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	2025-05-11	Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study 2025-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2466426 PMID:39992712	研究论文	本研究评估了深度学习模型在心脏导管实验室（cath lab）中基于临床工作流程阶段预测手术结束时间的性能	仅使用视频分析得出的临床阶段作为算法输入，展示了InceptionTime和LSTM-FCN在时间序列预测中的高效性	未来研究需在不同手术背景下验证这些发现，并探索在不损失准确性的情况下优化训练时间的方法	评估深度学习模型在预测心脏导管实验室手术结束时间中的性能	心脏导管实验室中的手术过程	机器学习	心血管疾病	视频分析	InceptionTime, LSTM-FCN, LSTM with attention mechanism, Transformer	视频	NA
2	2025-05-11	Deformable image registration with strategic integration pyramid framework for brain MRI 2025-Jul, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110386 PMID:40122188	research paper	提出了一种基于金字塔结构的策略性整合配准网络，用于脑部MRI的可变形图像配准	结合了不同尺度的特征融合和不同神经网络结构的整合，设计了CNN编码器和Transformer解码器，并在金字塔结构的最低尺度引入渐进优化迭代以克服误差累积问题	未提及具体的数据集规模限制或计算资源需求	提高脑部MRI图像配准的准确性和鲁棒性	脑部MRI图像	digital pathology	NA	deep learning-based deformable registration	CNN, Transformer	image	多个脑部MRI数据集（未提及具体数量）
3	2025-05-11	Food-derived DPP4 inhibitors: Drug discovery based on high-throughput virtual screening and deep learning 2025-Jun-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143505 PMID:40015027	研究论文	本研究通过高通量虚拟筛选和深度学习技术，从食物来源中开发了六种改良化合物，作为治疗2型糖尿病的潜在候选药物	结合虚拟筛选、深度学习算法、ADMET特性评估和分子动力学模拟，发现并改良了六种食物来源的DPP-4抑制剂	未提及临床试验结果，仅进行了体外和计算机模拟评估	发现新型食物来源的DPP-4抑制剂用于治疗2型糖尿病	六种食物来源的DPP-4抑制化合物	药物发现	2型糖尿病	高通量虚拟筛选、深度学习算法、ADMET评估、分子动力学模拟	深度学习模型	化学化合物数据	六种化合物
4	2025-05-11	A deep learning-based, real-time image report system for linear EUS 2025-Jun, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.10.030 PMID:39427992	research paper	开发了一种基于深度学习的EUS自动图像报告系统（EUS-AIRS），用于实时捕获高质量的胆胰EUS图像	首次将深度学习模型集成到EUS自动图像报告系统中，实现了实时自动拍摄标准站点、病变和穿刺过程	研究仅在一家医院进行，样本量相对较小（114名患者）	提高胆胰EUS图像采集的完整性和质量，改善EUS检查报告的一致性	接受EUS检查的患者	digital pathology	biliopancreatic disease	EUS	deep learning models	image	235,784张图像用于训练和测试，114名患者用于前瞻性测试
5	2025-05-11	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	research paper	该研究开发了一种基于放射科医生图像排名和深度学习模型的MRI图像质量评估指标	利用放射科医生的图像排名训练深度学习模型，开发专用于MRI的图像质量评估指标，替代传统的MSE和SSIM方法	研究仅使用了来自NYU fastMRI Initiative神经数据库的图像，可能限制了模型的泛化能力	开发适用于医学图像的深度学习质量评估指标	MRI图像质量评估	machine learning	NA	深度学习	EfficientNet, IQ-Net	MRI图像	2916对独特图像对的19,344个排名
