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
401	2025-09-10	Correction to: Deep Learning in High-Resolution Anoscopy: Assessing the Impact of Staining and Therapeutic Manipulation on Automated Detection of Anal Cancer Precursors 2025-Sep-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000894 PMID:40920629	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
402	2025-09-27	Artificial Intelligence in Cardiovascular Health: Insights into Post-COVID Public Health Challenges 2025-Sep, High blood pressure & cardiovascular prevention : the official journal of the Italian Society of Hypertension IF:3.1Q2 DOI:10.1007/s40292-025-00738-5 PMID:40956375	综述	探讨人工智能在应对后疫情时代心血管健康挑战中的应用与前景	首次系统阐述AI技术如何针对性解决COVID-19相关心血管并发症的公共卫生管理问题	未涉及具体临床验证数据与算法实施细节	分析AI在心血管医学和公共卫生领域应对后疫情挑战的作用	心血管疾病患者与后COVID人群	机器学习	心血管疾病	机器学习和深度学习	深度学习模型	医学影像（超声心动图/CT/MRI）与可穿戴设备数据	NA
403	2025-09-27	Toward Better Generalization Using Synthetic Data: A Domain Adaptation Framework for T2 Mapping via Multiple Overlapping-Echo Acquisition 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3335212 PMID:38015692	研究论文	提出基于域自适应框架的T2 mapping方法，通过多重叠回波采集技术提升合成数据在真实场景中的泛化性能	首次从域自适应角度解决合成数据与真实MRI数据之间的分布差异问题，无需真实标签训练即可实现准确映射	未明确说明方法在极端复杂成像条件下的性能表现	提升定量磁共振成像中合成数据在真实场景的泛化能力	组织横向弛豫时间(T2)的快速定量映射	医学影像分析	NA	多重叠回波分离成像(MOLED)、基于Bloch方程的模拟器	深度学习网络	磁共振图像	NA
404	2025-09-27	Towards MRI-Only Mandibular Resection Planning: CT-like Bone Segmentation from Routine T1 MRI Images Using Deep Learning 2025-Sep, Craniomaxillofacial trauma & reconstruction IF:0.8Q4 DOI:10.3390/cmtr18030040 PMID:40989761	研究论文	提出基于深度学习的MRI图像骨分割方法，实现仅用MRI进行下颌骨切除手术规划	首次实现从常规T1加权MRI图像直接生成CT级别的骨分割模型，替代传统CT-MRI融合方案	样本量有限（100例），需进一步验证临床适用性	开发仅依赖MRI的头颈肿瘤虚拟手术规划技术	下颌骨、颅骨及下牙槽神经的骨组织结构	数字病理	头颈肿瘤	深度学习	深度神经网络	医学影像（MRI/CT）	100例患者的配对CT和MRI扫描数据（80例训练/20例测试）
405	2025-09-27	Profiling antigen-binding affinity of B cell repertoires in tumors by deep learning predicts immune-checkpoint inhibitor treatment outcomes 2025-Sep, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-025-01001-5 PMID:40579590	研究论文	开发深度学习模型Cmai预测抗体抗原结合亲和力，并基于此构建预测免疫检查点抑制剂治疗效果的生物标志物	首次将对比学习模型应用于高通量BCR数据分析，建立了抗体抗原结合亲和力的预测方法	未明确说明模型验证的样本规模和外部验证结果	预测免疫检查点抑制剂治疗效果和免疫相关不良事件风险	B细胞受体（BCR） repertoire和肿瘤抗原	机器学习	肿瘤	深度学习、高通量测序	对比学习模型（Cmai）	BCR序列数据	NA
406	2025-09-27	[Extracorporeal Membrane Oxygenation( ECMO) as an Emerging Technology:Present and Future] 2025-Sep, Kyobu geka. The Japanese journal of thoracic surgery PMID:40998332	综述	本文从临床医生视角综述体外膜肺氧合(ECMO)技术的最新进展与未来发展方向	介绍了新型硅胶膜肺结合MPC聚合物涂层实现大动物模型100天无血栓支持，探讨人工智能辅助决策和可植入式氧合器的技术可行性	NA	总结ECMO技术发展现状并展望未来临床应用前景	ECMO相关技术设备（离心泵、膜肺、监测系统）	医疗设备技术	呼吸循环衰竭	体外膜肺氧合技术、表面涂层技术、人工智能	深度学习	NA	大动物模型实验
