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
481	2025-07-11	Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies 2025-Jul-10, Journal of materials chemistry. B DOI:10.1039/d5tb00744e PMID:40476698	综述	本文系统探讨了先进生物可视化技术的原理、应用和局限性，特别关注AI驱动的图像分析、多维成像与重建以及多模态数据整合的变革性进展	整合人工智能、增强现实和深度学习等尖端技术，实现实时、高分辨率和预测性分析，超越传统成像模式的限制	未具体说明现有技术的具体操作限制或数据处理的挑战	解码组织复杂性，推进生物材料开发和临床策略创新	生物组织的多尺度结构和功能复杂性	数字病理	NA	AI、增强现实、深度学习	NA	图像、多维数据	NA
482	2025-07-11	Modeling Nonradiative Recombination in CsPbI3 and Ge-Doped Perovskites Via Deep Learning with CNN and Transformer Architectures 2025-Jul-10, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01669 PMID:40576303	研究论文	本研究通过深度学习方法（CNN和Transformer架构）建模CsPbI3和Ge掺杂钙钛矿中的非辐射复合过程	首次将多种深度学习模型（包括四种CNN和三种Transformer结构）应用于非绝热耦合的高效预测，揭示了Ge掺杂对非平衡复合过程的微观调控机制	研究仅针对CsPbI和Ge掺杂系统，未验证其他掺杂体系	解决钙钛矿光电设备性能瓶颈中的非辐射电子-空穴复合问题	CsPbI3和Ge掺杂钙钛矿系统	机器学习	NA	密度泛函理论与非绝热分子动力学(NAMD)结合，采用Hammes-Schiffer-Tully(HST)和norm-preserving interpolation(NPI)策略	CNN（包括ResNetPlus等四种）和Transformer（包括TSTPlus等三种）	计算化学数据	NA
483	2025-07-11	BIScreener: enhancing breast cancer ultrasound diagnosis through integrated deep learning with interpretability 2025-Jul-10, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay00475f PMID:40586715	研究论文	提出了一种可解释的深度学习模型BIScreener，用于从乳腺超声图像预测BI-RADS分类，以提高乳腺癌风险评估和诊断效率	结合了三种预训练卷积神经网络的堆叠泛化方法，提高了BI-RADS分类的准确性和诊断效率	研究仅使用了两种特定仪器（Mindray R5和HITACHI）获取的超声图像，可能限制了模型的泛化能力	提高乳腺癌的早期诊断准确性和效率	乳腺超声图像	数字病理学	乳腺癌	深度学习	CNN	图像	外部测试集（具体数量未提及）
484	2025-07-11	In-silico CT simulations of deep learning generated heterogeneous phantoms 2025-Jul-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c9 PMID:40587975	研究论文	该研究提出了一种使用3D DUC-GAN生成具有真实器官纹理和材料变化的虚拟幻影的方法，以提高CT模拟的真实性	首次使用3D DUC-GAN生成包含躯干内器官的16种独特纹理的虚拟幻影，显著提高了模拟的真实性	研究仅基于公开数据集中的378对CT图像-分割对进行训练，可能无法涵盖所有可能的器官变异	提高虚拟CT模拟中幻影的真实性，以更准确地模拟成像过程	虚拟CT幻影	计算机视觉	NA	CT成像	3D DUC-GAN	CT图像	378对CT图像-分割对用于训练，18对用于测试
485	2025-07-11	A transformer-based network with second-order pooling for motor imagery EEG classification 2025-Jul-10, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adeae8 PMID:40602422	研究论文	提出了一种结合转置注意力机制和二阶池化的神经网络(SecTNet)，用于运动想象脑电图(EEG)分类	首次将转置注意力机制与二阶池化结合，利用黎曼几何度量EEG信号的协方差结构，并通过注意力机制自适应建模通道间依赖关系	未明确说明模型在更广泛EEG数据集上的泛化能力	提升运动想象脑机接口(BCI)的EEG信号解码性能	脑电图(EEG)信号	脑机接口	NA	深度学习	Transformer结合CNN	EEG信号	两个公开EEG数据集(BCI competition IV 2a和OpenBMI)
