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	2025-06-13	Real-time integrated modeling of soft tissue deformation and stress based on deep learning 2025-Jun-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adde0d PMID:40436029	research paper	开发了一种基于深度学习的实时多物理场建模框架，用于软组织的变形和应力分布模拟	提出了一种平衡多物理场特征尺度的方法，解决了现有模型在建模多个物理场时因数据分布差异导致的偏向性问题	未提及模型在更复杂或动态手术环境中的适用性	解决手术模拟器中应力渲染缺失的问题，提升手术模拟器的真实感	软组织的变形和应力分布	machine learning	NA	深度学习	神经网络	三维模型数据	悬臂梁、肝脏、脾脏和肾脏的三维模型
842	2025-06-13	Accurate Prediction of the Diffusion Coefficients of Organic Compounds in Water by Multimodal Learning 2025-Jun-12, The journal of physical chemistry. A DOI:10.1021/acs.jpca.5c01881 PMID:40457760	research paper	开发了一种多模态深度学习模型，用于预测有机化合物在水中的扩散系数	结合分子图像、分子描述符和温度的多模态深度学习模型，比传统经验方程更准确	未提及模型在新合成化学物质上的泛化能力	快速准确预测有机化合物在水中的扩散系数	有机化合物在水中的扩散系数	machine learning	NA	深度学习	multimodal deep learning model	分子图像、分子描述符、温度数据	未提及具体样本数量
843	2025-06-13	Interpretable Multimodal Deep Ensemble Framework Dissecting Bloodbrain Barrier Permeability with Molecular Features 2025-Jun-12, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01077 PMID:40462529	research paper	提出一种多模态机器学习框架，整合分子指纹和图像特征以改善血脑屏障通透性预测	结合多种分子指纹和图像特征，使用堆叠集成模型和Transformer编码器、CNN及多头注意力融合机制，提升预测稳定性和可解释性	未提及具体样本量，可能影响模型泛化能力的验证	开发可解释的机器学习模型以揭示血脑屏障通透性的物理化学原理	血脑屏障通透性预测	machine learning	NA	Principal Component Analysis (PCA), Shapley Additive Explanations (SHAP)	stacking ensemble model, Transformer encoder, CNN, Multi-Head Attention	molecular fingerprints (Morgan, MACCS, RDK), image features	NA
844	2025-06-13	Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy 2025-Jun-12, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.25-059 PMID:40499925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
845	2025-06-13	High visceral-to-subcutaneous fat area ratio is an unfavorable prognostic indicator in patients with uterine sarcoma 2025-Jun-12, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01812-7 PMID:40500581	研究论文	探讨体成分参数对子宫肉瘤患者总体生存率的影响	首次研究了内脏脂肪与皮下脂肪面积比（VSR）对子宫肉瘤患者预后的影响	样本量较小（52例患者），且为回顾性研究	评估体成分参数与子宫肉瘤患者生存率的关系	子宫肉瘤患者	数字病理学	子宫肉瘤	基于深度学习的半自动分割程序	深度学习	CT图像	52例子宫肉瘤患者
