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
1	2025-10-04	The role of artificial intelligence in implant dentistry: a systematic review 2025-Nov, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.04.005 PMID:40436717	系统综述	本文系统综述了人工智能在种植牙领域的应用研究	首次对2018-2024年间AI在种植牙领域的应用进行全面系统分析，揭示了该领域的发展趋势和技术特征	纳入研究存在偏倚风险，其中11项研究具有高偏倚风险，且该领域整体仍处于相对不成熟阶段	综合分析人工智能在牙科种植学中的应用研究	2018年至2024年10月15日期间发表的与AI和种植学相关的文献	数字病理	牙科疾病	深度学习算法	深度学习	图像数据	共纳入120篇相关论文
2	2025-10-04	Current Research and Development in the Field of Magnetic Resonance Contrast Media 2025-Nov-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001206 PMID:40622723	综述	本文讨论磁共振造影剂领域的新一代高弛豫率钆基造影剂、安全性研究、MR技术改进及其他造影剂的持续开发	重点介绍新一代钆基造影剂gadopiclenol和gadoquatrane可能取代现有标准，重新研究锰基化合物，并探讨人工智能在MR造影剂领域的应用潜力	锰基化合物的临床成像影响尚不明确，部分技术仍处于发展阶段	综述磁共振造影剂领域的最新研究进展和发展趋势	钆基造影剂、锰基化合物、MR技术、人工智能技术	医学影像	NA	磁共振成像、人工智能、深度学习	深度学习	医学影像数据	NA
3	2025-10-04	Efficient Visual Transformer by Learnable Token Merging 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3588186 PMID:40663671	研究论文	提出一种可学习令牌合并的紧凑型视觉Transformer架构LTM-Transformer	通过可学习的令牌合并方案减少计算量，同时基于信息瓶颈理论推导出可分离变分上界	NA	开发高效的视觉Transformer模型以降低计算成本并保持准确性	视觉Transformer模型架构	计算机视觉	NA	深度学习	Transformer	图像	NA
4	2025-10-04	Re-Boosting Self-Collaboration Parallel Prompt GAN for Unsupervised Image Restoration 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3589606 PMID:40668718	研究论文	提出一种用于无监督图像复原的自协作并行提示生成对抗网络框架	提出自协作策略和重增强模块，在不增加推理复杂度的情况下显著提升复原性能；设计并行生成对抗分支与互补约束机制	未明确说明具体应用的图像类型和数据集规模限制	提升无监督图像复原方法的性能	退化图像	计算机视觉	NA	生成对抗网络(GAN)	GAN, 提示学习模块	图像	NA
5	2025-10-04	NUPES: Non-Uniform Post-Training Quantization via Power Exponent Search 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3593987 PMID:40758517	研究论文	提出一种基于幂指数搜索的非均匀后训练量化方法NUPES，用于深度神经网络特别是大语言模型的压缩部署	通过自同构变换保持标量乘法，提出优化幂指数参数和权重值的新范式，克服了传统后训练优化技术只能学习舍入权重的限制	论文未明确说明具体的计算复杂度或硬件实现成本	降低深度神经网络特别是大语言模型的内存占用和推理延迟	深度神经网络(DNN)和大语言模型(LLM)的权重与激活值	机器学习	NA	非均匀量化、后训练量化、幂函数变换	Transformer、大语言模型(LLM)	神经网络权重和激活值	NA
6	2025-10-04	Protecting Feature Privacy in Person Re-Identification 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3590979 PMID:40758524	研究论文	提出一种基于GAN的特征隐私保护行人重识别模型，通过对抗训练平衡隐私保护与识别性能	首次将GAN用于特征反演攻击模拟，提出双步训练与延迟更新策略，并设计效用-可逆比(URR)评估指标	优化过程面临双重对抗目标挑战，在隐私保护与识别精度间需要权衡	保护行人重识别中深度特征的隐私安全，防止特征被反演还原为原始图像	行人重识别系统中的深度特征表示	计算机视觉	NA	生成对抗网络(GAN)	GAN	图像	NA
7	2025-10-04	EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3354997 PMID:38227417	研究论文	提出一种广义端到端概率性PnP方法用于单目物体姿态估计	将PnP构建为可输出SE(3)流形上姿态分布的概率层，通过最小化KL散度学习2D-3D对应关系	未明确说明	解决单目RGB图像中3D物体姿态估计问题	3D物体姿态	计算机视觉	NA	概率性Perspective-n-Point方法	深度学习网络	RGB图像	在LineMOD和nuScenes基准测试上进行评估
