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
2141	2025-07-19	Integrating vision transformer-based deep learning model with kernel extreme learning machine for non-invasive diagnosis of neonatal jaundice using biomedical images 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08342-2 PMID:40665120	研究论文	提出一种结合视觉变换器深度学习模型与核极限学习机的非侵入性新生儿黄疸诊断方法	整合ViT和KELM模型，并采用ECOA算法优化超参数，实现了96.97%的高准确率	未提及模型在临床环境中的实际应用验证及跨设备泛化能力	开发基于先进方法的有效新生儿黄疸诊断系统	新生儿黄疸的医学图像数据	数字病理	新生儿黄疸	图像处理（Wiener滤波）、特征提取（ViT）、分类（KELM）	Vision Transformer (ViT), Kernel Extreme Learning Machine (KELM)	医学图像	黄疸图像数据集（具体数量未说明）
2142	2025-07-19	A comparative study and simple baseline for travel time prediction 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02303-5 PMID:40665164	研究论文	本研究通过比较不同方法和技术，探讨了旅行时间预测（TTP）中各个步骤对预测准确性的影响，并提出了一种结合XGBoost和LSTM的基线模型	提出了一种通过门控网络动态分配权重的基线模型，结合了XGBoost和LSTM的互补优势，以适应稳定和波动的交通状况	研究仅基于台湾和加州的数据集，可能无法完全代表其他地区的交通状况	提高旅行时间预测的准确性，为驾驶员、管理员和货运公司等高速公路用户提供有效的行程规划	高速公路的旅行时间预测	机器学习	NA	深度学习、插值、最大值插补技术	LSTM、XGBoost	时间序列数据	来自台湾和加州的数据集
2143	2025-07-19	Domain-incremental white blood cell classification with privacy-aware continual learning 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08024-z PMID:40665174	研究论文	本文提出了一种基于生成回放的持续学习策略，用于解决白细胞分类中的领域偏移和灾难性遗忘问题	采用轻量级生成器模拟历史数据，通过合成潜在表示实现隐私保护回放，有效缓解了基础模型在动态环境中的性能退化	实验仅使用了四个数据集和四种骨干模型，可能无法涵盖所有临床场景	开发一种能够在数据分布频繁变化的临床环境中保持可靠性能的白细胞分类方法	白细胞(WBC)分类	数字病理学	血液疾病	持续学习(CL)	ResNet50, RetCCL, CTransPath, UNI	图像	四个不同数据集
2144	2025-07-19	Ultrafast T2-weighted MR imaging of the urinary bladder using deep learning-accelerated HASTE at 3 Tesla 2025-Jul-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01810-1 PMID:40665218	研究论文	本研究评估了结合深度学习重建的HASTE序列在3特斯拉磁共振上实现膀胱超快速成像的可行性	首次将深度学习重建技术应用于HASTE序列，显著提高了膀胱成像的速度和质量	DL-HASTE和HASTE序列对膀胱内尿液流动伪影较为敏感	评估深度学习加速HASTE序列在膀胱超快速成像中的应用价值	50名接受盆腔磁共振检查的患者	医学影像	泌尿系统疾病	HASTE磁共振序列、深度学习重建	深度学习模型（具体类型未说明）	医学影像数据	50名患者
2145	2025-07-19	Deep learning-based delineation of whole-body organs at risk empowering adaptive radiotherapy 2025-Jul-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03062-z PMID:40665308	研究论文	本研究验证了深度学习模型在全身体积危及器官（OARs）自动勾画中的临床应用价值，包括勾画准确性、临床接受度和剂量学影响	首次构建并验证了覆盖全身体积的深度学习自动勾画模型，并系统评估了其剂量学影响	研究仅由一位经验丰富的放射肿瘤学家进行手动勾画对比，可能引入主观偏差	验证深度学习模型在全身体积危及器官自动勾画中的临床应用可行性	头颈部、胸部、腹部和盆腔的危及器官	数字病理	癌症（放射治疗相关）	深度学习	DL（未具体说明模型架构）	医学影像	未明确说明样本数量，涉及多个解剖区域（头颈部、胸部、腹部、盆腔）的OARs