846	2025-06-13	Analysis of influenza-like illness trends in Saudi Arabia: a comparative study of statistical and deep learning techniques 2025-Jun-12, Osong public health and research perspectives IF:2.1Q3 DOI:10.24171/j.phrp.2025.0080 PMID:40501115	研究论文	比较统计方法和深度学习方法在预测沙特阿拉伯季节性流感样疾病(ILI)发病率中的表现	首次在中东流行病学模型中整合了地区特异性外生变量，并比较了Holt-Winters统计方法和LSTM深度学习方法的预测性能	Holt-Winters模型在发病率波动较大时期表现出显著的未解释变异性	开发和评估流感样疾病(ILI)发病率预测模型	沙特阿拉伯2017-2022年的每周季节性流感样疾病(ILI)发病率数据	机器学习	流感	时间序列分析	Holt-Winters, LSTM	时间序列数据	2017-2022年沙特阿拉伯的每周ILI病例数据
847	2025-06-13	A Hyperbolic Discrete Diffusion 3D RNA Inverse Folding Model for Functional RNA Design 2025-Jun-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00527 PMID:40503717	研究论文	提出了一种名为RIdiffusion的双曲离散扩散3D RNA逆折叠模型，用于功能性RNA设计	通过将RNA 3D结构的几何特征和拓扑特性嵌入双曲空间，RIdiffusion能够基于有限的训练样本，利用离散扩散模型高效恢复目标RNA 3D结构的核苷酸分布	RNA 3D结构数据的实验获取有限，RNA 3D结构的独特特性增加了逆折叠的难度	开发一种高效的3D RNA逆折叠模型，用于功能性RNA的生成设计	RNA 3D结构	机器学习	NA	离散扩散模型	RIdiffusion	3D结构数据	有限的训练样本
848	2025-06-13	Simulation-free workflow for lattice radiation therapy using deep learning predicted synthetic computed tomography: A feasibility study 2025-Jun-12, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70137 PMID:40504103	research paper	本研究开发了一种基于深度学习预测合成CT的无模拟工作流程，用于加速基于VMAT的格子放射治疗计划	利用深度学习预测的合成CT实现无模拟治疗计划工作流程，以加速格子放射治疗的启动	研究样本量较小（训练集50例，测试集15例），且仅针对胸部和腹部区域	开发一种无模拟的工作流程，以加速格子放射治疗计划的制定	胸部和腹部区域的诊断CT图像	digital pathology	bulky tumors	deep learning, volumetric modulated arc therapy (VMAT)	3D U-Net	CT images	训练集50例患者，测试集15例患者
849	2025-06-13	Optimization enabled ensemble based deep learning model for elderly falling risk prediction 2025-Jun-12, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2514802 PMID:40504132	research paper	该研究开发了一种基于优化深度学习的老年人跌倒风险预测模型	采用新型Double Exponential Lyrebird Optimization算法结合双指数平滑和Lyrebird优化，构建集成学习模型	未提及具体样本量及数据来源的局限性	开发先进的老年人跌倒风险预测模型以提高安全性	老年人跌倒风险预测	machine learning	geriatric disease	Double Exponential Lyrebird Optimization算法	XGBoost, 1D CNN, Deep Belief Network	NA	NA
850	2025-06-13	GlycanInsight: an open platform for carbohydrate-binding pocket prediction and characterization 2025-Jun-11, Chemical science IF:7.6Q1 DOI:10.1039/d5sc02262b PMID:40438170	research paper	介绍了一个名为GlycanInsight的深度学习开放平台，用于预测和表征蛋白质结构上的碳水化合物结合口袋	GlycanInsight通过深度学习技术预测碳水化合物结合口袋，并在实验结构和AlphaFold2预测结构上表现出色，同时提供口袋聚类、特征分析和配体建议功能	未明确提及具体限制，但可能依赖于蛋白质结构预测的准确性	开发一个计算工具以解决碳水化合物结合位点识别的挑战，促进糖靶向治疗的研究和设计	蛋白质结构上的碳水化合物结合口袋	生物信息学	NA	深度学习	NA	蛋白质结构数据	基准数据集中的实验结构
