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
21	2025-05-20	Accuracy of an Automated Bone Scan Index Measurement System Enhanced by Deep Learning of the Female Skeletal Structure in Patients with Breast Cancer 2025-Jun, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-025-00905-5 PMID:40385368	研究论文	本文验证了通过深度学习女性骨骼结构更新的VSBONE® BSI系统在乳腺癌患者中的诊断准确性	VSBONE ver.3通过深度学习957名女性的骨骼结构，提高了在乳腺癌患者中的诊断准确性	研究样本量较小（220名患者），且仅针对日本乳腺癌患者，可能影响结果的普适性	验证更新后的VSBONE系统在乳腺癌患者中的诊断准确性	乳腺癌患者	数字病理学	乳腺癌	骨闪烁扫描与单光子发射计算机断层扫描/计算机断层扫描（SPECT/CT）	深度学习	医学影像	220名日本乳腺癌患者（20名有骨转移，200名无骨转移）
22	2025-05-20	Classification of differentially activated groups of fibroblasts using morphodynamic and motile features 2025-Jun, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0250502 PMID:40385989	研究论文	该研究提出了一种基于人工智能的分类框架，通过分析成纤维细胞的形态动态和运动特征来识别和表征不同激活状态的成纤维细胞	利用形态动态和运动特征作为成纤维细胞激活状态的生物物理标志，克服了传统分子标记的局限性	研究仅针对与乳腺癌细胞系共培养的成纤维细胞，未涉及其他癌症类型	开发一种新的方法来区分成纤维细胞的不同激活状态，以更好地理解肿瘤微环境	成纤维细胞	数字病理学	乳腺癌	深度学习与机器学习算法	NA	图像	与乳腺癌细胞系共培养的成纤维细胞
23	2025-05-20	Gluten identification from food images using advanced deep learning and transfer learning methods 2025-Jun, Journal of food science and technology DOI:10.1007/s13197-024-06158-y PMID:40386197	research paper	本文提出了一种基于深度学习和迁移学习的创新方法，用于从食物图像中识别含麸质食物，旨在帮助乳糜泻患者管理饮食	利用EfficientNet预训练模型进行食物图像分类，专注于麸质识别，为乳糜泻患者提供饮食管理工具	研究仅基于Food101数据集的子集，可能无法涵盖所有麸质食物类型	开发一种准确识别含麸质食物的图像分类模型，以辅助乳糜泻患者的饮食管理	食物图像，特别是含麸质的食物	computer vision	celiac disease	deep learning, transfer learning	CNN, EfficientNet	image	20,000张训练图像和2,000张测试图像
24	2025-05-20	Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70062 PMID:40386872	research paper	本研究探讨了深度学习模型在脑肿瘤影像中预测虚拟对比增强的局限性，特别是在不同肿瘤类型和患者群体中的泛化能力	首次系统研究了深度学习模型在预测脑肿瘤影像对比增强时的泛化能力，揭示了跨肿瘤类型和患者群体的挑战	模型在特定肿瘤类型和数据集上表现良好，但在其他肿瘤类型和多样化患者群体中泛化能力有限	评估深度学习模型在脑肿瘤影像中预测虚拟对比增强的泛化能力	脑肿瘤患者	digital pathology	brain tumor	MRI	neural network	image	NA
25	2025-05-20	Enhancing Transthyretin Binding Affinity Prediction with a Consensus Model: Insights from the Tox24 Challenge 2025-May-19, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00560 PMID:40285676	research paper	该研究通过整合多种深度学习模型，开发了一个共识模型来预测甲状腺素转运蛋白（TTR）的结合亲和力，并在Tox24挑战中取得了良好表现	整合了sPhysNet、KANO和GGAP-CPI三种模型，利用不同层次的分子信息（2D拓扑、3D几何和蛋白质-配体相互作用）提升预测准确性，并使用模型输出的标准差作为预测不确定性的估计	研究未提及模型在更广泛数据集上的泛化能力或实际生物实验验证	提升TTR结合亲和力的预测准确性，以识别潜在的TTR结合剂	甲状腺素转运蛋白（TTR）及其与外来化合物的相互作用	machine learning	内分泌系统疾病	深度学习	sPhysNet, KANO, GGAP-CPI	分子信息（2D拓扑、3D几何、蛋白质-配体相互作用）	Tox24挑战提供的数据集，具体样本量未明确说明
