深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
4261	2025-10-06	Early detection of Multidrug Resistance using Multivariate Time Series analysis and interpretable patient-similarity representations 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108920 PMID:40675058	研究论文	提出一种基于多变量时间序列分析和可解释患者相似性表示的多药耐药性早期检测方法	结合患者相似性表示和图论方法进行多药耐药性预测，同时兼顾准确性和可解释性	仅使用单一医疗中心ICU数据集进行验证，需要更多外部验证	开发可解释的机器学习方法用于多药耐药性的早期检测	重症监护病房患者的电子健康记录数据	机器学习	感染性疾病	多变量时间序列分析	Logistic Regression, Random Forest, Support Vector Machines	电子健康记录，时间序列数据	NA	Scikit-learn	NA	AUC	NA
4262	2025-10-06	Blind super-resolution for handheld ultrasound image: Two-stage degradation based unpaired deep learning 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108956 PMID:40694937	研究论文	提出基于两阶段退化的无配对深度学习盲超分辨率方法，用于提升手持超声设备图像质量	提出两阶段退化方法，其中第一阶段采用频率概率退化减轻结构失真和纹理损失，并引入新的超声感知损失函数	NA	提升手持超声设备的图像质量	手持超声设备采集的超声图像	计算机视觉	NA	小波变换	EDSR	超声图像	NA	NA	EDSR	图像质量改进	NA
4263	2025-10-06	Predicting synergistic drug combinations via hierarchical molecular representation and cell line latent space fusion 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108933 PMID:40714415	研究论文	本研究开发了一种新颖的深度学习模型，通过分层分子表示和细胞系潜在空间融合来预测协同药物组合	提出分层表示药物分子（节点、基序和图级别）的方法，结合Mamba模块和图注意力卷积，并使用编码器-解码器结构将细胞系投影到潜在空间以减少噪声	未在论文标题和摘要中明确说明	改进药物协同作用的预测，为组合疗法设计提供支持	抗癌药物组合和各种癌细胞系	机器学习	癌症	深度学习	图神经网络,注意力机制	药物分子图数据,细胞系基因表达数据,药物反应数据	来自各种癌细胞系的基准数据集	NA	编码器-解码器,图注意力卷积,Mamba模块	NA	NA
4264	2025-10-06	TabNet and TabTransformer: Novel Deep Learning Models for Chemical Toxicity Prediction in Comparison With Machine Learning 2025-09, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4803 PMID:40309751	研究论文	本研究评估了TabNet和TabTransformer两种深度学习模型与传统机器学习方法在12个毒理学终点上预测化学毒性的性能	首次系统比较TabNet和TabTransformer深度学习架构与传统机器学习方法在化学毒性预测中的表现，并利用SHAP分析增强模型可解释性	研究仅限于12个毒理学终点和801个分子描述符，未探索更多毒性终点或分子表征方法	评估深度学习模型在化学毒性预测中的性能，并与传统机器学习方法进行对比	化学化合物的毒性预测	机器学习	NA	分子描述符分析	TabNet, TabTransformer, XGBoost, CatBoost, SVM, 投票分类器	结构化数据	12,228个训练样本和3,057个测试样本	NA	TabNet, TabTransformer	准确率, F1分数, AUC-ROC, AUPR, Matthews相关系数	NA
4265	2025-10-06	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-Sep, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	研究论文	开发结合临床和影像组学特征的机器学习模型预测嗜铬细胞瘤和副神经节瘤手术难度	首次将临床特征与影像组学特征结合构建预测PPGLs手术难度的机器学习模型	回顾性研究，需要多中心研究验证和手术难度标准细化	优化嗜铬细胞瘤和副神经节瘤术前规划并减少围手术期并发症	嗜铬细胞瘤和副神经节瘤患者	机器学习	嗜铬细胞瘤和副神经节瘤	影像组学分析	SVM	临床数据和影像数据	NA	NA	NA	AUC	NA
