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
161	2025-07-29	A deep learning-based computer-aided diagnosis system for detecting atypical endometrial hyperplasia and endometrial cancer through hysteroscopy 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113045 PMID:40703442	research paper	介绍了一种基于深度学习的计算机辅助诊断系统ECCADx，用于通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌	首个将对比学习应用于宫腔镜图像中非典型子宫内膜增生和子宫内膜癌特异性区分的系统	未提及	提高子宫内膜癌和非典型子宫内膜增生的诊断准确性	非典型子宫内膜增生和子宫内膜癌患者	digital pathology	endometrial cancer	contrastive learning	deep learning	image	49,646张图像来自1,204名患者，并在两个独立测试数据集（6,228张图像来自190名患者）上进行验证
162	2025-07-29	Deep learning-based breast cancer diagnosis in breast MRI: systematic review and meta-analysis 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11406-6 PMID:39907762	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在乳腺癌MRI诊断中的性能	首次对深度学习模型在乳腺癌MRI诊断中的性能进行了全面的荟萃分析，揭示了其高准确性和潜在的临床应用价值	分析中存在显著的固有变异性，且仅有21项研究符合定量分析条件	评估深度学习模型在乳腺癌MRI诊断中的性能	乳腺癌MRI影像	digital pathology	breast cancer	MRI	CNN, HCM	image	40项研究（其中21项符合定量分析条件）
163	2025-07-29	Explainable attention-enhanced heuristic paradigm for multi-view prognostic risk score development in hepatocellular carcinoma 2025-Aug, Hepatology international IF:5.9Q1 DOI:10.1007/s12072-025-10793-8 PMID:40089963	research paper	本研究提出了一种新颖的深度学习辅助范式，用于生成可解释的多视角风险评分，以分层肝细胞癌（HCC）患者的预后风险	引入了可解释的注意力增强启发式范式，结合微观到宏观的多视角风险评分系统，提高了预后分层的准确性	研究依赖于内部和外部数据集，可能存在数据偏差，且模型的可解释性仍需进一步验证	开发一种可解释的多视角预后风险评分系统，以改进肝细胞癌（HCC）患者的预后分层	肝细胞癌（HCC）患者	digital pathology	liver cancer	deep learning, attention mechanism	neural network with attention mechanism (ATAT)	medical imaging, clinical data	内部数据集（SYSUCC）510例HCC患者，外部测试队列（TCGA-LIHC）341例HCC患者
164	2025-07-29	A deep learning model for multiclass tooth segmentation on cone-beam computed tomography scans 2025-Aug, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.02.014 PMID:40186597	研究论文	开发并验证了一种深度学习算法，用于从锥形束计算机断层扫描中自动创建人类牙齿的三维表面模型	提出了一个深度学习模型，能够自动进行多类牙齿分割，且在测试集上达到了较高的准确率	未提及具体局限性	开发并验证用于牙齿分割的深度学习算法	人类牙齿的锥形束计算机断层扫描图像	医学图像分析	NA	深度学习	深度学习模型	图像	210例扫描（140例训练集，40例验证集，30例测试集）
165	2025-07-29	Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01781-x PMID:40343649	research paper	本研究探讨了基于AI的肺结节检测程序在超低剂量CT成像中的性能，重点关注不同图像重建方法对检测准确性的影响	首次在超低剂量CT中比较了多种图像重建方法对AI肺结节检测程序性能的影响	仅使用了胸部体模进行研究，未涉及真实患者数据	评估不同图像重建方法对AI肺结节检测程序性能的影响	人工肺结节（实性结节和磨玻璃结节）	digital pathology	lung cancer	ultra-low-dose CT (ULDCT)	AI-based detection program	CT图像	胸部体模（包含12mm、8mm、5mm和3mm的实性结节和磨玻璃结节）