407	2025-09-27	Artificial Intelligence-Driven Image and Data Analytics in Anesthesia 2025-Sep, Anesthesiology clinics DOI:10.1016/j.anclin.2025.07.001 PMID:40998491	综述	探讨人工智能在麻醉医学图像与数据分析中的应用及挑战	系统阐述AI技术如何通过深度学习等方法提升麻醉领域的超声引导区域阻滞操作和临床培训	存在临床验证不足、模型泛化能力有限及监管问题	推动AI在麻醉医学中的标准化应用以提升患者安全	麻醉临床实践中的医学图像与多模态数据	医学人工智能	NA	深度学习、卷积神经网络、支持向量机	CNN、SVM	医学图像、临床数据	NA
408	2025-09-27	Enhancing tuberculosis diagnosis: A deep learning-based framework for accurate detection and quantification of TB bacilli in microscopic images 2025-Sep, Tuberkuloz ve toraks DOI:10.5578/tt.2025031113 PMID:41002059	研究论文	提出一种基于深度学习的计算机辅助系统，用于显微镜图像中结核杆菌的自动检测和定量分析	结合迁移学习的定制化Inception V3模型与图像分割技术，实现自动视野识别和结核杆菌精确定量	NA	开发高精度的结核病自动诊断系统，提升筛查效率	齐尔-尼尔森染色痰涂片显微镜图像中的结核杆菌	数字病理	结核病	深度学习、图像分割、迁移学习	Inception V3	显微镜图像	NA
409	2025-09-27	Nanopore-Aware Embedded Detection for Mobile DNA Sequencing: A Viterbi-HMM Design Versus Deep Learning Approaches 2025-Sep-01, Biosensors DOI:10.3390/bios15090569 PMID:41002309	研究论文	提出一种基于Viterbi-HMM的嵌入式DNA序列检测框架，用于移动纳米孔测序的能效优化	将Viterbi-HMM算法与定制RISC-V核心集成，相比深度学习方案实现显著能效提升	未明确说明模型在复杂基因组场景下的泛化能力	开发适用于移动DNA测序的低功耗嵌入式检测系统	纳米孔DNA测序信号	生物信息学	NA	纳米孔测序	Viterbi-HMM	生物传感信号	NA
410	2025-09-27	Deep Learning-Enhanced Nanozyme-Based Biosensors for Next-Generation Medical Diagnostics 2025-Sep-01, Biosensors DOI:10.3390/bios15090571 PMID:41002311	综述	探讨深度学习与纳米酶生物传感融合在下一代医学诊断中的变革性策略	首次系统阐述深度学习架构如何通过揭示双原子活性位点等催化机制来增强纳米酶设计与功能优化	缺乏标准化生物医学数据集，模型在不同人群中的鲁棒性不足，AI增强纳米酶系统的临床转化存在挑战	推动智能生物传感技术发展并重塑精准医疗诊断	纳米酶生物传感器、疾病生物标志物、医学影像	机器学习	NA	深度学习、纳米酶生物传感	DL架构	生物传感信号、医学影像数据	NA
411	2025-09-27	SageTCR: a structure-based model integrating residue- and atom-level representations for enhanced TCR-pMHC binding prediction 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf496 PMID:40984702	研究论文	提出一种基于结构的双层次图神经网络模型SageTCR，用于提升TCR-pMHC结合预测的准确性	整合残基级和原子级表征的双层次GNN框架，通过注意力机制融合双模态表示，并采用数据增强策略保持TCR-pMHC对角线结合模式特征	实验结构数据不足的问题通过数据增强策略缓解，但未明确说明原始数据规模限制	提升TCR-pMHC结合预测精度以促进TCR相关疗法发展	T细胞受体与肽-MHC复合物的结构相互作用	生物信息学	免疫相关疾病	图神经网络(GNN)、预训练语言模型、注意力机制	双层次GNN	结构数据（残基级和原子级表征）	未明确说明具体样本数量，采用数据增强策略扩充训练集
412	2025-09-27	TCM-navigator, a deep learning-based workflow for generation and evaluation of traditional Chinese medicine-like compounds for drug development 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf498 PMID:41004131	研究论文	开发基于深度学习的TCM-navigator工作流，用于生成和评估类中药化合物以促进药物研发	首个专门捕捉中药独特特征的定量模型TCM-Identifier，采用AttentiveFP框架和消息传递神经网络	未提及具体验证实验或临床前研究数据	解决中药数据库实体有限、网络复杂性和数据不一致性问题，实现高效药物发现	类中药分子化合物	机器学习	NA	深度学习、迁移学习、化学语言模型	LSTM、AttentiveFP、消息传递神经网络	化学分子结构数据	生成370万个非特异性靶标类中药分子，扩展现有数据集100倍以上
413	2025-09-27	AI-Enhanced Electrochemical Sensing Systems: A Paradigm Shift for Intelligent Food Safety Monitoring 2025-Aug-28, Biosensors DOI:10.3390/bios15090565 PMID:41002305	综述	探讨人工智能技术在电化学生物传感系统中提升食源性病原体检测性能的应用与前景	系统综述AI在传感器设计、材料优化和信号处理的全流程创新，并提出AI与物联网融合的实时检测平台新范式	存在数据质量、模型泛化能力和可解释性方面的挑战	构建支持可扩展食品安全监测的智能生物传感系统	食源性病原体（如大肠杆菌、沙门氏菌等）	机器学习	食源性疾病	电化学传感技术	机器学习和深度学习算法	电化学信号数据	NA
