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	2025-08-11	Spatial distribution of enlarged perivascular spaces as a potential biomarker for distinguishing vascular dementia from Alzheimer's disease in older adults 2025-Aug-05, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2025.109098 PMID:40782606	研究论文	本研究探讨了扩大的血管周围间隙（EPVS）体积作为区分阿尔茨海默病（AD）和血管性痴呆（VD）的生物标志物的潜在价值	首次利用基于VB-Net的深度学习模型自动量化四个脑区的EPVS体积，并发现EPVS体积的空间分布差异可作为区分AD和VD的可靠影像生物标志物	样本量相对较小（AD 93例，VD 122例），且仅针对65岁以上老年人	开发一种基于EPVS体积的影像生物标志物，用于区分阿尔茨海默病和血管性痴呆	阿尔茨海默病和血管性痴呆患者	数字病理学	老年疾病	深度学习	VB-Net	影像数据	215名患者（93名AD患者和122名VD患者）
82	2025-08-11	Adaptive fusion of multi-cultural visual elements using deep learning in cross-cultural visual communication design 2025-Aug-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13386-5 PMID:40760013	research paper	提出了一种基于深度学习的多文化视觉元素自适应融合方法，用于跨文化视觉传达设计中的界面开发	结合CNN、注意力机制和GAN，开发了一个综合分析、提取和自适应融合不同文化视觉特征的框架	实验仅在五个文化区域进行，可能无法涵盖所有文化差异	提升跨文化视觉传达设计中的文化适应性和用户体验	多文化视觉元素和数字界面	computer vision	NA	deep learning	CNN, attention mechanisms, GAN	image	五个文化区域的实验数据
83	2025-08-11	Real-time facial recognition via multitask learning on raspberry Pi 2025-Aug-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97490-6 PMID:40760089	研究论文	本文研究了在低成本单板计算机Raspberry Pi上使用多任务学习（MTL）进行实时面部识别的可行性	首次在资源受限的设备如Raspberry Pi上成功部署高效的多任务学习模型，显著降低了计算负载和能耗，同时保持高准确率	研究仅使用了自定义的VGGFace2数据集，未在其他数据集上验证模型的泛化能力	探索在资源受限设备上实现高效实时面部识别的可能性	面部识别任务，包括人物识别、年龄估计和种族预测	计算机视觉	NA	多任务学习（MTL）	MobileNet, MobileNetV2, InceptionV3	图像	自定义的VGGFace2数据集
84	2025-08-11	A combinatorial mutational map of active non-native protein kinases by deep learning guided sequence design 2025-Aug-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.03.668353 PMID:40766444	研究论文	通过深度学习引导的序列设计，构建了一个活性非天然蛋白激酶的组合突变图谱	克服了以往蛋白质序列-功能图谱研究中的限制，通过深度学习引导重新设计天然蛋白酪氨酸激酶，生成了具有高度组合突变的新型功能序列	NA	探索高度组合和稀疏的序列-功能图谱在突变尺度上的功能	蛋白酪氨酸激酶	机器学习	NA	深度学习引导的序列设计，细胞游离测定	回归模型	蛋白质序列数据	537个重新设计的序列
85	2025-08-11	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.31.668042 PMID:40766544	研究论文	本文探讨了学习RNA碱基配对规则所需的最小条件，发现不需要大量参数或结构信息即可重新发现RNA的碱基配对规则	研究发现仅需少量参数和序列数据即可重新发现RNA碱基配对规则，无需结构信息或序列比对	研究仅关注了RNA碱基配对的基本规则，未涉及更复杂的RNA结构或功能	探索学习RNA碱基配对规则所需的最小条件	RNA序列及其碱基配对规则	自然语言处理	NA	自动微分框架和随机梯度下降（SGD）	随机上下文无关文法（SCFG）	RNA序列	少至50条RNA序列
86	2025-08-11	Is the use of machine learning in head and neck cancer radiotherapy supported by clinical trials? 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105036 PMID:40587931	review	本文综述了机器学习在头颈癌放疗中应用的临床试验支持情况	通过系统评价临床试验，总结了机器学习在头颈癌管理中的有效性	研究仅基于42项符合条件的研究，样本量有限	评估机器学习在头颈癌管理中的临床应用效果	头颈癌（HNC）	machine learning	head and neck cancer	AI / ML	deep learning, KNN, SVM, logistic regression	image, clinical data	42项研究
87	2025-08-11	Comparison of Deep Learning Models for fast and accurate dose map prediction in Microbeam Radiation Therapy 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105012 PMID:40602228	research paper	比较两种深度学习模型在微束放射治疗中快速准确预测剂量图的性能	首次在微束放射治疗中比较基于图卷积网络和3D U-Net的深度学习模型	研究仅基于大鼠的临床前数据，未涉及人体数据	评估不同深度学习模型在微束放射治疗剂量预测中的性能	微束放射治疗中的剂量分布预测	digital pathology	NA	Monte Carlo simulations, Deep Learning	Graph-Convolutional-Network, 3D U-Net	3D dose maps	大鼠的临床前研究数据
