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
901	2025-06-13	Ripen banana dataset: A comprehensive resource for carbide detection and ripening stage analysis to enhance food quality and agricultural efficiency 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111659 PMID:40496751	research paper	介绍了一个名为'Ripen Banana'的数据集，用于碳化物检测和香蕉成熟阶段分析，以提升食品质量和农业效率	新开发的香蕉数据集包含碳化和非碳化两类香蕉图像，覆盖从生到熟的各个阶段，为农业实践和计算机视觉技术提供了新资源	数据集仅来自孟加拉国Sirajganj地区，可能不具有全球代表性	提升食品质量和农业效率，支持数据驱动的食品检测和香蕉成熟系统	香蕉的成熟阶段和碳化处理	computer vision	NA	图像采集和增强	machine learning和deep learning模型	image	1404张原始图像和6410张增强图像，总计7814张图像
902	2025-06-13	Meet the engineer using deep learning to restore Renaissance art 2025-Jun, Nature IF:50.5Q1 DOI:10.1038/d41586-025-01776-8 PMID:40500324	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
903	2025-06-13	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	研究论文	本文介绍了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，并考虑了碰撞能量和极性	提出了一种新的深度学习模型ICEBERG，能够模拟质谱中的碰撞诱导解离，显著提高了化合物注释的准确性	未明确提及具体局限性	开发一种能够快速、经济高效地识别未知分子结构的方法	分子结构及其碎片	机器学习和质谱分析	抑郁症和结核性脑膜炎	质谱/MS/MS	几何深度学习模型/ICEBERG	质谱数据	NIST'20 [M+H] 加合物子集
904	2025-06-13	EnhancerDetector : Enhancer Discovery from Human to Fly via Interpretable Deep Learning 2025-May-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656532 PMID:40501920	research paper	介绍了一个基于卷积神经网络的跨物种增强子预测框架EnhancerDetector，该框架结合了高准确性和生物可解释性	提出了一种新的跨物种增强子预测方法，通过集成策略减少假阳性，并支持在新物种上进行微调，同时利用类激活图增强模型的可解释性	未提及具体的技术或数据限制	开发一个准确且可解释的增强子预测框架，适用于多种物种	人类、小鼠和果蝇的增强子序列	machine learning	NA	deep learning, convolutional neural network	CNN	DNA序列数据	至少20,000个增强子序列用于微调
905	2025-06-13	MCOA: A Comprehensive Multimodal Dataset for Advancing Deep Learning in Corneal Opacity Assessment 2025-May-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05205-3 PMID:40447652	research paper	该研究建立了一个全面的角膜混浊多模态数据集，用于推进深度学习在角膜混浊评估中的应用	创建了目前最大规模的角膜混浊数据集，结合了AS-OCT图像和前段照片，为深度学习算法的发展提供了高质量数据	未提及数据集的多样性和代表性是否覆盖所有类型的角膜混浊	推进深度学习在角膜混浊识别和评估中的应用，支持AI驱动的临床决策和个性化治疗计划	角膜混浊患者	digital pathology	vision impairment	AS-OCT	deep learning	image	6,272张AS-OCT图像和392张前段照片
906	2025-06-13	A Diffusion-Based Framework for Designing Molecules in Flexible Protein Pockets 2025-May-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.27.656443 PMID:40502112	research paper	介绍了一种基于扩散的框架YuelDesign，用于设计适应柔性蛋白质口袋的分子	YuelDesign采用新的蛋白质编码方案和全连接图表示来编码蛋白质口袋的灵活性，以及专门的键重建模块	未明确提及具体限制，但可能涉及对更广泛蛋白质类型的适用性或实验验证的深度	解决结构基药物发现中柔性蛋白质口袋分子设计的挑战	柔性蛋白质口袋和设计的分子	machine learning	NA	扩散模型	diffusion-based model	分子结构数据	NA
907	2025-06-13	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	本研究通过多中心评估放射组学和深度学习在区分高风险与低风险IPMNs中的效能	首次将放射组学与深度学习融合模型应用于IPMN恶性风险分层，并在多中心队列中验证其性能	模型性能尚需提升以达到独立临床应用标准	开发客观、非侵入性的IPMN恶性风险分层方法以减少不必要的手术干预	胰腺导管内乳头状黏液性肿瘤(IPMNs)	数字病理	胰腺癌	T2W MRI成像	2D/3D radiomics模型、DL模型及radiomics-DL融合模型	医学影像	7个中心的359例T2W MRI图像
