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
801	2025-05-10	Toward deep learning sequence-structure co-generation for protein design 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103018 PMID:39983410	综述	本文回顾了深度生成模型在蛋白质设计中的最新进展，特别关注序列-结构共生成方法	探讨了序列-结构共生成方法在蛋白质设计中的潜力，以实现更准确和可控的设计	NA	探讨深度生成模型在蛋白质设计中的应用，特别是序列-结构共生成方法	蛋白质序列和结构	机器学习	NA	NA	深度生成模型	序列和结构数据	NA
802	2025-05-10	Integrating manual preprocessing with automated feature extraction for improved rodent seizure classification 2025-Apr, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110306 PMID:39983590	research paper	该研究开发了一种结合手动预处理和自动特征提取的半自动流程，用于改进啮齿动物癫痫发作分类	提出了一种结合模型驱动和数据驱动方法的混合方法，利用PoseC3D模型对啮齿动物癫痫阶段进行分类	该方法无法实现完全自动化的癫痫检测，且未在未见过的动物上进行测试，限制了其普适性和广泛应用	开发一种AI支持的定量分析方法，用于啮齿动物行为分析，包括癫痫阶段分类	啮齿动物（大鼠）的癫痫发作行为	computer vision	epilepsy	deep learning, computer vision	PoseC3D	video	两个数据集，包括大鼠骨架关键点和癫痫发作行为视频
803	2025-05-10	Physics-informed neural networks for enhanced reference evapotranspiration estimation in Morocco: Balancing semi-physical models and deep learning 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144238 PMID:39983624	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的方法，用于在摩洛哥增强参考蒸散量（ETo）的估计，以平衡半物理模型和深度学习的优势	通过将半物理模型整合到神经网络的损失函数中，提出了一种新的残差损失计算方法，结合了数据驱动损失和半物理模型损失，提高了模型的准确性和可解释性	研究仅基于摩洛哥Tensift流域四个自动气象站的数据，可能限制了模型的泛化能力	提高参考蒸散量（ETo）的估计准确性，以支持农业水资源管理和灌溉系统优化	参考蒸散量（ETo）	环境科学	NA	物理信息神经网络（PINNs），CMA-ES优化算法	PINN	气象数据（气温、太阳辐射、相对湿度、风速）	摩洛哥Tensift流域四个自动气象站的数据
804	2025-05-10	Subtraction-free artifact-aware digital subtraction angiography image generation for head and neck vessels from motion data 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102512 PMID:39983664	research paper	提出了一种无需减影的、基于运动数据的头颈部血管数字减影血管造影（DSA）图像生成方法，旨在消除运动伪影	创新性地提出了Artifact-aware DSA图像生成方法（AaDSA），仅利用运动数据生成无伪影的DSA图像，无需减影过程，并通过梯度场变换（GFT）技术生成伪影掩码指导模型训练	需要进一步验证在更广泛临床数据集上的泛化能力	开发一种能够自动生成无运动伪影的DSA图像的方法，以提高血管疾病诊断的准确性	头颈部血管的DSA图像	digital pathology	cardiovascular disease	deep learning, Gradient Field Transformation (GFT)	DL-based model	image	真实头颈部DSA数据集（具体样本量未明确说明）
805	2025-05-10	A novel generative model for brain tumor detection using magnetic resonance imaging 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102498 PMID:39985841	研究论文	提出了一种基于深度学习的脑肿瘤检测新方法，结合Yolov8框架和智能计算单元，实现了高精度的肿瘤区域分割和分类	结合Yolov8框架与智能计算单元进行精细调优，引入数据融合技术提升分类性能，并首次将LLM模型用于预诊断生成	仅在同数据库对比中验证性能，未说明跨数据库泛化能力	开发基于AI的计算机辅助诊断系统，提高脑肿瘤检测准确率和效率	MRI图像中的脑肿瘤区域	数字病理	脑肿瘤	深度学习，数据融合	Yolov8, CNN, LLM	MRI图像	两个肿瘤数据集（未明确数量）
806	2025-05-10	Protein language models for predicting drug-target interactions: Novel approaches, emerging methods, and future directions 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103017 PMID:39985946	综述	本文综述了蛋白质语言模型在药物-靶点相互作用预测中的应用，探讨了新兴方法和未来研究方向	探讨了端到端学习模型和预训练基础蛋白质语言模型的应用，以及异质数据整合的作用	数据相关限制和算法约束导致准确识别药物-靶点相互作用仍存在挑战	加速药物开发过程中的新候选药物识别	药物-靶点相互作用（DTI）预测	自然语言处理	NA	蛋白质语言模型（pLMs）	端到端学习模型、预训练基础pLMs	蛋白质结构、知识图谱	NA
