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
301	2025-09-05	Ex Vivo Training in the "Root Removal First" Strategy Extraction Method Using a Deep Learning-Based CBCT Recognition System and PVC Resin Model 2025-Sep-03, Journal of dental education IF:1.4Q3 DOI:10.1002/jdd.70029 PMID:40899117	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
302	2025-09-05	Use of Client-Side Machine Learning Models for Privacy-Preserving Healthcare Predictions - A Deployment Case Study 2025-Sep-03, Studies in health technology and informatics DOI:10.3233/SHTI251408 PMID:40899553	研究论文	本文提出并验证了一种在浏览器端完全执行医疗预测模型的隐私保护方法	通过客户端机器学习模型实现医疗预测，避免敏感患者数据外传，突破传统服务器中心架构的隐私局限	NA	开发并验证隐私保护的医疗预测模型部署方案	医疗预测模型及浏览器端部署技术	机器学习	NA	TensorFlow.js, ONNX Runtime Web, JavaScript	Random Forest, CNN	医疗数据	NA
303	2025-09-05	Classifying the AMi-Br Mitotic Figure Dataset with AUCMEDI 2025-Sep-03, Studies in health technology and informatics DOI:10.3233/SHTI251413 PMID:40899557	研究论文	使用AUCMEDI深度学习框架对AMi-Br数据集中的有丝分裂图形进行八亚型分类	首次将AUCMEDI框架应用于AMi-Br数据集，并采用基于ConvNeXt的集成模型进行八类亚型分类	不同有丝分裂亚类的敏感性差异显著（0-82%），反映了数据集的内在挑战	开发自动化方法区分典型和非典型有丝分裂图形作为肿瘤生物标志物	乳腺癌样本中的有丝分裂图形（包括四个典型和四个非典型亚类）	数字病理学	乳腺癌	深度学习	ConvNeXt-based ensemble	图像	NA
304	2025-09-05	All That Glitters Is Not Gold: Importance of Rigorous Evaluation of Proteochemometric Models 2025-Sep-03, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00395 PMID:40899589	研究论文	本研究强调蛋白质化学计量学模型评估中严格标准的重要性，并揭示数据划分和类别不平衡对模型性能的关键影响	通过激酶-配体生物活性预测模型系统，首次系统评估数据泄露风险、嵌入质量和排列测试在蛋白质化学计量模型中的作用	研究主要基于激酶-配体系统，结论在其他蛋白家族中的普适性需要进一步验证	提高蛋白质化学计量学模型的评估严谨性和泛化能力	激酶-配体生物活性预测模型	机器学习	NA	蛋白质化学计量建模、多序列比对	ML/DL-PCMs	蛋白质和配体表示数据	NA
305	2025-09-05	Parameter Estimation from Phylogenetic Trees Using Neural Networks and Ensemble Learning 2025-Sep-03, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf060 PMID:40899780	研究论文	提出一种基于集成神经网络的新方法，用于从系统发育树中估计物种多样化参数	结合密集神经网络、图神经网络和长短期记忆循环网络，同时利用系统发育树的图表示、分支时间和汇总统计进行学习	与最大似然估计方法类似，在延长出生-死亡过程下仍无法精确恢复参数	开发更稳健的神经网络方法来估计系统发育树的多样化参数	系统发育树和物种多样化参数	机器学习	NA	深度学习，集成学习	DNN, GNN, LSTM, 集成神经网络	图结构数据，时间序列数据，统计汇总数据	NA
306	2025-09-05	Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study 2025-Sep-03, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003434 PMID:40899800	研究论文	本研究构建了腹腔镜根治性肾切除术的全粒度标注数据集，并开发了一种用于多层级粒度整合的深度学习框架，以支持手术场景理解和临床智能应用	首个针对腹腔镜根治性肾切除术的全标注数据集，以及能够同时感知多粒度信息并通过共享特征提取实现双向补偿增强的新型轻量级框架	NA	实现计算机对手术场景的全面理解，为智能手术辅助和自主决策提供基础	腹腔镜根治性肾切除术的手术视频数据	计算机视觉	肾癌	深度学习	共享特征提取与任务特定解码器框架	手术视频帧	41个多中心手术视频，包含141,443帧手术阶段标注、8,435帧器械分割标注和25,305帧手术动作三元组标注
307	2025-09-05	Multimodal deep learning for immunotherapy response prediction and biomarker discovery in non-small cell lung cancer 2025-Sep-03, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf142 PMID:40901703	研究论文	开发一种名为DeepAFM的多模态深度学习方法，整合组织病理学、基因组特征和临床信息，预测非小细胞肺癌患者对免疫治疗的响应	提出结合自监督VQVAE2表示学习、PCA降维和注意力机制的多模态集成方法，增强预测可解释性并发现潜在生物标志物	样本量较小（仅93例患者），置信区间较宽（0.69-1.00）	预测非小细胞肺癌患者对抗PD-(L)1免疫治疗的响应并探索相关生物标志物	晚期非小细胞肺癌患者	数字病理	肺癌	全切片图像处理、PCA降维、K-means聚类、置换重要性评估	VQVAE2, DeepAFM（多模态深度学习模型）	组织病理学图像、基因组数据、临床变量	93名晚期非小细胞肺癌患者