908	2025-06-13	A Multi‑Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision‑Making 2025-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656671 PMID:40502058	research paper	本文提出了一种多区域大脑模型，用于研究海马体在空间嵌入决策中的作用	通过对比不同交互架构的强化学习代理与大脑模型，发现特定架构（网格细胞接收并联合编码自运动速度信号和决策证据增量）能优化学习效率并最好地再现实验观察结果	模型对海马体-内嗅皮层-新皮层回路的信息流和组织提出了新的预测，但需要进一步的神经生理学实验验证	探索结构化记忆回路在空间嵌入二元决策任务中的规范性作用	强化学习代理与大脑模型中的网格细胞和位置细胞	machine learning	NA	reinforcement learning (RL)	recurrent neural network (RNN)	NA	NA
909	2025-06-13	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本文介绍了TumorImagingBench，一个包含六个公共数据集（3,244次扫描）的基准测试，用于评估十种医学影像基础模型在提取定量放射学表型方面的性能	首次系统评估了不同医学影像基础模型在提取癌症定量放射学表型方面的能力，并比较了它们的鲁棒性和可解释性	研究仅基于六个公共数据集，可能无法涵盖所有临床场景	评估医学影像基础模型在定量癌症成像中的性能，并指导模型选择	十种医学影像基础模型及其在癌症定量放射学表型提取中的表现	数字病理学	癌症	深度学习	基础模型	医学影像	3,244次扫描
910	2025-06-13	Evaporative cooling signals for wound healing in plants 2025-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.23.655667 PMID:40502075	研究论文	该研究揭示了植物叶片伤口愈合过程中局部冷却现象及其与冷响应基因激活的关系，并开发了一种基于计算机视觉和深度学习的伤口愈合监测方法	首次发现植物伤口愈合过程中的局部冷却现象及其作为愈合定量标记的功能，并开发了结合计算机视觉和深度学习的监测工具	研究仅限于拟南芥叶片，未验证在其他植物或组织中的普适性	探究植物伤口愈合的后期调控机制	拟南芥叶片伤口愈合过程	计算机视觉	NA	计算机视觉、深度学习	深度学习模型（未指定具体架构）	图像数据	NA
911	2025-06-13	Performance of machine learning models for predicting high-severity symptoms in multiple sclerosis 2025-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63888-x PMID:40414922	研究论文	本研究开发并公开了一款移动应用程序，用于从美国多发性硬化症（MS）患者中收集纵向数据，并利用机器学习和深度学习模型提前三个月预测五种高严重性症状的发生	首次利用移动技术持续收集数据，并开发模型预测多发性硬化症的高严重性症状	研究仅在美国进行，可能无法推广到其他地区	预测多发性硬化症患者的高严重性症状	多发性硬化症患者	机器学习	多发性硬化症	移动技术	经典ML方法和深度学习模型	纵向数据	NA
912	2025-06-13	Application of deep learning models in the pathological classification and staging of esophageal cancer: A focus on Wave-Vision Transformer 2025-May-21, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i19.104897 PMID:40497091	研究论文	本研究探讨了深度学习技术，特别是Wave-Vision Transformer (Wave-ViT)，在食管癌病理分类和分期中的应用，以提高诊断准确性和效率	首次将Wave-ViT模型应用于食管癌的病理分类和分期，并在准确性和计算效率上优于其他深度学习模型	研究仅基于临床验证的食管病理图像数据集，未涉及其他类型的医学图像或多中心验证	提高食管癌病理分类和分期的诊断准确性和效率	食管癌的病理图像	数字病理	食管癌	深度学习	Wave-ViT, Transformer, ResNet, MLP	图像	NA
913	2025-06-13	Real-time respiratory motion forecasting with online learning of recurrent neural networks for accurate targeting in externally guided radiotherapy 2025-May-20, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108828 PMID:40499344	研究论文	本文评估了三种资源高效的在线算法（UORO、SnAp-1和DNI）在放射治疗中准确预测呼吸运动的能力	提出了SnAp-1和DNI的高效实现方法，压缩了影响矩阵和即时雅可比矩阵，并准确更新了信用分配估计中的线性系数	研究仅使用了健康受试者的外部标记数据，未涉及实际肿瘤患者的呼吸运动数据	提高放射治疗中呼吸运动预测的准确性，以减少系统延迟对放射束精度的影响	健康受试者胸部三个外部标记的三维位置时间序列数据	机器学习	肺癌	在线学习算法（UORO、SnAp-1、DNI）	RNN	时间序列数据	9个时间序列，每个序列持续73秒至320秒
