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
601	2025-05-29	Deep learning-based intraoperative visual guidance model for ureter identification in laparoscopic sigmoidectomy 2025-Jun, Surgical endoscopy DOI:10.1007/s00464-025-11694-5 PMID:40263136	研究论文	本研究评估了一种基于深度学习的计算机视觉模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的性能	开发了基于语义分割算法的深度学习模型，用于腹腔镜手术中输尿管的实时识别，并实现了高精度的实时操作	样本量有限，手术方法缺乏多样性，手术过程不完整，且缺乏外部验证	评估深度学习模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的可行性	腹腔镜乙状结肠切除术中的左侧输尿管	计算机视觉	NA	语义分割算法	YOLO 8 和 YOLO 11	视频	86 例腹腔镜乙状结肠切除术录像，1237 张手动标注的图像
602	2025-05-29	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	研究论文	开发并验证了一种基于MRI的深度学习放射组学模型（DLRM），用于预测肺癌患者脑转移（BrMs）手术切除后的无复发生存期（RFS）	整合了临床和形态学MRI预测因子、手工特征和深度学习特征，构建了一个新的DLRM模型，用于预测RFS	研究为回顾性设计，样本量相对较小（215例患者），且仅基于五个中心的数据	预测肺癌患者脑转移手术切除后的无复发生存期	肺癌患者（215例）	数字病理学	肺癌	MRI	深度学习放射组学模型（DLRM）	图像	215例肺癌患者（167例训练集，48例外部测试集）
603	2025-05-29	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	research paper	该研究验证了一种基于深度学习的肝脏病灶检测和分类模型在结直肠癌患者分期CT扫描中的应用	该模型在肝脏病灶检测和分割方面表现出色，尤其是对于亚厘米级病灶，且作为结直肠癌分期筛查工具具有潜力	分类准确性中等，特异性较低	验证深度学习模型在结直肠癌患者分期CT扫描中肝脏病灶检测和分类的性能	结直肠癌患者的肝脏病灶	digital pathology	colorectal cancer	CT扫描	UNet	image	220例结直肠癌分期CT扫描（2014-2019年）
604	2025-05-29	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-Jun-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	综述	本文探讨了深度学习和机器学习算法在评估糖尿病黄斑水肿患者对抗VEGF治疗反应中的应用	利用AI技术区分对抗VEGF治疗有反应和无反应的患者，并评估多种机器学习算法的效果	研究基于2016至2023年间发表的50篇相关论文，可能存在发表偏倚	评估AI算法在分析糖尿病黄斑水肿患者对抗VEGF治疗反应中的有效性	糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	深度学习, 机器学习	LDA, ResNet-50, CNN with attention, QDA, RF, SVM	医学图像, 临床数据	50篇相关论文
605	2025-05-29	DeepMBEnzy: An AI-Driven Database of Mycotoxin Biotransformation Enzymes 2025-May-28, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c02477 PMID:40378051	研究论文	开发了一个名为DeepMBEnzy的AI驱动数据库，用于预测和存档霉菌毒素生物转化酶	通过微调预训练模型并使用冷蛋白数据分割方法，开发了EPP-MB模型，用于预测霉菌毒素生物转化酶，并构建了DeepMBEnzy数据库	目前仅识别了少数霉菌毒素生物转化酶，且模型的验证准确率为79%，仍有提升空间	促进霉菌毒素解毒研究和应用中的酶候选物的探索和利用	霉菌毒素及其生物转化酶	机器学习	NA	深度学习	预训练模型微调	蛋白质数据	超过4000种霉菌毒素
606	2025-05-29	Data augmentation using masked principal component representation for deep learning-based SSVEP-BCIs 2025-May-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/add9d1 PMID:40378852	研究论文	本研究提出了一种基于主成分表示掩码的数据增强方法（MPCR），用于提升基于稳态视觉诱发电位的脑机接口（BCI）中深度学习模型的分类准确率	提出了一种新的组件级数据增强方法MPCR，通过主成分表示和随机掩码策略引入随机扰动，同时保留EEG信号的主要内在结构	未明确提及具体局限性，但暗示当前信号级数据增强方法可能导致EEG信号显著失真	提升基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）中深度学习模型的分类准确率	稳态视觉诱发电位（SSVEP）和脑电图（EEG）信号	脑机接口（BCI）	NA	主成分分析（PCA）和随机掩码策略	深度学习模型（未指定具体类型）	脑电图（EEG）信号	两个广泛使用的公共数据集（未明确样本数量）
