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
1261	2025-08-30	Multimodal Deep Learning Model Based on Ultrasound and Cytological Images Predicts Risk Stratification of cN0 Papillary Thyroid Carcinoma 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.043 PMID:40664556	研究论文	开发并验证一种基于超声和细胞学图像的多模态深度学习模型，用于术前无创评估cN0甲状腺乳头状癌的风险分层	首次整合超声和细胞学图像构建多模态深度学习模型，用于术前非侵入性风险分层预测	回顾性多中心研究，样本量相对有限（总样本997例），外部验证需进一步扩展	术前准确评估cN0甲状腺乳头状癌风险分层以辅助治疗决策	cN0甲状腺乳头状癌患者	数字病理	甲状腺癌	深度学习	多模态深度学习模型	超声图像、细胞学图像	890例训练验证患者（来自5个医疗中心），107例测试患者（来自1个医疗中心）
1262	2025-08-30	From Faster Frames to Flawless Focus: Deep Learning HASTE in Postoperative Single Sequence MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.039 PMID:40562676	研究论文	本研究评估深度学习加速的HASTE序列在术后腹部MRI中检测积液的应用效果	提出深度学习加速的HASTE序列(HASTE-DL)，相比传统序列扫描时间减少46%且图像质量显著提升	回顾性研究，样本量有限(76例患者)，需进一步多中心验证	评估深度学习加速MRI序列在术后积液检测中的可行性	腹部手术后疑似感染灶的76例患者(平均年龄65±11.69岁)	医学影像分析	术后并发症	深度学习加速MRI序列(HASTE-DL)，3-T MRI扫描	深度学习	MRI图像	76例患者
1263	2025-08-30	Deep Learning Models Connecting Images and Text: A Primer for Radiologists 2025-09, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240103 PMID:40811083	综述	介绍连接图像与文本的深度学习模型及其在放射学中的潜在应用	系统分类并总结了图像-文本连接模型的最新进展，包括自监督学习、零样本学习和基于Transformer的架构	NA	为放射科医生提供图像-文本连接深度学习模型的入门指南	放射学工作流程和医学图像报告	计算机视觉	NA	深度学习	Transformer	图像、文本	NA
1264	2025-06-13	Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy 2025-Aug-31, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.25-059 PMID:40499925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1265	2025-08-30	Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data 2025-Aug-28, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8768 PMID:40194853	研究论文	开发基于深度学习的方法，从动态对比增强MRI数据合成DSC MRI衍生的参数图	使用条件生成对抗网络(cGAN)首次实现从DCE MRI数据生成DSC参数图，避免重复使用钆对比剂	NA	通过深度学习减少MRI扫描中对比剂的使用剂量	脑肿瘤患者及无脑肿瘤的对照组参与者	医学影像分析	脑肿瘤	DSC MRI, DCE MRI	cGAN (conditional Generative Adversarial Network)	MRI影像数据	64名参与者（包括脑肿瘤患者和对照组）
1266	2025-08-30	Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set 2025-Aug-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02399 PMID:40783839	研究论文	本研究利用整合自四个来源的精选数据集，开发了一种用于预测有机化合物水溶性的机器学习模型	通过结合多种化学描述符、指纹和功能基团，采用机器学习和深度学习模型，在高度多样化的数据集上实现了优于现有方法的预测精度（R²=0.92，MAE=0.40）	NA	提高有机化合物水溶性的预测准确性，以支持从药物开发到材料科学的应用	有机化合物	机器学习	NA	机器学习和深度学习	多种ML和DL模型	化学描述符、指纹和功能基团数据	1282种独特有机化合物（来自Huuskonen数据集）
