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
61	2025-07-17	Harnessing AlphaFold to reveal hERG channel conformational state secrets 2025-Jul-14, eLife IF:6.4Q1 DOI:10.7554/eLife.104901 PMID:40658102	研究论文	利用AlphaFold揭示hERG通道构象状态的秘密，以提升药物安全筛选和设计更安全的治疗方法	通过精心选择的结构模板引导AlphaFold预测不同的功能状态，揭示了hERG通道的失活机制和增强药物结合的新分子特征	需要进一步实验验证AlphaFold预测的构象状态及其与药物相互作用的准确性	深入理解hERG通道的结构和功能，以提升药物安全筛选和设计更安全的治疗方法	hERG通道（K11.1）的构象状态	计算生物学	心血管疾病	AlphaFold、分子对接、分子动力学模拟	AlphaFold	蛋白质结构数据	NA
62	2025-07-17	Mortality and antibiotic timing in deep learning-derived surviving sepsis campaign risk groups: a multicenter study 2025-Jul-14, Critical care (London, England) DOI:10.1186/s13054-025-05493-6 PMID:40660326	研究论文	本研究利用深度学习模型对脓毒症患者进行风险分层，并探讨抗生素使用时机对不同风险组患者死亡率的影响	首次使用深度学习模型客观地对脓毒症患者进行风险分层，并基于此评估抗生素使用时机对患者预后的影响	研究为观察性队列研究，需要进一步的前瞻性研究验证结果	评估基于深度学习风险分层的脓毒症患者抗生素使用时机对死亡率的影响	脓毒症患者	数字病理学	脓毒症	深度学习	DL	临床数据	34,087名成年脓毒症患者
63	2025-07-17	From tissue architecture to clinical insights: Spatial transcriptomics in solid tumor studies 2025-Jul-14, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152389 PMID:40664120	综述	本文深入分析了空间转录组学技术在实体肿瘤研究中的最新进展及其应用	空间转录组学技术保留了基因表达的空间背景，革新了对肿瘤结构和细胞间通讯的解析能力	在技术分辨率、数据处理、样本制备和临床标准化方面仍存在挑战	探讨空间转录组学技术在实体肿瘤研究中的应用及其对精准肿瘤学的潜在影响	实体肿瘤及其微环境	数字病理学	实体肿瘤	空间转录组学、单细胞多组学	深度学习	基因表达数据	NA
64	2025-07-17	Deep siamese residual support vector machine with applications to disease prediction 2025-Jul-14, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110693 PMID:40664125	研究论文	提出了一种名为深度孪生残差支持向量机(DSRSVM)的端到端学习模型，整合了深度神经网络和支持向量机，用于疾病预测	DSRSVM模型通过深度残差网络孪生预训练和深度残差支持向量机微调两阶段学习，实现了深度学习和支持向量机的协同效应，超越了传统端到端协作框架的性能	NA	开发一种新型的端到端学习模型，以提高疾病预测的准确性和性能	公开可用的医学数据集	机器学习	NA	支持向量机(SVM)、深度残差网络	DSRSVM(深度孪生残差支持向量机)	高维非线性数据	NA
65	2025-07-17	Can your brain signals reveal your romantic emotions? 2025-Jul-14, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110754 PMID:40664128	研究论文	本研究通过EEG信号分析，利用机器学习和深度学习模型预测个体在模拟约会应用中的浪漫吸引和拒绝情感	首次基于单次试验的事件相关电位(ERP)分析，预测个体内的浪漫情感	样本量相对较小(61人)，且使用模拟约会应用可能无法完全反映真实场景	探索脑电信号是否能够揭示个体的浪漫情感	61名参与者(31名女性和30名男性)在使用模拟约会应用时的EEG信号	脑机接口	NA	EEG, 事件相关电位(ERP)分析	机器学习和深度学习模型	EEG信号	61名参与者(31名女性和30名男性)
