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
1041	2025-09-03	RNA-ligand interaction scoring via data perturbation and augmentation modeling 2025-Aug, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00820-x PMID:40555786	研究论文	提出一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子相互作用	结合数据扰动与增强、图分子特征表示和注意力特征融合模块，无需结构输入即可实现可靠预测	依赖有限的已验证RNA-小分子相互作用数据和稀缺的已知RNA结构	开发数据驱动的深度学习模型以促进RNA靶向药物发现	RNA与小分子之间的相互作用	机器学习	NA	深度学习	基于注意力的特征融合模块	序列数据	NA
1042	2025-09-03	Advancing Soil Organic Carbon Prediction: A Comprehensive Review of Technologies, AI, Process-Based and Hybrid Modelling Approaches 2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504152 PMID:40557741	综述	本文综述了土壤有机碳预测技术的最新进展，包括遥感、人工智能和生物地球化学建模等方法	整合多源传感数据与人工智能建模，并探讨将生物地球化学模型模拟输出作为AI训练数据以融合因果关系的创新方法	缺乏统一的最佳AI算法，且需要跨多样土壤气候和管理条件进行校准验证	提升土壤有机碳的测量、监测与预测能力，支持气候变化缓解和可持续农业管理	土壤有机碳（SOC）	环境信息学	NA	遥感（RS）、近端土壤传感（PSS）、机器学习（ML）、深度学习（DL）、生物地球化学建模、数据融合	ML, DL	多源传感器数据、遥感数据、模拟数据	NA（综述文章未指定具体样本量）
1043	2025-09-03	Deep learning significantly boosts CRT response prediction using synthetic longitudinal strain data: Training on synthetic data and testing on real patients 2025-Aug, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100803 PMID:39477070	研究论文	本研究利用深度学习技术，基于合成的心肌应变数据构建模型，用于预测心力衰竭患者对心脏再同步化治疗（CRT）的反应	首次结合合成少数类过采样技术（SMOTE）生成大量合成数据训练深度学习模型，显著提升CRT反应预测性能，且模型关键输入变量与临床经验高度一致	样本量相对有限（131名真实患者），需进一步扩大真实数据验证模型泛化能力	开发高精度、高灵敏度预测CRT治疗反应的深度学习辅助工具	心力衰竭患者	机器学习	心血管疾病	SMOTE, t-SNE, SHAP分析	DNN, 1D-CNN	二维超声心动图应变轨迹数据	131名真实患者数据，合成生成2000个训练样本
1044	2025-09-03	From Code to Life: The AI-Driven Revolution in Genome Editing 2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417029 PMID:40538131	综述	本文探讨人工智能在基因组编辑领域的应用与前景，涵盖技术创新、挑战及伦理问题	整合AI技术提升CRISPR系统精准度，实现sgRNA优化设计、新型Cas蛋白发现和基因调控网络分析	存在数据偏差、算法透明度不足以及潜在非预期基因修饰等伦理与技术风险	推动精准医疗、遗传病治疗和可持续农业领域的基因组编辑技术发展	基因组编辑技术及其在生物医学与农业中的应用	机器学习	遗传病	CRISPR, 深度学习和蛋白质语言模型	深度学习预测器	基因组数据	NA
1045	2025-09-03	Integrating deep learning for post-translational modifications crosstalk on Hsp90 and drug binding 2025-Jul-25, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110519 PMID:40716748	研究论文	本研究利用深度学习模型结合质谱数据分析Hsp90蛋白的翻译后修饰互作及其与药物结合的关联	首次整合深度学习AI预测模型与实验数据解析Hsp90复杂PTM互作网络，提供高效分析手段	研究基于特定HDAC敲除细胞模型，结论可能受细胞类型和条件限制	解析Hsp90蛋白翻译后修饰互作及其对药物结合的影响	热休克蛋白90（Hsp90）及其翻译后修饰	机器学习	癌症	质谱分析、基因敲除	深度学习AI预测模型	质谱数据	HDAC3和HDAC8敲除的人体细胞样本
1046	2025-09-03	Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04739-1 PMID:39692759	研究论文	评估结合深度学习重建的iHASTE序列在妇科MRI中的临床可行性和效用	首次将深度学习重建技术与可变翻转角演化(VAE)结合的iHASTE序列应用于妇科MRI，并与传统序列对比	回顾性研究设计，样本量有限(79例患者)，仅由三位放射科医师进行主观评估	比较iHASTE与传统序列在有/无抗痉挛药物情况下的成像质量和抗伪影能力	接受妇科MRI检查的患者	医学影像	妇科疾病	深度学习重建，半傅里叶单次激发快速自旋回波(HASTE)，周期性旋转重叠平行线增强重建(PROPELLER/BLADE)	深度学习	MRI图像	79例无抗痉挛药物患者(接受iHASTE/HASTE/BLADE扫描) + 79例匹配病例对照组(接受TSE扫描)
