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
61	2025-06-26	Preoperative model for predicting early recurrence in hepatocellular carcinoma patients using radiomics and deep learning: A multicenter study 2025-Jun-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i6.106608 PMID:40547169	研究论文	本研究通过结合放射组学和深度学习方法，建立了一个预测肝细胞癌患者消融治疗后早期复发的模型	结合了肿瘤内和瘤周区域（5毫米和10毫米）的特征，使用光梯度提升机器学习算法构建了预测模型，并在多中心数据上验证了其性能	样本量相对有限（288例患者），且仅针对肝细胞癌患者	预测肝细胞癌患者消融治疗后的早期复发，以指导精准治疗和改善患者预后	肝细胞癌患者	数字病理	肝癌	放射组学和深度学习	光梯度提升机器学习算法	医学影像	288例患者（222例主要队列，66例外部队列）
62	2025-06-26	Physics-informed neural networks for solving inverse problems in phase field models 2025-Jun-14, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107665 PMID:40554300	研究论文	本文探讨了物理信息神经网络（PINNs）在解决相场模型中的逆问题中的应用	将PINNs应用于材料科学中的逆问题，特别是关键各向异性材料参数的反演，并扩展到多物理场耦合系统	未提及具体的数据量或实验规模限制	研究PINNs在材料科学逆问题中的应用潜力	相场模型中的逆问题，包括扩散、流动和相变问题	机器学习	NA	物理信息神经网络（PINNs）	PINNs	数值模拟数据	NA
63	2025-06-26	An enhancement of multi-scope topological graph pooling and representation learning with attention for molecular graph classification 2025-Jun-14, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108548 PMID:40554399	研究论文	本文提出了一种新颖的注意力增强多范围拓扑图池化策略（AETP），用于分子图表示学习和分类任务	提出AETP策略，能够提取判别性拓扑结构信息和图级变化，实现高表达性表示学习	现有方法过度依赖局部邻域特征聚合，难以保留复杂结构图的多尺度表示	提升分子图表示学习和分类任务的性能	分子图数据	机器学习	NA	拓扑数据分析（TDA）与深度学习（DL）结合	GNN（图神经网络），包括GCN、GraphSAGE、GAT等	图数据	多个真实世界分子数据集（包括FDA_DILIst、T3DB_Toxin_2、Eye_Irritation和Eye_Corrosion）
64	2025-06-26	Dose Reduction in Scintigraphic Imaging Through Enhanced Convolutional Autoencoder-Based Denoising 2025-Jun-14, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060197 PMID:40558796	研究论文	本研究提出了一种基于增强卷积自编码器（ECAE）的深度学习方法，用于增强低剂量骨闪烁成像图像，旨在减少患者辐射暴露同时保持诊断质量	采用ECAE架构整合多尺度特征提取、通道注意力机制和高效残差块，从低剂量输入重建高质量图像	研究仅基于105名患者的数据，样本量相对较小	减少核医学成像中的辐射剂量同时保持诊断质量	低剂量骨闪烁成像图像	数字病理	NA	深度学习方法	ECAE（增强卷积自编码器）	图像	105名患者的低剂量和全剂量配对图像
65	2025-06-26	Multi-Feature Facial Complexion Classification Algorithms Based on CNN 2025-Jun-13, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10060402 PMID:40558371	research paper	提出三种基于CNN的多特征面部肤色分类算法，通过融合、拼接或独立训练不同面部区域的特征来提高分类性能	创新性地提出了三种多特征融合算法框架，有效利用面部特征信息，显著提高了分类准确率	研究仅基于721张面部图像数据集，样本量相对较小	提高面部肤色分类的准确率和特征信息利用率	面部肤色分类	computer vision	NA	CNN	CNN, EfficientNet	image	721张面部图像
