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
461	2025-07-25	The Power of Hellmann-Feynman Theorem: Kohn-Sham DFT Energy Derivatives with Respect to the Parameters of the Exchange-Correlation Functional at Linear Cost 2025-Jul-24, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01771 PMID:40653651	研究论文	本文应用Hellmann-Feynman定理计算Kohn-Sham DFT能量对交换相关泛函参数的导数，显著提高了计算效率	利用Hellmann-Feynman定理实现了Kohn-Sham DFT能量对交换相关泛函参数导数的线性复杂度计算，相比自动微分方法显著加速	研究仅基于LDA和GGA泛函进行验证，未涉及更复杂的泛函形式	开发高效计算科学模型参数导数的方法，以加速机器学习中的梯度优化和深度学习集成	Kohn-Sham DFT能量对交换相关泛函参数的导数	机器学习	NA	Hellmann-Feynman定理	Kohn-Sham DFT	NA	一系列烷烃（n=4...64）使用双zeta基组
462	2025-07-25	Artificial Neural Networks and Deep Learning in Solid Organ Transplantation 2025-Jul-24, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000005500 PMID:40702591	review	本文综述了人工神经网络和深度学习在实体器官移植中的应用，并提供了相关术语解释和使用建议	概述了神经网络在移植领域的最新应用，特别是处理非表格数据（如图像和文本）的能力	模型结果的解释需要考虑上下文，存在一定的黑箱预测问题	探讨人工神经网络和深度学习在实体器官移植中的应用潜力	实体器官移植	machine learning	NA	deep learning	artificial neural networks	image, text	NA
463	2025-07-25	Malignancy classification of thyroid incidentalomas using 18F-fluorodeoxy-d-glucose PET/computed tomography-derived radiomics 2025-Jul-24, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002031 PMID:40702878	研究论文	本研究探讨了18F-FDG PET/CT衍生的放射组学特征在区分甲状腺偶发瘤良恶性中的作用	利用PET和CT图像的放射组学特征进行甲状腺偶发瘤的良恶性分类，并与传统的TIRADS分类进行比较	样本量较小（46例患者），未来需要更大样本和深度学习方法验证	研究非侵入性PET/CT放射组学特征在甲状腺偶发瘤良恶性鉴别中的价值	46例接受甲状腺超声和手术的PET/CT甲状腺偶发瘤患者	数字病理学	甲状腺癌	18F-FDG PET/CT成像	NA	医学影像（PET和CT图像）	46例患者（36例恶性，10例良性）
464	2025-07-25	Mycophenolate mofetil-induced colitis versus colonic graft-versus-host disease: a comparative histologic study with artificial intelligence model development 2025-Jul-24, Histopathology IF:3.9Q1 DOI:10.1111/his.15521 PMID:40703053	研究论文	本研究比较了MMF诱导的结肠炎和结肠GVHD的组织病理学特征，并开发了一种使用深度学习卷积神经网络（CNNs）的数字工具，用于半自动化量化嗜酸性粒细胞	开发了一种基于深度学习的数字工具，用于半自动化量化嗜酸性粒细胞，为MMF诱导的结肠炎和结肠GVHD的鉴别诊断提供辅助工具	MMF诱导的结肠炎在SCT患者中较为罕见，因此病理学家在诊断时需要较高的阈值	比较MMF诱导的结肠炎和结肠GVHD的组织病理学特征，并开发一种数字工具辅助诊断	MMF和GVHD结肠炎病例，以及接受移植并处于GVHD风险中的患者	数字病理学	结肠炎	深度学习卷积神经网络（CNNs）	CNN	组织病理学图像	95名患者（GVHD组37例，MMF组25例，GVHD vs. MMF组33例）
465	2025-07-25	Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study 2025-Jul-24, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30300 PMID:40704399	研究论文	本研究利用深度学习和多模态磁共振成像（MRI）数据，开发了一种基于三维卷积神经网络（3D CNN）的方法，用于区分多系统萎缩（MSA）和帕金森病（PD）	首次将多模态MRI数据（灰质密度图和平均扩散率图）与3D CNN结合，用于区分MSA和PD，并通过激活图分析提供了模型的可解释性	样本量相对较小（92例MSA患者和64例PD患者），且为回顾性研究	开发一种基于MRI的自动诊断工具，用于区分帕金森综合征	多系统萎缩（MSA）患者和帕金森病（PD）患者	数字病理学	帕金森综合征	磁共振成像（MRI），包括T1加权序列和扩散张量成像	3D CNN	图像	156例患者（92例MSA，64例PD）