851	2025-06-13	Hybrid Frameworks Integrating Deep Learning and Optimization Methods for Inverse Design in Nanophotonics 2025-Jun-11, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c03196 PMID:40445168	研究论文	本文探讨了人工智能在纳米光子学逆向设计中的混合框架，结合深度学习和经典优化技术	提出混合框架，结合深度学习的计算效率和泛化能力与经典优化技术的鲁棒性，实现更快收敛和更高设计效率	未提及具体实验验证或实际应用中的性能限制	推动纳米光子学逆向设计领域的发展，探索可扩展且实用的创新方法	纳米光子器件，如超表面和其他纳米光子设备	纳米光子学	NA	深度学习、伴随方法、进化算法、物理信息神经网络	混合框架（深度学习与优化方法结合）	NA	NA
852	2025-06-13	Asymmetric Braided Artificial Muscles with Precise Electrothermal Actuation Control Enabled by Deep Learning 2025-Jun-11, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c05636 PMID:40447577	研究论文	本研究提出了一种新型的非对称编织方法，结合碳纳米管纱线和液晶弹性体纤维，制造出一种电热纤维形状执行器，并在空气和水中展示了卓越的执行性能	采用非对称编织方法结合碳纳米管纱线和液晶弹性体纤维，制造出高性能电热执行器，并应用LSTM模型提升其控制精度	未提及样本量或实验的具体限制条件	开发高性能且可控的人工肌肉执行器	电热纤维形状执行器	柔性机器人	NA	Maypole编织机、电热驱动	LSTM	NA	NA
853	2025-06-13	DRLSurv: Disentangled Representation Learning for Cancer Survival Prediction by Mining Multimodal Consistency and Complementarity 2025-Jun-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578859 PMID:40498625	研究论文	提出了一种名为DRLSurv的新型多模态深度学习方法，用于精确预测癌症生存率，通过挖掘多模态数据的一致性和互补性	利用解耦表示学习技术，将每种模态分解为模态不变和模态特定的表示，并创新性地引入了基于子空间的邻近对比损失和再解耦损失	未明确提及具体局限性	提高癌症生存预测的准确性，为制定最佳治疗计划和提供个体化护理提供支持	癌症患者的多模态数据（如组织病理学图像和基因组数据）	数字病理学	癌症	解耦表示学习	深度学习	多模态数据（图像和基因组数据）	NA
854	2025-06-13	Dynamic Instance-level Graph Learning Network of Intracranial Electroencephalography Signals for Epileptic Seizure Prediction 2025-Jun-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578627 PMID:40498623	research paper	提出了一种动态实例级图学习网络（DIGLN），用于癫痫发作预测，通过颅内脑电图（iEEG）信号建模动态因果关系	DIGLN通过分组时序神经网络和图结构学习方法捕获通道内和通道间的因果关系，并引入图形交互回写技术实现双向因果关系建模	实验仅在Freiburg iEEG数据集上进行验证，未在其他数据集上测试泛化能力	开发一种能够准确识别癫痫iEEG信号中动态因果关系的新型深度学习模型	癫痫患者的颅内脑电图（iEEG）信号	脑机接口	癫痫	深度学习	DIGLN（动态实例级图学习网络）	iEEG信号	Freiburg iEEG数据集
855	2025-06-13	DeepHeme, a high-performance, generalizable deep ensemble for bone marrow morphometry and hematologic diagnosis 2025-Jun-11, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.adq2162 PMID:40498857	research paper	开发了一个名为DeepHeme的高性能深度学习集成模型，用于骨髓形态测量和血液学诊断	DeepHeme在准确性和可区分细胞类别数量上超越了现有模型，并展示了强大的跨数据集泛化能力	模型性能验证依赖于特定医疗机构的有限数据集，可能需要更多外部验证	提高骨髓细胞形态学自动分类的效率和准确性，以辅助血液学诊断	骨髓抽吸物(BMA)的细胞形态学图像	digital pathology	hematological disorders	deep learning	snapshot ensemble	image	训练集30,394张图像(40名正常骨髓患者)，测试集8,507张图像(10名不同患者)，外加外部验证集13,770张图像(665名正常/患病患者)
