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
101	2025-10-02	Understanding Cancer Survivorship Care Needs Using Amazon Reviews: Content Analysis, Algorithm Development, and Validation Study 2025-Sep-23, JMIR cancer IF:3.3Q2 DOI:10.2196/71102 PMID:40986859	研究论文	通过分析亚马逊消费者评论来识别癌症幸存者护理需求，并开发自然语言处理模型	首次使用亚马逊消费者评论作为识别癌症幸存者护理需求的新数据源，并构建了公开可用的标注语料库	仅分析了159条评论的标注数据，样本规模相对有限	探索利用电商平台评论识别癌症幸存者症状自我管理需求的方法	亚马逊平台上与健康产品相关的消费者评论	自然语言处理	癌症	深度学习、大语言模型(LLM)、主题建模、情感分析	BERT、GPT-4	文本	4703个包含癌症提及的句子，来自3349条评论，涉及2589种不同产品，其中159条评论进行了人工标注
102	2025-10-02	Mapping the Evolution of Artificial Intelligence in Medical Materials 2025-Sep-23, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c06324 PMID:41018643	研究论文	通过文献计量分析评估人工智能在医用材料领域的研究现状与发展趋势	首次对人工智能在医用材料领域的整体研究格局进行系统性文献计量分析	仅基于Web of Science核心合集的108篇文献，样本量有限	分析人工智能在医用材料领域的研究发展脉络和现状	108篇来自Web of Science核心合集的学术出版物	机器学习	NA	文献计量分析	深度学习	文献数据	108篇学术出版物
103	2025-10-02	Exploring pocket-aware inhibitors of BTK kinase by generative deep learning, molecular docking, and molecular dynamics simulations 2025-Sep-22, RSC advances IF:3.9Q2 DOI:10.1039/d5ra04840k PMID:41019811	研究论文	通过生成式深度学习、分子对接和分子动力学模拟探索BTK激酶J口袋抑制剂	提出结合生成式深度学习、分子对接和分子动力学模拟的计算框架，实现口袋感知的抑制剂设计	研究仅通过计算模拟验证，缺乏实验验证数据	开发高选择性、高亲和力的BTK激酶抑制剂	BTK激酶的J口袋抑制剂	计算药物设计	NA	生成式深度学习、分子对接、分子动力学模拟	生成式深度学习模型	分子结构数据	从生成的10000个分子中筛选出5个候选分子
104	2025-10-02	YeastSAM: A Deep Learning Model for Accurate Segmentation of Budding Yeast Cells 2025-Sep-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.17.676679 PMID:41000957	研究论文	开发了一个基于深度学习的酵母细胞分割模型YeastSAM，专门用于精确分割出芽酵母细胞	基于μSAM优化开发的酵母专用分割框架，在分割分裂细胞时的准确率比现有方法提高三倍以上	NA	解决出芽酵母细胞分割的挑战，特别是分裂细胞常被误识别为两个独立细胞的问题	出芽酵母细胞	计算机视觉	NA	深度学习	基于μSAM的深度学习框架	显微镜图像	NA
105	2025-10-02	Frequency-Aware Interpretable Deep Learning Framework for Alzheimer's Disease Classification Using rs-fMRI 2025-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.18.677114 PMID:41000974	研究论文	提出一种频率感知可解释深度学习框架FINE，用于基于静息态功能磁共振的阿尔茨海默病分类	整合卷积层、可学习小波层、变换器和静态编码器，实现动态功能网络连接的多尺度时空和频率特异性模式联合建模	NA	开发能够捕捉脑网络动态功能连接中频率特异性模式的深度学习模型，用于阿尔茨海默病分类和生物标志物发现	阿尔茨海默病患者和正常对照的脑功能连接数据	医学影像分析	阿尔茨海默病	静息态功能磁共振(rs-fMRI)	CNN、Transformer、小波变换混合模型	功能磁共振影像数据	856名受试者（来自OASIS-3数据集）