1267	2025-08-30	The diagnostic performance of ultrasound features for biliary atresia: a systematic review and updated meta-analysis 2025-Aug-18, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-025-06118-3 PMID:40824323	系统综述与荟萃分析	评估超声特征在胆道闭锁诊断中的性能，特别关注囊性胆道闭锁的鉴别	首次专门针对囊性胆道闭锁与伴有黄疸和肝门囊肿婴儿的鉴别诊断准确性进行荟萃分析	超声引导PTCC的临床应用受技术复杂性和患者要求限制，胆囊异常相关特征的未检出比例变异较大	系统评估超声特征在胆道闭锁诊断中的性能	胆道闭锁患者和婴儿胆汁淤积症患者	医学影像诊断	胆道闭锁	超声检查、荟萃分析、人工智能	深度学习	医学影像数据	基于多数据库检索的文献数据（具体样本量未明确说明）
1268	2025-08-30	Performance Evaluation of Deep Learning for the Detection and Segmentation of Thyroid Nodules: Systematic Review and Meta-Analysis 2025-Aug-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/73516 PMID:40811738	系统综述与荟萃分析	评估深度学习算法在甲状腺结节检测与分割中的诊断性能并进行系统综述与荟萃分析	首次通过系统评价和荟萃分析综合评估深度学习模型在甲状腺结节诊断中的性能，并对比临床医生诊断准确性	研究方法设计欠佳、数据集图像质量不一致、外部验证不足可能引入偏倚	评估深度学习算法诊断甲状腺结节恶性的性能，分析影响诊断效果的关键因素	甲状腺结节（TNs）的医学影像	医学影像分析	甲状腺癌	深度学习（DL）	深度学习算法	医学影像	41项符合条件的研究（分割任务14项，检测任务27项）
1269	2025-08-30	Multimodal Deep Learning for ARDS Detection 2025-Aug-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.08.25333333 PMID:40832385	研究论文	开发了一种多模态深度学习模型，结合影像、通气波形和电子健康记录数据用于ARDS早期检测	首次整合胸部X光、呼吸机波形数据和电子健康记录表格数据，通过多模态深度学习提升ARDS检测性能	需要进一步研究各模态对检测效果的附加贡献，且数据集规模较小、异质性较强	通过多模态深度学习改善急性呼吸窘迫综合征（ARDS）的早期诊断	ICU收治的220名患者	医疗人工智能	急性呼吸窘迫综合征	深度学习，预训练编码器	多模态深度学习模型	影像（X光）、时间序列（通气波形）、表格（EHR数据）	220名ICU患者
1270	2025-08-30	18F-FDG PET/CT-based deep radiomic models for enhancing chemotherapy response prediction in breast cancer 2025-Aug-11, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-025-02982-0 PMID:40790010	研究论文	本研究开发了基于18F-FDG PET/CT的深度放射组学模型，用于提升乳腺癌化疗反应的早期预测精度	结合SENet深度学习模型从PET/CT图像中提取深度特征，并与传统放射组学特征融合，显著提高了化疗反应预测的准确性	研究样本量较小（60例患者），且为回顾性数据，可能存在选择偏差	提升乳腺癌患者化疗反应的早期预测能力，以优化个性化治疗策略	60例乳腺癌患者的18F-FDG PET/CT影像数据和临床记录	医学影像分析	乳腺癌	18F-FDG PET/CT成像，放射组学特征提取，深度学习	XGBoost, RF, LR, SVM, SENet	医学影像（PET/CT）	60例乳腺癌患者
1271	2025-08-30	EDNTOM: An Ensemble Learning and Weight Mechanism-Based Nanopore Methylation Detection Tool 2025-Aug-05, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01924 PMID:40787313	研究论文	开发了一种基于集成学习和注意力权重机制的纳米孔测序甲基化检测工具EDNTOM	采用集成学习整合多个预训练单模型预测，并引入注意力权重机制，在计算资源和检测性能间取得更好平衡	NA	提供更准确可靠的DNA甲基化检测解决方案	DNA甲基化修饰	机器学习	NA	纳米孔测序	集成学习、注意力机制	DNA测序数据	NA
