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
361	2025-06-16	Predicting clinical prognosis in gastric cancer using deep learning-based analysis of tissue pathomics images 2025-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108895 PMID:40513510	研究论文	利用基于深度学习的组织病理组学图像分析预测胃癌患者的临床预后	结合机器学习方法和病理组学参数，构建了一个综合预测模型，显著提高了胃癌患者术后生存期的预测准确性	研究为回顾性分析，样本量相对较小（160例患者）	评估基于机器学习的病理组学模型在预测胃癌患者术后总体生存期（OS）中的效用	160例接受根治性手术并有连续随访的胃癌患者	数字病理	胃癌	机器学习、生物信息学分析	GBM（梯度提升机）	图像（病理组学图像）	160例胃癌患者，并使用TCGA和GEO数据库进行验证
362	2025-06-16	Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single-Objective and Multiobjective Continuous Optimization Problems 2025-Jun-04, Evolutionary computation IF:4.6Q1 DOI:10.1162/evco_a_00372 PMID:40514037	research paper	提出了一种名为Deep-ELA的混合方法，结合深度学习和探索性景观分析（ELA）特征，用于单目标和多目标连续优化问题的分析	结合深度学习和ELA特征，预训练四个transformer模型，以学习连续单目标和多目标优化问题的景观深度表示	需要大量标记训练数据，且存在多个特征之间的强相关性	改进探索性景观分析（ELA）特征在单目标和多目标连续优化问题中的应用	单目标和多目标连续优化问题	machine learning	NA	self-supervised pretrained transformers	transformer	numerical features	millions of randomly generated optimization problems
363	2025-06-16	GM-VGG-Net: A Gray Matter-Based Deep Learning Network for Autism Classification 2025-Jun-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111425 PMID:40506998	研究论文	本研究开发了一种基于灰质的深度学习网络GM-VGG-Net，用于自闭症谱系障碍（ASD）的分类	首次单独使用灰质（GM）组织结合VGG网络进行ASD诊断	样本量相对较小，且仅使用了结构MRI数据	开发一种高效的深度学习网络，利用结构MRI脑扫描识别ASD	自闭症谱系障碍（ASD）患者和正常对照（CN）的脑部MRI图像	数字病理学	自闭症谱系障碍	结构磁共振成像（MRI）	VGG-Net	图像	272个MRI T1图像（132个正常对照，140个ASD患者）
364	2025-06-16	Automated Detection of the Kyphosis Angle Using a Deep Learning Approach: A Cross-Sectional Study on Young Adults 2025-Jun-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111422 PMID:40506996	研究论文	本研究开发了一种基于深度学习的自动测量胸椎后凸角度的决策支持系统，旨在避免人体暴露于辐射并减少测量时间	使用卷积神经网络（CNN）自动识别T1和T12点进行图像分割，计算后凸角度，实现了高类内一致性和内部一致性可靠性	研究仅针对健康年轻成年人，未涉及其他年龄段或患有特定疾病的人群	开发一种自动测量胸椎后凸角度的系统，避免辐射暴露并提高测量效率	健康年轻成年人的胸椎后凸角度	计算机视觉	NA	图像分割	CNN	图像	NA
365	2025-06-16	Nondestructive Detection of Rice Milling Quality Using Hyperspectral Imaging with Machine and Deep Learning Regression 2025-Jun-03, Foods (Basel, Switzerland) DOI:10.3390/foods14111977 PMID:40509505	研究论文	本研究利用高光谱成像结合机器学习和深度学习回归方法，无损检测稻米碾磨质量	采用高光谱成像结合多种机器学习和深度学习模型（PLSR、SVR、CNN、BPNN）进行单任务和多任务建模，多任务模型在预测精度上普遍优于单任务模型	仅针对两个水稻品种（秀水121和浙湖粳26）进行了研究，样本多样性可能不足	开发一种无损检测稻米碾磨质量的方法	稻米碾磨质量指标（糙米率BRR、精米率MRR、整精米率HRR）	计算机视觉	NA	高光谱成像	PLSR, SVR, CNN, BPNN	图像	两个水稻品种（秀水121和浙湖粳26）
