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	2025-09-20	Genetic Deconvolution of Embryonic and Maternal Cell-Free DNA in Spent Culture Medium of Human Preimplantation Embryo Through Deep Learning 2025-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412660 PMID:40583136	研究论文	提出一种基于深度学习的DECENT方法，用于从胚胎培养液中解卷积胚胎和母体来源的无细胞DNA，以提高非侵入性植入前遗传学检测的准确性	开发了结合卷积模块、长短时记忆和注意力机制的深度学习模型，首次实现从单细胞甲基化测序数据中同时推断cfDNA来源和重建胚胎拷贝数变异	未明确说明样本规模的详细统计信息及模型在不同临床中心的泛化能力验证	提高非侵入性植入前遗传学检测中对胚胎染色体非整倍性诊断的准确性	人类植入前胚胎培养液中的胚胎和母体来源无细胞DNA	数字病理学	生殖医学疾病	单细胞甲基化测序	CNN, LSTM, Attention机制	甲基化测序数据	包含高污染水平（母体reads >80%）的临床样本，具体数量未明确说明
82	2025-09-20	Boosting Checkpoint Blockade Immunotherapy with T Cell Membrane Redox Homeostasis Regulation and Deep Learning Enhanced NIR-II Imaging 2025-Sep, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202500769 PMID:40583483	研究论文	本研究设计了一种两性离子聚合物用于偶联和无痕释放检查点抑制抗体，并通过调节T细胞膜氧化还原稳态及深度学习增强的近红外二区成像技术提升免疫检查点阻断疗法的抗肿瘤效果	通过聚合物偶联抗体实现T细胞膜氧化还原稳态调节，并结合深度学习增强的NIR-II成像技术实时可视化体内动态，从多维度逆转免疫抑制微环境	研究目前仅在鼠类模型中进行，尚未进行临床试验验证	提升免疫检查点阻断疗法的抗肿瘤疗效并抑制肿瘤复发	结直肠肿瘤模型小鼠及T细胞	数字病理	结直肠癌	NIR-II荧光成像、深度学习成像分析	深度学习网络	图像	鼠类模型（具体数量未明确说明）
83	2025-09-20	Automated Finite Element Modeling of the Lumbar Spine: A Biomechanical and Clinical Approach to Spinal Load Distribution and Stress Analysis 2025-Sep, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124236 PMID:40602487	研究论文	本研究开发了一种自动化有限元建模方法，用于腰椎生物力学分析，结合深度学习分割与计算建模，显著提升从成像到模拟的工作流程效率	通过深度学习自动分割和优化网格生成，将模型准备时间减少97.9%，并提高了重现性和准确性	NA	开发自动化有限元分析方法，以改进腰椎生物力学中的负载分布和应力分析	腰椎脊柱，包括椎骨、椎间盘、软骨和韧带	生物力学	脊柱疾病	深度学习分割、有限元分析（FEA）、Laplacian平滑、主成分分析	深度学习框架、FEBio	医学影像数据	NA
84	2025-09-20	Prediction of Early Neoadjuvant Chemotherapy Response of Breast Cancer through Deep Learning-based Pharmacokinetic Quantification of DCE MRI 2025-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240769 PMID:40631989	研究论文	通过基于深度学习的药代动力学量化方法预测乳腺癌新辅助化疗早期反应	使用深度学习模型对DCE MRI进行药代动力学量化，提高了病理完全缓解预测的泛化能力和一致性	回顾性研究设计，数据来自2002-2016年，可能存在选择偏倚	提高乳腺癌新辅助化疗后病理完全缓解预测的准确性和泛化性	乳腺癌患者	数字病理	乳腺癌	动态对比增强MRI（DCE MRI），深度学习药代动力学量化，影像组学分析	深度学习模型，逻辑回归	医学影像（MRI），临床病理变量	1073名女性乳腺癌患者，来自四个多中心公开数据集
