深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
2841	2025-10-06	SurgRIPE challenge: Benchmark of surgical robot instrument pose estimation 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103674 PMID:40541088	研究论文	介绍SurgRIPE挑战赛，为手术机器人器械姿态估计提供基准测试和数据集	首次提供真实手术视频数据与真实器械姿态配对的基准数据集，推动无标记姿态估计方法的发展	NA	建立手术机器人器械姿态估计的基准测试标准，促进该领域研究发展	手术机器人器械的姿态估计	计算机视觉	NA	深度学习	NA	视频	NA	NA	NA	准确度, 鲁棒性	NA
2842	2025-10-06	DeepSPV: A deep learning pipeline for 3D spleen volume estimation from 2D ultrasound images 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103671 PMID:40554255	研究论文	提出一种名为DeepSPV的深度学习流程，用于从2D超声图像估计3D脾脏体积	首个使用深度学习从2D超声图像估计3D脾脏体积的工作，采用分割网络和变分自编码器学习低维表示	使用高度逼真的合成数据集进行评估，未明确说明在真实临床数据上的性能	开发从2D超声图像准确估计脾脏体积的方法，以替代昂贵的3D成像技术	脾脏体积估计，特别关注镰状细胞病患者的脾肿大评估	计算机视觉	镰状细胞病	超声成像	分割网络, 变分自编码器	2D超声图像	NA	NA	NA	平均相对体积准确率	NA
2843	2025-10-06	FSDA-DG: Improving cross-domain generalizability of medical image segmentation with few source domain annotations 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103704 PMID:40602210	研究论文	提出一种名为FSDA-DG的新方法，通过少量源域标注提升医学图像分割的跨域泛化能力	引入语义引导的半监督数据增强策略，结合多解码器U-Net流水线，在数据级和模型级同时优化跨域泛化性能	仅针对单源域泛化任务进行验证，未涉及多源域场景	解决医学图像分割中标注数据有限和域偏移问题，提升模型在未见域上的泛化能力	医学图像分割任务	计算机视觉	NA	深度学习	U-Net	医学图像	NA	NA	多解码器U-Net	NA	NA
2844	2025-10-06	DDintensity: Addressing imbalanced drug-drug interaction risk levels using pre-trained deep learning model embeddings 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103202 PMID:40617062	研究论文	提出一种名为DDintensity的新方法，利用预训练深度学习模型嵌入结合LSTM注意力模型解决药物-药物相互作用风险级别数据不平衡问题	首次将多领域预训练深度学习模型嵌入（包括图像、图结构和文本语料）应用于DDI风险级别不平衡数据集，并采用LSTM注意力机制	未详细讨论模型在其他类型生物信息学数据不平衡问题上的泛化能力	解决药物-药物相互作用风险级别数据集中的类别不平衡问题	药物-药物相互作用风险级别数据	生物信息学	NA	深度学习嵌入技术	LSTM, 注意力机制	药物相互作用数据	DDinter数据集和MecDDI验证数据集，包含化疗药物DB00398（索拉非尼）和DB01204（米托蒽醌）案例研究	NA	LSTM-attention, BioGPT	AUC, AUPR	NA
2845	2025-10-06	SimIntestine: A synthetic dataset from virtual capsule endoscope 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103706 PMID:40617135	研究论文	开发了一种生成带有位置标注的虚拟肠道内窥镜图像数据集的方法	创建了包含真实肠道解剖特征（如环状皱襞、绒毛、结肠袋）和生理过程（如蠕动）的虚拟肠道模型	基于虚拟模型生成的数据集，与真实内窥镜数据存在差异	解决胃肠道图像数据缺乏精确位置标注的问题，改进内窥镜视频分析	人类胃肠道系统的小肠和大肠	计算机视觉	胃肠道疾病	虚拟胶囊内窥镜技术	NA	图像	NA	NA	NA	深度估计和自运动估计性能指标	NA
