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
941	2025-07-21	GRACKLE: an interpretable matrix factorization approach for biomedical representation learning 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf213 PMID:40662804	research paper	介绍了一种名为GRACKLE的新型非负矩阵分解方法，用于生物医学表示学习	GRACKLE方法结合了样本相似性和基因相似性矩阵，利用样本元数据和分子关系，提高了在背景噪声增加情况下的性能	当前模型未同时考虑分子相互作用和样本标签的先验知识	识别疾病特异性基因特征，解决小样本量问题	基因表达数据	machine learning	breast cancer, Down syndrome	nonnegative matrix factorization (NMF)	GRACKLE	gene expression data	NA
942	2025-07-21	Soffritto: a deep learning model for predicting high-resolution replication timing 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf231 PMID:40662815	研究论文	开发了一个名为Soffritto的深度学习模型，用于预测高分辨率的复制时序数据	利用两分法RT数据、组蛋白ChIP-seq数据、GC含量和基因密度作为输入，通过LSTM模块和预测模块预测高分辨率RT数据	高分辨率Repli-Seq数据成本高且技术难度大，目前生成的数据非常有限	预测高分辨率复制时序数据，以更好地理解细胞过程中的转录、分化和疾病	人类和小鼠的五个细胞系	机器学习	NA	Repli-Seq, ChIP-seq	LSTM	基因组数据	五个人类和小鼠细胞系
943	2025-07-21	Deep Learning for the Early Diagnosis of Candidemia 2025-Jul, Infectious diseases and therapy IF:4.7Q1 DOI:10.1007/s40121-025-01171-w PMID:40549343	研究论文	本文评估了深度学习模型在早期鉴别诊断念珠菌血症和细菌血症中的性能	利用深度学习模型从非特异性实验室特征中识别念珠菌血症的复杂模式	学习到的模式未能提升特异性标记物（如BDG和PCT）的诊断性能	早期诊断念珠菌血症以降低死亡率	念珠菌血症和细菌血症患者	机器学习	念珠菌血症	深度学习	深度学习模型	实验室特征数据	12,483例（念珠菌血症1,275例，细菌血症11,208例）
944	2025-07-21	Lung Cancer Management: Revolutionizing Patient Outcomes Through Machine Learning and Artificial Intelligence 2025-Jul, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70240 PMID:40674395	研究论文	本研究提出了一种基于深度学习的转移学习方法，用于从CT扫描中准确分割肺部肿瘤区域并分类图像为癌性或非癌性，旨在克服传统机器学习模型的局限性	采用ResNet50骨干网络结合U-Net架构进行病灶分割，随后使用多层感知机(MLP)进行二分类，显著提高了模型的泛化能力和诊断可靠性	需要在前瞻性验证、可解释性技术以及医院工作流程集成方面进行进一步研究	开发一种可靠的深度学习框架，用于肺癌检测，超越传统机器学习方法	肺部CT扫描图像	计算机视觉	肺癌	深度学习	ResNet50 + U-Net + MLP	医学影像(CT扫描)	公开可用的CT扫描数据集和来自伊朗Hazrat Rasool医院的独立临床数据集
945	2025-07-21	Phase-augmented deep learning for cell segmentation in wrapped quantitative phase images 2025-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566950 PMID:40677815	研究论文	本研究开发了一种相位增强的深度学习方法，用于在包裹定量相位图像中进行细胞分割	方法的创新点在于通过数据增强策略引入全局相位偏移，使网络能够区分真实的形态特征与相位包裹伪影	NA	通过单细胞精度的定量研究，推进疾病诊断、治疗和生物材料开发	细胞粘附和脱离过程中的细胞形态	数字病理学	NA	调制光学计算机相位显微镜(M-OCPM)	U-Net	相位图像	NA
