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
1301	2025-07-20	Super-resolution CBCT on a new generation flat panel imager of a C-arm gantry linear accelerator 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18000 PMID:40665524	研究论文	本研究评估了基于条件生成对抗网络（cGANs）的深度学习超分辨率（SR）模型在投影域增强CBCT图像分辨率的可行性	提出了一种在投影域而非图像域进行超分辨率处理的新方法，能有效恢复因探测器binning操作导致的分辨率损失	研究主要使用体模数据，尚未在真实患者数据上验证	提高C型臂直线加速器新型平板探测器获取的CBCT图像分辨率	Varian TrueBeam LINAC配备的RTI4343iL平板探测器获取的CBCT投影数据	医学影像处理	NA	深度学习超分辨率技术	cGANs（条件生成对抗网络）框架下的U-Net生成器	CBCT投影图像	576对CBCT投影数据（460对训练，116对验证）和144个动态胸部投影数据
1302	2025-07-20	The impact of uncertainty estimation on radiomic segmentation reproducibility and scan-rescan repeatability in kidney MRI 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17995 PMID:40665574	研究论文	本研究探讨了在肾脏MRI中，通过考虑分割不确定性来提高放射组学特征的再现性和重复性，并评估了基于不确定性信息的分割是否能改善健康与病理受试者的分类	首次将不确定性量化整合到基于深度学习的放射组学分割中，以提高特征的稳健性和分类性能	不同方法和受试者群体中，关于分割变异性的再现性改进并不一致	提高放射组学分析在分割和扫描-重扫描变异性中的稳健性，并改善病理与健康受试者的分类能力	慢性肾脏病（CKD）患者和健康对照（HC）的肾脏MRI数据	数字病理	慢性肾脏病	MRI	U-Net, Monte Carlo dropout (MCD), test-time augmentation (TTA)	图像	公开可用的肾脏MRI数据集，包含CKD患者和健康对照
1303	2025-07-20	Joint enhancement of automatic chest x-ray diagnosis and radiological gaze prediction with multistage cooperative learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17977 PMID:40665596	research paper	提出一种新型深度学习框架，用于联合胸部X光扫描的疾病诊断和放射科医生凝视显著性图预测	引入双编码器多任务UNet架构，结合DenseNet201和残差与Squeeze-and-Excitation块编码器，提出多阶段协作学习策略和对比学习特征编码预训练	未明确说明模型在多样化数据集上的泛化能力及临床部署的可行性	提升自动放射诊断质量并预测放射科医生凝视模式	胸部X光扫描图像及对应放射科医生眼动数据	digital pathology	lung cancer	deep learning	dual-encoder multitask UNet (DenseNet201 + Residual and Squeeze-and-Excitation blocks)	medical images (chest X-ray) + eye gaze tracking data	NA
1304	2025-07-20	EUP: Enhanced cross-species prediction of ubiquitination sites via a conditional variational autoencoder network based on ESM2 2025-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013268 PMID:40668800	research paper	该论文介绍了一个名为EUP的在线网络服务器，用于多物种泛素化位点预测和模型解释	利用预训练语言模型ESM2提取赖氨酸位点依赖特征，并通过条件变分推断降低特征维度，提高了跨物种泛素化位点预测的性能和解释性	未提及具体的数据集大小或模型在极端情况下的表现	提高跨物种泛素化位点预测的准确性和解释性	动物、植物和微生物中的泛素化位点	machine learning	NA	conditional variational autoencoder	ESM2	protein sequences	NA