8	2025-10-04	Deep Learning-Based Point Cloud Compression: An In-Depth Survey and Benchmark 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3594355 PMID:40742848	综述	本文对基于深度学习的点云压缩技术进行了系统综述和基准测试	首次对深度学习点云压缩方法进行系统性总结，包含算法演进、标准发展和多数据集基准测试	作为综述性文章，不包含原始实验数据和新方法提出	总结深度学习点云压缩的研究进展并指明未来方向	点云压缩算法和数据集	计算机视觉	NA	深度学习	深度学习模型	点云数据	多个广泛使用的点云数据集
9	2025-10-04	SEMI-CAVA: A Causal Variational Approach to Semi-Supervised Learning 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3594360 PMID:40742852	研究论文	提出一种结合因果推理和变分推断的半监督学习方法SEMI-CAVA	将Mixup策略解释为随机干预并引入一致性损失以促进潜在表征的一致性，为学习到的潜在表征与真实因果因子对齐提供理论保证	NA	开发用于半监督学习的因果生成模型	医学数据集和标准基准数据集(CIFAR10、CIFAR100、SVHN)	机器学习	NA	变分推断、因果推理	因果生成模型	多模态医学数据、图像数据	多个医学数据集和标准基准数据集
10	2025-10-04	VLPose: Bridging the Domain Gap in Pose Estimation With Language-Vision Tuning 2025-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3594097 PMID:40788797	研究论文	提出了一种名为VLPose的新框架，通过语言-视觉调优来解决姿态估计中的领域差距问题	利用语言模型的潜力增强传统姿态估计模型的适应性，通过语言和视觉的协同作用扩展姿态估计模型的泛化能力和鲁棒性	NA	通过高效的调优策略弥合自然场景和人工场景之间的领域差距	人体姿态估计	计算机视觉	NA	语言-视觉调优	VLPose框架	图像	在HumanArt和MSCOCO数据集上进行了验证
11	2025-10-04	Progress of MRI-based radiomics and deep learning for predicting the prognosis of locally advanced rectal cancer (Review) 2025-Nov, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15282 PMID:41040910	综述	本文综述了基于MRI的影像组学和深度学习在预测局部晚期直肠癌患者预后方面的最新进展	系统总结了多参数影像组学模型、Delta影像组学和深度学习模型在预测局部晚期直肠癌预后方面的性能提升	NA	评估MRI影像组学和深度学习在预测局部晚期直肠癌患者预后方面的应用价值	接受新辅助放化疗的局部晚期直肠癌患者	数字病理	直肠癌	MRI影像组学、深度学习	深度学习模型	医学影像	NA
12	2025-10-04	An overview of the current situation and future development direction of grain detection: taking computer vision combined with deep learning 2025-Nov, Journal of food science and technology DOI:10.1007/s13197-025-06428-3 PMID:41041505	综述	本文概述了计算机视觉与深度学习在粮食检测中的现状和未来发展方向	系统总结了计算机视觉与深度学习技术在粮食质量检测领域的应用现状和发展趋势	NA	探讨计算机视觉与深度学习在粮食质量检测中的应用前景	粮食质量检测技术	计算机视觉	NA	深度学习	NA	图像	NA
13	2025-10-04	Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance 2025-Oct-03, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf285 PMID:40794555	研究论文	开发基于Transformer的深度学习模型从批量RNA测序数据中重建细胞类型特异性转录程序，用于研究阿尔茨海默病的认知韧性和脑抵抗机制	首次应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，显著优于先前方法	单核技术存在核转录覆盖度低、成本高和技术复杂性的限制	揭示阿尔茨海默病韧性和抵抗的细胞机制，识别特定治疗靶点	大脑细胞类型，特别是星形胶质细胞、兴奋性神经元和少突胶质祖细胞	机器学习	阿尔茨海默病	RNA测序，单核技术	Transformer	转录组数据	NA
14	2025-10-04	Getting Started on Artificial Intelligence in Health Care and Clinical Research: Includes Rigor Checklist for Authors and Reviewers 2025-Oct-03, Advances in wound care IF:5.8Q1 DOI:10.1177/21621918251380217 PMID:41039915	综述	本文为医疗保健和临床研究领域的人工智能应用提供入门指南和严谨性检查清单	提出系统性的三层框架（基础、核心技术、应用）和严谨性检查清单，强调从人员培养入手的AI实施策略	NA	为研究人员、临床医生和评审人员提供理解和应用人工智能的路线图	医疗保健和生物医学研究领域的人工智能应用	医疗人工智能	NA	符号AI、专家系统、机器学习、深度学习、可解释AI、自然语言处理、计算机视觉	NA	NA	NA
