深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
21	2025-07-23	Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study 2023-Sep-08, JMIR AI DOI:10.2196/44909 PMID:38875567	研究论文	本研究开发并验证了一种基于机器学习的算法，用于预测手术案例的持续时间，以提高手术室资源规划和患者沟通的效率	利用非线性预测模型和机器学习方法，开发了一个可扩展至多中心的预测算法，显著提高了手术持续时间的预测准确性	研究依赖于历史数据，可能无法完全适应未来手术技术或流程的变化	开发一个可扩展的机器学习算法，以准确预测手术案例的持续时间，优化手术室资源管理	手术案例的持续时间	机器学习	NA	深度学习、梯度提升和集成机器学习	梯度提升机	手术室数据	1,177,893例手术案例，来自13家学术和私立医院（2016-2019年）	NA	NA	NA	NA
22	2025-10-06	Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states 2023-09-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101189 PMID:37729872	研究论文	开发空间感知深度学习模型分析肾透明细胞癌的肿瘤异质性模式及其与免疫治疗反应的关系	首次通过空间感知深度学习识别出传统病理分析无法发现的肿瘤微异质性模式，并揭示其与PBRM1功能缺失和免疫检查点抑制剂反应的相关性	研究样本量有限（1,102例患者），且主要针对肾透明细胞癌，结果在其他癌症类型中的普适性有待验证	探索肾透明细胞癌中肿瘤-免疫联合状态与免疫检查点抑制剂治疗反应的关系	肾透明细胞癌患者（n=1,102）的全切片图像和多重免疫荧光图像	数字病理学	肾癌	全切片图像分析，多重免疫荧光	深度学习	病理图像	1,102例患者	NA	图神经网络	NA	NA
23	2025-10-06	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭患者	首次采用半监督学习框架开发深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上验证了模型性能	研究主要依赖于单一医疗系统的数据，虽然进行了外部验证，但模型在其他医疗环境中的泛化能力仍需进一步验证	开发自动化工具来评估和改进射血分数降低的心力衰竭患者的护理质量	心力衰竭患者的出院摘要和临床记录	自然语言处理	心血管疾病	深度学习，自然语言处理	深度学习语言模型	文本（出院摘要和临床记录）	13,251份记录来自5,392名独特个体（平均年龄73±14岁，48%女性），其中2,487名HFrEF患者（46.1%）	NA	深度学习语言模型	AUROC, AUPRC, NRI	NA
24	2025-10-06	T1dCteGui: A User-Friendly Clinical Trial Enrichment Tool to Optimize T1D Prevention Studies by Leveraging AI/ML Based Synthetic Patient Population 2023-09, Clinical pharmacology and therapeutics DOI:10.1002/cpt.2976 PMID:37326252	研究论文	开发了一个用户友好的临床试验富集工具，利用基于AI/ML的合成患者群体优化1型糖尿病预防研究	首次开发了结合加速失效时间模型和深度学习生成模型的临床试验富集图形用户界面工具	工具基于合成患者数据，可能与真实患者数据存在差异	优化1型糖尿病预防临床试验的受试者富集策略	1型糖尿病高风险人群	数字病理	1型糖尿病	深度学习生成模型	生成模型	临床数据	来自多个观察性研究的患者水平数据	NA	加速失效时间模型	NA	NA
25	2025-10-06	Self-Supervised Contrastive Learning to Predict the Progression of Alzheimer's Disease with 3D Amyloid-PET 2023-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101141 PMID:37892871	研究论文	提出一种自监督对比学习方法SMoCo，基于3D淀粉样蛋白PET预测轻度认知障碍向阿尔茨海默病的转化	在预训练阶段同时利用标记和未标记数据，并结合标签信息生成针对下游分类任务的专用表示，不同于传统生成任务无关表示的自监督学习方法	仅使用ADNI数据集进行验证，需要更多外部数据集验证泛化能力	预测轻度认知障碍患者向阿尔茨海默病的转化进程	轻度认知障碍患者	计算机视觉	阿尔茨海默病	淀粉样蛋白PET成像	深度学习模型	3D医学图像	ADNI数据集	NA	SMoCo	AUROC, 准确率, 灵敏度, 特异性	NA