914	2025-06-13	Enhanced Prognostication of Early Breast Cancer Outcomes Using Deep Learning on Merged Multistain and Multicolor-Depth Tumor Histopathology 2025-May-09, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozaf044 PMID:40501404	研究论文	通过深度学习结合肿瘤组织病理学图像，提高早期乳腺癌预后的预测准确性	使用深度学习分析多染色和多颜色深度的肿瘤组织病理学图像，优化免疫染色方法，并评估不同图像颜色深度表示的预后效用	未提及具体局限性	提高早期乳腺癌预后的预测准确性，以帮助临床医生选择最佳治疗方案	早期乳腺癌患者的肿瘤组织病理学图像	数字病理学	乳腺癌	深度学习，免疫染色（AE1/AE3 pan-cytokeratin和H&E染色）	ResNet-50	图像	2,646张图像，来自六个不同的数据集
915	2025-06-13	Detecting wing fractures in chickens using deep learning, photographs and computed tomography scanning 2025-May-05, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105264 PMID:40398294	研究论文	本研究评估了三种深度学习分类模型在基于CT扫描和鸡翅照片检测骨折和/或淤伤的适用性	首次将深度学习技术应用于结合CT扫描和摄影技术，以客观识别鸡翅骨折和淤伤	淤伤检测模型的准确率相对较低（82%）	开发更客观和自动化的动物福利监测技术	鸡翅的骨折和淤伤	计算机视觉	NA	CT扫描和摄影	3D ResNet34和2D EfficientNetV2_s	图像（CT扫描和照片）	306份CT扫描和285张照片
916	2025-06-13	High precision ECG digitization using artificial intelligence 2025 May-Jun, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.153900 PMID:40010101	研究论文	本文介绍了一种基于深度学习的高精度心电图数字化方法	提出了一种全自动的深度学习心电图数字化方法，能够在各种现实场景下保持高精度	在极端条件下(如严重模糊或图像严重退化)的失败率为6.62%	开发高精度的心电图数字化方法以提高心电图数据的可及性和实用性	心电图图像	数字病理学	心血管疾病	深度学习	深度学习模型(未具体说明)	图像	6000张心电图图像(来自PM-ECG-ID数据库)
917	2025-06-13	Model-Based Convolution Neural Network for 3D Near-Infrared Spectral Tomography 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	研究论文	本文提出了一种结合扩散方程模型和卷积神经网络（CNN）的重建算法（Model-CNN），用于解决近红外光谱断层扫描（NIRST）中的图像重建问题	Model-CNN算法通过CNN学习正则化先验，将解限制在理想的色团浓度图像空间，显著提高了图像重建的准确性和效率	Model-CNN算法未在患者数据上进行训练，而是使用了几何形状和光学源-探测器配置更简单的模拟体模数据进行训练	解决近红外光谱断层扫描（NIRST）中的图像重建问题	生物组织的功能信息	计算机视觉	NA	近红外光谱断层扫描（NIRST）	CNN	图像	数值模拟数据、物理体模数据和临床患者NIRST数据
918	2025-06-13	ERAS and the challenge of the new technologies 2025-May, Minerva anestesiologica IF:2.9Q2 DOI:10.23736/S0375-9393.25.18746-4 PMID:40214219	research paper	探讨人工智能和新技术在加速康复外科（ERAS）协议中的应用及其潜力	提出将AI和新技术整合到ERAS协议中，以解决实施挑战并改善患者护理	需要外部验证和数据安全等挑战	探索AI和新技术如何优化ERAS协议，改善围手术期医疗	ERAS协议和围手术期医疗	machine learning	NA	machine learning, deep learning	NA	clinical data	NA
919	2025-06-13	Screening cognitive impairment in patients with atrial fibrillation: A deep learning model based on retinal fundus photographs 2025-May, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2025.01.019 PMID:40496585	研究论文	本研究开发了一种基于视网膜眼底照片的深度学习模型，用于心房颤动患者认知障碍的简易筛查	首次提出基于视网膜眼底照片的深度学习模型用于心房颤动患者认知障碍的筛查，并验证了其有效性	研究样本量相对有限（899例患者），且外部验证集的性能有所下降（AUROC 0.773）	开发一种简易的心房颤动患者认知障碍筛查方法	心房颤动患者	数字病理学	心血管疾病	深度学习	vision-ensemble模型	图像	899例心房颤动患者（来自中国心房颤动注册研究）
920	2025-06-13	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients: An Observational Cohort Study 2025-Apr-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75340 PMID:40305429	研究论文	比较不同多模态深度学习方法在预测病房患者临床恶化方面的效果	比较了结合结构化数据与临床笔记信息的模型在预测临床恶化方面的表现，并探索了不同的参数化方法	添加临床笔记信息并未显著提高模型性能，且研究仅基于两个医疗中心的数据	比较不同多模态深度学习模型在预测病房患者临床恶化方面的性能	病房患者	机器学习	临床恶化	深度学习，自然语言处理	深度循环神经网络（RNN）	结构化数据和临床笔记文本	开发队列284,302名患者，外部验证队列248,055名患者