66	2025-07-17	Multimodal Deep Learning Model Based on Ultrasound and Cytological Images Predicts Risk Stratification of cN0 Papillary Thyroid Carcinoma 2025-Jul-14, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.043 PMID:40664556	研究论文	基于超声和细胞学图像的多模态深度学习模型预测cN0乳头状甲状腺癌的风险分层	整合术前超声和细胞学图像，开发并验证了一种用于术前非侵入性评估N0 PTC风险分层的多模态深度学习模型	研究为回顾性多中心研究，可能存在选择偏倚	术前准确评估cN0乳头状甲状腺癌的风险分层以辅助治疗决策	890名接受甲状腺切除术和淋巴结清扫的PTC患者	数字病理学	甲状腺癌	深度学习	多模态DL模型	图像（超声和细胞学图像）	890名PTC患者（训练和验证组），107名患者（测试组）
67	2025-07-17	Deep Learning-Accelerated Prostate MRI: Improving Speed, Accuracy, and Sustainability 2025-Jul-14, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.022 PMID:40664559	research paper	评估深度学习增强的四倍并行采集技术（P4）在提升前列腺MR图像质量和扫描效率方面的效果	使用深度学习加速的四倍并行采集技术（P4）显著提升了图像质量和扫描效率，相比传统两倍并行采集技术（P2）	研究样本量较小（51名参与者），且研究时间较短（2024年1月至7月）	评估深度学习增强的并行采集技术在前列腺MRI中的应用效果	接受前列腺MRI检查的患者	digital pathology	prostate cancer	深度学习增强的四倍并行采集技术（P4）	深度学习（DL）	MRI图像	51名参与者（平均年龄69.4岁±10.5岁）
68	2025-07-17	Artificial intelligence-based action recognition and skill assessment in robotic cardiac surgery simulation: a feasibility study 2025-Jul-13, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02563-3 PMID:40652436	研究论文	本研究开发了一种基于深度神经网络的系统，用于识别基本手术动作并根据视频数据评估外科医生的技能水平	结合CNN和LSTM网络处理手术视频数据，实现动作识别和技能评估的自动化	技能评估网络需要更多数据来提高准确性	开发AI系统用于机器人心脏手术模拟中的动作识别和技能评估	19名具有不同机器人手术经验的外科医生	计算机视觉	心血管疾病	深度学习	CNN+LSTM	视频	435个手术记录视频
69	2025-07-17	Diagnosing pathologic myopia by identifying morphologic patterns using ultra widefield images with deep learning 2025-Jul-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01849-y PMID:40653573	研究论文	本研究通过深度学习识别超广角图像中的形态学模式来诊断病理性近视	提出了一种轻量级端到端框架RealMNet，用于识别临床显著的形态学模式，如后葡萄肿和近视性黄斑病变，并利用超广角图像提供更广阔的视网膜视野	NA	诊断病理性近视	超广角图像中的形态学模式	数字病理	近视	深度学习	RealMNet	图像	多源超广角近视数据集PSMM
70	2025-07-17	Computational exploration of global venoms for antimicrobial discovery with Venomics artificial intelligence 2025-Jul-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60051-6 PMID:40645962	研究论文	利用人工智能技术探索全球毒液数据库以发现新型抗菌药物	结合深度学习和大规模计算挖掘技术，从毒液蛋白质中识别出结构功能新颖的抗菌肽	实验验证仅针对部分候选肽进行，未全面评估所有预测结果	发现新型抗菌药物以应对抗生素耐药性问题	毒液蛋白质及其衍生的抗菌肽	人工智能在药物发现中的应用	细菌感染	深度学习	深度学习模型（未明确具体类型）	蛋白质序列数据	16,123种毒液蛋白质，生成40,626,260个毒液加密肽段，最终验证58个肽段