26	2025-10-06	The Swin-Transformer network based on focal loss is used to identify images of pathological subtypes of lung adenocarcinoma with high similarity and class imbalance 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04795-y PMID:37097394	研究论文	提出基于Focal Loss的Swin-Transformer网络(FL-STNet)用于肺腺癌病理亚型分类	首次开发基于11分类的深度学习分类器，结合Focal Loss解决类别不平衡问题，融合Swin-Transformer模型优势	NA	改进肺腺癌病理分类的临床问题，提供辅助诊断	肺腺癌及其他肺部疾病亚型	数字病理	肺腺癌	全切片图像(WSI)组织病理学	Transformer	图像	360例确诊肺腺癌及其他肺部疾病患者样本	NA	Swin-Transformer	准确率,F1-score,AUC	NA
27	2025-10-06	Deep learning-based methods for classification of microsatellite instability in endometrial cancer from HE-stained pathological images 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04838-4 PMID:37150803	研究论文	本研究开发了一种基于注意力机制的深度学习架构，用于从子宫内膜癌HE染色病理图像中分类微卫星不稳定性状态	提出结合注意力模块的新架构来提取病理图像特征，并采用词袋方法聚合预测概率获得切片级微卫星状态	NA	开发快速、低成本的微卫星不稳定性自动检测方法，替代传统劳动密集且昂贵的检测方式	子宫内膜癌患者的HE染色全切片图像	数字病理	子宫内膜癌	HE染色	深度学习	图像	来自癌症基因组图谱子宫内膜癌队列的HE染色全切片图像	NA	基于注意力模块的架构	AUC, 准确率, 灵敏度, F1分数	NA
28	2025-10-06	A novel staging system based on deep learning for overall survival in patients with esophageal squamous cell carcinoma 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04842-8 PMID:37154930	研究论文	开发基于深度学习的食管鳞癌患者总生存期预测模型及新型分期系统	提出基于深度学习模型风险评分的新型分期系统，相比传统列线图具有更好的预测性能	回顾性研究设计，数据来源于单一数据库	预测食管鳞癌患者总生存期并建立新型分期系统	食管鳞癌患者	机器学习	食管癌	深度学习	DeepSurv	临床数据	6020例食管鳞癌患者	NA	DeepSurv	C-index, AUC, 校准曲线, 决策曲线分析	NA
29	2025-10-06	Segmentation and classification of brain tumors using fuzzy 3D highlighting and machine learning 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04754-7 PMID:37166578	研究论文	提出结合模糊3D高亮分割与机器学习的方法用于脑肿瘤的自动分割和分类	采用模糊3D高亮方法进行脑肿瘤分割，并结合两种优化算法（GOA-SVM和GA-DNN）进行肿瘤分类	NA	开发有效的脑肿瘤自动诊断方法	脑肿瘤MRI图像	医学影像分析	脑肿瘤	MRI扫描	SVM, DNN	3D医学图像	NA	MATLAB	GA-DNN, GOA-SVM	敏感度, 准确率, 特异性, Youden指数	NA
30	2025-10-06	Differential diagnosis of hepatocellular carcinoma and intrahepatic cholangiocarcinoma based on spatial and channel attention mechanisms 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04935-4 PMID:37268850	研究论文	开发基于通道和空间注意力机制的深度学习模型CSAM-Net，用于肝细胞癌和肝内胆管癌的术前非侵入性鉴别诊断	首次将通道和空间注意力机制结合应用于肝脏肿瘤的CT图像鉴别诊断，显著提高了诊断准确率	研究为回顾性设计，样本量相对有限（共494例患者），需要进一步前瞻性验证	建立有效的术前非侵入性方法用于肝细胞癌和肝内胆管癌的鉴别诊断	395例肝细胞癌患者和99例肝内胆管癌患者的CT图像	计算机视觉	肝癌	CT成像	深度学习,注意力机制	医学图像	494例患者（395例HCC，99例ICC）	NA	CSAM-Net（基于通道和空间注意力机制）	AUC,准确率	NA
