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
841	2025-07-19	Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00513 PMID:40528819	研究论文	该研究利用半经验量子化学方法生成模拟振动光谱，通过迁移学习在合成数据集上预训练深度学习模型，并在实验性拉曼光谱数据集上进行微调，以提高模型泛化能力	提出使用半经验量子化学方法生成合成拉曼光谱数据，用于预训练深度学习模型，解决了实际拉曼光谱数据不足的问题	研究仅针对细菌光谱数据进行了验证，未在其他类型样本上测试模型泛化能力	解决拉曼光谱数据不足导致的模型过拟合和泛化能力差问题	细菌拉曼光谱数据	生物光子学	NA	拉曼光谱技术、半经验量子化学方法	深度学习模型	光谱数据	小规模实验性拉曼光谱数据集
842	2025-07-19	Evaluation of Small-Molecule Binding Site Prediction Methods on Membrane-Embedded Protein Interfaces 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00336 PMID:40601846	研究论文	评估小分子结合位点预测方法在膜蛋白界面上的性能	比较了多种计算方法在膜蛋白内嵌区域的配体结合位点预测性能，并提供了最佳方法排名	所有方法的平均DCC和DVO值均低于可溶性蛋白数据集，表明在膜蛋白界面区域的预测仍有改进空间	评估和比较不同计算方法在膜蛋白内嵌区域的配体结合位点预测性能	GPCR和离子通道配体复合物	计算生物学	NA	几何基(Fpocket, ConCavity)、能量探针基(FTSite)、机器学习基(P2Rank, GRaSP)、深度学习基(PUResNet, DeepPocket, PUResNetV2.0)方法	深度学习(PUResNet, DeepPocket, PUResNetV2.0)	蛋白质结构数据	GPCR和离子通道配体复合物数据集
843	2025-07-19	Advancing Drug Discovery with Enhanced Chemical Understanding via Asymmetric Contrastive Multimodal Learning 2025-Jul-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00430 PMID:40548496	研究论文	本文提出了一种名为非对称对比多模态学习（ACML）的新方法，旨在通过多模态深度学习增强分子理解并加速药物发现	引入非对称对比多模态学习（ACML），通过有效的信息传递和协调化学语义的融合，提升分子表示学习的效果	未提及具体的数据集规模限制或计算资源需求	通过多模态深度学习增强化学理解并加速药物发现	分子图表示和化学多模态数据	机器学习	NA	非对称对比学习、多模态学习	图神经网络（GNN）	分子图数据和多模态化学数据	使用了MoleculeNet和Therapeutics Data Commons（TDC）的数据集，但未提及具体样本数量
844	2025-07-19	Generative AI enables medical image segmentation in ultra low-data regimes 2025-Jul-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61754-6 PMID:40659619	研究论文	提出一种生成式深度学习框架，用于在极低数据量情况下生成高质量的图像-掩码对作为辅助训练数据，以改善医学图像分割性能	采用多级优化实现端到端数据生成，使分割性能指导生成过程，生成针对性强的训练数据	未明确说明在极端数据稀缺情况下的性能下限	解决医学图像分割在极低数据量情况下的性能问题	医学图像分割任务	数字病理	NA	生成式深度学习	生成式AI	医学图像	覆盖11个医学图像分割任务和19个数据集
845	2025-07-19	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Jul-14, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了AI驱动的液体活检在胃肠道癌症早期检测中的进展和潜力	利用AI技术（特别是机器学习和深度学习）提高了液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探索AI驱动的液体活检在胃肠道癌症早期检测中的应用	胃肠道癌症（GICs）的早期检测	数字病理学	胃肠道癌症	液体活检（包括ctDNA、循环肿瘤细胞、exoRNA和肿瘤教育血小板）	机器学习和深度学习	生物标志物数据（包括ctDNA突变分析、甲基化分析和片段组学）	NA
846	2025-07-19	Early detection of Multidrug Resistance using Multivariate Time Series analysis and interpretable patient-similarity representations 2025-Jul-12, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108920 PMID:40675058	研究论文	本研究提出了一种新颖的可解释机器学习方法，用于预测多药耐药性（MDR），旨在提高预测准确性和解释性	采用基于患者相似性表示的多变量时间序列分析和图方法，增强了MDR预测的可解释性	研究仅基于单一ICU数据集，可能限制了结果的普适性	开发一种可解释的机器学习方法，用于早期检测多药耐药性	重症监护病房（ICU）患者的电子健康记录	机器学习	多药耐药性感染	多变量时间序列分析、动态时间规整、时间聚类核	Logistic Regression, Random Forest, Support Vector Machines	电子健康记录（时间序列数据）	来自University Hospital of Fuenlabrada ICU数据集的真实世界电子健康记录
847	2025-07-19	Adversarial learning for beamforming domain transfer in ultrasound medical imaging 2025-Jul-09, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107749 PMID:40674811	研究论文	本研究利用生成对抗网络（GANs）将平面波DAS超声图像转换为类似F-DMAS生成的图像，以提高超声图像质量	首次提出使用GANs实现超声图像从DAS到F-DMAS的域转换，并引入纹理分析验证生成图像与目标图像的一致性	研究依赖于特定类型的超声图像（平面波DAS），且需要专家进行临床评估	提高在无法获取原始RF数据情况下的超声图像质量	超声B模式图像	医学影像处理	NA	生成对抗网络（GANs）	Pix2Pix, Pyramidal Pix2Pix, CycleGAN	超声图像	NA
