中的航空发动机数据	NA	CNN, Transformer	准确率	NA
6131	2025-10-06	Integrating structural homology with deep learning to achieve highly accurate protein-protein interface prediction for the human interactome 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.09.658393 PMID:40661495	研究论文	开发了整合结构同源性与几何深度学习的计算流程PIONEER2.0，用于高精度预测人类蛋白质相互作用界面的残基	将3D结构相似性与几何深度学习相结合，针对AlphaFold3无法高质量建模的近半数人类相互作用组实现更准确的界面残基预测	仅针对实验观察到的人类二元蛋白质相互作用进行预测，未涵盖其他类型的蛋白质相互作用	开发高精度的蛋白质-蛋白质界面预测工具，用于研究疾病机制和推进个性化医疗	人类相互作用组中的蛋白质-蛋白质界面	生物信息学	多种疾病	几何深度学习，结构相似性分析	几何深度学习模型	3D结构数据，蛋白质序列数据	352,124个实验确定的人类二元蛋白质相互作用，1,866个突变，5,010个突变-相互作用对	NA	PIONEER2.0	预测准确性	NA
6132	2025-10-06	Simpatico: accurate and ultra-fast virtual drug screening with atomic embeddings 2025-Jun-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.08.658499 PMID:40661404	研究论文	介绍了一种基于表示学习的超快速虚拟药物筛选方法Simpatico	采用原子嵌入和图神经网络技术，相比现有方法速度提升1000倍以上，同时保持高精度	NA	开发快速准确的虚拟药物筛选方法	蛋白质和小分子药物的相互作用	机器学习	NA	表示学习	图神经网络	分子结构数据	6亿个药物候选分子数据库	NA	图神经网络	结合亲和力预测准确性	单GPU
6133	2025-10-06	Educational strategies for teaching metabolic profiles across three endurance training zones 2025-Jun-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00094.2024 PMID:39809450	研究论文	本文介绍了一种使用代谢板教学工具来增强对三个耐力训练区肌肉代谢理解的教育策略	开发了基于真实数据的交互式代谢板教学工具，将复杂生理过程简化为可理解组件	NA	探索创新的教育方法以增强对耐力训练区肌肉代谢的理解	运动科学专业学生和专业人士	运动科学	NA	代谢分析	NA	生理数据	NA	NA	NA	NA	NA
6134	2025-10-06	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	开发基于深度学习的AI模型，通过组织病理学图像和临床病理变量预测乳腺癌复发风险和化疗获益	首次使用多模态深度学习方法从常规组织病理学图像估计Oncotype DX 21基因复发评分，无需昂贵基因组检测	研究主要基于HR+/HER2-早期乳腺癌患者，在其他亚型中的适用性需进一步验证	为HR+/HER2-早期乳腺癌开发可替代基因组测试的化疗决策辅助工具	激素受体阳性、HER2阴性早期乳腺癌患者	数字病理学	乳腺癌	组织病理学成像，深度学习	深度学习，多模态学习	组织病理学图像，临床病理变量	TAILORx试验8,284例患者，外部验证6个独立队列5,497例患者	NA	基础模型（在171,189张组织病理学切片上预训练）	AUC	NA
6135	2025-10-06	Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25327094 PMID:40385410	研究论文	本研究使用卷积神经网络对静息态脑电图数据进行分类，以区分强迫症患者与健康对照组	首次将CNN应用于最小预处理后的EEG时频表征数据来分类强迫症，并探索了临床和人口统计学信息的多模态融合	样本量较小（仅20名参与者），需要在更大更多样化的样本中进一步验证	开发基于深度学习的强迫症自动诊断方法	未服药的强迫症患者和健康对照组的静息态脑电图数据	机器学习	强迫症	静息态脑电图，Morlet小波变换	CNN, SVM	脑电图时频表征	20名参与者（10名强迫症患者，10名健康对照组）	NA	2D CNN	准确率, AUC	NA
