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
81	2025-07-16	The Pulseq-CEST Library: definition of preparations and simulations, example data, and example evaluations 2025-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01242-6 PMID:40146474	研究论文	介绍Pulseq-CEST库，一个用于标准化和原型设计化学交换饱和转移（CEST）MRI序列的存储库	提供了一种灵活的机制来标准化和原型设计CEST序列，支持可重复研究、快速原型设计和深度学习训练数据生成	NA	标准化化学交换饱和转移（CEST）MRI研究，促进协作开发	CEST MRI序列及其模拟和评估	医学影像	NA	化学交换饱和转移（CEST）MRI，Bloch-McConnell模拟	Bloch-McConnell方程	模拟数据和实验数据	使用五管模型和模拟环境进行比较
82	2025-07-16	Computer-Aided Technology for Bioactive Protein Design and Clinical Application 2025-Jul, Macromolecular bioscience IF:4.4Q1 DOI:10.1002/mabi.202500007 PMID:40260555	综述	本文综述了计算机辅助蛋白质设计（CAPD）技术及其在蛋白质治疗药物中的应用	整合了深度学习预测和生成模型，显著提升了蛋白质药物的结合亲和力、特异性并降低免疫原性	面临模型过拟合、稀有蛋白质家族数据不足以及需要高效实验验证等挑战	探讨CAPD技术在蛋白质工程和治疗药物开发中的应用	单克隆抗体、蛋白质药物、抗原和蛋白质聚合物	蛋白质工程	NA	计算机辅助蛋白质设计（CAPD）、深度学习	生成模型	蛋白质结构数据	NA
83	2025-07-16	The use of machine learning in transarterial chemoembolisation/transarterial embolisation for patients with intermediate-stage hepatocellular carcinoma: a systematic review 2025-Jul, La Radiologia medica DOI:10.1007/s11547-025-02013-y PMID:40317437	系统综述	本文评估了机器学习模型在提高TACE和TAE治疗中期肝癌精确性和疗效方面的有效性	首次系统性地评估了机器学习在TACE和TAE治疗中期肝癌中的应用效果	研究异质性限制了结果的可比性，且所有研究均来自中国，缺乏多中心数据	提高中期肝癌患者TACE/TAE治疗的精确性和疗效	中期肝癌患者	机器学习	肝癌	机器学习（包括深度学习和放射组学）	深度学习、放射组学	医学影像数据	7项研究，共4017名患者
84	2025-07-16	Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review 2025-Jul, Advances in nutrition (Bethesda, Md.) DOI:10.1016/j.advnut.2025.100438 PMID:40334987	系统综述	本文系统综述了人工智能在癌症患者营养不良管理中的应用，包括营养状况评估、预测、临床结果和身体成分监测	AI模型在营养不良检测中表现出高预测准确性，机器学习算法优于传统筛查工具，深度学习模型在医学影像中实现了高分割精度	需要进一步研究以标准化AI模型并确保临床适用性	评估人工智能在癌症患者营养不良识别和管理中的作用	癌症患者	医疗人工智能	癌症	机器学习算法（决策树、随机森林、支持向量机）、深度学习模型	决策树、随机森林、支持向量机、深度学习模型	医学影像、临床数据	11项研究（n = 52,228患者）
85	2025-07-16	EM-PLA: environment-aware heterogeneous graph-based multimodal protein-ligand binding affinity prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf298 PMID:40354612	research paper	提出了一种基于环境感知异构图神经网络和多模态数据的深度学习方法EM-PLA，用于预测蛋白质-配体结合亲和力	首次将环境信息（源自蛋白质和配体的生化特性）整合到异构图神经网络中，改进了非共价相互作用的计算	未具体说明模型在哪些特定环境条件下表现不佳或存在偏差	提高蛋白质-配体结合亲和力预测的准确性和效率	蛋白质-配体结合亲和力	machine learning	NA	异构图神经网络（HGT）	HGT	multimodal data (蛋白质序列、配体序列、生化特性)	未明确说明（通过基准实验验证）
86	2025-07-16	Deep Supramolecular Language Processing for Co-Crystal Prediction 2025-Jul, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202507835 PMID:40358977	研究论文	本文提出了一种名为DeepCocrystal的深度学习方法，用于预测共晶形成，以优化药物的物理化学性质	DeepCocrystal是一种新颖的深度学习方法，能够从超分子角度处理'化学语言'，预测共晶形成，并在实际应用中表现出优于现有模型的性能	尽管DeepCocrystal表现出较高的准确率，但其在更广泛分子组合中的应用仍需进一步验证	加速共晶化和药物开发过程	分子对的共晶形成	自然语言处理	NA	深度学习	DeepCocrystal	分子字符串表示	在挑战性前瞻性研究中成功发现两种新型共晶
