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	2025-07-26	Regularized Gradient Statistics Improve Generative Deep Learning Models of Super Resolution Microscopy 2025-Jul, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401900 PMID:40454902	research paper	本文提出了一种在超分辨率荧光显微镜深度学习模型训练过程中通过正则化信号梯度统计来改进生成图像质量的方法	通过在训练数据集中对图像进行梯度及拉普拉斯统计量的正则化处理，使其更接近自然场景图像的统计特性，从而提升生成图像质量	该方法仅适用于具有适当先验信息的图像（如BioSR数据集中丝状结构图像）	改进超分辨率显微镜深度学习模型的图像生成质量	超分辨率荧光显微镜图像	computer vision	NA	深度学习	Conditional Variational Diffusion Model (CVDM)	图像	BioSR数据集（包含衍射极限图像与超分辨率图像的匹配对）
462	2025-07-26	ICD lead and primary metal artifact detection and inpainting in cardiac CT images 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17947 PMID:40660812	研究论文	开发了一种自动检测心脏CT扫描中ICD导线及周围金属伪影并修复受影响区域的方法	提出了两种深度学习模型，用于自动检测和修复心脏CT图像中的ICD导线及金属伪影，提高了心脏分割和运动分析的准确性	方法主要针对已重建的CT图像，可能不适用于其他类型的医学影像或不同来源的金属伪影	减少心脏CT图像中由ICD导线引起的金属伪影，恢复丢失的解剖信息	心脏CT图像中的ICD导线及金属伪影	数字病理学	心血管疾病	深度学习	2D U-Net, 3D图像修复模型	CT图像	12名患者的心脏4DCT扫描数据，以及148名患者的无伪影心脏CT数据用于合成数据集
463	2025-07-26	From Industry 4.0 to 5.0: Exploring the Opportunity of Biodegradable Freshness Indicator Packaging 2025-Jul, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70242 PMID:40708461	综述	本文探讨了从工业4.0到5.0背景下，生物可降解新鲜度指示包装的机遇及其在食品包装行业的应用	结合数字技术与包装技术的跨学科整合，提出了生物可降解材料与新鲜度指示包装的创新应用	未具体提及实验数据或案例研究的局限性	探索生物可降解新鲜度指示包装在可持续食品包装中的潜力和机遇	生物可降解聚合物和新鲜度指示包装技术	食品包装技术	NA	机器学习、大数据、物联网、3D打印、深度学习、区块链、云边协作、万物互联、4D打印	NA	NA	NA
464	2025-07-26	Detect+Track: robust and flexible software tools for improved tracking and behavioural analysis of fish 2025-Jul, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.242086 PMID:40708665	research paper	介绍了一种名为Detect+Track的新型视频处理方法，结合深度学习目标检测器与基于模板的目标无关跟踪器，显著提高了动物跟踪的准确性和鲁棒性	结合深度学习目标检测器与基于模板的目标无关跟踪器，显著提高了动物跟踪的准确性和鲁棒性，特别是在遮挡、光照变化、身体变形和表面波纹等挑战性条件下	未明确提及具体局限性，但可能需要手动校正和重新训练以适应新的对象类别	提高动物在复杂环境中运动和决策研究的跟踪和分析能力	Picasso triggerfish（毕加索扳机鱼）在随机排列的圆柱障碍物中导航的行为实验	computer vision	NA	深度学习目标检测、基于模板的跟踪、Voronoi镶嵌、平面同调、光流法	深度学习目标检测器	video	未明确提及具体样本数量，但涉及毕加索扳机鱼的行为实验
465	2025-07-26	VGG-EffAttnNet: Hybrid Deep Learning Model for Automated Chili Plant Disease Classification Using VGG16 and EfficientNetB0 With Attention Mechanism 2025-Jul, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70653 PMID:40708782	研究论文	提出了一种结合VGG16和EfficientNetB0的混合深度学习模型VGG-EffAttnNet，用于辣椒植物病害的自动分类	结合VGG16和EfficientNetB0，引入注意力机制和蒙特卡洛Dropout（MCD）以提高分类的准确性和鲁棒性	未来工作需扩展到实时移动和边缘设备部署，增强模型的可解释性，并探索去中心化农业诊断的联邦学习	开发一种高效的深度学习模型，用于辣椒植物病害的自动分类，以支持精准农业	辣椒植物的病害图像	计算机视觉	辣椒植物病害	深度学习	VGG16, EfficientNetB0	图像	5000张图像，涵盖五个类别：健康、叶卷曲、叶斑、粉虱和黄化
466	2025-07-26	Machine learning-assisted point-of-care diagnostics for cardiovascular healthcare 2025-Jul, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.70002 PMID:40708978	research paper	本文探讨了机器学习辅助的即时诊断设备在心血管疾病医疗中的应用及其潜力	利用深度学习框架改进即时诊断设备，实现更频繁的异常检测和自动化专家级诊断	数据隐私问题和数据集代表性偏见可能阻碍临床整合	提升心血管疾病的诊断准确性和医疗效率	心血管疾病患者	machine learning	cardiovascular disease	deep learning	deep learning frameworks	medical data	NA
467	2025-07-26	An Interactive Human-in-the-Loop Framework for Skeleton-Based Posture Recognition in Model Education 2025-Jul-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070431 PMID:40710243	research paper	提出了一种基于骨架的姿势识别的人机交互框架，用于支持模型训练和艺术教育	结合了传统和深度学习分类算法，并整合了视觉推荐模块以增强教学互动性	未提及数据集是否具有多样性或泛化能力	开发一个支持姿势分类和模型训练的交互式框架	人体姿势（站立、坐、跳跃、蹲伏、躺）	computer vision	NA	骨架特征提取（关节坐标、角度、肢体长度、对称性度量）	KNN, SVM, Random Forest, LSTM, Transformer	image	4870张标注图像用于训练和验证，500张图像用于测试
468	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
469	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
470	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）
471	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）
472	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
473	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
474	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
475	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
476	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
477	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
478	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
479	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
480	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）