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
701	2025-06-12	Association of Psychological Resilience With Decelerated Brain Aging in Cognitively Healthy World Trade Center Responders 2025-Jul, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2025.100489 PMID:40487784	研究论文	该研究探讨了心理韧性对世界贸易中心救援人员大脑衰老速度的影响	首次在认知健康的世界贸易中心救援人员中，将心理韧性与大脑衰老速度相关联，并发现高韧性个体大脑衰老较慢	样本量较小（N=97），且仅针对特定人群（WTC救援人员）	研究心理韧性是否对大脑衰老速度具有保护作用	参与世界贸易中心救援工作的认知健康人员	神经科学	精神健康障碍	结构磁共振成像（MRI）	深度学习算法（BrainStructureAges）	MRI图像数据	97名WTC救援人员（分为3组：PTSD组32人，高韧性组34人，低暴露对照组31人）
702	2025-06-12	Annotating the microbial dark matter with HiFi-NN 2025-Jun-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112480 PMID:40491481	research paper	本文介绍了一种名为HiFi-NN的计算方法，用于更精确地注释蛋白质序列的酶功能	HiFi-NN方法在酶委员会（EC）编号的第4级注释上比现有深度学习方法具有更高的精确度和召回率，并且能够在比BLASTp更低的序列相似性下正确识别EC编号	NA	提高蛋白质序列酶功能注释的准确性	蛋白质序列	bioinformatics	NA	HiFi-NN (Hierarchically-Finetuned Nearest Neighbor search)	NN (Nearest Neighbor)	protein sequences	NA
703	2025-06-12	Atom Identification in Bilayer Moiré Materials with Gomb-Net 2025-Jun-11, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01460 PMID:40454431	research paper	该文章提出了一种名为Gomb-Net的深度学习方法，用于识别双层扭曲异质结构中各层原子的位置和种类，从而解析莫尔图案	开发了Gomb-Net模型，能够识别双层扭曲异质结构中各层原子的位置和种类，解决了莫尔图案带来的复杂性	NA	开发一种方法以识别双层扭曲异质结构中各层原子的位置和种类	双层扭曲异质结构中的原子位置和种类	machine learning	NA	scanning transmission electron microscopy	Gomb-Net	image	NA
704	2025-06-12	Implicit neural representation for medical image reconstruction 2025-Jun-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/addfa5 PMID:40456260	综述	本文全面回顾了基于隐式神经表示（INR）的医学图像重建技术，强调了其对领域的日益增长的影响	INR通过将底层信号建模为空间坐标的函数，提供了灵活且连续的图像表示，能够比传统离散方法更有效地捕捉精细细节和复杂结构	需要讨论INR在医学图像重建中的优势和局限性，以及未来研究方向	探讨INR在医学图像重建中的应用及其潜力	医学图像重建技术	数字病理	NA	隐式神经表示（INR）	NA	图像	NA
705	2025-06-12	Predicting survival rates of critically ill septic patients with heart failure using interpretable machine learning models 2025-Jun-11, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251346284 PMID:40495578	research paper	开发了一个可解释的预测模型，用于预测患有心力衰竭的脓毒症危重患者的生存率	首次为心力衰竭合并脓毒症的危重患者开发了一个可解释的生存率预测模型，并采用了SHAP方法解释模型	研究依赖于MIMIC数据库的数据，可能存在数据偏差	预测心力衰竭合并脓毒症危重患者的28天生存率	心力衰竭合并脓毒症的危重患者	machine learning	cardiovascular disease	Deep Learning Survival (DeepSurv), SHAP	DeepSurv	clinical data	11,778名患者
