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
721	2025-07-02	In-silico CT simulations of deep learning generated heterogeneous phantoms 2025-Jun-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c9 PMID:40587975	研究论文	本文提出使用3D DUC-GAN模型生成具有器官内部细节的虚拟成像体模，以提高CT模拟的真实性	首次使用3D DUC-GAN模型生成包含16种独特纹理的虚拟体模，显著提高了CT模拟的真实性和准确性	研究仅针对躯干内的器官，未涉及其他身体部位	提高虚拟CT成像体模的真实性，以更准确模拟成像过程	虚拟CT成像体模	计算机视觉	NA	CT成像	3D DUC-GAN	CT图像	378个CT图像-分割对用于训练，18个用于测试
722	2025-07-02	Artificial intelligence techniques in inherited retinal diseases: A review 2025-Jun-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c7 PMID:40587976	综述	本文综述了人工智能技术在遗传性视网膜疾病（IRDs）诊断和管理中的应用	整合了现有研究，识别了知识空白，并概述了AI在IRDs中的潜在应用，特别是在疾病检测、进展预测和个性化治疗规划方面	AI技术的快速发展和多样化应用导致该领域知识碎片化，需要更多跨学科合作和可解释AI模型的持续开发	探索人工智能技术在遗传性视网膜疾病诊断和管理中的应用，推动临床应用的进展	遗传性视网膜疾病（IRDs）	数字病理学	遗传性视网膜疾病	机器学习、深度学习	CNN	NA	NA
723	2025-07-02	Predicting adverse drug reactions for combination pharmacotherapy with cross-scale associative learning via attention modules 2025-Jun-30, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00816-7 PMID:40588546	研究论文	提出了一种名为OrganADR的关联学习增强模型，用于预测新兴联合药物治疗在器官水平上的不良反应	结合器官水平的不良反应信息、分子水平的药物信息和基于网络的生物医学知识，通过多解释模块进行集成表示	未提及具体的数据集大小或实验限制	开发一种可解释的计算方法，用于预测联合药物治疗的不良反应，以支持临床用药管理、药物开发和精准医疗	联合药物治疗的不良反应	机器学习	NA	深度学习	关联学习增强模型（OrganADR）	生物医学知识、药物信息、不良反应信息	NA
724	2025-07-02	Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques 2025-Jun-30, Surgical endoscopy DOI:10.1007/s00464-025-11932-w PMID:40588604	研究论文	该研究提出了一种增强的深度学习框架，用于腹腔镜手术中手术器械的实时检测与跟踪，通过先进的增强和跟踪技术提高精确性和效率	整合了YOLOv9n、ByteTrack和BoT-SORT等先进算法，实现了高精度（mAP50达98.4%）和快速推理（0.3毫秒）的实时检测与跟踪	研究依赖于特定数据集（m2cai16-tool-locations），可能在不同手术场景或器械类型中泛化能力有限	提升微创手术（MIS）中手术器械的实时检测与跟踪精度，优化手术流程并提高患者安全性	腹腔镜手术中的手术器械	计算机视觉	NA	深度学习框架（YOLOv9n）、目标跟踪算法（ByteTrack、BoT-SORT）、数据增强	YOLOv9n、YOLOv8n、YOLOv5n、YOLOv11n、Faster R-CNN	图像	使用m2cai16-tool-locations检测数据集（具体样本量未明确说明）
725	2025-07-02	Efficient Cerebral Infarction Segmentation Using U-Net and U-Net3 + Models 2025-Jun-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01587-3 PMID:40588699	研究论文	本研究提出了一种使用U-Net和U-Net3+模型进行脑梗死分割的新方法	采用新型数据集和两种卷积神经网络架构（基础U-Net和高级U-Net3+）进行脑梗死区域的高精度分割	数据集规模有限，需通过数据增强技术进行平衡	提高脑梗死的早期诊断和干预效果	脑梗死患者的MRI扫描图像	数字病理学	心血管疾病	MRI扫描	U-Net和U-Net3+	图像	110名患者的MRI扫描，生成6732张平衡图像用于训练、验证和测试
