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
641	2025-08-06	PGBTR: a powerful and general method for inferring bacterial transcriptional regulatory networks 2025-Aug-01, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11863-9 PMID:40750847	研究论文	提出了一种名为PGBTR的强大、通用且稳定的计算框架，用于推断细菌转录调控网络	PGBTR采用CNN从基因表达数据和基因组信息中预测细菌转录调控关系，包含PDGD输入生成步骤和CNNBTR深度学习模型，性能优于现有方法	NA	预测细菌转录调控网络（TRNs）	大肠杆菌和枯草芽孢杆菌的转录调控网络	机器学习	NA	基因表达数据分析	CNN	基因表达数据和基因组信息	真实的大肠杆菌和枯草芽孢杆菌数据集
642	2025-08-06	Application of deep learning models in gastric cancer pathology image analysis: a systematic scoping review 2025-Aug-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14662-3 PMID:40750872	系统综述	本文系统评估了深度学习模型在胃癌病理图像分析中的应用、挑战及未来方向	首次系统综述了深度学习在胃癌病理图像分析中的全面应用及潜在问题	现有研究存在数据集规模有限、缺乏外部验证及数据多样性不足等问题	评估深度学习在胃癌病理图像分析中的当前应用与未来发展方向	胃癌病理图像	数字病理学	胃癌	深度学习	CNN	图像	22项符合纳入标准的研究（初始检索520篇）
643	2025-08-06	Deep learning-based super-resolution US radiomics to differentiate testicular seminoma and non-seminoma: an international multicenter study 2025-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02045-y PMID:40750949	研究论文	本研究评估了基于深度学习的超分辨率超声放射组学模型在区分睾丸精原细胞瘤和非精原细胞瘤中的性能	首次将深度学习超分辨率技术与超声放射组学结合，用于睾丸生殖细胞肿瘤的亚型区分，并在国际多中心研究中验证其优越性	研究为回顾性设计，需要前瞻性研究进一步验证	提高睾丸生殖细胞肿瘤亚型术前无创鉴别的准确性	睾丸生殖细胞肿瘤患者（精原细胞瘤与非精原细胞瘤）	数字病理学	睾丸癌	超声成像、放射组学分析	深度学习超分辨率模型	超声图像	486名男性患者（338训练集，92国内验证集，59国际验证集）
644	2025-08-06	Performance validation of deep-learning-based approach in stool examination 2025-Aug-01, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-06878-w PMID:40751198	研究论文	本研究评估了基于深度学习的肠道寄生虫识别方法的性能，并与人类专家的表现进行了比较	首次将深度学习模型（如YOLOv4-tiny、YOLOv7-tiny、YOLOv8-m、ResNet-50和DINOv2）应用于肠道寄生虫识别，并展示了其高准确性和特异性	研究未提及样本的具体数量，且可能仅针对特定寄生虫种类进行了验证	评估深度学习模型在肠道寄生虫识别中的性能，以改进现有的诊断方法	肠道寄生虫（寄生虫卵和幼虫）	数字病理学	肠道寄生虫感染	FECT和MIF技术，深度学习模型	YOLOv4-tiny, YOLOv7-tiny, YOLOv8-m, ResNet-50, DINOv2	图像	NA
645	2025-08-06	Co-Pseudo Labeling and Active Selection for Fundus Single-Positive Multi-Label Learning 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565000 PMID:40293917	研究论文	提出一种名为FSP的共伪标签和主动选择方法，用于眼底单阳性多标签学习	通过课程共伪标签和主动样本选择生成伪标签，调整阈值并根据模型学习状态维护置信度高的预测	未提及具体局限性	解决眼底图像多标签标注不完整的问题，提高分类器性能	眼底图像	计算机视觉	视网膜疾病	深度学习	NA	图像	七个视网膜数据集
646	2025-08-06	Updating "BePLi Dataset v1: Beach Plastic Litter Dataset version 1, for instance segmentation of beach plastic litter" with 13 object classes 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111867 PMID:40761540	研究论文	本文介绍了BePLi Dataset v2，这是一个用于海滩塑料垃圾实例分割和目标检测的数据集更新版本，包含3722张原始图像和118,572个手动处理的标注	更新了BePLi Dataset v1，增加了13个塑料垃圾对象类别，提供了像素级和个体级的标注，支持从计数对象到估计垃圾覆盖范围的多重用途	数据收集仅限于日本西北海岸的自然海岸环境，可能无法代表其他地区的塑料垃圾分布情况	开发自动化图像处理方法，用于监测海滩上的宏观塑料垃圾分布	海滩塑料垃圾	计算机视觉	NA	深度学习	实例分割和目标检测方法	图像	3722张原始图像和118,572个标注
647	2025-08-06	Bridging technology and medicine: artificial intelligence in targeted anticancer drug delivery 2025-Aug-01, RSC advances IF:3.9Q2 DOI:10.1039/d5ra03747f PMID:40761897	review	本文综述了人工智能在靶向抗癌药物递送中的应用及其对提高癌症治疗精确性和有效性的潜力	利用AI技术（如机器学习和深度学习）分析多组学数据，优化靶向药物递送系统，实现个性化癌症治疗	数据质量、AI模型的可解释性以及临床环境中稳健验证的需求	探索AI如何提升靶向抗癌药物递送的精确性和治疗效果	癌症患者的多组学数据（基因组、蛋白质组和临床数据）	machine learning	cancer	machine learning, deep learning, reinforcement learning	support vector machines, random forests, CNN	genomic, proteomic, clinical data, imaging data	NA
