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
741	2025-06-11	Direct detection of 8-oxo-dG using nanopore sequencing 2025-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60391-3 PMID:40473638	研究论文	本文开发了一种利用纳米孔测序直接检测8-oxo-dG的策略，通过合成寡核苷酸生成长链DNA分子用于深度学习模型训练	首次提出使用合成DNA和纳米孔测序直接检测8-oxo-dG的方法，解决了现有间接检测方法的局限性	需要依赖合成DNA生成训练数据，可能无法完全模拟真实生物样本中的复杂情况	开发直接检测DNA氧化损伤标记物8-oxo-dG的新方法	8-oxo-7,8-dihydro-2'-deoxyguanosine (8-oxo-dG) DNA损伤标记物	基因组学	NA	纳米孔测序	深度学习	DNA序列数据	合成寡核苷酸生成的DNA分子
742	2025-06-11	Progressive plug and play full waveform inversion with multitask learning 2025-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04506-2 PMID:40473696	研究论文	本文提出了一种名为MP-FWI的两阶段框架，通过多任务学习和即插即用方法同时提高地震全波形反演（FWI）的低频数据质量和初始模型准确性	提出了一种结合多任务学习框架（MCNN）和即插即用方法（PnPFWI）的两阶段框架，同时优化低频数据外推和初始速度模型预测，并引入MLRealv2方法增强合成数据的监督训练	未明确提及具体局限性	提高地震全波形反演（FWI）的准确性和鲁棒性	地震全波形反演（FWI）的低频数据和初始模型	地球物理信号处理	NA	多任务学习、即插即用方法、MLRealv2	MCNN、PnPFWI	地震波形数据	基准模型和Mobile AVO数据
743	2025-06-11	Epistasis regulates genetic control of cardiac hypertrophy 2025-Jun-05, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00656-8 PMID:40473955	research paper	该研究开发了一种名为低信号符号迭代随机森林的方法，用于揭示心脏肥大的复杂遗传结构，并发现了与CCDC141、IGF1R、TTN和TNKS相关的上位性变异	使用深度学习和新型微流控单细胞形态分析技术，揭示了心脏肥大中非加性遗传调控的机制	研究主要基于UK Biobank的数据，可能无法完全代表其他人群	探索心脏肥大的遗传调控机制，特别是上位性效应	心脏肥大相关的遗传变异和基因	machine learning	心血管疾病	深度学习、微流控单细胞形态分析、RNA沉默	随机森林	图像、基因数据	29,661个UK Biobank心脏磁共振图像和313个人类心脏样本
744	2025-06-11	Analysis of Research Hotspots and Development Trends in the Diagnosis of Lung Diseases Using Low-Dose CT Based on Bibliometrics 2025-Jun-05, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056402094250530075121 PMID:40491372	research paper	通过文献计量学方法分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	揭示了低剂量CT技术与深度学习结合成为早期肺癌研究的新热点	研究仅基于Web of Science核心合集的英文文献，可能忽略了其他语言或数据库的重要研究	分析低剂量CT在肺部疾病诊断领域的研究热点和发展趋势	低剂量CT在肺部疾病诊断中的应用	digital pathology	lung cancer	bibliometric analysis, CiteSpace software	deep learning	text (literature data)	NA
745	2025-06-11	Applications and Prospects of Artificial Intelligence in Proteomics Via Mass Spectrometry: A Review 2025-Jun-05, Current protein & peptide science IF:1.9Q4 DOI:10.2174/0113892037368295250520102121 PMID:40491374	review	本文综述了人工智能在质谱蛋白质组学中的应用和前景	详细比较了不同AI算法在蛋白质组学任务中的表现，并讨论了其优缺点	讨论了AI在质谱蛋白质组学研究中的局限性和未来发展方向	探索人工智能在质谱蛋白质组学中的应用潜力	质谱蛋白质组学数据	machine learning	NA	mass spectrometry (MS)	deep learning	protein spectra, retention times, peptide sequences, protein structures	NA
