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
221	2025-08-06	Blind super-resolution for handheld ultrasound image: Two-stage degradation based unpaired deep learning 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108956 PMID:40694937	research paper	提出了一种基于两阶段退化的盲超分辨率方法，用于提升手持超声设备的图像质量	引入两阶段退化方法，包括频率概率退化和高斯模糊与斑点噪声退化，以及新的超声感知损失函数	未提及具体样本量及实际临床应用的验证效果	提升手持超声设备的图像质量	手持超声设备采集的低质量超声图像	computer vision	NA	小波变换, 神经网络生成的模糊核和噪声	EDSR	image	NA
222	2025-08-06	Predicting synergistic drug combinations via hierarchical molecular representation and cell line latent space fusion 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108933 PMID:40714415	研究论文	本研究开发了一种新型深度学习模型，通过多层次的分子表示和细胞系潜在空间融合来预测抗癌药物的协同组合	模型在节点、基元和图形层次上分层表示药物分子，结合Mamba模块和图注意力卷积提取药物对特征，并通过编码器-解码器结构减少细胞系数据噪声	NA	提高抗癌药物协同效应的预测准确性	抗癌药物组合和癌细胞系	机器学习	癌症	深度学习	基于图注意力的卷积网络和编码器-解码器结构	药物分子图和细胞系基因表达数据	基准数据集中的多种癌细胞系药物反应数据
223	2025-08-06	TabNet and TabTransformer: Novel Deep Learning Models for Chemical Toxicity Prediction in Comparison With Machine Learning 2025-09, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4803 PMID:40309751	research paper	本研究评估了深度学习模型TabNet和TabTransformer在化学毒性预测中的表现，并与传统机器学习方法进行了比较	首次将TabNet和TabTransformer应用于化学毒性预测，并展示了其在复杂特征关系建模和性能上的优势	研究仅基于分子描述符数据，未考虑其他可能影响毒性的因素	评估深度学习模型在化学毒性预测中的性能	12,228个训练样本和3,057个测试样本，包含801个分子描述符	machine learning	NA	SHAP分析	TabNet, TabTransformer, XGBoost, CatBoost, SVM	分子描述符数据	12,228个训练样本和3,057个测试样本
224	2025-08-06	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-Sep, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	研究论文	本研究开发了一种结合临床和放射组学特征的机器学习模型，用于预测嗜铬细胞瘤和副神经节瘤手术难度，旨在优化术前规划和减少围手术期并发症	首次结合临床和放射组学特征构建机器学习模型预测手术难度，并通过SHAP分析识别关键预测因子	研究为回顾性设计，未来需要多中心研究验证和实时术中预测工具的开发	优化嗜铬细胞瘤和副神经节瘤的术前规划，减少围手术期并发症	嗜铬细胞瘤和副神经节瘤患者	机器学习	嗜铬细胞瘤和副神经节瘤	机器学习算法	SVM	临床和影像数据	NA
225	2025-08-06	A Scalable Deep Learning Approach for Real-Time Multivariate Monitoring of Biopharmaceutical Processes With No Prior Product-Specific History 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29039 PMID:40457612	研究论文	提出了一种新型实时深度学习框架，用于监测无产品特定历史记录的生物制药过程健康状态	结合自动编码器（AEs）和多阶段实时数据处理算法，开发了实时异常检测和根源识别的新方法	未提及具体样本量或实验验证范围的局限性	开发无需产品特定历史记录的生物制药过程实时监测方法	生物制药过程中的细胞培养操作，特别是单克隆抗体的生产	机器学习	NA	深度学习，自动编码器（AEs）	自动编码器（AEs）	时间序列数据	NA
