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	2025-08-02	ChemKANs for combustion chemistry modeling and acceleration 2025-Aug-01, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d5cp02009c PMID:40747601	研究论文	介绍了一种名为ChemKANs的新型神经网络框架，用于燃烧化学的模型推断和模拟加速	ChemKANs通过结合Kolmogorov-Arnold网络常微分方程（KAN-ODEs）与相关动力学和热力学定律的信息流知识，增强了模型的表达能力和训练效率	未明确提及具体限制，但可能面临复杂燃烧化学场景下的泛化能力挑战	开发高效、稳健的化学动力学模型推断和模拟加速工具	燃烧化学模型	机器学习	NA	KAN-ODE算法	ChemKANs（基于KAN-ODEs的神经网络框架）	化学动力学数据	未明确提及具体样本数量，但测试了包含高达15%噪声的稀疏数据
722	2025-08-02	Prediction of Retention Time by Combining Multiple Data Sets with Chromatographic Parameter Vectorization and Transfer Learning 2025-Aug-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01703 PMID:40747624	研究论文	本研究提出了一种结合多个数据集、色谱参数向量化和迁移学习的方法（MDL-TL），用于预测不同色谱系统和操作条件下的保留时间（RT）	MDL-TL方法通过word2vec和自动编码器向量化色谱参数（CPs），并将CPs纳入化合物表示中，从而增强了数据并引入了CPs到RT预测中，使得预训练模型能够通过微调有效地迁移到不同的目标系统	虽然MDL-TL在多个数据集上表现优异，但其性能可能仍受限于数据稀疏性问题	开发一种能够预测不同色谱系统和操作条件下保留时间（RT）的方法	保留时间（RT）预测	机器学习	NA	word2vec, autoencoders, 迁移学习	深度学习	色谱数据	14个反相液相色谱数据集和14个亲水作用液相色谱数据集
723	2025-08-02	OLSIA: Open Lumbar Spine Image Analysis - A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index with Multi-Dataset Validation 2025-Aug-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	开发了一个名为OLSIA的开放软件，用于腰椎图像分析，支持无代码方法进行腰椎分割、分级和椎间盘高度指数计算，并在六个外部数据集上进行了验证	开发了一个用户友好的无代码工具OLSIA，用于腰椎图像分析，显著提高了处理效率，并在多个地理区域的数据集上验证了其性能	尽管DHI测量的配对t检验结果显著，但BA图的平均差异（0.02）表明系统偏差较低	开发一个开放软件，用于腰椎图像分析，以加速放射组学和腰椎图像分析工作流程	腰椎图像，包括椎体L1-S1和椎间盘L1/2-L5/S1	数字病理学	腰椎疾病	深度学习（DL）	DL模型	图像	六个外部数据集（NFBC1966、HKDDC、TwinsUK、CETIR、NCSD、SPIDER和Mendeley），每个数据集30名参与者
724	2025-08-02	Artificial Intelligence-Assisted Visualized Microspheres for Biochemical Analysis: From Encoding to Decoding 2025-Aug-01, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00396 PMID:40748254	研究论文	本文总结了作者团队在开发AI辅助可视化微球用于生物传感分析方面的研究，重点介绍了独特的编码-解码策略和各种生化方法	结合AI技术实现编码微球图像的高速精准处理，开发了多种生物传感平台和便携式光学成像设备	需要进一步提升编码容量和开发轻量级智能手机解码应用	开发AI辅助可视化微球用于生物化学分析	蛋白质、细菌、病毒和抗生素等多种目标物	生物传感	NA	免疫分析、点击化学、Ago系统、CRISPR系统和微流控技术	计算机视觉、机器学习、深度学习和无监督学习	图像	NA
725	2025-08-02	FOCUS-DWI improves prostate cancer detection through deep learning reconstruction with IQMR technology 2025-Aug-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05100-w PMID:40748461	研究论文	本研究探讨了使用智能快速磁共振(IQMR)图像后处理技术对FOCUS-DWI序列在前列腺癌检测中的图像质量影响，并评估其在区分良恶性病变中的效果	采用IQMR后处理系统生成IQMR-FOCUS-DWI图像，显著提高了图像质量和诊断准确性	样本量较小(62例患者)，且为回顾性研究	评估IQMR技术对FOCUS-DWI序列在前列腺癌检测中的改进效果	62例前列腺肿块患者(31例良性和31例恶性)	数字病理	前列腺癌	MRI、FOCUS-DWI、IQMR后处理系统	NA	医学影像(MRI图像)	62例患者(31例良性和31例恶性前列腺肿块)
