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
101	2025-08-06	Deep learning-based super-resolution US radiomics to differentiate testicular seminoma and non-seminoma: an international multicenter study 2025-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02045-y PMID:40750949	研究论文	本研究评估了基于深度学习的超分辨率超声放射组学模型在区分睾丸精原细胞瘤和非精原细胞瘤中的性能	首次将深度学习超分辨率技术与超声放射组学结合，用于睾丸生殖细胞肿瘤的亚型区分，并在国际多中心研究中验证其优越性	研究为回顾性设计，需要前瞻性研究进一步验证	提高睾丸生殖细胞肿瘤亚型术前无创鉴别的准确性	睾丸生殖细胞肿瘤患者（精原细胞瘤与非精原细胞瘤）	数字病理学	睾丸癌	超声成像、放射组学分析	深度学习超分辨率模型	超声图像	486名男性患者（338训练集，92国内验证集，59国际验证集）
102	2025-08-06	Deep-learning model for embryo selection using time-lapse imaging of matched high-quality embryos 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10531-y PMID:40750959	研究论文	开发并验证了一种基于自监督对比学习的深度学习模型，用于通过延时成像选择高质量的胚胎	采用自监督对比学习方法训练卷积神经网络，结合Siamese神经网络微调和XGBoost最终预测模型，以避免过拟合，并提高胚胎选择的准确性	模型在预测后续移植妊娠结局时的AUC为0.57，无移植历史知识时的AUC为0.64，性能仍有提升空间	提高体外受精（IVF）实验室中胚胎选择的准确性	匹配的已知植入数据（KID）胚胎	数字病理学	生殖系统疾病	延时成像，自监督对比学习	CNN, Siamese神经网络, XGBoost	视频	460名患者的1580个胚胎视频
103	2025-08-06	STELLA provides a drug design framework enabling extensive fragment-level chemical space exploration and balanced multi-parameter optimization 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12685-1 PMID:40750989	研究论文	介绍了一种名为STELLA的药物设计框架，该框架结合了进化算法和深度学习模型，用于广泛的片段级化学空间探索和平衡的多参数优化	STELLA框架结合了进化算法和聚类构象空间退火方法，以及深度学习模型，实现了更高效的化学空间探索和多参数优化	未明确提及具体局限性	开发一种能够更高效探索化学空间并优化多参数的药物设计框架	药物分子设计	药物发现	NA	进化算法、深度学习模型	NA	化学分子数据	案例研究中涉及多个药物分子设计工具的比较，具体样本数量未明确提及
104	2025-08-06	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2025-Aug-01, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法和结果	整合了多种最先进的深度学习模型与基于共识的评分方法，并利用大型宏基因组序列数据库增强多序列比对（MSAs）的深度	某些目标的预测结果与其他组存在显著差异，表明MSA和评分策略仍有改进空间	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA结构	计算生物学	NA	深度学习、多序列比对（MSAs）、宏基因组序列分析	深度学习模型、NuFold框架	蛋白质和RNA序列数据	NA
105	2025-08-06	Performance validation of deep-learning-based approach in stool examination 2025-Aug-01, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-06878-w PMID:40751198	研究论文	本研究评估了基于深度学习的肠道寄生虫识别方法的性能，并与人类专家的表现进行了比较	首次将深度学习模型（如YOLOv4-tiny、YOLOv7-tiny、YOLOv8-m、ResNet-50和DINOv2）应用于肠道寄生虫识别，并展示了其高准确性和特异性	研究未提及样本的具体数量，且可能仅针对特定寄生虫种类进行了验证	评估深度学习模型在肠道寄生虫识别中的性能，以改进现有的诊断方法	肠道寄生虫（寄生虫卵和幼虫）	数字病理学	肠道寄生虫感染	FECT和MIF技术，深度学习模型	YOLOv4-tiny, YOLOv7-tiny, YOLOv8-m, ResNet-50, DINOv2	图像	NA