1272	2025-08-30	GGCRB: A Graph Neural Network Approach for Predicting CircRNA-RBP Interactions Using Structural and Sequence Features 2025-Aug-05, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04524 PMID:40787315	研究论文	提出一种结合序列和结构特征的图神经网络方法GGCRB，用于预测circRNA与RBP的结合位点	首次整合circRNA的结构特征（通过图卷积网络和注意力机制建模）与多种序列编码方案，显著提升预测精度	未明确说明模型计算复杂度或对未见物种的泛化能力	开发高精度的circRNA-RBP结合位点预测计算方法	环状RNA（circRNA）与RNA结合蛋白（RBP）	生物信息学	NA	RNAstructure结构预测、五种序列编码（HFN, ND, NCP, DPCP, Doc2Vec）	图神经网络（GCN、GAT）、CNN、双向LSTM、多头注意力机制	序列数据、结构邻接矩阵	16个基准数据集
1273	2025-08-30	Effect of Deep Learning-Based Artificial Intelligence on Radiologists' Performance in Identifying Nigrosome 1 Abnormalities on Susceptibility Map-Weighted Imaging 2025-Aug, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.0208 PMID:40736409	研究论文	评估基于深度学习的AI软件对不同经验水平放射科医生在SMwI图像上识别黑质致密部1区异常的诊断性能影响	首次采用YOLOX目标检测和SparseInst分割模型的AI系统，并量化分析AI对不同经验放射科医生的差异化提升效果	回顾性研究设计，样本量有限（139例扫描），且仅使用单一厂商的AI软件版本	探究AI辅助诊断对放射科医生识别帕金森病相关影像学标志物的性能提升作用	59名帕金森病患者和80名健康参与者的SMwI磁共振影像	计算机视觉	帕金森病	深度学习，磁共振成像（SMwI）	YOLOX, SparseInst	医学影像	139例SMwI扫描（59例患者+80例健康对照）
1274	2025-08-30	UM-CPP: A Universal Model for Efficient Classification of Protein Particles in cryo-EM Micrographs with Feature Engineering 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01660 PMID:40686975	研究论文	提出一种结合特征工程与深度学习的通用模型UM-CPP，用于高效分类冷冻电镜显微图像中的蛋白质颗粒	采用混合方法将经典机器学习特征与先进深度学习技术融合，提升颗粒检测的鲁棒性和适应性，并提供可解释的特征分析	NA	提升冷冻电镜数据中目标蛋白质识别的准确性和可解释性	冷冻电镜显微图像中的蛋白质颗粒	计算机视觉	NA	冷冻电镜成像	深度学习与特征工程混合模型	图像	NA
1275	2025-08-30	Enhancing Accuracy and Feature Insights in Hydration Free Energy Predictions for Small Molecules with Machine Learning 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04249 PMID:40687018	研究论文	利用机器学习技术提升小分子水合自由能预测的准确性并提取特征洞察	提出集成K近邻特征处理、集成建模和降维的轻量级机器学习方案，仅使用二维特征在FreeSolv数据集上达到0.53 kcal/mol平均无符号误差，无需大型数据库预训练	NA	提升小分子溶剂化自由能预测精度并理解其物理决定因素	小分子	机器学习	NA	机器学习	K-nearest neighbors, 集成学习	分子几何与拓扑特征	FreeSolv数据集