466	2025-07-25	Deep Learning Based Evaluation of Skeletal Maturation: A Comparative Analysis of Five Hand-Wrist Methods 2025-Jul-24, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.70008 PMID:40704688	研究论文	本研究通过比较五种不同的手腕骨骼成熟度评估方法，评估了深度学习算法在骨骼年龄估计中的有效性	使用YOLOv8x深度学习模型对五种手腕骨骼成熟度分类方法进行比较分析，并展示了在不同骨骼成熟阶段的分类性能	在青春期生长高峰阶段（S-H2和MP3-Cap阶段）的分类性能略低	评估深度学习算法在骨骼年龄估计中的诊断可靠性	6572名8-16岁正畸患者的手腕X光片	计算机视觉	NA	YOLOv8x深度学习模型	YOLOv8x-cls	图像	6572张手腕X光片
467	2025-07-25	MSA-Net: a multi-scale and adversarial learning network for segmenting bone metastases in low-resolution SPECT imaging 2025-Jul-24, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00785-w PMID:40705118	research paper	提出了一种基于深度学习的多尺度和对抗学习网络MSA-Net，用于在低分辨率SPECT成像中分割骨转移病灶	结合条件对抗学习和多尺度特征提取生成器，采用级联扩张卷积、多尺度模块和深度监督，提高了多尺度病灶检测的准确性，尤其是对小而聚集的病灶	未提及具体的数据集多样性或模型在其他类型癌症中的泛化能力	提高低分辨率SPECT成像中骨转移病灶的分割准确性，以支持肺癌的临床决策	骨转移病灶	digital pathology	lung cancer	SPECT imaging	MSA-Net (multi-scale and adversarial learning network)	image	286 clinically annotated SPECT scintigrams
468	2025-07-25	Guided multi-objective generative AI to enhance structure-based drug design 2025-Jul-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01778e PMID:40463429	研究论文	本文介绍了一种名为IDOLpro的新型生成化学AI，结合扩散模型与多目标优化，用于基于结构的药物设计	IDOLpro首次结合扩散模型与多目标优化，能够生成满足多种目标理化性质的新型配体，且在结合亲和力和合成可及性上优于现有方法	未明确提及具体局限性	开发一种能够生成满足多种目标理化性质的新型配体的生成化学AI，以加速药物发现过程	药物分子配体	药物发现	NA	扩散模型、多目标优化	扩散模型	化学结构数据	两个基准测试集
469	2025-07-25	Development and validation of an improved volumetric breast density estimation model using the ResNet technique 2025-Jul-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adecac PMID:40623423	研究论文	本研究开发并验证了一种改进的基于ResNet技术的乳腺体积密度估计模型	首次应用ResNet深度学习模型于乳腺体积密度估计，性能优于传统方法和之前的机器学习模型	研究仅基于历史数据，未涉及前瞻性验证	提高从存档X线乳腺摄影中估计乳腺体积密度的准确性	乳腺X线摄影图像	计算机视觉	乳腺癌	ResNet深度学习技术	Random Forest, XG-Boost, ResNet	医学影像	NA
470	2025-07-25	Development of a deep learning model for T1N0 gastric cancer diagnosis using 2.5D radiomic data in preoperative CT images 2025-Jul-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01055-9 PMID:40696140	research paper	开发了一种基于2.5D放射组学数据和深度学习的模型，用于术前CT图像中T1N0胃癌的诊断	首次将2.5D放射组学数据和多实例学习(MIL)应用于胃癌诊断，结合ResNet101和XGBoost模型	研究仅基于两个医疗中心的数据，可能影响模型的泛化能力	提高早期胃癌(EGC)无淋巴结转移的术前准确诊断	3164名接受根治性手术的胃癌患者	digital pathology	gastric cancer	CT成像	ResNet101, XGBoost	CT图像	3164名胃癌患者