726	2025-08-02	Deep learning model for automated segmentation of sphenoid sinus and middle skull base structures in CBCT volumes using nnU-Net v2 2025-Aug-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00848-9 PMID:40748555	research paper	本研究开发了一种基于nnU-Net v2的深度学习模型，用于在锥形束计算机断层扫描（CBCT）体积中自动分割蝶窦和中颅底结构，并评估了模型的性能	使用nnU-Net v2深度学习模型进行蝶窦和中颅底结构的自动分割，实现了较高的分割精度	模型在中颅底其他孔道的分割上表现有限，需要进一步优化	开发一个自动分割蝶窦和中颅底结构的深度学习模型	蝶窦和中颅底解剖结构	digital pathology	NA	CBCT	nnU-Net v2	image	99个CBCT扫描
727	2025-08-02	Towards interpretable molecular and spatial analysis of the tumor microenvironment from digital histopathology images with HistoTME-v2 2025-Jun-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.658673 PMID:40747415	research paper	介绍了一种名为HistoTME-v2的深度学习框架，用于从常规H&E染色的病理切片中预测肿瘤微环境（TME）的细胞类型特异性转录组特征活动	HistoTME-v2是HistoTME的泛癌扩展版本，应用于25种实体肿瘤类型，显著扩大了先前工作的范围，并展示了从H&E图像预测细胞类型特异性转录组特征活动的高准确性	尽管HistoTME-v2在预测TME组成方面表现出色，但其性能依赖于大量高质量的单细胞或斑块级注释，这些注释的生成既耗时又昂贵	开发一种成本效益高且可解释的工具，用于从常规H&E染色的病理切片中分析肿瘤微环境（TME）的组成和空间分布	非小细胞肺癌及其他24种实体肿瘤类型的肿瘤微环境（TME）	digital pathology	lung cancer	deep learning, spatial transcriptomics, proteomics	CNN	image	内部验证数据集包括7,586张全切片图像（WSI）、6,901名患者和24种癌症类型；外部验证数据集包括5,657张WSI、1,775名患者和9种癌症类型；空间分析数据集包括259张WSI、154名患者和7种癌症类型
728	2025-08-01	Artificial Intelligence and the Evolving Landscape of Immunopeptidomics 2025-Jul-31, Proteomics. Clinical applications DOI:10.1002/prca.70018 PMID:40741879	综述	本文综述了人工智能在免疫肽组学中的应用及其对肿瘤免疫治疗的推动作用	详细探讨了AI如何改进免疫肽组学工作流程中的关键步骤，包括新抗原发现和T细胞识别建模，并通过乳腺癌案例研究展示了AI在揭示肿瘤免疫原性特征方面的潜力	讨论了当前瓶颈，如非经典肽建模、抗原加工缺陷考虑以及避免靶向非肿瘤毒性等问题	探索人工智能如何推动免疫肽组学发展并优化癌症免疫治疗策略	主要研究MHC分子呈递的肽段及其在肿瘤免疫治疗中的应用	生物信息学	乳腺癌	质谱数据分析、深度学习、迁移学习	深度学习模型、多组学整合模型	质谱数据、多组学数据	NA
729	2025-08-01	MMPK: A Multimodal Deep Learning Framework to Predict Human Oral Pharmacokinetic Parameters 2025-Jul-31, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c01522 PMID:40741939	研究论文	本文介绍了一个名为MMPK的多模态深度学习框架，用于预测人类口服药代动力学参数	开发了整合分子图、子结构图和SMILES序列的多模态深度学习框架MMPK，采用多任务学习和数据插补提高数据效率和模型鲁棒性	NA	预测药代动力学参数以评估药物安全性和有效性，优化给药方案	包含1,200多种独特化合物和5,000多种化合物-剂量组合的人类口服PK数据集	机器学习	NA	深度学习	多模态深度学习框架(MMPK)	分子图、子结构图、SMILES序列	1,200多种独特化合物和5,000多种化合物-剂量组合