6	2025-05-11	Computer-Aided Detection (CADe) and Segmentation Methods for Breast Cancer Using Magnetic Resonance Imaging (MRI) 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29687 PMID:39781684	review	本文综述了计算机辅助检测（CADe）系统在乳腺癌MRI中的应用，包括技术细节、分割模型及最新深度学习架构	强调了从传统算法到复杂深度学习模型（如U-Nets）的最新进展，以及多参数MRI采集的CADe实施	CADe系统面临假阳性和假阴性率变化、系统性能差异、缺乏大规模研究和多中心模型等技术挑战	提高乳腺癌早期检测的效率和准确性，优化CADe系统在临床实践中的应用	乳腺癌的MRI影像	digital pathology	breast cancer	MRI	U-Nets, supervised and unsupervised ML, DL architectures	image	NA
7	2025-05-11	A bioinspired microbial taste chip with artificial intelligence-enabled high selectivity and ultra-short response time 2025-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117264 PMID:39987654	研究论文	本文介绍了一种受生物启发的无线微流控微生物味觉芯片，结合人工智能技术，实现了高选择性和超短响应时间，用于实时水污染监测	利用基于GRU的深度学习算法，实现了对Cu、Pb和Cr的高达98.9%的分类准确率，响应时间缩短至48秒，比之前报道的最快速度提高了3.75倍	目前仅针对Cu、Pb和Cr三种重金属离子进行了验证，尚未扩展到其他污染物	解决微生物味觉芯片在选择性方面的挑战，并缩短响应时间，以实现更高效的实时水污染监测	水中的重金属离子（Cu、Pb、Cr）	人工智能与传感器技术	NA	微流控技术、GRU深度学习算法	GRU	时间序列电流数据	NA
8	2025-05-11	Learning from leading indicators to predict long-term dynamics of hourly electricity generation from multiple resources 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107268 PMID:39987713	研究论文	该研究通过识别电网中的领先指标，提出了一种新的深度学习模型ALI-GRU，用于长期（长达一个月）协作电力发电预测	提出了ALI-GC模型用于全局能源源交互的综合建模，以及ALI-GRU模型用于长期电力发电预测，并在大规模实时预测场景中表现出强适应性	未提及具体局限性	通过长期预测多资源和多区域的电力发电，帮助实现电力平衡并为目标调整创造足够的缓冲	美国2018年至2024年的区域级每小时电力发电数据	机器学习	NA	深度学习	ALI-GRU, GRU	时间序列数据	美国2018年至2024年的区域级每小时电力发电数据
9	2025-05-11	Taylor-dingo optimized RP-net for segmentation toward Alzheimer's disease detection and classification using deep learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108359 PMID:39987743	research paper	提出了一种名为RP-Net_TaylorDOX-based DNFN的新方法，用于通过深度学习对阿尔茨海默病进行检测和分类	结合了泰勒级数和Dingo优化器开发了泰勒Dingo优化器（TaylorDOX），用于优化RP-Net的参数，并利用深度卷积神经网络（DCNN）和深度神经模糊网络（DNFN）进行AD检测和严重程度分类	未提及样本来源的具体细节或数据集的多样性	通过深度学习提高阿尔茨海默病的诊断和分类准确性	阿尔茨海默病患者的大脑图像	digital pathology	geriatric disease	deep learning, image segmentation, feature extraction, data augmentation	RP-Net, DCNN, DNFN	image	NA
10	2025-05-11	Fragment-level feature fusion method using retrosynthetic fragmentation algorithm for molecular property prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108985 PMID:40009893	research paper	提出了一种基于逆合成碎片算法的片段级特征融合方法（RFA-FFM），用于分子性质预测	RFA-FFM通过整合多视角分子表示，对比两种逆合成方法生成的片段化学信息，并在分子层次结构的不同级别融合化学信息，从而提升分子性质预测的准确性	当前方法可能仍无法完全捕捉分子的所有复杂特性，且实验仅在有限的数据集上进行了验证	提高分子性质（如毒性和血脑屏障通透性）的预测准确性，以加速药物开发	分子及其片段	machine learning	hepatitis B	graph contrastive learning (GCL), self-supervised learning (SSL)	RFA-FFM	molecular graphs	四个分类基准数据集和乙型肝炎病毒数据集