106	2025-08-06	Co-Pseudo Labeling and Active Selection for Fundus Single-Positive Multi-Label Learning 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565000 PMID:40293917	研究论文	提出一种名为FSP的共伪标签和主动选择方法，用于眼底单阳性多标签学习	通过课程共伪标签和主动样本选择生成伪标签，调整阈值并根据模型学习状态维护置信度高的预测	未提及具体局限性	解决眼底图像多标签标注不完整的问题，提高分类器性能	眼底图像	计算机视觉	视网膜疾病	深度学习	NA	图像	七个视网膜数据集
107	2025-08-06	Longitudinal image-based prediction of surgical intervention in infants with hydronephrosis using deep learning: Is a single ultrasound enough? 2025-Aug, PLOS digital health DOI:10.1371/journal.pdig.0000939 PMID:40758672	研究论文	本研究开发了结合多次超声检查的深度学习模型，用于预测婴儿肾积水患者的手术干预需求，并与单次超声检查模型进行比较	首次开发了结合多次超声检查的机器学习模型来预测肾积水严重程度，并比较了多时间点与单时间点模型的性能差异	多时间点模型未能显著优于单时间点模型，且不同医疗中心的手术率差异较大	开发能够准确预测肾积水患者手术需求的机器学习模型	肾积水婴儿患者	数字病理学	肾积水	超声检查	CNN, LSTM, 时间移位模型	超声图像	794名患者（来自3个医疗中心）
108	2025-08-06	Evaluation of calcaneal inclusion angle in the diagnosis of pes planus with pretrained deep learning networks: An observational study 2025-Aug-01, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000043639 PMID:40760538	研究论文	本研究提出了一种基于深度学习的解决方案，用于通过预训练网络评估跟骨包含角在扁平足诊断中的应用	使用预训练的深度学习网络（AlexNet、GoogleNet、SqueezeNet）对X射线图像进行分类，以提高扁平足诊断的准确性和一致性	研究人群在年龄和性别上具有同质性，缺乏足够的异质性以代表一般人群	开发一种基于深度学习的诊断方法，以减少人为误差和经验不足导致的放射测量变异	289名患者的左右足侧位X射线图像	数字病理	扁平足	X射线成像	AlexNet, GoogleNet, SqueezeNet	图像	289名患者的X射线图像
109	2025-08-06	Updating "BePLi Dataset v1: Beach Plastic Litter Dataset version 1, for instance segmentation of beach plastic litter" with 13 object classes 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111867 PMID:40761540	研究论文	本文介绍了BePLi Dataset v2，这是一个用于海滩塑料垃圾实例分割和目标检测的数据集更新版本，包含3722张原始图像和118,572个手动处理的标注	更新了BePLi Dataset v1，增加了13个塑料垃圾对象类别，提供了像素级和个体级的标注，支持从计数对象到估计垃圾覆盖范围的多重用途	数据收集仅限于日本西北海岸的自然海岸环境，可能无法代表其他地区的塑料垃圾分布情况	开发自动化图像处理方法，用于监测海滩上的宏观塑料垃圾分布	海滩塑料垃圾	计算机视觉	NA	深度学习	实例分割和目标检测方法	图像	3722张原始图像和118,572个标注
110	2025-08-06	Bridging technology and medicine: artificial intelligence in targeted anticancer drug delivery 2025-Aug-01, RSC advances IF:3.9Q2 DOI:10.1039/d5ra03747f PMID:40761897	review	本文综述了人工智能在靶向抗癌药物递送中的应用及其对提高癌症治疗精确性和有效性的潜力	利用AI技术（如机器学习和深度学习）分析多组学数据，优化靶向药物递送系统，实现个性化癌症治疗	数据质量、AI模型的可解释性以及临床环境中稳健验证的需求	探索AI如何提升靶向抗癌药物递送的精确性和治疗效果	癌症患者的多组学数据（基因组、蛋白质组和临床数据）	machine learning	cancer	machine learning, deep learning, reinforcement learning	support vector machines, random forests, CNN	genomic, proteomic, clinical data, imaging data	NA