166	2025-07-29	Automated Microbubble Discrimination in Ultrasound Localization Microscopy by Vision Transformer 2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3570496 PMID:40372868	研究论文	本文提出了一种基于Vision Transformer的自动化微泡鉴别方法，用于超声定位显微镜(ULM)中的微血管成像	提出了一种减少先验知识的通用ULM流程，采用高效的通道注意力Vision Transformer和渐进式学习策略，能够在不估计脉冲响应和微泡数量的情况下从每帧图像中提取微泡信号并减少斑点噪声	虽然使用了大量合成数据进行训练，但仍可能存在真实临床数据适应性不足的问题	提高超声定位显微镜在微血管成像中的性能	微泡信号和微血管结构	医学影像分析	肿瘤(小鼠肿瘤模型)和脑血管疾病(大鼠脑部模型)	超声定位显微镜(ULM)和k-Wave模拟工具箱	Vision Transformer(ViT)	超声图像	1个计算机模拟数据集(含真实值)和4个活体数据集(小鼠肿瘤、大鼠脑部、大鼠脑部团注和大鼠肾脏)
167	2025-07-29	Bedside Ultrasound Vector Doppler Imaging System With GPU Processing and Deep Learning 2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3582773 PMID:40553667	研究论文	介绍了一种新型的抗混叠矢量多普勒成像系统，结合GPU处理和深度学习技术，可在床边进行血管评估	开发了一种抗混叠的矢量多普勒成像系统，结合GPU处理和深度学习，支持实时成像和高帧率回放模式	未明确提及具体局限性，但可能包括系统在复杂血管动态中的进一步验证需求	推动矢量血流成像技术在临床中的应用	血管血流成像	医学影像	心血管疾病	平面波多角度矢量多普勒、GPU处理、深度学习	深度学习	图像	狭窄模型实验和人类分叉成像扫描
168	2025-07-29	[AI-based applications in medical image computing] 2025-Aug, Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz DOI:10.1007/s00103-025-04093-7 PMID:40600998	review	本文综述了人工智能在医学图像计算中的应用及其对现代诊断和治疗的贡献	探讨了深度学习在医学图像分析中的最新进展，包括分割、配准和图像合成等应用	未提及具体AI模型在特定疾病诊断中的准确性和可靠性验证	研究AI在医学图像处理中的应用，以加速临床工作流程并改善患者护理	医学图像数据，包括CT、MRI和PET等不同成像模态	digital pathology	NA	deep learning	deep neural networks	image	NA
169	2025-07-29	Development and validation of a SOTA-based system for biliopancreatic segmentation and station recognition system in EUS 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11858-3 PMID:40551029	research paper	开发并验证了一种基于SOTA的EUS图像分割和站点识别系统，用于胆胰疾病的诊断	结合最新的SOTA深度学习算法，开发了一个AI辅助EUS系统，显著提高了胆胰管分割和站点识别的准确性	研究仅基于特定数据集的内部和外部验证，未涉及更广泛的临床环境测试	开发AI辅助EUS系统以提高胆胰疾病诊断的准确性和效率	胆胰管分割和站点识别	digital pathology	biliopancreatic disease	deep learning	Mean Teacher, U-Net v2, ResNet-50, YOLOv8	image	45,737张EUS图像来自1,852名患者，其中2,881张用于内部测试，2,747张来自208名患者用于外部验证，340张用于人机竞赛测试
170	2025-07-29	BanglaTaka: A dataset for classification of Bangladeshi banknotes 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111853 PMID:40703564	research paper	介绍了一个名为BanglaNotes的数据集，用于孟加拉国纸币面额分类	提出了一个高质量且一致的孟加拉国纸币数据集，支持金融自动化和深度学习分类算法的研究	数据集仅包含孟加拉国纸币，可能不适用于其他国家的纸币分类	开发自动化系统以提高纸币分类的效率和准确性	孟加拉国纸币的九种面额（2、5、10、20、50、100、200、500和1000 BDT）	computer vision	NA	NA	NA	image	5073张孟加拉国纸币图像
