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
1961	2025-10-06	Prediction of cerebrospinal fluid intervention in fetal ventriculomegaly via AI-powered normative modelling 2025-Sep-16, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	开发基于AI的胎儿脑室分割和体积量化方法，用于预测胎儿脑室扩大是否需要产后脑脊液干预	首次使用nnUNet构建胎儿脑室体积的标准化参考范围，并基于此预测产后干预需求	回顾性研究，样本量有限（222例患者），需要更大规模验证	通过AI方法准确区分胎儿脑室扩大和需要干预的脑积水	胎儿脑部MRI图像	医学影像分析	胎儿脑室扩大/脑积水	MRI成像	深度学习	医学影像	222例单胎妊娠患者（138例正常，64例脑室扩大，其中14例需要干预）	nnUNet	nnUNet	Dice系数, ROC曲线, AUC, 敏感性, 特异性	NA
1962	2025-10-06	Machine Learning Navigated Allosteric Network to Unveil Biased Allosteric Modulation of GPCRs 2025-Sep-16, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00935 PMID:40957834	研究论文	提出一种机器学习导航的变构网络策略RMLNA，用于揭示GPCRs偏置变构调节的分子机制	结合分子动力学模拟、可解释深度学习模型和变构网络分析，首次系统揭示β-arrestin偏置调节剂SBI-553对NTSR1的作用机制	方法主要针对GPCRs家族，在其他蛋白家族的应用需进一步验证	揭示GPCRs偏置变构调节剂的分子作用机制	神经降压素受体1（NTSR1）及其偏置变构调节剂SBI-553	计算生物学	NA	分子动力学模拟, 深度学习, 变构网络分析	CNN	分子构象数据	NTS-NTSR1-β-arrestin复合物（含/不含SBI-553）	NA	基于CNN的分类模型	NA	NA
1963	2025-10-06	AI-powered insights in pediatric nephrology: current applications and future opportunities 2025-Sep-16, Pediatric nephrology (Berlin, Germany) DOI:10.1007/s00467-025-06911-1 PMID:40957986	综述	探讨人工智能在儿科肾脏病学中的当前应用与未来机遇	系统整合多源数据（病史、基因组学、影像、临床记录）的AI工具可检测肾脏异常、预测急性肾损伤和疾病进展	存在伦理与实践挑战，包括数据隐私保护、算法偏见、标准化监管框架缺失以及医护人员培训需求	推动人工智能在儿科肾脏病学领域的临床应用与研究发展	儿童肾脏疾病患者及相关医疗数据	数字病理学	儿科肾脏疾病	深度学习	深度学习模型	多模态数据（病史、基因组、影像、临床记录）	NA	NA	NA	NA	NA
1964	2025-10-06	Granulocyte abundance and maturation state at diagnosis predicts treatment-free remission in CML 2025-Sep-16, Leukemia IF:12.8Q1 DOI:10.1038/s41375-025-02769-2 PMID:40958033	研究论文	通过深度学习分析骨髓细胞形态学特征预测慢性粒细胞白血病患者治疗无缓解状态	首次发现诊断时中性粒细胞丰度和粒细胞成熟状态与持续治疗无缓解相关，并通过深度学习验证其独立于已知临床因素的影响	样本量有限（113例患者），多中心研究可能存在数据异质性	探索骨髓细胞形态学作为慢性粒细胞白血病治疗无缓解预测生物标志物的潜力	慢性期慢性粒细胞白血病患者的骨髓穿刺样本	数字病理学	慢性粒细胞白血病	骨髓细胞形态学分析，深度学习图像分析	深度学习	高分辨率骨髓细胞形态学图像	113例CP CML患者骨髓样本，942例对照骨髓样本	NA	NA	NA	NA
1965	2025-10-06	High-Throughput Molecular Design of Donors and Non-Fullerene Acceptors for Organic Solar Cells Based on Convolutional Neural Networks 2025-Sep-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01634 PMID:40958151	研究论文	本文开发基于卷积神经网络的深度学习模型，用于高效设计有机太阳能电池的给体和受体分子	提出CNN分子生成模型结合迁移学习策略，首次实现大规模有机太阳能电池分子对的自动化设计与性能预测	模型预测性能尚未通过实验验证，计算生成的大量分子对需要进一步实验筛选	提高有机太阳能电池的功率转换效率，开发新型高性能给体和受体材料	有机太阳能电池的给体和受体分子	机器学习	NA	深度学习，分子生成	CNN,随机森林,Extra Trees回归,梯度提升回归树,自适应提升	分子结构数据	生成260,767个给体分子和937,155个受体分子，形成244,379,097,885个给体-受体对	NA	卷积神经网络	功率转换效率预测值	NA
