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
681	2025-05-10	Exploring Molecular and Genetic Differences in Angelica biserrata Roots Under Environmental Changes 2025-Apr-20, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083894 PMID:40332784	研究论文	该研究通过代谢组学和转录组学方法，结合机器学习和贝叶斯优化的深度学习模型，探索了环境变化对当归根部香豆素生物合成的影响	整合多组学数据与机器学习模型，揭示了环境因素对香豆素生物合成的调控机制，并预测了最佳栽培条件	研究仅关注了特定环境因素对香豆素含量的影响，未考虑其他可能的生物或化学因素	阐明不同生境下当归根部的生物学特性及差异调控机制，为理解代谢变化的分子机制提供理论框架	当归根部	生物信息学	NA	代谢组学, 转录组学, 机器学习, 深度学习	贝叶斯优化的深度学习模型	分子数据, 环境数据	NA
682	2025-05-10	Fully Automated Online Adaptive Radiation Therapy Decision-Making for Cervical Cancer Using Artificial Intelligence 2025-Apr-17, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.04.012 PMID:40252932	research paper	本研究探讨了使用人工智能在宫颈癌在线自适应放射治疗（oART）中进行决策的可行性	提出了基于机器学习和深度学习的模型，用于识别可能受益于自适应重新计划的治疗部分，为临床医生提供决策支持工具	研究样本量较小，仅包括24名患者，且独立评估集仅包含3名患者的数据	探索人工智能在宫颈癌在线自适应放射治疗决策中的应用	宫颈癌患者	digital pathology	cervical cancer	fan-beam computed tomography (FBCT)	SVM, Siamese network	image, dosimetric data	24名患者，共671次治疗部分
683	2025-05-10	Genome-Wide Identification and Expression Analysis of TONNEAU1 Recruited Motif (TRM) Gene Family in Tomato 2025-Apr-13, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083676 PMID:40332175	研究论文	本研究通过生物信息学方法鉴定了番茄中的28个SlTRM基因家族成员，并分析了它们的蛋白结构、理化性质、共线性、基因结构、保守基序和启动子顺式作用元件	首次利用DeepMind开发的AlphaFold3深度学习架构对28个SlTRM基因进行了三维结构预测，并提出了SlTRM基因家族在番茄侧枝发育中的潜在作用	对SlTRM基因家族成员的具体功能理解仍有限，实验验证不足	研究番茄中TRM基因家族的成员及其在植物器官形态调控中的作用	番茄(Solanum lycopersicum)中的SlTRM基因家族	生物信息学	NA	RNA-seq, qRT-PCR, AlphaFold3	深度学习	基因组数据、转录组数据	28个SlTRM基因家族成员
684	2025-05-10	Design of Novel Auxetic Bi-Materials Using Convolutional Neural Networks 2025-Apr-13, Materials (Basel, Switzerland) DOI:10.3390/ma18081772 PMID:40333386	研究论文	利用卷积神经网络（CNN）预测双材料系统代表体积元素（RVEs）的泊松比，并通过贪婪优化算法识别具有拉胀行为的微结构	使用CNN快速推断微结构的有效泊松比，替代传统的有限元模拟，为高级超材料设计提供计算高效的工具	未提及具体的数据集规模或CNN模型的泛化能力	设计具有定制机械性能的拉胀双材料	由软硬相组成的双材料系统的代表体积元素（RVEs）	机器学习	NA	CNN	CNN	二进制微结构配置图像	NA
685	2025-05-10	Using Cancer-Associated Fibroblasts as a Shear-Wave Elastography Imaging Biomarker to Predict Anti-PD-1 Efficacy of Triple-Negative Breast Cancer 2025-Apr-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083525 PMID:40332007	研究论文	本研究利用癌症相关成纤维细胞（CAFs）作为剪切波弹性成像（SWE）的生物标志物，预测三阴性乳腺癌（TNBC）患者对PD-1抑制剂的疗效	首次将伤口愈合型CAFs（WH CAFs）作为SWE成像的生物标志物，用于非侵入性预测TNBC患者对免疫检查点抑制剂的反应，并开发了基于深度学习的分类模型	研究主要基于Eo771小鼠模型，临床样本的验证仍需进一步扩大	开发预测三阴性乳腺癌患者对免疫检查点抑制剂疗效的非侵入性生物标志物	三阴性乳腺癌（TNBC）患者和Eo771小鼠模型	数字病理学	乳腺癌	剪切波弹性成像（SWE）、多组学分析	深度学习模型	图像	NA
