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
1161	2025-05-25	End-to-end prognostication in pancreatic cancer by multimodal deep learning: a retrospective, multicenter study 2025-May-23, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11694-y PMID:40410330	研究论文	通过多模态深度学习对胰腺癌进行端到端预后预测的一项回顾性多中心研究	利用多模态AI模型整合临床变量和增强CT图像，提高了胰腺癌患者短期和长期生存预测的准确性	研究为回顾性设计，可能存在选择偏倚；外部验证集的预测性能有所下降	探索人工智能如何通过整合多源数据提高胰腺癌预后准确性	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	深度学习	多模态AI模型	临床变量和CT图像	开发队列401例患者(荷兰中心)，外部验证队列361例患者(荷兰和西班牙中心)
1162	2025-05-25	Development and validation of a radiomics model using plain radiographs to predict spine fractures with posterior wall injury 2025-May-23, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08948-0 PMID:40410361	research paper	开发并验证了一种基于平片X光图像的放射组学模型，用于预测伴有后壁损伤的脊柱骨折	结合前后位和侧位平片X光图像，利用Vision Transformer (ViT)技术提取影像特征，构建机器学习模型，提高了预测脊柱骨折伴有后壁损伤的准确性	研究样本量较小（130例患者），且为回顾性研究，可能存在选择偏倚	提高伴有后壁损伤的脊柱骨折的早期诊断准确性，优化治疗方案	脊柱骨折患者	digital pathology	spine fractures	radiomics analysis, deep learning	Vision Transformer (ViT), NaiveBayes, Support Vector Machine (SVM)	X-ray images	130例患者（来自两个中心）
1163	2025-05-25	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2025-May-23, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	research paper	提出了一种结合深度学习和传统物理模拟的蛋白质结构预测方法D-I-TASSER，用于单域和多域蛋白质的结构建模	D-I-TASSER通过整合多源深度学习势能和迭代线程片段组装模拟，提出了一种新的域分割和组装协议，用于自动化建模大型多域蛋白质结构	未明确提及具体限制，但可能涉及计算资源需求或特定蛋白质类型的适用性	开发高精度的蛋白质结构和功能预测方法，适用于全基因组应用	单域和多域蛋白质	生物信息学	NA	深度学习，迭代线程片段组装模拟	D-I-TASSER	蛋白质序列和结构数据	人类蛋白质组中81%的蛋白质域和73%的全链序列
1164	2025-05-25	WDGBANDTI: A Deep Graph Convolutional Network-Based Bilinear Attention Network for Drug-Target Interaction Prediction with Domain Adaptation 2025-May-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00714-6 PMID:40410523	研究论文	提出了一种基于深度图卷积网络和双线性注意力网络的可解释深度学习框架WDGBANDTI，用于在子结构水平上分析和预测药物-靶标相互作用	结合Deep-GCN和BAN构建可解释框架，能在子结构水平分析药物-靶标相互作用，并通过添加模块增强模型对未识别靶标对的预测能力	未明确提及具体的数据集限制或模型适用范围	提升药物-靶标相互作用预测的准确性和可解释性，促进药物开发和副作用实验	药物分子和靶标蛋白	机器学习	NA	Deep Graph Convolutional Network, Bilinear Attention Network	Deep-GCN, BAN	分子结构数据	多个常用且覆盖广泛的数据库（未明确数量）
1165	2025-05-25	Artificial intelligence automated measurements of spinopelvic parameters in adult spinal deformity-a systematic review 2025-May-23, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-025-01111-1 PMID:40410653	系统综述	本文综述了深度学习在自动测量脊柱骨盆参数方面的应用进展，并将其准确性与外科医生的手动测量进行了比较	评估了深度学习模型在脊柱骨盆参数自动测量中的准确性，并与人工测量进行了对比	研究排除了儿科患者、非畸形相关条件、非人类受试者以及缺乏足够定量数据比较DL模型与人工测量的研究	评估深度学习在脊柱骨盆参数自动测量中的应用及其准确性	成人脊柱畸形患者的脊柱骨盆参数	计算机视觉	脊柱畸形	深度学习	DL	放射影像	15至9,832张放射影像