366	2025-06-16	Effective Identification of Variety and Origin of Chenpi Using Hyperspectral Imaging Assisted with Chemometric Models 2025-Jun-03, Foods (Basel, Switzerland) DOI:10.3390/foods14111979 PMID:40509507	研究论文	本研究提出了一种结合高光谱成像和深度学习的方法，用于快速准确识别陈皮品种和地理来源	首次将高光谱成像与深度学习结合用于陈皮品种和地理来源的无损检测	研究仅涵盖中国13个主要产区的15个陈皮品种，样本来源和数量有限	开发一种快速、无损且经济高效的陈皮质量评估和来源追溯方法	陈皮（Citri Reticulatae Pericarpium）的品种和地理来源	计算机视觉	NA	高光谱成像（HSI）	CNN, PLS-DA, SVM, MLP	高光谱图像	15个陈皮品种，来自中国13个主要产区
367	2025-06-16	NeuroCL: A deep learning approach for identifying neuropeptides based on contrastive learning 2025-Jun-02, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115920 PMID:40466845	research paper	提出了一种基于对比学习和交叉注意力机制的深度学习模型NeuroCL，用于高效识别神经肽	利用对比学习增强类别区分和一致性，结合交叉注意力机制整合预训练大模型和手动编码特征，显著提升神经肽识别性能	未提及具体的数据集规模限制或模型泛化能力测试	开发高效识别神经肽的深度学习模型，为相关疾病的早期诊断和靶向治疗提供科学依据	神经肽（NPs）	machine learning	NA	对比学习，交叉注意力机制	深度学习模型（NeuroCL）	生物分子数据	未明确提及具体样本数量
368	2025-06-16	Three-Dimensional Choroidal Contour Mapping in Healthy and Diseased Eyes 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.16 PMID:40488701	研究论文	本研究通过三维脉络膜轮廓映射技术，定量评估了健康眼与患病眼脉络膜曲率的差异	采用结合深度学习和三维平滑方法的混合技术进行脉络膜层分割，首次在CSCR和AMD患者中系统比较脉络膜内外边界的曲率特征	样本量相对有限（共97例），且为回顾性研究设计	定量分析脉络膜内外边界的形态学特征及其在眼部疾病中的变化规律	97例患者的眼睛（35例健康眼，32例CSCR患者眼，30例干性AMD患者眼）	数字病理学	年龄相关性黄斑变性/中心性浆液性脉络膜视网膜病变	深度学习结合三维平滑的混合分割方法	深度学习	医学影像	97眼（35健康眼，32 CSCR眼，30干性AMD眼）
369	2025-06-16	ECG Signal Analysis for Detection and Diagnosis of Post-Traumatic Stress Disorder: Leveraging Deep Learning and Machine Learning Techniques 2025-Jun-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111414 PMID:40506986	研究论文	本研究开发并评估了一种基于人工智能的分类系统，利用心电图（ECG）信号检测创伤后应激障碍（PTSD）	利用连续小波变换（CWT）将原始ECG信号转换为时频图像，生成2D scalogram表示，并使用深度学习模型（如AlexNet、GoogLeNet和ResNet50）进行分类	研究中仅测试了四种不同的信号段长度（5秒、10秒、15秒和20秒），可能未涵盖所有可能的信号长度	开发一种非侵入性的ECG信号分析方法，用于早期和准确诊断创伤后应激障碍（PTSD）	创伤后应激障碍（PTSD）患者的心电图（ECG）信号	机器学习	创伤后应激障碍	连续小波变换（CWT）	CNN（包括AlexNet、GoogLeNet和ResNet50）	图像（时频图像）	NA
370	2025-06-16	Wrapped phase denoising: a WISE-transformer and comprehensive comparisons 2025-Jun-02, Optics express IF:3.2Q2 DOI:10.1364/OE.563309 PMID:40515227	research paper	该论文提出了一种名为WISE-Transformer的新型深度学习模型，用于包裹相位去噪任务，并与传统方法进行了全面比较	提出了一种结合窗口内和窗口间自注意力的U型Transformer模型，平衡了局部结构保持和全局上下文整合	在真实实验数据上表现不如WFT方法，存在泛化挑战	改进包裹相位去噪方法并比较不同方法的性能	包裹相位去噪	optical metrology	NA	deep learning, windowed Fourier transform	WISE-Transformer, U-shaped transformer	phase data	NA