414	2025-09-27	Multi-Omics Feature Selection to Identify Biomarkers for Hepatocellular Carcinoma 2025-Aug-28, Metabolites IF:3.4Q2 DOI:10.3390/metabo15090575 PMID:41002959	研究论文	本研究通过多组学特征选择方法筛选肝细胞癌的生物标志物	提出结合递归特征选择与Transformer深度学习模型的新方法，实现更有效的多组学特征筛选	样本量有限，需要更大独立队列验证发现的生物标志物	识别能够区分肝细胞癌与肝硬化对照的多组学生物标志物	肝细胞癌患者和肝硬化患者的血清样本	机器学习	肝细胞癌	非靶向和靶向质谱分析、多组学数据整合	Transformer深度学习模型	多组学数据	肝细胞癌病例和肝硬化患者的血清样本（具体数量未明确说明）
415	2025-09-27	Test-Time Augmentation for Cross-Domain Leukocyte Classification via OOD Filtering and Self-Ensembling 2025-Aug-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11090295 PMID:41003346	研究论文	提出一种通过OOD过滤和自集成改进测试时增强的方法，用于跨域白细胞分类	引入OOD样本过滤机制和基于距离的加权自集成策略，有效提升跨域场景下的分类鲁棒性	未明确说明方法在极端域偏移情况下的性能边界	解决医学图像分析中域偏移导致的模型性能下降问题	白细胞图像数据	计算机视觉	血液疾病	测试时增强(TTA)、OOD检测、自集成学习	深度学习架构（模型无关）	医学图像	NA
416	2025-09-27	Ten years later: how is AI impacting retina care today? 2025-Aug-27, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001167 PMID:40862502	综述	回顾人工智能在糖尿病视网膜病变和年龄相关性黄斑变性诊疗中的最新临床应用进展	重点介绍FDA批准的首个自主AI筛查系统及其后续发展，以及家庭OCT平台实现的远程视网膜疾病管理	仍需持续验证、结果导向指标和改进工作流程整合	评估人工智能在视网膜疾病护理领域十年来的实际影响和发展趋势	糖尿病视网膜病变（DR）和年龄相关性黄斑变性（AMD）患者	数字病理	视网膜疾病	深度学习（DL）、光学相干断层扫描（OCT）图像自动分析	深度学习模型	医学影像	NA
417	2025-09-27	Colorectal Polyp Segmentation Based on Deep Learning Methods: A Systematic Review 2025-Aug-27, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11090293 PMID:41003344	综述	本文系统回顾了2018-2024年间基于深度学习的结直肠息肉分割方法	首次系统梳理息肉分割领域发展脉络，涵盖Mamba新方法和视频息肉分割技术，并对44个模型进行性能评估	仅涵盖2018-2024年间的文献，可能存在最新技术遗漏	系统总结深度学习在结直肠息肉图像分割中的应用现状与发展趋势	结直肠息肉医学图像和视频数据	数字病理	结直肠癌	深度学习	CNN, Mamba等44种分割模型	医学图像, 视频	基于146篇文献的系统综述
418	2025-09-27	A Flexible Multi-Channel Deep Network Leveraging Texture and Spatial Features for Diagnosing New COVID-19 Variants in Lung CT Scans 2025-Aug-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11090099 PMID:41003482	研究论文	提出一种基于双通道CNN的深度学习框架，利用纹理和空间特征从肺部CT扫描中诊断COVID-19新变种	采用动态学习纹理模式的双通道CNN架构，无需预定义特征，通过改进的LBP技术提取矩阵形式纹理数据	NA	开发自动化诊断方法以准确检测多种COVID-19变种	COVID-19患者的肺部CT扫描图像	计算机视觉	COVID-19	CT扫描分析	双通道CNN	医学图像	两个基准数据集（COVID-349和Italian COVID-Set）
419	2025-09-27	Directional Lighting-Based Deep Learning Models for Crack and Spalling Classification 2025-Aug-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11090288 PMID:41003339	研究论文	提出两种基于定向照明的深度学习算法用于混凝土裂缝和剥落分类	首次将定向照明技术引入混凝土缺陷分类，提出多通道神经网络和融合神经网络两种创新方法	未提及模型在极端光照条件下的泛化能力	开发适用于低光环境下混凝土结构自动检测的缺陷分类方法	混凝土结构的裂缝和剥落缺陷	计算机视觉	NA	深度学习、图像融合技术	CNN（基于多通道输入架构）	图像	NA
420	2025-09-27	Solar Panel Surface Defect and Dust Detection: Deep Learning Approach 2025-Aug-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11090287 PMID:41003338	研究论文	本研究提出基于深度学习的太阳能电池板表面缺陷与灰尘自动检测系统	采用YOLOv11模型并集成交互式仪表板实现实时检测预警，在精度和推理速度上优于人工检测及早期YOLO版本	NA	开发自动化缺陷检测方案以提升太阳能电池板的维护效率	光伏板表面的五类异常（无缺陷、灰尘、缺陷、物理损伤、积雪）	计算机视觉	NA	深度学习、数据增强（翻转/旋转/缩放/噪声注入）	YOLOv11	图像	8973张来自公开数据库的标准化图像