2846	2025-10-06	Exploring Complexity-Calibrated morphological distribution for whole slide image classification and difficulty-grading 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103707 PMID:40623354	研究论文	提出一种复杂度校准的多示例学习方法用于全切片图像分类和难度分级	首次基于复杂度因素协同整合构建WSI形态学表征，通过图像-文本对比预训练框架联合学习多种复杂度因素	未明确说明方法在不同病理亚型间的泛化能力验证	解决全切片图像分类中的形态学拟合瓶颈问题	病理全切片图像	数字病理	肿瘤	多示例学习	MIL	图像	三个大型基准数据集	NA	CoCaMIL	分类性能	NA
2847	2025-10-06	Automated detection and numbering of primary and permanent teeth in digital impressions of children using artificial intelligence 2025-Oct, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105976 PMID:40659080	研究论文	开发并评估了一种基于人工智能的自动化方法，用于在儿童数字印模中分割和标记乳牙与恒牙	结合大范围上下文预测进行牙齿标记与高分辨率预测进行牙齿分割的深度学习模型，在3DTeethSeg22挑战数据集上表现优于顶级提交方案	对于异常牙齿状况或模糊牙齿萌出模式的情况会出现错误	开发自动化方法区分儿童混合牙列中的乳牙和恒牙	儿童数字牙科印模	数字病理	牙科疾病	数字印模技术	深度学习	3D数字印模图像	716个数字印模，来自351名患者	NA	NA	F1-score, Dice score, macro-F1	NA
2848	2025-10-06	Automated chart filing on bitewings using deep learning: enhancing clinical diagnosis in a multi-center study 2025-Oct, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105919 PMID:40550354	研究论文	本研究开发了一种基于深度学习的自动化咬翼片图表归档系统，用于牙齿分割和牙科病症检测	提出了分层Mask DINO模型用于多类别分层端到端实例分割，并在多中心研究中验证了其有效性	样本量相对有限（总计1261张咬翼片），且仅来自三个欧洲国家	开发自动化咬翼片图表归档系统以提高牙科诊断效率和准确性	咬翼片X光图像中的牙齿分割和牙科病症检测	计算机视觉	牙科疾病	X射线成像	深度学习	医学图像	1045张咬翼片用于训练和验证（来自德国和荷兰），216张用于外部测试（来自斯洛伐克）	NA	Hierarchical Mask DINO, Mask DINO, SparseInst, Mask R-CNN	F1-score, 敏感度, 特异度, 精确度, 平均精度均值(mAP), AUC	NA
2849	2025-10-06	Deep learning for automatic ICD coding: Review, opportunities and challenges 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103187 PMID:40664094	综述	本文全面回顾了深度学习在自动ICD编码中的应用进展，分析了主要挑战和发展趋势	从独特视角系统分析深度学习在ICD编码中的应用，总结了模型设计动机、神经网络架构和辅助数据使用	仅涵盖2017-2023年间53篇相关文献，可能存在文献覆盖不全的局限	回顾深度学习在自动ICD编码中的最新进展，揭示主要挑战和新兴发展趋势	基于深度学习的自动ICD编码方法相关文献	自然语言处理	NA	深度学习	CNN, RNN, Transformer, PLM	临床文本，电子健康记录	53篇发表文章（2017-2023年）	NA	CNN, RNN, Transformer, 预训练语言模型	NA	NA
2850	2025-10-06	Medical radiology report generation: A systematic review of current deep learning methods, trends, and future directions 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103220 PMID:40700862	系统综述	本文对基于深度学习的医学影像报告生成方法进行了系统性综述	提供了迄今为止最全面的医学影像报告生成系统综述，涵盖从传统架构到大型语言模型的最新进展	综述性质文章，不包含原始实验验证	系统总结医学影像报告生成领域的研究现状和发展趋势	78项符合条件的研究，包括323篇相关文献	医学影像,自然语言处理	NA	深度学习	NA	医学影像报告	分析了22个广泛使用的数据集	NA	超过25个视觉骨干网络和30个文本骨干网络	14种评估指标	NA
