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	2025-08-06	A lightweight hybrid DL model for multi-class chest x-ray classification for pulmonary diseases 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3b8 PMID:40706615	research paper	提出了一种轻量级混合深度学习模型，用于胸部X光片的多类分类以诊断肺部疾病	结合了预训练的深度学习模型和SVM分类器，提高了分类准确率并减少了训练时间	研究中使用的数据来自公开来源，可能无法涵盖所有临床场景	提高胸部X光片对肺部疾病的分类准确率和诊断效率	胸部X光片图像，包括COVID-19、结核病、肺炎和正常病例	digital pathology	lung cancer	deep learning, SVM	MobileNet, SVM	image	来自多个公开来源的数据，代表广泛的人口统计学范围
22	2025-08-06	AI-driven framework for automated detection of kidney stones in CT images: integration of deep learning architectures and transformers 2025-Aug-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adf3ba PMID:40706620	研究论文	提出了一种基于AI的框架，用于在CT图像中自动检测和分类肾结石	整合了深度学习和transformer架构，提出SwinTResNet模型和Vision Transformer (ViT)架构，优化了模型性能	未提及模型在真实临床环境中的泛化能力及对不同类型肾结石的检测效果	提高肾结石的诊断准确性和效率，支持临床决策	CT图像中的肾结石	计算机视觉	肾结石	深度学习	SwinTResNet, Vision Transformer (ViT)	CT图像	NA
23	2025-08-06	Artificial Intelligence for Materials Discovery, Development, and Optimization 2025-Aug-05, 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，同时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等挑战仍然存在	探讨AI、ML和DL在材料科学中的应用，以促进材料的发现、开发和优化	材料科学中的材料发现、开发和优化	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
24	2025-08-06	Machine learning enables legal risk assessment in internet healthcare using HIPAA data 2025-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13720-x PMID:40760025	研究论文	本研究探讨了如何利用人工智能技术基于机器学习框架增强互联网医疗中的法律风险评估能力，并使用了HIPAA数据库的数据	通过比较多种机器学习算法（如XGBoost、SVM、RF和DNN）在法律风险评估中的表现，发现DNN模型在F1分数、准确率和召回率方面表现优异	SVM和K近邻模型表现相对较弱，在某些情境下虽然仍有效，但整体性能不如深度学习和集成学习方法	增强互联网医疗中的法律风险评估能力	HIPAA数据库中的医疗记录、患者个人信息和治疗费用等数据	机器学习	NA	机器学习算法（XGBoost、SVM、RF、DNN）	XGBoost、SVM、RF、DNN	医疗记录、患者个人信息、治疗费用	NA
25	2025-08-06	Brain tumor segmentation by optimizing deep learning U-Net model 2025-Aug-05, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251363699 PMID:40760965	研究论文	本文提出了一种基于UNet架构的改进模型，用于MRI图像中脑肿瘤的精确分割	采用Leaky ReLU激活函数、批量归一化和正则化技术优化UNet模型，并结合聚焦损失和广义Dice损失函数解决类别不平衡问题	仅在BraTS'2020数据集上进行评估，未在其他数据集上验证模型的泛化能力	提高MRI图像中脑肿瘤分割的准确性	脑肿瘤MRI图像	数字病理	脑肿瘤	MRI	UNet	图像	BraTS'2020数据集