1966	2025-10-06	Mammographic density assessed using deep learning in women at high risk of developing breast cancer: the effect of weight change on density 2025-Sep-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae029b PMID:40902628	研究论文	本研究探讨了体重变化对人工智能评估乳腺密度的影响	首次使用基于深度学习的乳腺密度评估方法研究体重变化对密度评分的影响	样本量较小（仅46名女性），研究人群仅限于有乳腺癌家族史的高风险女性	研究体重变化对人工智能评估乳腺密度的影响	46名参与减重研究的乳腺癌高风险女性	数字病理	乳腺癌	乳腺X线摄影	深度学习	医学影像	46名女性	NA	NA	Spearman秩相关系数	NA
1967	2025-10-06	SuperGLUE facilitates an explainable training framework for multi-modal data analysis 2025-Sep-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101167 PMID:40914154	研究论文	提出基于概率深度学习的可解释多模态数据集成方法SuperGLUE，用于单细胞多组学数据分析	结合概率深度学习与统计建模构建可解释框架，统一不同组学数据的集成流程并评估数据集成贡献	NA	开发可解释的多模态数据集成方法，挖掘生物系统中的结构关系	单细胞多模态数据（不同组学数据和传感数据）	机器学习	NA	单细胞多组学数据集成	概率深度学习模型	多模态数据（组学数据、传感数据）	NA	NA	NA	局部结构保持能力，全局结构保持能力	NA
1968	2025-10-06	Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors 2025-Sep-15, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00657-6 PMID:40952529	研究论文	本研究开发了结合机器学习和深度学习与共识分子对接的AI模型，用于虚拟筛选间变性淋巴瘤激酶抑制剂	结合配体基和结构基两种方法，采用集成投票模型和共识对接策略，发现三种新型ALK抑制剂	需要进一步体外实验验证模型筛选性能，数据集规模对图神经网络性能有重要影响	开发AI模型预测非小细胞肺癌治疗用ALK抑制剂	间变性淋巴瘤激酶抑制剂	机器学习	肺癌	分子对接，虚拟筛选	XGBoost, ANN, GNN	化合物数据	120,571个化合物	NA	人工神经网络，图神经网络	F1-score, Average Precision, 交叉验证	NA
1969	2025-09-18	Faster and Sharper Prostate T2W MRI with Deep Learning 2025-Sep-15, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.003 PMID:40957748	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1970	2025-10-06	Multiparametric magnetic resonance imaging of deep learning-based super-resolution reconstruction for predicting histopathologic grade in hepatocellular carcinoma 2025-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i34.111541 PMID:40937458	研究论文	本研究比较了基于深度学习的超分辨率重建多参数MRI在预测肝细胞癌组织病理学分级中的性能	首次将3D超分辨率重建技术应用于多参数MRI，并通过放射组学模型验证其在肝细胞癌分级预测中的优势	回顾性研究设计，样本仅来自两个医疗中心	预测肝细胞癌的组织病理学分级	肝细胞癌患者	医学影像分析	肝细胞癌	多参数磁共振成像	GAN, 3D U-Net, XGBoost, CatBoost	MRI图像	826名患者（训练集459，验证集196，测试集171）	NA	3D U-Net, 生成对抗网络	AUC, 校准曲线, 决策曲线分析, 净重分类指数	NA
