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
1201	2025-07-21	Region-based U-nets for fast, accurate, and scalable deep brain segmentation: Application to Parkinson Plus Syndromes 2025-Jun-24, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103807 PMID:40592210	研究论文	本文介绍了一种基于区域U-net的深度学习方法，用于快速、准确且可扩展的深部脑结构分割，特别针对帕金森叠加综合征	通过将脑图像分割为围绕脑干、脑室系统和纹状体的目标区域，优化GPU使用并显著减少训练时间，同时保持高准确性	未明确提及具体限制，但可能受限于数据集的大小和多样性	开发一种高效的深度学习方法，用于早期诊断与年龄相关的神经退行性疾病	12个与帕金森叠加综合征相关的深部脑结构	数字病理学	帕金森叠加综合征	MRI分割	U-net	图像	包括660名受试者的临床数据集，涵盖健康对照组和各种运动障碍患者
1202	2025-07-21	Attention-Based Whole-Slide Image Compression Achieves Pathologist-Level Prescreening of Multiorgan Routine Histopathology Biopsies 2025-Jun-23, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100827 PMID:40562215	research paper	该研究提出了一种基于注意力机制的全切片图像压缩方法NIC-A，用于多器官常规组织病理活检的病理学家级别预筛查	引入了slide packing方法，将同一组织块的多张切片合并为单个图像，并利用弱监督深度学习实现无需手动标注的全切片图像分类	仅在2个欧洲中心的队列中进行了验证，需要更多外部验证	开发自动化癌症检测方法以减轻病理学家在常规数字病理诊断中的工作量	结肠和宫颈组织切片以及十二指肠活检	digital pathology	colorectal cancer, cervical cancer, celiac disease	weakly supervised deep learning	NIC-A (Neural Image Compression with Attention)	whole-slide images	12,580张全切片图像，来自9,141个组织块
1203	2025-07-21	Enhanced glaucoma detection using U-Net and U-Net+ architectures using deep learning techniques 2025-Jun-06, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104621 PMID:40482945	研究论文	本研究比较了多种图像处理和深度学习方法，提出了一种增强型青光眼诊断方法	结合了中值滤波降噪、U-Net和U-Net+架构的视盘分割、胶囊网络特征提取以及极限学习机分类诊断	NA	提高青光眼诊断的准确性和可靠性	青光眼诊断	计算机视觉	青光眼	深度学习技术	U-Net, U-Net+, Capsule Networks, ELM	图像	三个数据集（DRISHTI-GS, DRIONS-DB, HRF）
1204	2025-07-21	Referenceless 4D flow cardiovascular magnetic resonance with deep learning 2025-Jun-02, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101920 PMID:40467036	研究论文	本研究利用深度学习预测心血管4D流动磁共振成像中的参考编码，以减少扫描时间	提出了一种无需参考编码的4D流动心血管磁共振成像方法，通过深度学习预测参考编码，减少了25%的数据采集量	在左心室和右心室的总湍流动能计算中误差较大，最高达到-77.17%和24.96%	提高心血管疾病评估效率，减少4D流动磁共振成像的扫描时间	126名患有不同类型心肌病的患者	医学影像分析	心血管疾病	4D流动心血管磁共振成像(4D flow CMR)	U-NetADV, U-NetVEL	三维速度数据	126名患者（113名用于训练，13名用于测试）
1205	2025-07-21	SAFFusion: a saliency-aware frequency fusion network for multimodal medical image fusion 2025-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555458 PMID:40677382	研究论文	提出了一种基于显著性感知的频率融合网络SAFFusion，用于多模态医学图像融合	引入Mamba-UNet多尺度编码器-解码器架构，结合轮廓波变换和双分支频率特征融合模块，以及潜在低秩表示（LatLRR）评估图像显著性	未明确提及具体局限性	提升多模态医学图像融合效果，为阿尔茨海默病诊断和脑肿瘤检测与分割等临床决策提供更全面的参考	多模态医学图像（CT/MRI、SPECT/MRI、PET/MRI）	数字病理学	阿尔茨海默病、脑肿瘤	轮廓波变换、潜在低秩表示（LatLRR）	Mamba-UNet	医学图像	未明确提及具体样本量
