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	2025-06-16	Predicting peroxisome proliferator-activated receptor gamma potency of small molecules: a synergistic consensus model and deep learning binding affinity approach powered by Enalos Cloud Platform 2025-Jun-14, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11230-6 PMID:40515966	研究论文	本研究介绍了两种先进的计算机模型，用于预测靶向PPARγ的小分子化合物的结合亲和力和生物活性	开发了基于分子对接分数的神经网络分类器和结合随机森林、支持向量机及k近邻算法的共识模型，用于预测小分子的PPARγ拮抗活性	模型验证虽遵循OECD指南，但样本量相对较小（34种PFAS物质）	支持抗糖尿病治疗中PPARγ调节剂的发现	靶向PPARγ的小分子化合物	机器学习	糖尿病	分子对接、虚拟筛选	神经网络、随机森林、支持向量机、k近邻	分子描述符数据	34种PFAS物质
562	2025-06-16	Predicting pulmonary hemodynamics in pediatric pulmonary arterial hypertension using cardiac magnetic resonance imaging and machine learning: an exploratory pilot study 2025-Jun-14, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03434-6 PMID:40515976	研究论文	本研究探索了利用机器学习从非侵入性心脏磁共振（CMR）电影图像中预测儿童肺动脉高压（PAH）患者的肺动脉血流动力学的潜力	首次将深度学习模型应用于儿童PAH患者的非侵入性CMR图像，以预测肺动脉压力和血管阻力指数	样本量较小（40例），且为回顾性研究，结果需要更大规模的前瞻性研究验证	探索非侵入性方法替代心导管检查评估儿童PAH患者的血流动力学参数	儿童肺动脉高压患者	医学影像分析	肺动脉高压	心脏磁共振成像（CMR）	深度学习模型	医学影像	40例儿童PAH患者的CMR研究
563	2025-06-16	Optimizing stroke detection with genetic algorithm-based feature selection in deep learning models 2025-Jun-14, Applied neuropsychology. Adult DOI:10.1080/23279095.2025.2516259 PMID:40516039	研究论文	本研究探讨了基于遗传算法的特征选择与三种深度学习架构（InceptionV3、VGG19和MobileNetV2）的集成，以提升神经影像数据中的中风检测效果	将遗传算法与MobileNetV2结合用于特征选择，显著提高了分类准确率并降低了计算复杂度，这是相对于传统CNN流程的创新点	研究仅针对神经影像数据中的中风检测，未涉及其他类型的医学影像或疾病	开发准确且高效的中风诊断模型	神经影像数据中的中风检测	数字病理学	心血管疾病	遗传算法（GA）	InceptionV3, VGG19, MobileNetV2	图像	NA
564	2025-06-16	Mindset Matters: Exploring the Link Between Mindsets, Learning Intentions, and Performance in Biomedical Science Students 2025-Jun-14, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00012.2025 PMID:40516929	research paper	探讨了生物医学科学学生的思维方式、学习意图与学术表现之间的关系	首次研究了学生思维方式与学习意图之间的关系，并通过混合方法验证了成长型思维对学术表现的积极影响	样本仅限二年级生物医学科学学生，结果可能不适用于其他学科或年级	探索思维方式如何影响学生的学习意图和学术表现	256名二年级生物医学科学学生	教育心理学	NA	混合方法研究（定性与定量分析）	NA	问卷回答（文本）和学术成绩（数值）	256名二年级生物医学科学学生
565	2025-06-16	Predicting time to live birth with deep learning embryo ranking: a novel multiple imputation approach 2025-Jun-13, Human reproduction (Oxford, England) DOI:10.1093/humrep/deaf102 PMID:40514039	研究论文	本研究探讨了胚胎选择算法在预测活产时间（TTLB）中的临床效用，并展示了其相对于手动排名的潜在优势	采用多重插补方法估计胚胎选择算法的临床效用，提高了TTLB预测的准确性	方法依赖于对缺失结果的准确预测，且TTLB估计仅适用于特定数据集	评估胚胎选择算法在预测活产时间中的临床效用	3783个治疗周期中的17914个可用胚胎	机器学习	生殖健康	多重插补链式方程（MICE）	深度学习	胚胎数据	3783个治疗周期，17914个胚胎