706	2025-06-12	Time-Gated Raman Spectroscopy Combined with Deep Learning for Rapid, Label-Free Histopathological Discrimination of Gastric Cancer 2025-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02321 PMID:40497384	研究论文	结合时间门控拉曼光谱与深度学习技术，实现胃癌组织的快速、无标记病理鉴别	首次将时间门控拉曼光谱技术与深度学习结合用于胃癌诊断，有效抑制自发荧光并提升拉曼信号质量	未提及样本来源多样性及模型在外部验证集上的表现	开发分子水平、数字化且智能化的实时胃癌诊断方法	胃癌组织样本	数字病理学	胃癌	时间门控拉曼光谱(TG-Raman)	CNN	光谱数据	NA
707	2025-06-12	Advancing the development of deep learning and machine learning models for oral drugs through diverse descriptor classes: a focus on pharmacokinetic parameters (Vdss and PPB) 2025-Jun-11, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11235-1 PMID:40498231	研究论文	本研究开发了一种用于预测药代动力学参数（Vdss和PPB）的深度学习和机器学习模型	利用Boruta算法进行特征工程，显著提高了模型准确性，并首次使用Stacking分类器预测Vdss和PPB	研究仅针对FDA批准的口服药物，可能不适用于其他给药途径的药物	开发预测药代动力学参数的深度学习和机器学习模型	FDA批准的口服药物及其药代动力学参数（Vdss和PPB）	机器学习	NA	深度学习和机器学习算法	梯度提升（GB）、Stacking分类器、随机森林	分子描述符数据	FDA批准的口服药物数据集，包含超过67种描述符
708	2025-06-12	Continual learning across population cohorts with distribution shift: insights from multi-cohort metabolic syndrome identification 2025-Jun-11, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf070 PMID:40498469	研究论文	本研究探讨了在真实医疗环境中应用深度学习模型时，由于医院与非医院环境间的分布偏移导致的灾难性遗忘问题，并展示了持续学习在代谢综合征识别中的潜力	提出了一个结合持续学习策略的鲁棒代谢综合征识别流程，有效缓解灾难性遗忘并在分布偏移下保持高预测性能	研究仅基于三个医疗数据集，可能需要更多样化的数据验证方法的普适性	解决深度学习模型在真实医疗环境部署中因分布偏移导致的灾难性遗忘问题	代谢综合征(MetS)患者	机器学习	代谢综合征	深度学习	持续学习(CL)模型	医疗数据	三个医疗数据集(MIMIC、NHANES和一个专有数据集)
709	2025-06-12	IoT-Driven Skin Cancer Detection: Active Learning and Hyperparameter Optimization for Enhanced Accuracy 2025-Jun-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578419 PMID:40493466	research paper	提出了一种结合主动学习和深度强化学习的创新框架，用于提高皮肤癌检测的准确性	结合深度强化学习（DRL）和新型范围损失函数，动态选择样本并优化分类，减少对大量标记数据的依赖	需要进一步验证在其他数据集上的泛化能力	提高皮肤癌早期检测的准确性和效率	皮肤癌病变图像	computer vision	skin cancer	deep learning, active learning, deep reinforcement learning	CNN, DRL	image	ISIC和HAM10000数据集中的图像
710	2025-06-12	Deep-learning-based Partial Volume Correction in 99mTc-TRODAT-1 SPECT for Parkinson's Disease: A Preliminary Study on Clinical Translation 2025-Jun-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578526 PMID:40493467	研究论文	本文提出了一种基于深度学习的部分体积校正方法，用于改善帕金森病Tc-TRODAT-1 SPECT图像的清晰度和量化准确性	使用基于注意力的条件生成对抗网络(Att-cGAN)进行部分体积校正，无需解剖先验和分割	初步研究，临床数据量有限(100例回顾性数据)，且缺乏临床金标准验证	开发适用于帕金森病SPECT成像的深度学习部分体积校正方法	帕金森病患者的Tc-TRODAT-1 SPECT图像	医学影像分析	帕金森病	SPECT成像，蒙特卡洛模拟(SIMIND)，有序子集期望最大化算法	Att-cGAN, cGAN, U-Net	医学影像(SPECT)	454个数字脑模型(训练320，验证44，测试90) + 100例临床数据
