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
1001	2025-07-14	Plastic water bottle detection model using computer vision in aquatic environments 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09300-8 PMID:40640371	研究论文	本文提出了一种利用计算机视觉、深度学习和目标跟踪算法自动检测和计数水体中塑料水瓶的方法	结合YOLOv8目标检测模型、Norfair目标跟踪库和新颖的后处理算法，有效过滤误检	未提及模型在不同水质或光照条件下的泛化能力	开发自动化水体垃圾检测系统	水体中的塑料水瓶	计算机视觉	NA	深度学习、目标跟踪	YOLOv8	图像	多个公开的标记垃圾和塑料瓶图像数据集
1002	2025-07-14	Automated tick classification using deep learning and its associated challenges in citizen science 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10265-x PMID:40640390	研究论文	本文开发了一种基于深度学习的自动化蜱虫分类方法，并探讨了在公民科学中应用的相关挑战	结合深度学习和公民科学进行大规模蜱虫监测的创新框架	类别不平衡、物种相似性和形态变异性带来的分类挑战	开发自动化蜱虫分类系统以支持公共卫生监测	蜱虫图像数据	计算机视觉	莱姆病和蜱传脑炎	图像分析、目标检测和迁移学习	EfficientNetV2M	图像	超过15,000张蜱虫图像，涵盖7个物种
1003	2025-07-14	Deep learning on routine full-breast mammograms enhances lymph node metastasis prediction in early breast cancer 2025-Jul-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01831-8 PMID:40640522	research paper	该研究利用深度学习技术分析常规乳腺X光片，以提高早期乳腺癌淋巴结转移的预测准确性	首次将深度学习应用于常规全乳X光片，结合临床变量显著提升了淋巴结转移的预测性能	研究为回顾性设计，样本仅来自瑞典三家机构，可能影响结果的普适性	开发术前预测乳腺癌淋巴结转移的影像学模型，为手术降级提供依据	1265名cN0 T1-T2期乳腺癌患者（接受初次手术，未进行新辅助治疗）	digital pathology	breast cancer	deep learning	CNN	image	1265例患者的乳腺X光片和临床病理数据
1004	2025-07-14	Rprot-Vec: a deep learning approach for fast protein structure similarity calculation 2025-Jul-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06213-1 PMID:40640710	research paper	提出了一种名为Rprot-Vec的深度学习模型，用于基于蛋白质一级序列数据快速预测蛋白质结构相似性和进行同源检测	结合双向GRU和多尺度CNN层与ProtT5编码，仅使用一级序列数据即可准确快速预测蛋白质结构相似性，参数数量仅为TM-vec的41%但性能更优	未明确提及具体局限性	开发一种高效、可扩展的基于序列的蛋白质结构相似性预测方法	蛋白质序列和结构	computational biology	NA	deep learning	bidirectional GRU, multi-scale CNN, ProtT5	protein sequence data	三个精选训练数据集(CATH_TM_score_S/M/L)
1005	2025-07-14	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-Jul-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	该研究开发了一种基于注意力的多模态深度学习模型，用于预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	结合了3D卷积神经网络和自注意力机制，以捕捉空间和跨模态的交互，提高了模型的可解释性和跨机构的泛化能力	模型的预测性能仍有提升空间，AUC值在内部和外部验证集上分别为0.73和0.71	预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	乳腺癌患者	数字病理学	乳腺癌	MRI成像和临床特征分析	3D CNN和自注意力机制	医学影像和临床数据	I-SPY 2试验数据集（N=660）和I-SPY 1数据集（N=114）
1006	2025-07-14	Noise-inspired diffusion model for generalizable low-dose CT reconstruction 2025-Jul-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103710 PMID:40651065	研究论文	提出了一种受噪声启发的扩散模型NEED，用于通用低剂量CT重建，通过双域重建策略提高重建质量和泛化性能	设计了移位泊松扩散模型和对偶引导扩散模型，分别针对投影数据和重建图像进行优化，无需配对数据训练即可适应不同剂量水平	未明确说明模型在极端低剂量情况下的表现及计算效率	提升深度学习模型在未见剂量水平的低剂量CT重建中的泛化能力	低剂量CT图像重建	数字病理	NA	扩散模型	NEED（噪声启发扩散模型）	CT图像	两个数据集（未明确具体数量）
1007	2025-07-14	SingleFrag: a deep learning tool for MS/MS fragment and spectral prediction and metabolite annotation 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf333 PMID:40641047	研究论文	本文介绍了一种名为SingleFrag的深度学习工具，用于预测MS/MS碎片和光谱以及代谢物注释	SingleFrag通过单独预测每个碎片而非整个光谱，超越了现有最先进的计算机模拟碎片工具	NA	解决由于缺乏全面的参考光谱库而导致的代谢物和小分子鉴定困难	代谢物和小分子的MS/MS光谱	机器学习	NA	MS/MS	深度学习	光谱数据	三种先前未鉴定的人类样本中常见化合物
