深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
16041	2025-10-07	Efficient annotation bootstrapping for cell identification in follicular lymphoma 2025-Mar-27, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108728 PMID:40188578	研究论文	本研究探索了滤泡性淋巴瘤诊断中降低标注成本的解决方案，比较了三种标注引导方法	提出基于定制细胞编码器和数字病理学基础模型上下文编码的混合架构，用于中心母细胞和中心细胞检测	研究仅基于41张全切片图像和12,704个细胞标注，样本规模有限	降低数字病理学中细胞识别任务的标注成本	滤泡性淋巴瘤中的中心母细胞和中心细胞	数字病理学	滤泡性淋巴瘤	全切片图像扫描	深度学习	病理图像	41张全切片图像，包含12,704个细胞标注	NA	定制细胞编码器，基础模型上下文编码	宏平均F1分数，精确率，召回率	NA
16042	2025-10-07	Deep generative modeling of temperature-dependent structural ensembles of proteins 2025-Mar-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642148 PMID:40161645	研究论文	开发了一种基于深度学习的原子级蛋白质结构集合生成模型，能够模拟温度依赖的构象变化	提出了首个可迁移的温度条件生成器aSAMt，能够在潜在空间中准确采样侧链和主链扭转角分布，并捕获温度依赖的集合特性	模型仍需基于分子动力学数据进行训练，尚未完全替代物理基础方法	开发能够生成蛋白质结构集合的深度生成模型，特别是温度依赖的构象变化	蛋白质结构集合，特别是重原子级别的构象变化	机器学习	NA	分子动力学模拟，深度学习	潜在扩散模型，自编码器	分子动力学模拟数据	大型开放的mdCATH数据集	NA	潜在扩散模型，自编码器	与长时分子动力学模拟比较，实验观测的热行为验证	NA
16043	2025-10-07	Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf136 PMID:40185158	综述	本文从数据科学角度系统回顾了深度学习在单细胞和空间转录组学数据分析中的进展与挑战	系统评估了58种计算方法在9个基准测试的21个数据集上的性能表现，揭示了模型性能随数据集和评估指标变化的规律	高质量标注数据集仍然有限，生物组织复杂相关性使得准确重建细胞状态和空间背景存在困难	探讨深度学习在单细胞和空间转录组学数据分析中的应用前景和发展方向	单细胞测序数据和空间转录组数据	机器学习	NA	单细胞测序，空间转录组学	深度学习	基因表达数据，表观遗传修饰数据，代谢物水平数据，空间位置数据	21个数据集，包含数百万细胞	NA	NA	准确性，生物可解释性	NA
16044	2025-10-07	Intelligent biofilm detection with ensemble of deep learning networks 2025-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.26937 PMID:39954282	研究论文	本研究评估了使用集成策略的U-Net神经网络在口腔内照片上自动检测牙菌斑的性能	首次采用集成策略的U-Net神经网络在不使用显色剂的情况下自动检测牙菌斑	回顾性探索性研究，样本来源有限	评估深度学习网络在牙菌斑自动检测中的性能	乳牙和恒牙的口腔内照片	计算机视觉	口腔疾病	深度学习	CNN	图像	两个口腔图像数据集（乳牙和恒牙）	NA	U-Net	准确率,F1分数,灵敏度,特异度	NA
16045	2025-10-07	Critical assessment of missense variant effect predictors on disease-relevant variant data 2025-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-025-02732-2 PMID:40113603	研究论文	评估错义变异效应预测工具在疾病相关变异数据上的性能表现	系统评估了最新错义变异效应预测工具，包括CAGI挑战赛提交工具、临床常用工具和新兴深度学习方法，并分析了不同应用场景下的性能差异	评估数据可能受到基因水平标签不平衡的影响，且某些预测工具在区分致病性变异与极罕见良性变异时性能下降	评估错义变异效应预测工具的临床和研究实用性，指导未来工具改进	错义变异效应预测工具	生物信息学	遗传疾病	深度学习, 变异效应预测	深度学习模型	基因变异数据	NA	NA	NA	特异性, 敏感性	NA
16046	2025-10-07	Diagnostic accuracy of artificial intelligence in the detection of maxillary sinus pathology using computed tomography: A concise systematic review 2025-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240139 PMID:40191392	系统综述	评估人工智能在CT/CBCT影像中检测上颌窦病变的诊断性能与准确性	首次系统评估多种深度学习架构在上颌窦病变检测中的综合表现	纳入研究数量有限（12项），需要进一步提高准确性和一致性	评估人工智能在上颌窦病变检测中的诊断准确性	上颌窦病变（如上颌窦炎）	计算机视觉	上颌窦疾病	CT/CBCT成像	CNN	医学影像	3,349名患者（7,358张图像）	NA	ResNet, DenseNet, YOLO, U-Net	准确率, 敏感度, 特异度, AUC	NA
