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
321	2025-07-26	Tailoring task arithmetic to address bias in models trained on multi-institutional datasets 2025-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104858 PMID:40494422	研究论文	该研究提出两种模型无关的方法TAPER和DAPPER，通过任务向量算术减少多机构数据集中模型对来源的识别能力，从而缓解来源混淆导致的偏差	首次将任务向量算术方法应用于解决NLP模型中的来源混淆偏差问题，并提出两种新的模型无关方法TAPER和DAPPER	仅在三个数据集上进行了评估，需要更多实验验证方法的普适性	解决多机构数据训练中深度学习模型对数据来源的识别导致的预测偏差问题	自然语言处理中的深度学习模型(RoBERTa和Llama-2)	自然语言处理	NA	任务向量算术	RoBERTa, Llama-2	文本	三个数据集(未具体说明样本数量)
322	2025-07-26	Artificial Intelligence Solutions to Improve Emergency Department Wait Times: Living Systematic Review 2025-Aug, The Journal of emergency medicine IF:1.2Q3 DOI:10.1016/j.jemermed.2025.05.031 PMID:40664005	review	本文通过系统综述评估人工智能（AI）在改善急诊科（ED）等待时间方面的应用潜力	首次系统评估AI在优化急诊科流程和减少等待时间方面的应用，并识别现有研究的空白	缺乏真实急诊科环境中的AI实施研究，且多数研究未纳入急诊科专家参与	评估AI建模策略在急诊科流程优化中的应用效果	急诊科等待时间优化相关的AI研究	machine learning	NA	回归分析、传统单模型机器学习、神经网络/深度学习、自然语言处理、集成方法	regression-based methods, traditional single-model machine learning, neural networks/deep learning, NLP, ensemble methods	定量观察数据	16项符合纳入标准的定量观察研究（共筛选17,569项研究）
323	2025-07-26	HCCD: A handwritten camera-captured dataset for document enhancement under varied degradation conditions 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111849 PMID:40697364	research paper	该研究介绍了手写相机捕获数据集（HCCD），用于支持真实场景下的文档增强和识别任务	HCCD数据集不同于现有数据集，它包含实时相机捕获的手写文档，展示了多种自然退化情况，如运动模糊、阴影伪影和不均匀光照	数据集仅包含罗马字母手写文档，可能不适用于其他书写系统的文档增强研究	解决智能手机相机捕获的退化手写文档增强问题	手写文档	computer vision	NA	computer vision-based imaging techniques	deep learning	image	多个贡献者提供的不同手写风格的文档
324	2025-07-26	Artificial intelligence-augmented ultrasound diagnosis of follicular-patterned thyroid neoplasms: a multicenter retrospective study 2025-Aug, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103351 PMID:40697959	研究论文	本研究开发并验证了一种基于深度学习的超声诊断系统，用于术前区分甲状腺滤泡性肿瘤的良恶性	开发了一种名为OverLoCK的新型深度学习模型，用于提高甲状腺滤泡性肿瘤的诊断准确性	需要进一步的前瞻性研究来验证模型在真实临床环境中的表现	提高甲状腺滤泡性肿瘤的术前诊断准确性，减少不必要的手术干预	甲状腺滤泡性肿瘤患者	数字病理	甲状腺癌	深度学习	OverLoCK (Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels)	超声图像	3817名患者（9393张超声图像）
325	2025-07-26	Enhancing Brain Metastases Detection and Segmentation in Black-Blood MRI Using Deep Learning and Segment Anything Model (SAM) 2025-Aug, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0198 PMID:40709680	research paper	该研究探讨了深度学习和Segment Anything Model (SAM)在黑血磁共振图像(BB MRI)中检测和分割脑转移瘤(BMs)的效果和准确性	结合生成对抗网络(GAN)改进的U-Net模型，并首次将SAM作为后处理步骤应用于脑转移瘤的分割，显著提升了分割精度	样本量较小(仅50例患者)，且未进行多中心验证	提高黑血MRI中脑转移瘤的检测和分割精度	脑转移瘤患者的黑血磁共振图像	digital pathology	brain metastases	MRI	U-Net, GAN, SAM	MRI图像	50例患者(40例训练，10例测试)
326	2025-07-26	Deep Learning-Based Landmark Detection Model for Multiple Foot Deformity Classification: A Dual-Center Study 2025-Aug, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0246 PMID:40709679	研究论文	介绍了一种基于热图嵌套热图（HIH）的深度学习模型，用于通过负重足部X光片自动诊断足部畸形	提出HIH模型，在足部畸形诊断中表现出优于基线模型FlatNet的性能，包括更高的准确性、敏感性和特异性	研究为回顾性设计，可能受到数据选择偏差的影响	开发自动化诊断足部畸形的方法，解决人工诊断劳动密集和结果可变的问题	负重足部X光片（前后位和侧位图像）	数字病理	足部畸形	深度学习	HIH（热图嵌套热图模型）	医学影像（X光片）	训练集：806名患者的3097张图像；验证集：196名患者的747张图像；外部验证集：270名患者的1056张图像