1047	2025-09-03	A novel artificial intelligence segmentation model for early diagnosis of bladder tumors 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04715-9 PMID:39738572	研究论文	开发了一种基于Transformer的膀胱肿瘤分割网络（BTS-Net），用于早期膀胱癌的智能诊断	提出新型BTS-Net模型，首次将Transformer架构应用于膀胱肿瘤分割，能够实时处理手术视频并准确识别微小卫星病灶	研究仅基于单中心数据（273例患者），外部验证尚需多中心数据支持	提高早期膀胱肿瘤的识别率，减少漏诊风险	膀胱癌患者的手术视频数据	计算机视觉	膀胱癌	深度学习	Transformer (BTS-Net)	视频	273例膀胱癌患者的手术视频
1048	2025-09-03	Preoperative discrimination of absence or presence of myometrial invasion in endometrial cancer with an MRI-based multimodal deep learning radiomics model 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04766-y PMID:39747670	研究论文	开发并验证基于MRI的多模态深度学习放射组学模型，用于术前判别子宫内膜癌肌层浸润状态	整合临床特征与深度学习特征构建多模态模型，显著提升肌层浸润术前诊断准确性	回顾性研究设计，可能存在选择偏倚	提升子宫内膜癌术前肌层浸润评估的准确性	子宫内膜癌患者	数字病理	子宫内膜癌	MRI，深度学习特征提取	ResNet18，集成稀疏贝叶斯极限学习机	MRI图像，临床数据	1139例来自5个中心的患者
1049	2025-06-05	Geometric Deep Learning for Multimodal Data in CKD 2025-Jun-03, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000778 PMID:40459949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1050	2025-09-03	Prediction of therapeutic response to transarterial chemoembolization plus systemic therapy regimen in hepatocellular carcinoma using pretreatment contrast-enhanced MRI based habitat analysis and Crossformer model 2025-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04709-7 PMID:39586897	研究论文	本研究基于多期相增强MRI的栖息地分析和Crossformer模型，预测肝细胞癌患者对TACE联合系统治疗的疗效反应	首次结合K-means聚类生成的肿瘤内栖息地图像与Transformer架构的深度学习模型（Crossformer），用于非侵入性预测HCC治疗反应	样本量相对有限（102例），且为回顾性研究，需要更大规模前瞻性验证	开发并验证基于CE-MRI的模型，以早期评估肝细胞癌患者对TACE联合靶向及免疫治疗的反应	肝细胞癌（HCC）患者	医学影像分析	肝细胞癌	多期相对比增强MRI（CE-MRI），K-means聚类，放射组学特征提取	Crossformer, ResNet50, ExtraTrees classifier	医学影像（MRI）	102例HCC患者（机构A 63例，机构B 39例）
1051	2025-09-03	Deep learning-assisted detection of intracranial hemorrhage: validation and impact on reader performance 2025-Jun, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03560-x PMID:40116947	研究论文	本研究验证了一种用于颅内出血检测的深度学习算法，并评估其辅助非专家医生提升诊断性能的临床效用	开发并验证了JLK-ICH深度学习算法，在多种颅内出血亚型中均表现高精度，并通过读者性能测试证实其能显著提升非专家诊断信心和准确性	研究基于回顾性数据，需进一步前瞻性验证；外部验证仅使用单一多民族美国数据集	验证深度学习算法在颅内出血检测中的准确性并评估其临床辅助价值	颅内出血（ICH）患者及非ICH患者的CT扫描影像	计算机视觉	脑血管疾病	深度学习	深度学习算法（JLK-ICH）	CT图像	1370例CT扫描（含800例用于读者性能研究）
1052	2025-09-03	Predicting postoperative prognosis in clear cell renal cell carcinoma using a multiphase CT-based deep learning model 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04593-1 PMID:39311948	研究论文	本研究开发了一种基于多期相CT图像的深度学习模型，用于术前预测透明细胞肾细胞癌患者的术后预后	首次结合三期CT图像（平扫期、皮髓质期和肾实质期）特征与深度学习技术构建预后预测模型，并与Leibovich评分系统整合形成列线图	回顾性研究设计，样本量相对有限（382例患者），缺乏外部验证队列	评估基于CT图像的深度学习模型在预测透明细胞肾细胞癌患者术后预后方面的价值	透明细胞肾细胞癌患者	计算机视觉	肾癌	CT成像，深度学习特征提取	ResNet50, ELM (极限学习机)	CT图像	382例患者（训练集229例，测试集153例）
1053	2025-09-03	Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04607-y PMID:39347977	研究论文	应用深度学习模型对急性坏死性胰腺炎的CT图像中胰液积聚进行基于固体碎片的准确分类	首次在多中心研究中比较ResNet 50、Vision Transformer和MedViT等深度学习架构对胰腺液体积聚的自动分类性能	样本量相对有限（152例患者），且模型在外部测试队列中的性能仅为中等水平（AUC 0.753）	开发基于CT的深度学习模型，用于急性胰腺炎中胰液积聚的自动化分类	急性胰腺炎患者的CT图像及其对应的胰液积聚	计算机视觉	胰腺疾病	CT成像、深度学习	ResNet 50, Vision Transformer (ViT), MedViT	图像	152例患者（129例训练/验证，23例测试），共计2180张CT图像