686	2025-05-10	DerivaPredict: A User-Friendly Tool for Predicting and Evaluating Active Derivatives of Natural Products 2025-Apr-09, Molecules (Basel, Switzerland) DOI:10.3390/molecules30081683 PMID:40333643	research paper	介绍了一个名为DerivaPredict的用户友好工具，用于预测和评估天然产物的活性衍生物	通过化学和代谢转化生成新的天然产物衍生物，并使用预训练的深度学习模型预测结合亲和力	未提及具体的数据集或样本量限制	增强早期药物发现，通过自动生成和评估天然产物的新型衍生物	天然产物及其衍生物	药物发现	NA	深度学习	预训练的深度学习模型	化学和代谢数据	NA
687	2025-05-10	Predicting Atlantic and Benguela Niño events with deep learning 2025-04-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads5185 PMID:40173237	研究论文	本研究探讨了深度学习在预测大西洋和本格拉尼诺事件中的潜力	使用简单的卷积神经网络架构，能够提前3至4个月预测大西洋/本格拉尼诺事件，并在峰值季节事件预测中表现出色，将预测时间延长至5个月	未提及具体的数据量或模型泛化能力的限制	提高对大西洋和本格拉尼诺事件的预测能力，挑战热带大西洋不可预测的传统观点	大西洋和本格拉尼诺事件	机器学习	NA	深度学习	CNN	气候数据	NA
688	2025-05-10	Deep Learning for Automated Segmentation of Basal Cell Carcinoma on Mohs Micrographic Surgery Frozen Section Slides 2025-04-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004501 PMID:39625169	研究论文	本研究利用深度学习技术对Mohs显微外科手术冰冻切片中的基底细胞癌进行自动分割	首次训练了一个分割模型来定位Mohs手术冰冻切片中的基底细胞癌，并评估了不同亚型的性能	需要更准确和临床相关的分割研究性能指标	开发一个自动分割模型，用于定位Mohs手术冰冻切片中的基底细胞癌	Mohs显微外科手术冰冻切片中的基底细胞癌	数字病理学	基底细胞癌	全切片图像扫描	YOLOv8	图像	348张新鲜冰冻组织切片
689	2025-05-10	Exploring the potential performance of 0.2 T low-field unshielded MRI scanner using deep learning techniques 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01234-6 PMID:39964601	研究论文	利用深度学习技术探索0.2 T低场无屏蔽MRI扫描仪在成像质量和速度方面的潜在性能	通过深度学习方法克服物理限制，实现低场无屏蔽MRI扫描仪的高质量快速成像	未明确提及具体局限性	探索低场无屏蔽MRI扫描仪的潜在性能，推动MRI技术进步	0.2 T低场无屏蔽MRI扫描仪	医学影像	NA	深度学习、超分辨率成像	NA	MRI图像	未明确提及样本数量
690	2025-05-10	Self-supervised 3D medical image segmentation by flow-guided mask propagation learning 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103478 PMID:39965534	研究论文	提出了一种名为Flow2Mask的自监督3D医学图像分割方法，通过流引导的掩码传播学习来减少对人工标注的依赖	Flow2Mask方法引入了Local-to-Global (L2G)损失和Inter-Slice Smoothness (ISS)损失，以无监督方式学习体积内所有连续切片间的流场，克服了先前方法的局限性	先前方法Vol2Flow的局限性包括未充分关注局部（即切片对）信息、在目标函数中忽略全局信息（即体积上下文）以及在切片到切片重建过程中的误差积累	开发一种更有效的自监督3D医学图像分割方法，以减少对人工标注的依赖	3D医学图像	数字病理	NA	自监督学习	Flow2Mask	3D医学图像	Sliver、CHAOS和3D-IRCAD数据集