111	2025-08-06	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-Aug, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于MRI的卵巢病变分类的高效通用流程，结合了Meta的Segment Anything Model (SAM)和DenseNet-121深度学习模型	创新点在于整合了SAM辅助分割和深度学习分类模型，显著减少了分割时间，并在分类性能上与放射科医生相当	研究为回顾性设计，且外部验证数据集样本量相对较小	开发一个高效且可推广的MRI卵巢病变分类流程	卵巢病变患者的多参数MRI数据	数字病理	卵巢病变	MRI, 深度学习	DenseNet-121, SAM	MRI图像, 临床数据	主要数据集包含448名女性的534个病变，外部数据集包含84名女性的87个病变
112	2025-08-06	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-Aug, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	本研究对开源深度学习模型Sybil在亚洲健康体检队列中进行外部测试，评估其通过低剂量CT预测肺癌风险的能力	首次在亚洲人群中测试Sybil模型对非重度吸烟者的肺癌预测性能	模型对非重度吸烟者未来肺癌的预测性能较差(AUC=0.56)	验证深度学习模型在肺癌风险预测中的泛化能力	50-80岁亚洲健康体检人群的低剂量CT扫描数据	数字病理	肺癌	低剂量CT(LDCT)	深度学习模型(Sybil)	医学影像	18,057名个体(11,267名男性)，其中92例确诊肺癌
113	2025-08-06	Integrating Generative Pretrained Transformer and Genetic Algorithms for Efficient and Diverse Molecular Generation 2025-Aug, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.70005 PMID:40762910	研究论文	介绍了一种创新的分子生成模型CCMol，结合了生成预训练变换器（GPT）和遗传算法（GA）的优势，用于高效且多样化的分子生成	整合了GPT的生成能力和GA的优化机制，提高了分子结构的有效性和创新性	未提及具体的数据集大小或实验的广泛性，可能限制了结果的普适性	加速药物开发过程，生成新颖且有效的候选药物分子	针对三种关键疾病相关蛋白（GLP1、WRN和JAK2）的分子生成	计算机辅助药物设计	NA	生成预训练变换器（GPT）、遗传算法（GA）	CCMol（结合GPT和GA）	分子结构数据	针对三种蛋白质的分子生成，具体样本量未提及
114	2025-08-06	Explainable machine learning for predicting ICU mortality in myocardial infarction patients using pseudo-dynamic data 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13299-3 PMID:40739438	研究论文	本研究开发了一种可解释的伪动态机器学习框架，用于预测心肌梗死患者在ICU的死亡率	提出了XMI-ICU框架，结合XGBoost模型和时间解析的Shapley值，实现了高准确率的死亡率预测和临床风险分析	研究依赖于回顾性数据，可能受到数据质量和完整性的影响	开发一种可解释的机器学习框架，用于预测心肌梗死患者在ICU的死亡率	心肌梗死患者	机器学习	心血管疾病	XGBoost, Shapley值	XGBoost	时间序列生理测量数据	来自eICU和MIMIC-IV数据库的两个回顾性队列
115	2025-08-06	Dual prompt personalized federated learning in foundation models 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11864-4 PMID:40745444	研究论文	提出了一种名为DPFL的双提示个性化联邦学习框架，旨在解决有限本地数据下的模型训练不足问题	首次在联邦学习场景中引入基础模型（如CLIP），并提出双提示和自适应聚合策略	未明确提及具体的数据规模限制或计算资源需求	解决有限本地数据下的个性化联邦学习性能问题	联邦学习系统中的客户端模型	机器学习	NA	联邦学习，基础模型微调	CLIP基础模型	图像和文本数据（基于CLIP的特性推断）	未明确说明具体样本量，但强调高度异构环境下的实验验证
