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
3541	2025-06-13	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	research paper	该研究提出了一种基于深度学习的框架，用于将PET/CT中的CT图像转换为合成MR图像（MRSYN），并利用MRSYN进行自动化定量区域分析	提出了一种新的深度学习方法，通过CT到MR的转换实现无需MRI的PET图像定量分析	研究排除了楔前叶区域，且样本量有限（139名受试者）	解决PET/CT和MRI图像配对不足及配准困难的问题，实现无需MRI的PET定量分析	脑部PET/CT和T1加权MRI图像	digital pathology	NA	PET/CT, T1-weighted MRI	U-Net	image	139名接受脑部[18F]FBB PET/CT和T1加权MRI检查的受试者
3542	2025-06-13	Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07134-0 PMID:39969539	research paper	本研究开发并评估了一种基于[18F]PSMA-1007 PET/CT和多参数MRI（mpMRI）的多模态深度学习模型，用于预测前列腺癌（PCa）患者的不良病理（AP）	提出了一种结合[18F]PSMA-1007 PET/CT和mpMRI的多模态深度学习模型（MPC），并进一步整合临床特征构建了集成模型（MPCC），在预测AP方面表现优于单一模态模型	研究为回顾性分析，可能存在选择偏倚，且样本量相对有限（341例）	提高前列腺癌患者不良病理（AP）的预测准确性，以辅助制定更有效的治疗策略	前列腺癌（PCa）患者	digital pathology	prostate cancer	[18F]PSMA-1007 PET/CT, multiparametric MRI (mpMRI)	CNN, transformer	image	341例接受根治性前列腺切除术（RP）并进行了mpMRI和PET/CT扫描的前列腺癌患者
3543	2025-06-13	Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07165-7 PMID:40009163	研究论文	本研究提出了一种基于深度学习的Mask-ViT方法，用于减少超快速肺部PET扫描中的噪声	提出了一种名为Mask-ViT的鲁棒且数据高效的深度学习方法，能够在有限训练数据上进行微调后直接应用于新扫描仪的未见测试数据	研究仅在五个扫描仪的两个数据集上进行，样本量相对有限	减少超快速20秒屏气（U2BH）PET图像中的噪声，提高诊断质量	U2BH PET图像	数字病理	肺癌	PET/CT成像	Mask-ViT, U-Net, C-Gan	图像	1272个回顾性收集的全时PET数据和46个前瞻性收集的U2BH及对应全时PET/CT图像
3544	2025-06-13	Deep learning-based weed detection for precision herbicide application in turf 2025-Jul, Pest management science IF:3.8Q1 DOI:10.1002/ps.8728 PMID:40022516	research paper	本研究评估了使用深度卷积神经网络（DCNNs）进行基于除草剂敏感性的杂草检测的可行性，以实现精准除草剂喷洒	结合除草剂敏感性杂草映射与优化路径规划算法，实现智能喷洒机的精准除草剂应用	未提及具体样本量或实验环境限制	评估深度学习方法在精准除草剂喷洒中的应用效果	草坪中的杂草	computer vision	NA	deep learning	DenseNet, GoogLeNet, ResNet	image	NA
3545	2025-06-13	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	research paper	本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估其在多个数据集中的鲁棒性	开发了一种结合内部和公共数据集训练的模型，提高了在多个数据集上的鲁棒性，并进行了临床可接受性评估	在0-2岁年龄组中表现最差，胃-肠和胰腺的DSC值低于0.90	开发并评估一种用于儿童上腹部肿瘤放疗中风险器官自动分割的深度学习模型	儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像	digital pathology	pediatric upper abdominal tumors	CT扫描	深度学习模型	CT图像	内部数据集189例，公共数据集189例
3546	2025-06-13	Adaptive debiasing learning for drug repositioning 2025-Jul, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104843 PMID:40389101	research paper	本文提出了一种名为DRDM的深度学习框架，用于药物重定位任务，通过动态调整关联权重和双视角对比学习来减少数据偏差并增强模型的鲁棒性	提出了一个具有去偏机制的深度学习框架DRDM，能够动态调整关联权重以增强长尾实体的表示，并采用双视角对比学习提供丰富的监督信号	研究仅分析了三种常用的药物重定位数据集，可能无法涵盖所有潜在的数据偏差情况	旨在通过减少数据偏差来提升药物重定位任务的性能，为药物发现提供新见解	药物重定位任务中的数据集及其节点极化特性	machine learning	NA	graph neural network, dual-view contrastive learning	DRDM	graph data	三个常用的药物重定位数据集
3547	2025-06-13	Real-time integrated modeling of soft tissue deformation and stress based on deep learning 2025-Jun-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adde0d PMID:40436029	research paper	开发了一种基于深度学习的实时多物理场建模框架，用于软组织的变形和应力分布模拟	提出了一种平衡多物理场特征尺度的方法，解决了现有模型在建模多个物理场时因数据分布差异导致的偏向性问题	未提及模型在更复杂或动态手术环境中的适用性	解决手术模拟器中应力渲染缺失的问题，提升手术模拟器的真实感	软组织的变形和应力分布	machine learning	NA	深度学习	神经网络	三维模型数据	悬臂梁、肝脏、脾脏和肾脏的三维模型