856	2025-06-13	A Self-Adaptive Reconfigurable Metasurface for Electromagnetic Wave Sensing and Dynamic Reflection Control 2025-Jun-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202505155 PMID:40498986	research paper	本文提出了一种实时自适应的可重构超表面，能够感知入射波的到达方向并相应调整其反射	该超表面通过简单的相位比较器和查找表集成传感和可重构反射元原子，无需辅助检测模式或外部控制单元，显著节省了响应时间、能耗和制造成本	实验仅验证了入射角在±50°范围内的有效性，且角度变化速率最高为12度/秒	开发一种自主、计算简单、经济高效、节能且实时的自适应反射控制解决方案	可重构超表面	电磁波传感	NA	相位比较器和查找表	NA	电磁波信号	NA
857	2025-06-13	A fully open AI foundation model applied to chest radiography 2025-Jun-11, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09079-8 PMID:40500447	research paper	开发了一个名为Ark的开放基础模型，用于胸部X光片的诊断，通过循环积累和重用来自多个数据集的异构专家标签知识	Ark模型通过积累和重用来自多个数据集的异构专家标签知识，扩展了诊断范围，适应新的诊断需求，并能从少量样本中学习罕见病症	NA	开发一个开放的基础模型，用于胸部X光片的自动化诊断	胸部X光片	digital pathology	lung cancer	deep learning	foundation model	image	多个数据集中的异构样本
858	2025-06-13	Non-enhanced CT deep learning model for differentiating lung adenocarcinoma from tuberculoma: a multicenter diagnostic study 2025-Jun-11, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11721-y PMID:40500528	research paper	该研究开发并验证了一个基于三维特征的深度学习模型（DL_3D），用于区分肺腺癌（LUAD）和结核瘤（TBM）	提出了基于视觉Transformer网络的DL_3D模型，在非增强CT图像上区分LUAD和TBM，性能优于二维特征模型、放射组学模型和六位放射科医生	样本量相对有限，且仅来自三个医院，可能存在选择偏差	开发一种深度学习模型，用于在非增强CT图像上区分肺腺癌和结核瘤	肺腺癌（LUAD）和结核瘤（TBM）患者	digital pathology	lung cancer	非增强CT成像	vision transformer network	CT图像	1160名患者（840名训练集，210名验证集，110名外部测试集）
859	2025-06-13	Development of an Interpretable Machine Learning Model for Neurotoxicity Prediction of Environmentally Related Compounds 2025-Jun-10, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c03311 PMID:40307185	研究论文	开发了一种可解释的机器学习模型，用于预测环境相关化合物的神经毒性	结合分子指纹和分子描述符与XGBoost算法，构建了高性能且可解释的神经毒性预测模型，并开发了在线平台	在已知神经毒性数据的89种化合物中，模型准确率为0.74，仍有提升空间	预测环境相关化合物的神经毒性，管理环境健康风险	环境相关化合物	机器学习	神经系统疾病	分子指纹、分子描述符、分子图	XGBoost、传统机器学习算法、深度学习方法	分子数据	1170种在人血中检测到的化合物，其中89种有已知神经毒性数据
860	2025-06-13	Multivariate multi-horizon time-series forecasting for real-time patient monitoring based on cascaded fine tuning of attention-based models 2025-Jun-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110406 PMID:40499368	研究论文	本文介绍了一种名为StreamHealth Multi-Horizon AI的新型框架，用于重症监护病房(ICU)中关键生理指标的多变量多时间范围实时预测	该框架结合了基于注意力的模型（如Temporal Fusion Transformer和Temporal Convolutional Network），并采用级联微调策略，显著提高了模型对未见患者数据的泛化能力	研究仅使用了MIMIC-III数据库的数据，未在其他独立数据集上进行验证	开发一个能实时预测ICU患者关键生理指标的AI系统，以支持早期临床干预	ICU患者的血氧饱和度(SpO2)和呼吸频率(RR)等生命体征	机器学习	重症监护	时间序列预测	TFT, TCN, LSTM, GRU, Bi-LSTM, Bi-GRU, CNN, Seq2Seq	生理时间序列数据	MIMIC-III数据库中的患者数据