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
1021	2025-05-15	Deep learning techniques for proton dose prediction across multiple anatomical sites and variable beam configurations 2025-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc236 PMID:40101365	research paper	评估质子治疗中束流掩模实现和数据聚合对基于人工智能的剂量预测准确性的影响	结合束流掩模和数据聚合显著提高了质子治疗剂量预测的准确性，特别是在复杂病例中	数据聚合在低剂量区域可能产生负面影响	提高质子治疗中剂量预测的准确性	541例前列腺和632例头颈部质子治疗计划	machine learning	prostate cancer, head and neck cancer	proton therapy	CNN	medical imaging	541 prostate and 632 head and neck proton therapy plans
1022	2025-05-15	Review of the Current State of Artificial Intelligence in Pediatric Cardiovascular Magnetic Resonance Imaging 2025-Mar-26, Children (Basel, Switzerland) DOI:10.3390/children12040416 PMID:40310065	综述	本文回顾了人工智能在儿科心血管磁共振成像中的当前应用状态	探讨了人工智能如何通过深度学习技术提高心血管磁共振成像的效率、图像质量并减少错误	未提及具体的技术限制或数据限制	评估人工智能在改善先天性心脏病心血管磁共振成像中的应用	儿科先天性心脏病患者的心血管磁共振成像	数字病理学	心血管疾病	深度学习	NA	图像	NA
1023	2025-05-15	Fast and Accurate Prediction of Tautomer Ratios in Aqueous Solution via a Siamese Neural Network 2025-Mar-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00041 PMID:40091187	研究论文	本研究开发了一个名为sPhysNet-Taut的深度学习模型，用于快速准确预测水溶液中互变异构体的比例	采用Siamese神经网络架构，基于实验数据微调，直接预测水溶液中互变异构体的比例，性能优于现有方法	模型依赖于MMFF94优化的分子几何结构，可能不适用于所有类型的分子	提高计算药物发现中互变异构体比例预测的准确性和速度	药物类分子的互变异构体	机器学习	NA	深度学习	Siamese神经网络	分子几何结构数据	100个互变异构体数据集和SAMPL2挑战数据集
1024	2025-05-15	Structural assembly of the PAS domain drives the catalytic activation of metazoan PASK 2025-Mar-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409685122 PMID:40106358	research paper	该研究揭示了后生动物PASK激酶中PAS结构域的结构组装如何驱动其催化激活	发现了PASK中PAS-C结构域的非典型结构特征及其通过分子内相互作用形成功能性PAS模块的新机制	未明确说明研究的样本量或实验验证的详细范围	阐明PAS结构域在PASK激酶催化激活中的结构机制	后生动物PASK激酶及其PAS结构域	结构生物学	NA	深度学习结构建模、进化尺度域定位	deep learning-based structural models	蛋白质结构数据	NA
1025	2025-05-15	Deep learning on T2WI to predict the muscle-invasive bladder cancer: a multi-center clinical study 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82909-3 PMID:40121216	研究论文	开发一种基于MRI的深度学习模型，用于预测肌层浸润性膀胱癌（MIBC）	利用深度学习模型在T2WI图像上预测MIBC，并作为VI-RADS 3的有价值补充	外部测试集的敏感性和阳性预测值较低，分别为57.1%和50.0%	预测肌层浸润性膀胱癌（MIBC）	559名患者（包括521名本中心患者和38名外部中心患者）	数字病理学	膀胱癌	MRI	Inception V3	图像	559名患者
1026	2025-05-15	Development and validation of a postoperative prognostic model for hormone receptor positive early stage breast cancer recurrence 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92872-2 PMID:40121273	研究论文	开发并验证了一种基于Transformer的深度学习预后模型HERPAI，用于预测激素受体阳性早期乳腺癌患者的复发风险	首次为低复发风险患者开发了基于Transformer的深度学习预后模型，并在多中心数据中进行了验证	研究为回顾性设计，可能存在选择偏倚	开发预测激素受体阳性早期乳腺癌复发的预后模型	激素受体阳性/HER2阴性早期(T1-2N0-1)浸润性乳腺癌患者	数字病理	乳腺癌	深度学习	Transformer	临床和病理数据	6340名患者(5424名用于训练和验证，916名用于外部测试)
1027	2025-05-15	A novel framework for segmentation of small targets in medical images 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94437-9 PMID:40121297	research paper	提出了一种名为STS-Net的新型框架，专门用于医学图像中小目标的精确分割	采用ResNeXt50-32x4d架构作为编码器，并在编码阶段整合注意力机制以增强网络的特征表示能力	在训练样本数量有限的情况下，现有网络对小目标的分割仍存在困难	解决医学图像中小目标分割的挑战	医学图像中的小目标	digital pathology	NA	deep learning	CNN	image	四个公开数据集