171	2025-07-29	Benford's Law in histology 2025-Aug, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100458 PMID:40704058	研究论文	探讨Benford定律在数字病理学中应用于组织学数据分析的潜力	首次将Benford定律应用于数字病理学中的全切片图像分析，提供了一种新的统计工具来检测正常和癌变肝细胞的变异性	QuPath无法准确区分所有细胞质边界，因此未使用描述尺寸测量的类别	探索Benford定律在数字病理学中的应用，以区分正常和癌变肝细胞	正常肝细胞和肝癌肝细胞的数字病理切片	数字病理学	肝癌	定量组织形态计量学	NA	图像	20张切片（15张来自7名癌症患者的肝组织，5张来自正常肝组织），共323,039个细胞
172	2025-07-29	Modelling the liver's regenerative capacity across different clinical conditions 2025-Aug, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101465 PMID:40704068	研究论文	本研究通过系统生物学和机器学习方法，识别了不同临床条件下小鼠模型中肝脏再生的关键转录组、蛋白质组和血清生物标志物	开发了一种新颖的对比深度学习框架，结合三重损失函数，用于绘制再生轨迹并识别与再生效率相关的基因	研究仅基于小鼠模型，尚未在人体中进行验证	识别不同临床条件下肝脏再生的关键分子标志物，评估再生能力	小鼠肝脏再生过程	机器学习	肝脏疾病	转录组测序、蛋白质组分析、SPLiT-seq	对比深度学习框架	转录组数据、蛋白质组数据、血清数据	6种不同临床条件的小鼠模型，每种模型进行75%肝切除术
173	2025-07-29	Self-Supervised Optimization of RF Data Coherence for Improving Breast Reflection UCT Reconstruction 2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3581915 PMID:40549515	研究论文	本研究提出了一种自监督优化方法，用于改善乳腺反射超声计算机断层扫描（UCT）重建中射频（RF）数据的相干性	引入了三个精心设计的模块（BSegB、SSM-SRP和PARR策略），利用接收阵列的空间相关性提高RF数据的相干性，并有效抑制旁瓣噪声	研究未提及方法在临床环境中的实际应用效果或大规模验证结果	提升乳腺反射UCT成像质量，克服传统DAS算法中声速均匀假设导致的RF数据相干性问题	乳腺组织的超声反射数据	数字病理	乳腺癌	反射超声计算机断层扫描（UCT）	自监督优化模块（BSegB、SSM-SRP、PARR）	射频（RF）数据	未明确说明样本数量
174	2025-07-29	Graph with Residue-Based Cross-Modal Framework Enhances Cell Function-Related Protein Properties Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00856 PMID:40609014	研究论文	提出一种基于残基的跨模态框架，用于增强细胞功能相关蛋白质特性的预测	结合Layer-Aggregated Graph Convolutional Network (LA-GCN)和Geometric Vector Perceptron-Graph Neural Network (GVP-GNN)，在两个互补的残基图上进行表示学习，以捕捉蛋白质的语义特征和结构特性	未明确提及具体局限性	提高蛋白质特性预测的准确性，以支持药物设计、疾病研究和生物湿实验	蛋白质特性，包括亚细胞定位、溶解度、金属离子结合和热稳定性	机器学习	NA	Protein Language Models (PLMs), Layer-Aggregated Graph Convolutional Network (LA-GCN), Geometric Vector Perceptron-Graph Neural Network (GVP-GNN)	GCN, GNN	蛋白质序列和结构数据	NA
175	2025-07-29	Ultrahigh-Throughput Virtual Screening Strategies against PPI Targets: A Case Study of STAT Inhibitors 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00907 PMID:40611790	研究论文	本文评估了超高通量虚拟筛选（uHTVS）策略在蛋白质-蛋白质相互作用靶点（如STAT3和STAT5b）中的应用效果	首次将虚拟筛选应用于STAT5b的N端结构域，并展示了AI辅助的Deep Docking工作流程在较小化合物库中的高效性	深度学习步骤的性能高度依赖于基础对接模型的性能，且对于更复杂的蛋白质-蛋白质相互作用靶点，可靠性更难评估	评估AI辅助的超高通量虚拟筛选策略在药物发现中的应用效果	STAT3和STAT5b两种致癌转录因子	药物发现	癌症	虚拟筛选、深度学习	Deep Docking	化合物库数据	数百万至数十亿化合物（实际对接约12万化合物）