2146	2025-07-19	Optimal Descriptor Subset Search via Chemical Information and Target Activity-Guided Algorithm for Antimicrobial Peptide Prediction 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00600 PMID:40528473	research paper	该研究提出了一种基于化学信息和目标活性引导的算法AExOp-DCS，用于优化抗菌肽（AMP）预测中的描述符子集搜索	引入AExOp-DCS算法作为自动特征域优化方法，通过化合物的化学结构和生物活性驱动，识别最优描述符集	基于浅层学习的AMP模型性能高度依赖于通过手动特征工程获得的描述符质量，可能因假设初始描述符集已完全捕获相关信息而遗漏关键信息	开发更高效的计算流程以促进抗菌肽的发现	抗菌肽（AMPs）	machine learning	NA	QSAR模型	shallow learning	protein sequence	NA
2147	2025-07-19	Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00513 PMID:40528819	研究论文	该研究利用半经验量子化学方法生成模拟振动光谱，通过迁移学习在合成数据集上预训练深度学习模型，并在实验性拉曼光谱数据集上进行微调，以提高模型泛化能力	提出使用半经验量子化学方法生成合成拉曼光谱数据，用于预训练深度学习模型，解决了实际拉曼光谱数据不足的问题	研究仅针对细菌光谱数据进行了验证，未在其他类型样本上测试模型泛化能力	解决拉曼光谱数据不足导致的模型过拟合和泛化能力差问题	细菌拉曼光谱数据	生物光子学	NA	拉曼光谱技术、半经验量子化学方法	深度学习模型	光谱数据	小规模实验性拉曼光谱数据集
2148	2025-07-19	Evaluation of Small-Molecule Binding Site Prediction Methods on Membrane-Embedded Protein Interfaces 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00336 PMID:40601846	研究论文	评估小分子结合位点预测方法在膜蛋白界面上的性能	比较了多种计算方法在膜蛋白内嵌区域的配体结合位点预测性能，并提供了最佳方法排名	所有方法的平均DCC和DVO值均低于可溶性蛋白数据集，表明在膜蛋白界面区域的预测仍有改进空间	评估和比较不同计算方法在膜蛋白内嵌区域的配体结合位点预测性能	GPCR和离子通道配体复合物	计算生物学	NA	几何基(Fpocket, ConCavity)、能量探针基(FTSite)、机器学习基(P2Rank, GRaSP)、深度学习基(PUResNet, DeepPocket, PUResNetV2.0)方法	深度学习(PUResNet, DeepPocket, PUResNetV2.0)	蛋白质结构数据	GPCR和离子通道配体复合物数据集
2149	2025-07-19	Advancing Drug Discovery with Enhanced Chemical Understanding via Asymmetric Contrastive Multimodal Learning 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00430 PMID:40548496	研究论文	本文提出了一种名为非对称对比多模态学习（ACML）的新方法，旨在通过多模态深度学习增强分子理解并加速药物发现	引入非对称对比多模态学习（ACML），通过有效的信息传递和协调化学语义的融合，提升分子表示学习的效果	未提及具体的数据集规模限制或计算资源需求	通过多模态深度学习增强化学理解并加速药物发现	分子图表示和化学多模态数据	机器学习	NA	非对称对比学习、多模态学习	图神经网络（GNN）	分子图数据和多模态化学数据	使用了MoleculeNet和Therapeutics Data Commons（TDC）的数据集，但未提及具体样本数量
2150	2025-07-19	Generative AI enables medical image segmentation in ultra low-data regimes 2025-Jul-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61754-6 PMID:40659619	研究论文	提出一种生成式深度学习框架，用于在极低数据量情况下生成高质量的图像-掩码对作为辅助训练数据，以改善医学图像分割性能	采用多级优化实现端到端数据生成，使分割性能指导生成过程，生成针对性强的训练数据	未明确说明在极端数据稀缺情况下的性能下限	解决医学图像分割在极低数据量情况下的性能问题	医学图像分割任务	数字病理	NA	生成式深度学习	生成式AI	医学图像	覆盖11个医学图像分割任务和19个数据集