85	2025-09-20	MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI 2025-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240373 PMID:40668131	研究论文	开发基于Vision Transformer的深度学习模型MR-Transformer，利用MRI预测膝骨关节炎进展为全膝关节置换术	首次将ImageNet预训练和三维空间相关性结合的Transformer模型应用于膝关节MRI预测	回顾性研究设计，样本来源限于两个特定数据库	预测膝骨关节炎进展为全膝关节置换术	膝骨关节炎患者	计算机视觉	骨关节炎	MRI成像	Vision Transformer	三维MRI图像	OAI数据库353对病例对照（随访9年），MOST数据库270对病例对照（随访7年）
86	2025-09-20	Single Inspiratory Chest CT-based Generative Deep Learning Models to Evaluate Functional Small Airways Disease 2025-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240680 PMID:40668132	研究论文	开发基于单次吸气胸部CT的生成式深度学习模型，用于评估功能性小气道疾病	首次使用单次吸气CT扫描生成呼气CT图像并进行参数响应映射分析，无需配对呼吸CT	回顾性研究设计，样本量相对有限（308人），外部验证性能略有下降	通过深度学习预测功能性小气道疾病（fSAD）	慢性阻塞性肺疾病患者的小气道功能评估	医学影像分析	慢性阻塞性肺疾病	参数响应映射（PRM），深度学习	生成式深度学习模型	CT影像	308名个体（中位年龄67岁，113名女性），包含训练集216例、内部验证集31例和测试集61例
87	2025-09-20	Developing Deep Learning-Based Cerebral Ventricle Auto-Segmentation System and Clinical Application for the Evaluation of Ventriculomegaly 2025-Sep, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124300 PMID:40712852	研究论文	开发并验证基于深度学习的大脑CT自动多类分割系统，用于精确评估脑室扩大和脑脊液体积变化	首次实现同时分割5个解剖类别（脑室、脑实质、颅骨、皮肤和出血）的自动化系统，支持未来增强现实引导的脑室外引流手术	模型性能可能受年龄、性别和诊断类型等因素影响	开发精确的脑室体积自动评估系统，替代传统的Evans指数测量方法	脑室扩大患者，特别是接受脑脊液引流手术的患者	数字病理	神经系统疾病	脑CT扫描，nnUNet架构	CNN (nnUNet)	医学影像（CT扫描）	训练集288例，内部验证10例，外部验证43例，公共数据集192例，临床验证227例患者
88	2025-09-20	Collaborative Integration of AI and Human Expertise to Improve Detection of Chest Radiograph Abnormalities 2025-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240277 PMID:40668130	研究论文	开发一种结合眼动数据和放射学报告的协作AI系统，用于提高胸部X光片异常检测的诊断准确性	提出多模态协作AI系统CoRaX，整合眼动追踪与放射报告以识别和纠正感知错误	基于回顾性公共数据集，需进一步临床验证	通过AI与人类专家协作改进胸部X光异常检测	胸部X光片中的异常区域（如五种特定异常类型）	计算机视觉	胸部疾病（未特指具体疾病）	眼动追踪技术、多模态深度学习	CNN、大型多模态模型	图像、眼动数据、文本报告	基于REFLACX和EGD-CXR公共数据集，包含332处异常区域的模拟错误测试
89	2025-09-20	Deep learning reveals antibiotics in the archaeal proteome 2025-Sep, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02061-0 PMID:40796684	研究论文	利用深度学习从古菌蛋白质组中挖掘新型抗菌肽（archaeasins），以应对抗菌素耐药性威胁	首次系统性地探索古菌作为抗生素来源，并通过深度学习识别出具有独特氨基酸组成特征的新型抗菌肽	仅合成并测试了80种候选肽（占预测总量的0.63%），体内验证仅针对一种病原体	开发新型抗生素以解决抗菌素耐药性问题	古菌蛋白质组中的抗菌肽	机器学习	细菌感染	深度学习	深度学习模型（未指定具体架构）	蛋白质序列数据	233个古菌蛋白质组，预测12,623个分子，合成验证80个肽
