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
561	2025-08-06	Impact of large language models and vision deep learning models in predicting neoadjuvant rectal score for rectal cancer treated with neoadjuvant chemoradiation 2025-Jul-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01844-5 PMID:40745280	研究论文	本研究探索了使用大型语言模型（LLMs）和计算机视觉模型来准确预测接受新辅助放化疗（NACRT）治疗的局部晚期直肠癌（LARC）的新辅助直肠（NAR）评分	首次将大型语言模型（LLMs）和计算机视觉模型结合用于预测NAR评分，展示了LLMs在预测NAR值方面的潜力	CT扫描在预测NAR值方面的不足，样本量相对较小（160例CT扫描）	探索深度学习模型在预测局部晚期直肠癌（LARC）患者新辅助直肠（NAR）评分中的应用	接受新辅助放化疗（NACRT）治疗的局部晚期直肠癌（LARC）患者	计算机视觉, 自然语言处理	直肠癌	深度学习, 大型语言模型（LLMs）, 计算机视觉模型	CNN, 编码器架构LLM	CT扫描, MRI报告	160例CT扫描及4种不同类型的放射学报告
562	2025-08-06	VCPC: virtual contrastive constraint and prototype calibration for few-shot class-incremental plant disease classification 2025-Jul-31, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01423-3 PMID:40745353	research paper	本文提出了一种名为VCPC的方法，通过虚拟对比约束和原型校准，用于少样本类增量植物病害分类	结合虚拟对比类约束（VCC）模块和原型校准嵌入（PCE）模块，优化原型空间并提升新类别的识别准确率	未提及具体局限性	开发一种可持续的植物病害分类方法，适应少样本类增量学习（FSCIL）条件	植物病害图像	computer vision	plant disease	deep learning	VCPC	image	PlantVillage数据集和CIFAR-100数据集
563	2025-08-06	Bond-centric modular design of protein assemblies 2025-Jul-31, Nature materials IF:37.2Q1 DOI:10.1038/s41563-025-02297-5 PMID:40745093	research paper	本文提出了一种基于键合中心的模块化蛋白质组装设计方法，利用深度学习生成工具设计蛋白质构建块，实现多样化的封闭和开放结构组装	采用模块化设计思路，结合深度学习生成工具和可定制的键合相互作用，成功组装了多种蛋白质纳米结构，包括多组分多面体蛋白质笼、二维阵列和三维蛋白质晶格	NA	开发一种模块化蛋白质纳米材料设计方法	蛋白质组装体	蛋白质工程	NA	深度学习生成工具	NA	蛋白质结构数据	成功组装了20多种多组分蛋白质结构
564	2025-08-06	Deep learning for tooth detection and segmentation in panoramic radiographs: a systematic review and meta-analysis 2025-Jul-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06349-9 PMID:40739210	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在全景X光片中牙齿检测和分割的性能	首次对深度学习在全景X光片中牙齿检测和分割的性能进行了系统综述和荟萃分析	仅纳入20项研究，且仅6项研究可用于荟萃分析，样本量有限	评估深度学习在全景X光片中牙齿检测和分割的性能	全景X光片中的牙齿	数字病理	牙科疾病	深度学习	NA	图像	20项研究（其中6项用于荟萃分析）
565	2025-08-06	Exploring the social life of urban spaces through AI 2025-Jul-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424662122 PMID:40705424	研究论文	通过AI技术分析30年间纽约、波士顿和费城四个城市公共空间中行人行为的变化	利用计算机视觉和深度学习技术自动化分析历史视频数据，扩展了传统人工观察方法	仅分析了三个美国城市的四个公共空间，可能无法代表其他地区的情况	探究城市公共空间中行人行为随时间的变化及其社会意义	城市公共空间中的行人行为	计算机视觉	NA	计算机视觉、深度学习	NA	视频	1979-80和2008-10年间四个城市公共空间的视频数据