726	2025-07-02	A Deep Learning Framework for the Electronic Structure of Water: Toward a Universal Model 2025-Jun-30, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00496 PMID:40588763	research paper	本文提出了一种改进的机器学习方法DeePKS-ES，用于精确模拟水系统的电子结构	通过将哈密顿矩阵及其特征值和特征向量纳入损失函数，建立了一个适用于水系统的通用模型，能够从廉价的PBE计算中重现高级HSE06电子性质	NA	精确模拟从单个分子到体相液体的水系统电子结构	水系统的电子结构	machine learning	NA	Deep Kohn-Sham (DeePKS) method	DeePKS-ES	quantum-mechanical data	分子簇和液相模拟
727	2025-07-02	Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort 2025-Jun-30, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70029 PMID:40589103	研究论文	本研究利用数字病理学和深度学习方法，评估了在瑞典多中心队列中应用最先进技术对儿童脑肿瘤进行分类的效果	采用弱监督多实例学习方法和预训练特征提取器，首次在瑞典多中心数据集上评估儿童脑肿瘤分类	模型在不同中心的泛化性能下降相似，未显著解决跨中心数据差异问题	评估计算病理学方法在儿童脑肿瘤分层分类中的性能	540名8.5±4.9岁的脑肿瘤患者的H&E全切片图像	数字病理学	脑肿瘤	弱监督多实例学习(MIL)	ABMIL, CLAM, ResNet50, UNI, CONCH	全切片图像(WSI)	540例来自瑞典六所大学医院的儿童脑肿瘤样本
728	2025-07-02	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Jun-29, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像技术探索阿尔茨海默病谱系中认知、眼睛和大脑之间的联系	揭示了认知功能、视网膜生物特征和大脑改变之间的关系，特别是在阿尔茨海默病谱系的不同阶段	样本量较小，尤其是AD组仅有7例	探索阿尔茨海默病谱系中认知功能、视网膜生物特征和大脑改变之间的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	光学相干断层扫描血管成像（OCTA）、3D T1加权脑体积成像（BRAVO）、静息态功能MRI（fMRI）	深度学习模型FARGO	图像	健康对照组（n=16）、主观认知下降（n=35）、轻度认知障碍（n=18）、阿尔茨海默病（n=7）
729	2025-07-02	Genetic Deconvolution of Embryonic and Maternal Cell-Free DNA in Spent Culture Medium of Human Preimplantation Embryo Through Deep Learning 2025-Jun-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412660 PMID:40583136	研究论文	本文提出了一种名为DECENT的深度学习方法，用于重建胚胎拷贝数变异并减少胚胎培养液中母体DNA污染的影响	DECENT方法结合了卷积模块、长短时记忆和注意力机制，整合序列特征和甲基化模式以推断cfDNA读数的来源，提高了非侵入性胚胎植入前遗传学检测的准确性	NA	提高基于cfDNA的非侵入性胚胎植入前遗传学检测的诊断准确性和有效性	人类胚胎培养液中的胚胎和母体游离DNA	数字病理学	生殖医学	单细胞甲基化测序	CNN, LSTM, 注意力机制	DNA序列数据	包含不同污染水平的临床样本（包括一个母体读数超过80%的样本）
730	2025-07-02	Bionic Multimodal Augmented Somatosensory Receptor Enabled by Thermogalvanic Hydrogel 2025-Jun-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202505873 PMID:40583160	研究论文	本文提出了一种受人类皮肤感知机制启发的超灵敏自供电多模态指尖受体，用于增强触觉感知	结合热电流凝胶作为主动机械感受器和温度感受器，实现高灵敏度和自监督能力，并引入微图案和梯度结构策略提高灵敏度	未提及具体样本量或实验规模，可能缺乏大规模验证	开发一种高灵敏度、自监督且环境稳定的电子皮肤受体，用于恢复感觉障碍患者的手部功能	电子皮肤受体，特别是用于指尖的多模态受体	生物医学工程	感觉障碍	热电流凝胶技术，深度学习	深度学习模型（未具体说明）	触觉和温度数据	NA