226	2025-08-06	Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29040 PMID:40485093	研究论文	本研究提出了一种基于在线拉曼光谱仪的深度学习算法，用于优化生物乙醇发酵过程的控制	采用半监督学习的伪标记方法扩充训练数据集，并开发了结合时序光谱特征的STC-CNN模型	研究仅以酿酒酵母的生物乙醇生产为案例，未验证在其他发酵系统中的适用性	优化生物制造过程中的补料策略以实现稳定最大产量	酿酒酵母的生物乙醇发酵过程	机器学习	NA	在线拉曼光谱分析	STC-CNN（光谱-时序串联卷积神经网络）	光谱数据	训练数据集比传统标记方法扩大100倍
227	2025-08-06	Multifrequency Time-Dependent Deep Image Prior for Real-Time Free-Breathing Cardiac Imaging 2025-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70114 PMID:40760871	研究论文	本研究提出了一种多频时间依赖性深度图像先验方法，用于实时自由呼吸心脏成像	引入了多频流形参数化时间，无需假设运动周期性，并联合估计线圈灵敏度以改进多通道数据重建	与传统扫描相比，边缘锐度和图像对比度评分较低	实现无需呼吸暂停或心电图门控的高时间分辨率功能性心脏成像	健康受试者和心律失常患者的心脏成像	医学影像	心血管疾病	MRI	Time-Dependent Deep Image Prior (Time-DIP)	图像	健康受试者和患者（包括心律失常患者）的扫描数据
228	2025-08-06	TP-Transformer: An Interpretable Model for Predicting the Transformation Pathways of Organic Pollutants in Chemical Oxidation Processes 2025-Aug-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c02701 PMID:40532215	研究论文	本文介绍了一种名为TP-Transformer的深度学习框架，用于预测有机污染物在化学氧化过程中的转化产物及其形成途径	TP-Transformer能够预测转化产物的结构及其形成途径，并通过注意力分析模拟专家级化学推理	模型的训练数据集Chem_Oxi_2K仅包含2780个污染物降解反应，可能限制了其在更广泛污染物上的预测能力	开发一种可扩展、精确且高效的替代传统实验方法的技术，以优化氧化方法并增强水处理策略	有机污染物及其在化学氧化过程中的转化产物	环境化学	NA	深度学习	Transformer	化学反应数据	2780个污染物降解反应
229	2025-08-06	Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01486 PMID:40613676	研究论文	开发了一个结合蒙特卡洛模拟和深度学习的框架，用于准确分析单分子光谱成像数据	首次提出基于监督学习的单分子光谱图像去噪方法（SpecUNet），并建立了八个全面的评估指标	未提及具体的数据集规模或实验条件的限制	提高单分子光谱成像去噪和分析的准确性	单分子光谱成像数据	机器学习和光谱成像	NA	蒙特卡洛模拟和深度学习	SpecUNet（基于CNN的变体）	光谱成像数据	未明确提及样本数量
230	2025-08-06	A lightweight hybrid DL model for multi-class chest x-ray classification for pulmonary diseases 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3b8 PMID:40706615	research paper	提出了一种轻量级混合深度学习模型，用于胸部X光片的多类分类以诊断肺部疾病	结合了预训练的深度学习模型和SVM分类器，提高了分类准确率并减少了训练时间	研究中使用的数据来自公开来源，可能无法涵盖所有临床场景	提高胸部X光片对肺部疾病的分类准确率和诊断效率	胸部X光片图像，包括COVID-19、结核病、肺炎和正常病例	digital pathology	lung cancer	deep learning, SVM	MobileNet, SVM	image	来自多个公开来源的数据，代表广泛的人口统计学范围
231	2025-08-06	AI-driven framework for automated detection of kidney stones in CT images: integration of deep learning architectures and transformers 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3ba PMID:40706620	研究论文	提出了一种基于AI的框架，用于在CT图像中自动检测和分类肾结石	整合了深度学习和transformer架构，提出SwinTResNet模型和Vision Transformer (ViT)架构，优化了模型性能	未提及模型在真实临床环境中的泛化能力及对不同类型肾结石的检测效果	提高肾结石的诊断准确性和效率，支持临床决策	CT图像中的肾结石	计算机视觉	肾结石	深度学习	SwinTResNet, Vision Transformer (ViT)	CT图像	NA