31	2025-10-06	A deep-learning-based clinical risk stratification for overall survival in adolescent and young adult women with breast cancer 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04955-0 PMID:37277578	研究论文	本研究构建了一种基于深度学习的临床风险分层模型，用于预测青少年和年轻成年女性乳腺癌患者的总生存期	首次将DeepSurv深度学习算法应用于青少年和年轻成年女性乳腺癌患者的生存预测，并开发了用户友好的网络计算器	研究数据仅来源于SEER数据库，缺乏外部验证	开发乳腺癌青少年和年轻成年女性患者的总生存期预测模型	14,243名来自SEER数据库的青少年和年轻成年女性乳腺癌患者	机器学习	乳腺癌	深度学习	DeepSurv	临床数据和人口统计学数据	14,243名患者	NA	DeepSurv	C-index, ROC曲线, 校准图, 决策曲线分析	NA
32	2025-10-06	Machine learning and deep learning techniques for breast cancer diagnosis and classification: a comprehensive review of medical imaging studies 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04956-z PMID:37278831	综述	本文全面回顾了机器学习和深度学习技术在乳腺癌诊断和分类中应用于医学影像的研究	系统性地比较了五种医学影像模态（乳腺X线摄影、超声、MRI、组织学和热成像）和多种机器学习及深度学习技术的应用效果	作为综述文章，不涉及原始研究数据的分析，主要基于已有文献进行总结	评估机器学习和深度学习技术在乳腺癌诊断和分类中的应用效果	乳腺癌医学影像数据	计算机视觉	乳腺癌	医学影像分析	CNN, ANN, SVM, DT	医学影像（乳腺X线摄影、超声、MRI、组织学、热成像）	NA	NA	卷积神经网络	准确率	NA
33	2025-10-06	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	开发并验证了从面部照片估计生物年龄的深度学习系统FaceAge	首次使用深度学习从面部照片客观量化生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于癌症患者，在其他疾病中的适用性需要进一步验证	开发能够从面部照片估计生物年龄的深度学习系统，并评估其临床效用	健康人群和癌症患者的面部照片	计算机视觉	癌症	深度学习	深度学习模型	图像	58,851名健康个体和6,196名癌症患者	NA	FaceAge	生存分析，临床预测模型性能	NA
34	2025-10-06	Automatic Ploidy Prediction and Quality Assessment of Human Blastocyst Using Time-Lapse Imaging 2023-Sep-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.31.555741 PMID:37693566	研究论文	开发了一种基于延时成像的自动人类囊胚倍性预测和质量评估算法BELA	提出首个利用多任务学习同时预测囊胚质量评分和倍性状态的算法，无需胚胎学家主观输入	不能替代植入前非整倍体遗传学检测(PGT-A)，仅作为辅助评估工具	改进体外受精过程中胚胎质量评估和染色体异常检测方法	人类囊胚	计算机视觉	生殖系统疾病	延时成像	深度学习	时间序列图像	韦尔康奈尔数据集中的囊胚样本	NA	多任务学习架构	AUC	NA
35	2025-10-06	GSDA: Generative adversarial network-based semi-supervised data augmentation for ultrasound image classification 2023-Sep, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e19585 PMID:37809802	研究论文	提出一种基于生成对抗网络的半监督数据增强方法GSDA，用于解决超声图像分类中的数据稀缺问题	开发了结合GAN和CNN的半监督数据增强框架，能够合成高质量超声图像并自动生成伪标签，提出平衡分类精度与计算时间的新型评估标准	仅在BUSI数据集上进行评估，需要进一步验证在其他医学影像数据上的泛化能力	解决医学超声图像分析中数据稀缺问题，提升深度学习模型性能	医学超声图像	计算机视觉	NA	超声成像	GAN, CNN	图像	780张超声图像	NA	生成对抗网络，卷积神经网络	准确率，计算时间	NA