106	2025-10-02	A Preliminary Study on Deep Learning-Based Plan Quality Prediction in Gamma Knife Radiosurgery for Brain Metastases 2025-Sep-18, Cancers IF:4.5Q1 DOI:10.3390/cancers17183056 PMID:41008897	研究论文	本研究提出一种基于深度学习的伽玛刀放射外科治疗脑转移瘤计划质量预测方法	首次将层次密集连接U-Net用于预测3D剂量分布，并创新性地结合Dice相似系数损失函数提高预测精度	研究样本量相对有限（463个脑转移灶），需要进一步验证和推广	开发能够根据患者特定几何特征预测可实现且临床可接受的伽玛刀治疗计划质量的方法	175名患者的463个脑转移灶	医学影像分析	脑转移瘤	深度学习	HD-U-Net（层次密集连接U-Net）	医学影像数据	175名患者的463个脑转移灶
107	2025-10-02	Identification and characterization of clusters of potentially new vocalizations in broiler chickens using advanced acoustic analysis 2025-Sep-04, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105769 PMID:40972419	研究论文	本研究通过先进声学分析和机器学习技术识别并表征了1-35日龄肉鸡的潜在新型发声集群	发现了42个不同于已知4种发声的声学集群，最终确定10个可能代表新型发声的关键集群	样本量有限且缺乏统计学重复	探究肉鸡的发声行为以改善动物福利	1-35日龄健康肉鸡的发声	机器学习	NA	声学分析、深度学习、递归聚类算法	深度学习	音频	未明确具体数量（样本量有限）
108	2025-10-02	Deep-Learning-Based Analysis of Disease-Specific Structural Biomarkers on Retinal Sensitivity in Neovascular Age-Related Macular Degeneration 2025-Sep-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.12.68 PMID:41025875	研究论文	本研究使用深度学习技术分析新生血管性年龄相关性黄斑变性中疾病特异性结构生物标志物对视网膜点对点敏感度的影响	首次使用深度学习技术对多种结构生物标志物进行量化分析，并评估它们对视网膜敏感度的联合影响	样本量较小（仅20名受试者），为横断面研究设计	评估疾病特异性生物标志物对新生血管性年龄相关性黄斑变性患者视网膜敏感度的影响	新生血管性年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	深度学习、光学相干断层扫描、微视野检查	深度学习模型	医学影像数据	20名患者（20只眼睛），平均年龄76.0岁
109	2025-10-02	Metaproteomics Beyond Databases: Addressing the Challenges and Potentials of De Novo Sequencing 2025-Sep, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400321 PMID:39888246	观点文章	探讨从头测序在宏蛋白质组学中的发展历程、优势、局限性和未来机遇	系统分析从头测序技术从手动注释到基于图论、标签和深度学习的先进方法演变，强调其在检测未测序物种和提供微生物群落功能洞察方面的潜力	依赖现有蛋白质数据库的限制性，对复杂且特征不明确的微生物组分析存在挑战	研究从头测序技术在宏蛋白质组学中的应用与发展前景	微生物群落蛋白质和肽段序列	宏蛋白质组学	NA	从头测序、质谱分析、基于图论的方法、标签方法、深度学习	深度学习模型	质谱数据、蛋白质序列数据	NA
110	2025-10-02	Artificial Intelligence and Network Medicine: Path to Precision Medicine 2025-Sep, NEJM AI DOI:10.1056/aira2401229 PMID:40918693	综述	本文综述了人工智能与网络医学结合在精准医学领域的应用与前景	将网络医学与深度学习技术相结合，通过多组学数据分析提升疾病机制解析和治疗精准度	面临生物医学复杂性的持续挑战	探索人工智能与网络医学结合推动精准医学发展的路径	分子相互作用网络和多组学数据集	机器学习	NA	多组学数据分析	深度学习	多组学数据	NA