2851	2025-10-06	Optimizing contrast-enhanced abdominal MRI: A comparative study of deep learning and standard VIBE techniques 2025-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110581 PMID:40795789	研究论文	比较深度学习重建技术与标准VIBE技术在腹部MRI中的图像质量和采集时间	首次将深度学习重建技术应用于冠状位VIBE序列，显著缩短采集时间的同时提升图像质量	深度学习重建技术会增加外周伪影的严重程度	验证深度学习重建技术在腹部MRI中的性能表现	151名接受上腹部MRI检查的患者	医学影像分析	肝脏疾病	MRI, 深度学习重建	深度学习	医学影像	151名患者	NA	NA	图像质量评分, 信噪比, 伪影严重程度, 肝脏边缘锐利度, 肝脏血管锐利度, 病灶显着性, 病灶检测率	3T MRI扫描仪
2852	2025-10-06	MASSISTANT: A deep learning model for De Novo molecular structure prediction from EI‑MS spectra via SELFIES encoding 2025-Sep-27, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466216 PMID:40706264	研究论文	开发了一种名为MASSISTANT的深度学习模型，能够直接从低分辨率EI-MS谱图预测分子结构	首次使用SELFIES编码实现从EI-MS谱图的从头分子结构预测	模型性能对数据集质量敏感，分子量限制在600 Da以下	开发从EI-MS谱图自动预测分子结构的深度学习方法	挥发性半挥发性化合物的EI-MS谱图	机器学习	NA	气相色谱-电子轰击质谱(GC-EI-MS)	深度神经网络	质谱数据	NIST数据集18万张谱图，分子量低于600 Da的化合物	NA	NA	准确率,Tanimoto得分	NA
2853	2025-10-06	Deep Learning Modeling to Differentiate Multiple Sclerosis From MOG Antibody-Associated Disease 2025-Sep-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214075 PMID:40906978	研究论文	本研究开发深度学习模型结合临床/MRI算法区分多发性硬化与MOG抗体相关疾病	首次结合临床/MRI算法与深度学习模型，并利用概率注意力图识别关键鉴别区域	回顾性研究，缺乏前瞻性验证，样本来源相对集中	区分多发性硬化(MS)与髓鞘少突胶质细胞糖蛋白抗体相关疾病(MOGAD)	成人非急性期MS和MOGAD患者的脑部MRI扫描	医学影像分析	神经系统疾病	MRI扫描(T2-FLAIR, T1加权)	CNN	医学影像	406例MRI扫描(218例RRMS, 188例MOGAD)	NA	ResNet-10	准确率, 敏感度, 特异度	NA
2854	2025-10-06	Label-free chimeric antigen receptor T-cell expression analysis using neural networks and statistical distribution modeling 2025-Sep-16, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152454 PMID:40795576	研究论文	本研究开发了一种基于亮场显微镜和深度学习的无标记方法，用于预测CAR-T细胞的CAR表达率	首次成功实现T细胞中CAR表达率的无标记预测，通过卷积神经网络结合高斯拟合的分类分数分布分析	仅在四个供体样本上验证，样本规模有限	优化CAR-T细胞疗法的治疗效果和患者安全性监测	CAR-T细胞	计算机视觉	血液恶性肿瘤	亮场显微镜	CNN	图像	四个供体	NA	卷积神经网络	预测准确率, 最大预测误差	NA
2855	2025-10-06	Selection of representative electrodes for stereoscopic visual comfort studies in conjunction with brain mechanism analysis 2025-Sep-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149800 PMID:40544932	研究论文	通过立体视觉脑机制分析寻找评估立体视觉舒适度的代表性电极	首次通过脑机制分析为立体视觉舒适度研究的电极选择提供科学依据	样本量相对较小，仅分析了15个电极	寻找评估立体视觉舒适度的代表性电极	立体视觉舒适度与不适状态的脑电信号	脑机接口	视觉不适	脑电图(EEG)、事件相关电位、功率谱分析	机器学习模型、深度学习模型	脑电信号	15个电极的脑电活动数据	NA	NA	分类准确率	NA