746	2025-06-11	Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)" 2025-Jun-04, JMIR research protocols IF:1.4Q3 DOI:10.2196/67875 PMID:40466092	研究论文	该研究旨在评估乳腺癌放疗后心房颤动的发生率，并探讨心脏辐射暴露与心房颤动事件之间的关联	首次系统研究乳腺癌放疗后心房颤动的发生率，并开发深度学习算法用于自动分割分析关键心脏结构	样本量较小（200名患者），且仅针对65岁以上人群，结果可能无法推广到更广泛的人群	评估乳腺癌放疗后心房颤动的发生率并探索其与心脏辐射暴露的关系	65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者	数字病理学	乳腺癌	心电图（ECG）、经胸超声心动图（TTE）、深度学习算法	深度学习	医疗记录、心电图数据、超声心动图数据	200名65岁以上接受乳腺癌放疗5年的患者
747	2025-06-11	Iterative deep learning design of human enhancers exploits condensed sequence grammar to achieve cell-type specificity 2025-Jun-04, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101302 PMID:40472848	研究论文	本文应用迭代深度学习设计具有细胞类型特异性的人类增强子	利用迭代深度学习设计合成增强子，实现细胞类型特异性，并通过实验验证和模型优化提高特异性	仅在两株人类细胞系中验证增强子活性，尚未在其他细胞类型或体内环境中测试	解决合成生物学中如何靶向特定细胞类型进行基因表达的问题	人类增强子序列	合成生物学	NA	深度学习	NA	序列数据	两株人类细胞系
748	2025-06-11	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2025-Jun-02, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	research paper	本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升蛋白质复合物结构预测的准确性	整合了基于transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合内部技术如蛋白质复合物化学计量预测、多样化的多序列比对生成等	未明确提及具体限制，但可能依赖于AlphaFold系列模型的固有局限	提升多链蛋白质复合物（多聚体）结构的预测准确性	蛋白质复合物结构	生物信息学	NA	多序列比对(MSA)、深度学习模型质量评估	AlphaFold2, AlphaFold3, MULTICOM4	蛋白质序列和结构数据	在CASP16评估中进行了测试，具体样本数量未明确
749	2025-06-11	Glioma Identification Based on Digital Multimodal Spectra Integrated with Deep Learning Feature Fusion Using a Miniature Raman Spectrometer 2025-Jun, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028241276013 PMID:39252509	research paper	提出了一种基于数字多模态光谱与深度学习特征融合的胶质瘤识别方法（DMS-DLFF），使用微型拉曼光谱仪提高识别准确性	DMS-DLFF方法在特征层面和决策层面进行操作，利用高信息密度特征向量训练集成分类模型，提高了胶质瘤识别的准确性	胶质瘤样本的异质性导致收集的光谱存在较大的类内差异，且微型拉曼光谱仪的信噪比较低	提高脑胶质瘤识别的准确性，帮助医生制定精确的手术计划	胶质瘤和正常脑组织的拉曼光谱	digital pathology	glioma	Raman spectroscopy	ensemble classification models, SVM	spectral data	260个胶质瘤拉曼光谱和151个正常脑组织拉曼光谱
750	2025-06-11	A novel cross-modal data augmentation method based on contrastive unpaired translation network for kidney segmentation in ultrasound imaging 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17663 PMID:39904615	research paper	提出了一种基于对比非配对翻译网络的跨模态数据增强方法，用于提升肾脏超声图像分割的性能	采用对比非配对翻译网络（CUT）从标记的腹部CT数据和无标记的肾脏超声图像中低成本生成模拟标记的肾脏超声图像，并提出实例加权训练策略	需要依赖标记的CT数据和无标记的超声图像，且模拟图像的质量可能影响最终分割性能	提升基于深度学习的肾脏超声图像分割模型在有限标记数据下的准确性和泛化能力	肾脏超声图像	digital pathology	kidney disease	contrastive unpaired translation network (CUT)	U-Net	image	4418标记CT切片、4594无标记超声图像（训练生成网络）；4594模拟和100真实肾脏超声图像（训练分割网络）、20验证图像、169测试图像
