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
501	2025-07-21	A novel multimodal adaptive delineation model for primary tumors and lymph node metastases in multi-center nasopharyngeal carcinoma radiotherapy 2025-Jul-12, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108965 PMID:40682906	研究论文	提出了一种新型多模态自适应勾画模型，用于多中心鼻咽癌放疗中原发肿瘤和淋巴结转移的自动勾画	采用条件去噪扩散模型（DDPM）结合‘模态间和模态内’注意力机制，动态校准多模态特征的融合权重，提高了勾画准确性	前瞻性验证样本量较小（仅4例），且原发肿瘤的勾画精度优于转移病灶	提升鼻咽癌放疗中肿瘤靶区（GTV）自动勾画的准确性和稳定性	鼻咽癌原发肿瘤及淋巴结转移病灶	数字病理	鼻咽癌	CT和MRI多模态影像分析	条件去噪扩散模型（DDPM）	医学影像（CT/MRI）	529例回顾性病例+4例前瞻性病例（多中心数据）
502	2025-07-21	Automated segmentation of the breech and firing pin faces of fired cartridge case images 2025-Jul-12, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112554 PMID:40682899	研究论文	本文提出了一种深度学习方法来处理更高分辨率图像中的弹壳底部标记分割问题，以支持法医科学中的枪支识别	提出了一种针对512×512和2592×1944像素高分辨率图像的自动化头部印记去除方法，并引入了后处理方法以提高性能	未明确说明方法在更广泛数据集上的泛化能力或实际案例中的验证效果	开发自动化弹壳底部标记分割方法以支持法医枪支识别	发射后的弹壳图像，特别是弹壳底部的头部印记、闭锁面和击针区域	计算机视觉	NA	深度学习	CNN	图像	使用NIST弹壳图像数据库及自行标注的数据集
503	2025-07-21	Tem2-KAN: Data-driven temporal temperature prediction via an improved Kolmogorov-Arnold network 2025-Jul-10, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.07.014 PMID:40681441	研究论文	本文提出了一种名为Tem-KAN的深度学习架构，用于通过改进的Kolmogorov-Arnold网络进行高精度的气候温度预测	Tem-KAN通过用样条参数化的单变量函数替代神经网络中的传统线性权重，动态学习非线性气候模式，同时保持内在可解释性，并整合了多层感知器（MLPs）的通用逼近能力和物理意义特征可视化	NA	开发一种高精度的气候温度预测方法	气候温度数据	机器学习	NA	深度学习	Kolmogorov-Arnold网络（KAN）	气象数据	来自英国监测站的原始气象数据
504	2025-07-21	EEG Emotion Copilot: Optimizing lightweight LLMs for emotional EEG interpretation with assisted medical record generation 2025-Jul-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107848 PMID:40683189	研究论文	本文提出了一种名为EEG Emotion Copilot的系统，通过优化轻量级大型语言模型(LLM)，直接从EEG信号识别情绪状态，并生成个性化的诊断和治疗建议，支持辅助电子病历的自动化	提出了一种优化轻量级LLM的系统，能够直接从EEG信号识别情绪并生成个性化医疗建议，实现了端到端的情绪计算	模型参数规模较小(0.5B)，可能影响处理复杂情绪状态的能力	优化轻量级LLM以实现EEG情绪识别和辅助医疗记录生成	EEG信号和情绪状态	脑机接口	心理健康	模型剪枝和微调训练	LLM	EEG信号	未明确说明
505	2025-07-21	Facial Emotion Recognition of 16 Distinct Emotions From Smartphone Videos: Comparative Study of Machine Learning and Human Performance 2025-Jul-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/68942 PMID:40601921	研究论文	本研究开发了基于深度学习的自动面部情绪识别模型，用于从智能手机视频中识别16种不同的治疗相关情绪，并与人类观察者的表现进行了比较	引入了包含16种治疗相关情绪的新型STREs WoZ数据集，并比较了机器学习模型与人类在情绪识别任务上的表现	自动FER模型在多类别情绪分类任务中的性能有待提高，未来研究需要进一步提升模型在心理治疗应用中的实用性	开发用于心理治疗应用的自动面部情绪识别模型	智能手机拍摄的面部视频数据	计算机视觉	心理健康	深度学习	RNN-convolution, RNN-attention, RNN-average, ResNet50	视频	63名个体的14,412个面部视频，测试集包含3,018个情绪视频