848	2025-07-19	Harnessing deep learning for fusion-based heavy metal contamination index prediction in groundwater 2025-Jul-07, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104672 PMID:40675024	研究论文	本研究提出了一种基于深度学习的融合框架，用于预测地下水中重金属污染指数	采用定制化的基于根的数据融合和归一化方法，将五种水污染指数整合为一个统一的复合指标，并使用深度神经网络进行建模	研究仅针对伊朗Zanjan的Gultepe-Zarrinabad子流域，可能限制了结果的普适性	开发一种AI支持的环境监测方法，以实现可持续水资源管理	地下水中的重金属污染，特别是锰(Mn)、铁(Fe)、砷(As)和铅(Pb)	机器学习	NA	数据融合和归一化	DNN, DT, KNN, ANN	水质数据	NA
849	2025-07-19	Accounting for population structure in deep learning models for genomic analysis 2025-Jul-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104873 PMID:40623578	研究论文	本研究探讨了深度学习模型中忽略遗传相关性是否会导致类似于传统基因组分析中的混杂效应	首次在深度学习模型中系统地研究了遗传相关性（群体结构）对模型性能的影响，并提出了减少捷径学习的方法	研究主要基于模拟和有限的实际数据集，可能无法涵盖所有潜在的群体结构情况	评估群体结构对基因组分析深度学习模型的影响	单核苷酸多态性(SNP)数据	机器学习	NA	深度学习	深度学习模型	基因组数据	模拟和真实世界数据集
850	2025-07-19	optiGAN: a deep learning-based alternative to optical photon tracking in Python-based GATE (10+) 2025-Jul-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade2b5 PMID:40490001	研究论文	本研究提出了一种基于生成对抗网络（GAN）的optiGAN模型，用于加速GATE医学物理框架中的光学光子传输模拟，同时保持高建模精度	将GAN模型optiGAN集成到Python版的GATE 10中，作为传统光学蒙特卡洛模拟的高效替代方案，显著降低了计算成本	虽然optiGAN在模拟时间上减少了约50%，但仍有8%的模拟结果与蒙特卡洛方法存在差异	加速光学光子传输模拟，同时保持高建模精度，以支持医学成像和探测器设计的广泛应用	GATE医学物理模拟框架中的光学光子传输	医学物理	NA	GAN	GAN	模拟数据	NA
851	2025-07-19	Challenges for implementing generative artificial intelligence (GenAI) into clinical healthcare 2025-07, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.70035 PMID:40135733	review	本文探讨了生成式人工智能（GenAI）在医疗保健领域实施的潜力与挑战	综述了GenAI在医疗保健中的多功能能力及其潜在影响	未提及具体的技术实现细节或案例研究	探讨GenAI在临床医疗保健中的应用潜力与实施挑战	生成式人工智能（GenAI）技术及其在医疗保健中的应用	machine learning	NA	deep learning	GenAI	large and diverse datasets	NA
852	2025-07-19	Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology 2025-Jul, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	综述	本文综述了深度学习在全幻灯片图像(WSI)分析中的应用及其在癌症病理学中的临床价值	整合深度学习模型与WSI技术，探索超出病理学家视觉感知的形态学特征，用于自动化临床诊断、组织病理学分级评估、临床结果预测及新型形态学生物标志物发现	讨论了将基于深度学习的数字病理学转化为临床实践所面临的机遇与挑战	推进深度学习驱动的WSI分析在癌症护理临床任务中的应用	全幻灯片图像(WSI)及癌症病理学	数字病理学	癌症	全幻灯片成像技术	CNN, GCN, Transformer	图像	NA
853	2025-07-19	Predicting NSCLC surgical outcomes using deep learning on histopathological images: development and multi-omics validation of Sr-PPS model 2025-07-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002526 PMID:40440686	研究论文	开发并验证了一种基于深度学习的模型Sr-PPS，用于预测非小细胞肺癌（NSCLC）患者术后结果	利用先进的Res2Net深度学习架构开发了新型手术预后预测评分系统（Sr-PPS），并通过多组学验证揭示了其分子机制	研究样本量相对有限，且依赖于TCGA数据库的外部验证	开发可靠的预测工具以准确预测NSCLC患者的术后结果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	深度学习	Res2Net	组织病理学图像和临床数据	337例Local-NSCLC患者用于模型开发，554例NSCLC患者（来自TCGA数据库）用于验证