566	2025-06-16	Quantitative and qualitative assessment of ultra-low-dose paranasal sinus CT using deep learning image reconstruction: a comparison with hybrid iterative reconstruction 2025-Jun-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11763-2 PMID:40514598	research paper	本研究评估了超低剂量鼻窦CT结合深度学习图像重建（DLR）在定量和定性表现上相较于混合迭代重建（IR）的优势	首次在超低剂量鼻窦CT中比较DLR与混合IR的性能，证明DLR在降低图像噪声、提高信噪比和对比噪声比方面的显著优势	研究为回顾性分析，样本量相对有限（132例患者）	评估超低剂量CT结合DLR在鼻窦术前成像中的性能	接受超低剂量鼻窦CT扫描的患者	医学影像分析	鼻窦疾病	超低剂量CT扫描	DLR（深度学习图像重建）	CT图像	132例患者
567	2025-06-16	MOPSOGAT: Predicting CircRNA-Disease Associations via Improved Multi-objective Particle Swarm Optimization and Graph Attention Network 2025-Jun-13, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00725-3 PMID:40514639	研究论文	提出了一种名为MOPSOGAT的新方法，通过改进的多目标粒子群优化算法和图注意力网络预测circRNA与疾病的关联	首次将多目标粒子群优化算法用于优化图注意力网络的参数，并提出了一种解决异构图节点类型分布不均导致特征学习受限的方法	未明确说明方法在更大规模数据集上的适用性或计算效率	优化circRNA与疾病关联预测模型的性能	circRNA与疾病的关联关系	生物信息学	多种疾病	多目标粒子群优化(MOPSO)、图注意力网络	MOPSOGAT(结合MOPSO和GAT)	生物分子关联数据	NA
568	2025-06-16	Application of deep learning-based facial pain recognition model for postoperative pain assessment 2025-Jun-13, 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	结合临床和实验室数据集，开发了基于VGG16的面部疼痛识别软件，为临床疼痛识别提供了新方法	高质量临床数据集有限，且缺乏针对真实世界模型部署的研究	探索深度学习在术后疼痛评估中的应用	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
569	2025-06-16	Prediction of NIHSS Scores and Acute Ischemic Stroke Severity Using a Cross-attention Vision Transformer Model with Multimodal MRI 2025-Jun-13, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.031 PMID:40517096	research paper	本研究开发并评估了使用多模态MRI数据对急性缺血性卒中（AIS）患者神经功能缺损严重程度进行分类的模型	提出了一种基于Vision Transformer（ViT）框架的深度学习模型，采用跨模态融合策略，显著提高了分类性能	在BMI组中观察到显著的预测差异（p < 0.001），表明模型在该亚组中的性能可能受限	开发非侵入性且高效的工具，用于分类急性缺血性卒中的严重程度	1227名急性缺血性卒中患者	digital pathology	cardiovascular disease	multimodal MRI	Vision Transformer (ViT)	MRI图像	1227名AIS患者（分为轻度NIHSS<5和中重度NIHSS≥5组）
570	2025-06-16	ISAR Dataset for the Recognition of Conical Targets with Micro-Motion 2025-Jun-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05193-4 PMID:40506549	研究论文	本文介绍了ISAR微动数据集(IMD)，一个基于全极化ISAR工作原理的模拟雷达回波数据集，用于评估不同方法的性能	提出了首个公开可用的ISAR微动数据集，解决了现有研究依赖自建模拟数据的问题	数据集基于模拟生成，可能与实际雷达回波存在差异	为弹道微动目标识别研究提供标准化的评估数据集	弹道微动目标的雷达回波数据	雷达信号处理	NA	全极化ISAR电磁模拟	NA	雷达回波数据(包含方位角序列数据和目标静态电场数据)	未明确说明具体样本数量