15	2025-10-04	Rapid whole-brain T2* and susceptibility mapping using 3D multiple overlapping-echo detachment acquisition and missing modality synthesis embedded simulation 2025-Oct-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70108 PMID:41040040	研究论文	开发了一种3D多重重叠回波分离成像技术，用于快速全脑T2*和磁化率定量成像	将MOLED编码扩展到3D多激发采集，结合深度学习缺失模态合成方法和伪3D Bloch仿真，实现快速数据生成和重建	NA	开发快速全脑T2*和QSM成像技术，提高扫描速度和运动鲁棒性	健康志愿者和临床参与者	医学影像	NA	3D-MOLED成像、双回波blip反转EPI序列、深度学习缺失模态合成、伪3D Bloch仿真	深度学习	磁共振影像	健康志愿者和临床参与者队列
16	2025-10-04	Reply to 'Risk stratification of cutaneous melanoma using deep learning on whole slide images' 2025-Oct-03, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.70092 PMID:41041696	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2025-10-04	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Oct-03, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发深度学习模型预测帕金森病患者丘脑底核β爆发的发生	首次发现β振幅下降可作为预测β爆发发生的生物标志物，实现提前100毫秒预测	研究样本量有限，需要进一步验证模型的泛化能力	开发预测帕金森病丘脑底核β爆发发生的方法	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	深度学习神经网络	深度学习模型	神经电生理信号	两个独立数据集的丘脑底核记录，包括自然行为期间的长期记录
18	2025-10-04	Highly Tunable Synaptic Modulation in Photo-Activated Remote Charge Trap Memory for Hardware-Based Fault-Tolerant Learning 2025-Oct-03, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202515140 PMID:41041969	研究论文	提出一种基于硬件的光激活远程电荷陷阱存储器，用于处理带噪声标签数据集的容错学习	利用缺陷工程六方氮化硼实现4380的高突触可调比，能选择性衰减误训练信号引起的权重更新	仅在MNIST数据集上验证，未在更复杂数据集测试	开发硬件容错学习算法以解决内存计算中噪声标签导致的识别效率问题	人工突触器件和带噪声标签的数据集	机器学习	NA	光激活远程电荷陷阱存储技术	人工突触器件	图像数据	MNIST数据集
19	2025-10-04	Multilevel Correlation-aware and Modal-aware Graph Convolutional Network for Diagnosing Neurodevelopmental Disorders 2025-Oct-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617348 PMID:41037545	研究论文	提出一种多级相关性感知和模态感知图卷积网络(MCM-GCN)，用于神经发育障碍的可靠诊断	在个体层面设计相关性驱动特征生成模块感知图间相关性，在群体层面通过多模态解耦特征增强模块深度整合多模态信息	NA	开发可靠的神经发育障碍诊断方法	自闭症谱系障碍(ASD)和注意缺陷多动障碍(ADHD)患者	医学影像分析	神经发育障碍	静息态功能磁共振成像	图卷积网络(GCN)	脑网络图数据、表型数据	两个公共数据集(ASD和ADHD)
20	2025-10-04	GenoGraph: an Interpretable Graph Contrastive Learning Approach for Identifying Breast Cancer Risk Variants 2025-Oct-02, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3617088 PMID:41037551	研究论文	提出一种基于图对比学习的可解释框架GenoGraph，用于识别乳腺癌风险基因变异	通过图对比学习方法在低样本量场景下建模高维遗传数据，解决了传统GWAS方法忽略遗传互作和现有机器学习方法过拟合及可解释性差的问题	仅在东芬兰生物库数据上验证，样本量有限	开发能够识别乳腺癌风险基因变异及其相互作用的计算方法	乳腺癌相关的基因变异	机器学习	乳腺癌	图对比学习	图神经网络	基因型数据	东芬兰生物库数据集