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
341	2025-07-19	Integrating vision transformer-based deep learning model with kernel extreme learning machine for non-invasive diagnosis of neonatal jaundice using biomedical images 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08342-2 PMID:40665120	研究论文	提出一种结合视觉变换器深度学习模型与核极限学习机的非侵入性新生儿黄疸诊断方法	整合ViT和KELM模型，并采用ECOA算法优化超参数，实现了96.97%的高准确率	未提及模型在临床环境中的实际应用验证及跨设备泛化能力	开发基于先进方法的有效新生儿黄疸诊断系统	新生儿黄疸的医学图像数据	数字病理	新生儿黄疸	图像处理（Wiener滤波）、特征提取（ViT）、分类（KELM）	Vision Transformer (ViT), Kernel Extreme Learning Machine (KELM)	医学图像	黄疸图像数据集（具体数量未说明）
342	2025-07-19	A comparative study and simple baseline for travel time prediction 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02303-5 PMID:40665164	研究论文	本研究通过比较不同方法和技术，探讨了旅行时间预测（TTP）中各个步骤对预测准确性的影响，并提出了一种结合XGBoost和LSTM的基线模型	提出了一种通过门控网络动态分配权重的基线模型，结合了XGBoost和LSTM的互补优势，以适应稳定和波动的交通状况	研究仅基于台湾和加州的数据集，可能无法完全代表其他地区的交通状况	提高旅行时间预测的准确性，为驾驶员、管理员和货运公司等高速公路用户提供有效的行程规划	高速公路的旅行时间预测	机器学习	NA	深度学习、插值、最大值插补技术	LSTM、XGBoost	时间序列数据	来自台湾和加州的数据集
343	2025-07-19	Domain-incremental white blood cell classification with privacy-aware continual learning 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08024-z PMID:40665174	研究论文	本文提出了一种基于生成回放的持续学习策略，用于解决白细胞分类中的领域偏移和灾难性遗忘问题	采用轻量级生成器模拟历史数据，通过合成潜在表示实现隐私保护回放，有效缓解了基础模型在动态环境中的性能退化	实验仅使用了四个数据集和四种骨干模型，可能无法涵盖所有临床场景	开发一种能够在数据分布频繁变化的临床环境中保持可靠性能的白细胞分类方法	白细胞(WBC)分类	数字病理学	血液疾病	持续学习(CL)	ResNet50, RetCCL, CTransPath, UNI	图像	四个不同数据集
344	2025-07-19	Ultrafast T2-weighted MR imaging of the urinary bladder using deep learning-accelerated HASTE at 3 Tesla 2025-Jul-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01810-1 PMID:40665218	研究论文	本研究评估了结合深度学习重建的HASTE序列在3特斯拉磁共振上实现膀胱超快速成像的可行性	首次将深度学习重建技术应用于HASTE序列，显著提高了膀胱成像的速度和质量	DL-HASTE和HASTE序列对膀胱内尿液流动伪影较为敏感	评估深度学习加速HASTE序列在膀胱超快速成像中的应用价值	50名接受盆腔磁共振检查的患者	医学影像	泌尿系统疾病	HASTE磁共振序列、深度学习重建	深度学习模型（具体类型未说明）	医学影像数据	50名患者
345	2025-07-19	Deep learning-based delineation of whole-body organs at risk empowering adaptive radiotherapy 2025-Jul-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03062-z PMID:40665308	研究论文	本研究验证了深度学习模型在全身体积危及器官（OARs）自动勾画中的临床应用价值，包括勾画准确性、临床接受度和剂量学影响	首次构建并验证了覆盖全身体积的深度学习自动勾画模型，并系统评估了其剂量学影响	研究仅由一位经验丰富的放射肿瘤学家进行手动勾画对比，可能引入主观偏差	验证深度学习模型在全身体积危及器官自动勾画中的临床应用可行性	头颈部、胸部、腹部和盆腔的危及器官	数字病理	癌症（放射治疗相关）	深度学习	DL（未具体说明模型架构）	医学影像	未明确说明样本数量，涉及多个解剖区域（头颈部、胸部、腹部、盆腔）的OARs