1028	2025-05-15	Deep-ProBind: binding protein prediction with transformer-based deep learning model 2025-Mar-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06101-8 PMID:40121399	研究论文	本文提出了一种名为Deep-ProBind的深度学习模型，用于预测蛋白质结合位点	结合了序列和结构信息，采用transformer和进化注意力机制，以及SHAP算法进行特征选择，显著提高了预测准确率	未提及具体的数据集规模限制或模型泛化能力测试	开发高准确率的蛋白质结合位点预测工具	蛋白质结合位点	生物信息学	NA	BERT, PsePSSM-DWT, SHAP, DNN	transformer, Deep Neural Network	序列数据, 结构数据	基准数据集和独立样本集（具体数量未提及）
1029	2025-05-15	Machine learning-based radiomics using MRI to differentiate early-stage Duchenne and Becker muscular dystrophy in children 2025-Mar-22, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08538-7 PMID:40121488	研究论文	本研究利用MRI T2加权Dixon序列的放射组学特征，开发了一种机器学习分类模型，用于早期区分Duchenne和Becker肌营养不良症	结合放射组学和机器学习方法，首次在早期阶段有效区分DMD和BMD	样本量较小（62例患者），且为回顾性研究	提高早期Duchenne和Becker肌营养不良症的鉴别诊断准确性	36-60月龄的肌营养不良症儿童患者（41例DMD，21例BMD）	数字病理学	肌营养不良症	MRI T2加权Dixon序列	机器学习算法（未指定具体模型）	医学影像	62例患者（41例DMD，21例BMD）
1030	2025-05-15	Reducing hepatitis C diagnostic disparities with a fully automated deep learning-enabled microfluidic system for HCV antigen detection 2025-Mar-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adt3803 PMID:40106555	研究论文	开发了一种基于智能手机的全自动即时HCV抗原检测系统，结合铂纳米颗粒、深度学习图像处理和微流控技术，以提高HCV诊断的可及性和准确性	首次将深度学习图像处理与微流控技术结合，开发出高精度(94.59%)、便携式的全自动HCV抗原检测系统	尚未获得FDA批准，且未在更广泛的人群中进行验证	解决资源有限地区HCV诊断困难的问题，减少健康差异	HCV感染者，特别是美国印第安人和阿拉斯加原住民(AI/AN)等弱势群体	数字病理	丙型肝炎	微流控技术、铂纳米颗粒技术	深度学习	图像	NA
1031	2025-05-15	Meeting Global Health Needs via Infectious Disease Forecasting: Development of a Reliable Data-Driven Framework 2025-Mar-21, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/59971 PMID:40116728	研究论文	开发了一个标准化、可靠且可信赖的传染病预测框架和可视化仪表板，用于支持全球健康决策	提出了一个集成多种建模技术的通用预测管道，能够适应不同疾病和地理区域，并通过可视化仪表板提供关键分析指标	没有单一的最佳模型适用于所有疾病、地区和国家的组合	满足现实世界操作决策的需求，开发一个通用的传染病预测框架	六种人畜共患疾病（布鲁氏菌病、弯曲杆菌病、中东呼吸综合征、Q热、蜱传脑炎和图拉菌病）在四大洲八个国家的传播情况	机器学习	传染病	统计、机器学习和深度学习模型	集成模型	人口统计、景观、气候和社会经济因素等多维特征数据	四大洲八个国家的六种人畜共患疾病数据，平均每种疾病使用2326个特征
1032	2025-05-15	RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning 2025-Mar-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57852-0 PMID:40118849	research paper	介绍了一种名为RNAmigos2的基于深度图学习的RNA虚拟筛选方法，显著提高了筛选速度和准确性	首次将数据驱动的虚拟筛选流程应用于RNA，结合粗粒度3D建模、合成数据增强和RNA特异性自监督学习，实现了比传统分子对接快10,000倍的速度	RNA领域的数据有限，且机器学习在该领域的应用仍不成熟	开发一种高效的RNA虚拟筛选方法，以加速RNA药物的发现	RNA分子及其潜在药物靶点	machine learning	NA	deep graph learning, synthetic data augmentation, RNA-specific self-supervision	deep learning	3D RNA structure data	20,000-compound in-vitro microarray
1033	2025-05-15	Bulldogs stenosis degree classification using synthetic images created by generative artificial intelligence 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92769-0 PMID:40119072	research paper	本研究开发了一种自动深度学习模型，用于分类斗牛犬鼻狭窄的严重程度	使用包括真实和AI生成的样本在内的图像，测试了五种神经网络架构，并比较了模型与专业兽医解剖学评估者的性能	DenseNet201的中位F-score为54.04%，性能仍有提升空间	开发自动分类斗牛犬鼻狭窄严重程度的深度学习模型	斗牛犬的鼻孔图像	computer vision	nasal stenosis	generative artificial intelligence	DenseNet201	image	1020张斗牛犬鼻孔图像（包括真实和AI生成的样本）