232	2025-08-06	Artificial Intelligence for Materials Discovery, Development, and Optimization 2025-Aug-05, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c04200 PMID:40711807	综述	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在材料科学中的变革性影响，特别是在材料发现、开发和优化方面的应用	AI驱动的方法通过结构生成、性能预测、高通量筛选和计算设计革新了材料发现，同时通过改进表征和自主实验推动了材料开发	数据质量不一致、模型可解释性有限以及缺乏标准化的数据共享框架等挑战仍然存在	探讨AI、ML和DL在材料科学中的应用，以促进材料的发现、开发和优化	材料科学中的材料发现、开发和优化	机器学习	NA	监督学习、无监督学习、半监督学习和强化学习（RL）	RNN、CNN、GNN、生成模型和基于Transformer的模型	复杂材料数据集	NA
233	2025-08-06	Brain tumor segmentation by optimizing deep learning U-Net model 2025-Aug-05, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251363699 PMID:40760965	研究论文	本文提出了一种基于UNet架构的改进模型，用于MRI图像中脑肿瘤的精确分割	采用Leaky ReLU激活函数、批量归一化和正则化技术优化UNet模型，并结合聚焦损失和广义Dice损失函数解决类别不平衡问题	仅在BraTS'2020数据集上进行评估，未在其他数据集上验证模型的泛化能力	提高MRI图像中脑肿瘤分割的准确性	脑肿瘤MRI图像	数字病理	脑肿瘤	MRI	UNet	图像	BraTS'2020数据集
234	2025-08-06	Accelerated free-breathing abdominal T2 mapping with deep learning reconstruction of radial turbo spin-echo data 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70017 PMID:40762149	研究论文	提出一种深度学习框架，用于加速自由呼吸腹部T2映射，同时保持高质量的解剖图像和准确的T2图	开发了一种灵活的深度学习框架，可通过全监督或自监督方式进行训练，用于改善T2加权图像或重建T2图	NA	加速自由呼吸腹部T2映射，同时保持高质量的解剖图像和准确的T2图	腹部T2映射	医学影像	NA	深度学习	深度学习框架	医学影像数据	NA
235	2025-08-06	A novel lung cancer diagnosis model using hybrid convolution (2D/3D)-based adaptive DenseUnet with attention mechanism 2025-Aug-05, Network (Bristol, England) DOI:10.1080/0954898X.2025.2533871 PMID:40762174	研究论文	提出了一种基于混合卷积（2D/3D）和自适应DenseUnet的注意力机制模型，用于早期肺癌诊断	开发了HC-ADAM分割方法和HADN-AM分类网络，结合了ResNet和LSTM，提高了肺癌诊断的准确性	未提及模型在临床环境中的实际应用效果或对其他数据集的泛化能力	开发高效的深度学习技术用于早期和准确的肺癌检测	肺癌的早期诊断	数字病理学	肺癌	深度学习	HC-ADAM, HADN-AM, ResNet, LSTM	CT图像	LIDC-IDRI数据集
236	2025-08-06	Optimization of deep learning-based denoising for arterial spin labeling: Effects of averaging and training strategies 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70013 PMID:40762194	研究论文	本研究系统探讨了深度学习中平均化和其他相关训练策略对动脉自旋标记（ASL）图像去噪效果的影响，以优化处理流程	首次系统研究了不同平均化策略（包括窗口化和交错平均化方法）及训练策略对DL去噪效果的影响，并验证了DL去噪的泛化能力	研究仅基于152例ASL扫描数据，样本量相对有限	优化基于深度学习的ASL图像去噪处理流程	动脉自旋标记（ASL）图像	医学影像处理	NA	动脉自旋标记（ASL）	CNN, Transformer	医学影像	152例ASL扫描（来自152名受试者）