11	2025-05-11	A novel deep learning model combining 3DCNN-CapsNet and hierarchical attention mechanism for EEG emotion recognition 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107267 PMID:40010290	研究论文	提出了一种结合3DCNN-CapsNet和分层注意力机制的新型深度学习模型HA-CapsNet，用于EEG情绪识别	首次将3DCNN-CapsNet与分层注意力机制结合，同时捕捉通道间相关性和各频段贡献，胶囊网络相比传统CNN能提取更多空间特征信息	未提及模型在实时性方面的表现以及在更广泛EEG数据集上的泛化能力	提升EEG信号情绪识别的准确性和鲁棒性	人类EEG信号	机器学习	NA	深度学习	3DCNN-CapsNet结合分层注意力机制	EEG信号	DEAP和DREAMER数据集（具体数量未提及）
12	2025-05-11	Advertising or adversarial? AdvSign: Artistic advertising sign camouflage for target physical attacking to object detector 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107271 PMID:40010291	研究论文	提出一种名为AdvSign的艺术广告标志伪装方法，用于在物理环境中对目标物体检测器进行对抗攻击	利用艺术图案（如品牌标志和广告标志）设计对抗性广告标志，增强攻击的隐蔽性和不可追踪性	实验主要在模拟环境（CARLA自动驾驶模拟器）中进行，真实环境中的效果可能有所不同	开发一种在物理环境中对物体检测器进行对抗攻击的隐蔽且难以追踪的方法	物体检测器，尤其是自动驾驶场景中的目标检测模型	计算机视觉	NA	对抗训练	YOLOv5	图像	模拟环境中的合成场景图像和真实环境中的打印AdvSign图像
13	2025-05-11	CNN-Transformer and Channel-Spatial Attention based network for hyperspectral image classification with few samples 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107283 PMID:40010294	研究论文	提出了一种基于CNN-Transformer和通道-空间注意力的网络CTA-net，用于小样本高光谱图像分类	结合CNN-Transformer模块提取局部和非局部特征，并采用通道-空间注意力模块优化特征，同时提出样本扩展方案缓解样本不足问题	未明确提及在极端环境或特殊场景下的泛化能力	解决小样本条件下高光谱图像分类的难题	高光谱图像	计算机视觉	NA	深度学习	CNN-Transformer混合模型	高光谱图像	多个高光谱图像数据集（未明确具体数量）
14	2025-05-11	Incorporating radiomic MRI models for presurgical response assessment in patients with early breast cancer undergoing neoadjuvant systemic therapy: Collaborative insights from breast oncologists and radiologists 2025-Jun, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.104681 PMID:40058742	综述	本文综述了放射组学MRI模型在早期乳腺癌患者新辅助系统治疗前反应评估中的最新进展及其临床意义	结合机器学习和深度学习方法提高放射组学MRI的准确性和预测能力，用于分析乳腺癌的不同亚型及治疗前后的特定变化	放射科医生的评估具有定性和主观性，可能不足以决定是否放弃额外的局部治疗措施	提高早期乳腺癌患者新辅助治疗前反应评估的准确性和预测能力	早期乳腺癌患者	数字病理学	乳腺癌	MRI	机器学习和深度学习方法	图像	NA
15	2025-05-11	Comparison of deep learning models for facial attractiveness assessment on 3D photos 2025-Jun, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105735 PMID:40199417	research paper	比较几种深度学习模型在3D照片上评估面部吸引力的准确性	评估了多种CNN模型在中国正畸患者面部吸引力评估中的表现，并分析了模型性能与训练效率之间的权衡	研究仅针对6-18岁的中国正畸患者，样本量有限	评估深度学习模型在面部吸引力评估中的准确性和精确性	中国正畸患者的面部3D照片	computer vision	NA	3D照片转换为2D RGB图像	CNN (包括ResNet18, ResNet50, ResNet101, VGG-16, VGG-19, Inception-v3, MobileNet-v2, DenseNet121)	image	1272张3D照片