116	2025-08-06	An efficient fusion detector for road defect detection 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01399-z PMID:40744951	研究论文	提出了一种结合空间到深度卷积与瓶颈变换器的SCB-AF-Detector，用于复杂背景下道路图像中的多尺度细微缺陷检测	设计了SCB-Darknet53主干网络，结合SPD-Conv结构和瓶颈变换器，有效提取复杂背景下的细微和远距离缺陷特征，并开发了渐进式特征金字塔网络以融合特征	未提及模型在不同光照或天气条件下的性能表现	提高复杂背景下道路图像中多尺度细微缺陷的检测精度	道路图像中的多尺度细微缺陷	计算机视觉	NA	空间到深度卷积(SPD-Conv)、瓶颈变换器、渐进式特征金字塔网络	SCB-AF-Detector (基于SCB-Darknet53主干网络)	图像	25,000张道路图像（来自伊朗道路病害数据集IRRDD）
117	2025-08-06	Image dehazing algorithm based on deep transfer learning and local mean adaptation 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13613-z PMID:40745205	research paper	提出了一种基于深度迁移学习和局部均值适应的图像去雾算法，有效解决了明亮区域失真和噪声抑制问题	结合深度迁移学习的大气光估计模块和局部均值适应的透射率图估计模块，同时引入图像增强和降噪模块	未提及在极端恶劣天气条件下的性能表现	提高图像去雾性能并增强噪声抑制能力	雾天图像	computer vision	NA	deep transfer learning, local mean adaptation	CNN-based framework	image	四个数据集（自建合成雾天数据集、SOTS室外数据集、NH-HAZE数据集和O-HAZE数据集）
118	2025-08-06	Multi-heat keypoint incorporation in deep learning model to tropical cyclone centering and intensity classifying from geostationary satellite images 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12733-w PMID:40745273	研究论文	本文提出了一种新的多任务深度学习模型，结合注意力门机制，用于从地球静止卫星图像中定位热带气旋中心并分类其强度	提出了多头部关键点设计(MHKD)与空间注意力机制(SAM)结合的解码器层结构，并采用新的损失函数通过欧几里得距离引导热图中心优化	主要问题来自热带气旋云模式的复杂性，其与实际强度等级之间存在非线性关系，以及不同等级之间的区分困难	提高热带气旋中心定位和强度分类的准确性	热带气旋(TCs)	计算机视觉	NA	深度学习	多任务深度学习模型(含注意力机制)	卫星图像	2015-2023年西北太平洋区域数据(来自日本Himawari 8/9卫星和WMO RSMC东京台风中心)
119	2025-08-06	Impact of large language models and vision deep learning models in predicting neoadjuvant rectal score for rectal cancer treated with neoadjuvant chemoradiation 2025-Jul-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01844-5 PMID:40745280	研究论文	本研究探索了使用大型语言模型（LLMs）和计算机视觉模型来准确预测接受新辅助放化疗（NACRT）治疗的局部晚期直肠癌（LARC）的新辅助直肠（NAR）评分	首次将大型语言模型（LLMs）和计算机视觉模型结合用于预测NAR评分，展示了LLMs在预测NAR值方面的潜力	CT扫描在预测NAR值方面的不足，样本量相对较小（160例CT扫描）	探索深度学习模型在预测局部晚期直肠癌（LARC）患者新辅助直肠（NAR）评分中的应用	接受新辅助放化疗（NACRT）治疗的局部晚期直肠癌（LARC）患者	计算机视觉, 自然语言处理	直肠癌	深度学习, 大型语言模型（LLMs）, 计算机视觉模型	CNN, 编码器架构LLM	CT扫描, MRI报告	160例CT扫描及4种不同类型的放射学报告
120	2025-08-06	VCPC: virtual contrastive constraint and prototype calibration for few-shot class-incremental plant disease classification 2025-Jul-31, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01423-3 PMID:40745353	research paper	本文提出了一种名为VCPC的方法，通过虚拟对比约束和原型校准，用于少样本类增量植物病害分类	结合虚拟对比类约束（VCC）模块和原型校准嵌入（PCE）模块，优化原型空间并提升新类别的识别准确率	未提及具体局限性	开发一种可持续的植物病害分类方法，适应少样本类增量学习（FSCIL）条件	植物病害图像	computer vision	plant disease	deep learning	VCPC	image	PlantVillage数据集和CIFAR-100数据集