1971	2025-10-06	Deep Learning-Based Segmentation of 2D Projection-Derived Overlapping Prospore Membrane in Yeast 2025-Sep-13, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.25032 PMID:40958578	研究论文	开发基于深度学习的DeMemSeg管道，用于分割酵母孢子形成过程中重叠的前孢子膜结构	专门针对2D投影图像中重叠膜结构设计的Mask R-CNN改进方案，解决了传统方法和标准深度学习工具难以准确分割重叠结构的挑战	基于2D投影图像分析，无法完全还原3D结构信息	开发自动化分割方法以促进细胞形态定量分析	酵母孢子形成过程中的前孢子膜（PSMs）	计算机视觉	NA	最大强度投影（MIP），显微镜成像	CNN	图像	自定义标注数据集，包括gip1Δ突变细胞数据	PyTorch	Mask R-CNN	分割性能，形态测量指标	NA
1972	2025-10-06	Gait data generation using lightweight generative deep learning framework 2025-Sep-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112951 PMID:40957131	研究论文	提出一种轻量级混合模型FNN-AE，用于生成高质量的人类步态数据	首次将前馈神经网络与自编码器集成，在保持数据保真度的同时显著降低模型复杂度	未提及模型在多样化人群和病理步态条件下的泛化能力	解决步态数据采集困难问题，开发轻量级步态数据生成方法	人类步态数据	机器学习	NA	深度学习	FNN, Autoencoder	步态数据	NA	NA	FNN-AE混合架构	模型复杂度, 数据保真度, 生物力学可行性	NA
1973	2025-10-06	Multimodal deep learning method based on multiple spectra for lung cancer early diagnosis 2025-Sep-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126932 PMID:40957203	研究论文	提出一种基于多光谱的多模态深度学习方法用于肺癌早期诊断	融合四种光谱数据并设计双分支架构，采用基于MambaVision的融合模块实现跨模态交互和全局上下文建模	NA	开发肺癌早期诊断的智能检测方法	肺癌诊断	数字病理	肺癌	傅里叶变换红外光谱、紫外-可见吸收光谱、荧光光谱、拉曼光谱	多模态深度学习	光谱数据（一维序列和二维GASF图像）	NA	NA	双分支架构，MambaVision融合模块	准确率，精确率，召回率，F1分数，AUC	NA
1974	2025-10-06	Deep learning and capsule endoscopy: automatic panendoscopic detection of protruding lesions 2025-Sep-10, BMJ open gastroenterology IF:3.3Q2 DOI:10.1136/bmjgast-2024-001655 PMID:40935410	研究论文	开发基于卷积神经网络的算法，用于胶囊内窥镜检查中全消化道隆起性病变的自动检测	报道了首个用于全消化道隆起性病变检测的卷积神经网络，填补了人工智能增强胶囊内窥镜领域的空白	回顾性研究设计，需要进一步多中心前瞻性研究验证结果	开发并测试基于CNN的算法，实现胶囊内窥镜检查中隆起性病变的自动检测	胃肠道隆起性病变（息肉、上皮性肿瘤或上皮下病变）	计算机视觉	胃肠道疾病	胶囊内窥镜	CNN	图像	1245例胶囊内窥镜检查，191,455帧图像（其中52,717帧包含隆起性病变）	NA	NA	灵敏度, 特异度, 准确率, 阳性预测值, 阴性预测值, AUC-ROC, AUC-PR	NA
1975	2025-10-06	An Interpretable Deep Learning Framework for Preoperative Classification of Lung Adenocarcinoma on CT Scans: Advancing Surgical Decision Support 2025-Sep-10, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4239 PMID:40955186	研究论文	开发用于CT扫描中肺腺癌术前分类的可解释深度学习框架	提出注意力增强的SE-ResNet模型，结合Grad-CAM增强模型可解释性	需要进一步验证临床价值	改进肺腺癌的自动分类，支持手术决策	肺腺癌患者和对照组的胸部CT图像	计算机视觉	肺癌	CT扫描	CNN	图像	380名受试者（190名患者和190名对照），共3800个CT轴向切片	NA	ResNet50, SE-ResNet50	准确率, AUC, 精确率, 召回率, F1分数	NA
