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
961	2025-09-18	Predicting cardiovascular events from routine mammograms using machine learning 2025-Sep-16, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2025-325705 PMID:40957672	研究论文	开发并测试了一种基于常规乳腺X光影像的深度学习算法，用于预测女性心血管事件风险	首次利用常规乳腺X光影像结合深度学习技术进行心血管风险预测，为女性心血管筛查提供新途径	研究仅基于特定队列（Lifepool），未涉及更广泛人群验证；模型性能与传统工具相当但未显著超越	通过机器学习提升女性心血管疾病的风险评估准确性	接受乳腺筛查的中老年女性群体	医疗影像分析	心血管疾病	深度学习	DeepSurv	影像	49196名女性，中位随访8.8年
962	2025-09-18	Prediction of cerebrospinal fluid intervention in fetal ventriculomegaly via AI-powered normative modelling 2025-Sep-16, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	提出一种基于AI的胎儿脑室自动分割与体积量化方法，用于预测胎儿脑室扩大是否需要产后脑脊液干预	首次利用nnUNet深度学习模型构建胎儿脑室体积的 normative 参考范围，并通过标准化颅内体积实现高精度干预需求预测	回顾性研究，样本量有限（64例VM病例），需外部验证	开发AI辅助工具以客观区分胎儿脑室扩大与脑积水，预测产后干预需求	胎儿脑部MRI图像	医学影像分析	胎儿脑室扩大/脑积水	深度学习分割，normative建模	nnUNet	MRI图像	222例患者（含138正常对照和64例VM病例）
963	2025-09-18	Machine Learning Navigated Allosteric Network to Unveil Biased Allosteric Modulation of GPCRs 2025-Sep-16, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00935 PMID:40957834	研究论文	提出一种机器学习导航变构网络策略（RMLNA），揭示GPCRs的偏向性变构调控分子机制	结合分子动力学模拟、可解释深度学习模型和变构网络分析，首次系统解析偏向性变构调节剂SBI-553的作用机制	方法主要针对NTSR1受体，尚未广泛验证于其他GPCRs	阐明GPCRs偏向性变构调节剂的分子作用机制	G蛋白偶联受体（GPCRs）及其偏向性变构调节剂SBI-553	机器学习	NA	分子动力学模拟（MD）、可解释深度学习、变构网络分析	CNN	分子构象数据	NTS-NTSR1-β-arrestin复合体（含/不含SBI-553结合）
964	2025-09-18	AI-powered insights in pediatric nephrology: current applications and future opportunities 2025-Sep-16, Pediatric nephrology (Berlin, Germany) DOI:10.1007/s00467-025-06911-1 PMID:40957986	综述	本文综述了人工智能在儿科肾病学中的当前应用与未来机遇，涵盖诊断、治疗及研究工作流优化	整合多源数据（如基因组学、影像和临床记录）的AI工具，用于预测急性肾损伤、疾病进展及优化治疗决策	存在伦理和实际挑战，包括数据隐私、算法偏见及医生培训需求，需建立标准化监管框架	探索AI在儿科肾病学中的临床应用与研究加速潜力	儿童肾病患者及其多模态医疗数据	数字病理学	儿科肾病	深度学习	深度学习模型（如CNN用于影像分析）	多模态数据（包括影像、文本记录、基因组数据）	NA
965	2025-09-18	Granulocyte abundance and maturation state at diagnosis predicts treatment-free remission in CML 2025-Sep-16, Leukemia IF:12.8Q1 DOI:10.1038/s41375-025-02769-2 PMID:40958033	研究论文	本研究通过深度学习分析骨髓细胞形态学图像，发现中性粒细胞丰度和粒细胞成熟度与慢性粒细胞白血病患者的治疗无缓解生存相关	首次利用计算骨髓细胞形态学方法发现诊断时粒细胞丰度和成熟状态可作为预测治疗无缓解生存的新型生物标志物	多中心研究但样本量有限（113例患者），且需进一步验证其临床适用性	探索骨髓细胞形态学在预测慢性粒细胞白血病治疗无缓解生存中的生物标志物潜力	慢性期慢性粒细胞白血病患者	数字病理学	慢性粒细胞白血病	深度学习图像分析	CNN（基于图像分析推断）	图像	113例CP CML患者骨髓样本，与942例对照样本对比
966	2025-09-18	High-Throughput Molecular Design of Donors and Non-Fullerene Acceptors for Organic Solar Cells Based on Convolutional Neural Networks 2025-Sep-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01634 PMID:40958151	研究论文	本研究利用卷积神经网络（CNN）设计有机太阳能电池的高性能给体和受体分子，显著提升光电转换效率	结合CNN与迁移学习进行分子生成，并高效预测光伏性能，超越传统机器学习方法	NA	开发高效、低成本的有机太阳能电池材料设计方法	有机太阳能电池的给体和受体分子	机器学习	NA	卷积神经网络（CNN）、随机森林、极端树回归、梯度提升回归树、自适应提升模型	CNN	分子结构数据	生成260,767个给体分子和937,155个受体分子，形成244,379,097,885个分子对
