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
1801	2025-08-06	Optimization of deep learning-based denoising for arterial spin labeling: Effects of averaging and training strategies 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70013 PMID:40762194	研究论文	本研究系统探讨了深度学习中平均化和其他相关训练策略对动脉自旋标记（ASL）图像去噪效果的影响，以优化处理流程	首次系统研究了不同平均化策略（包括窗口化和交错平均化方法）及训练策略对DL去噪效果的影响，并验证了DL去噪的泛化能力	研究仅基于152例ASL扫描数据，样本量相对有限	优化基于深度学习的ASL图像去噪处理流程	动脉自旋标记（ASL）图像	医学影像处理	NA	动脉自旋标记（ASL）	CNN, Transformer	医学影像	152例ASL扫描（来自152名受试者）
1802	2025-08-06	Utilizing 3D fast spin echo anatomical imaging to reduce the number of contrast preparations in T 1 ρ $$ {T}_{1\rho } $$ quantification of knee cartilage using learning-based methods 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70022 PMID:40762171	研究论文	提出并评估一种结合T1ρ加权快速自旋回波(FSE)图像和质子密度(PD)加权解剖FSE图像的加速T1ρ量化方法，利用深度学习模型进行T1ρ映射，以减少扫描时间并促进骨关节炎(OA)评估的常规临床工作流程整合	结合PD加权解剖FSE图像和T1ρ加权FSE图像，利用深度学习模型(2D U-Net和MLP)进行T1ρ映射，减少扫描时间并保持临床标准	研究为回顾性研究，样本量相对较小(40名参与者)，且仅针对膝关节软骨进行评估	开发一种加速T1ρ量化方法，以减少扫描时间并促进骨关节炎(OA)评估的常规临床工作流程整合	膝关节软骨	医学影像分析	骨关节炎	快速自旋回波(FSE)成像和深度学习	2D U-Net和多层感知器(MLP)	MRI图像	40名参与者(30名OA患者和10名健康志愿者)
1803	2025-08-06	Accurate Biomolecular Structure Prediction in CASP16 With Optimized Inputs to State-Of-The-Art Predictors 2025-Aug-05, Proteins IF:3.2Q2 DOI:10.1002/prot.70030 PMID:40762404	研究论文	本文介绍了在CASP16实验中，通过优化输入信息利用先进深度学习算法实现生物分子结构高精度预测的研究	通过优化输入信息（如去除蛋白质序列中的无序区域和优化RNA二级结构输入）提升AlphaFold2、AlphaFold3等先进预测器的性能	蛋白质多聚体的高质量预测比例不足25%，RNA结构预测仍面临挑战	提升生物分子（蛋白质和RNA）结构预测的准确性	蛋白质结构域、蛋白质多聚体和RNA单体	机器学习	NA	深度学习算法（AlphaFold2/3、trRosettaX2/RNA2）	AlphaFold2, AlphaFold3, trRosettaX2, trRosettaRNA2	生物分子序列与结构数据	CASP16实验中的蛋白质结构域、多聚体及RNA单体样本
1804	2025-08-06	Integrating Deep Learning and Real-Time Imaging to Visualize In Situ Self-Assembly of Self-Healing Interpenetrating Polymer Networks Formed by Protein and Polysaccharide Fibers 2025-Aug-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c11459 PMID:40762431	研究论文	该研究通过整合深度学习和实时成像技术，可视化蛋白质和多糖纤维形成的自修复互穿聚合物网络的原位自组装过程	首次报道了基于脱铁铁蛋白的淀粉样蛋白水凝胶的形成，并利用深度学习技术自动识别和量化高分辨率扫描电子显微镜图像中的纤维成分	未明确提及具体局限性	开发机械强度高、稳定性好的可持续生物材料用于生物医学工程应用	蛋白质和多糖纤维形成的互穿聚合物网络水凝胶	生物医学工程	NA	深度学习、实时共聚焦激光扫描显微镜、流变学分析	CNN	图像	NA