3548	2025-06-13	Accurate Prediction of the Diffusion Coefficients of Organic Compounds in Water by Multimodal Learning 2025-Jun-12, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01881 PMID:40457760	research paper	开发了一种多模态深度学习模型，用于预测有机化合物在水中的扩散系数	结合分子图像、分子描述符和温度的多模态深度学习模型，比传统经验方程更准确	未提及模型在新合成化学物质上的泛化能力	快速准确预测有机化合物在水中的扩散系数	有机化合物在水中的扩散系数	machine learning	NA	深度学习	multimodal deep learning model	分子图像、分子描述符、温度数据	未提及具体样本数量
3549	2025-06-13	Interpretable Multimodal Deep Ensemble Framework Dissecting Bloodbrain Barrier Permeability with Molecular Features 2025-Jun-12, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01077 PMID:40462529	research paper	提出一种多模态机器学习框架，整合分子指纹和图像特征以改善血脑屏障通透性预测	结合多种分子指纹和图像特征，使用堆叠集成模型和Transformer编码器、CNN及多头注意力融合机制，提升预测稳定性和可解释性	未提及具体样本量，可能影响模型泛化能力的验证	开发可解释的机器学习模型以揭示血脑屏障通透性的物理化学原理	血脑屏障通透性预测	machine learning	NA	Principal Component Analysis (PCA), Shapley Additive Explanations (SHAP)	stacking ensemble model, Transformer encoder, CNN, Multi-Head Attention	molecular fingerprints (Morgan, MACCS, RDK), image features	NA
3550	2025-06-13	Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy 2025-Jun-12, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.25-059 PMID:40499925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3551	2025-06-13	High visceral-to-subcutaneous fat area ratio is an unfavorable prognostic indicator in patients with uterine sarcoma 2025-Jun-12, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01812-7 PMID:40500581	研究论文	探讨体成分参数对子宫肉瘤患者总体生存率的影响	首次研究了内脏脂肪与皮下脂肪面积比（VSR）对子宫肉瘤患者预后的影响	样本量较小（52例患者），且为回顾性研究	评估体成分参数与子宫肉瘤患者生存率的关系	子宫肉瘤患者	数字病理学	子宫肉瘤	基于深度学习的半自动分割程序	深度学习	CT图像	52例子宫肉瘤患者
3552	2025-06-13	GlycanInsight: an open platform for carbohydrate-binding pocket prediction and characterization 2025-Jun-11, Chemical science IF:7.6Q1 DOI:10.1039/d5sc02262b PMID:40438170	research paper	介绍了一个名为GlycanInsight的深度学习开放平台，用于预测和表征蛋白质结构上的碳水化合物结合口袋	GlycanInsight通过深度学习技术预测碳水化合物结合口袋，并在实验结构和AlphaFold2预测结构上表现出色，同时提供口袋聚类、特征分析和配体建议功能	未明确提及具体限制，但可能依赖于蛋白质结构预测的准确性	开发一个计算工具以解决碳水化合物结合位点识别的挑战，促进糖靶向治疗的研究和设计	蛋白质结构上的碳水化合物结合口袋	生物信息学	NA	深度学习	NA	蛋白质结构数据	基准数据集中的实验结构
3553	2025-06-13	Hybrid Frameworks Integrating Deep Learning and Optimization Methods for Inverse Design in Nanophotonics 2025-Jun-11, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c03196 PMID:40445168	研究论文	本文探讨了人工智能在纳米光子学逆向设计中的混合框架，结合深度学习和经典优化技术	提出混合框架，结合深度学习的计算效率和泛化能力与经典优化技术的鲁棒性，实现更快收敛和更高设计效率	未提及具体实验验证或实际应用中的性能限制	推动纳米光子学逆向设计领域的发展，探索可扩展且实用的创新方法	纳米光子器件，如超表面和其他纳米光子设备	纳米光子学	NA	深度学习、伴随方法、进化算法、物理信息神经网络	混合框架（深度学习与优化方法结合）	NA	NA
3554	2025-06-13	Asymmetric Braided Artificial Muscles with Precise Electrothermal Actuation Control Enabled by Deep Learning 2025-Jun-11, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c05636 PMID:40447577	研究论文	本研究提出了一种新型的非对称编织方法，结合碳纳米管纱线和液晶弹性体纤维，制造出一种电热纤维形状执行器，并在空气和水中展示了卓越的执行性能	采用非对称编织方法结合碳纳米管纱线和液晶弹性体纤维，制造出高性能电热执行器，并应用LSTM模型提升其控制精度	未提及样本量或实验的具体限制条件	开发高性能且可控的人工肌肉执行器	电热纤维形状执行器	柔性机器人	NA	Maypole编织机、电热驱动	LSTM	NA	NA