1276	2025-08-30	Antimicrobial Peptides Design Using Deep Learning and Rational Modifications: Activity in Bacteria, Candida albicans, and Cancer Cells 2025-Jul-11, Current microbiology IF:2.3Q3 DOI:10.1007/s00284-025-04346-3 PMID:40643674	研究论文	利用深度学习和理性修饰设计抗菌肽，并在细菌、白色念珠菌和癌细胞中验证其活性	结合两种深度学习算法生成肽序列，并通过生物信息学和AI工具预测活性后进行理性修饰优化	仅对12种肽进行了体外实验验证，样本规模有限	开发高效低毒的抗菌肽以应对抗生素耐药性问题	细菌（四种菌种）、白色念珠菌和乳腺癌细胞系（MCF-7）	机器学习	NA	深度学习、生物信息学分析	深度学习算法（未指定具体类型）	序列数据	26种计算机生成肽中12种进行合成和体外测试
1277	2025-08-30	OmicsTweezer: A distribution-independent cell deconvolution model for multi-omics Data 2025-Jul-08, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100950 PMID:40675159	研究论文	开发了一种分布无关的多组学数据细胞反卷积模型OmicsTweezer，用于准确估计细胞类型比例	结合最优传输与深度学习，在共享潜在空间中对齐模拟和真实数据，有效缓解数据偏移和组学间分布差异	NA	解决批量组学数据与参考单细胞数据之间的批次效应问题，实现准确细胞反卷积	批量RNA-seq、批量蛋白质组学和空间转录组学数据	生物信息学	前列腺癌、结肠癌	RNA-seq、蛋白质组学、空间转录组学	深度学习与最优传输结合模型	多组学数据	模拟和真实数据集（具体数量未说明）
1278	2025-08-30	3BTRON: A Blood-Brain Barrier Recognition Network 2025-Jul-04, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08453-6 PMID:40615521	研究论文	提出一种名为3BTRON的深度学习框架，用于自动分析血脑屏障的电子显微镜图像，以识别衰老引起的结构变化	开发了首个基于深度学习的自动化工具3BTRON，能够从电子显微镜图像中识别衰老相关的血脑屏障结构变化，并揭示对预测贡献最大的空间特征	模型在未见数据上的敏感性为77.8%，特异性为80.0%，识别精度仍有提升空间，且研究仅基于小鼠模型	开发自动化工具分析血脑屏障在衰老过程中的结构变化	年轻和年老小鼠大脑三个不同脑区的血脑屏障	计算机视觉	老年疾病	电子显微镜成像	深度学习框架（具体结构未说明）	图像	359个小鼠大脑样本
1279	2025-08-30	Report on the quantitative intra-voxel incoherent motion diffusion MRI reconstruction grand challenge 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17998 PMID:40665555	研究报告	报告2024年定量体素内不相干运动扩散MRI重建挑战赛的结果，旨在评估和推进从扩散MRI数据提取定量组织参数的算法	通过大规模挑战赛形式系统评估传统优化和深度学习方法在IVIM-dMRI重建中的性能，并采用基于真实数字体模的模拟k空间数据	基于模拟数据的方法虽然提供了受控环境，但需要未来研究解决真实世界的复杂性以确保临床适用性	提高扩散MRI中定量组织参数估计的准确性和鲁棒性，推动更广泛的临床采用	扩散MRI数据，特别是IVIM模型参数（灌注分数、伪扩散系数和真扩散系数）	医学影像	NA	扩散MRI（dMRI），体素内不相干运动（IVIM）模型	U-Net，深度学习（DL）方法	MRI图像数据，k空间数据	42个团队参与，7个进入最终阶段，使用基于VICTRE数字体模的模拟数据
1280	2025-08-30	Machine Learning for Predicting Critical Events Among Hospitalized Children 2025-05-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.13149 PMID:40445617	研究论文	开发一种机器学习模型，用于早期检测住院儿童的病情恶化，实现全医院统一风险评估	提出首个跨医院单元（急诊、病房、ICU）的统一儿科风险评估模型，优于现有单元专用工具	回顾性研究，可能存在数据偏差；深度学习模型未显示性能提升	通过机器学习早期预测住院儿童关键事件（机械通气、血管活性药物使用或死亡）	18岁以下住院儿童	机器学习	儿科疾病	极端梯度提升机（XGB），深度学习	XGBoost, 深度学习模型	临床数据（年龄、生命体征、实验室结果、合并症等）	135,621名患者来自3家三级医院