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	2025-08-10	AI-based toxicity prediction models using ToxCast data: Current status and future directions for explainable models 2025-Nov, Toxicology IF:4.8Q1 DOI:10.1016/j.tox.2025.154230 PMID:40645553	综述	本文综述了基于ToxCast数据的AI毒性预测模型的现状及未来发展方向	分析了93篇同行评审论文，概述了ToxCast数据驱动的AI模型，并探讨了数据库结构、目标终点、分子表示和学习算法的现状	当前模型主要关注数据丰富的终点和器官特异性毒性机制，可能忽略了其他重要毒性机制	开发毒性预测模型以筛选环境化学品，加速下一代风险评估(NGRA)	环境化学品及其毒性	机器学习	NA	AI驱动的毒性预测	监督学习、半监督学习、无监督学习、深度学习	分子指纹、描述符、图、图像、文本	93篇同行评审论文
2	2025-08-10	A novel multimodal adaptive delineation model for primary tumors and lymph node metastases in multi-center nasopharyngeal carcinoma radiotherapy 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108965 PMID:40682906	研究论文	提出了一种新型多模态自适应勾画模型，用于多中心鼻咽癌放疗中原发肿瘤和淋巴结转移的自动勾画	采用条件去噪扩散模型（DDPM）结合“模态间和模态内”注意力机制，动态校准多模态特征的融合权重，提高了自动勾画的准确性	研究样本中前瞻性病例较少（仅4例），可能影响模型在真实临床环境中的泛化能力	提高鼻咽癌放疗中肿瘤体积（GTV）自动勾画的准确性和稳定性	鼻咽癌（NPC）原发肿瘤和淋巴结转移	数字病理	鼻咽癌	CT和MRI多模态成像	条件去噪扩散模型（DDPM）	医学影像	529例回顾性病例和4例前瞻性病例
3	2025-08-10	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	research paper	该研究利用深度学习技术实现了肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出基于深度学习的全自动化肝脏MRE质量控制和LSM方法，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对有限（69名患者）	开发自动化肝脏MRE质量控制和硬度测量方法，解决现有技术中的质量控制挑战和测量变异性问题	肝脏磁共振弹性成像数据和患者样本	digital pathology	liver disease	磁共振弹性成像（MRE）	SqueezeNet, 2D U-Net	医学影像数据	69名患者（37名男性，平均年龄51.6岁）的146次2D MRE扫描，共897张MRE幅度切片
4	2025-08-10	CNN based precise nonlinear tracking control for a nano unmanned helicopter: Theory and implementation 2025-Sep, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.05.020 PMID:40393892	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的几何积分控制策略，用于重量小于70克、机身长度小于0.25米的纳米无人直升机	与现有的非线性控制器相比，该方法在可行性、参数调整的简便性和数据需求方面具有显著优势	NA	开发一种适用于纳米无人直升机的精确非线性跟踪控制方法	纳米无人直升机	机器学习	NA	深度卷积神经网络（CNN）	CNN	飞行实验数据	NA
5	2025-08-10	A deep learning model for preoperative risk stratification of pancreatic ductal adenocarcinoma based on genomic predictors of liver metastasis 2025-Aug-26, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2025.115608 PMID:40628176	研究论文	开发并验证了一个基于深度学习的风险模型PanScore，用于胰腺导管腺癌（PDAC）术前风险分层	利用基因组特征和深度学习模型PanScore对PDAC患者进行风险分层，特别是在可切除病例中识别出隐匿性转移风险	研究为回顾性设计，需要前瞻性研究进一步验证模型的临床实用性	提高胰腺导管腺癌术前风险分层的准确性，以指导个性化治疗决策	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	基因组测序	深度神经网络（DNN）	基因组数据	训练队列1779例（MSK-MET数据集），验证队列2181例（MSK-IMPACT队列）