308	2025-09-05	Evaluation method for driver comfort under multi axis coherent vibration of seats 2025-Sep-03, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2553136 PMID:40901779	研究论文	使用深度学习评估座椅多轴相干振动对驾驶员舒适度的影响	提出融合多模态相干特征的深度学习模型进行定量评估，能够准确捕捉影响舒适度的频率特性	NA	开发驾驶员舒适度的客观评估方法	驾驶员座椅的多轴振动信号	机器学习	NA	深度学习	深度学习模型（具体架构未说明）	振动信号数据	通过道路测试收集的振动信号和主观评价数据（具体样本量未说明）
309	2025-09-05	Deep learning approach for automatic assessment of schizophrenia and bipolar disorder in patients using R-R intervals 2025-Sep-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012983 PMID:40901920	研究论文	本研究开发了一种基于深度学习和RR间期的自动分类方法，用于评估精神分裂症和双相情感障碍	利用低成本可穿戴设备采集短时程心电图信号，通过机器学习模型实现精神疾病自动分类，性能与先进诊断方法相当	样本量较小（仅60名参与者），需要进一步验证和扩大研究规模	开发并评估精神分裂症和双相情感障碍的自动化分类方法	精神分裂症和双相情感障碍患者以及健康对照者	机器学习	精神疾病	心电图信号分析，心率变异性分析	SVM, XGBoost, MLP, GRU, ensemble methods	心电图信号，RR间期数据	60名参与者（30名患者，30名对照）
310	2025-09-05	Virtual Staging of Indoor Panoramic Images via Multi-task Learning and Inverse Rendering 2025-Sep-03, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3605806 PMID:40902042	研究论文	提出VISPI框架，通过多任务学习和逆渲染实现单张室内全景图像的虚拟装修	结合多任务深度学习和实时渲染，从杂乱场景中同步提取几何、语义和材质信息，支持交互式物体放置和立体显示	NA	解决室内全景图像虚拟装修中家具替换与光照一致性的技术挑战	室内全景图像	计算机视觉	NA	多任务深度学习、逆渲染、球形高斯光照估计	Vision Transformer	360°全景图像	Structured3D和FutureHouse数据集
311	2025-09-05	CINeMA: Conditional Implicit Neural Multi-Modal Atlas for a Spatio-Temporal Representation of the Perinatal Brain 2025-Sep-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605194 PMID:40902057	研究论文	提出一种名为CINeMA的新型框架，用于创建高分辨率、时空多模态的围产期大脑图谱	在潜在空间中操作，避免计算密集的图像配准，将图谱构建时间从数天缩短至数分钟，并支持对解剖特征的灵活条件控制	在病理数据稀缺的情况下仍面临挑战，但专门设计用于低数据设置	开发适用于低数据环境的高分辨率时空多模态大脑图谱构建方法	围产期胎儿和新生儿大脑	医学影像分析	脑部发育异常	隐式神经表示，深度学习	条件隐式神经网络	磁共振影像	NA
312	2025-09-05	Stroke-Aware CycleGAN: Improving Low-Field MRI Image Quality for Accurate Stroke Assessment 2025-Sep-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605566 PMID:40902054	研究论文	提出一种基于3D深度学习的Stroke-Aware CycleGAN模型，用于提升低场强MRI图像质量以改善常规卒中评估	在传统CycleGAN中引入卒中病灶先验知识，采用新颖的空间特征变换机制，并结合梯度差异损失解决生成图像过度平滑问题	NA	提升便携式低场强MRI设备的图像质量，以支持更精确的卒中诊断和病灶量化	卒中患者的扩散加权成像（DWI）数据	医学影像分析	卒中	扩散加权成像（DWI），深度学习	CycleGAN，3D CNN	MRI图像	101对配对的高场强和低场强DWI图像，来自同一患者的双次扫描
313	2025-09-05	NVNMD-v2: Scalable and Accurate Deep Learning Molecular Dynamics Model Based on Non-Von Neumann Architectures 2025-Sep-03, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01050 PMID:40902087	研究论文	提出NVNMD-v2，一种基于非冯·诺依曼架构的可扩展高精度深度学习分子动力学模型	通过算法-硬件协同设计，集成广义深度神经网络势能与存内计算加速器，支持多达32种元素的多元素系统，突破四元素限制	NA	解决机器学习分子动力学框架在精度、可扩展性和能效方面的三难问题，特别是在成分复杂系统中	多元素材料系统，包括高熵合金、多铁性钙钛矿、半导体异质结构和生物分子组装体	machine learning	NA	分子动力学模拟，深度神经网络，FPGA加速	GDNNP (广义深度神经网络势能)	原子相互作用数据	支持高达2000万原子系统的模拟
314	2025-09-05	Disentangled deep learning method for interior tomographic reconstruction of low-dose X-ray CT 2025-Sep-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae02dc PMID:40902618	研究论文	提出一种解耦深度学习框架，用于低剂量X射线CT的内部断层重建，以解决噪声和数据截断的耦合不适定问题	开发了DPER和DPER-Pro两种新型重建流程，通过双域深度神经网络解耦噪声和背景投影，并采用渐进式策略扩展可恢复区域	NA	实现高质量ROI重建并扩展可恢复区域，为低剂量内部断层成像提供创新解决方案	模拟躯干数据集和真实CT扫描的体模	医学影像处理	NA	低剂量CT成像，深度学习重建	双域深度神经网络	CT投影数据，图像	模拟躯干数据集和真实体模CT扫描