66	2025-06-26	A Multimodal Multi-Stage Deep Learning Model for the Diagnosis of Alzheimer's Disease Using EEG Measurements 2025-Jun-13, Neurology international IF:3.2Q2 DOI:10.3390/neurolint17060091 PMID:40559329	研究论文	本文提出了一种多模态多阶段的深度学习模型，用于通过EEG测量诊断阿尔茨海默病	采用三阶段数据驱动方法进行AD诊断，包括信号预处理、帧级分类和受试者级分类，并在帧级使用CNN从多种频谱图中提取特征	模型在面对额颞叶痴呆患者数据时效果下降，需要进一步改进以同时检测多种神经退行性疾病	开发一种准确诊断阿尔茨海默病的方法	阿尔茨海默病患者和健康个体的EEG数据	数字病理学	阿尔茨海默病	EEG测量	CNN	EEG信号	NA
67	2025-06-26	Deep learning neural network prediction of postoperative complications in patients undergoing laparoscopic right hemicolectomy with or without CME and CVL for colon cancer: insights from SICE (Società Italiana di Chirurgia Endoscopica) CoDIG data 2025-Jun-11, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-025-03165-9 PMID:40498162	研究论文	本研究评估了深度学习神经网络（DLNN）在预测结肠癌腹腔镜右半结肠切除术后并发症中的应用	使用DLNN模型预测术后并发症，并与其他机器学习模型（如决策树和随机森林）进行比较，显示出更高的预测性能	需要外部验证和在不同临床环境中的实施以进一步优化手术结果	预测结肠癌腹腔镜右半结肠切除术后并发症，以改善患者安全和资源分配	接受腹腔镜右半结肠切除术的结肠癌患者	机器学习	结肠癌	深度学习神经网络（DLNN）、决策树（DT）、随机森林（RF）、合成少数类过采样技术（SMOTE）	DLNN、DT、RF	人口统计学、临床和手术因素数据	来自CoDIG多中心数据库的患者数据
68	2025-06-26	Integration of AI and ML in Tuberculosis (TB) Management: From Diagnosis to Drug Discovery 2025-Jun-11, Diseases (Basel, Switzerland) DOI:10.3390/diseases13060184 PMID:40558595	research paper	本文探讨了人工智能和机器学习在结核病管理中的应用，从诊断到药物发现	利用AI和ML技术提高结核病诊断的准确性和速度，支持传统诊断方法	未提及具体样本量或实验验证的详细数据	提高结核病诊断和治疗的准确性与效率	结核病（TB）患者及其诊断数据	machine learning	tuberculosis	AI, ML, DL, SVM, RF, CNN	SVM, RF, CNN	medical images, biomarkers	NA
69	2025-06-26	SADiff: Coronary Artery Segmentation in CT Angiography Using Spatial Attention and Diffusion Model 2025-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060192 PMID:40558791	研究论文	提出了一种名为SADiff的混合框架，用于从CT血管造影图像中准确分割冠状动脉	结合了扩张注意力网络(DAN)、基于扩散的子网络和条纹注意力网络(SAN)，有效解决了小血管直径、大形态变化、低对比度和运动伪影等问题	未提及具体计算资源需求或处理时间等实际应用限制	提高冠状动脉在CT血管造影图像中的分割准确性	冠状动脉CT血管造影图像	计算机视觉	心血管疾病	CT血管造影(CTA)	DAN, 扩散模型, SAN	医学图像	公开数据集ImageCAS和私有数据集ImageLaPP
70	2025-06-26	Morphology of Macular Neovascularization in Age-Related Macular Degeneration Influences Treatment Requirement and Visual Outcome After 1 Year 2025-Jun-11, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15060246 PMID:40559108	研究论文	评估光学相干断层扫描（OCT）和OCT血管造影参数在预测新生血管性年龄相关性黄斑变性（nAMD）患者一年治疗需求和视力结果方面的潜力	首次通过OCT和OCTA参数预测nAMD患者的治疗需求和视力结果，并发现MNV形态学特征与治疗需求和视力结果的相关性	研究为回顾性设计，样本量较小（96眼），且缺乏长期观察数据	探索OCT和OCTA参数在预测nAMD患者治疗需求和视力结果中的应用	96例初治nAMD患者的眼睛	数字病理学	年龄相关性黄斑变性	OCT, OCTA, 抗VEGF治疗	NA	影像数据	96眼初治nAMD患者