2856	2025-10-06	Deep learning for named entity recognition in Turkish radiology reports 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243100 PMID:40018795	研究论文	本研究开发并评估了用于土耳其语放射学报告中命名实体识别的深度学习框架	针对土耳其语放射学报告特点，结合自适应跨度枚举和跨度图传播技术，优化了DYGIE++模型在土耳其语医疗文本上的表现	由于隐私问题无法使用真实患者数据，仅使用合成的放射学报告数据集	提高从放射学报告中提取信息的准确性和效率	土耳其语放射学报告	自然语言处理	NA	命名实体识别(NER)	BERT, 前馈神经网络	文本	1,056份土耳其语放射学报告	DYGIE++	BERTurk, BioBERTurk, PubMedBERT, XLM-RoBERTa	F1分数, 精确率, 召回率	NA
2857	2025-10-06	Automatic bone age assessment: a Turkish population study 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242999 PMID:40094318	研究论文	本研究开发了一种基于深度学习的自动骨龄评估模型，特别针对土耳其人群进行优化	首次针对土耳其人群开发深度学习骨龄评估模型，并比较了单一数据集与混合数据集的性能差异	数据来源存在异质性，土耳其人群样本量相对较少，模型性能仍有提升空间	开发针对土耳其人群的自动骨龄评估模型，研究人口统计学因素对模型性能的影响	手部X光片及对应的骨龄和性别信息	计算机视觉	生长发育评估	X光成像	CNN	图像	土耳其人群2,730张手部X光片，公开数据集18,757张（RSNA 12,572张，RHPE 6,185张）	TensorFlow	改进的InceptionV3	平均绝对误差(MAE)	NA
2858	2025-10-06	AMPGP: Discovering Highly Effective Antimicrobial Peptides via Deep Learning 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00647 PMID:40825014	研究论文	提出一种名为AMPGP的深度学习模型，用于生成和预测高效抗菌肽	将注意力机制整合到seqGAN框架中生成高质量抗菌肽，并构建四通道特征预测模型克服单一信息源局限	未明确说明模型在其他数据集上的泛化能力及潜在的计算资源需求	开发深度学习方法来加速高效抗菌肽的发现过程	抗菌肽(AMPs)	机器学习	NA	深度学习	GAN, 注意力机制	序列数据	独立测试集评估，具体样本量未明确说明	seqGAN	seqGAN with attention mechanism, 四通道特征模型	准确率	NA
2859	2025-10-06	Uncertainty-Aware Deep Learning and Structural Feature Analysis for Reliable Nephrotoxicity Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01532 PMID:40827867	研究论文	本研究开发了用于肾毒性预测的不确定性感知深度学习模型，并进行了结构特征分析	构建了最大的公开肾毒性化合物数据库，结合不确定性量化方法定义模型适用域，并采用多尺度特征分析提供药物设计见解	NA	开发可靠且精确的肾毒性预测计算方法	1831种高质量肾毒性相关化合物	机器学习	肾毒性	分子图分析，ChemoPy2D描述符	传统机器学习算法，基于图的深度学习方法，Directed Message Passing Neural Network	分子结构数据	1831种肾毒性相关化合物	NA	Directed Message Passing Neural Network	Kappa值	NA
2860	2025-10-06	PepBAN: A Deep Learning Framework with Bilinear Attention and Adversarial Learning for Peptide-Protein Interaction Prediction 2025-Sep-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01713 PMID:40854162	研究论文	提出了一种名为PepBAN的深度学习框架，用于预测肽-蛋白质相互作用	结合双线性注意力网络和条件域对抗学习，能够识别关键残基并解释相互作用机制，特别针对环肽相互作用预测进行了优化	在结合数据有限的情况下可能面临挑战，环肽中非标准氨基酸需要特殊处理	开发准确预测肽-蛋白质相互作用的计算方法	肽-蛋白质复合物	机器学习	NA	蛋白质语言模型，图基础模型	深度学习框架	序列数据，结构数据，分子图数据	NA	NA	BAN（双线性注意力网络），ESM-2	预测性能	NA