691	2025-05-10	A-Eval: A benchmark for cross-dataset and cross-modality evaluation of abdominal multi-organ segmentation 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103499 PMID:39970528	research paper	该论文介绍了A-Eval基准测试，用于评估腹部多器官分割模型在不同数据集和成像模态间的泛化能力	提出了首个跨数据集和跨模态的腹部多器官分割评估基准A-Eval，整合了7个CT和MRI数据集	标注不一致性对多数据集联合训练带来挑战，模型在未见数据上的表现仍不稳定	评估腹部多器官分割模型在不同数据集和成像模态间的泛化性能	腹部多器官分割模型	digital pathology	NA	deep learning	CNN	medical imaging (CT和MRI)	7个数据集
692	2025-05-10	Image quality and diagnostic performance of deep learning reconstruction for diffusion- weighted imaging in 3 T breast MRI 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111997 PMID:39970544	研究论文	本研究评估了深度学习重建（DLR）在3T乳腺MRI中扩散加权成像（DWI）的图像质量和诊断价值，并与传统的单次激发平面回波成像（ss-EPI）进行了比较	首次在3T乳腺MRI中比较了DLR DWI与传统ss-EPI的图像质量和诊断性能，并展示了DLR在加速和高分辨率采集中的优势	单中心研究，样本量较小（50名患者），且未探讨DLR在其他场强或不同扫描仪上的表现	评估DLR在乳腺MRI DWI中的临床应用价值	乳腺MRI图像质量和诊断性能	数字病理	乳腺癌	扩散加权成像（DWI），深度学习重建（DLR）	深度学习	医学影像	50名患者的62个乳腺病灶（55个恶性，7个良性），以及之前研究中的81名患者的98个乳腺病灶
693	2025-05-10	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在片段药物发现中的最新进展，包括分子设计、结构探索和优化技术	介绍了AI在片段药物发现中的创新应用，如VAE、强化学习和SE(3)-等变模型，提高了分子设计的准确性和效率	NA	探索AI技术在片段药物发现中的应用，提高分子设计的效率和准确性	片段药物发现中的分子设计和优化	machine learning	NA	VAE, reinforcement learning, SE(3)-equivariant models, diffusion models, language models, deep evolutionary learning	VAE, reinforcement learning, SE(3)-equivariant models, diffusion models, language models, deep evolutionary learning	molecular structure data	NA
694	2025-05-10	A deep learning pipeline for systematic and accurate vertebral fracture reporting in computed tomography 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106827 PMID:39970769	research paper	介绍了一种用于在计算机断层扫描中系统和准确报告椎体骨折的深度学习流程	开发了一种深度学习流程，用于在不同视野的CT脊柱图像中机会性检测骨折，提高了骨折检测的准确性和系统性	研究为回顾性研究，且排除了有脊柱手术史或病理性骨折的患者，可能限制了模型的泛化能力	旨在通过深度学习技术提高椎体骨折在CT图像中的检测效率和准确性	452例腰椎/胸腰椎CT图像	digital pathology	spinal fractures	CT imaging, deep learning	nnU-net, resnet18	image	452例CT图像，其中405例用于训练/验证，47例用于测试
695	2025-05-10	Comparative analysis for accurate multi-classification of brain tumor based on significant deep learning models 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109872 PMID:39970824	研究论文	本文提出了一种基于深度学习的脑肿瘤多分类方法，比较了CNN、Swin Transformer和EfficientNet模型在MRI扫描图像上的性能	比较了多种深度学习模型在脑肿瘤分类中的性能，发现Swin Transformer和EfficientNet模型表现优于传统CNN	未提及模型在临床环境中的实际应用效果或外部验证结果	提高脑肿瘤分类的准确性	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI扫描	CNN, Swin Transformer, EfficientNet	图像	NA