71	2025-06-26	DeepSPV: A deep learning pipeline for 3D spleen volume estimation from 2D ultrasound images 2025-Jun-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103671 PMID:40554255	研究论文	提出了一种名为DeepSPV的深度学习流程，用于从2D超声图像中精确估计3D脾脏体积	首次使用深度学习从2D超声图像估计3D脾脏体积，并可以无缝集成到当前的脾脏评估临床工作流程中	主要使用高度真实的合成数据集进行评估，可能需要在真实临床数据上进行进一步验证	开发一种从2D超声图像中精确估计脾脏体积的方法，以替代传统的3D成像方式	脾脏体积估计	数字病理	镰状细胞病(SCD)	深度学习	分割网络和变分自编码器(VAE)	2D超声图像	高度真实的合成脾脏超声数据集
72	2025-06-26	Molecular Machine Learning Approach to Enantioselective C-H Bond Activation Reactions: From Generative AI to Experimental Validation 2025-Jun-10, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01098e PMID:40556724	研究论文	本文提出了一种分子机器学习方法，用于对映选择性C-H键活化反应的预测和实验验证	利用深度生成模型指导新反应及其前瞻性验证，这在以往的研究中较为罕见	机器学习驱动的反应开发在配体设计方面的前景仍需谨慎，关键决策中领域专家的作用不可忽视	开发机器学习算法用于化学反应的预测和验证	催化不对称β-C(sp)-H活化反应	机器学习	NA	迁移学习	化学语言模型(CLM)	化学反应数据	220个实验报告的例子，以及100万个未标记分子
73	2025-06-26	SAM for Road Object Segmentation: Promising but Challenging 2025-Jun-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060189 PMID:40558788	研究论文	本研究对Segment Anything Model (SAM)在零样本道路物体分割中的性能进行了全面评估	首次全面评估SAM在复杂道路环境下零样本分割道路物体的能力	SAM在动态环境、光照变化和遮挡情况下表现存在挑战	评估基础模型在自动驾驶复杂道路环境中的分割能力	道路物体	计算机视觉	NA	深度学习	SAM	图像	KITTI、BDD100K和Mapillary Vistas数据集
74	2025-06-26	Artificial Intelligence in the Assessment and Grading of Acne Vulgaris: A Systematic Review 2025-Jun-06, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15060238 PMID:40559101	系统综述	本文系统评估了人工智能在痤疮诊断、病变分割/计数和严重程度分级中的最新应用进展	强调了AI驱动方法在提高客观性、可重复性和临床效率方面的潜力	大型公共数据集有限、数据主要来自特定种族群体以及缺乏广泛的外部验证	评估人工智能在痤疮诊断和分级中的应用	痤疮（Acne vulgaris）	数字病理学	痤疮	深度学习	CNN	图像	29项研究
75	2025-06-26	NCT-CXR: Enhancing Pulmonary Abnormality Segmentation on Chest X-Rays Using Improved Coordinate Geometric Transformations 2025-Jun-05, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060186 PMID:40558785	research paper	该研究提出了一种名为NCT-CXR的框架，通过结合解剖学约束的数据增强和专家指导的注释细化，提高了胸部X光片中肺部异常分割的精度和临床可靠性	NCT-CXR框架采用离散角度旋转和强度增强来丰富训练数据，同时保持空间和解剖完整性，并通过临床验证的注释细化流程减少标签噪声	研究仅针对NIH Chest X-ray数据集中的九种胸部疾病进行验证，可能在其他疾病或数据集上的泛化能力有限	提高胸部X光片中肺部异常分割的精度和临床可靠性	胸部X光片中的肺部异常区域	digital pathology	lung cancer	data augmentation, annotation refinement	YOLOv8	image	NIH Chest X-ray数据集中的样本