571	2025-06-16	Artificial intelligence for radiotherapy dose prediction: A comprehensive review 2025-Jun-12, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3 DOI:10.1016/j.canrad.2025.104630 PMID:40513223	综述	本文对基于深度学习的放射治疗剂量预测方法进行了全面和批判性分析，重点关注卷积神经网络	深入探讨了深度学习在放射治疗剂量预测中的应用潜力，特别是在自动化剂量预测过程方面	仅涵盖了2018年至2024年间发表的文献，可能未包括最新的研究进展	评估和总结深度学习在放射治疗剂量预测中的应用，以指导未来研究并促进人工智能在临床工作流程中的安全有效整合	放射治疗中的剂量预测方法	数字病理	NA	深度学习	CNN	NA	NA
572	2025-06-16	Human-perceived vs actual built environment: Using human-centred GeoAI and street view images to support urban planning in Australia 2025-Jun-12, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.126070 PMID:40513273	研究论文	本研究探讨了人类感知与客观测量的建筑环境之间的关系，通过墨尔本大都会区的试点研究，使用街景图像和深度学习技术量化感知的建筑环境特征	结合人类感知与客观测量的建筑环境特征，使用GeoAI和街景图像量化'5D'城市设计维度，为城市规划提供可操作证据	研究仅在墨尔本大都会区进行试点，结果可能不具全国代表性；密度超过阈值时的感知变化机制需进一步研究	探索人类感知与客观建筑环境特征之间的关系，支持可持续城市规划	墨尔本大都会区的建筑环境	GeoAI	NA	深度学习	NA	街景图像	墨尔本大都会区的街景图像数据集
573	2025-06-16	Modeling decision-making during unprotected left turns using interpretable deep learning and uncertainty quantification 2025-Jun-12, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108136 PMID:40513415	研究论文	本研究通过可解释深度学习和不确定性量化，分析了驾驶员在无保护左转场景中的决策过程及其与安全性的关系	首次从决策不确定性角度分析无保护左转决策机制，结合transformer模型与SHAP解释方法识别关键变量，并利用Jensen-Shannon散度量化决策不确定性	研究仅针对两种特定无保护左转场景（让行与直行），未涵盖所有可能的交通交互情况	理解无保护左转场景中的人类决策机制及其安全影响，为自动驾驶决策框架提供依据	驾驶员在无保护左转场景中的决策行为	自动驾驶	NA	transformer模型, Shapley Additive Explanations(SHAP), Jensen-Shannon散度	transformer	驾驶行为数据	NA
574	2025-06-16	Assessing risk of groundwater pollution exposure from sea level rise in California 2025-Jun-12, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179695 PMID:40513440	研究论文	该研究利用深度学习和可解释人工智能（XAI）模型评估加利福尼亚州因海平面上升导致的地下水污染暴露风险	结合深度学习和XAI模型量化地下水污染风险，并识别关键风险预测因子	模型在空间自相关性方面存在泛化挑战，仅适用于特定区域分析	评估海平面上升导致的地下水污染暴露风险	加利福尼亚州沿海含水层及2296个危险站点	环境科学	NA	深度学习、可解释人工智能（XAI）	NA	地下水数据、社会经济数据、人口统计数据	2296个危险站点
575	2025-06-16	Accelerating Diffusion: Task-Optimized latent diffusion models for rapid CT denoising 2025-Jun-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110517 PMID:40513477	research paper	提出一种结合潜在扩散模型和冷扩散过程的低剂量CT去噪新框架，以提高计算效率和去噪性能	首次将潜在扩散模型与冷扩散过程结合用于CT去噪，显著提升了训练和采样速度	未提及具体临床验证结果或实际部署中的潜在问题	开发高效的低剂量CT图像去噪方法以减少辐射风险	低剂量CT图像	digital pathology	NA	Latent Diffusion Model, Cold Diffusion Process	LDM, DDPM	CT图像	NA