1976	2025-10-06	Accelerating the discovery and optimization of metal-organic framework materials via machine learning 2025-Sep-10, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103671 PMID:40957153	综述	系统回顾机器学习在金属有机框架材料发现与优化中的应用进展	整合最新机器学习技术与MOF研究进展，为跨学科合作提供全面视角	未涉及具体实验验证，主要聚焦方法论层面的挑战与展望	加速金属有机框架材料的发现与优化过程	金属有机框架材料	机器学习	NA	机器学习	回归分析,分类算法,聚类分析,深度学习,强化学习	材料数据	NA	NA	NA	模型评估指标	NA
1977	2025-10-06	Automated lesion detection in endoscopic imagery for small animal models - a pilot study 2025-Sep-09, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0179 PMID:40960131	研究论文	开发基于YOLOv7的深度学习系统，用于自动检测和分类小鼠结肠镜检查视频中的肿瘤病变	首次将预训练于人类息肉图像的YOLOv7模型应用于小鼠结肠肿瘤检测，并结合粪便检测器和颜色过滤器提升检测性能	仅为初步研究，需要进一步评估以验证性能	开发自动化工具辅助临床前内窥镜研究中的肿瘤评估	小鼠结肠镜检查视频中的肿瘤病变	计算机视觉	结直肠癌	结肠镜检查	CNN	视频	28只小鼠的150个视频，其中125个包含肿瘤，持续6周观察	NA	YOLOv7	精确度, 召回率, 准确率	NA
1978	2025-10-06	ResDeepGS: A deep learning-based method for crop phenotype prediction 2025-Sep-08, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.013 PMID:40930401	研究论文	提出一种基于深度学习的作物表型预测方法ResDeepGS，通过整合特征选择和表型预测模块提升基因组选择性能	结合增量递归特征消除方法与增强型多层卷积神经网络，引入残差结构和dropout策略以更好地捕捉基因数据中的复杂关系	NA	开发高效的作物表型预测方法以加速作物育种进程	小麦、玉米和大豆的基因组数据	机器学习	NA	基因组选择	CNN	基因组标记数据	三个数据集（小麦、玉米、大豆）	NA	增强型多层卷积神经网络，残差结构	预测准确率	NA
1979	2025-10-06	A modular pipeline for evidence-integrated genome annotation across species: A case study on Schmidtea mediterranea 2025-Sep-08, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2025.111104 PMID:40930433	研究论文	开发了一个模块化基因组注释流程，用于跨物种的证据整合基因组注释，并以Schmidtea mediterranea为例进行案例研究	开发了灵活可扩展的基因组注释流程，整合短读长和长读长测序技术，结合基于参考基因组和从头组装方法，利用DeepSplice深度学习提高剪接位点检测准确性	主要针对非经典模式生物开发，在经典模式生物中的适用性未验证	解决非经典模式生物基因组注释面临的挑战	Schmidtea mediterranea（地中海涡虫）的无性繁殖品系	生物信息学	NA	Illumina短读长测序, PacBio长读长测序	深度学习	基因组测序数据	NA	NA	DeepSplice	NA	NA
1980	2025-10-06	Detecting Diverse Seizure Types with Wrist-Worn Wearable Devices: A Comparison of Machine Learning Approaches 2025-Sep-06, Sensors (Basel, Switzerland) DOI:10.3390/s25175562 PMID:40942991	研究论文	本研究评估腕戴式可穿戴设备结合机器学习方法检测多种癫痫类型的可行性和有效性	首次系统比较多种机器学习方法在腕戴设备上检测多种癫痫类型（包括局灶性、全身性和亚临床发作）的性能	非运动型癫痫检测性能有限，样本量较小（28名患者），假阳性率较高	评估腕戴式可穿戴设备结合机器学习检测多种癫痫类型的可行性	28名在梅奥诊所接受住院视频脑电图监测的癫痫患者	机器学习	癫痫	腕戴式生物信号监测（加速度计、血容量脉冲、皮电活动、皮肤温度、心率）	XGBoost, LSTM, CNN, Transformer	多模态生物信号数据	28名患者	XGBoost, PyTorch/TensorFlow（深度学习模型）	LSTM, CNN, Transformer, ROCKET, MultiROCKET	AUROC, SW-Recall, FA/h	NA