730	2025-08-01	A Meta-Learning Approach for Multicenter and Small-Data Single-Cell Image Analysis 2025-Jul-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01810 PMID:40742562	研究论文	提出一种基于元学习的多中心小数据单细胞图像分析方法，以减少单细胞图像标注的工作量并提高分析效率	通过元学习结合自动化宽场荧光显微镜技术，构建了一个硬件和软件系统，显著减少了单细胞图像标注的工作量，并在数据量减少到5%时仍能超越传统深度学习的准确率	未提及具体的数据来源多样性限制或系统在极端条件下的表现	开发一种高效的单细胞图像分析方法，以减少标注工作量并提高分析准确性	单细胞图像	数字病理学	NA	自动化宽场荧光显微镜	元学习	图像	未明确提及具体样本数量，但提到使用60%和5%的数据量进行验证
731	2025-08-01	Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction 2025-Jul-31, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02617-6 PMID:40742577	综述	本文综述了人工智能在肝胆胰手术中用于临床结果预测的当前视角和未来方向	强调了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法具有更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新	面临数据质量、模型泛化能力和伦理实施等挑战	探讨人工智能在肝胆胰手术中预测临床结果的应用及其未来发展	肝胆胰手术的临床结果预测	数字病理	肝胆胰疾病	深度学习模型(DLMs)	DLMs	临床数据	NA
732	2025-07-31	Comparative evaluation of four reconstruction techniques for prostate T2-weighted MRI: Sensitivity encoding, compressed sensing, deep learning, and super-resolution 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100671 PMID:40735490	研究论文	比较评估四种前列腺T2加权MRI重建技术的图像质量和病灶显着性	首次比较了四种重建技术（SENSE、CS、DL和SR）在前列腺T2加权MRI中的应用效果，并发现SR重建在图像质量和病灶显着性方面表现最佳	样本量较小（49例患者），且病灶显着性分析仅基于18例病理确诊的前列腺癌患者	评估和比较四种重建技术在前列腺T2加权MRI中的图像质量和病灶显着性	49例疑似前列腺癌患者的多参数或双参数MRI数据	数字病理	前列腺癌	MRI重建技术（SENSE、CS、DL、SR）	深度学习模型（DL、SR）	MRI图像	49例患者（其中18例病理确诊前列腺癌）
733	2025-07-31	Bridging spatiotemporal wildfire prediction and decision modeling using transformer networks and fuzzy inference systems 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103498 PMID:40735517	research paper	该研究提出了一种结合Transformer网络和模糊推理系统的时空野火预测与决策模型	将符号模糊推理与基于深度注意力的架构相结合，实现了高准确性和可解释性	未提及模型在极端环境条件下的适用性	开发准确且可解释的野火预测系统以支持实时决策	野火预测与响应策略	machine learning	NA	Transformer, Fuzzy Rule-Based System (FRBS)	Transformer, FRBS	卫星数据（Sentinel、ERA5、SRTM）、气候数据	加拿大火灾蔓延数据集（Canadian Fire Spread Dataset）
734	2025-07-31	Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm 2025-Jul-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02934 PMID:40735851	研究论文	本研究提出了一种基于生成对抗网络（GANs）的算法，用于显著提高拉曼光谱成像的速度和空间分辨率	利用GANs算法显著提升拉曼光谱成像的速度和空间分辨率，并通过迁移学习验证其泛化能力	研究仅基于未标记细胞的186个高光谱拉曼数据集进行训练和评估，可能限制了模型的广泛适用性	提高拉曼光谱成像的速度和空间分辨率，为高通量和实时生化分析提供新途径	未标记细胞的拉曼光谱图像	计算机视觉	NA	拉曼光谱成像	GAN	图像	186个高光谱拉曼数据集