946	2025-07-21	ConNeCT: weakly supervised corneal confocal microscopy image inpainting network based on a diffusion model 2025-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.562924 PMID:40677830	研究论文	提出了一种基于扩散模型的弱监督角膜共聚焦显微镜图像修复网络ConNeCT，用于改善角膜神经形态定量分析的准确性	首次开发了专门用于CCM图像修复的深度学习方法，结合了轻量级引导扩散模型、U-Net辅助分割模型和改进的DDPM重采样算法	需要用户提供粗略的掩码作为输入，可能在实际应用中存在一定限制	提高角膜共聚焦显微镜图像的质量，以更准确地进行神经形态定量分析	角膜共聚焦显微镜图像	计算机视觉	神经退行性疾病	扩散模型，U-Net	DDPM, U-Net	图像	手动标注的数据集（具体数量未提及）
947	2025-07-21	Deep learning ocular aberration retrieval from simulated retinal images under straylight 2025-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.559749 PMID:40677828	研究论文	提出一种基于深度学习的方法，从带有杂散光的模拟PSF图像中检索潜在的波前像差	使用深度学习技术分离波前像差和杂散光的影响，实现高精度的波前预测	方法基于模拟数据，尚未在实际临床环境中验证	提高人眼光学质量的临床评估能力	人眼的点扩散函数(PSF)和波前像差	计算机视觉	NA	深度学习	NA	图像	模拟PSF图像
948	2025-07-19	ROQUS: a retinal OCT quality and usability score 2025-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.564188 PMID:40677832	研究论文	提出了一种基于深度学习的视网膜OCT B扫描质量评估方法ROQUS，用于评估整体质量和临床可用性	采用排名策略生成无界分数，高分表示更高质量，且在识别有采集问题的B扫描上表现优于传统指标	未提及具体的数据集规模和多样性限制	开发一种客观的视网膜OCT B扫描质量评估方法，以改善临床研究和日常实践	视网膜OCT B扫描图像	数字病理	视网膜疾病	深度学习	NA	图像	内部和公共数据集，包含真实和模拟的采集问题
949	2025-07-21	Artificial intelligence in orthopedic trauma: a comprehensive review 2025-Jul-01, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112570 PMID:40683054	综述	本文全面回顾了人工智能在骨科创伤领域的应用现状、研究进展及未来方向	分析了2015至2025年间217项研究，揭示了AI在骨折检测、分类、预测和分割等任务中的卓越表现，并指出未来应关注多模态方法和临床验证	仅14.5%的研究经过外部验证，仅3.2%报告了前瞻性临床验证，临床整合和数据标准化仍面临挑战	评估人工智能在骨科创伤领域的应用现状及未来发展潜力	骨科创伤相关研究，包括骨折检测、分类、预测和分割等	医疗人工智能	骨科创伤	深度学习与传统机器学习方法	NA	医学影像数据	217项研究（2015-2025年），其中52.5%发表于2024年
950	2025-07-21	Topo-CNN: Retinal Image Analysis with Topological Deep Learning 2025-Jun-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01575-7 PMID:40563040	研究论文	提出了一种基于拓扑深度学习的视网膜图像分析框架Topo-CNN，用于自动化和可解释的视网膜疾病诊断	结合拓扑数据分析（TDA）提取几何和结构特征，并与预训练的CNN特征融合，形成混合深度模型Topo-CNN	未提及模型在不同医疗设备或临床环境中的泛化能力	提高视网膜疾病（如糖尿病视网膜病变、青光眼和年龄相关性黄斑变性）的自动诊断性能	视网膜图像	数字病理	糖尿病视网膜病变、青光眼、年龄相关性黄斑变性	Topological Data Analysis (TDA), CNN	Topo-CNN (基于ResNet-50的混合模型)	图像	三个基准数据集：APTOS（二分类和五分类糖尿病视网膜病变）、ORIGA（青光眼）、IChallenge-AMD（年龄相关性黄斑变性）