486	2025-07-11	An overview of reliable and representative DVC measurements for musculoskeletal tissues 2025-Jul-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70008 PMID:40636996	综述	本文综述了数字体积相关（DVC）技术在肌肉骨骼组织生物力学研究中的最新进展和应用	重点关注DVC在器官和组织层面力学中的应用，以及与计算建模和数据驱动方法（如深度学习）的结合	讨论了DVC在组织界面处理、边界效应和输出不确定性量化等方面的技术挑战	探讨DVC在肌肉骨骼组织生物力学和生物材料研究中的应用及其改进策略	肌肉骨骼组织，包括矿化组织和软组织	生物力学	NA	数字体积相关（DVC）	深度学习	3D应变场数据	NA
487	2025-07-11	Explainable deep learning model WAL-net for individualized assessment of potentially reversible malnutrition in patients with cancer: a multicenter cohort study 2025-Jul-10, The British journal of nutrition DOI:10.1017/S000711452510384X PMID:40637106	研究论文	本研究开发了一种名为WAL-net的可解释深度学习模型，用于预测癌症患者中潜在可逆性营养不良（RM）的个体化评估	首次利用LSTM架构对体重和骨骼肌的时序数据进行建模，开发了可解释的深度学习模型WAL-net，用于早期识别癌症患者的可逆性营养不良	研究仅基于住院肿瘤患者的数据，可能不适用于门诊患者或其他医疗环境	预测癌症患者中的可逆性营养不良（RM），以优化多学科癌症护理中的患者管理	4254名癌症相关营养不良患者（发现集2977名，测试集1277名）	机器学习	癌症	机器学习（ML）	LSTM	时序数据（体重和骨骼肌）	4254名癌症患者（发现集2977名，测试集1277名），外部验证集798名
488	2025-07-11	Discovering Molecular Insights in Organic Optoelectronics with Knowledge-Informed Interpretable Deep Learning 2025-Jul-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00713 PMID:40637148	研究论文	提出了一种名为LUMIA的可解释深度学习框架，用于加速分子筛选和材料设计，并生成新的化学知识	LUMIA框架结合了化学知识引导的对比学习和蒙特卡洛树搜索（MCTS），能够捕捉与化学直觉一致的分子层次表示，并在有机光电性能预测任务中达到最先进水平	NA	加速分子筛选和材料设计，并生成新的化学知识	有机分子	机器学习	NA	对比学习, 蒙特卡洛树搜索（MCTS）	深度学习	分子数据	约140万个有机分子
489	2025-07-11	Identification of neural crest and melanoma cancer cell invasion and migration genes using high-throughput screening and deep attention networks 2025-Jul-10, Developmental dynamics : an official publication of the American Association of Anatomists IF:2.0Q3 DOI:10.1002/dvdy.70059 PMID:40637615	研究论文	通过高通量筛选和深度学习网络识别神经嵴和黑色素瘤癌细胞侵袭和迁移的关键基因	结合高通量siRNA筛选和深度学习分析，从45个基因中筛选出对黑色素瘤细胞迁移和侵袭至关重要的基因	研究主要基于体外实验和鸡胚胎移植模型，尚未在更复杂的体内环境中验证	识别神经嵴和黑色素瘤癌细胞侵袭和迁移的关键基因	神经嵴细胞和c8161黑色素瘤细胞	机器学习	黑色素瘤	高通量siRNA筛选、深度学习	deep attention networks	基因表达数据、细胞行为数据	45个基因的筛选，14个基因的进一步验证
