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	2025-05-20	Deep Learning for Ocean Forecasting: A Comprehensive Review of Methods, Applications, and Datasets 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3539990 PMID:40168238	综述	本文全面回顾了基于深度学习的海洋预报研究，包括模型架构、时空多尺度及可解释性，并探讨了结合理论驱动与数据驱动模型的混合架构的可行性	展示了深度学习在挖掘海洋学时空数据中的模式和深度洞察方面的潜力，为海洋预报领域的革新提供了新的可能性	讨论了当前研究的局限性，并展望了未来趋势	探索深度学习在海洋预报中的应用，以补充传统数值海洋预报的不足	海洋预报	机器学习	NA	深度学习	NA	时空数据	NA
602	2025-05-20	Deep-learning-assisted medium optimization improves hyaluronic acid production by Streptococcus zooepidemicus 2025-Jun, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.03.001 PMID:40189954	research paper	利用深度学习算法优化培养基，提高兽疫链球菌生产透明质酸的效率	采用深度学习算法优化培养基成分，显著提高了透明质酸的生产效率	未提及实验的重复性或模型的泛化能力	提高兽疫链球菌生产透明质酸的效率	兽疫链球菌及其生产的透明质酸	machine learning	NA	深度学习	DL	实验数据	初始训练数据集OA01-18和54种候选优化培养基OM01-54
603	2025-05-20	Histological tumor necrosis predicts decreased survival after neoadjuvant chemotherapy in head and neck squamous cell carcinoma 2025-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107287 PMID:40245786	研究论文	本研究探讨了新辅助放疗或放化疗对头颈部鳞状细胞癌（HNSCC）肿瘤免疫景观及患者生存的影响，并发现肿瘤坏死是预测不良预后的有用生物标志物	首次发现肿瘤坏死可作为预测HNSCC患者新辅助治疗反应的生物标志物，并成功开发了基于AI的深度学习方法用于识别组织病理学标本中的肿瘤坏死	研究样本量相对较小（n=53），且为回顾性研究，可能存在选择偏倚	研究新辅助放疗或放化疗对HNSCC肿瘤免疫景观及患者生存的影响，并寻找预测治疗反应的生物标志物	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	免疫组织化学染色，AI深度学习	深度学习	组织病理学图像	53例接受新辅助治疗的HNSCC患者，171例未接受新辅助治疗的HNSCC患者作为验证集
604	2025-05-20	SSA-sMLP: A venous thromboembolism risk prediction model using separable self-attention and spatial-shift multilayer perceptrons 2025-Jun, Thrombosis research IF:3.7Q1 DOI:10.1016/j.thromres.2025.109334 PMID:40344789	research paper	本研究提出了一种结合可分离自注意力和空间移位多层感知器的深度学习模型SSA-sMLP，用于静脉血栓栓塞症（VTE）的风险预测	通过可分离自注意力模块动态建模跨维度特征交互，改进的空间移位MLP（S-MLPv2）精确捕捉局部非线性关联，实现了特征交互建模效率和精度的双重提升	模型性能验证仅基于单一医院的数据集，可能影响泛化能力	开发高精度静脉血栓栓塞症风险预测模型以辅助临床决策	113,836份临床记录构成的多维度VTE数据集	machine learning	cardiovascular disease	深度学习	SSA-sMLP（结合可分离自注意力和S-MLPv2）	结构化临床数据	113,836份医院临床记录
605	2025-05-20	Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70062 PMID:40386872	research paper	本研究探讨了深度学习模型在脑肿瘤影像中预测虚拟对比增强的局限性，特别是在不同肿瘤类型和患者群体中的泛化能力	首次系统研究了深度学习模型在预测脑肿瘤影像对比增强时的泛化能力，揭示了跨肿瘤类型和患者群体的挑战	模型在特定肿瘤类型和数据集上表现良好，但在其他肿瘤类型和多样化患者群体中泛化能力有限	评估深度学习模型在脑肿瘤影像中预测虚拟对比增强的泛化能力	脑肿瘤患者	digital pathology	brain tumor	MRI	neural network	image	NA
606	2025-05-20	Transformer model based on Sonazoid contrast-enhanced ultrasound for microvascular invasion prediction in hepatocellular carcinoma 2025-May-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17895 PMID:40384312	research paper	本研究评估了基于Sonazoid对比增强超声的Transformer模型在肝细胞癌微血管侵犯术前预测中的价值	首次将Transformer模型应用于Sonazoid对比增强超声图像，用于预测肝细胞癌的微血管侵犯	研究为回顾性设计，样本量相对较小（164例患者）	开发有效的术前预测肝细胞癌微血管侵犯的方法	肝细胞癌患者	digital pathology	hepatocellular carcinoma	Sonazoid contrast-enhanced ultrasound (CEUS)	Transformer	ultrasound images	164例HCC患者