1206	2025-07-21	Deep learning for the detection of colon polyps with malignant potential: ex vivo classification using feature-enhanced optical coherence tomography (OCT) images 2025-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555185 PMID:40677387	研究论文	本研究提出了一种基于深度学习的框架，利用特征增强的光学相干断层扫描(OCT)图像对具有恶性潜能的结肠息肉进行离体分类	通过提取OCT图像中的额外特征作为疾病生物标志物，并结合深度学习分类模型进行决策级融合，提高了分类准确性	研究使用的是离体样本，尚未在临床环境中验证	提高结肠息肉恶性潜能检测的准确性，优化结直肠癌筛查效果	结肠息肉(包括正常、增生性、腺瘤和无蒂锯齿状腺瘤)	数字病理学	结直肠癌	光学相干断层扫描(OCT)	深度学习分类模型	OCT图像	NA
1207	2025-07-21	Perturbation response scanning of drug-target networks: Drug repurposing for multiple sclerosis 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101295 PMID:40678478	研究论文	本文提出了一种结合弹性网络模型（ENM）和扰动响应扫描（PRS）的药物靶点网络分析方法，用于多发性硬化症（MS）的药物重定位	首次将PRS分析应用于药物靶点网络，结合深度学习和网络扰动框架，为MS药物重定位提供新方法	研究仅针对MS，未验证方法在其他复杂疾病中的普适性	开发网络扰动建模方法用于药物重定位	多发性硬化症（MS）及其相关药物靶点网络	网络医学	多发性硬化症	弹性网络模型（ENM）、扰动响应扫描（PRS）、深度学习、随机游走重启算法	深度学习模型	基因数据、网络数据	基于杯状酮诱导的慢性小鼠模型进行验证
1208	2025-07-21	druglikeFilter 1.0: An AI powered filter for collectively measuring the drug-likeness of compounds 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101298 PMID:40678482	研究论文	介绍了一个基于深度学习的框架druglikeFilter，用于从四个关键维度评估化合物的药物相似性	首次提出一个综合评估药物相似性的深度学习框架，涵盖物理化学规则、毒性警报、结合亲和力和化合物可合成性四个维度	未提及具体性能指标或与其他工具的对比结果	降低药物开发成本并提高成功率	化合物库中的化合物	机器学习	NA	深度学习	NA	化学化合物数据	未提及具体样本数量
1209	2025-07-21	In silico prediction of pK a values using explainable deep learning methods 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101174 PMID:40678476	research paper	本研究提出了一种名为GraFp的pKa预测模型，结合了图神经网络和分子指纹技术，旨在提高预测准确性和可解释性	GraFp模型不仅提高了pKa预测的准确性，还通过集成梯度（IGs）增强了模型的可解释性，能够清晰展示对pKa值有显著影响的原子	NA	开发一个既准确又可解释的pKa预测模型，以支持药物研究中的ADMET属性评估	分子及其pKa值	machine learning	NA	graph neural networks (GNNs), molecular fingerprints, Integrated Gradients (IGs)	GNN	molecular structure data	NA
1210	2025-07-21	Identify drug-drug interactions via deep learning: A real world study 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101194 PMID:40678481	研究论文	本研究开发了一种名为MDFF的多维特征融合模型，用于预测药物-药物相互作用（DDIs），并在真实世界数据中验证其性能	MDFF模型整合了一维简化分子输入行条目系统序列特征、二维分子图特征和三维几何特征，以增强药物表示，提高DDI预测的准确性	尽管在真实世界数据中表现良好，但样本量较小（仅12份不良反应报告），可能需要更大规模的数据验证	开发一种能够准确预测药物-药物相互作用的深度学习模型，并验证其在临床实践中的应用潜力	药物-药物相互作用（DDIs）	机器学习	NA	深度学习	MDFF（多维特征融合模型）	分子序列数据、分子图数据、几何特征数据	两个DDI数据集和12份真实世界不良反应报告