1008	2025-07-14	Chemical space visual navigation in the era of deep learning and Big Data 2025-Jul, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104392 PMID:40456508	综述	本文综述了在深度学习和大数据时代下，化学空间可视化导航的算法和工具的最新进展	探讨了这些方法如何应对大数据挑战，并讨论了非传统应用，如QSAR/QSPR模型的视觉验证、交互式生成方法以及化学空间地图作为数字艺术的使用	NA	分析大数据时代下药物化学领域的新挑战，并提出可视化化学空间的方法和工具	化学空间的可视化导航算法和工具	药物化学	NA	QSAR/QSPR模型	NA	化学结构数据	NA
1009	2025-07-14	AI-based pelvic floor surface electromyography reference ranges and high-precision pelvic floor dysfunction diagnosis 2025-Jul, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105755 PMID:40479842	研究论文	本研究通过AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，以提高盆底功能障碍（PFDs）的诊断准确性	利用AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，其性能优于传统的Glazer标准和经典机器学习及深度学习模型	研究样本虽来自多个中心，但仍可能存在地域和人群的局限性	建立盆底表面肌电的多维数据库，并开发AI诊断模型以提高PFDs的诊断准确性	1605名来自中国21个中心的参与者	数字病理	盆底功能障碍	表面肌电图（sEMG）	AI-Diagnostician-PFD	肌电数据	1605名参与者
1010	2025-07-14	Deep operator network models for predicting post-burn contraction 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106558 PMID:40592205	research paper	本研究探讨了使用深度算子网络作为有限元模拟的替代模型，用于预测烧伤后伤口收缩	提出了一种改进的深度算子网络架构，通过整合初始伤口形状信息和应用正弦增强来加强边界条件	研究仅基于三种初始伤口形状进行训练，可能限制了模型的泛化能力	开发一种高效的方法来预测烧伤后伤口收缩，以辅助医疗治疗规划	烧伤后伤口收缩的预测	machine learning	burn injuries	deep operator network	neural operator	simulation data	基于三种初始伤口形状的训练集和测试集
1011	2025-07-14	Short-horizon neonatal seizure prediction using EEG-based deep learning 2025-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000890 PMID:40644380	research paper	本研究探讨了基于定量脑电图（QEEG）和深度学习（DL）的短时程新生儿癫痫预测方法	首次研究了分钟级别的高时间分辨率短时程新生儿癫痫预测，填补了该领域的研究空白	模型校准效果中等，预期校准误差为0.106，需要进一步验证	开发短时程新生儿癫痫预测系统	新生儿癫痫发作	digital pathology	neurological disease	quantitative electroencephalography (QEEG)	ConvLSTM	EEG data	132名新生儿，共281小时EEG数据
1012	2025-07-14	Enhancing tremor classification: Transformer-based analysis of biomechanics patterns for Parkinson's and essential tremor 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106599 PMID:40578292	研究论文	使用基于Transformer的深度学习模型分析生物力学模式，以区分帕金森病和特发性震颤	首次采用Transformer模型结合多头注意力机制，从多传感器运动数据中解码动态运动任务中的生物力学模式	研究未涉及其他类型的震颤疾病，且样本量未明确说明	开发一个多类分类系统，用于区分特发性震颤、帕金森病和健康对照组	特发性震颤、帕金森病患者及健康对照组	机器学习	帕金森病	多传感器运动数据采集	Transformer	运动信号数据	NA
1013	2025-07-13	Automated assessment of laparoscopic pattern cutting skills using computer vision and deep learning 2025-Jul-10, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2025.109540 PMID:40644739	研究论文	开发了一种基于计算机视觉和深度学习的自动化系统，用于评估腹腔镜手术中的模式切割技能	使用YOLO深度学习模型和合成数据进行标本分割，提供客观、定量的切割技能评估	样本材料形状的扭曲带来一定挑战	提高腹腔镜手术技能评估的效率、可靠性和标准化	腹腔镜手术中的模式切割技能	计算机视觉	NA	深度学习	YOLO	图像	合成测试样本和真实手术标本