607	2025-05-20	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-May-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	评估联邦学习在多中心MRI数据集上用于肾肿瘤分割和分类的性能和可靠性	使用联邦学习作为隐私保护方案，在多中心数据集上训练深度学习模型，避免了数据共享的限制	研究为回顾性多中心研究，样本量相对有限，且仅在模拟机构环境中测试	评估联邦学习在肾肿瘤分割和分类中的性能与可靠性	肾肿瘤患者的多中心MRI数据	数字病理学	肾癌	MRI (T2WI和CE-T1WI序列)	nnU-Net (分割), ResNet (分类)	MRI图像	987名患者（来自6家医院），其中785名用于训练，104名用于验证，99名用于测试
608	2025-05-20	Baseline correction of Raman spectral data using triangular deep convolutional networks 2025-May-19, The Analyst DOI:10.1039/d5an00253b PMID:40384579	研究论文	提出了一种基于三角深度卷积网络的拉曼光谱数据基线校正方法	设计了一种新颖的深度学习网络架构，以提高基线校正的效果	未提及具体的数据集或样本量限制	提升拉曼光谱数据的基线校正性能	拉曼光谱数据	机器学习	NA	拉曼光谱	三角深度卷积网络	光谱数据	NA
609	2025-05-20	Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study 2025-May-19, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70057 PMID:40384598	研究论文	本研究旨在评估使用深度学习人工智能模型（AI-BV）通过便携式超声膀胱扫描仪（PUBS）测量膀胱体积的准确性，并与传统方法（C-BV）进行比较	首次在选定队列中使用深度学习AI模型通过便携式超声设备测量膀胱体积，并在内部验证中显示出比传统方法更高的准确性	研究结果需要在外部队列中进一步验证以确定其临床相关性	评估深度学习AI模型在膀胱体积测量中的准确性	250名因下尿路症状接受充盈性膀胱测压的患者（213名男性，37名女性）	数字病理	泌尿系统疾病	便携式超声膀胱扫描（PUBS）	深度学习AI模型	超声图像	250名患者（213男/37女）的1912张膀胱图像
610	2025-05-20	Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study 2025-May-19, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.23595 PMID:40387008	research paper	开发并验证了一个集成的深度学习模型，用于辅助诊断嗜酸性慢性鼻窦炎（eCRS）	首次使用CT图像和临床参数结合深度学习模型进行eCRS的非侵入性术前预测，并探索了预测结果的生物学基础	样本量相对较小，且仅来自两家医院，可能影响模型的泛化能力	开发一种非侵入性的术前预测方法，以辅助eCRS的诊断	嗜酸性慢性鼻窦炎（eCRS）患者	digital pathology	chronic rhinosinusitis	CT imaging, proteomic analysis	3D-ResNet, 3D-Xception, HR-Net, SVM	CT images, clinical parameters	1098名患者（来自两家医院），其中34名进行了蛋白质组学分析
611	2025-05-20	The Future of Parasomnias 2025-May-19, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	review	本文探讨了异态睡眠的未来发展，包括新型家庭诊断设备的开发、深度学习在异常多导睡眠图信号分类中的应用，以及大数据在预测神经退行性疾病风险中的作用	介绍了新型家庭诊断设备和深度学习在异态睡眠诊断中的应用，以及大数据在预测神经退行性疾病风险中的新信息	NA	探讨异态睡眠的诊断和治疗方法，以及相关神经退行性疾病的预测	异态睡眠患者，特别是REM睡眠行为障碍（RBD）和觉醒障碍（DOA）患者	医学	异态睡眠，神经退行性疾病	actigraphy, EEG headbands, 2D红外和3D飞行时间家庭摄像头，深度学习	深度学习	临床数据，认知数据，脑成像数据，DNA数据，多导睡眠图数据	NA
612	2025-05-20	The Application of Anisotropically Collapsing Gels, Deep Learning, and Optical Microscopy for Chemical Characterization of Nanoparticles and Nanoplastics 2025-May-19, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.5c00769 PMID:40387864	研究论文	本文提出了一种结合各向异性坍塌琼脂糖凝胶、荧光显微镜和酸碱滴定的精确方法，用于量化纳米颗粒表面的羧基密度	开发了一种新型方法，结合多种技术精确表征纳米颗粒表面化学性质，超越了电子显微镜的分辨率限制	纳米颗粒浓度和滴定条件对测定性能有重要影响，且不同类型纳米颗粒需要不同的荧光标记方法	精确表征纳米颗粒表面化学性质，研究其结构与功能的关系	光子上转换纳米颗粒(UCNPs)和荧光标记聚苯乙烯纳米颗粒(PNs)	纳米材料表征	NA	各向异性坍塌琼脂糖凝胶、荧光显微镜、酸碱滴定	NA	光学显微镜图像	两种类型纳米颗粒(UCNPs和PNs)
613	2025-05-20	DeepProtein: Deep Learning Library and Benchmark for Protein Sequence Learning 2025-May-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf165 PMID:40388205	research paper	本文介绍了DeepProtein，一个专为蛋白质相关任务设计的全面且用户友好的深度学习库	提出了DeepProtein库和基准测试，以及基于Prot-T5的DeepProt-T5模型，在多个蛋白质相关任务中实现了最先进的性能	NA	开发一个深度学习库和基准测试，以促进蛋白质科学中的深度学习应用	蛋白质序列和相关任务（如功能预测、亚细胞定位预测、蛋白质-蛋白质相互作用预测和结构预测）	machine learning	NA	deep learning	Prot-T5-based models	protein sequences	NA