346	2025-07-19	Deep learning-based detection of depression by fusing auditory, visual and textual clues 2025-Jul-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119860 PMID:40675260	research paper	该研究提出了一种基于人工智能的自动化抑郁症检测模型，融合了视觉、音频和文本线索，并在多种场景下验证了模型的性能	创新点在于开发了一个由GPT-2.0驱动的抑郁症症状询问聊天机器人，并设计了简短情感访谈任务作为补充，同时采用多头交叉注意力机制网络融合多模态特征	研究未进行纵向随访，且对重度抑郁症的适用性需要进一步研究	开发自动化抑郁症检测模型并验证其性能	抑郁症患者和健康对照者(HCs)	machine learning	geriatric disease	deep learning, GPT-2.0	multimodal fusion model with multi-head cross-attention mechanism	audio-video and textual data	内部验证集：152名抑郁症患者和118名HCs；外部验证集：55名抑郁症患者和45名HCs
347	2025-07-19	Future of Alzheimer's Detection: Advancing Diagnostic Accuracy through the Integration of qEEG and Artificial Intelligence 2025-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121373 PMID:40675424	综述	本文全面回顾了定量脑电图（qEEG）与人工智能（AI）在阿尔茨海默病（AD）检测和诊断中的整合应用	通过AI增强的qEEG分析显著提高了AD的诊断准确性，其中线性判别分析（LDA）达到93.18%的准确率和97.92%的AUC，CNN和SVM在某些分类中甚至达到100%的敏感性	数据质量、计算资源和标准化方法仍存在挑战	评估AI架构在qEEG数据分析中的应用，以提高AD的诊断准确性	阿尔茨海默病患者	数字病理学	老年病	qEEG	LDA, CNN, SVM	脑电图数据	11项研究，参与者数量从35到890人不等，平均年龄在66.94至74.8岁之间
348	2025-07-19	LUMEN-A Deep Learning Pipeline for Analysis of the 3D Morphology of the Cerebral Lenticulostriate Arteries from Time-of-Flight 7T MRI 2025-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121377 PMID:40675425	研究论文	开发了一个名为LUMEN的深度学习流程，用于从7T时间飞行磁共振血管成像中分析脑部豆纹动脉的三维形态	提出了一个半自动化的深度学习流程LUMEN，能够量化脑小血管病患者豆纹动脉的三维形态，相比传统二维分析提供了更全面的评估	研究样本量相对较小（69名受试者），且仅针对特定类型的脑小血管病	开发一个量化脑小血管病患者豆纹动脉三维形态的工具	脑部豆纹动脉的三维形态	数字病理	脑小血管病	7T时间飞行磁共振血管成像（TOF-MRA）	DS6, nnU-Net	MRI图像	69名脑小血管病患者
349	2025-07-19	Optimal Descriptor Subset Search via Chemical Information and Target Activity-Guided Algorithm for Antimicrobial Peptide Prediction 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00600 PMID:40528473	research paper	该研究提出了一种基于化学信息和目标活性引导的算法AExOp-DCS，用于优化抗菌肽（AMP）预测中的描述符子集搜索	引入AExOp-DCS算法作为自动特征域优化方法，通过化合物的化学结构和生物活性驱动，识别最优描述符集	基于浅层学习的AMP模型性能高度依赖于通过手动特征工程获得的描述符质量，可能因假设初始描述符集已完全捕获相关信息而遗漏关键信息	开发更高效的计算流程以促进抗菌肽的发现	抗菌肽（AMPs）	machine learning	NA	QSAR模型	shallow learning	protein sequence	NA
350	2025-07-19	Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00513 PMID:40528819	研究论文	该研究利用半经验量子化学方法生成模拟振动光谱，通过迁移学习在合成数据集上预训练深度学习模型，并在实验性拉曼光谱数据集上进行微调，以提高模型泛化能力	提出使用半经验量子化学方法生成合成拉曼光谱数据，用于预训练深度学习模型，解决了实际拉曼光谱数据不足的问题	研究仅针对细菌光谱数据进行了验证，未在其他类型样本上测试模型泛化能力	解决拉曼光谱数据不足导致的模型过拟合和泛化能力差问题	细菌拉曼光谱数据	生物光子学	NA	拉曼光谱技术、半经验量子化学方法	深度学习模型	光谱数据	小规模实验性拉曼光谱数据集