807	2025-05-10	Deep Learning-based Quantitative CT Myocardial Perfusion Imaging and Risk Stratification of Coronary Artery Disease 2025-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.242570 PMID:40298595	研究论文	开发并验证了一种基于深度学习的模型，用于自动量化心肌血流和缺血心肌体积百分比，并探索其对主要不良心血管事件的预后价值	首次开发了基于深度学习的自动量化心肌血流和缺血心肌体积百分比的模型，并验证其在心血管风险分层中的预后价值	研究样本来自多个中心，可能存在数据异质性，且前瞻性队列的随访时间有限	开发并验证深度学习模型，用于心肌缺血的自动诊断和心血管风险分层	临床接受CT心肌灌注成像和冠状动脉CT血管造影的患者	数字病理学	心血管疾病	动态CT心肌灌注成像（MPI）和冠状动脉CT血管造影（CCTA）	深度学习模型（DL）	医学影像	1108名患者（平均年龄61岁±12，667名男性）
808	2025-05-10	Quantitative Evaluation of Tendon Gliding Sounds and Their Classification Using Deep Learning Models 2025-Apr, Cureus DOI:10.7759/cureus.81790 PMID:40330348	research paper	本研究旨在开发和评估一种深度学习模型，用于分类通过数字听诊器记录的肌腱滑动声音	利用深度学习模型分析肌腱滑动声音的频谱特征，实现高精度分类，为非侵入性诊断肌腱疾病提供新方法	样本量较小	开发一种基于人工智能的非侵入性诊断工具，用于检测肌腱疾病	健康志愿者的拇指和食指肌腱滑动声音	machine learning	musculoskeletal disorders	spectrogram analysis	DL	audio	小样本健康志愿者
809	2025-05-10	Current Architectural and Developmental Approaches in Artificial Intelligence Models for Prostate Cancer Detection and Management: A Technical Report 2025-Apr, Cureus DOI:10.7759/cureus.81748 PMID:40330342	技术报告	本文探讨了人工智能模型在前列腺癌检测和管理中的当前架构和发展方法	介绍了AI驱动模型（如CNN和深度学习系统）在提高肿瘤检测和Gleason分级诊断准确性方面的应用，以及集成PSA数据以提高风险分层的准确性	数据来源不一致、成像领域转移以及缺乏标准化的染色归一化等问题阻碍了AI在临床中的广泛应用	提升前列腺癌诊断方法的准确性和效率	前列腺癌的诊断和管理	数字病理学	前列腺癌	深度学习、集成学习、半监督学习	CNN、深度学习系统	组织病理学全切片图像、PSA数据	NA
810	2025-05-10	Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review 2025-Apr, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70259 PMID:40337671	systematic review	本文系统评估了人工智能在骨科影像中的应用效果和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响	首次系统比较了不同AI模型在多种骨科影像模态中的临床效能和实用性	现有文献缺乏全面的统计分析和随机对照试验，需要进一步临床验证	评估AI在骨科影像中的有效性和可靠性	骨科影像	medical imaging	orthopaedic diseases	machine learning, deep learning	CNN	medical images	11,990,643 images from multiple diagnostic instruments
811	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
812	2025-05-10	Deep learning imputes DNA methylation states in single cells and enhances the detection of epigenetic alterations in schizophrenia 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100774 PMID:39986279	研究论文	本文介绍了一种基于transformer的深度学习模型scMeFormer，用于在单细胞中估算DNA甲基化状态，并应用于精神分裂症的检测	提出了scMeFormer模型，能够在单细胞DNA甲基化数据中实现高保真估算，显著提升低覆盖率数据的分析能力	模型性能依赖于原始数据的质量和覆盖度，可能无法完全解决极低覆盖率数据的估算问题	提高单细胞DNA甲基化数据的分析能力，增强对精神分裂症表观遗传学改变的理解	人类和小鼠的单细胞DNA甲基化数据，特别是精神分裂症患者和对照组的额叶皮层数据	表观遗传学	精神分裂症	单细胞DNA甲基化测序	transformer	DNA甲基化数据	五个单核DNA甲基化数据集（来自人类和小鼠），包括精神分裂症患者和对照组的额叶皮层数据
813	2025-03-14	Publisher Correction: HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93294-w PMID:40075161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
814	2025-05-10	Low-dose CT reconstruction using cross-domain deep learning with domain transfer module 2025-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb932 PMID:39983305	research paper	该研究提出了一种利用跨域深度学习和域转移模块进行低剂量CT重建的新方法	提出了一种跨域深度学习方法，通过域转移函数减少冗余计算，仅需双域网络一半的可训练参数即可达到相当的性能	虽然减少了计算资源需求，但方法的性能仍需在更多临床数据上进一步验证	开发一种计算效率更高的低剂量CT重建方法以减少辐射暴露	低剂量X射线CT图像	computer vision	NA	deep learning	U-Net	CT图像	NA