614	2025-05-20	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-May-18, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	本文开发了一种深度学习框架，利用双神经网络提取真实的病毒SERS光谱并估计12种不同呼吸道病毒在水中的浓度系数	提出了一种新的深度学习框架，能够提取真实的病毒SERS光谱并估计浓度系数，从而增强数据集的多样性	研究主要针对水中的病毒样本，虽然在唾液背景中也有测试，但可能在其他复杂生物样本中的适用性有待验证	改进基于SERS的病毒分类和定量方法，提高物种识别和诊断的准确性	12种不同的呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	XGBoost	光谱数据	12种不同的呼吸道病毒样本
615	2025-05-20	Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs 2025-May-18, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00592 PMID:40383929	research paper	该研究探讨了结合深度核学习（DKL）的贝叶斯优化（BO）在材料设计中的应用，以提高高斯过程（GPs）在材料探索中的效率	提出将深度核学习（DKL）与高斯过程（GPs）结合，用于贝叶斯优化（BO），解决了GPs无法自动生成描述符的问题	在寻找具有最高居里温度的合金时，标准GP模型表现优于DKL模型，因为可以直接利用与居里温度强相关的描述符	提高材料探索中贝叶斯优化的效率	氧化物数据集（922个）和混合有机-无机钙钛矿合金（610个）的带隙、离子介电常数和电子有效质量	machine learning	NA	deep kernel learning (DKL), Gaussian processes (GPs), Bayesian optimization (BO)	DKL, GP	material property data	922 oxide data sets, 610 hybrid organic-inorganic perovskite alloys, 4560 alloys
616	2025-05-20	Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans 2025-May-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11666-2 PMID:40382487	research paper	开发一种深度学习算法，用于利用非对比CT扫描对蛛网膜下腔出血进行病因分类	使用ResNet变体的深度学习模型，首次在非对比CT扫描上实现了对蛛网膜下腔出血病因的高准确度分类	研究为回顾性设计，外部验证队列样本量较小(85例)	开发AI工具辅助急诊环境下蛛网膜下腔出血的快速病因诊断	618例蛛网膜下腔出血患者(305例动脉瘤性，228例非动脉瘤性)	digital pathology	cardiovascular disease	NCCT扫描	ResNet + U-Net++	CT图像	618例患者(训练集533例，外部测试集85例)
617	2025-05-20	Systems and synthetic biology for plant natural product pathway elucidation 2025-May-17, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115715 PMID:40382775	综述	本文总结了系统和合成生物学在植物代谢途径表征和工程中的应用进展	讨论了多种策略如共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究和蛋白质复合物识别，并通过案例研究展示了这些方法在解析复杂途径和增强重要天然产物生产中的应用	未提及具体实验数据或样本量的限制	探索植物天然产物途径的解析和工程化	植物代谢途径和天然产物	合成生物学	NA	共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究、蛋白质复合物识别	深度学习	基因组数据、代谢物数据	NA
618	2025-05-20	Decision support system based on ensemble models in distinguishing epilepsy types 2025-May-17, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110470 PMID:40382997	研究论文	本研究旨在基于EEG结果，利用人工智能模型对患者的局灶性（额叶、颞叶、顶叶、枕叶）、多灶性和全面性癫痫样活动进行分类	结合数据增强和集成AI模型，提出了一种新的决策支持系统，用于癫痫类型的分类，准确率达到98%	研究数据来源于单一医院，可能存在样本选择偏差	分类癫痫类型，为医生提供决策支持	575名癫痫患者	机器学习	癫痫	EEG	MLP, Random Forest, SVM, XGBoost	EEG数据	575名患者
619	2025-05-20	Exploring interpretable echo analysis using self-supervised parcels 2025-May-17, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	本研究探讨了利用自监督学习进行可解释的心脏超声分析，以改善心脏衰竭患者的护理和治疗计划	采用自监督学习方法减少对大量标注数据的依赖，并强调可解释性、鲁棒性和安全性在心脏影像分析中的重要性	需要进一步验证在不同医疗中心和设备上的泛化能力	解决医学影像中标注数据稀缺的问题，提高心脏影像分析的效率和可解释性	心脏超声影像	数字病理	心血管疾病	自监督学习	Transformer (STEGO网络) 和 DINO	影像	大规模未标注数据集和公开可用数据集
620	2025-05-20	Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification 2025-May-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01966-y PMID:40377781	研究论文	开发和验证基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	结合临床数据和放射组学特征，利用深度学习模型（MoCo-v2）提升子宫内膜癌分子亚型分类的准确性	研究样本量有限（526例患者），未来需要更大数据集进一步验证模型的潜力	开发并验证一种基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	子宫内膜癌患者	数字病理	子宫内膜癌	MRI、放射组学特征提取、深度学习（MoCo-v2）	深度学习模型（MoCo-v2）	MRI图像	526例子宫内膜癌患者