16047	2025-10-07	Binding mechanism of inhibitors to DFG-in and DFG-out P38α deciphered using multiple independent Gaussian accelerated molecular dynamics simulations and deep learning 2025-Feb, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2025.2475407 PMID:40110797	研究论文	通过高斯加速分子动力学模拟和深度学习解析抑制剂与DFG-in/DFG-out P38α的结合机制	结合多种独立高斯加速分子动力学模拟、深度学习和MM-GBSA方法系统研究P38α不同构象对抑制剂结合的影响	NA	阐明P38α不同构象（DFG-in和DFG-out）对抑制剂结合机制的影响	P38α激酶及其抑制剂（SB2、SK8、BMU）	计算生物学	多种疾病（文中未指定具体疾病）	高斯加速分子动力学模拟、深度学习、MM-GBSA方法	深度学习模型	分子动力学轨迹数据	三种抑制剂（SB2、SK8、BMU）与P38α两种构象的组合	NA	NA	结合自由能、范德华相互作用能	NA
16048	2025-10-07	Investigating the intrinsic top-down dynamics of deep generative models 2025-01-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85055-y PMID:39843473	研究论文	本研究探讨深度生成模型的内在自上而下动态特性，特别关注迭代深度信念网络在生成过程中的状态转换能力	提出使用'嵌合体状态'初始化生成过程以增强访问吸引子的异质性，并证明iDBN相比浅层生成模型具有更丰富的自上而下动态	模型在单次生成轨迹中并不总是能够转换到所有潜在目标状态	研究分层生成模型的自上而下动态特性及其与神经认知理论的联系	深度生成模型，特别是迭代深度信念网络(iDBN)	机器学习	NA	无监督学习，基于能量的深度学习架构	DBN, iDBN, Restricted Boltzmann Machine	图像	包含手写数字和人脸图像的知名数据集	NA	深度信念网络，迭代深度信念网络，受限玻尔兹曼机	访问状态数量，吸引子异质性，生成样本多样性	NA
16049	2025-10-07	Synthetic temporal bone CT generation from UTE-MRI using a cycleGAN-based deep learning model: advancing beyond CT-MR imaging fusion 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10967-2 PMID:39026063	研究论文	开发基于CycleGAN的深度学习模型，从超短回波时间MRI生成合成颞骨CT图像	首次使用CycleGAN模型从UTE-MRI生成颞骨合成CT图像，超越传统的CT-MR图像融合技术	五个主要解剖结构的生成成功率较低（24%-83%），样本量相对有限	解决MRI在定位颞骨解剖标志物方面的固有局限性	接受颞骨MRI和CT检查的患者	医学影像分析	颞骨相关疾病	超短回波时间磁共振成像，点状编码时间减少径向采集	CycleGAN	医学影像	102名患者（训练集54人，验证集48人）	NA	CycleGAN	乳突气房像素计数，解剖标志物生成成功率	NA
16050	2025-10-07	Deep learning-based 3D quantitative total tumor burden predicts early recurrence of BCLC A and B HCC after resection 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10941-y PMID:39028376	研究论文	本研究开发基于深度学习的3D定量总肿瘤负荷自动分割方法，用于预测BCLC A和B期肝细胞癌术后早期复发	首次将深度学习自动分割获得的定量总肿瘤负荷作为预测指标，并基于此提出BCLC分期系统的改良亚分类	单中心回顾性研究，样本量有限，需要多中心前瞻性验证	评估深度学习辅助的MRI三维定量肿瘤负荷预测肝细胞癌术后早期复发的潜力	接受切除术的BCLC A和B期肝细胞癌患者	数字病理	肝细胞癌	MRI增强扫描，深度学习自动分割	深度学习	MRI图像	592例患者（BCLC A期525例，BCLC B期67例）	NA	NA	风险比，p值，2年早期复发率	NA
