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
1481	2025-04-18	Deep learning for video-based assessment of endotracheal intubation skills 2025-Apr-14, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00776-z PMID:40229550	研究论文	本研究介绍了一种基于视频分析的评估气管插管技能的系统	采用2D卷积自编码器和1D卷积模型结合跨视角注意力模块，能够识别视频中的复杂模式并准确评估技能水平	NA	提高医疗人员气管插管技能的评估效率和准确性	医疗人员的气管插管技能	计算机视觉	NA	视频分析	2D卷积自编码器(AE)和1D卷积模型	视频	分两个阶段收集的数据，包括专家和新手的比较以及新手在时间压力下的表现
1482	2025-04-18	DCATNet: polyp segmentation with deformable convolution and contextual-aware attention network 2025-Apr-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01661-w PMID:40229681	研究论文	提出了一种名为DCATNet的新型深度学习架构，专门用于息肉分割，通过结合可变形卷积和上下文感知注意力网络提高分割准确性	DCATNet结合了ResNetV2-50编码器、Transformer、几何注意力模块(GAM)、上下文注意力门(CAG)和多尺度特征提取(MSFE)块，显著提升了息肉分割的精度和泛化能力	未提及具体计算资源需求或模型在实时应用中的性能表现	解决医学图像中息肉分割的挑战，提高分割准确性	医学图像中的息肉	计算机视觉	结直肠癌	深度学习	U-shaped网络（ResNetV2-50 + Transformer）	医学图像	五个公共数据集（包括Kvasir-SEG和CVC-ClinicDB）
1483	2025-04-18	Computer-aided diagnosis of Haematologic disorders detection based on spatial feature learning networks using blood cell images 2025-Apr-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85815-4 PMID:40221445	研究论文	提出了一种基于空间特征学习网络的计算机辅助诊断方法，用于通过血细胞图像检测血液疾病	结合改进的LeNet-5模型和CNN-BiGRU-A方法，并利用POA算法优化超参数，提高了血液疾病的检测和分类准确率	实验仅在基准数据库上进行，未涉及实际临床环境中的多样本验证	提高血液疾病的检测和分类准确率	血细胞图像	数字病理学	血液疾病	深度学习	改进的LeNet-5, CNN-BiGRU-A	图像	基准数据库中的血细胞图像
1484	2025-04-18	Spatial pattern and heterogeneity of green view index in mountainous cities: a case study of Yuzhong district, Chongqing, China 2025-Apr-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97946-9 PMID:40221555	研究论文	本研究利用深度学习算法和地理加权回归等方法，探讨了重庆渝中区绿色视野指数（GVI）的空间异质性及其影响因素	结合深度学习算法和地理加权回归（GWR）及最优参数地理探测器（OPGD）分析GVI的空间异质性及其影响因素	研究仅针对重庆渝中区，结果可能不适用于其他山地城市	评估城市街道绿化的空间异质性及其影响因素	重庆渝中区的街道绿化	地理信息系统	NA	深度学习算法、地理加权回归（GWR）、最优参数地理探测器（OPGD）	NA	街景图像、地形数据	重庆渝中区的街道数据
1485	2025-04-18	Landslide susceptibility assessment using lightweight dense residual network with emphasis on deep spatial features 2025-Apr-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97074-4 PMID:40221608	研究论文	提出了一种基于轻量级密集残差网络的滑坡易发性评估方法（DS-DRN），重点挖掘深层空间特征	设计了深度可分离残差模块优化传统卷积，并采用密集连接构建深层特征提取模块，以提高滑坡特征信息的复用率并防止梯度消失	未明确提及具体样本量限制或模型在其他地区的泛化能力	解决现有方法在训练样本有限、空间特征利用不足及计算成本高方面的问题，提高滑坡易发性评估的准确性	以中国四川省雅安市为研究区域，评估滑坡易发性	计算机视觉	NA	深度可分离卷积、密集连接	轻量级密集残差网络（DS-DRN）	空间特征数据	未明确提及