3555	2025-06-13	DRLSurv: Disentangled Representation Learning for Cancer Survival Prediction by Mining Multimodal Consistency and Complementarity 2025-Jun-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578859 PMID:40498625	研究论文	提出了一种名为DRLSurv的新型多模态深度学习方法，用于精确预测癌症生存率，通过挖掘多模态数据的一致性和互补性	利用解耦表示学习技术，将每种模态分解为模态不变和模态特定的表示，并创新性地引入了基于子空间的邻近对比损失和再解耦损失	未明确提及具体局限性	提高癌症生存预测的准确性，为制定最佳治疗计划和提供个体化护理提供支持	癌症患者的多模态数据（如组织病理学图像和基因组数据）	数字病理学	癌症	解耦表示学习	深度学习	多模态数据（图像和基因组数据）	NA
3556	2025-06-13	Dynamic Instance-level Graph Learning Network of Intracranial Electroencephalography Signals for Epileptic Seizure Prediction 2025-Jun-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578627 PMID:40498623	research paper	提出了一种动态实例级图学习网络（DIGLN），用于癫痫发作预测，通过颅内脑电图（iEEG）信号建模动态因果关系	DIGLN通过分组时序神经网络和图结构学习方法捕获通道内和通道间的因果关系，并引入图形交互回写技术实现双向因果关系建模	实验仅在Freiburg iEEG数据集上进行验证，未在其他数据集上测试泛化能力	开发一种能够准确识别癫痫iEEG信号中动态因果关系的新型深度学习模型	癫痫患者的颅内脑电图（iEEG）信号	脑机接口	癫痫	深度学习	DIGLN（动态实例级图学习网络）	iEEG信号	Freiburg iEEG数据集
3557	2025-06-13	DeepHeme, a high-performance, generalizable deep ensemble for bone marrow morphometry and hematologic diagnosis 2025-Jun-11, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.adq2162 PMID:40498857	research paper	开发了一个名为DeepHeme的高性能深度学习集成模型，用于骨髓形态测量和血液学诊断	DeepHeme在准确性和可区分细胞类别数量上超越了现有模型，并展示了强大的跨数据集泛化能力	模型性能验证依赖于特定医疗机构的有限数据集，可能需要更多外部验证	提高骨髓细胞形态学自动分类的效率和准确性，以辅助血液学诊断	骨髓抽吸物(BMA)的细胞形态学图像	digital pathology	hematological disorders	deep learning	snapshot ensemble	image	训练集30,394张图像(40名正常骨髓患者)，测试集8,507张图像(10名不同患者)，外加外部验证集13,770张图像(665名正常/患病患者)
3558	2025-06-13	A Self-Adaptive Reconfigurable Metasurface for Electromagnetic Wave Sensing and Dynamic Reflection Control 2025-Jun-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202505155 PMID:40498986	research paper	本文提出了一种实时自适应的可重构超表面，能够感知入射波的到达方向并相应调整其反射	该超表面通过简单的相位比较器和查找表集成传感和可重构反射元原子，无需辅助检测模式或外部控制单元，显著节省了响应时间、能耗和制造成本	实验仅验证了入射角在±50°范围内的有效性，且角度变化速率最高为12度/秒	开发一种自主、计算简单、经济高效、节能且实时的自适应反射控制解决方案	可重构超表面	电磁波传感	NA	相位比较器和查找表	NA	电磁波信号	NA
3559	2025-06-13	Non-enhanced CT deep learning model for differentiating lung adenocarcinoma from tuberculoma: a multicenter diagnostic study 2025-Jun-11, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11721-y PMID:40500528	research paper	该研究开发并验证了一个基于三维特征的深度学习模型（DL_3D），用于区分肺腺癌（LUAD）和结核瘤（TBM）	提出了基于视觉Transformer网络的DL_3D模型，在非增强CT图像上区分LUAD和TBM，性能优于二维特征模型、放射组学模型和六位放射科医生	样本量相对有限，且仅来自三个医院，可能存在选择偏差	开发一种深度学习模型，用于在非增强CT图像上区分肺腺癌和结核瘤	肺腺癌（LUAD）和结核瘤（TBM）患者	digital pathology	lung cancer	非增强CT成像	vision transformer network	CT图像	1160名患者（840名训练集，210名验证集，110名外部测试集）
3560	2025-06-13	Development of an Interpretable Machine Learning Model for Neurotoxicity Prediction of Environmentally Related Compounds 2025-Jun-10, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c03311 PMID:40307185	研究论文	开发了一种可解释的机器学习模型，用于预测环境相关化合物的神经毒性	结合分子指纹和分子描述符与XGBoost算法，构建了高性能且可解释的神经毒性预测模型，并开发了在线平台	在已知神经毒性数据的89种化合物中，模型准确率为0.74，仍有提升空间	预测环境相关化合物的神经毒性，管理环境健康风险	环境相关化合物	机器学习	神经系统疾病	分子指纹、分子描述符、分子图	XGBoost、传统机器学习算法、深度学习方法	分子数据	1170种在人血中检测到的化合物，其中89种有已知神经毒性数据