351	2025-07-19	Evaluation of Small-Molecule Binding Site Prediction Methods on Membrane-Embedded Protein Interfaces 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00336 PMID:40601846	研究论文	评估小分子结合位点预测方法在膜蛋白界面上的性能	比较了多种计算方法在膜蛋白内嵌区域的配体结合位点预测性能，并提供了最佳方法排名	所有方法的平均DCC和DVO值均低于可溶性蛋白数据集，表明在膜蛋白界面区域的预测仍有改进空间	评估和比较不同计算方法在膜蛋白内嵌区域的配体结合位点预测性能	GPCR和离子通道配体复合物	计算生物学	NA	几何基(Fpocket, ConCavity)、能量探针基(FTSite)、机器学习基(P2Rank, GRaSP)、深度学习基(PUResNet, DeepPocket, PUResNetV2.0)方法	深度学习(PUResNet, DeepPocket, PUResNetV2.0)	蛋白质结构数据	GPCR和离子通道配体复合物数据集
352	2025-07-19	Advancing Drug Discovery with Enhanced Chemical Understanding via Asymmetric Contrastive Multimodal Learning 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00430 PMID:40548496	研究论文	本文提出了一种名为非对称对比多模态学习（ACML）的新方法，旨在通过多模态深度学习增强分子理解并加速药物发现	引入非对称对比多模态学习（ACML），通过有效的信息传递和协调化学语义的融合，提升分子表示学习的效果	未提及具体的数据集规模限制或计算资源需求	通过多模态深度学习增强化学理解并加速药物发现	分子图表示和化学多模态数据	机器学习	NA	非对称对比学习、多模态学习	图神经网络（GNN）	分子图数据和多模态化学数据	使用了MoleculeNet和Therapeutics Data Commons（TDC）的数据集，但未提及具体样本数量
353	2025-07-19	Generative AI enables medical image segmentation in ultra low-data regimes 2025-Jul-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61754-6 PMID:40659619	研究论文	提出一种生成式深度学习框架，用于在极低数据量情况下生成高质量的图像-掩码对作为辅助训练数据，以改善医学图像分割性能	采用多级优化实现端到端数据生成，使分割性能指导生成过程，生成针对性强的训练数据	未明确说明在极端数据稀缺情况下的性能下限	解决医学图像分割在极低数据量情况下的性能问题	医学图像分割任务	数字病理	NA	生成式深度学习	生成式AI	医学图像	覆盖11个医学图像分割任务和19个数据集
354	2025-07-19	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Jul-14, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了AI驱动的液体活检在胃肠道癌症早期检测中的进展和潜力	利用AI技术（特别是机器学习和深度学习）提高了液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探索AI驱动的液体活检在胃肠道癌症早期检测中的应用	胃肠道癌症（GICs）的早期检测	数字病理学	胃肠道癌症	液体活检（包括ctDNA、循环肿瘤细胞、exoRNA和肿瘤教育血小板）	机器学习和深度学习	生物标志物数据（包括ctDNA突变分析、甲基化分析和片段组学）	NA
355	2025-07-19	Early detection of Multidrug Resistance using Multivariate Time Series analysis and interpretable patient-similarity representations 2025-Jul-12, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108920 PMID:40675058	研究论文	本研究提出了一种新颖的可解释机器学习方法，用于预测多药耐药性（MDR），旨在提高预测准确性和解释性	采用基于患者相似性表示的多变量时间序列分析和图方法，增强了MDR预测的可解释性	研究仅基于单一ICU数据集，可能限制了结果的普适性	开发一种可解释的机器学习方法，用于早期检测多药耐药性	重症监护病房（ICU）患者的电子健康记录	机器学习	多药耐药性感染	多变量时间序列分析、动态时间规整、时间聚类核	Logistic Regression, Random Forest, Support Vector Machines	电子健康记录（时间序列数据）	来自University Hospital of Fuenlabrada ICU数据集的真实世界电子健康记录