471	2025-07-25	A Comprehensive Survey on 3D Single-View Object Reconstruction 2025-Jul-23, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3591770 PMID:40699970	综述	本文全面调查了基于单视图的3D物体重建（SVOR）领域的最新进展，特别是与基于新视角合成（NVS）方法相关的进展，并提出了一种更全面的评估方法以准确反映人类视觉感知	提出了一种考虑部分显著性的加权评估方法，并引入了一种自动感知重建差异的新技术，有效提高了评估的准确性和一致性	现有质量评估指标与人类视觉感知之间存在差异，且关键物体部分在评估中常被忽视	填补SVOR领域现有综述未全面涵盖基于NVS方法快速发展的空白，并提升评估方法的准确性	单视图3D物体重建（SVOR）方法及其评估技术	计算机视觉	NA	深度学习（DL），新视角合成（NVS）	NA	图像	NA
472	2025-07-25	Progressive Training for Learning From Label Proportions 2025-Jul-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3590131 PMID:40699973	研究论文	提出了一种名为PT-LLP的渐进式训练方法，用于解决基于标签比例学习（LLP）中的比例约束问题	通过渐进式训练方法从袋级别到实例级别逐步满足比例约束，结合知识蒸馏和最优传输算法优化分类器性能	未明确提及具体的数据集规模或计算资源需求限制	改进基于标签比例学习的分类器性能，确保比例约束得到满足	基于标签比例的机器学习分类问题	机器学习	NA	最优传输（OT）算法、知识蒸馏	深度学习模型（具体模型未提及）	分组训练数据	NA
473	2025-07-25	Implementation of convolutional neural networks for microbial colony recognition 2025-Jul-23, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02885-24 PMID:40700097	研究论文	本文应用深度学习技术进行微生物菌落识别，以辅助临床分类	首次将八种不同的CNN模型应用于微生物菌落识别，并比较了它们的性能	数据集中仅包含五种微生物类别，可能无法涵盖所有临床相关菌种	开发基于深度学习的微生物菌落自动识别系统	临床分离的微生物菌落	计算机视觉	NA	深度学习	CNN（包括AlexNet、GoogLeNet、MobileNet和ShuffleNet等）	图像	每个类别1000张图像（共5个类别，总计5000张图像）
474	2025-07-25	Deep Learning for Bidirectional Translation between Molecular Structures and Vibrational Spectra 2025-Jul-23, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c05010 PMID:40700648	研究论文	开发了两种深度学习模型TranSpec和SpecGNN，用于建立分子振动光谱与简化分子输入行条目系统(SMILES)表示之间的双向映射	提出了一个双向映射框架，能够高效准确地在分子结构和光谱之间进行转换，并展示了在功能基团识别和异构体区分方面的能力	TranSpec在实验IR数据集上的初始准确率较低(11%)，虽然通过多种方法提升到了53.6%，但仍存在改进空间	建立一个AI驱动的框架来解释分子结构和光谱，推动光谱学和化学信息学的应用	分子振动光谱和分子结构	机器学习	NA	深度学习	TranSpec, SpecGNN	光谱数据, 分子结构数据	量子化学计算IR和拉曼光谱数据集，NIST实验IR数据集
475	2025-07-25	Deep learning-based prognosis of major adverse cardiac events in patients with acute myocardial infarction: a retrospective observational study in the Republic of Korea 2025-Jul-23, Osong public health and research perspectives IF:2.1Q3 DOI:10.24171/j.phrp.2025.0120 PMID:40701813	研究论文	本研究开发了深度神经网络模型，用于准确分类急性心肌梗死患者出院后的主要不良心脏事件	使用DNN模型预测急性心肌梗死患者出院后的主要不良心脏事件，并在1、6和12个月的随访期内表现出优于传统机器学习方法的预测性能	研究为回顾性观察研究，可能存在数据偏差	开发能够准确预测急性心肌梗死患者出院后主要不良心脏事件的模型	急性心肌梗死患者	机器学习	心血管疾病	DNN	深度神经网络	临床数据	NA