2151	2025-07-19	Adversarial learning for beamforming domain transfer in ultrasound medical imaging 2025-Jul-09, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107749 PMID:40674811	研究论文	本研究利用生成对抗网络（GANs）将平面波DAS超声图像转换为类似F-DMAS生成的图像，以提高超声图像质量	首次提出使用GANs实现超声图像从DAS到F-DMAS的域转换，并引入纹理分析验证生成图像与目标图像的一致性	研究依赖于特定类型的超声图像（平面波DAS），且需要专家进行临床评估	提高在无法获取原始RF数据情况下的超声图像质量	超声B模式图像	医学影像处理	NA	生成对抗网络（GANs）	Pix2Pix, Pyramidal Pix2Pix, CycleGAN	超声图像	NA
2152	2025-07-19	Accounting for population structure in deep learning models for genomic analysis 2025-Jul-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104873 PMID:40623578	研究论文	本研究探讨了深度学习模型中忽略遗传相关性是否会导致类似于传统基因组分析中的混杂效应	首次在深度学习模型中系统地研究了遗传相关性（群体结构）对模型性能的影响，并提出了减少捷径学习的方法	研究主要基于模拟和有限的实际数据集，可能无法涵盖所有潜在的群体结构情况	评估群体结构对基因组分析深度学习模型的影响	单核苷酸多态性(SNP)数据	机器学习	NA	深度学习	深度学习模型	基因组数据	模拟和真实世界数据集
2153	2025-07-19	optiGAN: a deep learning-based alternative to optical photon tracking in Python-based GATE (10+) 2025-Jul-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade2b5 PMID:40490001	研究论文	本研究提出了一种基于生成对抗网络（GAN）的optiGAN模型，用于加速GATE医学物理框架中的光学光子传输模拟，同时保持高建模精度	将GAN模型optiGAN集成到Python版的GATE 10中，作为传统光学蒙特卡洛模拟的高效替代方案，显著降低了计算成本	虽然optiGAN在模拟时间上减少了约50%，但仍有8%的模拟结果与蒙特卡洛方法存在差异	加速光学光子传输模拟，同时保持高建模精度，以支持医学成像和探测器设计的广泛应用	GATE医学物理模拟框架中的光学光子传输	医学物理	NA	GAN	GAN	模拟数据	NA
2154	2025-07-19	Challenges for implementing generative artificial intelligence (GenAI) into clinical healthcare 2025-07, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.70035 PMID:40135733	review	本文探讨了生成式人工智能（GenAI）在医疗保健领域实施的潜力与挑战	综述了GenAI在医疗保健中的多功能能力及其潜在影响	未提及具体的技术实现细节或案例研究	探讨GenAI在临床医疗保健中的应用潜力与实施挑战	生成式人工智能（GenAI）技术及其在医疗保健中的应用	machine learning	NA	deep learning	GenAI	large and diverse datasets	NA
2155	2025-07-19	Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology 2025-Jul, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	综述	本文综述了深度学习在全幻灯片图像(WSI)分析中的应用及其在癌症病理学中的临床价值	整合深度学习模型与WSI技术，探索超出病理学家视觉感知的形态学特征，用于自动化临床诊断、组织病理学分级评估、临床结果预测及新型形态学生物标志物发现	讨论了将基于深度学习的数字病理学转化为临床实践所面临的机遇与挑战	推进深度学习驱动的WSI分析在癌症护理临床任务中的应用	全幻灯片图像(WSI)及癌症病理学	数字病理学	癌症	全幻灯片成像技术	CNN, GCN, Transformer	图像	NA