1805	2025-08-06	A Sensor Array Composed of Organelle-Targeting Fluorescent Probes and Polydopamine Particles for Deep Learning-Assisted Identification and Ablation of Drug-Resistant Lung Tumors 2025-Aug-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02524 PMID:40762433	研究论文	本文开发了一种由细胞器靶向荧光探针和聚多巴胺颗粒组成的传感器阵列，结合深度学习网络，用于识别和消融耐药性肺癌细胞和肿瘤	结合细胞器靶向传感器阵列和深度学习技术，实现了对耐药性肺癌细胞和肿瘤的高精度识别（准确率超过99%），并展示了多细胞器靶向光热疗法在肿瘤消融中的优越效果	未提及该方法在临床样本中的验证情况以及长期治疗效果评估	开发一种能够识别耐药性非小细胞肺癌（NSCLC）并增强治疗效果的新方法	非小细胞肺癌（NSCLC）细胞和肿瘤切片	数字病理学	肺癌	荧光探针成像、光热疗法	深度学习网络	图像	未明确提及具体样本数量，但涉及NSCLC细胞和肿瘤切片
1806	2025-08-06	Retinal image-based disease classification using hybrid deep architecture with improved image features 2025-Aug-05, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03660-w PMID:40762730	research paper	本研究提出了一种新的混合深度学习（DL）方法，用于基于视网膜图像的疾病分类，以提高诊断准确性和效率	结合了改进的LinkNet（ILinkNet）和SqueezeNet模型，以及改进的多纹理特征和统计特征，以提高分类性能	未提及具体的数据集大小或多样性限制，可能影响模型的泛化能力	提高视网膜疾病的分类准确性和诊断效率	视网膜图像	digital pathology	视网膜疾病	Modified Gaussian Filtering, ResNet, VGG16, Improved Multi-Texton features	ILinkNet, SqueezeNet	image	NA
1807	2025-08-06	Evaluation of Net Withdrawal Time and Colonoscopy Video Summarization Using Deep Learning Based Automated Temporal Video Segmentation 2025-Aug-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01632-1 PMID:40762931	研究论文	本研究开发了一种基于深度学习的自动时间视频分割模型，用于准确测量结肠镜检查中的净撤回时间并生成关键程序事件的定量视觉摘要	提出了一种新的深度学习方法，能够排除非观察阶段，准确测量净撤回时间，并自动生成关键事件的视觉摘要	研究仅基于40个全长结肠镜检查视频和825个盲肠剪辑，样本量相对有限	提高结肠镜检查中净撤回时间测量的准确性和程序质量的客观评估	结肠镜检查视频	计算机视觉	NA	深度学习	DL	视频	40个全长结肠镜检查视频和825个盲肠剪辑（来自221次结肠镜检查）
1808	2025-08-06	Identification of Isomerically Diverse Ginsenosides Using Engineered Aerolysin Nanopore via Non-Translocation Blockade Sensing 2025-Aug-04, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202506741 PMID:40456701	研究论文	本文介绍了一种基于工程化气溶素纳米孔的非易位阻断传感技术，用于识别异构多样的皂苷类化合物	通过引入S278K突变，气溶素纳米孔获得高正电荷内部，产生强烈的电渗流和增强的空间/焓障碍，有效捕获皂苷分子并防止其进一步易位，从而显著提高检测能力	NA	开发一种新型纳米孔传感技术，用于解决结构复杂多样的皂苷类化合物的识别难题	异构多样的皂苷类化合物	生物传感器	NA	纳米孔传感技术	深度学习	分子阻断信号	30种皂苷类化合物
1809	2025-08-06	KAFSTExp: Kernel Adaptive Filtering with Nystrom Approximation for Predicting Spatial Gene Expression from Histology Image 2025-Aug-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3595101 PMID:40758493	研究论文	提出了一种名为KAFSTExp的框架，利用核自适应滤波和Nystrom近似从组织学图像预测空间基因表达	结合病理基础模型UNI和核最小均方算法，显著提高了预测准确性并降低了计算成本	在有限的ST数据集上可能仍存在泛化能力不足的问题	预测组织学特征与基因表达之间的复杂非线性关系	空间转录组学(ST)数据和病理图像	数字病理学	肿瘤	核自适应滤波(KAF)和Nystrom近似	UNI模型和核最小均方算法	图像和基因表达数据	多个ST数据集，具体数量未明确说明
1810	2025-08-06	Enhancing Brain Source Reconstruction by Initializing 3D Neural Networks with Physical Inverse Solutions 2025-Aug-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3594724 PMID:40758497	研究论文	提出了一种新颖的混合方法3D-PIUNet，用于EEG源定位，有效整合了传统和深度学习技术的优势	3D-PIUNet方法从物理信息初始估计出发，结合3D卷积U-Net捕捉空间依赖性，显著提高了空间准确性	训练依赖于模拟的伪真实脑源数据，可能在实际应用中存在泛化性问题	提高脑源重建的空间准确性，以更好地理解脑功能和功能障碍	脑电图(EEG)信号	神经科学	NA	3D卷积U-Net	3D-PIUNet	EEG信号	模拟伪真实脑源数据和真实EEG数据（视觉任务）