26	2025-05-20	Transformer model based on Sonazoid contrast-enhanced ultrasound for microvascular invasion prediction in hepatocellular carcinoma 2025-May-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17895 PMID:40384312	research paper	本研究评估了基于Sonazoid对比增强超声的Transformer模型在肝细胞癌微血管侵犯术前预测中的价值	首次将Transformer模型应用于Sonazoid对比增强超声图像，用于预测肝细胞癌的微血管侵犯	研究为回顾性设计，样本量相对较小（164例患者）	开发有效的术前预测肝细胞癌微血管侵犯的方法	肝细胞癌患者	digital pathology	hepatocellular carcinoma	Sonazoid contrast-enhanced ultrasound (CEUS)	Transformer	ultrasound images	164例HCC患者
27	2025-05-20	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-May-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	评估联邦学习在多中心MRI数据集上用于肾肿瘤分割和分类的性能和可靠性	使用联邦学习作为隐私保护方案，在多中心数据集上训练深度学习模型，避免了数据共享的限制	研究为回顾性多中心研究，样本量相对有限，且仅在模拟机构环境中测试	评估联邦学习在肾肿瘤分割和分类中的性能与可靠性	肾肿瘤患者的多中心MRI数据	数字病理学	肾癌	MRI (T2WI和CE-T1WI序列)	nnU-Net (分割), ResNet (分类)	MRI图像	987名患者（来自6家医院），其中785名用于训练，104名用于验证，99名用于测试
28	2025-05-20	Baseline correction of Raman spectral data using triangular deep convolutional networks 2025-May-19, The Analyst DOI:10.1039/d5an00253b PMID:40384579	研究论文	提出了一种基于三角深度卷积网络的拉曼光谱数据基线校正方法	设计了一种新颖的深度学习网络架构，以提高基线校正的效果	未提及具体的数据集或样本量限制	提升拉曼光谱数据的基线校正性能	拉曼光谱数据	机器学习	NA	拉曼光谱	三角深度卷积网络	光谱数据	NA
29	2025-05-20	Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study 2025-May-19, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70057 PMID:40384598	研究论文	本研究旨在评估使用深度学习人工智能模型（AI-BV）通过便携式超声膀胱扫描仪（PUBS）测量膀胱体积的准确性，并与传统方法（C-BV）进行比较	首次在选定队列中使用深度学习AI模型通过便携式超声设备测量膀胱体积，并在内部验证中显示出比传统方法更高的准确性	研究结果需要在外部队列中进一步验证以确定其临床相关性	评估深度学习AI模型在膀胱体积测量中的准确性	250名因下尿路症状接受充盈性膀胱测压的患者（213名男性，37名女性）	数字病理	泌尿系统疾病	便携式超声膀胱扫描（PUBS）	深度学习AI模型	超声图像	250名患者（213男/37女）的1912张膀胱图像
30	2025-05-20	Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study 2025-May-19, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.23595 PMID:40387008	research paper	开发并验证了一个集成的深度学习模型，用于辅助诊断嗜酸性慢性鼻窦炎（eCRS）	首次使用CT图像和临床参数结合深度学习模型进行eCRS的非侵入性术前预测，并探索了预测结果的生物学基础	样本量相对较小，且仅来自两家医院，可能影响模型的泛化能力	开发一种非侵入性的术前预测方法，以辅助eCRS的诊断	嗜酸性慢性鼻窦炎（eCRS）患者	digital pathology	chronic rhinosinusitis	CT imaging, proteomic analysis	3D-ResNet, 3D-Xception, HR-Net, SVM	CT images, clinical parameters	1098名患者（来自两家医院），其中34名进行了蛋白质组学分析