2156	2025-07-19	Comparison of an Attention-Based Multiple Instance Learning (MIL) With a Visual Transformer Model: Two Weakly Supervised Deep Learning (DL) Algorithms for the Detection of Histopathologic Lesions in the Rat Liver to Distinguish Normal From Abnormal 2025-Jul, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251339653 PMID:40444726	研究论文	比较基于注意力的多实例学习（MIL）与视觉Transformer模型在弱监督深度学习算法中检测大鼠肝脏组织病理学病变的效果	首次在弱监督框架下比较MIL和视觉Transformer模型在组织病理学病变检测中的表现，并展示了模型在肾脏WSIs上的迁移学习能力	研究仅基于大鼠肝脏和肾脏的WSIs，未涉及其他器官或物种	提高监管毒性研究中组织病理学评估的效率	大鼠肝脏和肾脏的WSIs	数字病理学	NA	弱监督深度学习	MIL, Transformer	WSIs	58项不同大鼠毒性研究的肝脏切片WSIs
2157	2025-07-19	Artificial Intelligence in Obstetric and Gynecological MR Imaging 2025-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2024-0077 PMID:39477505	综述	本文回顾了人工智能在产科和妇科MRI影像中的重大进展和应用	从基础算法技术到深度学习和高级放射组学的AI发展历程，以及AI在特定疾病诊断中的应用	未提及具体的技术实施细节和数据集的具体规模	探索AI在产科和妇科MRI影像中的应用及其未来发展方向	子宫平滑肌肉瘤、子宫内膜癌、宫颈癌、卵巢肿瘤和胎盘植入等妇科疾病	数字病理学	妇科疾病	MRI、深度学习、放射组学	NA	MRI影像	NA
2158	2025-07-19	Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy 2025-Jul, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00679-1 PMID:40603582	研究论文	本文提出了一种名为MAARS的多模态人工智能方法，用于预测肥厚型心肌病患者的致命性心律失常事件	MAARS利用基于transformer的神经网络分析多模态医疗数据，包括电子健康记录、超声心动图和放射学报告以及对比增强心脏磁共振图像，后者是该模型的独特特征	NA	提高肥厚型心肌病患者致命性心律失常事件的预测准确性	肥厚型心肌病患者	人工智能在医疗领域的应用	心血管疾病	深度学习	transformer-based神经网络	多模态医疗数据（电子健康记录、超声心动图、放射学报告、心脏磁共振图像）	内部和外部队列患者（具体数量未提及）
2159	2025-07-19	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	research paper	提出了一种基于深度学习的自动运动校正框架，用于18F-flurpiridaz PET心肌灌注成像	使用3D ResNet架构实现自动帧间运动校正，减少人工干预和观察者间差异	研究仅基于32个临床站点的数据，可能需要更大规模验证	提高18F-flurpiridaz PET心肌血流定量分析的准确性和效率	18F-flurpiridaz PET心肌灌注成像数据	digital pathology	cardiovascular disease	PET成像	3D ResNet	3D医学影像	来自32个临床站点的多中心数据（NCT01347710临床试验）
2160	2025-07-19	Noise-aware system generative model (NASGM): positron emission tomography (PET) image simulation framework with observer validation studies 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17962 PMID:40660861	研究论文	开发并验证了一种基于深度学习的PET图像模拟方法NASGM，用于生成不同采集时间的PET图像	提出了一种新型的噪声感知系统生成模型（NASGM），采用双域鉴别器和基于Transformer的频率鉴别器结构，能够更好地模拟不同采集时间的PET图像	未提及在超出训练范围的时间帧上的泛化能力	开发一种计算高效的PET图像模拟框架，用于生成大量不同采集时间的模拟PET图像数据集	PET图像	医学影像处理	NA	深度学习生成模型	条件生成对抗网络（cGAN）	医学影像（PET/CT）	使用公共PET/CT数据集作为输入活动和衰减图