711	2025-06-12	Automated Diffusion Analysis for Non-Invasive Prediction of IDH Genotype in WHO Grade 2-3 Gliomas 2025-Jun-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8776 PMID:40494626	研究论文	本文提出了一种基于T2加权成像的自动ADC提取流程，用于预测WHO 2-3级胶质瘤的IDH基因型	使用nnUNet深度学习算法自动分割胶质瘤体积，替代耗时且依赖操作者的手动分割，实现了与人工观察者统计等效的性能	在6%的病例中出现肿瘤远处脑区的过度分割，0.8%的胶质瘤成分被nnUNet遗漏	建立非侵入性预测胶质瘤IDH基因型的自动化方法	WHO 2-3级胶质瘤	数字病理	胶质瘤	MRI, ADC分析, 深度学习	nnUNet	医学影像	247例医院数据集（UCLH）和500例BraTS 2021数据
712	2025-06-12	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-Jun-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	research paper	介绍了一种名为MEMnets的深度学习框架，用于准确识别生物分子动力学的慢集体变量	MEMnets通过最小化时间积分记忆核的上界来识别最优集体变量，采用并行编码器网络，克服了传统方法假设马尔可夫动力学的限制	在大型生物分子动态系统中，采样有限可能会影响MEMnets的性能	识别生物分子动力学的慢集体变量，以理解蛋白质构象变化的最慢时间尺度	FIP35 WW域的折叠和细菌RNA聚合酶的钳位开放	machine learning	NA	深度学习	神经网络	生物分子动态数据	NA
713	2025-06-12	Uncertainty estimation for trust attribution to speed-of-sound reconstruction with variational networks 2025-Jun-10, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03402-4 PMID:40495100	research paper	该研究提出了一种基于不确定性估计的方法，用于选择超声采集中最可信的数据帧，以提高速度-声音（SoS）重建的准确性	首次将不确定性估计应用于超声数据帧的选择，以改进SoS重建和诊断决策	研究样本量较小，仅评估了21个病灶	提高速度-声音（SoS）图像重建的准确性，以支持乳腺癌的鉴别诊断	超声采集的数据帧和SoS重建图像	医学影像处理	乳腺癌	蒙特卡洛Dropout和贝叶斯变分推断	变分网络	超声图像	21个被分类为BI-RADS 4的病灶
714	2025-06-12	MC-RED: A deep learning network for motion correction in 3D CEST imaging 2025-Jun-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30609 PMID:40495308	research paper	本文提出了一种名为MC-RED的深度学习网络，用于3D CEST成像中的运动校正	MC-RED是一种基于残差编码-解码网络的运动校正方法，通过2D高斯分布结合静态参考图像，生成无运动参考帧以校正运动伪影	NA	开发并验证一种基于深度学习的运动校正方法，以提高3D CEST成像的图像质量	健康志愿者模拟数据和脑炎患者临床数据	medical imaging	encephalitis	CEST imaging	residual encoding-decoding network	3D image	健康志愿者和脑炎患者的模拟与临床数据
715	2025-06-12	Multilevel Discrete Wavelet Decomposition-Assisted Lightweight Multi-Order Gated Aggregation Network for Gas Concentration Retrieval in WMS 2025-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01554 PMID:40495325	研究论文	本文提出了一种基于多级离散小波分解的轻量级多门控聚合网络（MDWD-LiteMogaNet），用于波长调制光谱（WMS）中的气体浓度检测	通过集成小波变换进行数据过滤和特征提取，MDWD-LiteMogaNet显著减少了数据量并提高了计算效率，同时多门控特征提取和融合机制确保了全面的特征表示	NA	开发一种高效的气体检测方法，适用于轻量级设备部署	气体浓度检测	机器学习	NA	波长调制光谱（WMS）	MDWD-LiteMogaNet	光谱数据	NA