576	2025-06-16	Multimodal deep learning for enhanced breast cancer diagnosis on sonography 2025-Jun-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110466 PMID:40513478	研究论文	本研究介绍了一种新型多模态深度学习模型，用于通过双视角乳腺超声图像（径向和反径向视图）及相应的放射学报告区分良性和恶性乳腺肿块	提出了一种结合图像和文本模态的多模态深度学习模型，显著提升了乳腺癌症诊断的准确率，并超越了现有的单模态模型和基础模型如CLIP和MedCLIP	NA	提升乳腺癌症诊断的准确性和效率	良性和恶性乳腺肿块	数字病理学	乳腺癌	多模态深度学习	多模态深度学习模型	图像和文本	NA
577	2025-06-16	A transfer learning-enhanced deep learning framework for efficient and interpretable soil heavy metal pollution prediction under data scarcity and spatial heterogeneity 2025-Jun-12, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138926 PMID:40516468	研究论文	提出了一种基于迁移学习的深度学习框架，用于在数据稀缺和空间异质性条件下高效且可解释地预测土壤重金属污染	结合迁移学习和卷积神经网络（CNN），提出TL-CNN框架，整合多源异构数据（包括遥感、网络和实地采样数据），并通过GradSHAP解释模块提高模型的可解释性	未明确提及具体局限性，但数据稀缺和空间异质性可能仍是潜在挑战	高效且可解释地预测土壤重金属污染，促进可持续土壤管理	土壤重金属污染	机器学习	NA	迁移学习（TL）、深度学习（DL）、卷积神经网络（CNN）	TL-CNN	遥感数据、网络数据、实地采样数据（包括空间区域化特征）	NA（未明确提及具体样本数量，但研究基于韶关市2018-2022年的数据）
578	2025-06-16	Commentary on "Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection" by Gencer et al., 2025 2025-Jun-12, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104666 PMID:40516582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
579	2025-06-16	Deep learning-driven automated high-content dSTORM imaging with a scalable open-source toolkit 2025-Jun-11, Biophysical reports IF:2.4Q3 DOI:10.1016/j.bpr.2025.100201 PMID:40023500	研究论文	介绍了一种基于深度学习的开源工具包，用于自动化dSTORM超分辨率显微镜成像	开发了一个开源工具包，利用深度学习进行分割和物体检测，自动化dSTORM超分辨率显微镜成像，提高了处理速度和鲁棒性	未提及具体的性能对比数据或在不同样本类型上的普适性验证	开发自动化、用户独立的工作流程以提高超分辨率显微镜的效率和易用性	生物医学图像，如细胞培养中的微管和神经纤维中的βII-血影蛋白	数字病理学	NA	dSTORM超分辨率显微镜	深度学习	图像	未提及具体样本数量，但包括细胞培养和神经纤维等生物样本
580	2025-06-16	Identification of Atypical Scoliosis Patterns Using X-ray Images Based on Fine-Grained Techniques in Deep Learning 2025-Jun-11, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251349999 PMID:40500925	研究论文	本研究开发了一种基于深度学习的细粒度分类模型，利用X射线图像筛查脊柱侧弯，并进一步筛查与Chiari畸形I型（CMS）相关的非典型脊柱侧弯模式	基于ResNet-50网络构建了多种模型，包括ResNet-50 Coronal、ResNet-50 Sagittal等，用于筛查非典型脊柱侧弯模式，部分模型性能甚至超过了资深脊柱外科医生	研究样本量相对较小，仅包含508对X射线图像	开发能够准确筛查与CMS相关的非典型脊柱侧弯模式的深度学习模型	Chiari畸形I型（CMS）患者、青少年特发性脊柱侧弯（AIS）患者和正常对照（NC）的X射线图像	计算机视觉	脊柱侧弯	深度学习	ResNet-50	X射线图像	508对冠状面和矢状面X射线图像