607	2025-05-29	Human and Deep Learning Predictions of Peripheral Lung Cancer Using a 1.3 mm Video Endoscopic Probe 2025-May-28, Respirology (Carlton, Vic.) DOI:10.1111/resp.70057 PMID:40433758	研究论文	本研究评估了不同经验水平的医生和人工智能在Iriscope外周内窥镜检查中预测小外周肺结节恶性性质的能力	首次结合1.3毫米视频内窥探头Iriscope与深度学习模型，比较人类医生与AI对小外周肺结节的诊断能力	样本量较小（61例患者），且深度学习模型的表现未超越资深医生	评估Iriscope外周内窥镜技术结合AI在诊断小外周肺结节恶性性质中的应用价值	外周肺结节（PPNs）患者	数字病理学	肺癌	r-EBUS支气管镜检查结合Iriscope视频内窥镜技术	深度学习模型（未指定具体类型）	内窥镜视频图像	61例患有小外周肺结节（中位大小15毫米）的患者
608	2025-05-29	Soft Bioelectronic Interfaces for Continuous Peripheral Neural Signal Recording and Robust Cross-Subject Decoding 2025-May-28, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202414732 PMID:40433949	研究论文	本研究开发了一种低阻抗、柔软的导电聚合物电极，用于连续可靠地记录外周神经信号，并结合手工和深度学习特征改进了解码模型的泛化能力	引入低阻抗柔软导电聚合物电极，结合手工和深度学习特征以及参数共享和适应训练策略，显著提高了解码模型的跨主体泛化能力	研究仅在小动物模型中进行，尚未在人类身上验证	推进神经科学研究，开发神经系统疾病的治疗方法，创建可靠的人机接口	外周神经组织和神经活动信号	生物电子接口	神经系统疾病	神经信号记录和解码技术	神经网络模型	神经生理信号	清醒动物模型
609	2025-05-29	Brain stimulation outcome prediction in Major Depressive Disorder by deep learning models using EEG representations 2025-May-28, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2511222 PMID:40434017	research paper	该研究利用深度学习模型基于脑电图（EEG）表征预测重度抑郁症（MDD）患者对重复经颅磁刺激（rTMS）治疗的反应	开发了一种基于三种预训练卷积神经网络（DenseNet121、EfficientNetB0和Xception）的深度混合神经网络，用于从三种EEG表征中预测治疗效果，其中使用原始EEG图像序列的分类准确率最高达到94.7%	研究样本量较小（83名患者），且未提及模型在其他独立数据集上的验证情况	开发个体化治疗选择框架，以节省MDD患者的治疗时间和成本，并避免可能的副作用	83名接受rTMS治疗的MDD患者	digital pathology	geriatric disease	EEG, rTMS	CNN (DenseNet121, EfficientNetB0, Xception)	EEG信号（包括小波变换图像、电极间连接矩阵和原始EEG信号）	83名MDD患者
610	2025-05-29	Estimating Total Lung Volume from Pixel-Level Thickness Maps of Chest Radiographs Using Deep Learning 2025-May-28, Radiology. Artificial intelligence DOI:10.1148/ryai.240484 PMID:40434310	research paper	使用深度学习模型从胸部X光片的像素级厚度图中估计总肺容积	利用U-Net深度学习模型生成肺厚度图，从合成和真实的胸部X光片中估计总肺容积	研究仅基于有限的公开数据集和72名参与者的数据，可能无法完全代表所有人群	从胸部X光片中准确估计总肺容积	胸部X光片和CT扫描数据	digital pathology	chronic obstructive pulmonary disease	deep learning, forward projection of CT scans	U-Net	image	5,959 chest CT scans from public datasets and 72 participants with corresponding chest radiographs