111	2025-10-02	A Novel Convolutional Neural Network for Automated Multiple Sclerosis Brain Lesion Segmentation 2025 Sep-Oct, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.70085 PMID:40937688	研究论文	开发了一种基于深度学习的自动化多发性硬化脑部病灶分割算法FLAMeS	基于nnU-Net 3D全分辨率U-Net架构，在三个外部数据集上验证均优于现有公开方法	主要漏检小于10mm³的小病灶	开发自动化多发性硬化脑部病灶分割算法	多发性硬化患者的脑部MRI图像	计算机视觉	多发性硬化	磁共振成像（MRI），FLAIR序列	CNN，nnU-Net 3D U-Net	医学图像	训练集668个FLAIR扫描（1.5T和3T），测试集三个外部数据集共75个样本
112	2025-10-02	Multicenter Validation of Automated Segmentation and Composition Analysis of Lumbar Paraspinal Muscles Using Multisequence MRI 2025-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.240833 PMID:40833261	研究论文	开发并验证基于深度学习的自动化方法，用于多中心多序列MRI图像中腰椎旁肌的分割、肌肉体积量化和脂肪浸润评估	首次在多中心、多序列MRI数据上验证深度学习模型对腰椎旁肌的自动分割和组成分析能力	回顾性研究设计，样本来源有限（仅五个中心）	开发自动化工具用于腰椎旁肌的定量分析，以辅助慢性腰痛的研究	腰椎旁肌	计算机视觉	慢性腰痛	多序列MRI	CNN	医学图像	来自641名参与者的1302张MRI图像，涵盖五个医疗中心
113	2025-10-02	Interpretable Disorder Signatures: Probing Neural Latent Spaces for Schizophrenia, Alzheimer's, and Autism Stratification 2025-Sep-01, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15090954 PMID:41008314	研究论文	开发了一种基于时间反转自监督预训练的可解释深度学习框架，用于识别多种神经精神疾病的生物标志物	首次将时间反转自监督预训练应用于神经影像分类，提高了模型性能和可解释性，发现了与疾病相关的稳定功能网络特征	仅在五个临床数据集上验证，样本规模有限，需要进一步在更大样本上验证	开发可解释的深度学习框架来识别神经精神疾病的功能网络生物标志物	精神分裂症、阿尔茨海默病和自闭症谱系障碍患者	神经影像分析	神经精神疾病	fMRI，自监督学习，时间反转预训练	分层LSTM，逻辑回归	功能磁共振成像数据	使用Human Connectome Project数据集预训练，并在五个临床数据集(FBIRN, BSNIP, ADNI, OASIS, ABIDE)上微调和测试
114	2025-10-02	Self-contrastive weakly supervised learning framework for prognostic prediction using whole slide images 2025-Sep, PLOS digital health DOI:10.1371/journal.pdig.0000972 PMID:41026797	研究论文	提出一种基于全切片图像的弱监督学习框架用于预后预测	首创三部分框架：基于卷积网络的组织分割算法、对比学习模块和嵌套多实例学习分类模块	初步研究揭示了组织病理学图像分析在治疗结果预测方面的不足	解决自动预后预测的重大挑战	膀胱癌患者	数字病理	膀胱癌	深度学习	CNN、对比学习、多实例学习	全切片图像	私有数据队列（具体数量未提供）
115	2025-10-02	Explainable ResNet-long short-term memory model for the classification of bowel sounds frequency based on multifeature fusion 2025-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251376915 PMID:41027655	研究论文	开发基于多特征融合的可解释ResNet-LSTM模型用于肠鸣音频率分类	首次将ResNet50 V2与LSTM结合，通过多特征融合和可解释AI技术实现肠鸣音分类	研究仅在三个医疗机构进行，样本来源相对有限	开发准确客观的肠鸣音活动水平分类方法以评估胃肠动力	肠鸣音信号	数字病理	胃肠疾病	迁移学习、自动机器学习、LIME可解释性分析	ResNet50 V2 + LSTM	音频	三个医疗机构的前瞻性多中心研究数据