176	2025-07-29	Diff-SE: A Diffusion-Augmented Contrastive Learning Framework for Super-Enhancer Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01005 PMID:40613852	research paper	提出Diff-SE框架，结合扩散增强数据与对比学习，用于超增强子预测	整合扩散模型生成生物意义合成样本以平衡数据，并采用对比学习增强特征表示	未明确提及模型在更广泛物种或复杂疾病中的适用性	开发高效且泛化性强的超增强子预测方法	超增强子（SEs）及其在基因表达调控中的作用	machine learning	cancer, Alzheimer's	ChIP-seq, diffusion model, contrastive learning	Diff-SE (diffusion-augmented contrastive learning framework)	genomic sequence data	eight datasets, including human and mouse cell lines
177	2025-07-29	Integrating Protein Language Models and Geometric Deep Learning for Peptide Toxicity Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01073 PMID:40625100	研究论文	提出了一种结合蛋白质语言模型和几何深度学习的深度学习框架PeptiTox，用于增强肽毒性预测	整合了蛋白质语言模型（PLMs）和几何深度学习，利用ESM2提取序列嵌入和ESMFold预测三维肽结构，通过图神经网络（GNN）学习肽表示并进行毒性分类	未提及具体的数据集规模或多样性限制	提高肽毒性预测的准确性，以促进更安全、更有效的肽基治疗药物的开发	肽的序列和结构	生物医学研究	NA	蛋白质语言模型（PLMs）、几何深度学习、图神经网络（GNN）	ESM2、ESMFold、GNN	序列数据、三维结构数据	NA
178	2025-07-29	Deep Learning in Antimicrobial Peptide Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00530 PMID:40626654	综述	本文综述了深度学习在抗菌肽预测中的应用及其优势	深度学习在抗菌肽预测中展现出超越传统机器学习方法的独特优势，为解决抗生素耐药性问题提供了新途径	面临数据平衡、数据增强、环肽及可解释性等方面的挑战	探讨深度学习在抗菌肽预测领域的应用及未来研究方向	抗菌肽（AMPs）	机器学习	NA	深度学习	语言模型、图相关模型及其他混合和多模态模型	NA	NA
179	2025-07-29	Generative Deep Learning for de Novo Drug Design─A Chemical Space Odyssey 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00641 PMID:40632942	综述	本文探讨了生成式深度学习在药物设计中的应用，特别是小分子生成、评估和优先排序方面的挑战与机遇	提出了利用生成式深度学习探索化学空间并生成具有理想生物特性的新分子的创新方法	需要平衡化学多样性、可合成性和生物活性之间的冲突信息，评估协议尚需完善	探索生成式深度学习在药物设计中的应用潜力	小分子药物	机器学习	NA	生成式深度学习	GAN, VAE等生成模型	化学分子数据	NA
180	2025-07-29	Deep Learning-Based Multimodal Fusion Approach for Predicting Acute Dermal Toxicity 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01128 PMID:40679078	研究论文	本研究提出了一种基于深度学习的多模态融合方法TriModalToxNet，用于预测急性皮肤毒性	提出了一种新颖的TriModalToxNet架构，融合了三种不同的分子表示（2D分子图像、SMILES嵌入和分子指纹），相比传统单模态方法具有更好的预测性能	研究仅基于3845种化合物的数据集，可能需要更大规模的数据验证模型的泛化能力	开发一种可靠且准确的急性皮肤毒性预测模型，支持动物实验的3R原则（替代、减少和优化）	来自实验大鼠和兔子的急性皮肤毒性研究的3845种化合物	机器学习	NA	深度学习	TriModalToxNet（结合2D CNN、1D CNN和全连接神经网络）	分子数据（2D图像、SMILES字符串、分子指纹）	3845种化合物