87	2025-07-16	Deep learning reveals the complex genetic architecture of male guppy colouration 2025-Jul-01, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-025-02781-w PMID:40596731	研究论文	利用深度学习揭示雄性孔雀鱼颜色变异的复杂遗传结构	结合卷积神经网络进行高分辨率表型分析、选择实验、控制谱系和全基因组重测序，首次揭示了孔雀鱼颜色模式的遗传基础	研究仅聚焦于雄性孔雀鱼，未涉及雌性或其他物种的颜色变异	解析雄性孔雀鱼颜色变异的遗传结构和维持机制	雄性孔雀鱼(Poecilia reticulata)的颜色变异	机器学习	NA	全基因组重测序、卷积神经网络	CNN	基因组数据、图像数据	NA
88	2025-07-16	Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy 2025-Jul, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00679-1 PMID:40603582	research paper	本文提出了一种名为MAARS的多模态人工智能方法，用于预测肥厚型心肌病患者的致死性心律失常事件	MAARS利用基于transformer的神经网络分析多模态医疗数据，包括电子健康记录、超声心动图和放射学报告以及对比增强心脏磁共振图像，后者是该模型的独特特征	NA	预测肥厚型心肌病患者的致死性心律失常事件	肥厚型心肌病患者	machine learning	cardiovascular disease	deep learning	transformer-based neural networks	multimodal medical data	内部和外部队列
89	2025-07-16	Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma 2025-Jul, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0691 PMID:40607934	研究论文	本研究利用深度学习技术从甲状腺乳头状癌（PTC）的组织病理学切片中预测基因变异，并发现新的形态学特征	使用Vision Transformer模型从组织病理学切片中预测基因变异，并发现与特定基因型相关的新形态学标准	研究为回顾性设计，需要进一步前瞻性验证	探索人工智能在预测PTC基因变异中的应用	甲状腺乳头状癌（PTC）患者	数字病理学	甲状腺癌	深度学习	Vision Transformer	图像	662例PTC患者（TCGA队列496例，Mainz队列166例）
90	2025-07-16	Atrial Fibrillation and Atrial Flutter Detection Using Deep Learning 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134109 PMID:40648365	research paper	本文介绍了一种基于1D ConvNeXtV2的轻量级神经网络，用于从单导联心电信号中稳健检测心房颤动（AFib）和心房扑动（AFL）	提出了一种轻量级且计算高效的1D ConvNeXtV2网络，在多个公共数据集上取得了最先进的F1分数，并通过Grad-CAM可视化验证了其对临床相关P波形态和R-R间期不规则性的关注	目前仅适用于单导联心电信号，未来需要扩展到多导联心电信号和更广泛的心律失常类型	开发一种高效且可解释的深度学习模型，用于心房颤动和心房扑动的检测	心房颤动（AFib）和心房扑动（AFL）	machine learning	cardiovascular disease	deep learning	1D ConvNeXtV2	ECG signals	多个公共数据集（Icentia11k、CPSC-2018/2021、LTAF、PTB-XL、PCC-2017）以及MIT-AFDB、MIT-ADB和NST评估数据集
91	2025-07-16	Generative Artificial Intelligence for Synthetic Spectral Data Augmentation in Sensor-Based Plastic Recycling 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134114 PMID:40648369	研究论文	本文探讨了大型语言模型（LLMs）在合成光谱数据生成中的潜力，特别是在塑料回收传感器分类中的应用	首次研究了LLMs是否具备足够的隐式知识来辅助生成光谱数据，并通过数据增强提升模型性能	对于光谱重叠的聚合物类别效果较差，且参数优化向未见类别的迁移能力有待验证	探索AI支持的可扩展数据增强方法在基于光谱的分类系统中的潜力	塑料回收中的近红外反射光谱数据	机器学习	NA	近红外反射光谱法（NIR）	LLM	光谱数据	每个类别仅需一个经验平均光谱
92	2025-07-16	LVID-SLAM: A Lightweight Visual-Inertial SLAM for Dynamic Scenes Based on Semantic Information 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134117 PMID:40648372	研究论文	提出了一种基于语义信息的轻量级视觉-惯性SLAM系统，用于动态场景	结合深度学习与经典ORB-SLAM3框架，通过语义信息与几何信息紧密耦合去除动态物体特征点，并利用IMU数据辅助特征点提取	未提及具体计算资源消耗或硬件需求，可能在实际应用中存在限制	提升动态环境中SLAM系统的姿态估计精度和鲁棒性	动态场景下的视觉-惯性SLAM系统	计算机视觉	NA	深度学习、物体检测、实例分割	ORB-SLAM3框架	视觉图像、IMU数据	公共TUM数据集
93	2025-07-16	IPT-DCD: Interpolation Predictor for Teleoperation Under Dynamic Communication Delay Using Deep Learning Approach 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134118 PMID:40648373	研究论文	本文提出了一种用于动态通信延迟下遥操作的插值预测器（IPT-DCD），通过深度学习方法重建异步接收的控制命令并预测未来命令	提出了一种结合插值和编码器-解码器LSTM架构的新型预测器，能够恢复延迟信号的时间一致性并生成实时转向命令输出	未提及具体应用场景的局限性或实际部署中的潜在问题	解决动态通信延迟导致的遥操作系统控制稳定性和安全性下降问题	遥操作系统中的控制命令信号	机器学习	NA	深度学习	编码器-解码器LSTM	时间序列数据	NA