1211	2025-07-21	Multi-class classification of central and non-central geographic atrophy using Optical Coherence Tomography 2025-May-28, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.27.25328446 PMID:40492092	研究论文	开发并验证基于深度学习的模型，利用光学相干断层扫描（OCT）数据对地理萎缩（GA）亚型进行分类	首次使用Vision Transformer (ViT-B/16)架构对GA亚型进行分类，并通过选择性使用包含中央凹区域的B扫描提高了诊断准确性	研究样本量相对较小（104名患者），且为回顾性研究	开发能够准确分类地理萎缩亚型的深度学习模型	地理萎缩（GA）患者的OCT扫描数据	数字病理学	年龄相关性黄斑变性（AMD）	光学相干断层扫描（OCT）	ResNet50, MobileNetV2, Vision Transformer (ViT-B/16)	图像	455个OCT体积（来自104名患者），包括258个中央GA、74个非中央GA和123个无GA样本
1212	2025-07-21	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	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，实现了对单域和多域蛋白质结构的自动化建模，且在性能上超越了AlphaFold2和AlphaFold3	NA	开发一种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	单域和多域蛋白质结构	machine learning	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	人类蛋白质组中的81%蛋白质域和73%全链序列
1213	2025-07-21	Development of machine learning-based mpox surveillance models in a learning health system 2025-May-02, Sexually transmitted infections IF:3.6Q2 DOI:10.1136/sextrans-2024-056382 PMID:40318862	研究论文	本研究旨在开发基于机器学习和深度学习的模型，用于通过临床记录检测mpox病例以支持监测工作	开发了基于临床记录的机器学习和深度学习模型，用于mpox病例检测，并比较了不同模型的性能	研究为回顾性研究，可能存在数据偏差，且样本量相对较小	开发用于mpox病例监测的机器学习和深度学习模型	临床记录中的mpox病例	机器学习	mpox（猴痘）	机器学习和深度学习	LASSO回归, ClinicalBERT, ClinicalLongformer	临床记录文本	228例PCR确诊的mpox病例和698例对照
1214	2025-07-21	AI-Cirrhosis-ECG (ACE) score for predicting decompensation and liver outcomes 2025-May, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101356 PMID:40276480	研究论文	本研究开发了一种基于深度学习的AI-Cirrhosis-ECG (ACE)评分系统，用于预测肝硬化患者的失代偿和肝脏相关结局	首次将深度学习技术应用于ECG数据分析，开发出能够准确预测肝硬化失代偿和临床结局的非侵入性评分系统	需要在更多样化的人群中进行进一步验证，并与其他已建立的预测因子整合	提高肝硬化患者疾病严重程度和预后的预测准确性	肝硬化患者	数字病理学	肝硬化	深度学习	深度学习模型	ECG数据	来自三个队列的总共1233名患者（472名回顾性队列，420名前瞻性移植队列，341名外部验证队列）
1215	2025-07-21	Migration of Deep Learning Models Across Ultrasound Scanners 2025-Apr-25, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	研究论文	本文提出了一种在定量超声（QUS）中迁移深度学习模型功能的黑盒无监督域适应技术	开发了一种策略，可以在黑盒设置下将深度学习模型的功能从一台超声机器迁移到另一台，且不依赖模型内部信息	需要假设测试机器上有未标记数据可用，且未探讨模型在其他类型超声机器上的迁移效果	研究深度学习模型在不同超声机器间的功能迁移方法	超声机器（SonixOne和Verasonics）和深度学习模型	医学影像分析	NA	黑盒无监督域适应技术	深度学习模型	超声数据	使用了SonixOne和Verasonics两台超声机器的数据