6	2025-08-10	A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics 2025-Aug-09, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2025.2545828 PMID:40772544	观点文章	本文探讨了机器学习在临床蛋白质组学生物标志物发现中的应用及其面临的挑战	批判性地分析了机器学习在临床蛋白质组学中的应用，强调算法创新不能弥补样本量小、批次效应等问题	未提出具体解决方案，主要侧重于问题分析和建议	评估机器学习在临床蛋白质组学生物标志物发现中的实际应用潜力	临床蛋白质组学数据	机器学习	NA	临床蛋白质组学	深度学习架构	蛋白质组学数据	小样本量
7	2025-08-10	Lateral flow and colorimetric assay for ketamine detection reinforced with deep learning model interfaced with mobile app for smart alert 2025-Aug-09, Mikrochimica acta DOI:10.1007/s00604-025-07429-x PMID:40781183	research paper	该研究开发了一种结合比色法和侧向流动分析（LFA）的氯胺酮检测方法，并集成了深度学习模型和移动应用进行智能警报	研究创新点包括使用适配体替代抗体的LFA方法、结合金纳米颗粒的比色适配体传感器、以及双阶段深度学习框架（YOLOv5和ResNet50）对LFA试纸条数据进行分类	NA	开发一种便携、低成本的即时诊断技术用于氯胺酮检测	氯胺酮	machine learning	NA	比色法、侧向流动分析（LFA）、UV-Vis分光光度法	YOLOv5、ResNet50	图像	合成尿液样本
8	2025-08-10	DDoS classification of network traffic in software defined networking SDN using a hybrid convolutional and gated recurrent neural network 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13754-1 PMID:40781265	研究论文	本文提出了一种混合CNN-GRU模型，用于软件定义网络(SDN)中DDoS攻击的网络流量分类	提出了一种结合1D卷积层和GRU层的混合模型，用于空间模式提取和时间序列学习，实现了完美的测试性能	实验仅在特定SDN流量数据集上进行，未在其他网络环境中验证模型的泛化能力	开发一种高效的深度学习方法，用于SDN中DDoS攻击的检测	SDN网络流量数据	机器学习	NA	SMOTE, StandardScaler	混合CNN-GRU模型	网络流量数据	24,500个样本（12,250个良性样本和12,250个攻击样本）
9	2025-08-10	Enhanced hyper tuning using bioinspired-based deep learning model for accurate lung cancer detection and classification 2025-Aug-09, The International journal of artificial organs DOI:10.1177/03913988251359522 PMID:40781973	研究论文	本文提出了一种基于生物启发算法的增强超调谐深度学习模型（EHTDL），用于提高肺癌检测和分类的准确性和效率	结合生物启发算法（GWO和DE）进行特征选择和优化，引入深度分形边缘分类器（DFEC）进行肺癌特征学习，实现了高准确率和效率	未提及模型在多样化数据集上的泛化能力或临床验证的具体细节	提高肺癌检测和分类的准确性和效率，以增强患者治疗效果	肺癌的CT图像	数字病理学	肺癌	GLCM纹理分析、Grey Wolf优化（GWO）、差分进化（DE）、Mask R-CNN	EHTDL（包含DFEC分类器）	CT图像	NA
10	2025-08-10	Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation 2025-Aug-09, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04991-6 PMID:40782188	研究论文	开发并验证了一种用于自动3D分割肩袖肌肉的深度学习模型，以量化接受全肩关节置换术(TSA)患者的肌肉体积和脂肪分数	采用DeepLabV3+与ResNet50结合的模型，首次在纵向CT扫描上实现肩袖肌肉和脂肪的自动3D分割	研究样本量相对较小，仅包含53名TSA患者用于模型训练和验证	开发自动化工具以评估肩关节置换术患者的肩袖肌肉健康状况	接受全肩关节置换术的患者	数字病理	肩关节疾病	CT扫描	DeepLabV3+ with ResNet50	3D CT图像	53名TSA患者用于模型开发，172名患者用于量化分析