648	2025-08-06	Integrating Generative Pretrained Transformer and Genetic Algorithms for Efficient and Diverse Molecular Generation 2025-Aug, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.70005 PMID:40762910	研究论文	介绍了一种创新的分子生成模型CCMol，结合了生成预训练变换器（GPT）和遗传算法（GA）的优势，用于高效且多样化的分子生成	整合了GPT的生成能力和GA的优化机制，提高了分子结构的有效性和创新性	未提及具体的数据集大小或实验的广泛性，可能限制了结果的普适性	加速药物开发过程，生成新颖且有效的候选药物分子	针对三种关键疾病相关蛋白（GLP1、WRN和JAK2）的分子生成	计算机辅助药物设计	NA	生成预训练变换器（GPT）、遗传算法（GA）	CCMol（结合GPT和GA）	分子结构数据	针对三种蛋白质的分子生成，具体样本量未提及
649	2025-08-05	Predicting the Effects of Charge Mutations on the Second Osmotic Virial Coefficient for Therapeutic Antibodies via Coarse-Grained Molecular Simulations and Deep Learning Methods 2025-Aug-04, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.5c00673 PMID:40624892	研究论文	通过粗粒化分子模拟和深度学习方法预测电荷突变对治疗性抗体第二渗透维里系数的影响	结合粗粒化分子模拟和深度学习方法，探索大量潜在突变对蛋白质自相互作用的影响，并提出一种高效的预测算法	研究仅针对三种模型治疗性单克隆抗体，且突变范围限于单、双和三突变	评估改变表面电荷分布如何影响蛋白质自相互作用，以第二渗透维里系数量化	三种模型治疗性单克隆抗体（MAbs）	计算生物学	NA	粗粒化分子模拟，深度神经网络	MLP（多层感知机）	分子模拟数据	三种模型治疗性单克隆抗体，每种抗体探索约10^10个潜在突变
650	2025-08-05	Colorimetric detection of bisphenol A in water: a smartphone-based sensor using inverse opal molecularly imprinted photonic crystal hydrogel 2025-Aug-04, The Analyst DOI:10.1039/d4an01426j PMID:40685994	研究论文	本研究开发了一种基于智能手机的逆蛋白石分子印迹光子晶体水凝胶传感器，用于水中双酚A的灵敏和选择性检测	结合智能手机和深度学习模型，实现了实时、便携的双酚A定量检测	未提及在实际环境水样中的大规模验证	开发高灵敏度、高选择性的双酚A检测方法	水样中的双酚A分子	传感器技术	NA	分子印迹技术、光子晶体水凝胶制备	深度学习回归模型	图像	未明确说明具体样本数量
651	2025-08-05	Deep Learning Reconstruction for T2 Weighted Turbo-Spin-Echo Imaging of the Pelvis: Prospective Comparison With Standard T2-Weighted TSE Imaging With Respect to Image Quality, Lesion Depiction, and Acquisition Time 2025-Aug-04, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251357790 PMID:40755270	research paper	本研究比较了深度学习重建的T2加权快速自旋回波成像（DL-TSE）与传统TSE在盆腔MRI中的图像质量、病变描绘和采集时间	首次在盆腔MRI中全面评估DL-TSE的性能，并证明其能在减少50%扫描时间的同时保持或提升图像质量	样本量较小（55例），且仅评估了两种扫描平面（轴位和斜位）	评估深度学习加速技术在盆腔MRI中的应用效果	盆腔MRI扫描	医学影像分析	盆腔疾病	深度学习重建（DL）、Turbo Spin Echo（TSE）	深度学习模型（未指定具体架构）	MRI图像	55名受试者（33名女性，22名男性）
652	2025-08-05	"Computational Prediction of Mutagenicity Through Comprehensive Cell Painting Analysis" 2025-Aug-04, Mutagenesis IF:2.5Q3 DOI:10.1093/mutage/geaf014 PMID:40757573	研究论文	本研究利用Cell Painting数据和机器学习模型预测化学物质的致突变性，并与基于结构的模型进行比较	首次整合Cell Painting数据与机器学习算法预测致突变性，发现Phenotypic Altering Concentration能显著提高预测准确性	数据集存在固有局限性，且Cell Painting技术存在实验室间差异，某些化合物仍难以预测	开发基于Cell Painting的致突变性预测方法	化学化合物	机器学习	NA	Cell Painting	Random Forest, Support Vector Machine, Extreme Gradient Boosting	图像	Broad Institute数据集包含30,000多个分子，US-EPA数据集包含1,200种化学物质