1034	2025-05-15	Exploring the impact of hyperparameter and data augmentation in YOLO V10 for accurate bone fracture detection from X-ray images 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93505-4 PMID:40119100	研究论文	本研究探讨了超参数和数据增强技术对YOLO V10架构在X射线图像中准确检测骨折性能的影响	通过结合特定的超参数组合和目标增强策略，显著提高了骨折检测的准确性和精确度	研究仅针对YOLO V10架构，未与其他最新模型进行对比	提高X射线图像中骨折检测的准确性和精确度	X射线图像中的骨折	计算机视觉	骨折	图像非锐化掩模方法和对比度受限的自适应直方图均衡化	YOLO V10	图像	NA
1035	2025-05-15	Merging synthetic and real embryo data for advanced AI predictions 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94680-0 PMID:40119109	研究论文	本文探讨了如何通过结合合成和真实的胚胎数据来提高AI在胚胎形态评估中的预测准确性	使用两种生成模型（包括扩散模型和生成对抗网络）生成合成胚胎图像，并与真实图像结合训练分类模型，显著提高了分类性能	合成图像的逼真度仍有提升空间，且需要更多外部数据集的验证	提高辅助生殖技术中胚胎形态评估的准确性	胚胎图像	计算机视觉	生殖健康	生成模型（扩散模型和生成对抗网络）	CNN	图像	两个数据集（一个公开可用，一个现有公共数据集）
1036	2025-05-15	Robust enzyme discovery and engineering with deep learning using CataPro 2025-Mar-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58038-4 PMID:40108140	研究论文	本文介绍了一种名为CataPro的深度学习模型，用于预测酶动力学参数，并在酶发现和改造中展示了其高效性	开发了无偏数据集评估现有方法性能，并提出了结合预训练模型和分子指纹的深度学习模型CataPro，显著提高了预测准确性和泛化能力	未提及模型在更广泛酶类或极端条件下的适用性	提高酶动力学参数预测的准确性和泛化能力，以促进酶的发现和改造	酶动力学参数（转换数k、米氏常数K和催化效率k/K）	机器学习	NA	深度学习	预训练模型与分子指纹结合的深度学习模型	分子数据	未明确提及具体样本量，但包含无偏数据集和代表性酶挖掘项目
1037	2025-05-15	Artificial intelligence to enhance the diagnosis of ocular surface squamous neoplasia 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94876-4 PMID:40108432	research paper	该研究利用人工智能（AI）和体内共聚焦显微镜（IVCM）技术，开发了一种区分眼表鳞状上皮瘤（OSSN）与其他病变的方法，并比较了不同AI模型的性能	采用了一种新颖的基于方形数据增强策略来缓解类别不平衡问题，并实现了少样本学习模型以提高罕见症状（如细胞有丝分裂）的识别精度，同时利用Shapley值和UMAP分析增强模型解释性	在四分类任务中模型准确率较低	开发高精度的AI模型用于眼表鳞状上皮瘤（OSSN）的诊断	眼表鳞状上皮瘤（OSSN）及其他眼表疾病	digital pathology	ocular surface squamous neoplasia	in vivo confocal microscopy (IVCM)	ResNet50V2, Yolov8x, VGG19	image	2,774张IVCM图像
1038	2025-05-15	A fusion model to predict the survival of colorectal cancer based on histopathological image and gene mutation 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91420-2 PMID:40113813	研究论文	提出了一种基于组织病理学图像和基因突变的多模态深度学习计算框架，用于预测结直肠癌患者的5年生存率	首次将组织病理学图像与分子数据结合，使用Multimodal Compact Bilinear Pooling (MCBP)方法预测结直肠癌患者的生存率	样本量较小（84例），且仅使用了TCGA数据库的数据	预测结直肠癌患者的5年生存率，以辅助临床决策	结直肠癌患者	数字病理学	结直肠癌	mRNA测序、基因突变分析	MCBP	图像、文本（临床信息）、基因数据	84例（来自TCGA数据库，包含组织病理学图像、临床信息、mRNA测序数据和基因突变数据）
1039	2025-05-15	Spatio-temporal epidemic forecasting using mobility data with LSTM networks and attention mechanism 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94089-9 PMID:40113855	research paper	本研究提出了一种结合LSTM网络和多头注意力机制的深度学习模型，用于短期预测传染病趋势，以日本COVID-19确诊病例和住院数据为例	结合LSTM网络和多头注意力机制，利用移动数据捕捉时空动态，提高预测准确性	研究仅基于日本的数据，可能在其他地区的适用性有限	短期预测传染病趋势以辅助决策制定和疫情控制策略开发	COVID-19确诊病例和住院数据	machine learning	COVID-19	NA	LSTM, attention mechanism	时间序列数据，移动数据	日本COVID-19确诊病例和住院数据
1040	2025-05-15	A hybrid object detection approach for visually impaired persons using pigeon-inspired optimization and deep learning models 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92239-7 PMID:40113884	research paper	提出了一种结合鸽群优化和深度学习模型的混合物体检测方法，用于帮助视障人士安全导航	结合了YOLOv10框架、CapsNet和InceptionV3的特征提取模型融合，以及MHA-BiLSTM分类方法，并使用鸽群优化算法进行超参数调优	仅在室内物体检测数据集上进行了验证，未涉及室外复杂环境	开发可靠精确的物体检测系统以帮助视障人士安全导航	视障人士及其周围环境中的物体	computer vision	NA	deep learning, pigeon-inspired optimization	YOLOv10, CapsNet, InceptionV3, MHA-BiLSTM	image	Indoor Objects Detection数据集（具体数量未提及）