1014	2025-07-13	Tumour nuclear size heterogeneity as a biomarker for post-radiotherapy outcomes in gynecological malignancies 2025-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100793 PMID:40642183	研究论文	本研究探讨了妇科鳞状细胞癌患者放疗前肿瘤核大小分布与放疗后结果之间的潜在联系	首次将肿瘤核大小异质性作为预测妇科恶性肿瘤放疗后结果的生物标志物	预测准确性较低（C统计量0.56-0.57），需要更大规模的泛癌研究验证	探索个性化多尺度剂量学的潜在重要性	191例非转移性妇科鳞状细胞癌患者	数字病理学	妇科恶性肿瘤/鳞状细胞癌	深度学习	Cox比例风险模型	全切片图像(WSIs)	191例患者
1015	2025-07-13	Artificial intelligence system for EUS navigation and anatomical landmark recognition 2025-Jul, VideoGIE : an official video journal of the American Society for Gastrointestinal Endoscopy DOI:10.1016/j.vgie.2025.03.027 PMID:40642404	研究论文	本文介绍了一种基于深度学习的人工智能系统，用于EUS导航和识别解剖标志	开发了一种基于深度卷积神经网络（DCNNs）的AI系统，能够实时提供EUS导航提示并识别解剖标志	该系统无法识别病理变化，如胰腺肿块或囊性病变	探索人工智能在EUS导航和解剖标志识别中的应用	接受诊断性EUS的患者	数字病理	胰腺疾病	深度学习	DCNN	图像	3名患者
1016	2025-07-12	Screening of bioactive compounds and deep learning-driven quality control of Angong Niuhuang pills 2025-Jul-24, Journal of ethnopharmacology IF:4.8Q1 DOI:10.1016/j.jep.2025.120095 PMID:40490229	研究论文	本研究通过深度学习驱动的质量控制方法，筛选并验证了安宫牛黄丸中的关键活性化合物，并建立了全面的质量控制系统	结合LC-MS、网络药理学和深度学习模型（BiGRU-MAR）进行安宫牛黄丸的质量控制，提高了准确性和效率	研究未涉及安宫牛黄丸在临床治疗中的实际效果验证	探索深度学习驱动的质量控制方法，实现安宫牛黄丸大规模质量控制和产量监测	安宫牛黄丸及其关键活性化合物	数字病理学	中风	LC-MS, 网络药理学, NIR	BiGRU-MAR	化学分析数据	NA
1017	2025-07-12	ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals 2025-Jul-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adebdd PMID:40609595	研究论文	提出了一种名为ModelS4Apnea的深度学习框架，用于从心电图（ECG）频谱图中高效检测睡眠呼吸暂停	结合结构化状态空间模型（S4）进行时序建模，相比现有方法具有更高的分类性能和更少的可训练参数，同时保持计算效率	未来工作可能探索多模态数据集成、实际部署和进一步优化以增强其临床适用性和可靠性	开发一种高效、准确的睡眠呼吸暂停自动检测方法	心电图（ECG）信号	数字病理学	睡眠呼吸暂停	深度学习	CNN, S4	ECG信号	Apnea-ECG数据集
1018	2025-07-12	Three-dimensional digital quantitative analysis of periodontal and peri-implant phenotype-A narrative review 2025-Jul-11, Periodontology 2000 IF:17.5Q1 DOI:10.1111/prd.12639 PMID:40641458	综述	本文综述了使用CBCT和口内扫描技术评估牙周和种植体周围组织的3D数字分析方法，比较了其与传统方法的优缺点	强调了人工智能在未来数字技术发展中的应用潜力，以及如何超越传统评估协议	当前3D数字临床数据的全部潜力尚未被充分挖掘	验证3D数字分析在牙周和种植体周围组织评估中的可靠性	牙周和种植体周围组织	数字病理学	牙周病	CBCT, 口内扫描, 光学表面扫描, 超声检查	NA	3D数字数据	NA
1019	2025-07-12	Current Applications and Limitations of Augmented Reality in Urological Surgery: A Practical Primer and 'State of the Field' 2025-Jul-11, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-025-01283-3 PMID:40643724	综述	本文综述了增强现实（AR）在泌尿外科手术中的当前应用、技术基础、最新进展及局限性	探讨了人工智能和深度学习技术在解决软组织变形挑战中的应用，并指出了AR/MR在重建和男科等亚专科中的潜在应用	重建和男科等亚专科在研究中代表性不足，且当前研究存在样本量有限等问题	为泌尿外科医生提供AR技术的基础知识，并探讨该领域的最新进展和限制	泌尿外科手术中的AR/MR技术应用	数字病理	前列腺癌	AR/MR技术，人工智能，深度学习	NA	图像	NA
1020	2025-07-12	BaSbBS4: a record-high-performance birefringent crystal identified by a target-driven closed-loop strategy 2025-Jul-10, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01983d PMID:40510313	研究论文	本文开发了一种目标驱动的闭环框架，用于高效发现潜在的双折射材料，并成功识别出一批性能优异的红外双折射晶体	提出了一种结合功能基团与晶体结构筛选、深度学习辅助高通量光学性质计算、针对性实验和机理研究的目标驱动闭环框架，实现了高效发现潜在双折射材料	未明确提及具体局限性	探索具有大双折射和宽带隙的红外双折射材料，以满足高功率光电应用的需求	红外双折射晶体，特别是含有平面[BS]和/或立体化学活性孤对电子（SCALP）基团（[SbS], [SnS]）的晶体	材料科学	NA	深度学习辅助高通量光学性质计算	NA	晶体结构数据、光学性质数据	识别出六种具有巨大双折射（Δ > 1.0）和三种同时具有大双折射（Δ > 0.5）和宽带隙（> 3.5 eV）的晶体