653	2025-08-05	A Novel Dual-Output Deep Learning Model Based on InceptionV3 for Radiographic Bone Age and Gender Assessment 2025-Aug-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01623-2 PMID:40758204	研究论文	本研究设计了一个基于InceptionV3架构的多输出预测模型，用于通过数字手腕X光片预测骨龄和性别	提出了一种新颖的双输出深度学习模型，结合Squeeze-and-Excitation块进行稳健特征管理，同时预测骨龄和性别	中高端硬件要求可能限制其在临床本地机器上的使用	开发计算机辅助临床决策支持系统，改进放射学骨龄评估方法	手腕X光片	计算机视觉	儿科疾病	深度学习	InceptionV3, CNN	图像	14,048个样本（训练:验证:测试=7:2:1）
654	2025-08-05	Detection of Dens Invaginatus on Panoramic Radiographs Using Deep Learning Algorithms 2025-Aug-03, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.70027 PMID:40754680	研究论文	本研究评估了YOLOv5和YOLOv8深度学习模型在检测全景X光片中牙内陷的成功率和可靠性	首次使用YOLOv5和YOLOv8模型结合两种不同标注方法检测牙内陷	样本仅限于8-18岁患者的前牙区全景X光片	评估深度学习模型在牙内陷检测中的应用效果	656张8-18岁患者的全景X光片	计算机视觉	牙科发育异常	深度学习	YOLOv5, YOLOv8	X光图像	656张全景X光片
655	2025-06-10	Insights into "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis" 2025-Aug, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.04.046 PMID:40450446	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
656	2025-06-10	Response to Letter to the Editor regarding "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis" 2025-Aug, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.05.012 PMID:40450443	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
657	2025-08-05	Artificial intelligence in orthopedic trauma: a comprehensive review 2025-Aug, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112570 PMID:40683054	综述	本文全面回顾了人工智能在骨科创伤领域的应用现状、发展趋势及未来方向	分析了2015年至2025年间发表的217项研究，揭示了AI在骨折检测、分类、预测和分割等任务中的卓越表现	仅有14.5%的研究经过外部验证，仅3.2%报告了前瞻性临床验证，临床整合和数据标准化仍面临重大挑战	评估人工智能在骨科创伤领域的应用现状及未来发展方向	骨科创伤相关研究	人工智能在医疗健康的应用	骨科创伤	深度学习和传统机器学习方法	深度学习与传统机器学习模型	医学影像数据	217项研究（2015-2025年）
658	2025-08-05	Clinical benefits of deep learning-assisted ultrasound in predicting lymph node metastasis in pancreatic cancer patients 2025-Aug, Future oncology (London, England) DOI:10.1080/14796694.2025.2520149 PMID:40548666	研究论文	本研究开发并验证了一种基于超声图像的深度学习放射组学列线图（DLRN），用于提高胰腺癌患者淋巴结转移（LNM）的预测准确性	结合深度学习和放射组学特征，开发了DLRN模型，显著提升了淋巴结转移的预测准确性，并为临床医生提供了决策支持工具	研究为回顾性分析，样本量相对较小（249例），且测试集比例较低（20%）	提高胰腺癌患者淋巴结转移的预测准确性	胰腺癌患者	数字病理	胰腺癌	超声成像，深度学习	InceptionV3, 逻辑回归	图像	249例经病理证实的胰腺癌病例（其中78例有淋巴结转移）
659	2025-08-05	Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis 2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.) DOI:10.1016/j.eimce.2025.06.004 PMID:40754353	研究论文	通过基于人工智能的CT影像分析，探讨影响非重症COVID-19肺炎患者糖皮质激素剂量的因素，并开发预测模型	利用AI深度学习技术评估肺部CT图像，开发预测模型以确定糖皮质激素的最佳剂量	需要更大规模的前瞻性研究进行验证	确定非重症COVID-19患者糖皮质激素的最佳剂量	273名非重症COVID-19肺炎患者	数字病理学	COVID-19	基于AI的深度学习	多变量逻辑回归	CT影像	273名患者（训练集168名，验证集75名）
660	2025-08-05	Toward Precision Diagnosis of Maxillofacial Pathologies by Artificial Intelligence Algorithms: A Systematic Review 2025-Aug, Journal of maxillofacial and oral surgery DOI:10.1007/s12663-025-02664-4 PMID:40756906	系统综述	本文综述了人工智能算法（包括机器学习和深度学习）在通过先进成像技术（如CT和CBCT）改善口腔颌面部疾病诊断和管理中的潜力	展示了深度学习算法在诊断颌面部疾病中的高准确性和敏感性，并指出CBCT在诊断中的优越性	综述范围限定在2010-2024年的文献，可能未涵盖更早期的相关研究	评估人工智能算法在口腔颌面部疾病精准诊断中的应用	口腔颌面部疾病	数字病理学	口腔颌面部疾病	CT, CBCT, MRI	GoogLeNet Inception v3, U-Net	医学影像	NA