88	2025-08-11	The role of metabolism in shaping enzyme structures over 400 million years 2025-Aug, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09205-6 PMID:40634610	研究论文	通过分析11,269个预测和实验确定的酶结构，研究代谢在400百万年间对酶结构演化的影响	结合结构生物学与进化基因组学，揭示了代谢如何从多个尺度塑造酶的结构演化	研究主要关注Saccharmyces subphylum，可能不适用于其他生物群体	探讨代谢在酶结构演化中的作用	11,269个预测和实验确定的酶结构，涉及361个代谢反应和225条代谢途径	进化生物学	NA	深度学习、AlphaFold2	NA	蛋白质结构数据	11,269个酶结构
89	2025-08-11	Impact of heart rate on coronary artery stenosis grading accuracy using deep learning-based fast kV-switching CT: A phantom study 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105046 PMID:40651284	research paper	本研究探讨了心率对基于深度学习的快速千伏切换CT在冠状动脉狭窄分级准确性的影响	首次使用深度学习方法恢复缺失视图，提升冠状动脉CT血管造影图像质量，并比较了双能量CT与单能量CT在不同心率下的表现	研究仅使用体模进行实验，未涉及真实患者数据	评估心率对基于深度学习的快速千伏切换CT在冠状动脉狭窄分级准确性的影响	冠状动脉狭窄体模	digital pathology	cardiovascular disease	fast kV-switching dual-energy CT (DECT), single-energy CT (SECT)	deep learning	CT图像	冠状动脉体模在不同心率(0-70 bpm)下的扫描数据
90	2025-08-11	Validation of syncope short-term outcomes prediction by machine learning models in an Italian emergency department cohort 2025-Aug, Internal and emergency medicine IF:3.2Q1 DOI:10.1007/s11739-025-04034-x PMID:40668516	研究论文	本研究旨在通过机器学习模型验证和比较晕厥患者短期不良结局的预测能力	在意大利急诊科队列中外部验证了梯度提升（GB）和逻辑回归（LR）模型，并与新型深度学习模型（TabPFN和TabLLM）进行了比较	使用CSRS变量的GB和LR模型在事件率较高的外部晕厥队列中预测能力有所下降	验证和比较不同机器学习模型对晕厥患者短期不良结局的预测能力	2015年至2017年间在六家意大利医院急诊科评估的非低风险晕厥患者	机器学习	晕厥	梯度提升（GB）、逻辑回归（LR）、深度学习（TabPFN）、大语言模型（TabLLM）	GB、LR、TabPFN、TabLLM	临床数据	257名患者，中位年龄71岁
91	2025-08-11	Detecting structural heart disease from electrocardiograms using AI 2025-Aug, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	利用AI从心电图中检测结构性心脏病	开发了一个深度学习模型EchoNext，基于超过100万份心电和影像记录，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性，优于心脏病专家	模型在未进行心脏影像检查的患者中进行了前瞻性评估，但可能仍存在未被发现的局限性	扩大心脏病筛查的可及性	结构性心脏病	机器学习	心血管疾病	深度学习	EchoNext	心电图和影像数据	超过100万份心电和影像记录
92	2025-08-11	Effect of arc length on the deep learning prediction of monitor units in lung stereotactic ablative radiation therapy treatment 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105018 PMID:40684542	research paper	研究弧长对深度学习预测肺部立体定向消融放射治疗中监测单位的影响	探讨了不同弧长对深度学习模型预测监测单位的影响，并比较了同质和异质弧长训练集的效果	研究局限于单一机构的患者数据，可能缺乏外部验证	优化肺部多病灶立体定向消融放射治疗中的剂量调整	肺部癌症患者	digital pathology	lung cancer	deep learning	DL	医疗数据	257名患者的295次治疗，共60,720个样本
93	2025-08-11	Imaging-aided diagnosis and treatment based on artificial intelligence for pulmonary nodules: A review 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105050 PMID:40700795	综述	本文综述了人工智能在肺结节诊断和治疗中的应用，比较了不同AI方法的性能和局限性	系统比较了传统规则方法、手工特征机器学习、放射组学、深度学习及结合Transformer或注意力机制的混合模型，并探讨了多模态影像融合的潜力	存在领域偏移、高计算需求、可解释性有限以及多中心数据集变异性的挑战	评估AI在肺结节管理中的性能、适用性和局限性	肺结节	数字病理学	肺癌	深度学习、放射组学、Transformer、注意力机制	CNN、Transformer、混合模型	影像（CT、PET、MRI）	NA