1054	2025-09-03	Evaluation of SR-DLR in low-dose abdominal CT: superior image quality and noise reduction 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04686-x PMID:39560744	研究论文	评估超分辨率深度学习重建（SR-DLR）在低剂量腹部CT成像中的效果，并与混合迭代重建（HIR）和常规深度学习重建（cDLR）算法进行比较	首次在低剂量腹部CT中系统比较SR-DLR与HIR、cDLR，证明SR-DLR在噪声纹理和分辨率方面优于现有方法	回顾性研究，样本量较小（35例患者），需进一步多中心验证	评估SR-DLR算法在低剂量腹部CT中的图像质量和噪声降低效果	低剂量腹部CT扫描图像	医学影像处理	腹部疾病	CT成像，深度学习重建算法	深度学习重建（DLR）	CT图像	35例患者
1055	2025-03-23	Correction to: Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study 2025-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-04836-9 PMID:40116891	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1056	2025-09-03	Machine learning and deep learning models for preoperative detection of lymph node metastasis in colorectal cancer: a systematic review and meta-analysis 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04668-z PMID:39522103	系统综述与荟萃分析	评估机器学习和深度学习模型在结直肠癌患者术前淋巴结转移预测中的诊断性能	首次对ML/DL模型在CRC术前LNM预测中的表现进行系统评估，并与放射科医生表现进行对比	纳入研究存在异质性，需要更多前瞻性多中心研究验证	评估机器学习模型在结直肠癌术前淋巴结转移预测中的诊断准确性	结直肠癌患者	机器学习	结直肠癌	机器学习，深度学习	ML/DL模型	医学影像数据	12项研究，8321名患者
1057	2025-09-03	Application of deep learning techniques for breath-hold, high-precision T2-weighted magnetic resonance imaging of the abdomen 2025-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04675-0 PMID:39535616	研究论文	评估基于深度学习的PIQE算法在高精度单次激发快速自旋回波序列中用于腹部T2加权磁共振成像的可行性，并与标准序列进行比较	首次将深度学习驱动的PIQE算法应用于高精度SS-FSE序列，显著提升图像质量和病灶可视化能力	单中心回顾性研究设计，缺乏病理学确认	比较不同快速自旋回波序列在腹部T2加权MRI中的图像质量表现	腹部器官（肝脏、胰腺）及非实性局灶性病变	医学影像分析	腹部疾病	磁共振成像（MRI），深度学习图像重建	深度学习算法（PIQE）	医学影像	105例接受腹部MRI检查的患者
1058	2025-09-03	AnglesRefine: Refinement of 3D Protein Structures Using Transformer Based on Torsion Angles 2025 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3422288 PMID:38959143	研究论文	提出一种基于Transformer和扭转角度的蛋白质结构优化方法AnglesRefine，用于提升预测蛋白质模型的局部结构精度	首次将Transformer应用于蛋白质扭转角度的精细化调整，无需构象搜索和采样，显著降低计算时间	NA	提高预测蛋白质结构在残基级别的局部结构精度	蛋白质三维结构	计算生物学	NA	深度学习，Transformer	Transformer	蛋白质结构数据	CASP11-14和CASP15数据集
1059	2025-09-03	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	综述	本文综述了人工智能在预测心源性猝死方面的当前应用状态与未来发展方向	探讨AI通过识别传统方法难以发现的非线性模式和细微预测因子，实现个性化SCD风险分层	存在重要局限性需解决，阻碍广泛临床应用	改善心源性猝死的风险预测与预防策略个性化	心源性猝死高风险或疑似人群	机器学习	心血管疾病	机器学习和深度学习算法	NA	复杂医疗数据	NA
1060	2025-09-03	Performance Comparison Between Deep Neural Network and Machine Learning Based Classifiers for Huntington Disease Prediction From Human DNA Sequence 2025 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3493203 PMID:39509303	研究论文	比较深度神经网络与多种机器学习分类器在基于人类DNA序列预测亨廷顿病方面的性能	首次将混沌游戏表示(CGR)方法用于DNA序列数值化，并结合多种特征提取方法，系统对比了DNN与传统机器学习分类器在HD预测中的表现	未提及外部验证或临床适用性评估，可能存在过拟合风险	开发并评估基于DNA序列的亨廷顿病预测模型	人类DNA序列（来自NCBI和合成数据）	机器学习	亨廷顿病	DNA序列分析，混沌游戏表示(CGR)	DNN, NN, SVM, RF, CT	DNA序列数据	NA