1305	2025-07-20	Automated machine learning predicts liver metastases in patients with early-onset gastroenteropancreatic neuroendocrine tumors 2025-Jun-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-946 PMID:40672078	研究论文	本研究利用自动化机器学习（AutoML）方法开发了一个预测模型，用于早期检测早发性胃肠胰神经内分泌肿瘤（GEP-NETs）患者的肝转移	使用AutoML方法构建预测模型，并比较了多种算法（GBM、GLM、DL、DRF）的性能，其中GBM算法表现最佳	研究基于回顾性数据，可能存在选择偏倚	开发一个预测模型，用于早期检测早发性GEP-NETs患者的肝转移	早发性GEP-NETs患者	机器学习	胃肠胰神经内分泌肿瘤	AutoML	GBM, GLM, DL, DRF	临床数据	12,802名患者（训练集8,983名，验证集3,819名）
1306	2025-07-20	Development and validation of growth prediction models for multiple pulmonary ground-glass nodules based on CT features, radiomics, and deep learning 2025-Jun-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-1039 PMID:40673084	研究论文	开发并验证基于CT特征、放射组学和深度学习的多发性肺磨玻璃结节生长预测模型	首次针对多发性肺磨玻璃结节开发生长预测模型，结合临床特征、放射组学和深度学习技术，并比较不同模型的预测性能	研究为回顾性设计，样本量相对有限（231名患者，732个结节），且随访时间可能不足以捕捉所有结节的生长模式	预测多发性肺磨玻璃结节的生长模式，以更精确地识别需要密切监测或早期干预的结节	多发性肺磨玻璃结节患者及其CT影像数据	数字病理	肺癌	CT扫描、放射组学分析、深度学习	临床模型、放射组学模型、DL模型、临床-放射组学模型、临床-DL模型	医学影像（CT）	231名患者（平均年龄54.1±9.9岁，26.4%男性，73.6%女性），共732个磨玻璃结节
1307	2025-07-20	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	研究[177Lu]Lu-DOTATATE肽受体放射性核素治疗(PRRT)在转移性神经内分泌肿瘤(NETs)中的药代动力学、剂量学模式及吸收剂量(AD)-效应关系，以制定未来个性化剂量引导治疗策略	揭示了不同治疗周期和不同NET亚组的剂量学行为，并建立了eGFR与AD之间的关系模型，可用于早期预测肾功能	样本量较小(30例患者)，且未观察到高于2级的肾毒性	优化PRRT个性化治疗方案	转移性神经内分泌肿瘤患者	放射治疗	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量率图生成、剂量率拟合	深度学习算法(用于肾脏分割)	医学影像(SPECT/CT)	30例患者(22例完成所有周期SPECT/CT成像)
1308	2025-07-20	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Jun, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	研究论文	该研究提出了一种使用语义文本相似性（STS）方法来链接创伤性脑损伤（TBI）不同症状量表之间的症状和评分	利用预训练的深度学习模型通过语义文本相似性来链接不同症状量表，解决了TBI诊断和结果预测中结果不可比的问题	需要进一步验证该方法在其他疾病或症状量表上的适用性	解决创伤性脑损伤（TBI）诊断和结果预测中不同症状量表结果不可比的问题	创伤性脑损伤（TBI）的症状量表和患者数据	自然语言处理	创伤性脑损伤	语义文本相似性（STS）	预训练的深度学习模型	文本	来自16个国际数据源的6,607名参与者
1309	2025-07-20	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选进行聚类	结合图同构网络（GIN）模型与k-means和层次凝聚聚类方法，首次实现了RNA结构基序的自动化聚类，并发现了新的RNA结构基序家族	未提及该方法在超大规模RNA结构数据集上的计算效率问题	开发自动化工具解决RNA结构基序识别难题	RNA环状区域的结构基序	生物信息学	NA	图同构网络（GIN），k-means聚类，层次凝聚聚类	GIN	RNA 3D结构数据	成功识别927个已知基序家族新实例和12个新基序家族