751	2025-06-11	Self-supervised adversarial diffusion models for fast MRI reconstruction 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17675 PMID:39924867	研究论文	提出了一种名为SSAD-MRI的自监督深度学习压缩感知MRI方法，用于加速数据采集而无需完全采样数据集	SSAD-MRI在训练过程中无需使用完全采样数据集，通过自监督对抗扩散模型实现了高质量的MRI图像重建	研究仅针对脑部MRI数据，未验证在其他身体部位或不同MRI序列上的泛化能力	开发一种无需完全采样数据集的MRI加速重建方法	脑部MRI图像	医学影像处理	NA	压缩感知MRI	自监督对抗扩散模型	MRI图像	1376例多线圈脑部T2加权图像和318例单线圈脑部定量磁化准备快速梯度回波T1图
752	2025-06-11	Boosting 2D brain image registration via priors from large model 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17696 PMID:39976314	research paper	该研究探索了如何利用基础模型DINOv2的先验知识来提升基于学习的无监督配准网络的性能，以克服网络瓶颈并提高配准精度	首次将基础模型DINOv2应用于医学图像配准任务，提出了三种DINOv2辅助配准模式，并研究了三种特征聚合方法在配准框架中的适用性	研究仅针对2D脑部图像进行，未扩展到3D或其他器官的图像配准	提升医学图像配准的精度并减少对大量数据的依赖	2D脑部医学图像	digital pathology	NA	deep learning-based registration	DINOv2	image	IXI和OASIS公共数据集
753	2025-06-11	Attentive feature interaction based persistent homology-augmented network for esophageal cancer lesion detection 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17707 PMID:40012097	research paper	提出了一种结合持久同调和特征交互的新框架，用于从3D CT图像中识别食管癌病变	结合持久同调（PH）和特征交互机制，增强了现有深度学习模型的预测能力	尚未探索更多可以利用拓扑关系的潜在下游任务	提升食管癌病变检测的准确性	食管癌病变	digital pathology	esophageal cancer	3D CT imaging	CNN, ViT	3D CT images	NA
754	2025-06-11	CBCT projection domain metal segmentation for metal artifact reduction using hessian-inspired dual-encoding network with guidance from segment anything model 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17716 PMID:40017345	research paper	提出了一种基于Hessian启发的双编码网络（HIDE-Net）用于CBCT投影域金属分割，以减少金属伪影	结合Hessian特征值模块引入人类知识，设计双编码器以更好地提取边缘信息，并提出输入增强模块和基于SAM的标签预处理模块	需要进一步验证在更多临床数据上的泛化能力	开发一种无需手动标注的深度学习金属分割方法以减少CBCT中的金属伪影	CBCT投影域中的金属物体	digital pathology	NA	CBCT	CNN	image	数字幻影数据和临床CBCT数据
755	2025-06-11	An MR-only deep learning inference model-based dose estimation algorithm for MR-guided adaptive radiation therapy 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17759 PMID:40089982	研究论文	本研究开发了一种基于深度学习的仅使用MR图像的剂量计算引擎，用于MR引导的自适应放射治疗	提出了一种仅依赖MR图像的深度学习剂量计算引擎，无需CT图像或耗时的射线追踪过程	研究仅针对前列腺癌患者，样本量相对较小（30例患者）	开发一种高效准确的MR引导自适应放射治疗剂量计算方法	前列腺癌患者	医学影像分析	前列腺癌	深度学习	基于U-Net的深度残差网络	MR图像	30例前列腺癌患者，共120个在线治疗计划（包含1080个独立射束）