1486	2025-04-18	A comparison of an integrated and image-only deep learning model for predicting the disappearance of indeterminate pulmonary nodules 2025-Apr-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102553 PMID:40239430	research paper	该研究比较了结合临床数据的深度学习模型与仅基于CT图像的模型在预测不确定肺结节消失方面的性能	开发了结合CT图像和人口统计数据的集成深度学习模型，并与仅基于图像的模型进行性能比较	样本量相对较小，且所有重要特征均与图像相关，临床数据贡献有限	利用深度学习方法预测不确定肺结节是否会消失	不确定肺结节(IPNs)患者	digital pathology	lung cancer	CT扫描	DL-based models	image, demographic data	训练集：672名参与者的840个IPNs；验证集：65名参与者的111个IPNs
1487	2025-04-18	Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare 2025-Apr-10, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121200 PMID:40216216	研究论文	该研究开发了一种利用脑电图（EEG）和机器学习技术来评估婴儿大脑成熟度的方法	结合传统机器学习和深度学习网络，高效量化大脑年龄差距（BAG），作为大脑发育加速或减速的标志	研究样本量相对有限，且仅针对特定年龄段（3至14个月）的婴儿	开发一种可靠的早期大脑成熟度评估工具，用于临床干预和护理计划	219名正常发育的婴儿和临床风险人群（巨脑症患者）	机器学习	神经发育异常	EEG	深度学习网络和传统机器学习模型	EEG信号	219名婴儿的EEG数据，深度学习网络输入样本增至2628条记录
1488	2025-04-18	μGlia-Flow, an automatic workﬂow for microglia segmentation and classification 2025-Apr-10, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110446 PMID:40220906	research paper	提出了一种名为μGlia-Flow的自动工作流，用于小胶质细胞的分割和分类	结合了Frangi滤波算法和边缘引导注意力TransUNet（EGA-Net）进行分割，并应用Vision Transformer（ViT）网络进行分类，显著提高了分割精度并解决了现有分类方法的参数依赖问题	未提及具体的数据集规模或实验条件的限制	开发一种自动工作流，用于小胶质细胞的分割和分类，以分析其形态多样性	小胶质细胞	digital pathology	brain diseases	Frangi滤波算法, EGA-Net, ViT	TransUNet, Vision Transformer (ViT)	image	NA
1489	2025-04-18	Discovery of Novel DDR1 Inhibitors through a Hybrid Virtual Screening Pipeline, Biological Evaluation and Molecular Dynamics Simulations 2025-Apr-10, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.4c00634 PMID:40236534	研究论文	本研究通过混合虚拟筛选流程、生物学评估和分子动力学模拟，发现新型DDR1抑制剂	结合深度学习模型与传统分子对接技术，加速发现强效和选择性DDR1抑制剂	研究仅针对DDR1抑制剂，未涉及其他潜在治疗靶点	发现针对急性髓性白血病（AML）的新型DDR1抑制剂	Discoidin domain receptor 1 (DDR1)及其抑制剂	计算生物学	急性髓性白血病	深度学习、分子对接、分子动力学模拟	深度学习模型	化学化合物数据	七种候选化合物
1490	2025-04-18	MGMA-DTI: Drug target interaction prediction using multi-order gated convolution and multi-attention fusion 2025-Apr-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108449 PMID:40239449	研究论文	提出了一种基于多门控卷积和多注意力融合的药物-靶标相互作用预测模型MGMA-DTI	采用多门控卷积增强对氨基酸序列全局特征的捕捉能力，并设计多注意力融合模块有效捕获药物-靶标相互作用特征	未提及模型在更大规模数据集上的泛化能力	提高药物-靶标相互作用预测的准确性和模型可解释性	药物分子和蛋白质靶标	机器学习	NA	图卷积神经网络、多门控卷积	MGMA-DTI（基于多门控卷积和多注意力融合的模型）	分子图（来自SMILES字符串）、氨基酸序列	三个基准数据集：BindingDB、BioSNAP和Human