696	2025-05-10	Finger-aware Artificial Neural Network for predicting arthritis in Patients with hand pain 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103077 PMID:39970842	研究论文	本研究开发了一种基于transformer的手指感知人工神经网络（FANN），用于预测手部疼痛患者的关节炎	首次将深度学习应用于SUV（标准化摄取值）数据以预测手部关节炎的发展，并开发了包含手指嵌入和手部间信息共享的FANN模型	未提及样本量是否足够大以验证模型的泛化能力	提高关节炎的早期和准确诊断	手部疼痛患者	数字病理学	关节炎	SPECT/CT	transformer-based FANN	图像（SUV数据）	NA
697	2025-05-10	De novo design of transmembrane fluorescence-activating proteins 2025-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08598-8 PMID:39972138	研究论文	该研究通过结合深度学习和基于能量的方法，设计了能够紧密结合小分子的跨膜蛋白	首次实现了跨膜蛋白与小分子特异性结合的从头设计，并展示了其在活细胞中的应用	目前仅针对特定荧光配体进行了验证，尚未展示对其他类型小分子的适用性	开发能够特异性识别小分子的跨膜蛋白设计方法	跨膜蛋白与荧光配体的相互作用	蛋白质设计	NA	深度学习与基于能量的计算方法	深度学习模型	蛋白质结构数据	在活细菌和真核细胞中验证
698	2025-05-10	SegmentAnyBone: A universal model that segments any bone at any location on MRI 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103469 PMID:39978015	research paper	提出了一种名为SegmentAnyBone的通用模型，用于在MRI上分割任何位置的骨骼	开发了一个基于Segment Anything Model (SAM)的创新基础模型，能够进行全自动分割和基于提示的分割	模型在特定解剖区域和MRI序列上的泛化能力需要进一步验证	提高MRI中骨骼分割的准确性和通用性，以支持肌肉骨骼疾病的定量评估	MRI图像中的骨骼	digital pathology	musculoskeletal conditions	deep learning	SegmentAnyBone (基于SAM)	image	320个标注体积和超过10k标注切片，涵盖多个解剖区域
699	2025-05-10	Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109721 PMID:39978091	research paper	本研究开发并评估了一种新型多模态深度学习模型，结合超快动态对比增强MRI图像、病变特征和临床信息进行乳腺病变分类	提出了一种基于Transformer的多模态架构MMST-V，能够整合影像和非影像数据，优于单模态方法	数据来自单一临床中心，样本量相对有限	开发多模态深度学习模型以提高乳腺病变分类的准确性	乳腺病变	digital pathology	breast cancer	ultrafast dynamic contrast-enhanced MRI	Transformer-based MMST-V	image, clinical data	240名患者的987个病灶（280个良性、121个恶性和586个良性淋巴结）和1081份报告
700	2025-05-10	Parkinson's disease tremor prediction towards real-time suppression: A self-attention deep temporal convolutional network approach 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109814 PMID:39978094	research paper	提出一种自注意力深度时间卷积网络（SADTCN）模型，用于实时预测帕金森病震颤信号	SADTCN模型能够捕捉帕金森病震颤信号的短期和长期依赖关系及复杂的时空动态特性，实现多步预测	模型性能仅在实验性手部震颤数据上进行了验证，未涉及其他部位震颤	开发高精度的帕金森病震颤预测模型以支持实时抑制技术	帕金森病患者的手部震颤信号	machine learning	geriatric disease	short-time Fourier transform (STFT)	self-attention deep temporal convolutional network (SADTCN)	time-series signal	实验性手部震颤数据（具体样本量未说明）