1216	2025-07-21	Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation 2025-Apr-23, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003495 PMID:40267276	research paper	本研究旨在通过深度学习模型（BEDDLM）对外部验证巴雷特食管（BE）异型增生的组织学诊断	使用cGANs进行染色标准化，并采用YOLO模型与ResNet101分类器结合的集成方法进行WSIs分析	样本来源仅限于三个外部学术中心，可能影响模型的广泛适用性	提高巴雷特食管异型增生的诊断准确性，减少人工病理读片中的观察者间变异和过度诊断	巴雷特食管（BE）患者的非异型增生（NDBE）、低度异型增生（LGD）和高度异型增生（HGD）组织切片	digital pathology	esophageal adenocarcinoma	cycle-generative adversarial networks (cGANs), YOLO, ResNet101	CNN (ResNet101), YOLO	whole slide images (WSIs)	489张WSIs（232 NDBE, 117 LGD, 140 HGD）
1217	2025-07-21	pC-SAC: A method for high-resolution 3D genome reconstruction from low-resolution Hi-C data 2025-Apr-10, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf289 PMID:40226920	研究论文	提出了一种名为pC-SAC的计算方法，用于从低分辨率Hi-C数据中重建高分辨率3D基因组	pC-SAC采用自适应重要性采样与序列蒙特卡洛方法，生成满足物理约束的3D染色质链集合，显著提高了Hi-C数据的分辨率	未提及具体样本量或实验验证的局限性	提高Hi-C数据的分辨率，以更深入地研究3D基因组组织及其在基因调控和疾病中的作用	3D基因组组织	计算生物学	NA	Hi-C, 自适应重要性采样, 序列蒙特卡洛	probabilistically Constrained Self-Avoiding Chromatin (pC-SAC)	Hi-C数据	NA
1218	2025-07-21	Enhancing nonlinear transcriptome- and proteome-wide association studies via trait imputation with applications to Alzheimer's disease 2025-Apr, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011659 PMID:40209152	研究论文	本文探讨了在非线性转录组和蛋白质组关联研究中使用估算的阿尔茨海默病状态，以识别与AD风险相关的基因和蛋白质	利用估算的AD状态进行非线性TWAS/PWAS研究，结合深度学习模型DeLIVR，提高了统计功效而不增加假阳性	研究依赖于估算的AD状态，可能受到估算准确性的影响	识别与阿尔茨海默病风险相关的基因和蛋白质	阿尔茨海默病相关的基因和蛋白质	生物信息学	阿尔茨海默病	TWAS/PWAS, 深度学习	DeLIVR	基因表达数据, 蛋白质组数据	来自GTEx项目和UK Biobank的数据，以及ADSP的临床诊断AD病例
1219	2025-07-21	SuperMRF: deep robust reconstruction for highly accelerated magnetic resonance fingerprinting 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1819 PMID:40235764	研究论文	本研究提出了一种名为SuperMRF的新型深度学习框架，用于从欠采样的三维笛卡尔磁共振指纹数据直接生成定量T1和T2图，绕过传统的模式匹配方法	SuperMRF利用三维CNN同时利用二维空间和一维时间信息进行重建，相比传统方法能更充分地利用MRF数据的时空内容	研究仅针对健康志愿者的膝关节扫描数据进行了验证，样本量较小（4名志愿者）	设计和评估一种能实现快速、稳健MRF重建的深度学习框架	磁共振指纹数据	医学影像分析	NA	磁共振指纹成像(MRF)	3D CNN	三维笛卡尔MRF数据	4名健康志愿者
1220	2025-07-21	Open-Source Manually Annotated Vocal Tract Database for Automatic Segmentation from 3D MRI Using Deep Learning: Benchmarking 2D and 3D Convolutional and Transformer Networks 2025-Mar-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.02.026 PMID:40050174	研究论文	本研究评估了四种深度学习架构在3D MRI数据中自动分割声道的效果	比较了2D和3D卷积网络及Transformer网络在声道分割中的性能，并探讨了迁移学习的应用	所有模型在分割某些特定声音（如/kõn/）和骨性区域（如牙齿）附近时表现不佳	评估深度学习算法在3D MRI数据中自动分割声道的效能	10名法语使用者的53个声道体积数据	计算机视觉	NA	3D MRI扫描	2D U-Net, 3D U-Net, 3D U-Net with transfer learning, 3D transformer U-Net (3D U-NetR)	3D MRI图像	53个声道体积数据（来自10名受试者）