327	2025-07-26	Exploring the social life of urban spaces through AI 2025-Jul-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424662122 PMID:40705424	research paper	通过AI技术分析纽约、波士顿和费城四个城市公共空间30年间行人行为的变化	利用计算机视觉和深度学习技术自动化分析历史视频数据，替代传统的手动视频分析方法	研究仅涵盖三个美国城市的四个公共空间，可能无法代表其他地区的情况	探究城市公共空间中行人行为随时间的变化及其社会意义	纽约、波士顿和费城的四个城市公共空间中的行人	computer vision	NA	computer vision, deep learning	NA	video	1979-80和2008-10两个时期的视频数据（具体样本量未提及）
328	2025-07-26	Letter to the Editor: "Development and Validation of a Deep Learning Ultrasound Radiomics Model for Predicting Drug Resistance in Lymph Node Tuberculosis a Multicenter Study" 2025-Jul-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003118 PMID:40705514	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
329	2025-07-26	Letter to the editor: multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study 2025-Jul-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003109 PMID:40705510	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
330	2025-07-26	Comments on "deep learning for kidney trauma detection: CT image algorithm performance and external validation. - experimental study" 2025-Jul-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002703 PMID:40705511	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
331	2025-07-26	Advances and challenges in AI-assisted MRI for lumbar disc degeneration detection and classification 2025-Jul-25, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09179-z PMID:40707791	综述	本文综述了AI在MRI辅助腰椎间盘退变检测和分类中的进展与挑战	全面概述了AI在腰椎间盘退变MRI检测和分级中的应用，包括机器学习和深度学习技术，并讨论了其临床价值、当前局限性和未来方向	泛化性、数据不平衡、可解释性和监管整合方面仍存在挑战	提高腰椎间盘退变的诊断效率和一致性	腰椎间盘退变的MRI图像	数字病理学	腰椎间盘退变	MRI	CNN, SpineNet, ResNet, U-Net, transformers, 多任务学习	图像	NA
332	2025-07-26	Artificial Intelligence-Enabled Short-Term Ambulatory Monitoring ECG during Sinus Rhythm for Prediction of Hidden Atrial Fibrillation 2025-Jul-25, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70028 PMID:40709543	研究论文	本研究开发了一种基于深度学习的模型，利用24小时动态心电图监测中的窦性心律数据预测隐匿性心房颤动	首次使用ConvNeXt和LSTM两阶段深度学习模型，通过短时窦性心律心电图预测隐匿性房颤	第二阶段分析中较长时间段可能导致房颤相关特征稀释，特异性有所下降	开发AI模型预测隐匿性心房颤动	接受24小时动态心电图监测的患者	数字病理学	心血管疾病	动态心电图监测	ConvNeXt + LSTM	心电图信号	934名患者（640名房颤组，294名对照组），368,550段60秒心电图数据
333	2025-07-26	Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography 2025-Jul-25, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500181 PMID:40709742	research paper	开发了一种用于分析体积光学相干断层扫描（OCT）图像的三维卷积神经网络（3D-CNN），以增强经皮肾造瘘术中的内窥镜引导	3D-CNN在实时手术引导应用中表现出较低的推理延迟，显著优于2D-CNN和其他先进的体积架构	研究仅使用了10个猪肾脏的数据集，样本量较小	增强OCT引导下的手术干预中的计算机辅助诊断	体积OCT图像	computer vision	NA	光学相干断层扫描（OCT）	3D-CNN, 3D-ViT, 3D-DenseNet121, M3T	3D图像	10个猪肾脏