490	2025-07-11	Research on a deep learning-based model for measurement of X-ray imaging parameters of atlantoaxial joint 2025-Jul-10, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09075-6 PMID:40637839	研究论文	本研究构建了一个基于深度学习的SCNet模型，用于自动测量与寰枢椎半脱位(AAS)相关的X射线成像参数，并评估了模型的准确性和可靠性	开发了SCNet模型来自动测量AAS相关的X射线成像参数，提高了测量的准确性和效率	研究仅基于两家医院的1973张影像数据，可能无法涵盖所有临床情况	自动测量寰枢椎半脱位(AAS)相关的X射线成像参数	颈椎张口位X射线影像	数字病理	颈椎疾病	深度学习	SCNet	X射线影像	1973张颈椎张口位X射线影像（来自两家医院）
491	2025-07-11	Generative Deep Learning for de Novo Drug Design─A Chemical Space Odyssey 2025-Jul-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00641 PMID:40632942	综述	本文探讨了生成式深度学习在药物设计中的应用，特别是小分子生成、评估和优先排序方面的挑战与机遇	提出了利用生成式深度学习探索化学空间并生成具有所需生物特性的新分子的创新方法	讨论了当前生成方法面临的挑战，包括化学多样性、可合成性和生物活性之间的平衡问题	探索生成式深度学习在药物设计中的应用潜力	小分子药物	机器学习	NA	生成式深度学习	生成模型	化学分子数据	NA
492	2025-07-11	AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding 2025-Jul-09, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3587637 PMID:40633040	研究论文	提出了一种名为AADNet的端到端深度学习模型，用于解决听觉注意解码（AAD）问题	将传统的两步法（预测语音包络表示和识别最高相关性）合并为一个端到端的直接方法	未提及具体局限性	改进听觉注意解码技术，推动其在神经导向听力设备中的应用	多说话者环境中的脑电信号（EEG）	机器学习	NA	深度学习	AADNet（端到端神经网络）	脑电信号（EEG）	三个不同的数据集，具体样本量未明确说明
493	2025-07-11	A Composable Channel-Adaptive Architecture for Seizure Classification 2025-Jul-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587103 PMID:40633043	研究论文	提出一种可组合的通道自适应架构，用于癫痫发作分类，解决了传统模型需要固定通道数的问题	提出通道自适应（CA）架构，能够处理任意通道数的多变量信号，并在少量数据上实现快速微调	未明确说明模型在其他类型的时间序列数据上的泛化能力	开发一种适用于个性化iEEG设置的癫痫发作分类模型	颅内脑电图（iEEG）数据	机器学习	癫痫	深度学习	CA-EEGWaveNet, CA-EEGNet	多变量时间序列	短期数据集（约15小时）和长期数据集（约2600小时）
494	2025-07-11	The role of metabolism in shaping enzyme structures over 400 million years 2025-Jul-09, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09205-6 PMID:40634610	研究论文	通过分析11,269个预测和实验确定的酶结构，研究代谢在Saccharomycotina亚门400万年进化中对酶结构的影响	整合结构生物学与进化基因组学，揭示代谢如何从多个尺度塑造酶的结构进化	研究仅针对Saccharomycotina亚门，可能不适用于其他生物群体	探究代谢在酶结构进化中的作用	11,269个预测和实验确定的酶结构，涉及361个代谢反应和225条代谢途径	进化生物学	NA	AlphaFold2, 深度学习	NA	蛋白质结构数据	11,269个酶结构
495	2025-07-11	Deep learning for predicting myopia severity classification method 2025-Jul-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01416-2 PMID:40634962	研究论文	本文提出了一种结合深度可分离卷积和动态卷积优势的深度学习模型X-ENet，用于分类不同严重程度的近视	模型结合了深度可分离卷积和动态卷积的优势，能够精确提取眼底图像的细节特征并实现轻量化处理，提高了计算效率和分类准确性	NA	提高近视筛查的效率	眼底图像	计算机视觉	近视	深度学习	X-ENet（结合深度可分离卷积和动态卷积）	图像	NA