90	2025-09-20	Analog optical computer for AI inference and combinatorial optimization 2025-Sep, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09430-z PMID:40903585	研究论文	介绍一种结合模拟电子和三维光学的模拟光学计算机，用于加速AI推理和组合优化	提出单一平台同时支持AI推理和组合优化的模拟光学计算机，采用快速定点搜索避免数字转换并增强噪声鲁棒性	NA	开发能效更高的计算平台以应对AI和组合优化日益增长的能量需求	模拟光学计算硬件及其在AI和优化任务中的应用	机器学习和光学计算	NA	模拟光学计算、三维光学技术	基于定点抽象的神经网络模型和梯度下降优化	图像数据（分类和重建）、数值数据（回归和交易结算）	通过四个案例研究展示，但未明确样本数量
91	2025-09-20	Optimizing Federated Learning Configurations for MRI Prostate Segmentation and Cancer Detection: A Simulation Study 2025-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240485 PMID:40736362	研究论文	通过模拟研究优化联邦学习配置，用于MRI前列腺分割和临床显著前列腺癌检测	针对多客户端场景独立优化联邦学习配置（包括本地训练轮数、联邦轮次和聚合策略），显著提升模型性能	基于模拟研究，需进一步验证在实际临床环境中的效果	开发并优化跨多客户端的联邦学习框架，用于前列腺MRI分割和癌症检测	前列腺MRI图像和临床显著前列腺癌检测	医学影像分析	前列腺癌	联邦学习（FL），nnU-Net架构	nnU-Net	MRI图像（T2加权和双参数）	前列腺分割：4个客户端，1294名患者；癌症检测：3个客户端，1440名患者
92	2025-09-18	Artificial Intelligence in Orthopaedic and Trauma Surgery Education: Applications, Ethics, and Future Perspectives 2025-Sep-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews DOI:e25.00174 PMID:40956817	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
93	2025-09-20	Deep Learning-Based Retinal Layer Segmentation in Optical Coherence Tomography Scans of Patients with Inherited Retinal Diseases 2025-Sep, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2227-3742 PMID:38086412	研究论文	开发了一种基于深度学习的算法，用于遗传性视网膜疾病患者OCT扫描中的视网膜层分割	使用U-net模型并结合域适应技术，首次实现对遗传性视网膜疾病患者OCT中外核层的高精度自动分割	需要健康患者数据作为训练基础，可能对某些罕见IRDs类型的泛化能力有限	开发可靠的自动分割工具，用于遗传性视网膜疾病患者的OCT图像分析	遗传性视网膜疾病患者和健康对照者的OCT扫描图像	计算机视觉	遗传性视网膜疾病	光学相干断层扫描(OCT)	U-net	医学图像	包含IRD患者和健康对照者的OCT扫描数据
94	2025-09-20	Artificial Intelligence in Neovascular Age-Related Macular Degeneration 2025-Sep, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2413-6782 PMID:39260410	综述	本文综述人工智能在新生血管性年龄相关性黄斑变性（nAMD）管理中的应用，包括诊断、预测疾病进展和治疗效果	深度学习模型在nAMD检测、疾病进展预测和治疗结果预测方面展现出卓越准确性，并在某些领域有潜力超越人类专家	面临数据集规模不足、临床工作流程整合困难以及AI预测在不同人群中的泛化能力等挑战	探索AI在nAMD管理中的整合与应用，以提升诊断准确性和治疗个性化	新生血管性年龄相关性黄斑变性（nAMD）患者及相关临床数据	数字病理学	老年性疾病	深度学习（DL）	深度学习模型	医学影像数据	NA