506	2025-07-21	A 3D pocket-aware lead optimization model with knowledge guidance and its application for discovery of new glutaminyl cyclase inhibitors 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf345 PMID:40669838	研究论文	本文提出了一种名为Diffleop的3D口袋感知扩散模型，用于基于结构的先导化合物优化，以提高结合亲和力和合理性质	Diffleop模型首次在去噪采样过程中明确结合了蛋白质-配体结合亲和力知识和共价键信息，用于先导化合物优化	未提及具体的模型适用范围限制或潜在问题	开发一种新型深度学习模型，用于提高药物发现中先导化合物优化的效率和效果	人类谷氨酰环化酶(QCs)抑制剂	药物发现	NA	3D扩散模型	Diffleop(基于E(3)-等变专家网络的扩散模型)	3D分子结构数据	优化了5-甲基-1H-咪唑及其衍生物(合成了3种化合物)
507	2025-07-21	scRECL: representative ensembles with contrastive learning for scRNA-seq data clustering analysis 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf346 PMID:40671174	研究论文	提出了一种名为scRECL的对比集成学习方法，用于scRNA-seq数据的聚类分析	利用对比集成学习结合Siamese神经网络，通过多路图筛选噪声和冗余细胞，提高了聚类分析的效率和鲁棒性	方法可能对k近邻分区的选择敏感，且未在大规模数据集上验证	提高单细胞RNA测序数据聚类的准确性和鲁棒性	单细胞RNA测序数据	机器学习	NA	scRNA-seq	Siamese神经网络	基因表达数据	NA
508	2025-07-21	Deep Learning Estimation of Small Airway Disease from Inspiratory Chest Computed Tomography: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in Chronic Obstructive Pulmonary Disease 2025-Jul, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1847OC PMID:40072247	研究论文	本研究开发了一种基于生成式AI的模型，用于从单一吸气CT扫描中评估小气道疾病，无需额外的呼气CT扫描	利用生成式AI模型从单一吸气CT扫描中估计小气道疾病，避免了传统方法需要额外呼气CT扫描的限制	研究结果在COPDGene队列中的验证样本量相对较小（n=458）	评估AI模型在慢性阻塞性肺疾病（COPD）中小气道疾病定量评估的应用价值	COPD患者的小气道疾病评估	数字病理学	慢性阻塞性肺疾病	生成式AI	生成模型	CT图像	SPIROMICS研究中的2,513名参与者和COPDGene研究中的458名患者
509	2025-07-21	A Deep Learning Model of Histologic Tumor Differentiation as a Prognostic Tool in Hepatocellular Carcinoma 2025-Jul, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100747 PMID:40086592	研究论文	本研究开发了一种基于深度学习的AI模型，用于量化肝细胞癌（HCC）肿瘤分化的组织学特征并预测癌症相关结局	首次使用AI模型量化HCC肿瘤分化的多种组织学特征，并证明其在预测HCC相关结局中的附加价值	研究样本量较小（99例HCC切除标本），需要在更大样本中验证	评估AI模型在量化HCC肿瘤分化特征和预测癌症相关结局中的性能	肝细胞癌（HCC）切除标本	数字病理学	肝细胞癌	深度学习	AI模型	组织学图像	99例HCC切除标本