735	2025-07-31	DGMM: A Deep Learning-Genetic Algorithm Framework for Efficient Lead Optimization in Drug Discovery 2025-Jul-30, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01017 PMID:40736165	研究论文	本文提出了一种名为DGMM的新型计算框架，结合深度学习和遗传算法，用于药物发现中的高效分子优化	DGMM框架通过变分自编码器（VAE）和增强的表示学习策略，结合遗传算法，实现了在保持分子结构多样性的同时优化生物活性和药物性质	未明确提及具体局限性	解决药物发现中先导化合物优化的挑战，平衡结构多样性与核心分子特征的保留	药物分子，特别是针对CHK1、CDK2和HDAC8等靶点的化合物	机器学习	NA	深度学习、遗传算法、蒙特卡洛搜索、马尔可夫过程	VAE（变分自编码器）	分子结构数据	三个不同靶点（CHK1、CDK2和HDAC8）的回顾性验证及前瞻性ROCK2抑制剂发现
736	2025-07-31	Deep learning neural network of adenocarcinoma detection in effusion cytology 2025-Jul-30, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf067 PMID:40736208	研究论文	本研究开发了一种基于深度学习的模型，用于在积液细胞学图像中检测恶性细胞，特别是腺癌细胞	使用YOLOv8目标检测算法构建深度学习模型，在积液细胞学图像中高效检测腺癌细胞	在创建目标检测模型时，细胞注释仍存在一些问题	开发自动化系统以提高积液细胞学中恶性细胞检测的准确性	积液细胞学图像中的腺癌细胞	数字病理学	腺癌	深度学习	YOLOv8	图像	275例腺癌病例（含12182张图像和29245个标签）和188例非恶性病例（含1980张图像）
737	2025-07-31	Automatic Couinaud segmentation using AI and pictorial representation landmarking 2025-Jul-30, Abdominal radiology (New York) DOI:10.1007/s00261-025-05123-3 PMID:40736570	研究论文	提出了一种结合深度学习和辅助标志点识别的框架，用于自动划分Couinaud肝段，提高肝手术规划的精确性	整合深度学习分割与辅助标志点识别，创建个性化图示模型，无需重新训练即可纳入新数据	仅评估了225例非增强T1加权MRI数据，未涵盖所有影像模态	提高Couinaud肝段划分的准确性和临床工作流程效率	肝脏Couinaud分段	数字病理	肝脏疾病	深度学习	CNN	MRI图像	225例非增强T1加权MRI数据（来自4项不同研究）
738	2025-07-31	An optimized multi-scale dilated attention layer for keratoconus disease classification 2025-Jul-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03688-y PMID:40736610	研究论文	本文提出了一种优化的多尺度扩张注意力层（MSDAL）用于圆锥角膜疾病分类的深度学习模型	引入了优化的多尺度扩张注意力层（MSDAL）并结合北极海鹦优化（APO）算法，提高了模型的分类性能和计算效率	数据集规模有限且缺乏多模态输入	自动化圆锥角膜（KCN）检测	圆锥角膜疾病分类	计算机视觉	圆锥角膜	深度学习	Optimized MSDALNet	图像	超过1,100张标记的角膜地形图图像
739	2025-07-31	SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation 2025-Mar-23, ArXiv PMID:40735077	研究论文	开发并评估一种新的深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息来提高去噪性能和泛化能力	提出了一种名为SNRAware的训练方案，利用MRI重建过程的知识，通过模拟大量高质量且多样化的合成数据集，并向模型提供噪声分布的定量信息，以提高去噪性能	研究为回顾性研究，可能受到数据选择和采集条件的限制	提高MRI图像的去噪性能和模型在不同成像序列、对比度、解剖结构和场强下的泛化能力	心脏回顾性门控电影复杂序列、心脏实时电影、首次通过心脏灌注、神经和脊柱MRI图像	医学影像处理	心血管疾病	深度学习	Transformer和CNN	MRI图像	2,885,236张图像来自96,605个心脏回顾性门控电影复杂序列，测试数据集包含3000个样本
740	2025-07-31	Multiplicative Learning 2025-Mar-13, ArXiv PMID:40735079	research paper	本文介绍了一种名为期望反射（ER）的新型学习算法，用于高效训练人工神经网络	ER算法基于观察输出与预测输出的比率进行乘性权重更新，无需特定损失函数或学习率超参数，且能在单次迭代中实现最优权重更新	NA	探索一种比传统反向传播更高效的神经网络训练方法	人工神经网络	machine learning	NA	NA	artificial neural networks	image	NA