315	2025-09-05	One scan, many stories: deep learning for signal separation in multi-tracer PET imaging 2025-Sep-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae02db PMID:40902629	研究论文	本文提出一种基于深度学习的多示踪剂PET成像信号分离方法	使用深度学习技术实现单次扫描中多种示踪剂信号的分离	NA	开发多示踪剂PET成像中的信号分离技术	PET成像信号	医学影像分析	NA	深度学习	深度学习模型	医学影像	NA
316	2025-09-05	Colorectal mucosal exposure area assessment based on artificial intelligence: a multi-center, prospective, observational study 2025-Sep-03, Endoscopy IF:11.5Q1 DOI:10.1055/a-2695-1832 PMID:40902624	研究论文	基于深度学习的结直肠黏膜暴露面积评估系统用于结肠镜检查质量控制的开发与验证	提出新的结肠镜检查质量控制指标CCMEA，并首次构建基于ResNet50和UNet++的深度学习系统进行自动化评估	NA	开发并验证基于人工智能的结肠镜检查质量评估指标	接受结肠镜检查的患者	计算机视觉	结直肠癌	深度学习	ResNet50, UNet++	图像	510名参与者
317	2025-09-05	Mammographic density assessed using deep learning in women at high risk of developing breast cancer: the effect of weight change on density 2025-Sep-03, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae029b PMID:40902628	研究论文	研究基于深度学习的乳腺密度评估方法在减肥过程中对高风险女性乳腺密度变化的影响	首次探讨人工智能密度评分（pVAS）与传统体积密度方法（Volpara）在体重变化情境下的响应差异	样本量较小（46人），观察周期为12个月	探究体重变化对人工智能乳腺密度评分的影响	有乳腺癌家族史的高风险女性群体	数字病理学	乳腺癌	深度学习，乳腺X线摄影	深度学习模型	医学影像	46名参与体重干预研究的女性
318	2025-09-05	MetaPredictomics: A Comprehensive Approach to Predict Postsurgical Non-Small Cell Lung Cancer Recurrence Using Clinicopathologic, Radiomics, and Organomics Data 2025-Sep-03, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000006086 PMID:40902993	研究论文	提出MetaPredictomics框架，整合临床病理、影像组学和器官组学数据预测非小细胞肺癌术后复发	首次将假定健康器官的影像特征（器官组学）与肿瘤特征整合，采用堆叠集成方法构建多源预测模型	使用公开数据集，样本量有限（145例），未提及外部验证	提升非小细胞肺癌术后复发预测准确性	非小细胞肺癌患者	数字病理	肺癌	PET/CT影像分析，PyRadiomics特征提取，深度学习分割	glmboost时间事件预测模型，堆叠集成模型	医学影像（CT/PET），临床病理数据	145例NSCLC患者术前PET/CT扫描数据
319	2025-09-05	Interpretable Artificial Intelligence Analysis of Functional Magnetic Resonance Imaging for Migraine Classification: Quantitative Study 2025-Sep-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72155 PMID:40903006	研究论文	本研究结合可解释人工智能技术与多指标功能磁共振成像数据，开发用于偏头痛分类的深度学习模型并分析其决策依据	首次系统比较多种fMRI指标与深度学习模型的组合性能，并通过XAI技术定位偏头痛相关的关键脑区	样本量较小（64名参与者），且未考虑偏头痛亚型间的细微差异	开发可解释的AI方法用于偏头痛的自动分类与生物标志物发现	偏头痛患者（伴或不伴先兆）与健康对照者的脑功能成像数据	医学影像分析	偏头痛	功能磁共振成像（fMRI），可解释人工智能（XAI）	GoogleNet, ResNet18, Vision Transformer, SVM, Random Forest	脑功能成像数据	64名参与者（21名无先兆偏头痛患者，15名有先兆偏头痛患者，28名健康对照）
320	2025-09-05	3D Spatial Learning for Adsorption Energy Prediction in Multi-Temporal Solution Systems: The MTSS Data Set and a GCN-Based Network 2025-Sep-03, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00645 PMID:40903277	研究论文	提出一种基于图卷积网络的吸附能预测方法，并引入多时间尺度溶液系统数据集	首次构建动态溶液系统的多时间尺度数据集，并设计双通道图网络整合几何学习与分子嵌入	在未知溶剂上的预测误差（507.37 kJ/mol）显著高于已知溶剂	解决复杂溶液系统中吸附能的精准预测问题	五类溶剂中的50万个时间分辨分子构型	机器学习	NA	图卷积网络（GCN），分子SMILES嵌入	SEP-Net（双通道图网络）	3D原子坐标与吸附能标签	50万个时间分辨构型（覆盖5种溶剂）