731	2025-07-02	A novel speech signal feature extraction technique to detect speech impairment in children accurately 2025-Jun-29, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110681 PMID:40587935	研究论文	本文提出了一种新的语音信号特征提取技术，用于准确检测儿童的语言障碍	该方法首次将PNCC特征用于儿童语言障碍检测	NA	寻找最优语音特征提取技术以检测儿童语言障碍	儿童语音信号	自然语言处理	语言障碍	RASTA, WPT, LPC, PLP, MFCC, CQCC, PNCC	transformer, TCN, TabNet	语音信号	NA
732	2025-07-02	Is the use of machine learning in head and neck cancer radiotherapy supported by clinical trials? 2025-Jun-29, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105036 PMID:40587931	research paper	本文系统评估了机器学习在头颈癌放射治疗中的临床应用，并通过临床试验数据验证其有效性	首次系统性地收集和分析临床试验数据，评估机器学习在头颈癌管理中的实际应用效果	研究仅纳入42项符合条件的研究，样本量相对有限，且模型多样性和复杂性导致难以得出统一结论	评估机器学习在头颈癌放射治疗中的临床应用效果	头颈癌患者的诊断、图像分割和治疗反应预测	machine learning	head and neck cancer	深度学习与传统机器学习算法（KNN, SVM, logistic regression）	深度学习模型（多层神经网络）	医学影像数据和临床数据	42项符合条件的研究（从2395项研究中筛选）
733	2025-07-02	DeepEM Playground: Bringing deep learning to electron microscopy labs 2025-Jun-28, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70005 PMID:40579897	research paper	介绍了一个名为DeepEM Playground的交互式、用户友好平台，旨在帮助电子显微镜（EM）研究人员无需编码经验即可训练、调整和应用深度学习模型	开发了一个降低深度学习在电子显微镜领域应用门槛的平台，使EM专家能够更容易地采用和定制深度学习模型	未提及平台在实际应用中的性能评估或用户反馈	缩小深度学习研究与电子显微镜实验室实际应用之间的差距	电子显微镜（EM）研究人员	computer vision	NA	deep learning	NA	image	NA
734	2025-07-02	Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation 2025-Jun-28, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06211-0 PMID:40580222	研究论文	本研究开发并验证了一种多任务深度学习模型，用于自动化评估经会阴超声（TPUS）图像中的女性盆腔器官脱垂（POP）	首次提出使用多任务深度学习模型自动化评估POP，减少了诊断中的经验依赖性	研究样本仅来自2023年1月至6月的患者，可能缺乏长期数据验证	开发并验证一种自动化评估女性盆腔器官脱垂的深度学习模型	1340名女性患者的TPUS图像	数字病理学	盆腔器官脱垂	深度学习	ResNet34	图像	1340名女性患者的TPUS图像（1072用于训练，268用于验证）
735	2025-07-02	Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy 2025-Jun-28, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07416-7 PMID:40580320	研究论文	本研究开发了一种基于深度学习的全身CT分割方法，用于评估转移性去势抵抗性前列腺癌(mCRPC)患者在接受[177Lu]Lu-PSMA放射性配体治疗(RLT)前的身体组成	利用深度学习模型从标准PSMA-PET-CT中自动分割不同组织区域，超越传统的PSMA-PET评估，识别具有潜在预后价值的身体组成指标	研究为回顾性设计，样本量较小(n=86)，需要在更大的前瞻性数据集中验证潜在预后参数	评估mCRPC患者在接受RLT前的身体组成指标对治疗预后的影响	86名前列腺癌患者	数字病理学	前列腺癌	深度学习分割模型	深度学习	CT图像	86名前列腺癌患者的[68Ga]Ga-PSMA-PET-CT扫描数据