95	2025-09-20	DeepMVP: deep learning models trained on high-quality data accurately predict PTM sites and variant-induced alterations 2025-Sep, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02797-x PMID:40859022	研究论文	开发了基于高质量PTM图谱的深度学习框架DeepMVP，用于准确预测翻译后修饰位点及变异诱导的改变	构建了大规模高质量PTM数据集PTMAtlas，并开发了在六种PTM类型上均显著优于现有工具的深度学习模型	NA	通过深度学习准确预测蛋白质翻译后修饰位点及错义变异对PTM的影响	蛋白质翻译后修饰位点及错义变异	机器学习	NA	质谱分析，深度学习	深度学习框架	质谱数据	397,524个PTM位点（来自241个公共质谱数据集）
96	2025-09-20	Spatial gene expression at single-cell resolution from histology using deep learning with GHIST 2025-Sep, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02795-z PMID:40954301	研究论文	提出基于深度学习的GHIST框架，从组织学图像预测单细胞分辨率空间基因表达	利用亚细胞空间转录组学和多层生物信息协同关系，实现单细胞分辨率空间基因表达预测	NA	开发从常规组织学图像预测空间基因表达的新方法	空间转录组数据和癌症基因组图谱数据	数字病理学	癌症	空间转录组学，深度学习	深度学习框架	组织学图像，基因表达数据	公共数据集和癌症基因组图谱数据
97	2025-09-20	Automatic Segmentation of Primary Central Nervous System Lymphoma at Clinical Routine Postcontrast T1-weighted MRI 2025-Sep, Radiology. Imaging cancer DOI:10.1148/rycan.240446 PMID:40970793	研究论文	开发并验证基于深度学习的模型，用于临床常规对比增强T1加权MRI中原发性中枢神经系统淋巴瘤的自动分割	首次基于nnU-Net框架实现多中心PCNSL自动分割，并在内部和外部数据集上验证模型鲁棒性	对边界不清的毫米级多发病灶分割精度略有下降	提升原发性中枢神经系统淋巴瘤的MRI影像自动分割精度	经病理证实的免疫活性PCNSL患者	数字病理	淋巴瘤	对比增强T1加权MRI	nnU-Net	医学影像	135例患者（内部数据集87例，外部数据集48例）
98	2025-09-20	An MRI Histopathology-based Deep Learning Approach for the Classification of Prostate Cancer 2025-Sep, Radiology. Imaging cancer DOI:10.1148/rycan.250466 PMID:40970800	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
99	2025-09-20	Deep Learning Classification of Prostate Cancer Using MRI Histopathologic Data 2025-Sep, Radiology. Imaging cancer DOI:10.1148/rycan.240381 PMID:40970801	研究论文	本研究评估了基于深度学习的MRI组织病理学数据在前列腺癌分类中的诊断能力	开发了新型人工智能分析方法，通过空间上下文集成提升分类性能并实现病灶大小估计	回顾性研究，数据收集于2009-2011年，需要进一步临床验证	评估MR组织病理学在前列腺癌识别中的诊断能力并指导临床成像参数选择	根治性前列腺切除术标本的组织学切片	数字病理学	前列腺癌	MR组织病理学(MRH)，MR光谱	神经网络	图像	2009-2011年期间收集的前列腺癌根治术标本组织切片数据集
100	2025-09-20	CircCode3: integrating deep learning to mine and evaluate translatable circular RNAs from ribosome profiling sequencing and mass spectrometry data 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf458 PMID:40966647	研究论文	开发了一个集成分析流程CircCode3，用于从高通量测序数据中挖掘可翻译的环状RNA并评估其开放阅读框	整合了深度学习工具DeepCircm6A和DLMSC，用于预测m6A修饰位点和评估终止密码子可靠性，显著提升了现有工具的功能	NA	准确识别可翻译环状RNA及其开放阅读框	环状RNA（circRNAs）	生物信息学	NA	核糖体分析测序、质谱数据、高通量测序	深度学习	测序数据、质谱数据	NA