1310	2025-07-20	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-May-27, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	该研究利用深度学习技术，通过短暂的发作间期颅内记录准确识别癫痫发作起始区	首次证明深度学习模型可以利用短暂的发作间期颅内记录数据准确分类癫痫发作起始区，且性能优于随机标签训练的模型	研究样本量相对有限（78名患者），且模型性能在不同患者群体中存在差异	开发自动化方法定位癫痫发作起始区，以改善术前评估并减少患者住院时间	78名癫痫患者的100多万段发作间期立体脑电图记录	数字病理学	癫痫	立体脑电图（stereotactic electroencephalography）	一维卷积神经网络（1D CNN）	颅内电生理信号	78名患者的100多万段脑电图记录
1311	2025-07-20	Deep learning-guided design of dynamic proteins 2025-May-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	研究论文	本文提出了一种基于深度学习的蛋白质动态变化设计方法	首次实现了对蛋白质内部几何动态变化的从头设计，并验证了设计的构象	未提及具体应用场景或体内验证结果	开发能够设计具有可控构象变化蛋白质的新方法	蛋白质的构象动态变化	机器学习	NA	深度学习	NA	蛋白质结构数据	4个验证结构
1312	2025-07-20	Differentiable Folding for Nearest Neighbor Model Optimization 2025-May-12, ArXiv PMID:40160447	研究论文	本文提出了一种基于可微分折叠的高效、可扩展且灵活的参数优化方法，用于改进最近邻模型的RNA二级结构预测	利用可微分折叠技术直接计算RNA折叠算法的梯度，显著提高了参数优化的效率和效果	未明确提及方法在复杂RNA结构或大规模数据集上的适用性限制	优化RNA二级结构预测的最近邻模型参数	RNA二级结构	计算生物学	NA	可微分折叠	最近邻模型	RNA结构数据和热力学实验数据	包含约13,000个热力学参数的新数据库RNAometer
1313	2025-07-20	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	研究论文	开发了一种纵向感知分割网络(LAS-Net)，用于量化儿童霍奇金淋巴瘤患者的系列PET/CT图像	LAS-Net引入了纵向交叉注意力机制，允许PET1的相关特征为PET2的分析提供信息	研究为回顾性研究，可能受到数据选择和收集的限制	开发能够量化儿童霍奇金淋巴瘤患者系列PET/CT图像的自动分割网络	儿童霍奇金淋巴瘤患者的系列PET/CT图像	数字病理	霍奇金淋巴瘤	PET/CT成像	CNN	医学图像	297名儿科患者（内部数据集200名，外部测试数据集97名）
1314	2025-07-20	The Advances in Deep Learning Modeling of Polyadenylation Codes 2025 May-Jun, Wiley interdisciplinary reviews. RNA DOI:10.1002/wrna.70017 PMID:40468587	综述	本文总结了深度学习模型在解析多聚腺苷酸化调控方面的进展及其应用	深度学习模型能够无偏地量化基序间的相互作用，捕捉顺式调控基序间复杂的位置交互，为多聚腺苷酸化生物学带来新见解	NA	探讨深度学习模型在多聚腺苷酸化调控研究中的应用及其进展	多聚腺苷酸化位点的形成及其调控机制	自然语言处理	NA	深度学习	深度学习模型	序列数据	NA
1315	2025-07-20	New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals 2025-Apr-08, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.01.035 PMID:40175013	研究论文	本研究通过深度学习模型测量主动脉瓣功能，提出了新的轻度主动脉瓣狭窄（AS）定义标准，并在大规模人群中验证了其与不良预后的关联	首次在大规模人群（62,902名UK Biobank参与者）中使用深度学习模型测量主动脉瓣功能，提出了新的轻度AS定义标准（'mild ASproposed'），并在外部临床队列（NEDA，365,870人）中验证了该标准与不良预后的关联	研究随访时间相对较短（平均3.9年），且主要基于影像学数据，缺乏长期临床结局的全面评估	探索主动脉瓣功能的流行病学特征，建立新的轻度AS诊断标准	UK Biobank参与者（n=62,902）和NEDA临床队列（n=365,870）	心血管影像学	心血管疾病	速度编码心脏磁共振成像（velocity-encoded cardiac MRI）	深度学习模型	医学影像数据	UK Biobank（62,902人，其中健康亚组41,859人）和NEDA（365,870人）