26	2025-08-06	Accelerated free-breathing abdominal T2 mapping with deep learning reconstruction of radial turbo spin-echo data 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70017 PMID:40762149	研究论文	提出一种深度学习框架，用于加速自由呼吸腹部T2映射，同时保持高质量的解剖图像和准确的T2图	开发了一种灵活的深度学习框架，可通过全监督或自监督方式进行训练，用于改善T2加权图像或重建T2图	NA	加速自由呼吸腹部T2映射，同时保持高质量的解剖图像和准确的T2图	腹部T2映射	医学影像	NA	深度学习	深度学习框架	医学影像数据	NA
27	2025-08-06	A novel lung cancer diagnosis model using hybrid convolution (2D/3D)-based adaptive DenseUnet with attention mechanism 2025-Aug-05, Network (Bristol, England) DOI:10.1080/0954898X.2025.2533871 PMID:40762174	研究论文	提出了一种基于混合卷积（2D/3D）和自适应DenseUnet的注意力机制模型，用于早期肺癌诊断	开发了HC-ADAM分割方法和HADN-AM分类网络，结合了ResNet和LSTM，提高了肺癌诊断的准确性	未提及模型在临床环境中的实际应用效果或对其他数据集的泛化能力	开发高效的深度学习技术用于早期和准确的肺癌检测	肺癌的早期诊断	数字病理学	肺癌	深度学习	HC-ADAM, HADN-AM, ResNet, LSTM	CT图像	LIDC-IDRI数据集
28	2025-08-06	Optimization of deep learning-based denoising for arterial spin labeling: Effects of averaging and training strategies 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70013 PMID:40762194	研究论文	本研究系统探讨了深度学习中平均化和其他相关训练策略对动脉自旋标记（ASL）图像去噪效果的影响，以优化处理流程	首次系统研究了不同平均化策略（包括窗口化和交错平均化方法）及训练策略对DL去噪效果的影响，并验证了DL去噪的泛化能力	研究仅基于152例ASL扫描数据，样本量相对有限	优化基于深度学习的ASL图像去噪处理流程	动脉自旋标记（ASL）图像	医学影像处理	NA	动脉自旋标记（ASL）	CNN, Transformer	医学影像	152例ASL扫描（来自152名受试者）
29	2025-08-06	Utilizing 3D fast spin echo anatomical imaging to reduce the number of contrast preparations in T 1 ρ $$ {T}_{1\rho } $$ quantification of knee cartilage using learning-based methods 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70022 PMID:40762171	研究论文	提出并评估一种结合T1ρ加权快速自旋回波(FSE)图像和质子密度(PD)加权解剖FSE图像的加速T1ρ量化方法，利用深度学习模型进行T1ρ映射，以减少扫描时间并促进骨关节炎(OA)评估的常规临床工作流程整合	结合PD加权解剖FSE图像和T1ρ加权FSE图像，利用深度学习模型(2D U-Net和MLP)进行T1ρ映射，减少扫描时间并保持临床标准	研究为回顾性研究，样本量相对较小(40名参与者)，且仅针对膝关节软骨进行评估	开发一种加速T1ρ量化方法，以减少扫描时间并促进骨关节炎(OA)评估的常规临床工作流程整合	膝关节软骨	医学影像分析	骨关节炎	快速自旋回波(FSE)成像和深度学习	2D U-Net和多层感知器(MLP)	MRI图像	40名参与者(30名OA患者和10名健康志愿者)
30	2025-08-06	Accurate Biomolecular Structure Prediction in CASP16 With Optimized Inputs to State-Of-The-Art Predictors 2025-Aug-05, Proteins IF:3.2Q2 DOI:10.1002/prot.70030 PMID:40762404	研究论文	本文介绍了在CASP16实验中，通过优化输入信息利用先进深度学习算法实现生物分子结构高精度预测的研究	通过优化输入信息（如去除蛋白质序列中的无序区域和优化RNA二级结构输入）提升AlphaFold2、AlphaFold3等先进预测器的性能	蛋白质多聚体的高质量预测比例不足25%，RNA结构预测仍面临挑战	提升生物分子（蛋白质和RNA）结构预测的准确性	蛋白质结构域、蛋白质多聚体和RNA单体	机器学习	NA	深度学习算法（AlphaFold2/3、trRosettaX2/RNA2）	AlphaFold2, AlphaFold3, trRosettaX2, trRosettaRNA2	生物分子序列与结构数据	CASP16实验中的蛋白质结构域、多聚体及RNA单体样本