6136	2025-10-06	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	使用无监督深度学习方法分析2010-2023年Twitter上关于痴呆症基因检测的公众认知趋势和差距	首次将BERT模型与主题建模结合分析社交媒体上关于痴呆症基因检测的长期公众认知演变	仅分析英语推文，样本量相对有限（3045条源推文），主题一致性系数较低（0.19）	分析公众对痴呆症基因检测的认知趋势和存在的认知差距	Twitter上关于痴呆症基因检测的英文推文	自然语言处理	痴呆症	基因检测	BERT	文本	3045条源推文（2010年1月1日至2023年4月1日）	BERT	Transformer	轮廓系数	NA
6137	2025-10-06	A Large Language Model-Powered Map of Metabolomics Research 2025-Mar-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.18.643696 PMID:40166287	研究论文	使用大型语言模型构建代谢组学研究全景图，整合分析超过80,000篇文献	结合PubMedBERT和GPT-4o mini进行主题建模，首次系统揭示代谢组学研究领域的主题结构和演变趋势	基于文献摘要分析，可能未涵盖全文细节；主题分类依赖模型性能	构建代谢组学研究领域的知识图谱和趋势分析	80,000多篇代谢组学相关科学文献	自然语言处理	NA	文献挖掘，主题建模	BERT，神经网络主题模型	文本	80,000+篇文献	PubMedBERT，GPT-4o mini，t-SNE	BERT，神经网络主题模型	NA	NA
6138	2025-10-06	Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology 2025-Mar-10, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e20 PMID:40065710	研究论文	本研究通过深度学习技术分析单独使用MMSE与结合其他认知测试在痴呆症诊断中的效果	首次使用随机森林模型量化MMSE单独使用时的过度诊断问题，特别关注年轻高学历人群	研究样本仅限于有主观认知抱怨的参与者，可能不适用于一般人群	提高痴呆症诊断准确性，优化诊断流程	2,863名有主观认知抱怨的参与者	机器学习	老年疾病	神经心理学评估	随机森林	认知测试数据	2,863名参与者	Scikit-learn	随机森林	准确率,精确率,召回率,F1分数,AUC	NA
6139	2025-10-06	actifpTM: a refined confidence metric of AlphaFold2 predictions involving flexible regions 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf107 PMID:40080667	研究论文	提出了一种改进的AlphaFold2预测置信度度量方法actifpTM，专注于蛋白质相互作用中的关键残基	开发了actifpTM指标，解决了传统ipTM评分在柔性区域存在时的局限性，提供了更稳健的相互作用置信度评估	NA	改进蛋白质结构预测模型中的相互作用置信度评估方法	蛋白质-蛋白质相互作用，特别是涉及柔性区域的相互作用	生物信息学	NA	蛋白质结构预测	AlphaFold2	蛋白质结构数据	NA	ColabFold	AlphaFold2	actifpTM, ipTM	Colab notebook, 本地安装
6140	2025-10-06	Single Cell Spatial Transcriptomics Reveals Immunotherapy-Driven Bone Marrow Niche Remodeling in AML 2025-Jan-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634753 PMID:39975227	研究论文	本研究利用单细胞空间转录组学技术揭示免疫治疗对急性髓系白血病骨髓微环境重塑的影响	整合单细胞RNA测序与空间转录组数据，开发精确的细胞分割模型，通过细胞边缘距离分析揭示免疫治疗后白血病细胞与免疫细胞间的空间互作变化	样本量有限，仅针对特定免疫治疗方案的患者进行研究	探究免疫治疗对急性髓系白血病骨髓微环境中细胞间相互作用的影响	难治性或复发性急性髓系白血病患者的骨髓样本	数字病理学	急性髓系白血病	单细胞RNA测序, 空间转录组学, 多组学分析	深度学习分割模型	空间转录组数据, 单细胞RNA测序数据, 图像数据	NA	NA	NA	NA	NA