1811	2025-08-06	VLM-CPL: Consensus Pseudo-Labels from Vision-Language Models for Annotation-Free Pathological Image Classification 2025-Aug-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3595111 PMID:40758498	研究论文	提出一种无需人工标注的病理图像分类方法VLM-CPL，利用预训练的视觉语言模型生成伪标签并通过共识策略和半监督学习提高分类准确性	结合视觉语言模型的零样本推理能力和特征表示能力，提出基于提示和特征共识的伪标签筛选方法，并创新性地引入开放集提示策略过滤不相关图像块	方法性能可能受到预训练模型与目标数据集领域差异的影响	开发无需人工标注的自动癌症诊断方法	病理图像	数字病理	癌症	视觉语言模型(VLM)、半监督学习	VLM	图像	五个公共病理图像数据集
1812	2025-08-06	NUPES : Non-Uniform Post-Training Quantization via Power Exponent Search 2025-Aug-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3593987 PMID:40758517	研究论文	提出了一种名为NUPES的非均匀后训练量化方法，通过幂指数搜索优化深度神经网络和大型语言模型的量化过程	利用自同构变换保持标量乘法，通过优化幂指数参数和权重值，解决了传统后训练量化技术无法优化量化算子本身的问题	未提及具体量化位宽下的性能损失情况，也未讨论在不同硬件平台上的实际加速效果	降低深度神经网络和大型语言模型的内存占用和延迟	深度神经网络(DNN)和大型语言模型(LLM)的权重和激活值	机器学习	NA	非均匀量化	DNN, LLM	模型权重和激活值	未提及具体样本数量
1813	2025-08-06	Protecting Feature Privacy in Person Re-identification 2025-Aug-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3590979 PMID:40758524	研究论文	本文提出了一种基于GAN的特征隐私保护方法，用于行人重识别（ReID）任务，以防止特征反转攻击并保持ReID的实用性	通过GAN强制重建图像遵循原始图像的分布，提出了一种新的基于GAN的特征隐私保护ReID模型，并设计了双步训练和惰性更新策略来优化模型	优化ReID模型以适应隐私保护面临双重对抗目标，具有挑战性	保护行人重识别中的特征隐私，防止特征反转攻击	行人重识别中的特征隐私保护	计算机视觉	NA	GAN	GAN	图像	NA
1814	2025-08-06	Accurate and Rapid Ranking of Protein-Ligand Binding Affinities Using Density Matrix Fragmentation and Physics-Informed Machine Learning Dispersion Potentials 2025-Aug-04, Chemphyschem : a European journal of chemical physics and physical chemistry IF:2.3Q2 DOI:10.1002/cphc.202500094 PMID:40758915	研究论文	该研究提出了一种结合密度矩阵碎片化和物理信息机器学习色散势的方法，用于快速准确排名蛋白质-配体结合亲和力	结合GMBE-DM量子碎片化方法和D3-ML机器学习校正色散势，显著提高了蛋白质-配体结合亲和力排名的准确性和效率	深度学习模型Sfcnn在化学多样性系统中的可转移性较低(R=0.57)	开发快速准确的蛋白质-配体结合亲和力排名方法以用于药物发现	CDK2数据集(2个)和JAK1数据集(1个)中的28个配体	机器学习	NA	GMBE-DM量子碎片化方法，D3-ML机器学习校正色散势	D3-ML, Sfcnn	蛋白质-配体结合数据	28个配体(来自3个数据集)
1815	2025-08-06	Quantifying the Predictability of Lesion Growth and Its Contribution to Quantitative Resistance Using Field Phenomics 2025-Aug-04, Phytopathology IF:2.6Q2 DOI:10.1094/PHYTO-05-25-0187-R PMID:40758903	研究论文	利用深度学习图像分析技术量化田间条件下小麦叶斑病病斑生长的可预测性及其对定量抗性的贡献	首次在田间条件下大规模精确测量病斑生长，揭示了病斑扩展与定量抗性之间的关联	排除了一个异常品种后才发现显著关联，可能存在未被识别的干扰因素	解析叶斑病病斑生长与定量抗性之间的关系	14个小麦品种上的6889个叶斑病病斑	数字病理学	小麦叶斑病	深度学习图像分析	深度学习（未指定具体模型）	图像	两季田间试验中14个小麦品种的6889个病斑，共27,218次测量