951	2025-07-21	Region-based U-nets for fast, accurate, and scalable deep brain segmentation: Application to Parkinson Plus Syndromes 2025-Jun-24, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103807 PMID:40592210	研究论文	本文介绍了一种基于区域U-net的深度学习方法，用于快速、准确且可扩展的深部脑结构分割，特别针对帕金森叠加综合征	通过将脑图像分割为围绕脑干、脑室系统和纹状体的目标区域，优化GPU使用并显著减少训练时间，同时保持高准确性	未明确提及具体限制，但可能受限于数据集的大小和多样性	开发一种高效的深度学习方法，用于早期诊断与年龄相关的神经退行性疾病	12个与帕金森叠加综合征相关的深部脑结构	数字病理学	帕金森叠加综合征	MRI分割	U-net	图像	包括660名受试者的临床数据集，涵盖健康对照组和各种运动障碍患者
952	2025-07-21	Attention-Based Whole-Slide Image Compression Achieves Pathologist-Level Prescreening of Multiorgan Routine Histopathology Biopsies 2025-Jun-23, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100827 PMID:40562215	research paper	该研究提出了一种基于注意力机制的全切片图像压缩方法NIC-A，用于多器官常规组织病理活检的病理学家级别预筛查	引入了slide packing方法，将同一组织块的多张切片合并为单个图像，并利用弱监督深度学习实现无需手动标注的全切片图像分类	仅在2个欧洲中心的队列中进行了验证，需要更多外部验证	开发自动化癌症检测方法以减轻病理学家在常规数字病理诊断中的工作量	结肠和宫颈组织切片以及十二指肠活检	digital pathology	colorectal cancer, cervical cancer, celiac disease	weakly supervised deep learning	NIC-A (Neural Image Compression with Attention)	whole-slide images	12,580张全切片图像，来自9,141个组织块
953	2025-07-21	Enhanced glaucoma detection using U-Net and U-Net+ architectures using deep learning techniques 2025-Jun-06, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104621 PMID:40482945	研究论文	本研究比较了多种图像处理和深度学习方法，提出了一种增强型青光眼诊断方法	结合了中值滤波降噪、U-Net和U-Net+架构的视盘分割、胶囊网络特征提取以及极限学习机分类诊断	NA	提高青光眼诊断的准确性和可靠性	青光眼诊断	计算机视觉	青光眼	深度学习技术	U-Net, U-Net+, Capsule Networks, ELM	图像	三个数据集（DRISHTI-GS, DRIONS-DB, HRF）
954	2025-07-21	Referenceless 4D flow cardiovascular magnetic resonance with deep learning 2025-Jun-02, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101920 PMID:40467036	研究论文	本研究利用深度学习预测心血管4D流动磁共振成像中的参考编码，以减少扫描时间	提出了一种无需参考编码的4D流动心血管磁共振成像方法，通过深度学习预测参考编码，减少了25%的数据采集量	在左心室和右心室的总湍流动能计算中误差较大，最高达到-77.17%和24.96%	提高心血管疾病评估效率，减少4D流动磁共振成像的扫描时间	126名患有不同类型心肌病的患者	医学影像分析	心血管疾病	4D流动心血管磁共振成像(4D flow CMR)	U-NetADV, U-NetVEL	三维速度数据	126名患者（113名用于训练，13名用于测试）
955	2025-07-21	SAFFusion: a saliency-aware frequency fusion network for multimodal medical image fusion 2025-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555458 PMID:40677382	研究论文	提出了一种基于显著性感知的频率融合网络SAFFusion，用于多模态医学图像融合	引入Mamba-UNet多尺度编码器-解码器架构，结合轮廓波变换和双分支频率特征融合模块，以及潜在低秩表示（LatLRR）评估图像显著性	未明确提及具体局限性	提升多模态医学图像融合效果，为阿尔茨海默病诊断和脑肿瘤检测与分割等临床决策提供更全面的参考	多模态医学图像（CT/MRI、SPECT/MRI、PET/MRI）	数字病理学	阿尔茨海默病、脑肿瘤	轮廓波变换、潜在低秩表示（LatLRR）	Mamba-UNet	医学图像	未明确提及具体样本量