611	2025-05-29	Spatio-Temporal Calcium Signaling Patterns Underlying Opposing Effects of Histamine and TAS2R agonists in Airway Smooth Muscle 2025-May-28, American journal of physiology. Lung cellular and molecular physiology DOI:10.1152/ajplung.00058.2025 PMID:40434402	研究论文	本研究通过单细胞显微镜和基于深度学习的图像分割技术，探究了组胺和苦味受体激动剂在气道平滑肌细胞中钙信号时空动态的差异	揭示了苦味受体激动剂通过独特的钙离子区室化机制引起气道平滑肌松弛的新机制	研究仅关注了钙信号通路，可能忽略了其他潜在的调控机制	比较组胺和苦味受体激动剂对气道平滑肌钙信号和离子通道动态的不同影响	气道平滑肌细胞	细胞生物学	哮喘	单细胞显微镜成像、深度学习图像分割	ASM离子通道动力学模型	图像数据	NA
612	2025-05-29	Toward diffusion MRI in the diagnosis and treatment of pancreatic cancer 2025-May-28, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-025-02759-5 PMID:40434720	research paper	本文探讨了扩散磁共振成像（dMRI）在增强胰腺癌诊断和治疗中的潜力	结合扩散加权成像（DWI）、扩散张量成像（DTI）、体素内不相干运动（IVIM）和扩散峰度成像（DKI）等扩散技术，以及新兴的AI分析，提供了对组织微观结构的洞察	存在标准化协议和稳健数据分析流程的挑战	探索dMRI在胰腺癌诊断和治疗中的应用	胰腺癌	数字病理	胰腺癌	dMRI, DWI, DTI, IVIM, DKI	deep learning	MRI图像	NA
613	2025-05-29	TRG-Net: An Interpretable and Controllable Rain Generator 2025-May-27, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3565726 PMID:40424114	research paper	提出了一种基于深度学习的可解释和可控的雨生成器TRG-Net，用于增强配对数据以简化雨天图像处理模型的训练	TRG-Net不仅精细设计了雨的基本要素以模拟预期雨水，还能适应复杂多样的实际雨天图像，且无需雨要素标签即可从数据中学习这些要素的分布	未明确提及具体限制，但可能受限于训练数据的多样性和数量	探索和建模雨生成机制，以增强配对数据，简化雨天图像处理模型的训练	雨天图像	computer vision	NA	深度学习	TRG-Net	image	未明确提及具体样本数量
614	2025-05-29	A Deep Learning-based Method for Predicting the Frequency Classes of Drug Side Effects Based on Multi-Source Similarity Fusion 2025-May-27, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf319 PMID:40424358	research paper	提出了一种基于多源相似性融合的深度学习方法MSSF，用于预测药物副作用的频率类别	利用多源特征融合模块和自注意力机制深入探索药物与副作用之间的关系，并采用贝叶斯变分推断更准确地预测药物副作用的频率类别	现有方法通常在五个频率类别上构建回归模型，容易过拟合训练集，导致边界处理问题和过拟合风险	预测药物副作用在人群中的频率类别，以指导患者用药和药物开发	药物副作用	machine learning	NA	multi-source similarity fusion, self-attention mechanism, Bayesian variational inference	MSSF	multi-source data	NA
615	2025-05-29	Frontalis Only Contracts in One Direction: AI-Quantum Elasticity and Resistance Gradient Reveals True Nature of Forehead Muscle Movement 2025-May-27, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04924-7 PMID:40425886	research paper	本研究通过AI驱动的生物力学模型和量子弹性与阻力梯度（QERG）模型，揭示了额肌收缩的单向性及其与皮肤相互作用的机制	引入了量子弹性与阻力梯度（QERG）模型，挑战了传统的双向收缩理论，并通过AI模型高精度预测皮肤行为	研究样本虽多样化，但可能未涵盖所有可能的种族和年龄组，且证据等级为III级，需进一步验证	探究额肌收缩的生物力学特性及其与皮肤相互作用的真实机制	额肌收缩及其对皮肤的动态影响	生物力学	NA	深度学习框架（TensorFlow, PyTorch）、有限元分析、随机森林、深度神经网络	AI-driven biomechanical model, QERG model	3D面部扫描数据	600名不同种族、性别和年龄的受试者