716	2025-06-12	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Jun-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	research paper	本文通过利用X射线图像和先进的机器学习技术（如深度学习和Vision Transformers），为呼吸系统疾病分类领域做出了重要贡献	引入了一个新颖、多样化的数据集，包含来自5263名患者的7867张X射线图像，涵盖49种不同的肺部疾病，以解决现有数据集多样性不足的问题	研究可能遗漏了2017年之前的基础工作，且AI的快速发展可能使早期方法的相关性降低	提高呼吸系统疾病诊断的准确性和及时性	呼吸系统疾病（如肺炎和COVID-19）的X射线图像	digital pathology	lung cancer	deep learning, Vision Transformers (ViT)	DL, ViT	image	7867张X射线图像来自5263名患者
717	2025-06-12	Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers 2025-Jun-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.047 PMID:40494699	研究论文	本研究开发了一种名为MPMT-Pneumo的多平面、多模态深度学习模型，用于区分细菌性肺炎和非细菌性肺炎	采用混合CNN-Transformer架构整合多平面CT视图和炎症生物标志物，解决了传统方法在区分细菌性和非细菌性肺炎上的局限性	研究样本仅来自两家医院，可能影响模型的泛化能力	提高细菌性肺炎与非细菌性肺炎的分类准确性，指导抗生素治疗	384例经微生物学确认的肺炎患者（239例细菌性肺炎，145例非细菌性肺炎）	数字病理	肺炎	CT成像	CNN-Transformer混合架构	图像（CT扫描）和临床生物标志物数据	384例患者（239例细菌性肺炎，145例非细菌性肺炎）
718	2025-06-12	Research on artificial intelligence, machine and deep learning in medicine: global characteristics, readiness, and equity 2025-Jun-08, Globalization and health IF:5.9Q1 DOI:10.1186/s12992-025-01128-1 PMID:40484942	研究论文	本文分析了人工智能在医学研究中的全球特征、准备情况和公平性	通过时间和地理模式分析，揭示了全球AImed研究的激励因素和障碍，并指出了经济较弱国家在AImed研究中的潜在优势	研究主要基于文献计量分析，可能未涵盖所有影响AImed发展的因素	评估全球人工智能在医学研究中的发展状况和公平性	全球范围内的人工智能医学研究	机器学习	NA	NA	NA	文献数据	多个国家的AImed研究出版物
719	2025-06-12	[Advances in thyroid cytopathology in China over the last ten years: retrospect and prospect] 2025-Jun-08, Zhonghua bing li xue za zhi = Chinese journal of pathology DOI:10.3760/cma.j.cn112151-20241203-00813 PMID:40494760	review	回顾过去十年中国在甲状腺细胞病理学领域的标准化诊疗体系建设和技术创新方面的重大突破	建立了手工涂片与液基细胞学结合的标准化流程，结合HE染色和细胞块技术显著提高诊断准确性，分子病理检测系统实现跨越式发展，从单基因BRAF检测发展到覆盖BRAF、TERT和RAS基因的多基因检测	NA	回顾和展望中国甲状腺细胞病理学领域的发展	甲状腺肿瘤细胞学	数字病理	甲状腺癌	下一代测序（NGS）、免疫细胞化学染色、分子病理检测	深度学习模型	细胞学图像	NA
720	2025-06-12	Water chemical oxygen demand prediction based on a one-dimensional multi-scale feature fusion convolutional neural network and ultraviolet-visible spectroscopy 2025-Jun-04, RSC advances IF:3.9Q2 DOI:10.1039/d5ra00933b PMID:40491797	研究论文	本文提出了一种基于一维多尺度特征融合卷积神经网络（1D-CNN）和紫外-可见光谱的水化学需氧量（COD）预测方法	该方法通过融合同一通道内三个并行子卷积和池化层提取的特征，提高了COD检测的准确性，相比传统方法和深度学习模型（如PLSR、SVM、ANN和1D-CNN）表现出更优的性能	NA	开发一种高效、快速且无需化学试剂的COD检测方法，以支持实时水质监测	水中的化学需氧量（COD）	机器学习	NA	紫外-可见光谱	1D-CNN	光谱数据	NA