967	2025-09-18	Mammographic density assessed using deep learning in women at high risk of developing breast cancer: the effect of weight change on density 2025-Sep-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae029b PMID:40902628	研究论文	本研究探讨了基于深度学习的乳腺密度评估方法在体重变化背景下的表现，并与传统体积密度方法进行对比	首次研究体重减轻对基于人工智能的乳腺密度评分的影响，揭示了深度学习模型pVAS与传统Volpara方法在响应体重变化时的差异	样本量较小（仅46名女性），观察时间较短（12个月），且研究对象局限于有乳腺癌家族史的高风险人群	评估体重变化对基于深度学习的乳腺密度测量结果的影响	46名参与体重干预研究的乳腺癌高风险女性	数字病理学	乳腺癌	深度学习，乳腺X线摄影	深度学习模型	医学影像	46名高风险女性，在12个月体重干预研究前后分别进行乳腺X线检查
968	2025-09-18	SuperGLUE facilitates an explainable training framework for multi-modal data analysis 2025-Sep-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101167 PMID:40914154	研究论文	提出一种基于概率深度学习的可解释多模态数据整合方法，用于单细胞多组学数据分析	结合概率深度学习和统计建模构建可解释框架，统一不同组学数据整合流程并评估整合贡献	NA	开发可扩展的多模态数据整合方法，挖掘生物特征间的重要关系	单细胞多组学数据和传感数据	机器学习	NA	多组学数据整合	概率深度学习模型	多模态组学数据	NA
969	2025-09-18	Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors 2025-Sep-15, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00657-6 PMID:40952529	研究论文	本研究结合机器学习和深度学习技术，通过配体与结构双策略加速筛选新型ALK抑制剂，用于非小细胞肺癌治疗	融合集成投票模型与共识分子对接策略，首次联合使用三种分子对接程序特征进行虚拟筛选	需进一步体外实验验证模型筛选性能，数据集规模对图神经网络效果存在限制	开发AI模型预测ALK抑制剂，满足非小细胞肺癌ALK阳性突变治疗需求	Anaplastic Lymphoma Kinase (ALK)抑制剂	机器学习	肺癌	分子对接（GNINA, Vina-GPU, AutoDock-GPU），虚拟筛选	XGBoost, ANN, GNN, 集成投票模型	化合物结构数据	120,571种化合物虚拟筛选，鉴定出3种先导抑制剂
970	2025-09-18	Faster and Sharper Prostate T2W MRI with Deep Learning 2025-Sep-15, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.003 PMID:40957748	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
971	2025-09-18	Multiparametric magnetic resonance imaging of deep learning-based super-resolution reconstruction for predicting histopathologic grade in hepatocellular carcinoma 2025-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i34.111541 PMID:40937458	研究论文	本研究利用基于深度学习的超分辨率重建技术提升多参数MRI图像质量，以预测肝细胞癌的组织病理学分级	首次将3D超分辨率重建技术（基于生成对抗网络）应用于多参数MRI，并通过大规模多中心数据验证其在肝细胞癌分级预测中的性能提升	回顾性研究设计，可能存在选择偏倚；仅针对可手术肝细胞癌患者	比较正常分辨率与超分辨率MRI在预测肝细胞癌组织病理学分级方面的效能	肝细胞癌患者	医学影像分析	肝细胞癌	多参数MRI（T2加权成像、扩散加权成像、门静脉期）、深度学习超分辨率重建	3D U-Net, GAN, XGBoost, CatBoost	MRI图像	826例患者（训练集459例，验证集196例，测试集171例）
972	2025-09-18	Deep Learning-Based Segmentation of 2D Projection-Derived Overlapping Prospore Membrane in Yeast 2025-Sep-13, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.25032 PMID:40958578	研究论文	开发基于Mask R-CNN的深度学习流程DeMemSeg，用于分割酵母孢子形成过程中重叠的前孢子膜结构	针对2D最大强度投影图像中膜结构重叠的挑战，专门设计了能够准确分割重叠实例的深度学习方案	NA	实现复杂重叠膜结构的自动化定量形态学分析	酵母细胞的前孢子膜（PSMs）	计算机视觉	NA	最大强度投影（MIP）成像，深度学习分割	Mask R-CNN	显微镜图像	定制标注的数据集，包含gip1Δ突变细胞数据
973	2025-09-18	Gait data generation using lightweight generative deep learning framework 2025-Sep-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112951 PMID:40957131	研究论文	提出一种轻量级混合生成模型FNN-AE，用于高效生成逼真的人类步态数据	结合前馈神经网络与自编码器的轻量级混合架构，在降低计算复杂度的同时保持数据保真度	NA	解决步态数据采集困难及现有生成模型计算资源消耗大的问题	人类步态数据	机器学习	NA	生成式深度学习	FNN-AE (前馈神经网络与自编码器混合模型)	运动数据	NA