356	2025-07-19	[Progress in research of textual quality evaluation of health-related media reports] 2025-Jul-10, Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi DOI:10.3760/cma.j.cn112338-20241012-00629 PMID:40677194	综述	总结了健康相关媒体报道文本质量评估的研究进展	系统梳理了健康相关媒体报道文本质量评估的定义、维度、指标和方法，并指出了当前研究的不足	缺乏统一的定义、维度、指标和自动化算法，难以有效评估大量新闻数据	探讨健康相关媒体报道文本质量评估的研究现状和方法学改进	健康相关的媒体报道文本	自然语言处理	NA	文本挖掘、自然语言处理、深度学习	NA	文本	29篇研究论文，其中26篇为回顾性文本质量评估，3篇为模型或工具开发
357	2025-07-19	Adversarial learning for beamforming domain transfer in ultrasound medical imaging 2025-Jul-09, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107749 PMID:40674811	研究论文	本研究利用生成对抗网络（GANs）将平面波DAS超声图像转换为类似F-DMAS生成的图像，以提高超声图像质量	首次提出使用GANs实现超声图像从DAS到F-DMAS的域转换，并引入纹理分析验证生成图像与目标图像的一致性	研究依赖于特定类型的超声图像（平面波DAS），且需要专家进行临床评估	提高在无法获取原始RF数据情况下的超声图像质量	超声B模式图像	医学影像处理	NA	生成对抗网络（GANs）	Pix2Pix, Pyramidal Pix2Pix, CycleGAN	超声图像	NA
358	2025-07-19	OmicsTweezer: A distribution-independent cell deconvolution model for multi-omics Data 2025-Jul-08, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100950 PMID:40675159	研究论文	本文介绍了一种名为OmicsTweezer的分布无关细胞反卷积模型，用于多组学数据分析	通过结合最优传输和深度学习，OmicsTweezer在共享潜在空间中对齐模拟和真实数据，有效缓解数据偏移和组学间分布差异	NA	开发一种高效且强大的工具，用于研究疾病微环境	多组学数据（包括bulk RNA-seq、bulk蛋白质组学和空间转录组学）	机器学习	前列腺癌、结肠癌	RNA-seq、蛋白质组学、空间转录组学	深度学习	多组学数据	NA
359	2025-07-19	Harnessing deep learning for fusion-based heavy metal contamination index prediction in groundwater 2025-Jul-07, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104672 PMID:40675024	研究论文	本研究提出了一种基于深度学习的融合框架，用于预测地下水中重金属污染指数	采用定制化的基于根的数据融合和归一化方法，将五种水污染指数整合为一个统一的复合指标，并使用深度神经网络进行建模	研究仅针对伊朗Zanjan的Gultepe-Zarrinabad子流域，可能限制了结果的普适性	开发一种AI支持的环境监测方法，以实现可持续水资源管理	地下水中的重金属污染，特别是锰(Mn)、铁(Fe)、砷(As)和铅(Pb)	机器学习	NA	数据融合和归一化	DNN, DT, KNN, ANN	水质数据	NA
360	2025-07-19	Accounting for population structure in deep learning models for genomic analysis 2025-Jul-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104873 PMID:40623578	研究论文	本研究探讨了深度学习模型中忽略遗传相关性是否会导致类似于传统基因组分析中的混杂效应	首次在深度学习模型中系统地研究了遗传相关性（群体结构）对模型性能的影响，并提出了减少捷径学习的方法	研究主要基于模拟和有限的实际数据集，可能无法涵盖所有潜在的群体结构情况	评估群体结构对基因组分析深度学习模型的影响	单核苷酸多态性(SNP)数据	机器学习	NA	深度学习	深度学习模型	基因组数据	模拟和真实世界数据集