31	2025-08-06	Integrating Deep Learning and Real-Time Imaging to Visualize In Situ Self-Assembly of Self-Healing Interpenetrating Polymer Networks Formed by Protein and Polysaccharide Fibers 2025-Aug-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c11459 PMID:40762431	研究论文	该研究通过整合深度学习和实时成像技术，可视化蛋白质和多糖纤维形成的自修复互穿聚合物网络的原位自组装过程	首次报道了基于脱铁铁蛋白的淀粉样蛋白水凝胶的形成，并利用深度学习技术自动识别和量化高分辨率扫描电子显微镜图像中的纤维成分	未明确提及具体局限性	开发机械强度高、稳定性好的可持续生物材料用于生物医学工程应用	蛋白质和多糖纤维形成的互穿聚合物网络水凝胶	生物医学工程	NA	深度学习、实时共聚焦激光扫描显微镜、流变学分析	CNN	图像	NA
32	2025-08-06	A Sensor Array Composed of Organelle-Targeting Fluorescent Probes and Polydopamine Particles for Deep Learning-Assisted Identification and Ablation of Drug-Resistant Lung Tumors 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02524 PMID:40762433	研究论文	本文开发了一种由细胞器靶向荧光探针和聚多巴胺颗粒组成的传感器阵列，结合深度学习网络，用于识别和消融耐药性肺癌细胞和肿瘤	结合细胞器靶向传感器阵列和深度学习技术，实现了对耐药性肺癌细胞和肿瘤的高精度识别（准确率超过99%），并展示了多细胞器靶向光热疗法在肿瘤消融中的优越效果	未提及该方法在临床样本中的验证情况以及长期治疗效果评估	开发一种能够识别耐药性非小细胞肺癌（NSCLC）并增强治疗效果的新方法	非小细胞肺癌（NSCLC）细胞和肿瘤切片	数字病理学	肺癌	荧光探针成像、光热疗法	深度学习网络	图像	未明确提及具体样本数量，但涉及NSCLC细胞和肿瘤切片
33	2025-08-06	Retinal image-based disease classification using hybrid deep architecture with improved image features 2025-Aug-05, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03660-w PMID:40762730	research paper	本研究提出了一种新的混合深度学习（DL）方法，用于基于视网膜图像的疾病分类，以提高诊断准确性和效率	结合了改进的LinkNet（ILinkNet）和SqueezeNet模型，以及改进的多纹理特征和统计特征，以提高分类性能	未提及具体的数据集大小或多样性限制，可能影响模型的泛化能力	提高视网膜疾病的分类准确性和诊断效率	视网膜图像	digital pathology	视网膜疾病	Modified Gaussian Filtering, ResNet, VGG16, Improved Multi-Texton features	ILinkNet, SqueezeNet	image	NA
34	2025-08-06	Evaluation of Net Withdrawal Time and Colonoscopy Video Summarization Using Deep Learning Based Automated Temporal Video Segmentation 2025-Aug-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01632-1 PMID:40762931	研究论文	本研究开发了一种基于深度学习的自动时间视频分割模型，用于准确测量结肠镜检查中的净撤回时间并生成关键程序事件的定量视觉摘要	提出了一种新的深度学习方法，能够排除非观察阶段，准确测量净撤回时间，并自动生成关键事件的视觉摘要	研究仅基于40个全长结肠镜检查视频和825个盲肠剪辑，样本量相对有限	提高结肠镜检查中净撤回时间测量的准确性和程序质量的客观评估	结肠镜检查视频	计算机视觉	NA	深度学习	DL	视频	40个全长结肠镜检查视频和825个盲肠剪辑（来自221次结肠镜检查）
35	2025-08-06	Identification of Isomerically Diverse Ginsenosides Using Engineered Aerolysin Nanopore via Non-Translocation Blockade Sensing 2025-Aug-04, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202506741 PMID:40456701	研究论文	本文介绍了一种基于工程化气溶素纳米孔的非易位阻断传感技术，用于识别异构多样的皂苷类化合物	通过引入S278K突变，气溶素纳米孔获得高正电荷内部，产生强烈的电渗流和增强的空间/焓障碍，有效捕获皂苷分子并防止其进一步易位，从而显著提高检测能力	NA	开发一种新型纳米孔传感技术，用于解决结构复杂多样的皂苷类化合物的识别难题	异构多样的皂苷类化合物	生物传感器	NA	纳米孔传感技术	深度学习	分子阻断信号	30种皂苷类化合物