956	2025-07-21	Deep learning for the detection of colon polyps with malignant potential: ex vivo classification using feature-enhanced optical coherence tomography (OCT) images 2025-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555185 PMID:40677387	研究论文	本研究提出了一种基于深度学习的框架，利用特征增强的光学相干断层扫描(OCT)图像对具有恶性潜能的结肠息肉进行离体分类	通过提取OCT图像中的额外特征作为疾病生物标志物，并结合深度学习分类模型进行决策级融合，提高了分类准确性	研究使用的是离体样本，尚未在临床环境中验证	提高结肠息肉恶性潜能检测的准确性，优化结直肠癌筛查效果	结肠息肉(包括正常、增生性、腺瘤和无蒂锯齿状腺瘤)	数字病理学	结直肠癌	光学相干断层扫描(OCT)	深度学习分类模型	OCT图像	NA
957	2025-07-21	Perturbation response scanning of drug-target networks: Drug repurposing for multiple sclerosis 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101295 PMID:40678478	研究论文	本文提出了一种结合弹性网络模型（ENM）和扰动响应扫描（PRS）的药物靶点网络分析方法，用于多发性硬化症（MS）的药物重定位	首次将PRS分析应用于药物靶点网络，结合深度学习和网络扰动框架，为MS药物重定位提供新方法	研究仅针对MS，未验证方法在其他复杂疾病中的普适性	开发网络扰动建模方法用于药物重定位	多发性硬化症（MS）及其相关药物靶点网络	网络医学	多发性硬化症	弹性网络模型（ENM）、扰动响应扫描（PRS）、深度学习、随机游走重启算法	深度学习模型	基因数据、网络数据	基于杯状酮诱导的慢性小鼠模型进行验证
958	2025-07-21	druglikeFilter 1.0: An AI powered filter for collectively measuring the drug-likeness of compounds 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101298 PMID:40678482	研究论文	介绍了一个基于深度学习的框架druglikeFilter，用于从四个关键维度评估化合物的药物相似性	首次提出一个综合评估药物相似性的深度学习框架，涵盖物理化学规则、毒性警报、结合亲和力和化合物可合成性四个维度	未提及具体性能指标或与其他工具的对比结果	降低药物开发成本并提高成功率	化合物库中的化合物	机器学习	NA	深度学习	NA	化学化合物数据	未提及具体样本数量
959	2025-07-21	In silico prediction of pK a values using explainable deep learning methods 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101174 PMID:40678476	research paper	本研究提出了一种名为GraFp的pKa预测模型，结合了图神经网络和分子指纹技术，旨在提高预测准确性和可解释性	GraFp模型不仅提高了pKa预测的准确性，还通过集成梯度（IGs）增强了模型的可解释性，能够清晰展示对pKa值有显著影响的原子	NA	开发一个既准确又可解释的pKa预测模型，以支持药物研究中的ADMET属性评估	分子及其pKa值	machine learning	NA	graph neural networks (GNNs), molecular fingerprints, Integrated Gradients (IGs)	GNN	molecular structure data	NA
960	2025-07-21	Identify drug-drug interactions via deep learning: A real world study 2025-Jun, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101194 PMID:40678481	研究论文	本研究开发了一种名为MDFF的多维特征融合模型，用于预测药物-药物相互作用（DDIs），并在真实世界数据中验证其性能	MDFF模型整合了一维简化分子输入行条目系统序列特征、二维分子图特征和三维几何特征，以增强药物表示，提高DDI预测的准确性	尽管在真实世界数据中表现良好，但样本量较小（仅12份不良反应报告），可能需要更大规模的数据验证	开发一种能够准确预测药物-药物相互作用的深度学习模型，并验证其在临床实践中的应用潜力	药物-药物相互作用（DDIs）	机器学习	NA	深度学习	MDFF（多维特征融合模型）	分子序列数据、分子图数据、几何特征数据	两个DDI数据集和12份真实世界不良反应报告