94	2025-08-11	Use of artificial intelligence in animal experimentation: A review 2025-Aug, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2025.07.1417 PMID:40712858	综述	本文综述了人工智能在动物实验中的应用及其对减少动物使用和提高毒性及安全性评估可靠性的潜力	探讨了AI如何通过计算机建模、机器学习和计算毒理学等方法改进毒性预测和药物安全性评估，并强调其在推动3R原则和监管创新中的作用	监管验证仍是一个挑战	评估人工智能在毒理学和安全性评估中的应用及其对减少动物实验的贡献	毒性预测、药物安全评估和化学危害分类	计算毒理学	NA	机器学习、深度学习算法、定量结构-活性关系模型	深度学习算法、定量结构-活性关系模型	计算机模拟数据、体外数据	NA
95	2025-08-11	Development and Validation of Survival Prediction Models for Patients With Pineoblastomas Using Deep Learning: A SEER-Based Study 2025-Aug, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70303 PMID:40771018	研究论文	本研究利用深度学习技术开发和验证了针对松果体母细胞瘤患者的生存预测模型	首次应用深度神经网络（DNN）构建松果体母细胞瘤患者的3年生存率预测模型，相比传统CPH模型展现出更高准确性	样本量较小（仅145例患者），且数据来源于单一数据库（SEER）	开发精准预测松果体母细胞瘤患者生存结局的预测模型	松果体母细胞瘤患者	数字病理学	松果体母细胞瘤	深度学习	DNN	临床数据	145例来自SEER数据库（1975-2019年）的患者
96	2025-08-11	Constructing high-quality enhanced 4D-MRI with personalized modeling for liver cancer radiotherapy 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104955 PMID:40578043	research paper	提出了一种基于深度学习的个性化建模方法，用于重建高质量的4D-MRI图像，以改善肝癌放疗中的肿瘤运动监测	采用个性化模型处理患者异质性，显著提高了4D-MRI图像质量	研究仅针对58名肝癌患者，样本量相对较小	开发一种快速重建高质量4D-MRI图像的方法，用于肝癌放疗	肝癌患者的4D-MRI图像	digital pathology	liver cancer	fast spoiled gradient recalled echo (FSPGR) sequences	深度学习模型（未指定具体类型）	image	58名肝癌患者
97	2025-08-11	Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes 2025-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.25.666829 PMID:40766630	研究论文	介绍了一个名为Tranquillyzer的灵活神经网络框架，用于长读长转录组的结构注释和解复用	采用混合神经网络架构和全局上下文感知设计，能够精确识别结构元素，即使元素因测序噪声或文库构建变异性而发生移位、部分降解或重复	未明确提及具体限制	开发一个灵活、可扩展的框架，用于处理长读长单细胞RNA测序数据	长读长单细胞RNA测序数据	生物信息学	NA	Oxford Nanopore Technologies (ONT) 长读长单细胞RNA测序	混合神经网络	RNA测序数据	未明确提及具体样本数量
98	2025-08-11	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-Breast-Cancer-Recurrence (BCR)-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，显著优于现有的弱监督模型，并展示了在独立数据集上的强泛化能力	研究可能受到数据集规模和多样性的限制，特别是在服务不足人群中的代表性	开发一种成本效益高的计算病理学工具，用于乳腺癌复发风险预测	乳腺癌患者	计算病理学	乳腺癌	深度学习	Deep-BCR-Auto	H&E染色全切片图像	两个独立队列：The Cancer Genome Atlas Program乳腺癌数据集和俄亥俄州立大学内部数据集
99	2025-08-11	Artificial intelligence in pediatric otolaryngology: A state-of-the-art review of opportunities and pitfalls 2025-Jul, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112369 PMID:40334638	综述	本文综述了人工智能在儿科耳鼻喉科中的应用现状、机遇与挑战	强调了针对儿童独特生理和发育特征定制AI应用的必要性，并指出了当前知识空白	成人训练数据的泛化能力不足以及儿科数据相对缺乏	探讨AI在儿科耳鼻喉科中的应用潜力与未来发展方向	儿科耳鼻喉科疾病	医疗人工智能	儿科耳鼻喉疾病（如中耳炎、腺样体肥大、儿童阻塞性睡眠呼吸暂停等）	深度学习、预测建模、联邦学习	深度学习模型、大型语言模型	图像数据、临床数据	NA
100	2025-08-11	PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-translational Modification and Classifying Disease Subtypes 2025-Jul, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101009 PMID:40466864	research paper	提出了一种名为PTMFusionNet的深度学习方法，用于预测疾病相关的翻译后修饰(PTM)并整合蛋白质表达数据以分类疾病亚型	PTMFusionNet结合了两个图卷积网络模型(LAGCN和FWGCN)，能够预测PTM潜力分数并将其与蛋白质表达数据整合，优于现有基准算法	NA	预测疾病相关的翻译后修饰并整合蛋白质表达数据以改进疾病亚型分类	蛋白质翻译后修饰(PTM)和蛋白质表达数据	machine learning	NA	mass spectrometry	GCN (Graph Convolutional Network), LAGCN, FWGCN	protein intensity and PTM information	三个数据集(KIPAN, COADREAD, THCA)