71	2025-07-17	Highly adaptable deep-learning platform for automated detection and analysis of vesicle exocytosis 2025-Jul-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61579-3 PMID:40651941	research paper	介绍了一个名为IVEA的ImageJ插件平台，用于自动检测和分析荧光标记的囊泡融合事件及其他突发性活动	IVEA平台结合深度学习技术，能够以比人工分析快约60倍的速度检测人类常遗漏的罕见事件，并且其多功能性可通过集成界面进一步扩展	未明确提及具体的技术限制或适用范围外的场景	开发一个高效、自动化的活细胞成像活动识别平台，以减少人工劳动并提高分析准确性	荧光标记的囊泡融合事件及其他突发性活动	digital pathology	NA	深度学习	NA	image	NA
72	2025-07-17	Multimodal deep learning for cephalometric landmark detection and treatment prediction 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06229-w PMID:40651957	research paper	提出了一种名为DeepFuse的多模态深度学习框架，用于头影测量标志点检测和治疗结果预测	整合了侧位头影测量片、CBCT体积数据和数字牙科模型的多模态信息，采用注意力引导的融合机制和双任务解码器	未提及具体的数据集规模限制或计算资源需求	提高正畸和颌面外科临床决策的准确性和效率	头影测量标志点检测和治疗结果预测	computer vision	NA	多模态深度学习	DeepFuse（包含模态特定编码器、注意力机制和双任务解码器）	图像（侧位头影测量片、CBCT体积数据、数字牙科模型）	三个临床数据集（未提具体样本量）
73	2025-07-17	A crack detection and quantification method using matched filter and photograph reconstruction 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08280-z PMID:40651987	research paper	提出了一种基于数字图像处理和无人机飞行参数的自动裂缝检测与量化方法	结合增强匹配滤波算法和形态学方法进行裂缝分割和骨架提取，并整合图像拍摄参数构建3D模型	依赖于无人机采集的图像质量，可能在高噪声或复杂背景下性能下降	开发一种高效、准确的桥梁裂缝检测与量化方法，以支持桥梁维护决策	桥梁裂缝	computer vision	NA	数字图像处理，无人机航拍	增强匹配滤波算法	图像	公共数据集和一座拱桥的实际应用
74	2025-07-17	Accurate and real-time brain tumour detection and classification using optimized YOLOv5 architecture 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07773-1 PMID:40651993	研究论文	本研究提出了一种结合FCNN和YOLOv5的框架模型，用于实时准确地检测和分类脑肿瘤	结合FCNN和YOLOv5架构，优化了脑肿瘤的检测和分类性能，平均准确率达到98.80%	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高脑肿瘤的诊断准确率和实时性	脑肿瘤的MRI图像	数字病理学	脑肿瘤	MRI成像	FCNN和YOLOv5	图像	NA
75	2025-07-17	A deep learning approach for heart disease detection using a modified multiclass attention mechanism with BiLSTM 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09594-8 PMID:40652020	研究论文	提出了一种基于改进的多类注意力机制和双向长短期记忆网络的深度学习模型，用于提高心脏疾病检测的准确性	引入了类感知注意力权重，动态调整对输入特征的关注度，针对特定心脏疾病类别优化特征表示，解决了传统方法中的误分类、特征重叠和噪声干扰问题	NA	提高心脏疾病诊断的准确性	心脏疾病患者的心电信号数据	机器学习	心血管疾病	改进的自适应带通滤波器(IABPF)和小波变换	改进的多类注意力机制与双向长短期记忆网络(M2AM with Deep BiLSTM)	心电信号数据	6000个样本，14个特征