756	2025-06-11	Quantitative susceptibility mapping via deep neural networks with iterative reverse concatenations and recurrent modules 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17747 PMID:40089979	research paper	该研究提出了一种名为IR2QSM的新型深度学习网络架构，用于提高定量磁化率成像（QSM）的重建精度并减少噪声和伪影	IR2QSM采用了四次反向连接和中间循环模块的改进U-net架构，优化了特征融合并提高了QSM的准确性	尽管IR2QSM在实验中表现优异，但研究未提及该方法在不同MRI设备或参数下的泛化能力	开发一种深度学习方法来提高QSM重建的准确性，减少噪声和伪影	定量磁化率成像（QSM）的重建过程	医学影像处理	神经系统疾病	定量磁化率成像（QSM）	改进的U-net架构（IR2QSM）	MRI影像数据	模拟数据集和体内数据集（具体数量未提及）
757	2025-06-11	Multimodal feature-guided diffusion model for low-count PET image denoising 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17764 PMID:40102174	研究论文	本文提出了一种新型多模态特征引导扩散模型（MFG-Diff），用于低计数PET（LPET）图像去噪，并充分利用MRI信息	MFG-Diff模型通过引入新的退化操作符模拟PET成像的物理退化过程，并采用跨模态引导恢复网络和多模态特征融合模块，充分挖掘LPET和MRI图像的模态特定特征	NA	开发一种能够充分利用MRI信息的LPET图像去噪方法，以最小化辐射暴露同时获得高质量PET图像	低计数PET（LPET）图像和多模态MRI图像	医学图像处理	NA	扩散模型	MFG-Diff	医学图像（PET和MRI）	NA
758	2025-06-11	Poisson diffusion probabilistic model for low-dose SPECT sinogram denoising 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17760 PMID:40103551	研究论文	本文提出了一种基于泊松噪声的扩散概率模型（PDPM），用于低剂量SPECT正弦图的去噪	PDPM将传统扩散模型中的高斯噪声替换为泊松噪声，并引入了时间预测聚合模块（TPAM）以提高去噪性能	NA	开发有效的低剂量SPECT正弦图去噪方法	低剂量SPECT正弦图	医学影像处理	NA	扩散概率模型	PDPM	图像	模拟和临床SPECT数据集
759	2025-06-11	Deep-learning based multibeat echocardiographic cardiac phase detection 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17733 PMID:40108797	研究论文	本研究提出了一种名为EchoPhaseNet的新型多拍超声心动图心脏相位检测网络，旨在实现快速准确的心脏相位检测，同时降低标注成本和数据需求	EchoPhaseNet仅需ED/ES标签即可实现有效的心脏相位检测，显著降低了标注成本，并在检测速度和准确性上优于现有方法	研究使用了多个数据集进行验证，但部分数据集的样本量相对较小，可能影响模型的泛化能力评估	开发一种低标注成本、高效率的多拍超声心动图心脏相位自动检测方法	多拍超声心动图序列	医学图像分析	心血管疾病	深度学习	EchoPhaseNet（基于深度学习的网络）	超声心动图视频序列	五个数据集：Echo-DT（小规模私有数据集）、PhaseDetection（中等规模公开数据集）、EchoNet-Dynamic、CAMUS和EchoNet-Dynamic-MultiBeat（三个公开数据集）
760	2025-06-11	Evaluating the robustness of deep learning models trained to diagnose idiopathic pulmonary fibrosis using a retrospective study 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17752 PMID:40111345	research paper	评估使用回顾性研究训练的深度学习模型在诊断特发性肺纤维化中的鲁棒性	评估多种深度学习模型在不同CT成像协议下的性能，揭示了模型在非参考条件下的特异性下降	研究的回顾性性质	评估深度学习模型在不同CT成像协议下诊断特发性肺纤维化的鲁棒性	特发性肺纤维化（IPF）与非IPF间质性肺病（ILD）患者	digital pathology	lung cancer	CT扫描	2D和3D深度学习模型	image	389名IPF患者和700名非IPF ILD患者的CT扫描数据，其中343名患者有参考和非参考条件下的CT数据