1166	2025-05-25	CancerNet: A comprehensive deep learning framework for precise and intelligible cancer identification 2025-May-22, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110339 PMID:40409034	research paper	该研究介绍了一个名为CancerNet的深度学习框架，用于从医学影像数据中精确且可解释地识别癌症	CancerNet结合了卷积、反卷积和Transformer组件，能够从医学影像数据的通道和空间域中提取层次特征并捕获长距离依赖关系	NA	开发一个精确且可解释的深度学习框架，用于癌症识别	肿瘤组织的组织病理学图像和胶质瘤的各种亚型的全切片图像	digital pathology	glioma	Deep Learning	CNN, Transformer	image	广泛的组织病理学图像数据集和DeepHisto数据集
1167	2025-05-25	Augmenting Common Spatial Patterns to deep learning networks for improved alcoholism detection using EEG signals 2025-May-22, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110359 PMID:40409035	研究论文	本文提出了一种结合CSP、CNN、LSTM和注意力机制的新型混合架构CSP-CNN-LSTM-ATTN，用于通过EEG信号检测酒精成瘾	首次提出了一种考虑EEG信号时空特性的深度学习模型，结合CSP特征提取、CNN空间表示、LSTM时间学习和注意力机制特征加权	仅使用了公开的UCI EEG数据集进行验证，未在其他数据集上测试模型的泛化能力	开发一种快速、可靠、自动且非侵入性的酒精成瘾检测方法	酒精成瘾患者的EEG信号	机器学习	酒精成瘾	EEG信号分析	CSP-CNN-LSTM-ATTN（结合CSP、CNN、LSTM和注意力机制的混合模型）	EEG信号	公开的UCI EEG数据集
1168	2025-05-25	A multimodal deep learning framework for enzyme turnover prediction with missing modality 2025-May-22, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110348 PMID:40409036	研究论文	提出了一种名为MMKcat的多模态深度学习框架，用于预测酶转换数（kcat），并处理输入模态缺失的情况	引入了先验知识引导的缺失模态训练机制和创新的辅助正则化器，以从不同模态组合中学习信息特征，即使在输入模态不完整时也能进行稳健预测	未明确提及具体局限性	准确预测酶转换数（kcat），以评估催化效率和理解生化反应机制	酶、底物和反应产物	机器学习	NA	深度学习	多模态深度学习框架	序列数据（酶序列、底物序列）	使用BRENDA和SABIO-RK数据库中的数据
1169	2025-05-25	Assessment of contour accuracy in head and neck replanning: Deep learning trained model compared with deformable image registration propagation technique 2025-May-22, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2025.04.004 PMID:40410074	研究论文	评估头颈部重新规划中轮廓的准确性，比较深度学习训练模型与可变形图像配准传播技术	比较了商用预训练深度学习模型和多种DIR工具在头颈部自适应放疗中生成轮廓的准确性，并提供了几何和剂量学指标的详细评估	样本量较小（9名患者），且仅针对头颈部区域	评估和比较深度学习和可变形图像配准技术在头颈部自适应放疗中生成轮廓的准确性	头颈部自适应放疗中的轮廓生成	数字病理	头颈部癌症	深度学习（DL）、可变形图像配准（DIR）	Mirada DLC04, DLC13, DLC14	CT图像	9名患者的18次CT扫描
1170	2025-05-25	Deep Learning Image Reconstruction (DLIR) Algorithm to Maintain High Image Quality and Diagnostic Accuracy in Quadruple-low CT Angiography of Children with Pulmonary Sequestration: A Case Control Study 2025-May-22, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.005 PMID:40410108	research paper	本研究评估了在儿童肺隔离症的四低CT血管造影（4L-CTA）中使用深度学习图像重建（DLIR）算法与常规协议CTA相比的诊断准确性	首次在儿童肺隔离症的4L-CTA中应用DLIR算法，显著降低了辐射剂量和对比剂用量，同时保持了图像质量和诊断准确性	样本量较小（53例患者），且仅针对肺隔离症患者	评估DLIR算法在4L-CTA中的表现，以减少儿童CT检查中的辐射和对比剂用量	疑似肺隔离症的儿童患者	digital pathology	lung cancer	CT angiography (CTA), deep learning image reconstruction (DLIR)	DLIR	image	106例儿童患者（53例4L-CTA组，53例常规CTA组）