496	2025-07-11	Development of a deep learning-based MRI diagnostic model for human Brucella spondylitis 2025-Jul-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01404-6 PMID:40635011	研究论文	本研究开发了一种基于深度学习的MRI诊断模型，用于区分布鲁氏菌脊柱炎和结核性脊柱炎	首次将卷积块注意力模块(CBAM)整合到ResNeXt-50架构中，用于脊柱感染的MRI图像分类	样本量相对有限，且外部验证集仅来自一家医院	开发一种能够快速准确区分布鲁氏菌脊柱炎和结核性脊柱炎的诊断工具	布鲁氏菌脊柱炎和结核性脊柱炎患者	数字病理学	脊柱感染	深度学习	CBAM-ResNeXt	MRI图像	310名受试者(209名BS，101名TS)，外加74名外部验证集
497	2025-07-11	Deep learning-based allergic rhinitis diagnosis using nasal endoscopy images 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10087-x PMID:40624181	研究论文	本文提出了一种基于深度学习的过敏性鼻炎诊断方法，通过分析鼻内窥镜图像来定量诊断过敏性鼻炎	使用鼻内窥镜图像分析下鼻甲区域的颜色分布，结合CNN特征提取和直方图方法提取重要特征，并通过SVM和全连接分类器进行分类	未来研究需要扩大数据集，包括更多有症状和无症状的图像，以提高模型的鲁棒性	开发一种非侵入性的过敏性鼻炎定量诊断方法	过敏性鼻炎患者的鼻内窥镜图像	数字病理学	过敏性鼻炎	深度学习	CNN, SVM	图像	未明确提及具体样本数量
498	2025-07-11	Deep learning for giant cell arteritis diagnosis on temporal artery biopsy 2025-Jul-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110707 PMID:40633216	研究论文	本研究评估了深度学习模型在颞动脉活检图像中诊断巨细胞动脉炎的准确性	使用基于注意力的多实例学习机制，提高了模型在诊断巨细胞动脉炎时的准确性和可解释性	研究样本量相对较小，外部测试队列仅包含58名患者	评估深度学习模型在诊断巨细胞动脉炎中的准确性和应用潜力	颞动脉活检的数字化全切片图像	数字病理学	巨细胞动脉炎	深度学习，基于注意力的多实例学习机制	CTransPath	图像	训练队列366名患者（137名GCA，229名对照），外部测试队列58名患者（21名GCA，37名对照）
499	2025-07-11	Post-hoc eXplainable AI methods for analyzing medical images of gliomas (- A review for clinical applications) 2025-Jul-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110649 PMID:40633214	review	本文系统回顾了65项关于可解释人工智能（XAI）在胶质瘤医学影像分析中的应用研究	提出了基于梯度和扰动的XAI方法框架，用于评估深度学习模型并解释其在胶质瘤影像分析中的应用	讨论了深度学习和XAI方法在临床整合中面临的挑战	提高人工智能系统在胶质瘤影像分析中的透明度和可解释性	胶质瘤的医学影像（MRI和组织病理学图像）	digital pathology	glioma	MRI, histopathology imaging	DL, G-XAI, P-XAI	image	65项研究
500	2025-07-11	Deep supervised transformer-based noise-aware network for low-dose PET denoising across varying count levels 2025-Jul-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110733 PMID:40633213	research paper	本文提出了一种基于Swin Transformer的噪声感知网络（ST-UNN），用于低剂量PET成像中的去噪，能够处理不同噪声水平并重建高质量图像	提出了一种基于Swin Transformer的统一噪声感知网络（ST-UNN），通过动态集成多个子网络的输出，有效处理不同噪声水平，显著提升了低剂量PET成像的质量	模型在超低剂量（1%计数水平）场景下表现优异，但在其他噪声水平的泛化能力仍需进一步验证	开发一种能够处理不同噪声水平的深度学习模型，以提升低剂量PET成像的图像质量和诊断可靠性	PET/CT数据集，涵盖头部和头颈部恶性病变区域	digital pathology	cancer	deep learning	Swin Transformer	image	PET/CT数据集（具体样本数量未提及）