974	2025-09-18	Multimodal deep learning method based on multiple spectra for lung cancer early diagnosis 2025-Sep-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126932 PMID:40957203	研究论文	提出一种基于多光谱的多模态深度学习方法，用于肺癌早期诊断	整合四种光谱数据（傅里叶变换红外光谱、紫外-可见吸收光谱、荧光光谱和拉曼光谱），采用双分支架构和MambaVision融合模块实现跨模态交互	NA	开发肺癌早期智能诊断方法	肺癌患者的光谱数据	数字病理	肺癌	傅里叶变换红外光谱、UV-vis吸收光谱、荧光光谱、拉曼光谱	多模态深度学习、MambaVision	一维序列数据、二维图像数据	NA
975	2025-09-18	Deep learning and capsule endoscopy: automatic panendoscopic detection of protruding lesions 2025-Sep-10, BMJ open gastroenterology IF:3.3Q2 DOI:10.1136/bmjgast-2024-001655 PMID:40935410	研究论文	开发并测试基于卷积神经网络的算法，用于胶囊内窥镜中全消化道隆起性病变的自动检测	首次报道用于全消化道隆起性病变检测的CNN模型，填补了AI增强胶囊内镜领域的空白	需要进一步多中心前瞻性研究验证初步结果，以推动深度学习模型进入临床实践	提高胶囊内窥镜检查的效率和准确性，实现隆起性病变的自动检测	全消化道隆起性病变（包括息肉、上皮肿瘤和上皮下病变）	计算机视觉	消化道疾病	胶囊内窥镜检查	CNN	图像	1245例胶囊内窥镜检查，191455帧图像（其中52717帧包含病变）
976	2025-09-18	An Interpretable Deep Learning Framework for Preoperative Classification of Lung Adenocarcinoma on CT Scans: Advancing Surgical Decision Support 2025-Sep-10, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4239 PMID:40955186	研究论文	开发并评估一种基于注意力增强SE-ResNet的可解释深度学习框架，用于从胸部CT图像自动分类肺腺癌	引入注意力机制增强SE-ResNet模型，并结合Grad-CAM提升模型可解释性和肿瘤区域可视化定位能力	研究样本量相对有限（380例），需进一步验证临床适用性	提高肺腺癌术前CT图像的自动分类性能，并增强模型可解释性以支持临床决策	肺腺癌患者和健康对照者的胸部CT轴向切片	计算机视觉	肺癌	CT成像	SE-ResNet50, ResNet50	图像	3800张CT切片（来自190例肺腺癌患者和190例对照者，每例10张切片）
977	2025-09-18	Accelerating the discovery and optimization of metal-organic framework materials via machine learning 2025-Sep-10, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103671 PMID:40957153	综述	本文系统回顾了机器学习在金属有机框架材料发现与优化中的应用进展	整合最新机器学习技术与MOF研究进展，提供跨学科视角加速新材料开发	NA	加速金属有机框架材料的设计、筛选与性能预测	金属有机框架材料	机器学习	NA	回归分析、分类算法、聚类分析、深度学习、强化学习	NA	材料数据	NA
978	2025-09-18	Automated lesion detection in endoscopic imagery for small animal models - a pilot study 2025-Sep-09, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0179 PMID:40960131	研究论文	本研究开发了一种基于YOLOv7的深度学习系统，用于自动检测和分类小鼠结肠镜检查视频中的肿瘤病变	首次将预训练于人类息肉图像的YOLOv7模型应用于小鼠模型，并结合粪便检测器和颜色滤波器提升检测性能	仅为初步研究，需要进一步评估以全面了解系统性能	开发自动化工具以辅助临床前内窥镜研究中的肿瘤评估	小鼠结肠肿瘤	计算机视觉	结直肠癌	深度学习，目标检测	YOLOv7	视频	28只小鼠的150个视频，其中125个包含肿瘤
979	2025-09-18	ResDeepGS: A deep learning-based method for crop phenotype prediction 2025-Sep-08, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.013 PMID:40930401	研究论文	提出一种基于深度学习的作物表型预测方法ResDeepGS，用于基因组选择任务	结合增量递归特征选择与增强型多层卷积神经网络（含残差结构和dropout策略），显著提升预测精度和效率	未提及模型在跨物种泛化能力或计算资源需求方面的具体限制	提升作物基因组选择中表型预测的准确性和效率	小麦、玉米和大豆的基因组与表型数据	机器学习	NA	基因组选择（GS）	CNN（卷积神经网络）	基因组标记数据	三个数据集（小麦、玉米、大豆），具体样本量未明确说明
980	2025-09-18	A modular pipeline for evidence-integrated genome annotation across species: A case study on Schmidtea mediterranea 2025-Sep-08, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2025.111104 PMID:40930433	研究论文	开发了一个模块化、可扩展的基因组注释流程，用于整合多种测序技术并改进非经典模式生物的基因组注释	结合短读长和长读长测序技术，集成基于参考基因组和从头组装方法，并利用DeepSplice深度学习提升剪接位点检测精度	NA	解决基因组资源有限的非经典模式生物（如Schmidtea mediterranea）的基因组注释挑战	Schmidtea mediterranea（地中海涡虫）的无性系品系	基因组学	NA	Illumina短读长测序, PacBio长读长测序, DeepSplice深度学习预测	深度学习	基因组序列数据	NA