1171	2025-05-25	Deep Learning-Based Multimodal Feature Interaction-Guided Fusion: Enhancing the Evaluation of EGFR in Advanced Lung Adenocarcinoma 2025-May-22, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.071 PMID:40410106	研究论文	本研究开发了一种基于深度学习的多模态特征交互引导融合（DL-MFIF）框架，用于预测晚期肺腺癌患者的EGFR突变	提出了一种新的DL-MFIF框架，整合了CT图像的宏观信息和WSI的微观信息，显著提高了EGFR突变的预测性能	样本量相对有限（396例），且仅来自两个医疗机构	开发一种深度学习模型，以更准确地预测晚期肺腺癌患者的EGFR突变	晚期肺腺癌患者	数字病理	肺癌	深度学习	DL-MFIF	图像（CT和WSI）	396例患者（243例用于训练和内部验证，153例用于外部验证）
1172	2025-05-25	Mammography-based artificial intelligence for breast cancer detection, diagnosis, and BI-RADS categorization using multi-view and multi-level convolutional neural networks 2025-May-21, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01983-x PMID:40397242	研究论文	开发了一种基于多视角多层级卷积神经网络的人工智能系统，用于乳腺X线摄影中的乳腺癌检测、诊断和BI-RADS分类支持	采用多视角多层级卷积神经网络构建AI系统，显著提升乳腺癌诊断的准确性和BI-RADS分类的精确度	研究仅针对亚洲女性群体，可能在其他种族群体中的适用性有待验证	开发并验证一种AI系统，以提高乳腺癌的检测和诊断准确性，并支持BI-RADS分类	12,433名亚洲女性的24,866个乳房数据	数字病理学	乳腺癌	深度学习	CNN	图像	24,866个乳房数据（来自12,433名亚洲女性）
1173	2025-05-25	Deep learning-based automatic image quality assessment in ultra-widefield fundus photographs 2025-May-21, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-100058 PMID:40398939	研究论文	本研究开发了一种基于深度学习的自动图像质量评估模型（UWF-IQA模型），用于超广角眼底照片（UWF）的质量评估	使用深度学习模型自动评估UWF眼底照片的质量，并展示了模型与人工评分者之间的一致性优于人工评分者之间的一致性	研究仅使用了4749张UWF图像，样本量可能不足以覆盖所有可能的临床情况	开发自动化的UWF眼底照片质量评估工具，以提高临床诊断和AI开发的准确性	超广角眼底照片（UWF）	计算机视觉	眼科疾病	深度学习	EfficientNet-B3	图像	4749张UWF图像，来自2124名患者
1174	2025-05-25	Deep learning classification integrating embryo images with associated clinical information from ART cycles 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02076-x PMID:40399312	研究论文	开发了一种结合胚胎图像和相关临床信息的人工智能模型，用于预测单胚胎移植的临床妊娠结果	整合胚胎图像和临床数据，开发了三种AI模型（MLP、CNN和融合模型），并通过可视化过程明确了影响预测的关键特征	仅使用胚胎图像预测临床妊娠的模型性能较低，表明仅依赖图像数据存在局限性	提高单胚胎移植临床妊娠结果的预测准确性	1503个国际治疗周期（来自泰国、马来西亚和印度）的胚胎图像和临床数据	计算机视觉	生殖健康	深度学习	MLP, CNN, 融合模型	图像, 临床数据	1503个治疗周期
1175	2025-05-25	Phase recognition in manual Small-Incision cataract surgery with MS-TCN + + on the novel SICS-105 dataset 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00303-z PMID:40399321	研究论文	该研究通过深度学习技术MS-TCN++在小切口白内障手术(SICS)视频数据集上进行阶段识别，并与白内障超声乳化手术进行比较	首次引入SICS视频数据集SICS-105，并使用MS-TCN++架构进行阶段识别	SICS手术阶段数量较多且持续时间较长，使得识别相比超声乳化手术更具挑战性	评估深度学习在手动小切口白内障手术阶段识别中的有效性	105名在印度Sankara眼科医院接受治疗的患者	计算机视觉	白内障	深度学习	MS-TCN++	视频	105名患者