76	2025-06-26	Trends and global productivity in artificial intelligence research in clinical neurology and neuroimaging: a bibliometric analysis from 1980 to 2024 2025-Jun-04, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf148 PMID:40543094	研究论文	本文通过文献计量分析研究了1980年至2024年间临床神经学和神经影像学中人工智能研究的趋势和全球生产力	揭示了AI在临床神经学和神经影像学领域的研究趋势、全球生产力及其与GDP的相关性	未观察到与人类发展指数的显著关系	分析AI在临床神经学和神经影像学领域的研究趋势和全球生产力	5020篇关于AI在临床神经学和神经影像学领域的出版物	机器学习	神经系统疾病	文献计量分析	回归模型	文献数据	5020篇出版物
77	2025-06-26	COSMICA: A Novel Dataset for Astronomical Object Detection with Evaluation Across Diverse Detection Architectures 2025-Jun-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060184 PMID:40558783	research paper	介绍了一个名为COSMICA的新数据集，用于天文物体检测，并评估了多种检测架构的性能	提出了一个新颖的、经过人工标注的天文图像数据集COSMICA，并评估了多种现代YOLO架构在天文物体检测中的表现	未提及数据集的样本量是否足够大以覆盖所有天文物体类型，也未讨论模型在其他天文数据集上的泛化能力	开发并评估用于天文物体检测的实时系统，以应用于实际观测流程	彗星、星系、星云和球状星团等天文物体	computer vision	NA	NA	YOLOv8, YOLOv9, YOLOv11, EfficientDet-Lite0, MobileNetV3-FasterRCNN-FPN	image	NA
78	2025-06-26	Platelets Image Classification Through Data Augmentation: A Comparative Study of Traditional Imaging Augmentation and GAN-Based Synthetic Data Generation Techniques Using CNNs 2025-Jun-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060183 PMID:40558782	研究论文	本研究通过比较传统图像增强技术和基于GAN的合成数据生成技术，探讨了血小板图像分类的效果	使用WGAN-GP生成合成血小板图像数据集，并与传统增强技术进行比较，展示了GAN在医学图像分类中的潜力	初始数据集较小（仅71张图像），可能影响结果的泛化能力	提高血小板图像的分类准确性，探索数据增强技术在医学影像中的应用	血小板图像	数字病理学	NA	WGAN-GP, 传统图像增强技术（旋转、剪切、缩放等）	CNN（包括DenseNet121/169/201, VGG16/19, InceptionV3, InceptionResNetV2, AlexNet等预训练模型及两种自定义CNN）	图像	初始71张血小板图像，传统增强后1463张，GAN生成300张
79	2025-06-26	Proteasome-derived antimicrobial peptides discovered via deep learning 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.17.643752 PMID:40501667	研究论文	通过深度学习发现蛋白酶体衍生的抗菌肽	利用深度学习从蛋白酶体中系统挖掘出59种候选抗菌肽（proteasomins），这些肽在序列上与已知抗菌肽不同，具有新颖的作用机制	研究仅基于预测和体外实验，尚未进行体内验证	探索蛋白酶体在先天免疫中的作用，并开发新型抗菌肽	蛋白酶体及其衍生的肽段	机器学习	NA	深度学习	NA	序列数据	59种候选肽（proteasomins）
80	2025-06-26	A Structured and Methodological Review on Multi-View Human Activity Recognition for Ambient Assisted Living 2025-Jun-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060182 PMID:40558781	综述	本文系统性地比较了单视角和多视角人类活动识别方法，并分析了其在环境辅助生活（AAL）中的应用	首次系统比较单视角和多视角人类活动识别方法，并探讨了多视角架构在AAL中的优化应用	未提及具体实验验证或实际部署中的性能表现	探讨人类活动识别（HAR）在环境辅助生活（AAL）中的技术演进与优化	老年人及残障人士	机器学习和计算机视觉	老年疾病	传感器融合和迁移学习	CNN, RNN, LSTM, TCN, GCN	多视角活动数据	NA