1816	2025-08-06	Artificial intelligence-based digital pathology using H&E-stained whole slide images in immuno-oncology: from immune biomarker detection to immunotherapy response prediction 2025-Aug-04, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2024-011346 PMID:40759439	综述	本文综述了基于人工智能的数字病理学在免疫肿瘤学中的应用，包括免疫生物标志物检测和免疫治疗反应预测	探讨了AI技术在数字病理学中的新兴应用，特别是在免疫肿瘤学领域，利用H&E染色全切片图像进行免疫生物标志物检测和免疫检查点抑制剂反应预测	现有免疫生物标志物的预测能力有限，且AI技术在临床部署中仍面临挑战	探索AI技术在免疫肿瘤学中的应用，以提高免疫治疗的精准性和效果	免疫生物标志物和免疫检查点抑制剂反应	数字病理学	癌症	深度学习	NA	图像	NA
1817	2025-08-06	In Silico Digital Breast Tomosynthesis Dataset for the Comparative Analysis of Deep Learning Models in Tumor Segmentation 2025-Aug-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01626-z PMID:40760265	研究论文	本研究评估了计算机生成的数字乳腺断层合成（DBT）数据作为乳腺肿瘤分割深度学习的训练来源的可行性	首次使用计算机生成的DBT数据进行乳腺肿瘤分割的深度学习模型训练，并验证其作为真实数据补充资源的潜力	研究样本量相对较小（230个ROI），且存在计算机生成数据与真实数据之间的领域转移问题	探索计算机生成的DBT数据在乳腺肿瘤分割深度学习模型训练中的应用价值	数字乳腺断层合成（DBT）图像中的乳腺肿瘤	数字病理	乳腺癌	深度学习	U-Net, FCN, DeepLabv3, DeepLabv3+	图像	230个二维感兴趣区域（ROI）
1818	2025-08-06	Impact of artificial intelligence assistance on bone scintigraphy diagnosis 2025-Aug-04, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01621-2 PMID:40760395	研究论文	本研究旨在评估和改进名为MaligNet的深度学习模型在辅助核医学医师解读骨扫描图像中的表现	重新训练的MaligNet模型在PR曲线和ROC曲线下的面积显著提高，AI辅助使初级医师的诊断表现达到与资深医师相当的水平	AI辅助在基于病灶的分类中未提高敏感性	提高骨闪烁扫描诊断的准确性和效率	553名患者的骨闪烁扫描图像	数字病理学	骨病变	深度学习	MaligNet	医学影像	553名患者（353训练集，100验证集，100测试集）
1819	2025-08-06	Enhanced detection of ovarian cancer using AI-optimized 3D CNNs for PET/CT scan analysis 2025-Aug-04, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01615-0 PMID:40760396	研究论文	本研究探讨了深度学习如何通过大型影像数据集增强卵巢癌的诊断和分期	提出了OCDA-Net，一种基于ResNet架构优化的模型，用于[F]FDG PET图像分析，并在诊断和分期上表现出优于传统CNN模型的性能	未来研究需要扩大数据集、增强模型可解释性并在临床环境中验证这些模型	提升卵巢癌的诊断和分期准确性	卵巢癌患者	计算机视觉	卵巢癌	深度学习	3D CNN, ResNet, DenseNet, GoogLeNet, U-Net, VGG, AlexNet, OCDA-Net	PET/CT扫描图像	数据集随机分为训练集（80%）、验证集（10%）和测试集（10%）
1820	2025-08-06	An open dataset and machine learning algorithms for Niacin Skin-Flushing Response based screening of psychiatric disorders 2025-Aug-04, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-07196-2 PMID:40760690	研究论文	本研究通过建立首个开放数据集并开发先进的AI工具，利用烟酸皮肤潮红反应(NSR)提高精神障碍的诊断准确性	首次建立用于AI研究的NSR开放数据集，开发了设备无关的深度学习模型和SVM分类方法，显著提升了精神障碍诊断的准确性和适用范围	样本量相对有限(120人)，诊断敏感性仍有提升空间(60-65%)	开发基于AI的客观、快速、高精度的精神障碍诊断方法	精神障碍患者(包括抑郁症、双相情感障碍和精神分裂症)和健康对照者	机器学习	精神疾病	深度学习、支持向量机(SVM)	Efficient-Unet、SVM	图像	120人(600张NSR图像)