566	2025-08-06	Interpretable graph Kolmogorov-Arnold networks for multi-cancer classification and biomarker identification using multi-omics data 2025-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13337-0 PMID:40730661	研究论文	本文提出了一种名为MOGKAN的深度学习框架，用于整合多组学数据并进行多癌症分类和生物标志物识别	结合Kolmogorov-Arnold定理原理，利用可训练的单变量函数增强模型的可解释性和特征分析能力	未提及具体样本量或数据集的局限性	开发一个能够整合多组学数据的计算模型，用于精准癌症诊断	31种不同类型的癌症	数字病理学	多癌症	DESeq2, LIMMA, LASSO回归, Gene Ontology (GO), KEGG富集分析	MOGKAN (基于Kolmogorov-Arnold定理的深度学习框架)	多组学数据 (mRNA, micro-RNA序列, DNA甲基化样本, PPI网络)	NA
567	2025-08-06	Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data 2025-Jul-27, ArXiv PMID:40740512	研究论文	本文提出了一种名为MOGKAN的深度学习框架，用于整合多组学数据并进行多癌症分类和生物标志物识别	结合Kolmogorov-Arnold定理原理，利用可训练的单变量函数增强模型的可解释性和特征分析能力	未提及具体样本量或数据集的详细描述	开发一种能够整合多组学数据的计算模型，用于精准癌症诊断	31种不同类型的癌症	数字病理学	多癌症	DESeq2, LIMMA, LASSO回归	MOGKAN（基于Kolmogorov-Arnold定理的深度学习框架）	mRNA、micro-RNA序列、DNA甲基化样本和蛋白质-蛋白质相互作用网络	NA
568	2025-08-06	Whole tissue imaging of cellular boundaries at sub-micron resolutions for deep learning cell segmentation: Applications in the analysis of epithelial bending of ectoderm 2025-Jul-26, Developmental dynamics : an official publication of the American Association of Anatomists IF:2.0Q3 DOI:10.1002/dvdy.70061 PMID:40716088	research paper	介绍了一种名为MORPHOVIEW的方法，用于在亚微米分辨率下保留细胞边界标记并匹配组织与水的折射率，从而实现对细胞形态的高通量三维结构量化	提出了一种保留细胞边界标记并匹配组织与水的折射率的新技术，结合高倍率、长工作距离的水浸物镜和神经网络分割模型，实现了对细胞形态的高分辨率三维成像和量化	未提及该方法在更广泛生物样本中的应用限制或与其他技术的比较	开发一种能够精确量化细胞和组织的三维结构，以研究器官形态发生过程中的细胞形态变化	转基因小鼠的下颌骨和猫鲨的牙板和真皮小齿	digital pathology	NA	组织透明化协议、高分辨率光学显微镜、神经网络分割模型	神经网络分割模型	image	转基因小鼠下颌骨和猫鲨的牙板与真皮小齿样本
569	2025-08-06	Segmentation of the Left Atrium in Cardiovascular Magnetic Resonance Images of Patients with Myocarditis 2025-Jul-18, Journal of visualized experiments : JoVE DOI:10.3791/68664 PMID:40758568	research paper	该研究提出了一种基于3D-FCN的深度学习方法，用于心肌炎患者心血管磁共振图像中左心房的分割	通过时空特征融合、动态跳跃连接和轻量化设计三项策略增强，显著提高了左心房分割的准确性和效率	动态伪影和薄壁结构的时空连续性建模仍是主要挑战	开发一种准确分割心肌炎患者左心房的深度学习方法	心肌炎患者的心血管磁共振图像	digital pathology	cardiovascular disease	心血管磁共振成像(CMR)	3D-FCN	image	NA