1491	2025-04-18	A comprehensive review of computational methods for Protein-DNA binding site prediction 2025-Apr-08, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115862 PMID:40209920	综述	本文全面回顾了用于预测蛋白质-DNA结合位点的计算方法	对14种最先进的DNA结合位点预测模型进行了基准测试，并发现基于深度学习的方法表现最佳	未提及具体方法的局限性	开发高效且准确的DNA结合位点预测计算方法	蛋白质-DNA结合位点	计算生物学	NA	模板检测、统计机器学习、深度学习方法	预训练大型语言模型	蛋白质序列数据	136种非冗余蛋白质
1492	2025-04-18	Artificial intelligence to predict treatment response in rheumatoid arthritis and spondyloarthritis: a scoping review 2025-Apr-07, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-05825-3 PMID:40192881	综述	本文综述了人工智能技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用和类型	总结了AI在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用，包括监督学习、无监督聚类和深度学习等多种方法	方法学异质性限制了结果的普遍适用性，且存在数据整合和外部验证等挑战	分析人工智能技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用	类风湿性关节炎(RA)和脊柱关节炎(SpA)患者	数字病理学	类风湿性关节炎, 脊柱关节炎	监督机器学习(如随机森林、支持向量机)、无监督聚类、深度学习	随机森林, 支持向量机, 深度学习模型	电子病历、临床生物标志物、遗传和蛋白质组学数据、影像数据	89项研究(74项关于RA，7项关于SpA，4项关于银屑病关节炎，4项混合研究)
1493	2025-04-18	A deep learning model for structure-based bioactivity optimization and its application in the bioactivity optimization of a SARS-CoV-2 main protease inhibitor 2025-Apr-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2025.117602 PMID:40239482	研究论文	介绍了一种名为Pocket-StrMod的深度学习模型，用于基于结构的生物活性优化，并应用于SARS-CoV-2主要蛋白酶抑制剂的生物活性优化	提出了Pocket-StrMod模型，采用自回归流架构，同步优化分子中的所有取代基，显著提高了生物活性优化的效率和效果	未提及模型在其他蛋白靶点或疾病领域的泛化能力	开发一种快速且成本效益高的生物活性优化方法，以加速药物发现的早期阶段	SARS-CoV-2主要蛋白酶抑制剂Hit1及其优化后的化合物	机器学习	SARS-CoV-2感染	深度学习	自回归流模型	分子结构数据	6种合成并测试生物活性的化合物
1494	2025-04-18	DeepAssembly2: A Web Server for Protein Complex Structure Assembly Based on Domain-Domain Interactions 2025-Apr-04, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169128 PMID:40188941	研究论文	介绍了一个名为DeepAssembly2的Web服务器，用于基于域-域相互作用自动组装蛋白质复合物结构	DeepAssembly2在新构建的链间域-域相互作用数据集上训练，并增加了重要特征如界面残基倾向和超快形状识别，同时引入了AlphaFold-Multimer模型的链间残基距离以提高准确性	NA	准确预测蛋白质复合物结构，以理解其功能并促进药物发现	蛋白质复合物结构	生物信息学	NA	深度学习	深度学习模型	蛋白质序列和单体结构	NA
1495	2025-04-18	Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study 2025-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.008 PMID:39289097	研究论文	本研究开发并验证了基于临床变量、多参数MRI和HE染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性（MSI）状态	结合临床数据、多参数MRI和HE染色病理切片，构建了多模态深度学习模型，并通过加权线性组合创建了预测MSI状态的列线图	样本量相对较小，且仅来自三个中心，可能影响模型的泛化能力	预测直肠癌患者的微卫星不稳定性（MSI）状态	直肠癌患者	数字病理学	直肠癌	多参数MRI（mp-MRI）、HE染色、免疫组化（IHC）染色	ResNet-101	MRI图像、病理切片图像	467例经手术确认的直肠癌患者（来自三个中心）
