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
1861	2025-07-16	Deep learning reveals the complex genetic architecture of male guppy colouration 2025-Jul-01, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-025-02781-w PMID:40596731	研究论文	利用深度学习揭示雄性孔雀鱼颜色变异的复杂遗传结构	结合卷积神经网络进行高分辨率表型分析、选择实验、控制谱系和全基因组重测序，首次揭示了孔雀鱼颜色模式的遗传基础	研究仅聚焦于雄性孔雀鱼，未涉及雌性或其他物种的颜色变异	解析雄性孔雀鱼颜色变异的遗传结构和维持机制	雄性孔雀鱼(Poecilia reticulata)的颜色变异	机器学习	NA	全基因组重测序、卷积神经网络	CNN	基因组数据、图像数据	NA
1862	2025-07-16	Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma 2025-Jul, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0691 PMID:40607934	研究论文	本研究利用深度学习技术从甲状腺乳头状癌（PTC）的组织病理学切片中预测基因变异，并发现新的形态学特征	使用Vision Transformer模型从组织病理学切片中预测基因变异，并发现与特定基因型相关的新形态学标准	研究为回顾性设计，需要进一步前瞻性验证	探索人工智能在预测PTC基因变异中的应用	甲状腺乳头状癌（PTC）患者	数字病理学	甲状腺癌	深度学习	Vision Transformer	图像	662例PTC患者（TCGA队列496例，Mainz队列166例）
1863	2025-07-16	Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17955 PMID:40660797	研究论文	本研究通过改进基于深度学习的MRI重建技术，利用去噪扩散模型结合患者特异性先验信息，提高了放疗规划中异常区域的识别准确性	提出了一种结合患者特异性先验信息的自适应扩散模型，显著提升了肿瘤和手术缺陷区域的MRI重建精度	研究样本量较小（73例），且仅针对脑肿瘤患者进行评估	改进基于AI的快速MRI重建技术，以更好地支持放疗规划	接受脑肿瘤放疗的儿科和年轻成人患者的MRI图像	医学影像分析	脑肿瘤	去噪扩散模型	扩散模型	MRI图像	73例患者（58例训练，15例测试）
1864	2025-07-16	AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17958 PMID:40660802	research paper	该研究提出了一种名为SAM-RCCF的框架，通过整合RefineNet模块和轮廓约束特征，提高了Segment Anything Model (SAM)在医学图像分割中的鲁棒性和精确性	提出SAM-RCCF框架，整合RefineNet模块和条件控制场，针对医学图像特点优化分割精度	研究仅针对脑部肿瘤MRI图像，未验证在其他医学图像分割任务中的适用性	提升SAM模型在医学图像分割中的性能，特别是针对颅内肿瘤的分割任务	脑部肿瘤患者的MRI图像，包括胶质瘤、转移性肿瘤和脑膜瘤	digital pathology	brain tumor	MRI	SAM-RCCF (基于Segment Anything Model改进的模型)	image	484例脑部肿瘤患者的轴向T1加权对比增强MRI数据（164例胶质瘤，158例转移性肿瘤，162例脑膜瘤）
1865	2025-07-16	Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17957 PMID:40660837	研究论文	提出了一种结构语义引导的深度学习网络，通过双交叉注意机制从PET图像合成MR图像	探索了一种新的功能到结构的转换方法（PET到MR合成），并引入了结构语义损失和双交叉注意模块	未来需要将该合成方法扩展到其他模态合成任务和临床实践中	简化医学成像流程，提高效率和可及性	PET和MR图像	数字病理	脑部疾病	深度学习	双交叉注意机制（DCA）	医学图像（PET和MR）	NA
1866	2025-07-16	An unsupervised sparse-view CT reconstruction framework using combination of iterative deep image prior and ADMM 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17933 PMID:40660832	研究论文	提出了一种名为ADMM-DRP的无监督深度学习框架，用于稀疏视图和低剂量CT重建	结合了未经训练的神经网络和ADMM迭代重建算法，减少了对训练数据的依赖	未提及具体样本量或临床验证结果	改进稀疏视图和低剂量CT的图像重建质量	CT图像重建	医学影像	NA	深度学习、ADMM算法、TV正则化	无监督神经网络	CT图像	NA
1867	2025-07-16	Deep residual network-based projection interpolation and post-processing techniques for thoracic patient CBCT reconstruction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17953 PMID:40660879	研究论文	本研究开发了一种基于深度学习的投影插值和后处理技术，用于改善胸部患者CBCT重建的图像质量并降低成像剂量	首次提出结合深度残差U-Net（DRU）模型的CBCT投影插值技术，并在真实患者投影数据上验证了其有效性	研究仅针对特定几何（半扇和全扇）的有限样本量进行了验证	开发深度学习技术以改善稀疏采样CBCT投影重建的图像质量并降低患者成像剂量	胸部患者的CBCT投影数据	数字病理	NA	深度学习、FDK算法	深度残差U-Net（DRU）	CBCT投影图像	76、98和136个从680个投影中提取的稀疏采样投影（半扇几何）