570	2025-08-06	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-Jul-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本文提出了一种基于改进的去噪扩散概率模型（iDDPM）的方法，用于估计动态脑PET中动力学参数的后验分布，以提高计算效率	利用深度学习的高计算效率，提出iDDPM方法来估计动力学参数的后验分布，显著减少了计算时间（比MCMC方法快230倍以上）	未提及具体的数据集规模或模型在其他类型PET数据上的泛化能力	研究动态脑PET中动力学参数的后验分布估计，以提高计算效率和准确性	动态脑PET图像中的动力学参数	医学影像分析	阿尔茨海默病	动态PET成像，贝叶斯推断	iDDPM, CVAE-DD, WGAN-GP	医学影像	未明确提及样本数量，但使用了[18F]MK6240研究数据
571	2025-08-06	Cascade learning in multi-task encoder-decoder networks for concurrent bone segmentation and glenohumeral joint clinical assessment in shoulder CT scans 2025-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103131 PMID:40279875	research paper	提出了一种创新的深度学习框架，用于处理肩部CT扫描，实现近端肱骨和肩胛骨的语义分割、骨表面3D重建、GH关节区域识别以及三种常见骨关节炎相关疾病的分期	采用级联CNN架构（3D CEL-UNet和3D Arthro-Net）同时实现骨分割和临床评估，在重建精度和分类准确率上优于现有技术	研究基于回顾性数据集，可能需要在前瞻性研究中进一步验证	开发人工智能工具以优化肩关节置换术前规划流程	肩部CT扫描图像	digital pathology	osteoarthritis	CT扫描	3D CEL-UNet, 3D Arthro-Net	3D医学影像	571例具有不同程度GH骨关节炎相关病变的患者CT扫描
572	2025-08-06	A comprehensive review of ICU readmission prediction models: From statistical methods to deep learning approaches 2025-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103126 PMID:40300338	综述	本文全面回顾了ICU再入院预测模型的研究，从统计方法到深度学习方法	总结了统计、机器学习和深度学习模型在ICU再入院预测中的应用，并探讨了当前方法的挑战和局限性	现有模型在预测精度上仍需提升，以满足计算机化决策支持工具的需求	评估ICU再入院预测模型的研究现状，指导未来研究和发展	ICU再入院预测模型	机器学习	重症监护	统计方法、机器学习(ML)、深度学习(DL)	NA	NA	NA
573	2025-08-06	Coalescence and Translation: A Language Model for Population Genetics 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.24.661337 PMID:40666889	研究论文	本文提出了一种基于语言模型的种群遗传学方法，通过深度学习技术从合成遗传数据中推断隐藏的进化过程	将合并时间的推断重新定义为两种生物语言之间的翻译问题，并开发了基于transformer的模型cxt，能够高效地进行大规模推断	模型依赖于合成数据进行训练，可能在实际应用中对真实数据的适应性存在局限	开发一种灵活、可扩展的方法来推断基因组数据的谱系历史	种群遗传学中的合并事件和祖先重组图(ARG)	机器学习	NA	深度学习	transformer	基因组数据	在stdpopsim目录的模拟数据上进行训练，可产生超过100万个合并预测
574	2025-08-06	FIR-LSTM: An Explainable Deep Learning Framework for Predicting Iatrogenic Withdrawal Syndrome in Pediatric Intensive Care Units 2025-Jun-25, Research square DOI:10.21203/rs.3.rs-6787167/v1 PMID:40678213	研究论文	开发了一个可解释的深度学习框架FIR-LSTM，用于预测儿科重症监护病房中的医源性戒断综合征	结合单向多层LSTM网络和层间相关性传播(LRP)技术，提供实时风险评分和关键风险因素的可解释性	研究仅基于电子健康记录(EHRs)，未考虑其他可能影响IWS的因素	早期预测儿科ICU患者中的医源性戒断综合征(IWS)，以促进及时干预和改善患者预后	儿科重症监护病房(PICU)患者	机器学习	医源性戒断综合征	层间相关性传播(LRP)	LSTM	电子健康记录(EHRs)	NA