476	2025-07-25	Dynamic Early Survival Prediction Model for Hepatocellular Carcinoma Patients Treated With Atezolizumab and Bevacizumab: A Longitudinal Deep Learning Analysis 2025-Jul-23, Hepatology research : the official journal of the Japan Society of Hepatology IF:3.9Q1 DOI:10.1111/hepr.70005 PMID:40702678	研究论文	本研究开发了一种动态早期生存预测模型（DynSurv-HCC），用于预测接受阿特珠单抗和贝伐珠单抗治疗的肝细胞癌患者的总生存期	使用随机生存森林（RSF）方法的DynSurv-HCC模型在动态生存预测中表现优于其他深度学习方法，且在不同病因和基线AFP水平下均显示出稳健的预测准确性	研究样本量相对较小（415例患者），且仅基于两项临床试验的数据	提高对接受阿特珠单抗和贝伐珠单抗治疗的不可切除肝细胞癌（uHCC）患者早期总生存期（OS）的预测准确性	不可切除肝细胞癌（uHCC）患者	数字病理学	肝细胞癌	纵向生存分析	随机生存森林（RSF）	临床试验数据	415例不可切除肝细胞癌患者（291例训练集，124例验证集）
477	2025-07-25	Anatomically Based Multitask Deep Learning Radiomics Nomogram Predicts the Implant Failure Risk in Sinus Floor Elevation 2025-Jul-23, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70011 PMID:40702787	研究论文	开发并评估了一种基于解剖学的多任务深度学习放射组学列线图系统（AMDRN），用于在上颌窦底提升术（MSFE）前预测种植体失败风险，同时整合关键解剖结构的自动分割	结合深度学习模型和放射组学模型，开发了AMDRN系统，实现了术前种植体失败风险的预测和关键解剖结构的自动分割	研究为回顾性设计，可能受到数据选择和偏倚的影响	预测上颌窦底提升术中的种植体失败风险，支持个性化治疗规划和临床风险管理	患者的术前锥形束计算机断层扫描（CBCT）图像和电子病历（EMRs）	数字病理	牙科疾病	CBCT扫描	nn-UNet v2, 3D-Attention-ResNet, logistic regression (LR)	图像, 电子病历	未明确提及具体样本数量
478	2025-07-25	2D Materials for Emerging Neuromorphic Vision: From Devices to In-Sensor Computing 2025-Jul-23, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503717 PMID:40702832	综述	本文综述了二维材料在神经形态视觉领域的最新进展，从器件到传感器内计算的应用	探讨了二维材料在克服冯·诺依曼架构限制方面的潜力，特别是在能效和实时视觉处理方面的创新	未提及具体的实验验证或实际应用案例	推动传感器内计算的发展，以解决边缘应用中能效和实时视觉处理的挑战	二维材料系统，包括铁电二维材料、拓扑绝缘体和扭曲系统	神经形态工程	NA	NA	深度学习算法架构	NA	NA
479	2025-07-25	Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning 2025-Jul-22, JAMA DOI:10.1001/jama.2025.8731 PMID:40549400	研究论文	本研究开发并评估了一个名为PanEcho的AI系统，用于自动解读超声心动图，涵盖39个标签和测量	提出了一个基于多任务深度学习的AI系统PanEcho，能够自动解读超声心动图，并在完整和有限的研究中保持高准确性	研究为回顾性分析，需在前瞻性临床工作流程中进一步评估	开发并评估AI系统在超声心动图解读中的准确性	超声心动图视频	数字病理学	心血管疾病	多任务深度学习	深度学习模型	视频	1.2百万个超声心动图视频，来自24,405名患者的32,265次TTE研究
480	2025-07-25	Automated detection of wolf howls using audio spectrogram transformers 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11413-z PMID:40695914	研究论文	本文提出了一种利用音频谱图变换器自动检测狼嚎的方法	开发了两种基于音频谱图变换器架构的深度学习模型，显著提高了狼嚎检测的效率和准确性	未提及模型在野外复杂环境中的表现	提高狼嚎检测的效率和准确性，支持生态监测和研究	灰狼的嚎叫声音	机器学习	NA	音频谱图变换器	Audio Spectrogram Transformer	音频	未提及具体样本数量