36	2025-08-06	KAFSTExp: Kernel Adaptive Filtering with Nystrom Approximation for Predicting Spatial Gene Expression from Histology Image 2025-Aug-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3595101 PMID:40758493	研究论文	提出了一种名为KAFSTExp的框架，利用核自适应滤波和Nystrom近似从组织学图像预测空间基因表达	结合病理基础模型UNI和核最小均方算法，显著提高了预测准确性并降低了计算成本	在有限的ST数据集上可能仍存在泛化能力不足的问题	预测组织学特征与基因表达之间的复杂非线性关系	空间转录组学(ST)数据和病理图像	数字病理学	肿瘤	核自适应滤波(KAF)和Nystrom近似	UNI模型和核最小均方算法	图像和基因表达数据	多个ST数据集，具体数量未明确说明
37	2025-08-06	Enhancing Brain Source Reconstruction by Initializing 3D Neural Networks with Physical Inverse Solutions 2025-Aug-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3594724 PMID:40758497	研究论文	提出了一种新颖的混合方法3D-PIUNet，用于EEG源定位，有效整合了传统和深度学习技术的优势	3D-PIUNet方法从物理信息初始估计出发，结合3D卷积U-Net捕捉空间依赖性，显著提高了空间准确性	训练依赖于模拟的伪真实脑源数据，可能在实际应用中存在泛化性问题	提高脑源重建的空间准确性，以更好地理解脑功能和功能障碍	脑电图(EEG)信号	神经科学	NA	3D卷积U-Net	3D-PIUNet	EEG信号	模拟伪真实脑源数据和真实EEG数据（视觉任务）
38	2025-08-06	VLM-CPL: Consensus Pseudo-Labels from Vision-Language Models for Annotation-Free Pathological Image Classification 2025-Aug-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3595111 PMID:40758498	研究论文	提出一种无需人工标注的病理图像分类方法VLM-CPL，利用预训练的视觉语言模型生成伪标签并通过共识策略和半监督学习提高分类准确性	结合视觉语言模型的零样本推理能力和特征表示能力，提出基于提示和特征共识的伪标签筛选方法，并创新性地引入开放集提示策略过滤不相关图像块	方法性能可能受到预训练模型与目标数据集领域差异的影响	开发无需人工标注的自动癌症诊断方法	病理图像	数字病理	癌症	视觉语言模型(VLM)、半监督学习	VLM	图像	五个公共病理图像数据集
39	2025-08-06	NUPES : Non-Uniform Post-Training Quantization via Power Exponent Search 2025-Aug-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3593987 PMID:40758517	研究论文	提出了一种名为NUPES的非均匀后训练量化方法，通过幂指数搜索优化深度神经网络和大型语言模型的量化过程	利用自同构变换保持标量乘法，通过优化幂指数参数和权重值，解决了传统后训练量化技术无法优化量化算子本身的问题	未提及具体量化位宽下的性能损失情况，也未讨论在不同硬件平台上的实际加速效果	降低深度神经网络和大型语言模型的内存占用和延迟	深度神经网络(DNN)和大型语言模型(LLM)的权重和激活值	机器学习	NA	非均匀量化	DNN, LLM	模型权重和激活值	未提及具体样本数量
40	2025-08-06	Protecting Feature Privacy in Person Re-identification 2025-Aug-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3590979 PMID:40758524	研究论文	本文提出了一种基于GAN的特征隐私保护方法，用于行人重识别（ReID）任务，以防止特征反转攻击并保持ReID的实用性	通过GAN强制重建图像遵循原始图像的分布，提出了一种新的基于GAN的特征隐私保护ReID模型，并设计了双步训练和惰性更新策略来优化模型	优化ReID模型以适应隐私保护面临双重对抗目标，具有挑战性	保护行人重识别中的特征隐私，防止特征反转攻击	行人重识别中的特征隐私保护	计算机视觉	NA	GAN	GAN	图像	NA