1316	2025-07-20	Tumor Bud Classification in Colorectal Cancer Using Attention-Based Deep Multiple Instance Learning and Domain-Specific Foundation Models 2025-Apr-07, Cancers IF:4.5Q1 DOI:10.3390/cancers17071245 PMID:40227783	研究论文	本文提出了一种基于注意力机制的深度多实例学习和领域特定基础模型的自动系统，用于结直肠癌中的肿瘤芽分类	采用注意力机制的多实例学习和领域特定基础模型，提高了肿瘤芽分类的准确性和可解释性	数据集相对较小，仅包含29张训练WSIs和70张测试WSIs	提高结直肠癌中肿瘤芽的自动分类准确性，以改善预后评估	结直肠癌中的肿瘤芽	数字病理	结直肠癌	深度学习	ABMIL（基于注意力的多实例学习）	全切片图像（WSIs）	29张训练WSIs和70张测试WSIs
1317	2025-07-20	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	research paper	提出一种深度学习方法，用于生成跨MRI对比度稳定的脊髓软分割	使用软分割和回归损失函数减少CSA变异性，并提高模型在未见数据集、供应商、对比度和病理情况下的泛化能力	研究主要基于健康参与者的数据，对于病理情况的泛化能力仍需进一步验证	开发一种对比度无关的脊髓分割方法，以减少多中心研究中CSA的变异性	脊髓	digital pathology	neurodegenerative diseases	MRI	U-Net	image	267名健康参与者，6种对比度
1318	2025-07-20	Deep learning informed multimodal fusion of radiology and pathology to predict outcomes in HPV-associated oropharyngeal squamous cell carcinoma 2025-Apr, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105663 PMID:40121941	研究论文	本研究开发了一种基于深度学习的多模态融合方法SMuRF，用于预测HPV相关口咽鳞状细胞癌的预后	首次整合了放射学和病理学的多区域数据，利用跨模态和跨区域的窗口多头自注意力机制捕捉肿瘤栖息地和图像尺度间的特征交互	研究仅针对HPV相关的OPSCC患者，样本量为277例，可能限制了结果的普适性	预测HPV相关口咽鳞状细胞癌的生存率和肿瘤分级	HPV相关口咽鳞状细胞癌患者	数字病理学	头颈癌	深度学习	swintransformer-based multimodal and multi-region data fusion framework (SMuRF)	CT图像和全切片病理图像	277例匹配放射学和病理学图像的OPSCC患者
1319	2025-07-20	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-Apr-01, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	本文介绍了一种基于深度学习的饱和转移磁共振指纹图谱（MRF）方法，用于蛋白质、代谢物和pH值的无创体内成像	深度MRF提供了一个定量且快速的框架，用于提取具有生物学和临床意义的分子信息，解决了传统方法的复杂性和长扫描时间问题	该方法的完成时间从48分钟到57小时不等，可能在某些临床应用中显得较长	开发一种定量分子MRI的完整协议，用于癌症监测、脑髓鞘成像和pH值量化等应用	体外样本、动物和人类扫描	数字病理学	癌症、神经退行性疾病、中风和心脏病	化学交换饱和转移（CEST）和半固体磁化转移（MT）定量成像	深度学习模型	图像	未明确说明具体样本数量，但涉及体外样本、动物和人类扫描
1320	2025-07-20	Deep Learning: A Heuristic Three-Stage Mechanism for Grid Searches to Optimize the Future Risk Prediction of Breast Cancer Metastasis Using EHR-Based Clinical Data 2025-Mar-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17071092 PMID:40227603	研究论文	本文提出了一种启发式三阶段机制，用于优化基于电子健康记录（EHR）的乳腺癌转移风险预测的深度学习模型网格搜索	提出了一种三阶段机制（SSGS和RGS策略）来管理低预算网格搜索的运行时间，并通过SHAP分析解释模型超参数的贡献	未明确提及具体局限性，但可能涉及计算资源有限或数据集的特定限制	优化深度学习模型在乳腺癌转移风险预测中的性能	乳腺癌患者的电子健康记录（EHR）数据	机器学习	乳腺癌	网格搜索，SHAP分析	深度前馈神经网络（DFNN）	临床数据	未明确提及具体样本量