94	2025-07-16	Mitigating the Impact of Electrode Shift on Classification Performance in Electromyography Applications Using Sliding-Window Normalization 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134119 PMID:40648374	研究论文	本文研究了一种滑动窗口归一化（SWN）技术，用于减轻肌电图（EMG）应用中电极位移对分类性能的影响	提出滑动窗口归一化技术，无需额外数据收集和重新训练，即可有效减轻电极位移导致的性能下降	研究仅针对右臂轨迹跟踪任务中的三种运动类别（休息、屈曲和伸展）进行验证，未涵盖更复杂的运动场景	提高肌电图信号在电极位移情况下的分类性能	肌电图（EMG）信号	生物医学信号处理	NA	滑动窗口归一化（SWN）	NA	肌电图（EMG）信号	实验数据来自右臂轨迹跟踪任务，涉及三种运动类别
95	2025-07-16	Correction: Spilz, A.; Munz, M. Automatic Assessment of Functional Movement Screening Exercises with Deep Learning Architectures. Sensors 2023, 23, 5 2025-Jul-01, Sensors (Basel, Switzerland) DOI:10.3390/s25134110 PMID:40648500	correction	对原出版物中的错误进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
96	2025-07-16	Unsupervised learning reveals landscape of local structural motifs across protein classes 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf377 PMID:40569048	研究论文	利用无监督学习揭示跨蛋白质类别的局部结构基序景观	通过自监督深度学习对大规模蛋白质结构数据集进行分析，创建了一个包含1500万个局部结构微环境的“词典”，并展示了这些基序在蛋白质结构搜索和模型质量评估中的先进性能	NA	揭示蛋白质局部结构基序的景观，并探索其在蛋白质结构和功能建模中的应用	蛋白质数据银行中的1500万个局部结构微环境	生物信息学	NA	自监督深度学习	无监督学习	蛋白质3D结构数据	超过1500万个局部结构微环境
97	2025-07-16	Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17955 PMID:40660797	研究论文	本研究通过改进基于深度学习的MRI重建技术，利用去噪扩散模型结合患者特异性先验信息，提高了放疗规划中异常区域的识别准确性	提出了一种结合患者特异性先验信息的自适应扩散模型，显著提升了肿瘤和手术缺陷区域的MRI重建精度	研究样本量较小（73例），且仅针对脑肿瘤患者进行评估	改进基于AI的快速MRI重建技术，以更好地支持放疗规划	接受脑肿瘤放疗的儿科和年轻成人患者的MRI图像	医学影像分析	脑肿瘤	去噪扩散模型	扩散模型	MRI图像	73例患者（58例训练，15例测试）
98	2025-07-16	AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17958 PMID:40660802	research paper	该研究提出了一种名为SAM-RCCF的框架，通过整合RefineNet模块和轮廓约束特征，提高了Segment Anything Model (SAM)在医学图像分割中的鲁棒性和精确性	提出SAM-RCCF框架，整合RefineNet模块和条件控制场，针对医学图像特点优化分割精度	研究仅针对脑部肿瘤MRI图像，未验证在其他医学图像分割任务中的适用性	提升SAM模型在医学图像分割中的性能，特别是针对颅内肿瘤的分割任务	脑部肿瘤患者的MRI图像，包括胶质瘤、转移性肿瘤和脑膜瘤	digital pathology	brain tumor	MRI	SAM-RCCF (基于Segment Anything Model改进的模型)	image	484例脑部肿瘤患者的轴向T1加权对比增强MRI数据（164例胶质瘤，158例转移性肿瘤，162例脑膜瘤）
99	2025-07-16	ICD lead and primary metal artifact detection and inpainting in cardiac CT images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17947 PMID:40660812	研究论文	开发了一种自动检测心脏CT扫描中ICD导线及周围金属伪影并进行修复的方法	提出了两种深度学习模型，用于自动检测和修复心脏CT图像中的ICD导线及主要金属伪影，提高了心脏分割和运动分析的准确性	方法主要针对已重建的CT图像，且需要手动标注金属伪影进行训练	开发一种方法来减少心脏CT图像中ICD导线引起的金属伪影，恢复丢失的解剖信息	心脏CT图像中的ICD导线及金属伪影	数字病理学	心血管疾病	深度学习	2D U-Net, 3D图像修复模型	CT图像	12名患者的心脏4DCT扫描数据，以及148名患者的无伪影心脏CT数据用于合成数据集
100	2025-07-16	Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17957 PMID:40660837	研究论文	提出了一种结构语义引导的深度学习网络，通过双交叉注意机制从PET图像合成MR图像	探索了一种新的功能到结构的转换方法（PET到MR合成），并引入了结构语义损失和双交叉注意模块	未来需要将该合成方法扩展到其他模态合成任务和临床实践中	简化医学成像流程，提高效率和可及性	PET和MR图像	数字病理	脑部疾病	深度学习	双交叉注意机制（DCA）	医学图像（PET和MR）	NA