815	2025-05-10	Power absorption and temperature rise in deep learning based head models for local radiofrequency exposures 2025-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb935 PMID:39983315	研究论文	本研究比较了基于分割和无需分割的深度学习头部模型在评估局部射频暴露时的功率吸收和温升效果	采用无需分割的深度学习模型直接从磁共振图像估计组织介电和热学特性，减少了主体间变异性并提高了计算效率	两种模型之间的差异相对于总体剂量学不确定性较小	提高射频暴露下人体保护的准确性和一致性	计算头部模型	机器学习	NA	有限差分时域方法和生物热传递方程	深度学习模型	磁共振图像	NA
816	2025-05-10	T-ALPHA: A Hierarchical Transformer-Based Deep Neural Network for Protein-Ligand Binding Affinity Prediction with Uncertainty-Aware Self-Learning for Protein-Specific Alignment 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02332 PMID:39965912	研究论文	本文提出了一种名为T-ALPHA的新型深度学习模型，用于预测蛋白质-配体结合亲和力，并通过不确定性感知的自学习方法提高预测准确性	T-ALPHA模型通过整合多模态特征表示和层次化transformer框架，提高了蛋白质-配体结合亲和力的预测准确性，且在预测结构上仍保持最优性能	未明确提及具体局限性，但可能依赖于预测结构的准确性	提高蛋白质-配体结合亲和力的预测准确性，以加速候选抑制剂的识别和优化	蛋白质-配体结合亲和力	机器学习	NA	深度学习，不确定性感知自学习	Transformer	蛋白质和配体的结构数据	未明确提及具体样本数量，但涉及多个基准测试
817	2025-05-10	RAG_MCNNIL6: A Retrieval-Augmented Multi-Window Convolutional Network for Accurate Prediction of IL-6 Inducing Epitopes 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02144 PMID:39967508	研究论文	提出了一种名为RAG_MCNNIL6的新型深度学习框架，用于准确预测IL-6诱导表位	整合了检索增强生成（RAG）和多窗口卷积神经网络（MCNNs），显著提高了预测性能	未提及具体局限性	开发一种准确且高效的IL-6诱导表位预测方法，以促进基于表位的疫苗和免疫疗法的研发	IL-6诱导表位（短肽片段）	自然语言处理	自身免疫性疾病、癌症、COVID-19	ProtTrans预训练蛋白质语言模型	MCNNs	蛋白质序列数据	基准数据集（未提及具体数量）
818	2025-05-10	Validation of patient-specific deep learning markerless lung tumor tracking aided by 4DCBCT 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb89c PMID:39978071	研究论文	本文提出了一种基于4DCBCT辅助的患者特异性深度学习无标记肺部肿瘤跟踪方法	开发了一种4DCBCT辅助的GT生成流程，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型	样本量较小，仅使用了6个患者CBCT投影集进行验证和11个进行测试	开发一种系统方法，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型	肺部肿瘤患者	数字病理	肺癌	4DCBCT, Retina U-Net	Retina U-Net	图像	6个患者CBCT投影集用于验证，11个用于测试
819	2025-05-10	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01838 PMID:39984300	研究论文	本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习构象变化的物理原理，并应用于高度动态蛋白质的构象采样	提出了一种名为ICoN的深度学习模型，能够从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速识别新的合成构象	需要依赖分子动力学模拟数据进行训练，可能受限于模拟数据的质量和覆盖范围	研究高度动态蛋白质的构象集合，以理解其生物学功能和疾病相关聚集	内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体	机器学习	NA	分子动力学模拟，深度学习	ICoN（Internal Coordinate Net）	分子动力学模拟数据	NA
820	2025-05-10	Explainable multiscale temporal convolutional neural network model for sleep stage detection based on electroencephalogram activities 2025-Mar-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adb90c PMID:39983236	研究论文	提出了一种基于脑电图活动的可解释多尺度时间卷积神经网络模型，用于自动睡眠阶段检测	实现了多尺度神经生理学模拟内核，以捕捉不同频率和时间长度的睡眠相关脑电图活动，提高了模型的可解释性和性能	未提及具体局限性	开发自动睡眠阶段检测模型以减轻繁琐的手动标记过程	睡眠阶段的脑电图活动	机器学习	NA	脑电图(EEG)	多尺度时间卷积神经网络(MTCNN)	脑电图数据	153天的多导睡眠图数据