1496	2025-04-18	Deep Learning Using One-stop-shop CT Scan to Predict Hemorrhagic Transformation in Stroke Patients Undergoing Reperfusion Therapy: A Multicenter Study 2025-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.052 PMID:39462736	研究论文	本研究开发并验证了利用多期相CT血管造影（CTA）和CT灌注（CTP）图像的深度学习模型，用于全自动预测接受再灌注治疗的急性缺血性卒中患者的出血性转化	首次使用多期相CTA和CTP图像结合深度学习技术，实现出血性转化的全自动预测	研究为回顾性设计，样本量相对有限（229例患者）	开发预测急性缺血性卒中患者再灌注治疗后出血性转化的可靠工具	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	多期相CTA和CTP成像	DenseNet	医学影像	229例急性缺血性卒中患者（训练集183例，测试集46例）
1497	2025-04-18	Exploring Structure Diversity in Atomic Resolution Microscopy With Graph 2025-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202417478 PMID:39988855	research paper	本文提出了一种基于等变图神经网络（EGNN）的少样本学习框架，用于分析原子结构库，显著提高了处理多样化原子构型显微图像的效率和灵活性	利用原子结构与图之间的相似性，开发了基于EGNN的少样本学习框架，相比传统图像驱动的深度学习模型，显著提升了鲁棒性并减少了计算参数	NA	探索原子分辨率显微镜中结构多样性的高效、准确和智能分析方法	原子结构库（如空位、相、晶界、掺杂等）	machine learning	NA	等变图神经网络（EGNN）	EGNN	image	NA
1498	2025-04-18	Review of 2024 publications on the applications of artificial intelligence in rheumatology 2025-Apr, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07382-3 PMID:40011358	review	本文综述了2024年人工智能在风湿病学中的应用，涵盖了诊断、生物标志物发现、基因组学、数字健康技术和个性化医疗等领域	强调了深度学习模型在影像诊断、AI驱动的基因组分析和可穿戴健康技术中的前沿应用	临床医生采用率低、伦理问题、数据隐私问题以及模型验证不足	探讨人工智能在风湿病学中的研究与应用	风湿病学中的诊断、治疗和研究	machine learning	rheumatology	deep learning, AI-powered genomic analysis, wearable health technologies	deep learning models	imaging, genomic data, health monitoring data	NA
1499	2025-04-18	Non-invasive derivation of instantaneous free-wave ratio from invasive coronary angiography using a new deep learning artificial intelligence model and comparison with human operators' performance 2025-Apr, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03369-y PMID:40063156	研究论文	开发了一种基于深度学习的AI模型，用于从侵入性冠状动脉造影中非侵入性推导瞬时无波比率(iFR)，并与人类操作者的性能进行比较	首次探索使用AI从侵入性冠状动脉造影中非侵入性推导iFR，并开发了三种AI模型进行病变分类，其中模型3在左前降支(LAD)表现优异，模型1在回旋支(Cx)/右冠状动脉(RCA)表现优异	研究为单中心回顾性研究，样本量较小(250例测量)，需要进一步验证研究	开发能够从侵入性冠状动脉造影中非侵入性推导iFR的AI模型，并评估其性能	接受冠状动脉造影和iFR测量的患者	数字病理学	心血管疾病	深度学习	CNN, transformer, EfficientNet-B5	图像	250例测量
1500	2025-04-18	A comparative study of explainability methods for whole slide classification of lymph node metastases using vision transformers 2025-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000792 PMID:40233316	研究论文	本研究比较了多种可解释性方法在视觉变换器（Vision Transformers）用于淋巴结转移全切片分类中的效果	评估了多种最先进的热图生成技术，发现ViT-Shapley在生成可靠和可解释热图方面表现最佳	研究仅基于CAMELYON16数据集，可能无法推广到其他病理图像或癌症类型	评估视觉变换器在病理图像分类中的可解释性方法，以提高临床工作流程中的信任和可扩展性	淋巴结转移的乳腺癌患者的全切片图像	数字病理学	乳腺癌	深度学习	Vision Transformers	图像	399张全切片图像