116	2025-10-02	Development of an embedded diagnostic tool for visual misalignment screening 2025-Sep, HardwareX IF:2.0Q3 DOI:10.1016/j.ohx.2025.e00692 PMID:41030858	研究论文	开发了一种基于计算机视觉和深度学习的低成本嵌入式系统，用于初步斜视筛查	集成了NASNetLarge卷积神经网络转换为TensorFlow Lite实现实时推理，并设计了新颖的治疗验证机制通过逐帧分析瞳孔到刺激物的距离	验证数据集规模有限（27张专有图像），需要在更大样本上进一步验证	开发低成本便携式斜视筛查系统，适用于资源有限环境	斜视患者的面部图像和眼动追踪数据	计算机视觉	斜视	深度学习、计算机视觉、嵌入式系统	CNN（NASNetLarge）	图像	专有数据集27张图像，平衡数据集1000张图像
117	2025-10-02	Identifying survival subtypes with autoencoder using multiple types of high-dimensional genomic data from studies of glioblastoma multiforme 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf499 PMID:41016009	研究论文	本研究通过整合多组学数据识别胶质母细胞瘤患者的生存亚型	使用自编码器整合RNA测序、甲基化和DNA拷贝数变异三种高维基因组数据，结合Cox-PH模型和稀疏群LASSO进行生存亚型分类	NA	识别胶质母细胞瘤患者的生存亚型并揭示其基因组特征	胶质母细胞瘤患者的多组学数据	机器学习	胶质母细胞瘤	RNA测序、甲基化测序、DNA拷贝数变异分析	自编码器、Cox-PH模型、稀疏群LASSO	基因组数据	来自TCGA公共数据库的胶质母细胞瘤患者数据
118	2025-10-02	AdaSemb: an adaptive knowledge-driven deep learning framework integrating cancer protein assemblies for predicting PI3Kα inhibitor response and resistance 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf510 PMID:41020523	研究论文	提出一种自适应知识驱动的深度学习框架AdaSemb，通过整合癌症蛋白组装体预测PI3Kα抑制剂反应和耐药性	首次将多蛋白组装体图谱与深度学习结合，采用生物结构神经网络和条件域对抗网络增强基因-药物分布泛化能力	研究主要针对乳腺癌，尚未验证在其他癌症类型中的适用性	开发能够预测PI3Kα抑制剂反应和耐药性的精准医疗工具	乳腺癌患者、癌症细胞系和患者来源异种移植模型	数字病理学	乳腺癌	基因组测序、深度学习	生物结构神经网络、条件域对抗网络	基因组数据、药物分子结构数据	1244个癌症细胞系和PDX模型，116名TCGA乳腺癌患者
119	2025-10-02	Advancing ADMET prediction through multiscale fragment-aware pretraining with MSformer-ADMET 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf506 PMID:41021261	研究论文	本文开发了专门用于ADMET性质预测的MSformer-ADMET模型，通过多尺度片段感知预训练提升预测性能	将MSformer框架专门适配于ADMET性质预测，采用基于片段的分子表示学习方法，并提供后验可解释性分析	NA	开发准确预测药物ADMET性质的深度学习模型，降低药物开发后期失败率	药物分子的吸收、分布、代谢、排泄和毒性(ADMET)性质	机器学习	NA	深度学习，Transformer架构	MSformer-ADMET	分子结构数据	基于治疗数据共享库(TDC)的22个任务
120	2025-10-02	SurvBoard: standardized benchmarking for multi-omics cancer survival models 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf521 PMID:41031875	研究论文	提出SurvBoard基准框架，用于标准化多组学癌症生存预测模型的性能评估	开发了首个标准化多组学癌症生存模型基准测试框架，支持单癌种与泛癌种模型比较，并能评估缺失模态数据的使用价值	NA	解决多组学癌症生存预测模型性能评估标准化不足的问题	多组学癌症生存预测模型	生物信息学	癌症	多组学整合分析	统计模型、深度学习方法	基因组、转录组、表观遗传组、蛋白质组数据	NA