237	2025-08-06	Utilizing 3D fast spin echo anatomical imaging to reduce the number of contrast preparations in T 1 ρ $$ {T}_{1\rho } $$ quantification of knee cartilage using learning-based methods 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70022 PMID:40762171	研究论文	提出并评估一种结合T1ρ加权快速自旋回波(FSE)图像和质子密度(PD)加权解剖FSE图像的加速T1ρ量化方法，利用深度学习模型进行T1ρ映射，以减少扫描时间并促进骨关节炎(OA)评估的常规临床工作流程整合	结合PD加权解剖FSE图像和T1ρ加权FSE图像，利用深度学习模型(2D U-Net和MLP)进行T1ρ映射，减少扫描时间并保持临床标准	研究为回顾性研究，样本量相对较小(40名参与者)，且仅针对膝关节软骨进行评估	开发一种加速T1ρ量化方法，以减少扫描时间并促进骨关节炎(OA)评估的常规临床工作流程整合	膝关节软骨	医学影像分析	骨关节炎	快速自旋回波(FSE)成像和深度学习	2D U-Net和多层感知器(MLP)	MRI图像	40名参与者(30名OA患者和10名健康志愿者)
238	2025-08-06	Accurate Biomolecular Structure Prediction in CASP16 With Optimized Inputs to State-Of-The-Art Predictors 2025-Aug-05, Proteins IF:3.2Q2 DOI:10.1002/prot.70030 PMID:40762404	研究论文	本文介绍了在CASP16实验中，通过优化输入信息利用先进深度学习算法实现生物分子结构高精度预测的研究	通过优化输入信息（如去除蛋白质序列中的无序区域和优化RNA二级结构输入）提升AlphaFold2、AlphaFold3等先进预测器的性能	蛋白质多聚体的高质量预测比例不足25%，RNA结构预测仍面临挑战	提升生物分子（蛋白质和RNA）结构预测的准确性	蛋白质结构域、蛋白质多聚体和RNA单体	机器学习	NA	深度学习算法（AlphaFold2/3、trRosettaX2/RNA2）	AlphaFold2, AlphaFold3, trRosettaX2, trRosettaRNA2	生物分子序列与结构数据	CASP16实验中的蛋白质结构域、多聚体及RNA单体样本
239	2025-08-06	Integrating Deep Learning and Real-Time Imaging to Visualize In Situ Self-Assembly of Self-Healing Interpenetrating Polymer Networks Formed by Protein and Polysaccharide Fibers 2025-Aug-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c11459 PMID:40762431	研究论文	该研究通过整合深度学习和实时成像技术，可视化蛋白质和多糖纤维形成的自修复互穿聚合物网络的原位自组装过程	首次报道了基于脱铁铁蛋白的淀粉样蛋白水凝胶的形成，并利用深度学习技术自动识别和量化高分辨率扫描电子显微镜图像中的纤维成分	未明确提及具体局限性	开发机械强度高、稳定性好的可持续生物材料用于生物医学工程应用	蛋白质和多糖纤维形成的互穿聚合物网络水凝胶	生物医学工程	NA	深度学习、实时共聚焦激光扫描显微镜、流变学分析	CNN	图像	NA
240	2025-08-06	A Sensor Array Composed of Organelle-Targeting Fluorescent Probes and Polydopamine Particles for Deep Learning-Assisted Identification and Ablation of Drug-Resistant Lung Tumors 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02524 PMID:40762433	研究论文	本文开发了一种由细胞器靶向荧光探针和聚多巴胺颗粒组成的传感器阵列，结合深度学习网络，用于识别和消融耐药性肺癌细胞和肿瘤	结合细胞器靶向传感器阵列和深度学习技术，实现了对耐药性肺癌细胞和肿瘤的高精度识别（准确率超过99%），并展示了多细胞器靶向光热疗法在肿瘤消融中的优越效果	未提及该方法在临床样本中的验证情况以及长期治疗效果评估	开发一种能够识别耐药性非小细胞肺癌（NSCLC）并增强治疗效果的新方法	非小细胞肺癌（NSCLC）细胞和肿瘤切片	数字病理学	肺癌	荧光探针成像、光热疗法	深度学习网络	图像	未明确提及具体样本数量，但涉及NSCLC细胞和肿瘤切片