4266	2025-10-06	A Scalable Deep Learning Approach for Real-Time Multivariate Monitoring of Biopharmaceutical Processes With No Prior Product-Specific History 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29039 PMID:40457612	研究论文	提出一种用于无产品历史数据的生物制药过程实时监控的新型深度学习框架	结合自编码器和多阶段实时数据处理算法，开发了无需产品特定历史数据的实时异常检测与根本原因识别方法	NA	开发无需先验产品历史数据的生物制药过程实时健康监控方法	生物制药过程中的细胞培养操作，特别是单克隆抗体生产	机器学习	NA	实时多变量统计过程监控	自编码器	时间序列数据	NA	NA	自编码器	异常检测鲁棒性、故障隔离效果	可扩展软件产品
4267	2025-10-06	Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29040 PMID:40485093	研究论文	本研究开发了一种基于在线拉曼光谱和深度学习的生物乙醇发酵控制系统	采用基于半监督学习的伪标签方法将训练数据集扩大100倍，并开发了结合时序光谱特征的STC-CNN模型	NA	优化生物制造过程中的补料策略以实现稳定最大产量	酿酒酵母生物乙醇生产	机器学习	NA	在线拉曼光谱	CNN	光谱数据	NA	NA	STC-CNN	RMSE	NA
4268	2025-10-06	Framework for Accurate Single-Molecule Spectroscopic Imaging Analyses Using Monte Carlo Simulation and Deep Learning 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01486 PMID:40613676	研究论文	开发了一种结合蒙特卡洛模拟和深度学习的单分子光谱成像分析框架	首次提出使用蒙特卡洛模拟生成真实数据，并开发了基于监督学习的单分子光谱图像去噪方法SpecUNet	NA	推进高通量单分子光谱学和光谱分辨超分辨率显微镜的准确分析	单分子光谱成像数据、Janelia Fluors荧光分子、尼罗红极性敏感探针	计算机视觉	NA	单分子光谱成像、蒙特卡洛模拟、荧光光谱分析	CNN	光谱图像	NA	NA	U-Net	八种综合评估指标	NA
4269	2025-10-06	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	研究论文	提出一种结合预训练深度学习模型与支持向量机的混合方法，用于胸部X光图像的多分类任务	将轻量级预训练深度学习模型MobileNet与支持向量机分类器相结合，在保持高精度的同时减少训练时间	未明确说明样本量的具体数值，且仅使用公开数据集可能限制模型的泛化能力	开发高效的胸部X光图像分类方法以辅助肺部疾病诊断	胸部X光图像	计算机视觉	肺部疾病	医学影像分析	CNN, SVM	图像	来自多个公开数据源的胸部X光图像（具体数量未说明）	NA	DenseNet, MobileNet, EfficientNetB0, EfficientNetB3	准确率	NA
4270	2025-10-06	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	提出一种基于人工智能的框架，用于在CT图像中自动检测和分类肾结石	集成深度学习和Transformer架构，提出SwinTResNet模型用于精确分割，并结合Vision Transformer进行分类	未提及外部验证数据集和临床部署的可行性	开发自动检测肾结石的AI方法以提高诊断效率和准确性	CT图像中的肾结石	计算机视觉	肾结石	CT成像	深度学习, Transformer	CT图像	NA	NA	SwinTResNet, Vision Transformer (ViT)	训练准确率, 验证准确率	NA
4271	2025-10-06	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	探讨人工智能、机器学习和深度学习在材料发现、开发和优化领域的变革性影响与应用	系统整合了AI在材料科学中的多维度应用，并前瞻性地提出量子计算与AI融合、因果推理与物理信息AI等未来发展方向	面临数据质量不一致、模型可解释性有限、缺乏标准化数据共享框架等挑战	推动材料科学领域的人工智能应用发展	材料发现、开发与优化过程	机器学习	NA	高通量筛选、计算设计、自主实验	RNN, CNN, GNN, 生成模型, Transformer	材料数据集	NA	NA	循环神经网络, 卷积神经网络, 图神经网络, 生成模型, Transformer	NA	量子计算
4272	2025-10-06	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	本文提出了一种优化的U-Net架构用于脑肿瘤MRI图像分割	在U-Net模型中引入Leaky ReLU激活函数、批归一化和正则化，并采用聚焦损失和广义Dice损失函数解决类别不平衡问题	仅在BraTS'2020数据集上进行验证，未在其他数据集测试泛化能力	开发改进的脑肿瘤MRI图像分割方法	脑肿瘤MRI图像	医学图像分析	脑肿瘤	磁共振成像(MRI)	U-Net	医学图像	BraTS'2020数据集	NA	U-Net	准确率,Dice系数	NA