76	2025-07-17	Development and validation of a prognostic model for predicting survival and immunotherapy benefits in melanoma based on metabolism-relevant genes 2025-Jul-12, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03186-8 PMID:40652057	研究论文	开发并验证了一个基于代谢相关基因的预后模型，用于预测黑色素瘤患者的生存和免疫治疗效益	利用代谢相关基因对黑色素瘤患者进行分子亚型分类，并开发了一个新的预后模型，同时通过单细胞RNA测序和体外实验验证了特征基因的功能	研究主要基于生物信息学分析，虽然进行了体外实验验证，但缺乏体内实验和更大规模的临床验证	预测黑色素瘤患者的预后和免疫治疗反应	皮肤黑色素瘤(SKCM)患者	数字病理学	黑色素瘤	scRNA-seq, WB, qPCR, IHC, siRNA	LASSO和COX回归分析, ResNet50	基因表达数据, 病理图像	未明确提及具体样本数量，但涉及SKCM患者和细胞系
77	2025-07-17	Deep learning algorithm for identifying osteopenia/osteoporosis using cervical radiography 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11285-3 PMID:40652099	研究论文	本研究验证了一种深度学习算法在颈椎X光片上识别骨量减少/骨质疏松症的诊断效果，并与脊柱外科医生的诊断准确性进行了比较	开发了一种基于卷积神经网络的深度学习算法，用于通过颈椎X光片检测骨量减少/骨质疏松症，其诊断准确性高于脊柱外科医生	样本量较小，测试数据集仅包含30个样本	验证深度学习算法在颈椎X光片上识别骨量减少/骨质疏松症的诊断效果	颈椎疾病患者，特别是退行性颈椎脊髓病患者	数字病理学	骨质疏松症	深度学习	CNN	图像	训练数据集200例，测试数据集30例
78	2025-07-17	Establishing an AI-based diagnostic framework for pulmonary nodules in computed tomography 2025-Jul-12, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-025-03806-7 PMID:40652218	research paper	本研究开发了一种基于AI的CT扫描肺结节诊断框架，以提高肺结节的识别和分类性能	提出了一种结合Retina-UNet模型和SVM的深度学习框架，用于肺结节的检测和分类，相比传统方法提高了诊断准确性	对于非孤立性结节的检测存在局限，未来需要增加标注数据集的大小并微调模型	开发一种AI诊断方案，提高CT扫描中肺结节的识别和分类性能	肺结节	digital pathology	lung cancer	CT扫描	Retina-UNet, SVM	3D-DICOM CT图像	1,056张3D-DICOM CT图像
79	2025-07-17	Advancing rare neurological disorder diagnosis: Addressing challenges with systematic reviews and AI-driven MRI meta-trans learning framework for neurodegenerative disorders 2025-Jul-11, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102831 PMID:40653053	研究论文	本文通过系统综述和AI驱动的MRI元迁移学习框架，探讨了人工智能在罕见神经系统疾病诊断中的应用	提出了一个结合元学习和迁移学习的MRI框架，用于罕见神经系统疾病的早期检测，旨在提高诊断准确性	罕见神经系统疾病患者数据稀缺，限制了机器学习和深度学习模型的训练效果	探索人工智能技术在神经系统疾病诊断中的应用，特别是针对罕见疾病的早期检测	神经发育障碍(NDD)、神经生物学障碍(NBD)和神经退行性障碍(ND)等神经系统疾病	数字病理学	神经系统疾病	Meta_Trans Learning (结合Meta-Learning和Transfer Learning)	ML和DL模型	MRI图像数据	NA
80	2025-07-17	CSCE: Cross Supervising and Confidence Enhancement pseudo-labels for semi-supervised subcortical brain structure segmentation 2025-Jul-11, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110522 PMID:40653056	研究论文	提出一种基于伪标签交叉监督和置信度增强的半监督脑部亚结构分割框架CSCE	采用双师生模型（U-Net和TransUNet）进行相互监督，并设计两种机制增强伪标签置信度	未明确提及具体局限性	提升脑部亚结构MRI分割的准确性和鲁棒性	脑部MRI图像中的亚结构	数字病理	脑部疾病	半监督学习	U-Net, TransUNet	MRI图像	两个公开脑部MRI数据集