11	2025-08-10	Reducing motion artifacts in the aorta: super-resolution deep learning reconstruction with motion reduction algorithm 2025-Aug-09, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01849-8 PMID:40782239	research paper	评估超分辨率深度学习重建结合运动减少算法在减少主动脉运动伪影方面的效果	结合超分辨率深度学习重建与运动减少算法，显著提升CT图像质量	研究为回顾性设计，样本量有限（86例患者）	评估SR-DLR-M在减少主动脉运动伪影方面的效能	主动脉CT图像	digital pathology	cardiovascular disease	contrast-enhanced CT	deep learning reconstruction	image	86例患者（平均年龄65.0±14.1岁，53名男性）
12	2025-08-10	Multi-scale Autoencoder Suppression Strategy for Hyperspectral Image Anomaly Detection 2025-Aug-08, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3595408 PMID:40779374	研究论文	本文提出了一种名为多尺度自编码器抑制策略（MASS）的新方法，用于高光谱图像异常检测，通过优先重建背景信息并抑制异常像素的影响来提高检测精度	提出MASS方法，结合局部特征提取器（集成卷积和全维动态卷积）与基于Transformer的全局特征提取器，设计自注意力抑制模块（SAS）以减少异常像素的影响，并在网络学习中引入掩码机制	未明确提及具体局限性	提高高光谱图像异常检测的精度	高光谱图像	计算机视觉	NA	自编码器（AEs）、卷积、全维动态卷积（ODConv）、Transformer、自注意力抑制模块（SAS）	自编码器（AE）、Transformer	高光谱图像	八个数据集
13	2025-08-10	An Anisotropic Cross-View Texture Transfer with Multi-Reference Non-Local Attention for CT Slice Interpolation 2025-Aug-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3596957 PMID:40779378	研究论文	提出了一种基于多参考非局部注意力的各向异性跨视图纹理转移方法，用于CT切片插值	充分利用3D CT体积的各向异性特性，设计了一个独特的框架，将高分辨率平面内纹理细节作为参考，并将其转移到低分辨率平面外图像中	未明确提及	提高CT切片插值的质量，改善疾病诊断的准确性	CT图像	数字病理	NA	深度学习	多参考非局部注意力模块	图像	公共CT数据集，包括一个真实配对基准
14	2025-08-10	Automatic Choroid Segmentation and Thickness Measurement Based on Mixed Attention-guided Multiscale Feature Fusion Network 2025-Aug-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3597026 PMID:40779377	研究论文	提出了一种基于混合注意力引导的多尺度特征融合网络（MAMFF-Net），用于自动分割OCT图像中的脉络膜并测量其厚度	结合混合注意力编码器（MAE）、可变形多尺度特征融合路径（DMFFP）和多尺度金字塔层聚合（MPLA）模块，提高了脉络膜分割的准确性	公共OCT数据集中涉及脉络膜厚度变化的疾病类型较少，且缺乏公开可用的标注数据集	开发一种自动分割和测量脉络膜厚度的方法，以辅助临床诊断和疾病进展监测	OCT图像中的脉络膜	数字病理学	眼科疾病	OCT成像	MAMFF-Net（混合注意力引导的多尺度特征融合网络）	图像	徐州医科大学附属医院（XZMH）-脉络膜数据集，包含正常和八种脉络膜相关疾病的标注OCT图像
15	2025-08-10	A neural network model enables worm tracking in challenging conditions and increases signal-to-noise ratio in phenotypic screens 2025-Aug-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013345 PMID:40779582	research paper	该研究开发了一种名为DeepTangleCrawl（DTC）的神经网络模型，用于在复杂条件下追踪线虫（C. elegans）的姿态，并提高表型筛选中的信噪比	DTC模型在追踪线虫时减少了失败率，并生成更连续、无间隙的轨迹，能够分析以往难以捕捉的行为，提高了表型筛选的信噪比	NA	改进线虫在复杂环境中的高分辨率姿态追踪技术，以应用于遗传学、神经科学和药物筛选	线虫（C. elegans）	computer vision	NA	deep learning	DeepTangle algorithm (DTC)	image	NA