510	2025-07-21	Labor-Efficient Pathological Auxiliary Diagnostic Model for Primary and Metastatic Tumor Tissue Detection in Pancreatic Ductal Adenocarcinoma 2025-Jul, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100764 PMID:40199428	研究论文	本研究提出了一种名为PANseg的多尺度弱监督深度学习框架，用于胰腺导管腺癌(PDAC)的原发性和转移性肿瘤组织检测，旨在提高病理诊断的准确性和效率	PANseg是一种仅需图像级标签的弱监督模型，能够在减少标注负担的同时，达到与全监督基准相当的肿瘤分割性能，并显著提升病理医生的诊断准确性和效率	模型在活检切片上的表现相对较低(AUROC: 0.821)，表明对于某些样本类型的泛化能力仍有提升空间	开发一种劳动高效的病理辅助诊断模型，用于胰腺导管腺癌的原发性和转移性肿瘤组织检测	胰腺导管腺癌(PDAC)的原发肿瘤病灶和淋巴结转移	数字病理	胰腺导管腺癌	深度学习	多尺度弱监督深度学习框架(PANseg)	全切片图像(WSIs)	368张全切片图像(来自208名患者，跨越2个独立中心)
511	2025-07-21	Application of deep learning-based facial pain recognition model for postoperative pain assessment 2025-Jul, Journal of clinical anesthesia IF:5.0Q1 DOI:10.1016/j.jclinane.2025.111898 PMID:40516197	研究论文	本研究开发了一种基于深度学习的面部疼痛识别模型，用于术后疼痛评估	结合临床和模拟数据集，利用预训练的VGG16模型进行疼痛识别，并开发了相应的临床识别软件	高质量临床数据集的可用性有限，且缺乏针对现实世界模型部署的研究	探索深度学习技术在术后疼痛自动评估中的应用	术后患者和志愿者的面部疼痛图像	计算机视觉	术后疼痛	深度学习	VGG16	图像	临床疼痛数据集(CPD)包含503名术后患者的3411张面部疼痛图像，模拟疼痛数据集(SPD)包含51名志愿者的1038张图像
512	2025-07-21	Deep learning-based analysis and identification of single-particle mass spectra of bacteria 2025-Jul, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-025-05942-9 PMID:40542895	研究论文	本研究结合单粒子质谱（SPMS）与监督学习算法，以区分六种细菌物种	首次将SPMS与深度学习算法结合，用于细菌物种的识别，并采用Score-CAM方法可视化CNN模型的关键离子特征	研究仅涉及六种细菌和四种生物质燃烧产物，样本多样性有限	开发一种基于SPMS和深度学习的方法，用于细菌物种的准确识别	六种细菌和四种生物质燃烧产物（BCPs）	机器学习	NA	单粒子质谱（SPMS）	CNN, MLP, SVM	质谱数据	六种细菌和四种生物质燃烧产物的质谱数据
513	2025-07-21	GASTON-Mix: a unified model of spatial gradients and domains using spatial mixture-of-experts 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf254 PMID:40662777	研究论文	介绍了一种名为GASTON-Mix的机器学习算法，用于从空间分辨转录组学（SRT）数据中识别空间域和每个域内的空间梯度	GASTON-Mix扩展了混合专家（MoE）深度学习框架，结合了MoE模型的聚类组件和神经场模型，能够表示组织中任何几何排列的空间域，并在每个域内定义连续的基因表达梯度	NA	开发一种能够同时识别空间域和空间梯度的计算方法	空间分辨转录组学（SRT）数据	机器学习	NA	空间分辨转录组学（SRT）	混合专家（MoE）深度学习框架	基因表达数据	NA
514	2025-07-21	Understanding the sources of performance in deep drug response models reveals insights and improvements 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf255 PMID:40662789	研究论文	本文探讨了深度药物反应模型性能提升的来源，并提出了改进方法	揭示了当前药物反应预测模型性能提升主要来源于细胞系的转录组学特征而非药物特征，并提出了新的二元预测模型BinaryET和BinaryCB	现有模型的性能很大程度上依赖于训练目标值的属性，且药物特征未被有效利用	改进抗癌药物反应预测模型的性能	抗癌药物反应预测	机器学习	癌症	深度学习	transformer架构	药物化学结构和细胞系组学数据	NA
515	2025-07-21	GRACKLE: an interpretable matrix factorization approach for biomedical representation learning 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf213 PMID:40662804	research paper	介绍了一种名为GRACKLE的新型非负矩阵分解方法，用于生物医学表示学习	GRACKLE方法结合了样本相似性和基因相似性矩阵，利用样本元数据和分子关系，提高了在背景噪声增加情况下的性能	当前模型未同时考虑分子相互作用和样本标签的先验知识	识别疾病特异性基因特征，解决小样本量问题	基因表达数据	machine learning	breast cancer, Down syndrome	nonnegative matrix factorization (NMF)	GRACKLE	gene expression data	NA