16051	2025-10-07	The value of deep learning-based X-ray techniques in detecting and classifying K-L grades of knee osteoarthritis: a systematic review and meta-analysis 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10928-9 PMID:38997539	系统评价与荟萃分析	评估基于深度学习的X射线技术在检测和分类膝骨关节炎K-L分级中的价值	首次对深度学习在膝骨关节炎K-L分级中的诊断敏感性进行系统性荟萃分析	纳入研究数量有限（19项），早期KOA（K-L1-2）的敏感性仍需提升，需要更多可靠数据支持临床实践	评估基于深度学习的X射线技术在膝骨关节炎K-L分级中的诊断性能	膝骨关节炎患者的X射线图像	计算机视觉	膝骨关节炎	X射线成像	深度学习	X射线图像	62,158张图像（K-L0: 22,388, K-L1: 13,415, K-L2: 15,597, K-L3: 7,768, K-L4: 2,990）	NA	NA	敏感性	NA
16052	2025-10-07	Deep learning in pulmonary nodule detection and segmentation: a systematic review 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10907-0 PMID:38985185	系统综述	系统评估深度学习技术在肺结节检测和分割中的应用现状	首次采用系统综述方法全面比较肺结节检测和分割的深度学习方法，填补现有文献的方法学空白和偏倚	仅纳入9项符合标准的研究，样本量有限	比较肺结节检测和分割的深度学习方法	肺结节检测和分割相关研究	计算机视觉	肺癌	计算机断层扫描	CNN	医学影像	基于公共数据集（LIDC-IDRI和LUNA16等）的9项研究	NA	NA	敏感度,Dice系数	NA
16053	2025-10-07	Integrated brain tumor segmentation and MGMT promoter methylation status classification from multimodal MRI data using deep learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332018 PMID:40190333	研究论文	本研究提出了一种基于多模态MRI数据的深度学习流程，同时实现脑肿瘤分割和MGMT启动子甲基化状态分类	开发了一个两阶段深度学习流程，将肿瘤分割与分子标志物分类相结合，提供了一种非侵入性的MGMT状态评估方法	仍处于研究阶段，需要未来研究和临床验证来探索其在真实临床环境中的适用性	开发非侵入性方法评估胶质母细胞瘤患者的MGMT启动子甲基化状态，辅助治疗规划	胶质母细胞瘤患者的多模态MRI数据	数字病理	脑肿瘤	磁共振成像	CNN	医学影像	BraTS2021脑肿瘤分割数据集和MGMT启动子状态分类数据集	NA	3D ResU-Net, 3D ResNet10	Dice系数, ROC-AUC	NA
16054	2025-10-07	Exploring the potential of deep learning models integrating transformer and LSTM in predicting blood glucose levels for T1D patients 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328980 PMID:40190336	研究论文	本研究开发了一种结合Transformer和LSTM的混合深度学习模型，用于预测1型糖尿病患者的血糖水平	首次将Transformer编码器与双向LSTM网络相结合，通过多阶段特征提取和位置编码技术，同时捕捉血糖数据的长期依赖关系和短期模式	模型在临床数据上的预测误差随预测时间延长而增加，且未明确说明训练数据的具体样本规模	提高血糖预测精度并延长预测时间范围，支持实时糖尿病管理	1型糖尿病患者的血糖数据	机器学习	糖尿病	连续血糖监测	Transformer, LSTM	时间序列数据	NA	NA	Transformer Encoder, Bidirectional LSTM	均方根误差, 平均绝对误差, Clark网格分析	NA
16055	2025-10-07	Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach for Sleep Monitoring 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S514631 PMID:40190583	研究论文	本研究开发了一种基于Vision Transformer深度学习模型的实时打鼾检测方法，使用智能手机录制的家庭环境音频进行睡眠监测	首次将Vision Transformer模型应用于家庭环境智能手机录音的实时打鼾检测，结合家庭和医院多场景数据验证	样本量相对有限（214名参与者），依赖智能手机录音质量，标注需要两名训练有素的标注者一致同意	开发实时打鼾检测方法以监测睡眠相关疾病	参与者的睡眠呼吸声音	机器学习	睡眠障碍	智能手机音频录制，多导睡眠监测（PSG）	Vision Transformer	音频	214名参与者，85,600个30秒时段	NA	Vision Transformer	灵敏度，特异性，相关系数	NA