31	2025-05-20	The Future of Parasomnias 2025-May-19, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	review	本文探讨了异态睡眠的未来发展，包括新型家庭诊断设备的开发、深度学习在异常多导睡眠图信号分类中的应用，以及大数据在预测神经退行性疾病风险中的作用	介绍了新型家庭诊断设备和深度学习在异态睡眠诊断中的应用，以及大数据在预测神经退行性疾病风险中的新信息	NA	探讨异态睡眠的诊断和治疗方法，以及相关神经退行性疾病的预测	异态睡眠患者，特别是REM睡眠行为障碍（RBD）和觉醒障碍（DOA）患者	医学	异态睡眠，神经退行性疾病	actigraphy, EEG headbands, 2D红外和3D飞行时间家庭摄像头，深度学习	深度学习	临床数据，认知数据，脑成像数据，DNA数据，多导睡眠图数据	NA
32	2025-05-20	The Application of Anisotropically Collapsing Gels, Deep Learning, and Optical Microscopy for Chemical Characterization of Nanoparticles and Nanoplastics 2025-May-19, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.5c00769 PMID:40387864	研究论文	本文提出了一种结合各向异性坍塌琼脂糖凝胶、荧光显微镜和酸碱滴定的精确方法，用于量化纳米颗粒表面的羧基密度	开发了一种新型方法，结合多种技术精确表征纳米颗粒表面化学性质，超越了电子显微镜的分辨率限制	纳米颗粒浓度和滴定条件对测定性能有重要影响，且不同类型纳米颗粒需要不同的荧光标记方法	精确表征纳米颗粒表面化学性质，研究其结构与功能的关系	光子上转换纳米颗粒(UCNPs)和荧光标记聚苯乙烯纳米颗粒(PNs)	纳米材料表征	NA	各向异性坍塌琼脂糖凝胶、荧光显微镜、酸碱滴定	NA	光学显微镜图像	两种类型纳米颗粒(UCNPs和PNs)
33	2025-05-20	DeepProtein: Deep Learning Library and Benchmark for Protein Sequence Learning 2025-May-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf165 PMID:40388205	research paper	本文介绍了DeepProtein，一个专为蛋白质相关任务设计的全面且用户友好的深度学习库	提出了DeepProtein库和基准测试，以及基于Prot-T5的DeepProt-T5模型，在多个蛋白质相关任务中实现了最先进的性能	NA	开发一个深度学习库和基准测试，以促进蛋白质科学中的深度学习应用	蛋白质序列和相关任务（如功能预测、亚细胞定位预测、蛋白质-蛋白质相互作用预测和结构预测）	machine learning	NA	deep learning	Prot-T5-based models	protein sequences	NA
34	2025-05-20	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-May-18, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	本文开发了一种深度学习框架，利用双神经网络提取真实的病毒SERS光谱并估计12种不同呼吸道病毒在水中的浓度系数	提出了一种新的深度学习框架，能够提取真实的病毒SERS光谱并估计浓度系数，从而增强数据集的多样性	研究主要针对水中的病毒样本，虽然在唾液背景中也有测试，但可能在其他复杂生物样本中的适用性有待验证	改进基于SERS的病毒分类和定量方法，提高物种识别和诊断的准确性	12种不同的呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	XGBoost	光谱数据	12种不同的呼吸道病毒样本
35	2025-05-20	Deep learning feature-based model for predicting lymphovascular invasion in urothelial carcinoma of bladder using CT images 2025-May-18, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01988-6 PMID:40382748	research paper	开发了一种基于深度学习的模型，利用CT图像预测膀胱尿路上皮癌的淋巴血管侵犯状态	首次结合深度学习特征和临床风险因素，构建堆叠模型预测淋巴血管侵犯状态	模型在测试集上的AUC为0.767，仍有提升空间	术前预测膀胱尿路上皮癌的淋巴血管侵犯状态	膀胱尿路上皮癌患者	digital pathology	bladder cancer	CT imaging	CNN (ResNet50, InceptionV3, DenseNet121, ResNet18, ResNet34, VGG11), Decision Tree, XGBoost, LightGBM	image	577名患者