516	2025-07-21	Soffritto: a deep learning model for predicting high-resolution replication timing 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf231 PMID:40662815	研究论文	开发了一个名为Soffritto的深度学习模型，用于预测高分辨率的复制时序数据	利用两分法RT数据、组蛋白ChIP-seq数据、GC含量和基因密度作为输入，通过LSTM模块和预测模块预测高分辨率RT数据	高分辨率Repli-Seq数据成本高且技术难度大，目前生成的数据非常有限	预测高分辨率复制时序数据，以更好地理解细胞过程中的转录、分化和疾病	人类和小鼠的五个细胞系	机器学习	NA	Repli-Seq, ChIP-seq	LSTM	基因组数据	五个人类和小鼠细胞系
517	2025-07-21	Deep Learning for the Early Diagnosis of Candidemia 2025-Jul, Infectious diseases and therapy IF:4.7Q1 DOI:10.1007/s40121-025-01171-w PMID:40549343	研究论文	本文评估了深度学习模型在早期鉴别诊断念珠菌血症和细菌血症中的性能	利用深度学习模型从非特异性实验室特征中识别念珠菌血症的复杂模式	学习到的模式未能提升特异性标记物（如BDG和PCT）的诊断性能	早期诊断念珠菌血症以降低死亡率	念珠菌血症和细菌血症患者	机器学习	念珠菌血症	深度学习	深度学习模型	实验室特征数据	12,483例（念珠菌血症1,275例，细菌血症11,208例）
518	2025-07-21	Lung Cancer Management: Revolutionizing Patient Outcomes Through Machine Learning and Artificial Intelligence 2025-Jul, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70240 PMID:40674395	研究论文	本研究提出了一种基于深度学习的转移学习方法，用于从CT扫描中准确分割肺部肿瘤区域并分类图像为癌性或非癌性，旨在克服传统机器学习模型的局限性	采用ResNet50骨干网络结合U-Net架构进行病灶分割，随后使用多层感知机(MLP)进行二分类，显著提高了模型的泛化能力和诊断可靠性	需要在前瞻性验证、可解释性技术以及医院工作流程集成方面进行进一步研究	开发一种可靠的深度学习框架，用于肺癌检测，超越传统机器学习方法	肺部CT扫描图像	计算机视觉	肺癌	深度学习	ResNet50 + U-Net + MLP	医学影像(CT扫描)	公开可用的CT扫描数据集和来自伊朗Hazrat Rasool医院的独立临床数据集
519	2025-07-21	Phase-augmented deep learning for cell segmentation in wrapped quantitative phase images 2025-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566950 PMID:40677815	研究论文	本研究开发了一种相位增强的深度学习方法，用于在包裹定量相位图像中进行细胞分割	方法的创新点在于通过数据增强策略引入全局相位偏移，使网络能够区分真实的形态特征与相位包裹伪影	NA	通过单细胞精度的定量研究，推进疾病诊断、治疗和生物材料开发	细胞粘附和脱离过程中的细胞形态	数字病理学	NA	调制光学计算机相位显微镜(M-OCPM)	U-Net	相位图像	NA
520	2025-07-21	ConNeCT: weakly supervised corneal confocal microscopy image inpainting network based on a diffusion model 2025-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.562924 PMID:40677830	研究论文	提出了一种基于扩散模型的弱监督角膜共聚焦显微镜图像修复网络ConNeCT，用于改善角膜神经形态定量分析的准确性	首次开发了专门用于CCM图像修复的深度学习方法，结合了轻量级引导扩散模型、U-Net辅助分割模型和改进的DDPM重采样算法	需要用户提供粗略的掩码作为输入，可能在实际应用中存在一定限制	提高角膜共聚焦显微镜图像的质量，以更准确地进行神经形态定量分析	角膜共聚焦显微镜图像	计算机视觉	神经退行性疾病	扩散模型，U-Net	DDPM, U-Net	图像	手动标注的数据集（具体数量未提及）