616	2025-05-29	Reply to Commentary on "Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review" 2025-May-27, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04938-1 PMID:40425882	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
617	2025-05-29	Development of a No-Reference CT Image Quality Assessment Method Using RadImageNet Pre-trained Deep Learning Models 2025-May-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01542-2 PMID:40425960	研究论文	提出了一种基于RadImageNet预训练深度学习模型的无参考CT图像质量评估方法	利用结合噪声和模糊两种退化因素的数据集训练CNN模型，并采用RadImageNet预训练模型增强对真实世界退化的适应性	仅考虑了噪声和模糊两种退化因素，可能未涵盖所有实际临床中的退化类型	开发一种无需参考图像即可准确评估CT图像质量的方法	CT图像	计算机视觉	NA	深度学习	CNN（ResNet50, DenseNet121, InceptionV3, InceptionResNetV2）	图像	人工退化图像数据集和真实临床图像数据集
618	2025-05-29	Deep Learning Auto-segmentation of Diffuse Midline Glioma on Multimodal Magnetic Resonance Images 2025-May-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01557-9 PMID:40425959	研究论文	开发了一种基于改进CNN的3D-Unet工具，用于自动准确分割弥漫性中线胶质瘤（DMG）在磁共振（MR）图像中的区域	首次针对DMG开发了自动分割工具，采用改进的3D U-Net架构，结合多种MR图像序列，实现了高精度的肿瘤分割	样本量相对较小（52名患者，70张图像），且仅针对特定类型的儿科脑干癌	提高DMG肿瘤分割的自动化水平和准确性，以支持诊断和预测模型的开发	弥漫性中线胶质瘤（DMG）H3 K27M突变型患者的MR图像	数字病理学	脑癌	磁共振成像（MRI）	3D U-Net with residual blocks	图像	52名DMG患者，70张MR图像（包含T1W、T2W和FLAIR序列）
619	2025-05-29	PlaNet-S: an Automatic Semantic Segmentation Model for Placenta Using U-Net and SegNeXt 2025-May-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01549-9 PMID:40425958	研究论文	本研究开发了一个名为PlaNet-S的自动胎盘语义分割模型，结合了U-Net和SegNeXt架构	通过集成学习结合U-Net和SegNeXt架构，提出了一种新的胎盘自动分割模型PlaNet-S，显著提高了分割精度	与U-Net++的性能差异无统计学意义，且样本量相对有限	开发一个全自动的胎盘语义分割模型，以解决医生辅助手动分割耗时的问题	218名疑似胎盘异常的孕妇的MRI图像	数字病理学	胎盘异常	MRI	U-Net, SegNeXt, 集成学习	图像	218名孕妇的1090张标注图像
620	2025-05-29	GICL: A Cross-Modal Drug Property Prediction Framework Based on Knowledge Enhancement of Large Language Models 2025-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00895 PMID:40432191	research paper	提出了一种基于知识增强的大型语言模型的跨模态药物属性预测框架GICL	整合了LLM生成的嵌入与分子图像表示，通过跨模态对比学习实现分子特征的全面理解	未提及具体的数据质量问题或结构复杂性如何影响模型性能	提高药物属性预测的准确性和效率，促进药物设计和发现	药物分子	machine learning	NA	跨模态对比学习	LLM	SMILES字符串、分子图像	未提及具体样本数量