371	2025-06-16	Robust occlusion-aware orbital angular momentum feature extraction via all-optical diffractive processing systems 2025-Jun-02, Optics express IF:3.2Q2 DOI:10.1364/OE.564283 PMID:40515278	研究论文	提出了一种基于轨道角动量(OAM)的鲁棒全光学特征提取框架，用于增强衍射光学神经网络在复杂环境中的性能	利用OAM的螺旋波前和正交性，实现了无需重新训练网络的自适应遮挡免疫，提高了光学计算在动态不确定条件下的鲁棒性	未提及具体应用场景的性能指标和对比实验细节	解决传统衍射光学神经网络在复杂不可预测环境中的鲁棒性问题	衍射光学神经网络(DONN)的特征提取方法	光学计算	NA	轨道角动量(OAM)特征提取	衍射光学神经网络(DONN)	光学信息	零额外训练样本
372	2025-06-16	Intelligent Moiré deflection tomography using physically processed deep learning 2025-Jun-02, Optics express IF:3.2Q2 DOI:10.1364/OE.561684 PMID:40515303	研究论文	提出了一种基于深度学习的莫尔偏转层析成像方法，用于高精度预测复杂流场的折射率分布	采用精心设计的两步深度学习模型，确保结果符合物理原理，显著提高了高精度诊断的速度	NA	提高莫尔层析成像在高温和复杂流场诊断中的精度和效率	高温和复杂流场的折射率分布	计算机视觉	NA	莫尔偏转层析成像	深度学习模型	图像	NA
373	2025-06-16	Simultaneous measurement of temperature and pressure using deep-learning-assisted femtosecond laser-induced scattering technique 2025-Jun-02, Optics express IF:3.2Q2 DOI:10.1364/OE.563549 PMID:40515334	研究论文	本研究探讨了四种深度学习架构在利用飞秒激光诱导光栅散射技术同时预测气相温度和压力方面的应用	首次将深度学习架构（FCNN、CNN、BiLSTM和混合CNN-BiLSTM模型）应用于fs-LIGS信号处理，实现了高精度的温度和压力同时测量	未提及实际应用场景中的潜在干扰因素或系统稳定性问题	开发一种实时、多参数的燃烧诊断新方法	气相温度和压力测量	机器学习	NA	飞秒激光诱导光栅散射技术(fs-LIGS)	FCNN, CNN, BiLSTM, CNN-BiLSTM混合模型	光散射信号	未明确说明样本数量
374	2025-06-16	Total brain dose estimation in single-isocenter-multiple-targets (SIMT) radiosurgery via a novel deep neural network with spherical convolutions 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17748 PMID:40100547	研究论文	开发了一种基于球形卷积的深度学习模型，用于预测单等中心多目标立体定向放射外科治疗中正常脑组织的剂量	提出了球形卷积神经网络（SCNN），将3D体积数据投影为2D球形表示，用于预测脑剂量评估指标	研究仅基于106例SIMT病例，样本量相对较小	提高单等中心多目标立体定向放射外科治疗计划的质量一致性	正常脑组织的剂量评估	医学影像分析	脑部疾病	深度学习	SCNN（球形卷积神经网络）	3D体积数据	106例SIMT病例
375	2025-06-16	DiffMC-Gen: A Dual Denoising Diffusion Model for Multi-Conditional Molecular Generation 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417726 PMID:40170290	研究论文	本文提出了一种用于多条件分子生成的双重去噪扩散模型DiffMC-Gen，旨在优化候选化合物的多种性质	DiffMC-Gen通过整合离散和连续特征增强对3D分子结构的感知能力，并采用多目标优化策略同时优化目标分子的多种性质	NA	精确高效地设计具有多样化理化性质的潜在药物分子	药物分子	机器学习	NA	去噪扩散模型	DiffMC-Gen	分子结构数据	针对三种靶蛋白（LRRK2、HPK1和GLP-1受体）生成的分子