16	2025-08-10	SamRobNODDI: q-space sampling-augmented continuous representation learning for robust and generalized NODDI 2025-Aug-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b8 PMID:40780245	研究论文	提出了一种基于q空间采样增强的连续表示学习框架SamRobNODDI，用于实现鲁棒和通用的NODDI参数估计	引入了q空间采样增强的连续表示学习方法，并设计了采样一致性损失，以提高模型在不同q空间采样方案下的性能和鲁棒性	未明确提及具体限制，但可能涉及对不同q空间采样方案的泛化能力仍需进一步验证	开发一种能够在不同扩散梯度方向下鲁棒进行NODDI参数估计的方法	神经突方向分散和密度成像(NODDI)的微结构估计	医学影像分析	神经系统疾病	扩散磁共振成像(dMRI)	连续表示学习框架	医学影像数据	在18种不同的q空间采样方案下与7种最先进方法进行比较
17	2025-08-10	Deep unrolled primal dual network for TOF-PET list-mode image reconstruction 2025-Aug-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b7 PMID:40780257	研究论文	提出了一种名为LMPDnet的深度展开原始对偶网络，用于TOF-PET列表模式重建，以改善低计数数据的处理效果	首次将深度展开原始对偶网络应用于TOF-PET列表模式重建，解决了现有算法在低计数数据下的性能不足问题	深度学习方法在处理TOF信息时需要较大的存储空间，尤其是高级的深度展开方法	提高TOF-PET列表模式重建的图像质量和噪声抑制能力	TOF-PET列表模式数据	医学影像处理	NA	TOF-PET列表模式重建	深度展开原始对偶网络(LMPDnet)	PET图像数据	NA
18	2025-08-10	A Deep Learning Model to Detect Acute MCA Occlusion on High Resolution Non-Contrast Head CT 2025-Aug-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8954 PMID:40780878	研究论文	本研究开发了一种深度学习模型，用于通过高分辨率非对比头部CT检测急性大脑中动脉闭塞	该模型首次利用高分辨率非对比CT数据进行急性大脑中动脉闭塞的自动检测，准确率接近CTA	模型在M2段闭塞检测时性能略有下降	评估深度学习模型在非对比CT上识别急性大脑中动脉闭塞的可行性和准确性	急性大脑中动脉闭塞患者	数字病理学	心血管疾病	高分辨率非对比CT成像	3D深度学习模型	医学影像	训练验证集4,648例，独立测试集1,011例
19	2025-08-10	Land use classification using multi-year Sentinel-2 images with deep learning ensemble network 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12512-7 PMID:40781103	研究论文	本研究提出了一种名为IRUNet的深度学习集成网络，用于多年度Sentinel-2影像的土地利用分类	IRUNet结合了InceptionResNetV2与UNet框架，并采用多尺度特征融合和测试时间增强（TTA）来提高预测的鲁棒性	虽然数据跨越多年，但每年被视为独立输入，未建模时间序列	提高土地利用分类的准确性，以支持城市规划、环境监测和农业管理	Katpadi地区2017-2024年的Sentinel-2卫星影像	计算机视觉	NA	深度学习	IRUNet（集成InceptionResNetV2与UNet框架）	卫星影像	Katpadi地区2017-2024年的Sentinel-2影像数据
20	2025-08-10	Deep neural network approach integrated with reinforcement learning for forecasting exchange rates using time series data and influential factors 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12516-3 PMID:40781102	research paper	该研究提出了一种结合LSTM网络和深度Q网络(DQN)的创新混合框架，用于预测汇率时间序列数据	首次将LSTM与强化学习机制(DQN)相结合，实现基于实时反馈的自适应预测优化	仅针对USD/INR汇率数据进行验证，未测试其他货币对的适用性	提高金融时间序列预测的准确性和适应性	USD/INR汇率时间序列数据	machine learning	NA	时间序列分析, 强化学习	LSTM, DQN	时间序列数据	USD/INR汇率数据集