1176	2025-05-25	An automated deep learning framework for brain tumor classification using MRI imagery 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02209-2 PMID:40399378	research paper	提出了一种基于深度学习的自动化框架，用于通过MRI图像进行脑肿瘤分类	结合引导滤波技术和各向异性高斯侧窗(AGSW)提高图像清晰度，并采用注意力模块提取显著特征	未提及在临床环境中的实际应用验证	开发自动化方法以提高脑肿瘤诊断的准确性和效率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	deep neural networks, ensemble model	image	公开数据集BraTS2020和Figshare
1177	2025-05-25	A generative adversarial network-based accurate masked face recognition model using dual scale adaptive efficient attention network 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02144-2 PMID:40399389	research paper	提出了一种基于生成对抗网络和双尺度自适应高效注意力网络的精确口罩人脸识别模型	结合GAN和DS-AEAN进行口罩人脸识别，并使用EAOA优化模型性能	未提及模型在极端光照或遮挡条件下的表现	开发高精度的口罩人脸识别系统以解决生物识别安全问题	戴口罩和未戴口罩的人脸图像	computer vision	NA	GAN, DS-AEAN, EAOA	GAN, Dual Scale Adaptive Efficient Attention Network	image	标准数据集中的图像（具体数量未提及）
1178	2025-05-25	Towards precision agriculture tea leaf disease detection using CNNs and image processing 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02378-0 PMID:40399405	research paper	本研究介绍了一种创新的深度学习模型，用于精确分类茶叶常见病害，采用先进的图像分析技术	模型采用复杂的多层架构，结合残差块设计，有效解决了梯度消失问题，并在农业病害检测中应用了现代深度学习技术	研究仅针对特定地区（孟加拉国锡尔赫特Pathantula）的茶叶病害，可能在其他地区的适用性有限	开发高精度的茶叶病害检测系统，推动精准农业发展	茶叶病害检测	computer vision	植物病害	图像处理	CNN	image	4000张高分辨率茶叶图像（包含病害和健康状态）
1179	2025-05-25	FasNet: a hybrid deep learning model with attention mechanisms and uncertainty estimation for liver tumor segmentation on LiTS17 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98427-9 PMID:40399406	研究论文	介绍了一种名为FasNet的混合深度学习模型，用于在LiTS17数据集上进行肝脏肿瘤分割，以提高分割精度和可靠性	结合ResNet-50和VGG-16架构，引入通道和空间注意力机制以及蒙特卡洛Dropout，以提高分割精度和可靠性	未提及具体局限性	提高肝脏肿瘤分割的精度和可靠性，以支持早期诊断和精确治疗	肝脏肿瘤，特别是肝细胞癌（HCC）	数字病理	肝癌	深度学习	ResNet-50, VGG-16	医学影像（CT和MRI）	LiTS17数据集
1180	2025-05-25	Deep learning based multi attribute evaluation for holistic student assessment in physical education 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02168-8 PMID:40399440	研究论文	本研究提出了一种基于深度学习的多属性评估方法，用于全面评估学生在体育教育中的表现	利用深度学习模型整合多种数据（如身体活动、认知任务、情感反应和社交互动）进行学生综合评估，并引入可视化工具如热力图	未整合实时传感器数据，计算效率有待提升，且应用范围目前限于特定教育机构	改进体育教育中学生评估方法，提供更全面和个性化的反馈	体育教育中的学生表现	机器学习	NA	深度学习	深度学习模型（未指定具体类型）	多模态数据（包括身体活动、认知任务、情感反应和社交互动）	NA