1868	2025-07-16	Denoising pediatric cardiac photon-counting CT data with sparse coding and data-adaptive, self-supervised deep learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17918 PMID:40660927	研究论文	本文提出了一种结合稀疏编码和数据自适应自监督深度学习的方法，用于降低儿科心脏光子计数CT数据的噪声	改进的Vision Transformer架构结合稀疏编码，通过动态调整训练过程中的数据保真度和表示稀疏性平衡，实现自监督去噪	在已经高度去噪的临床PCCT数据中，对1岁以下患者的数据会出现图像细节平滑的问题	提升儿科心脏CT图像去噪方法，适应不同图像质量	儿科心脏光子计数CT数据	医学影像处理	先天性心脏病	光子计数CT(PCCT)，深度学习	改进的3D Vision Transformer(mViT)	CT图像	20名患者数据用于训练(1-18岁)，3名额外患者数据(2名<1岁)和一组小鼠心脏PCCT数据用于测试
1869	2025-07-16	Preserving noise texture through training data curation for deep learning denoising of high-resolution cardiac EID-CT 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17938 PMID:40660962	研究论文	本研究开发并测试了用于训练CNN模型的基于图像的噪声估计方法，以评估EID-CT冠状动脉CT血管造影（cCTA）图像在高分辨率重建下的去噪性能和噪声纹理保留	提出了两种直接从高分辨率重建的EID-CT患者图像中估计噪声的方法，并通过训练不同的CNN模型比较了它们在去噪和噪声纹理保留方面的效果	研究仅基于有限的样本（7例患者cCTA检查），且模型在保留小解剖结构方面存在一定局限性	提高EID-CT冠状动脉CT血管造影图像的质量，使其在去噪后能保留自然噪声纹理并接近PCD-CT的分辨率	高分辨率重建的EID-CT冠状动脉CT血管造影图像	数字病理	心血管疾病	CNN去噪技术	U-net CNN	CT图像	7例患者cCTA检查及均匀水模体CT图像
1870	2025-07-16	Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships 2025-Jul, Radiology IF:12.1Q1 DOI:10.1148/radiol.243239 PMID:40662972	研究论文	该研究通过深度学习软件纵向追踪肺气肿空洞的动态变化，并分析其与FEV下降、疾病进展和死亡率的关系	首次使用深度学习技术对肺气肿空洞进行纵向追踪，并根据直径变化将其分组，揭示了不同动态模式与临床指标的关系	样本量较小（108名参与者），且仅针对韩国阻塞性肺疾病队列研究的数据进行二次分析	探索肺气肿空洞的动态变化模式及其临床意义	肺气肿患者的CT影像和临床数据	数字病理学	肺气肿	CT扫描	深度学习	医学影像	108名参与者（平均年龄63.4岁，104名男性）
1871	2025-07-16	Artificial Intelligence in Cognitive Decline Diagnosis: Evaluating Cutting-Edge Techniques and Modalities 2025-Jun-26, Studies in health technology and informatics DOI:10.3233/SHTI250670 PMID:40588878	review	本文通过范围综述评估人工智能在认知衰退早期诊断中的潜力	整合临床数据和脑电图与深度学习方法，提高诊断准确性，并探索自然语言处理模型在早期认知衰退检测中的应用	综述主要基于2020至2025年的文献，可能未涵盖最新研究进展	评估人工智能在认知衰退早期诊断中的应用和潜力	认知衰退（CD）患者	digital pathology	geriatric disease	MRI, EEG, 深度学习, 自然语言处理	深度学习, NLP模型	医学影像（MRI）, 脑电图（EEG）, 临床数据, 文本数据	涵盖2020至2025年同行评审的期刊和会议论文中的研究
1872	2025-07-16	Fault Identification Model Using Convolutional Neural Networks with Transformer Architecture 2025-Jun-23, Sensors (Basel, Switzerland) DOI:10.3390/s25133897 PMID:40648155	研究论文	提出了一种结合CNN和Transformer架构的新型混合深度学习框架，用于工业制造中的故障识别和剩余使用寿命预测	整合CNN特征提取与Transformer时间建模的混合架构，在NASA CMAPSS数据集上实现97%以上的准确率	仅验证于航空发动机数据，未涉及其他工业设备类型	开发智能维护系统，提升工业设备的自主故障检测能力	航空发动机多传感器时间序列数据	机器学习	NA	深度学习	CNN-Transformer混合模型	时间序列传感器数据	NASA CMAPSS数据集（具体数量未说明）
1873	2025-07-16	Integrating structural homology with deep learning to achieve highly accurate protein-protein interface prediction for the human interactome 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.09.658393 PMID:40661495	研究论文	提出了一种结合结构同源性和深度学习的计算流程PIONEER2.0，用于高精度预测人类蛋白质相互作用组中的蛋白质-蛋白质界面残基	整合3D结构相似性与几何深度学习，显著优于AlphaFold3在预测界面残基方面的表现，并提供了实验验证	AlphaFold3无法为约一半的人类相互作用组生成高质量结构模型，PIONEER2.0在这些情况下表现更优，但仍存在局限性	研究蛋白质-蛋白质界面残基的预测方法，以帮助理解疾病相关突变的分子机制	人类蛋白质相互作用组中的蛋白质-蛋白质界面	生物信息学	NA	几何深度学习	PIONEER2.0	蛋白质结构数据	1,866个突变和5,010个突变-相互作用对