376	2025-06-16	Integrative Multi-Omics and Routine Blood Analysis Using Deep Learning: Cost-Effective Early Prediction of Chronic Disease Risks 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412775 PMID:40171841	research paper	该研究通过多组学数据和深度学习模型Omicsformer，开发了一种基于常规血液检测结果的慢性非传染性疾病风险预测系统	开发了Omicsformer深度学习模型，能够从常规血液样本中识别多种慢性疾病的潜在风险，并验证了其在临床前风险评估中的有效性	研究样本主要来自高海拔地区的亚健康人群，可能限制了结果的普遍适用性	探索慢性非传染性疾病的早期预测方法，推动个性化医疗发展	160名高海拔地区亚健康个体的多组学数据和大规模电子健康记录	machine learning	慢性非传染性疾病（包括癌症、心血管疾病和精神疾病）	多组学分析、深度学习	Omicsformer（基于Transformer的深度学习模型）	多组学数据、常规血液检测结果	160名亚健康个体+20年大规模临床患者数据
377	2025-06-16	Single-Cell Sequencing-Guided Annotation of Rare Tumor Cells for Deep Learning-Based Cytopathologic Diagnosis of Early Lung Cancer 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416921 PMID:40231585	research paper	该研究利用单细胞DNA测序技术指导罕见肿瘤细胞的标注，开发了一种基于深度学习的细胞病理学诊断模型，用于早期肺癌的诊断	使用单细胞DNA测序作为客观真实标注，解决了传统标注方法的主观性问题，并显著提高了肺癌诊断的敏感性	尽管模型性能优越，但样本量相对有限，且外部验证队列的样本量较小	提高支气管肺泡灌洗液细胞病理学诊断肺癌的准确性和敏感性	支气管肺泡灌洗液中的脱落肿瘤细胞和良性细胞	digital pathology	lung cancer	scDNA-Seq	DL	image	580 ETCs和1106良性细胞（标注数据集），发现队列156例，验证队列158例，外部验证队列141例
378	2025-06-16	Early operative difficulty assessment in laparoscopic cholecystectomy via snapshot-centric video analysis 2025-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03372-7 PMID:40257703	research paper	该研究提出了一种通过视频分析早期评估腹腔镜胆囊切除术手术难度的新方法	提出了SurgPrOD深度学习模型和一种新颖的以快照为中心的注意力模块（SCA），用于从全局和局部时间分辨率分析手术视频	研究仅基于CholeScore数据集进行验证，可能需要更多数据以进一步验证模型的泛化能力	早期评估腹腔镜胆囊切除术的手术难度，以优化手术室规划和改善手术结果	腹腔镜胆囊切除术的手术视频	computer vision	胆囊疾病	深度学习	SurgPrOD (基于CNN和注意力机制)	video	CholeScore数据集中的手术视频
379	2025-06-16	Non-Invasive Tumor Budding Evaluation and Correlation with Treatment Response in Bladder Cancer: A Multi-Center Cohort Study 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416161 PMID:40391846	研究论文	本研究开发了一种基于CT图像的非侵入性深度学习模型，用于评估膀胱癌患者的肿瘤出芽状态，并探讨了其与新辅助化学免疫治疗反应及疾病预后的相关性	首次开发了一种非侵入性深度学习模型来评估膀胱癌患者的肿瘤出芽状态，并验证了其预测治疗反应和预后的能力	研究结果需要在更大规模的多中心队列中进行进一步验证	探索膀胱癌患者肿瘤出芽状态与新辅助化学免疫治疗反应及预后的相关性	2322名经病理确诊的膀胱癌患者	数字病理学	膀胱癌	深度学习	深度学习模型	CT图像	2322名膀胱癌患者（2014年1月1日至2023年12月31日收集的多中心队列）
380	2025-06-16	Computational methods for modeling protein-protein interactions in the AI era: Current status and future directions 2025-Jun, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104382 PMID:40398752	综述	本文综述了人工智能时代下蛋白质-蛋白质相互作用（PPIs）建模的计算方法现状及未来发展方向	重点介绍了AI驱动方法的最新进展，包括AlphaFold及其衍生工具在蛋白质复合物结构预测中的主导地位，以及针对蛋白质灵活性、共进化信号依赖、大型组装体建模和涉及内在无序区域（IDRs）相互作用等关键挑战的创新解决方案	传统方法在特定情境下仍具相关性，AI工具的持续进化虽具变革潜力，但仍面临蛋白质灵活性建模等挑战	探讨蛋白质-蛋白质相互作用建模的计算方法，以深化对生物分子相互作用的理解并加速治疗干预设计	蛋白质-蛋白质相互作用（PPIs）	计算生物学	NA	深度学习、端到端框架（如AlphaFold）	深度学习模型（如AlphaFold及其衍生工具）	蛋白质结构数据	NA