36	2025-10-06	Sentiment analysis in multilingual context: Comparative analysis of machine learning and hybrid deep learning models 2023-Sep, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e20281 PMID:37809397	研究论文	本研究比较了多种机器学习和混合深度学习模型在英语和孟加拉语情感分析中的性能	首次在孟加拉语和英语双语环境下系统比较传统机器学习与深度学习模型的情感分析效果，特别针对孟加拉语NLP研究提供了重要进展	研究仅限于单一电商平台数据，未涉及更多领域和语言对	比较不同模型在多语言情感分析任务中的效能	来自DARAZ电商平台的孟加拉语和英语用户评论	自然语言处理	NA	文本挖掘，情感分析	SVM, LSTM, Bi-LSTM, Conv1D, Conv1D-LSTM	文本	来自DARAZ电商平台的孟加拉语和英语评论数据集	NA	LSTM, Bi-LSTM, Conv1D, 混合Conv1D-LSTM	准确率	NA
37	2025-10-06	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	本研究开发了一种基于逐步迁移学习的儿科脑肿瘤自动分割方法，在有限数据场景下实现了专家级的分割性能	提出了一种新颖的领域内逐步迁移学习方法，在儿科脑肿瘤数据有限的情况下实现了专家级的分割性能	研究数据量相对有限（n=184+100），且仅针对儿科低级别胶质瘤	开发用于儿科脑肿瘤自动分割的深度学习算法，支持实时体积评估以辅助诊断和治疗决策	儿科低级别胶质瘤（pLGG）	医学影像分析	儿科脑肿瘤	深度学习，迁移学习	深度学习神经网络	医学影像（脑部扫描）	284例（来自国家脑肿瘤联盟的184例和儿科癌症中心的100例），外部验证60例	NA	NA	Dice相似系数（DSC），Likert量表评分，图灵测试	NA
38	2025-10-06	A microwell platform for high-throughput longitudinal phenotyping and selective retrieval of organoids 2023-09-20, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2023.08.002 PMID:37734323	研究论文	开发了一种基于微孔的高通量平台，用于对类器官进行纵向表型分析并实现选择性回收	通过微孔培养方法解决了传统批量培养中类器官物理重叠和微环境变异的问题，结合深度学习实现单细胞来源类器官的高通量表型分析	NA	建立能够高通量追踪单个类器官生长并进行分子分析的研究平台	人类胃类器官模型	数字病理	癌症	CRISPR基因编辑, 图像分析	深度学习	图像	NA	NA	NA	NA	NA
39	2025-10-07	A Hybrid Deep Learning Approach to Identify Preventable Childhood Hearing Loss 2023 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001380 PMID:37318215	研究论文	本研究开发了一种混合深度学习模型，用于自动化分类鼓室导抗图以识别可预防的儿童听力损失	提出了一种混合深度学习模型，在资源有限社区中实现非专业人员引导的鼓室导抗测试，其性能优于传统方法和设备内置分类器	研究样本主要来自阿拉斯加农村地区特定人群，可能限制结果的普适性	评估机器学习在自动化鼓室导抗图分类中的效用，促进资源有限社区的听力筛查	来自阿拉斯加农村 underserved 社区的学龄儿童，重点关注感染相关性听力损失	医疗人工智能	儿童听力损失	鼓室导抗测试	混合深度学习模型	窄带鼓室导抗图轨迹	1635名儿童，4810对鼓室导抗图轨迹（由听力专家和非专业人员采集）	NA	NA	灵敏度, 特异度, AUC	NA
40	2025-10-07	Artificial Intelligence and Machine Learning in Rotator Cuff Tears 2023-Sep-01, Sports medicine and arthroscopy review IF:2.5Q2 DOI:10.1097/JSA.0000000000000371 PMID:37976127	综述	本文评估人工智能在肩袖撕裂管理中的当前应用与未来潜力	系统评估深度学习在肩袖撕裂诊断和预后预测中的创新应用	数据集规模较小，部分厚度撕裂分类存在复杂性	探索人工智能在肩袖撕裂诊疗管理中的应用价值	肩袖撕裂患者	医学影像分析	肩袖撕裂	磁共振成像，放射影像分析	CNN	医学影像	NA	NA	卷积神经网络	诊断准确率	NA