1874	2025-07-16	VNC-Dist: A machine learning-based semi-automated pipeline for quantification of neuronal positioning in the C. elegans ventral nerve cord 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.16.623955 PMID:40661438	研究论文	介绍了一种名为VNC-Dist的半自动化软件工具包，用于量化秀丽隐杆线虫腹神经索中神经元的位置	结合机器学习和计算机辅助工具，替代手动测量，提高神经元位置量化的速度和准确性	需要手动使用Fiji的多点工具进行神经元细胞体定位	研究腹神经索中神经元定位和排列的发育机制	秀丽隐杆线虫腹神经索中的22个运动神经元	数字病理学	NA	深度学习	改进的Segment Anything Model (SAM)	显微镜图像	多个已知破坏腹神经索神经元定位的遗传突变体
1875	2025-07-16	Simpatico: accurate and ultra-fast virtual drug screening with atomic embeddings 2025-Jun-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.08.658499 PMID:40661404	研究论文	介绍了一种名为simpatico的新方法，利用表示学习领域的技术，通过图神经网络生成蛋白质和小分子原子的高维嵌入，以快速准确地预测药物候选物与目标蛋白质口袋的相互作用潜力	simpatico方法在准确药物筛选中实现了超过1000倍的速度提升，同时保持了与最准确方法的竞争力，并能探索毒性风险和识别具有相似结合潜力的蛋白质	NA	开发一种快速准确的虚拟药物筛选方法	蛋白质和小分子	机器学习	NA	图神经网络	GNN	分子数据	6亿药物数据库
1876	2025-07-16	Educational strategies for teaching metabolic profiles across three endurance training zones 2025-Jun-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00094.2024 PMID:39809450	research paper	本文探讨了一种创新的教育方法，使用代谢板来增强对三个耐力训练区肌肉代谢的理解	提出了一种基于代谢板的互动教育工具，用于简化复杂的生理过程并促进深度学习	NA	探索教育策略以增强对耐力训练区肌肉代谢的理解	肌肉代谢在三个耐力训练区（Z1、Z2、Z3）中的表现	运动科学	NA	NA	NA	NA	NA
1877	2025-07-16	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	开发了一种基于深度学习的AI模型，通过组织病理学图像和临床病理变量预测乳腺癌复发风险和化疗获益	首次使用多模态深度学习方法从常规组织病理学图像中估计Oncotype DX 21基因复发评分，并在大型随机试验中验证其预测能力	模型在资源有限环境中的实际应用效果尚未完全验证	为激素受体阳性、HER2阴性早期乳腺癌患者提供更易获取的化疗决策工具	激素受体阳性、HER2阴性早期乳腺癌患者	数字病理学	乳腺癌	深度学习	多模态深度学习模型	图像和临床数据	TAILORx试验中的8,284名患者，外部验证队列中的5,497名患者
1878	2025-07-16	Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25327094 PMID:40385410	研究论文	使用卷积神经网络（CNN）对静息态脑电图（EEG）数据进行分类，以区分强迫症（OCD）患者与健康对照组	首次将CNN应用于最小预处理后的EEG时频表示数据，用于OCD分类，并探索了结合临床和人口统计信息的多模态融合方法	样本量较小（仅20名参与者），且参与者均为未服药状态，可能限制结果的泛化性	探索深度学习在精神病学应用中的潜力，特别是OCD的诊断	强迫症（OCD）患者与健康对照组的静息态EEG数据	机器学习	强迫症	静息态脑电图（EEG）和Morlet小波变换	CNN, SVM	EEG时频表示数据	20名未服药参与者（10名OCD患者，10名健康对照组）
1879	2025-07-16	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	本研究利用Twitter数据分析了公众对痴呆症基因检测的看法	使用BERT模型和主题建模技术分析Twitter数据，揭示公众对痴呆症基因检测的看法和趋势	研究仅基于英语推文，可能无法代表全球公众的全面看法	分析公众对痴呆症基因检测的看法和趋势	2010年至2023年间包含相关术语的英语推文	自然语言处理	老年疾病	BERT模型, NER, 主题建模	BERT	文本	3045条原始/源推文
1880	2025-07-16	A Large Language Model-Powered Map of Metabolomics Research 2025-Mar-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.18.643696 PMID:40166287	研究论文	本文通过分析超过80,000篇文献，利用PubMedBERT和GPT-4o mini等技术，绘制了代谢组学研究的全面图谱	使用PubMedBERT和GPT-4o mini对文献进行深度分析和主题建模，揭示了代谢组学领域的关键主题和趋势	研究依赖于PubMed数据库的文献，可能未涵盖所有相关研究	绘制代谢组学研究的全面图谱，揭示研究趋势和关键主题	80,000篇代谢组学相关文献	自然语言处理	NA	PubMedBERT, GPT-4o mini, t-SNE	BERT, GPT-4o mini	文本	80,000篇文献