575	2025-08-06	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2025-Jun-18, ArXiv PMID:40735097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）系列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对8种不同的MRI系列进行分类，并比较它们的性能，同时研究了不同训练数据量对模型性能的影响	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率有所下降，表明其在跨数据集泛化能力上存在一定局限性	开发一种高效的深度学习模型，用于准确分类多参数磁共振成像（mpMRI）系列类型	多参数磁共振成像（mpMRI）系列	计算机视觉	NA	mpMRI	ResNet, EfficientNet, DenseNet	图像	超过729项研究数据
576	2025-08-06	Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model 2025-05-07, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01177 PMID:40241681	研究论文	该论文利用单分子表面增强拉曼光谱（SERS）和深度学习模型，首次实现了对脯氨酸和羟脯氨酸的单分子水平区分	首次结合等离子体孔内颗粒传感器、单分子SERS光谱的出现频率直方图和1D-CNN模型，实现了对羟基化的单分子水平区分，准确率达96.6%	信号波动和柠檬酸盐的强干扰可能影响分析结果	开发一种能够区分低丰度羟基化的方法，用于早期疾病诊断和治疗开发	脯氨酸和羟脯氨酸的单分子SERS信号	机器学习	NA	单分子表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA
577	2025-08-06	DRExplainer: Quantifiable interpretability in drug response prediction with directed graph convolutional network 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103101 PMID:40056540	研究论文	提出了一种名为DRExplainer的新型可解释预测模型，用于预测癌细胞系对治疗药物的反应	利用有向图卷积网络在有向二分网络框架中增强预测，并引入可量化的模型解释方法	未提及具体的数据集规模或实验限制	提高药物反应预测的准确性和可解释性	癌细胞系和药物	机器学习	癌症	多组学分析	有向图卷积网络	多组学数据、药物化学结构	NA
578	2025-08-06	Deep learning based estimation of heart surface potentials 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103093 PMID:40073713	研究论文	本研究开发了一种基于深度学习的框架，旨在仅通过体表电位估计心脏表面电位，以简化临床操作并扩大应用范围	提出了一种新的深度学习框架，将3D躯干和心脏几何形状转换为标准2D表示，并开发了定制的Pix2Pix网络模型，无需CT/MRI即可实现心脏表面电位的精确估计	研究样本量相对较小（40例），且未明确说明模型在不同疾病类型中的泛化能力	开发一种无需几何成像信息即可估计心脏表面电位的深度学习方法	健康受试者和特发性心室颤动患者的心脏表面电位	数字病理	心血管疾病	深度学习	Pix2Pix网络	2D体表电位图和心脏表面电位图	11名健康受试者（8女3男）和29名特发性心室颤动患者（11女18男）
579	2025-08-06	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	研究论文	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像(WSI)的分类识别，通过语义相关性聚类实现跨域知识迁移	依赖于动物模型与人类WSI之间的域适应效果，可能受限于域间差异	解决病理图像样本获取和标注困难的问题，提升组织病理学图像分类性能	小鼠模型组织病理学图像和人类全切片图像(WSI)	数字病理学	癌症	无监督域适应方法	深度学习模型	组织病理学图像	未明确说明具体样本数量
580	2025-08-06	Deep learning method for malaria parasite evaluation from microscopic blood smear 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103114 PMID:40107120	系统综述	本文系统综述了当前用于疟疾诊断中疟原虫自动分析的方法，特别关注计算机辅助方法，包括数据库、血涂片类型、染色技术和诊断模型	识别了三类最适合疟疾数字诊断的机器学习模型，并讨论了提高模型准确性的预处理和后处理技术	数据标准化和实际应用中的挑战仍未解决	提高疟疾诊断的准确性和减少人为错误	疟原虫属在疟疾诊断中的自动分析方法	数字病理学	疟疾	Giemsa染色薄血涂片	ResNet, VGG, CNN, CADx	图像	2020年至2024年的同行评审和已发表研究