16056	2025-10-07	Application of Artificial Intelligence and its Subsets in Various Stages of Knee Arthroplasty from Pre-op to Post-op: An Overview 2025, Journal of orthopaedics and sports medicine DOI:10.26502/josm.511500185 PMID:40190766	综述	概述人工智能及其子集在膝关节置换术从术前到术后各阶段的应用	系统性地将人工智能在膝关节置换术中的应用按术前、术中、术后阶段进行分类，并聚焦于患者教育、手术辅助和结果评估三大方向	NA	探讨人工智能如何提升膝关节置换术的诊断准确性、手术效率和患者预后	膝关节置换术患者和手术流程	机器学习	骨关节炎	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
16057	2025-10-07	Integration of multimodal imaging data with machine learning for improved diagnosis and prognosis in neuroimaging 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1552178 PMID:40191032	研究论文	提出一种结合CNN、GRU和动态跨模态注意力模块的混合深度学习方法来整合多模态神经影像数据	开发了动态跨模态注意力模块，能更有效地融合空间和时间脑数据，克服现有多模态融合技术的局限性	仅使用HCP数据集进行评估，尚未在其他临床数据上验证	提高脑部疾病诊断和预后的准确性	脑部疾病患者（如阿尔茨海默病）的神经影像数据	神经影像分析	阿尔茨海默病	结构MRI, 功能MRI	CNN, GRU, 注意力机制	图像, 时间序列数据	人类连接组计划(HCP)数据集，包含行为数据、fMRI和sMRI	NA	CNN, GRU, 动态跨模态注意力模块	准确率, 召回率, 精确率, F1分数	NA
16058	2025-10-07	P253 Next-generation phenotyping facilitates the identification of structural brain malformations in rare disorders through computational brain MRI analysis 2025, Genetics in medicine open DOI:10.1016/j.gimo.2025.103424 PMID:40191138	研究论文	本研究开发了一种基于深度学习的下一代表型分析(NGP)方法，通过计算脑MRI分析识别罕见疾病中的结构性脑畸形	将下一代表型分析从面部图像扩展到脑MRI数据，创建了临床脑表型空间(CBPS)用于表型相似性分析和疾病预测	初步分析仅聚焦于两种特定疾病，数据集规模相对有限	开发诊断支持工具，识别罕见疾病中的结构性脑畸形并整合到变异优先排序流程中	罕见神经发育疾病患者，特别是Dandy-Walker畸形和Ogden综合征患者	数字病理	神经发育疾病	脑MRI成像，下一代表型分析(NGP)	CNN	脑MRI图像	413张脑MRI图像(来自56种不同疾病)，外加1,279张公共数据集MRI图像	PyTorch	ResNet-50	留一法交叉验证，t-SNE聚类可视化	NA
16059	2025-10-07	A semi-supervised weighted SPCA- and convolution KAN-based model for drug response prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1532651 PMID:40191608	研究论文	提出一种基于半监督加权SPCA和卷积KAN的药物反应预测模型NMDP	结合可解释的半监督加权SPCA模块、多组学数据融合框架以及一维卷积与Kolmogorov-Arnold网络的集成方法	NA	基于多组学基因信息预测细胞系对特征药物的反应	细胞系和多组学基因数据	机器学习	癌症	多组学数据分析	KAN, 卷积神经网络	基因多组学数据	NA	NA	Kolmogorov-Arnold networks, 一维卷积	灵敏度, 特异性	NA
16060	2025-10-07	Isfahan Artificial Intelligence Event 2023: Lesion Segmentation and Localization in Magnetic Resonance Images of Patients with Multiple Sclerosis 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_55_24 PMID:40191684	研究论文	介绍2023年伊斯法罕人工智能活动中多发性硬化症患者磁共振图像病灶分割与定位挑战赛	组织多团队参与的多发性硬化症病灶分割竞赛，比较不同深度学习方法的性能	仅简要描述数据集和参赛方法，缺乏详细的性能比较和定量分析	开发准确分割和定位多发性硬化症患者MR图像中病灶的方法	多发性硬化症患者的磁共振图像	计算机视觉	多发性硬化症	磁共振成像	深度学习	医学图像	NA	NA	U-net	NA	NA