16	2025-05-11	SapFlower: an automated tool for sap flow data preprocessing, gap-filling, and analysis using deep learning 2025-Jun, The New phytologist DOI:10.1111/nph.70107 PMID:40200603	研究论文	介绍了一个名为SapFlower的自动化工具，用于预处理、填补和基于深度学习分析植物液流数据	开发了一个集成自动清洗、机器学习和深度学习模型的工具，能够高效处理液流数据中的噪声和缺失值	未来将关注针对特定物种的TDP校正和支持更多测量方法	提高热消散探针(TDP)数据分析的效率和可及性	植物液流数据	机器学习	NA	热消散探针(TDP)	随机森林、高斯过程回归、LSTM、BiLSTM	时间序列数据	NA
17	2025-05-11	ChatIOS: Improving automatic 3-dimensional tooth segmentation via GPT-4V and multimodal pre-training 2025-Jun, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105755 PMID:40228651	研究论文	提出一个结合GPT-4V和多模态预训练技术的框架，用于提升3D牙齿分割的深度学习算法	首次将GPT-4V与多模态预训练技术结合应用于3D牙齿分割，开创了数字牙科中GPT-4V的应用探索	研究仅基于Teeth3DS数据集，未在其他数据集上验证模型的泛化能力	提升3D牙齿分割的准确性和效率，以支持正畸和修复治疗	口腔内扫描仪（IOS）产生的3D牙齿扫描数据	数字牙科	NA	多模态预训练，GPT-4V	PointNet++，预训练视觉语言模型（VLMs）	3D点云，2D图像，文本描述	1800个口腔内扫描数据，约24000颗标注牙齿（训练集：1200扫描，16004牙齿；测试集：600扫描，7995牙齿）
18	2025-05-11	Predicting lung cancer bone metastasis using CT and pathological imaging with a Swin Transformer model 2025-Jun, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2025.100681 PMID:40342492	研究论文	开发了一种基于Swin Transformer的多模态深度学习模型，用于通过整合CT影像和病理数据预测肺癌患者的骨转移风险	首次将Swin Transformer模型应用于肺癌骨转移的多模态预测，结合CT和病理图像特征，通过决策级融合技术提高分类准确性	样本量相对较小（215例患者），可能影响模型的泛化能力	早期预测肺癌患者的骨转移风险，以改善临床干预和患者预后	肺癌患者（包括有和无骨转移的病例）	数字病理学	肺癌	CT成像和数字化组织病理学成像	Swin Transformer	图像（CT和病理图像）	215例确诊肺癌患者
19	2025-05-11	Computer-aided assessment for enlarged fetal heart with deep learning model 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112288 PMID:40343273	研究论文	本文提出了一种基于深度学习的方法，利用YOLO架构自动评估胎儿心脏扩大情况	采用YOLOv8结合CBAM模块，并引入ResNeXtBlock残差网络，提高了准确性和预测一致性	需要进一步验证以确认其临床适用性	开发计算机辅助工具以提高胎儿心脏扩大评估的准确性和效率	胎儿心脏扩大情况	计算机视觉	先天性心脏病	深度学习	YOLOv8, YOLOv11, ResNeXtBlock	超声视频	NA
20	2025-05-11	Using explainable machine learning to predict the irritation and corrosivity of chemicals on eyes and skin 2025-May-15, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2025.03.008 PMID:40180199	研究论文	本研究采用可解释的机器学习方法预测化学品对眼睛和皮肤的刺激性和腐蚀性	结合大量实验数据开发机器学习和深度学习模型，并通过多层次的解释性分析提供预测结果的深入理解	模型在外部验证集上的平衡准确率分别为73.0%和75.1%，仍有提升空间	评估化学品在农药、化妆品和眼科药物中的潜在刺激性	化学品对眼睛和皮肤的刺激性和腐蚀性	机器学习	NA	机器学习和深度学习	多种机器学习和深度学习模型	实验数据	3316个眼睛刺激实验数据点和3080个皮肤刺激实验数据点