4273	2025-10-06	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	提出一种结合混合卷积和注意力机制的高效肺癌诊断模型，用于早期准确检测肺癌	开发了基于混合卷积（2D/3D）的自适应DenseUnet注意力机制（HC-ADAM）和混合自适应扩张网络注意力机制（HADN-AM），结合ResNet和LSTM的串行级联结构	NA	开发高效的肺癌早期诊断深度学习技术	肺癌CT图像	计算机视觉	肺癌	CT成像	CNN, LSTM	医学图像	LIDC-IDRI标准基准数据集	NA	DenseUnet, ResNet, LSTM	准确率, 精确率, F1分数	NA
4274	2025-10-06	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	系统研究动脉自旋标记图像深度学习中平均化和训练策略对去噪效果的影响	首次系统比较不同平均化策略和训练方法在深度学习去噪中的效果，包括窗口平均与交错平均方法	研究仅基于152个单延迟ASL扫描，样本量相对有限	优化基于深度学习的动脉自旋标记图像去噪处理流程	动脉自旋标记图像	医学影像处理	NA	动脉自旋标记成像	CNN,Transformer	医学影像	152个单延迟ASL扫描，来自152名受试者	NA	基于卷积神经网络和Transformer的模型	结构相似性,峰值信噪比,归一化平均绝对误差	NA
4275	2025-10-06	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	提出一种结合T1ρ加权快速自旋回波图像和质子密度加权解剖图像的深度学习加速T1ρ量化方法，用于膝关节软骨评估	首次将质子密度加权解剖图像与T1ρ加权图像结合，通过深度学习模型实现在减少对比剂准备次数的情况下仍能保持准确的T1ρ量化	回顾性研究，样本量较小（40名参与者），需要在更大规模数据集中验证	开发加速T1ρ量化方法以减少扫描时间，促进骨关节炎评估在常规临床工作流程中的整合	膝关节软骨	医学影像分析	骨关节炎	MRI，快速自旋回波成像，T1ρ量化	深度学习	MRI图像	40名参与者（30名OA患者和10名健康志愿者）	NA	2D U-Net, 多层感知机	平均绝对误差，平均绝对百分比误差，区域误差，区域百分比误差	NA
4276	2025-10-06	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提升生物分子结构预测准确性的方法	通过去除内在无序区域优化蛋白质输入序列，以及优化RNA二级结构输入，显著提升了结构预测准确性	蛋白质多聚体的高质量预测比例低于25%，RNA结构预测仍具挑战性	提升生物分子结构预测的准确性	蛋白质结构域、蛋白质多聚体和RNA单体	计算生物学	NA	深度学习方法	AlphaFold2, AlphaFold3, trRosettaX2, trRosettaRNA2	生物分子序列和结构数据	CASP16实验数据集	NA	NA	CASP16官方排名	NA
4277	2025-10-06	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	本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	首次报道基于脱铁铁蛋白的淀粉样蛋白水凝胶形成，并开发深度学习驱动的图像分析方法实现纤维组分的自动识别和三维微观结构解析	未明确说明样本的具体数量和研究规模	开发具有增强机械性能和自修复能力的全天然生物聚合物基互穿网络水凝胶	淀粉样蛋白纤维（AFs）和植物凝胶（PHY）形成的互穿聚合物网络水凝胶	计算机视觉	NA	扫描电子显微镜、共聚焦激光扫描显微镜、荧光标记	CNN	图像	NA	NA	卷积神经网络	NA	NA
4278	2025-10-06	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	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	首次构建了多细胞器靶向传感器阵列(PPTA-SA)，结合深度学习实现耐药性肺癌细胞和肿瘤的高精度识别与多细胞器靶向光热治疗	NA	解决非小细胞肺癌化疗耐药性识别和治疗难题	非小细胞肺癌细胞和肿瘤切片	数字病理	肺癌	荧光成像, 光热治疗	深度学习网络	图像	NA	NA	NA	准确率	NA
4279	2025-10-06	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	研究论文	提出一种基于视网膜图像的混合深度学习架构，用于疾病分类	结合改进的LinkNet和SqueezeNet模型，并融合多种特征提取方法	NA	提高视网膜疾病的分类准确率和诊断效率	视网膜眼底图像	计算机视觉	视网膜疾病	视网膜眼底成像	深度学习	图像	NA	NA	ResNet, VGG16, Improved LinkNet, SqueezeNet	精确度	NA
4280	2025-10-06	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	开发基于深度学习的结肠镜检查视频时间分割模型，用于准确测量净退镜时间和生成关键事件的可视化摘要	首次提出自动排除非观察活动时间的净退镜时间测量方法，并生成定量可视化程序事件摘要	模型训练数据仅来自40个完整结肠镜检查视频和825个盲肠片段，样本规模相对有限	提高结肠镜检查程序质量的客观评估标准	结肠镜检查视频和程序事件	计算机视觉	结直肠癌	结肠镜检查视频分析	深度学习模型	视频	40个完整结肠镜检查视频和825个盲肠片段，来自221个结肠镜检查程序	NA	NA	F1分数, 相关系数r, p值	NA