36	2025-05-20	Enhancing sparse data recommendations with self-inspected adaptive SMOTE and hybrid neural networks 2025-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02593-9 PMID:40383722	research paper	本文提出了一种结合LSTM和改进的Split-Convolution神经网络(LSTM-SC)及先进采样技术SASMOTE的混合框架，用于增强稀疏数据推荐	引入了自检自适应SMOTE(SASMOTE)技术，能够自适应选择'可见'最近邻并过滤不确定的合成样本，同时使用QSO和HMWSO优化采样率和超参数	NA	提升数据稀疏环境下的个性化推荐系统性能	电子商务平台的用户推荐	machine learning	NA	SMOTE, QSO, HMWSO	LSTM, Split-Convolution neural network (SC)	text	goodbooks-10k和Amazon评论数据集
37	2025-05-20	An ensemble deep learning framework for emotion recognition through wearable devices multi-modal physiological signals 2025-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99858-0 PMID:40383809	研究论文	提出了一种基于集成深度学习框架的情绪识别系统，通过可穿戴设备的多模态生理信号进行情绪识别	首次提出结合离散和维度模型的情绪识别系统，并采用集成深度学习架构（LSTM和GRU）有效捕捉情绪数据序列的动态时间依赖性	NA	通过可穿戴设备的生理信号实现精确的情绪识别，促进情感感知的上下文交流	人类情绪	机器学习	NA	多模态生理信号分析	LSTM, GRU	生理信号	公开可用的EMOGNITION数据库，包括使用Samsung Galaxy Watch、Empatica E4和MUSE 2 EEG头带设备记录的生理信号
38	2025-05-20	3D+t Multifocal Imaging Dataset of Human Sperm 2025-May-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05177-4 PMID:40383860	research paper	介绍了一个名为3D-SpermVid的三维动态人类精子多焦成像数据集，用于研究精子运动和形态	首次提供了包含121个多焦视频显微镜超栈的三维动态精子运动数据集，支持对精子鞭毛运动模式的详细观察和分析	数据集仅包含非获能条件(NCC)和获能条件(CC)下的精子，可能无法涵盖所有生理状态	促进对三维精子形态和动力学的理解，开发新的男性生育力诊断工具	人类精子	digital pathology	NA	多焦成像系统(MFI)	NA	video	121个多焦视频显微镜超栈
39	2025-05-20	Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs 2025-May-18, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00592 PMID:40383929	research paper	该研究探讨了结合深度核学习（DKL）的贝叶斯优化（BO）在材料设计中的应用，以提高高斯过程（GPs）在材料探索中的效率	提出将深度核学习（DKL）与高斯过程（GPs）结合，用于贝叶斯优化（BO），解决了GPs无法自动生成描述符的问题	在寻找具有最高居里温度的合金时，标准GP模型表现优于DKL模型，因为可以直接利用与居里温度强相关的描述符	提高材料探索中贝叶斯优化的效率	氧化物数据集（922个）和混合有机-无机钙钛矿合金（610个）的带隙、离子介电常数和电子有效质量	machine learning	NA	deep kernel learning (DKL), Gaussian processes (GPs), Bayesian optimization (BO)	DKL, GP	material property data	922 oxide data sets, 610 hybrid organic-inorganic perovskite alloys, 4560 alloys
40	2025-05-20	Extensible Immunofluorescence (ExIF) accessibly generates high-plexity datasets by integrating standard 4-plex imaging data 2025-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59592-7 PMID:40382312	研究论文	提出了一种名为Extensible Immunofluorescence (ExIF)的框架，通过生成深度学习虚拟标记技术，将标准的4重免疫荧光成像数据整合为具有理论上无限标记复杂度的统一数据集	将多模态组学数据整合方法引入显微镜领域，利用生成深度学习技术扩展标准4重免疫荧光成像的标记复杂度	依赖于精心设计但易于生产的4重免疫荧光面板，且性能接近但尚未完全达到多重标记方法的水平	提高免疫荧光成像的分子标记复杂度，以更好地解析复杂的细胞生物学过程	上皮-间质转化(EMT)过程	数字病理	NA	免疫荧光成像，生成深度学习	生成深度学习模型	图像	NA