854	2025-07-19	Comparison of an Attention-Based Multiple Instance Learning (MIL) With a Visual Transformer Model: Two Weakly Supervised Deep Learning (DL) Algorithms for the Detection of Histopathologic Lesions in the Rat Liver to Distinguish Normal From Abnormal 2025-Jul, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251339653 PMID:40444726	研究论文	比较基于注意力的多实例学习（MIL）与视觉Transformer模型在弱监督深度学习算法中检测大鼠肝脏组织病理学病变的效果	首次在弱监督框架下比较MIL和视觉Transformer模型在组织病理学病变检测中的表现，并展示了模型在肾脏WSIs上的迁移学习能力	研究仅基于大鼠肝脏和肾脏的WSIs，未涉及其他器官或物种	提高监管毒性研究中组织病理学评估的效率	大鼠肝脏和肾脏的WSIs	数字病理学	NA	弱监督深度学习	MIL, Transformer	WSIs	58项不同大鼠毒性研究的肝脏切片WSIs
855	2025-07-19	Artificial Intelligence in Obstetric and Gynecological MR Imaging 2025-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2024-0077 PMID:39477505	综述	本文回顾了人工智能在产科和妇科MRI影像中的重大进展和应用	从基础算法技术到深度学习和高级放射组学的AI发展历程，以及AI在特定疾病诊断中的应用	未提及具体的技术实施细节和数据集的具体规模	探索AI在产科和妇科MRI影像中的应用及其未来发展方向	子宫平滑肌肉瘤、子宫内膜癌、宫颈癌、卵巢肿瘤和胎盘植入等妇科疾病	数字病理学	妇科疾病	MRI、深度学习、放射组学	NA	MRI影像	NA
856	2025-07-19	Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy 2025-Jul, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00679-1 PMID:40603582	研究论文	本文提出了一种名为MAARS的多模态人工智能方法，用于预测肥厚型心肌病患者的致命性心律失常事件	MAARS利用基于transformer的神经网络分析多模态医疗数据，包括电子健康记录、超声心动图和放射学报告以及对比增强心脏磁共振图像，后者是该模型的独特特征	NA	提高肥厚型心肌病患者致命性心律失常事件的预测准确性	肥厚型心肌病患者	人工智能在医疗领域的应用	心血管疾病	深度学习	transformer-based神经网络	多模态医疗数据（电子健康记录、超声心动图、放射学报告、心脏磁共振图像）	内部和外部队列患者（具体数量未提及）
857	2025-07-19	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	research paper	提出了一种基于深度学习的自动运动校正框架，用于18F-flurpiridaz PET心肌灌注成像	使用3D ResNet架构实现自动帧间运动校正，减少人工干预和观察者间差异	研究仅基于32个临床站点的数据，可能需要更大规模验证	提高18F-flurpiridaz PET心肌血流定量分析的准确性和效率	18F-flurpiridaz PET心肌灌注成像数据	digital pathology	cardiovascular disease	PET成像	3D ResNet	3D医学影像	来自32个临床站点的多中心数据（NCT01347710临床试验）
858	2025-07-19	Noise-aware system generative model (NASGM): positron emission tomography (PET) image simulation framework with observer validation studies 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17962 PMID:40660861	研究论文	开发并验证了一种基于深度学习的PET图像模拟方法NASGM，用于生成不同采集时间的PET图像	提出了一种新型的噪声感知系统生成模型（NASGM），采用双域鉴别器和基于Transformer的频率鉴别器结构，能够更好地模拟不同采集时间的PET图像	未提及在超出训练范围的时间帧上的泛化能力	开发一种计算高效的PET图像模拟框架，用于生成大量不同采集时间的模拟PET图像数据集	PET图像	医学影像处理	NA	深度学习生成模型	条件生成对抗网络（cGAN）	医学影像（PET/CT）	使用公共PET/CT数据集作为输入活动和衰减图
859	2025-07-19	Use of a deep learning neural network to generate bone suppressed images for markerless lung tumor tracking 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17949 PMID:40660921	研究论文	本研究使用U-net神经网络生成骨抑制图像，用于无标记肺部肿瘤追踪	提出了一种使用U-net神经网络生成合成双能减影（sDES）图像的方法，无需额外硬件或软件	研究样本量有限，仅包括20名肺癌患者和一个运动体模	比较合成双能减影（sDES）图像与真实双能减影（DES）图像在图像质量和追踪结果上的差异	运动体模和20名肺癌患者的X射线图像	数字病理	肺癌	双能减影（DES）和U-net神经网络	U-net	X射线图像	20名肺癌患者和1个运动体模，共7193张图像对
860	2025-07-19	An open-source deep learning framework for respiratory motion monitoring and volumetric imaging during radiation therapy 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18015 PMID:40665474	研究论文	开发了一个名为Voxelmap的深度学习框架，用于实时图像引导放射治疗中的呼吸运动监测和体积成像	Voxelmap框架能够利用标准临床环境中已有的数据和资源实现3D呼吸运动估计和体积成像，且可适应其他成像模式如MRI-Linacs，与现有方法相比，它鼓励保持拓扑结构和可逆性的微分同胚映射	在某些网络架构下，目标质心误差较大，如网络B和C在基于X射线的肺癌患者数据中表现出较大的误差	开发一种经济实惠的实时图像引导放射治疗工具	呼吸运动监测和体积成像在放射治疗中的应用	数字病理	肺癌	深度学习	CNN	图像	使用XCAT和CoMBAT数字幻影以及SPARE Grand Challenge数据集提供合成和患者数据