736	2025-07-02	Research status, hotspots and perspectives of artificial intelligence applied to pain management: a bibliometric and visual analysis 2025-Jun-28, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02296-w PMID:40580377	综述	本文通过文献计量和可视化分析，探讨了人工智能在疼痛管理领域的研究现状、热点和未来趋势	首次采用文献计量学方法系统分析人工智能在疼痛管理领域的应用，揭示了研究热点和未来发展方向	仅纳入英文文献，可能遗漏其他语言的重要研究成果	了解人工智能在疼痛管理领域的研究现状、热点和趋势	970篇关于人工智能应用于疼痛管理的科学论文	机器学习	疼痛管理	文献计量分析、可视化分析	机器学习、深度学习、人工神经网络	文献数据	970篇论文，涉及5679位作者、2030个学术机构和84个国家/地区
737	2025-07-02	Identifying visible tissue in intraoperative ultrasound: a method and application 2025-Jun-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03415-z PMID:40580392	研究论文	提出一种用于识别术中超声可见组织的迭代过滤和拓扑方法，并应用于检测声影和构建感知显著性置信图	提出了一种新的迭代过滤和拓扑方法来分析探头-组织接触，该方法在体内数据和医学模型数据上表现出优越的分类性能	未明确提及具体局限性，但可能包括算法对参数扰动、斑点噪声和数据分布变化的敏感性	开发一种方法来识别术中超声扫描中的可见组织，以支持临床培训和机器人超声自动化	术中超声扫描中的可见组织	医学影像分析	NA	迭代过滤和拓扑方法	NA	超声图像	包含体内数据和医学模型数据的数据集
738	2025-07-02	PARPAL: PARalog Protein Redistribution using Abundance and Localization in Yeast Database 2025-Jun-28, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf148 PMID:40580499	研究论文	介绍了一个名为PARPAL的网页数据库，用于存储酵母中蛋白质重分布的高通量筛选和深度学习神经网络分析结果	开发了PARPAL数据库，整合了高通量筛选和深度学习分析，提供了对酵母中WGD旁系同源物蛋白质重分布的定量测量	研究仅限于酵母（Saccharomyces cerevisiae），未涉及其他生物体	理解全基因组复制（WGD）事件中旁系同源物的保留和进化机制	酵母中的164种蛋白质及其旁系同源物	生物信息学	NA	高通量筛选、深度学习神经网络分析	深度学习神经网络	显微图像	约3,500张显微图像，涉及约460,000个细胞，涵盖82对旁系同源物
739	2025-07-02	Machine learning-guided single-cell multiomics uncovers GDF15-driven immunosuppressive niches in NSCLC: A translational framework for overcoming anti-PD-1 resistance 2025-Jun-28, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102459 PMID:40582068	研究论文	通过机器学习引导的单细胞多组学分析，揭示了非小细胞肺癌(NSCLC)中GDF15驱动的免疫抑制微环境，并提出克服抗PD-1耐药的转化框架	结合多组学分析和机器学习，开发了Accelerated Oblique Random Survival Forest模型，优于传统的Cox回归和深度学习方法，并首次将GDF15确定为预测ICB耐药的生物标志物	研究样本量相对较小(n=156)，且功能研究仅限于Lewis肺癌细胞，未在其他癌症类型中验证	探索非小细胞肺癌免疫检查点阻断(ICB)疗效的决定因素，并开发预测ICB耐药的生物标志物	非小细胞肺癌(NSCLC)患者样本和Lewis肺癌细胞	机器学习	肺癌	单细胞RNA测序、机器学习算法	Accelerated Oblique Random Survival Forest	多组学数据、单细胞RNA测序数据	156例NSCLC患者样本和Lewis肺癌细胞模型
740	2025-07-02	Identification of novel biomarkers linked to M1 macrophage infiltration in the diagnosis of inflammatory bowel diseases 2025-Jun-28, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2025.115138 PMID:40582145	研究论文	本研究通过生物信息学和深度学习构建了炎症性肠病(IBD)的预测模型，并识别了与M1巨噬细胞浸润相关的潜在生物标志物	首次整合M1巨噬细胞相关基因与宏转录组特征开发IBD预测模型，并发现CXCL10作为新型生物标志物和治疗靶点	研究结果需要进一步临床验证，样本来源和数量未明确说明	改善炎症性肠病的诊断和管理效果	炎症性肠病患者和M1巨噬细胞	数字病理学	炎症性肠病	生物信息学分析、深度学习	神经网络	基因表达数据、宏转录组数据	NA