334	2025-07-26	Transforming Catalysis with Machine Learning: Emerging Tools and Next-Gen Strategies 2025-Jul-25, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c09626 PMID:40709763	综述	本文系统介绍了机器学习在催化化学中的基本概念、工作流程以及传统机器学习和深度学习的应用	探讨了机器学习如何加速催化剂开发，并提出了解决当前挑战的未来方向	数据碎片化且不一致、物理可解释性有限、机器学习与实验工作流程整合困难	加速催化剂开发并推动催化化学领域的进步	催化剂设计、反应预测和表面吸附系统	机器学习	NA	机器学习、深度学习	传统机器学习模型、深度学习模型	化学数据	NA
335	2025-07-26	Development and validation of deep learning for predicting the growth of ovarian cancer organoids 2025-Jul-25, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003575 PMID:40709801	研究论文	开发并验证了一种基于深度学习的模型，用于预测卵巢癌类器官的生长情况	使用四种神经网络骨干（ResNet18、VGG11、ConvNeXt v2和Swin Transformer v2）开发生长预测模型，并设计了特定优化方法以提高预测性能	模型在临床实用性方面仍有待进一步验证和自动化开发	预测卵巢癌类器官的培养结果，以提高其临床效用	卵巢癌类器官	数字病理学	卵巢癌	深度学习	ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2	图像	517个卵巢癌类器官液滴（训练集325个，验证集88个，测试集104个），外加179个多中心样本用于前瞻性验证
336	2025-07-26	MMF-MCP: A Deep Transfer Learning Model Based on Multimodal Information Fusion for Molecular Feature Extraction and Carcinogenicity Prediction 2025-Jul-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01362 PMID:40711460	research paper	提出了一种基于多模态信息融合的深度迁移学习模型MMF-MCP，用于分子特征提取和致癌性预测	结合图注意力网络、卷积神经网络和深度残差网络提取多模态分子特征，并采用迁移学习策略提升模型性能	数据质量和特征丰富度可能限制模型性能	提高分子致癌性预测的准确性、鲁棒性和可解释性	分子致癌性	machine learning	cancer	deep transfer learning	GAT, CNN, SE-ResNet18	molecular graph, fingerprint, image	NA
337	2025-07-26	Artificial Intelligence for Materials Discovery, Development, and Optimization 2025-Jul-25, 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，并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是当前面临的挑战	探讨AI在材料发现、开发和优化中的应用及其未来发展方向	材料科学中的AI、ML和DL技术	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
338	2025-07-26	Vox-MMSD: Voxel-wise Multi-scale and Multi-modal Self-Distillation for Self-supervised Brain Tumor Segmentation 2025-Jul-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3592116 PMID:40705573	研究论文	提出了一种基于体素的多尺度和多模态自蒸馏自监督学习框架，用于脑肿瘤分割	引入了Siamese Block-wise Modality Masking (SiaBloMM)策略和Overlapping Random Modality Sampling (ORMS)方法，充分利用多模态MRI扫描提取模态不变特征	未明确提及具体局限性，但可能依赖于多模态MRI数据的可用性	开发自监督学习框架以提高脑肿瘤分割的准确性	多模态MRI扫描中的脑肿瘤	数字病理	脑肿瘤	MRI	自监督学习框架	医学影像	BraTS 2024成人胶质瘤分割数据集及其他三个小型下游数据集
339	2025-07-26	Deep Learning-Driven High Spatial Resolution Attenuation Imaging for Ultrasound Tomography (AI-UT) 2025-Jul-24, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3592578 PMID:40705570	研究论文	提出一种基于深度学习的超声断层扫描高空间分辨率衰减成像方法，用于改善乳腺组织特性表征	利用深度学习结合声速结构信息约束，实现高分辨率低方差的衰减成像	方法依赖于特定设备(QTI乳腺声学CT扫描仪)的多角度RF数据采集	开发高空间分辨率超声衰减成像技术以提升乳腺癌诊断能力	人体乳腺组织	医学影像分析	乳腺癌	超声断层扫描(USCT)、定量超声(QUS)、全波反演(FWI)	深度学习(DL)	RF超声信号	多角度采集的60个视角RF数据
340	2025-07-26	Predicting Traumatic Brain Injury Post-Trauma Using Temporal Attention on Sleep-Wake Data 2025-Jul-24, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3592009 PMID:40705576	研究论文	利用时间注意力机制分析睡眠-觉醒数据预测创伤后脑损伤	首次使用深度学习模型分析创伤后早期睡眠-觉醒数据来识别脑损伤，确定了创伤后7天内的数据最具预测价值	研究样本仅来自急诊科患者，可能无法推广到所有脑损伤人群；模型的敏感性和特异性仍有提升空间	探索睡眠-觉醒行为作为脑损伤生物标志物的潜力，并确定最佳观测时间窗口	2000多名急诊科患者（包括有和无血液生物标志物证实的脑损伤患者）	数字病理学	脑损伤	深度学习	时间注意力模型	时间序列数据（睡眠-觉醒模式）	2000+急诊患者（TBI+和TBI-）