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
2061	2025-12-28	Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102011 PMID:40675022	研究论文	本研究开发并验证了一种基于心电图、人口统计学和症状的多模态深度学习模型，用于急性心肌梗死的全自动诊断	结合心电图特征、年龄、性别和症状数据，利用残差卷积神经网络进行多模态融合，实现急性心肌梗死的自动化检测，并在大规模真实世界数据中进行了内部和外部验证	研究为回顾性队列设计，缺乏与急诊医生诊断性能的前瞻性随机对照试验比较	开发并验证一种深度学习模型，用于快速检测急性心肌梗死，以降低发病率和死亡率	因胸痛或呼吸困难接受院前或院内心电图检查的患者	机器学习	心血管疾病	心电图	CNN	心电图信号, 人口统计学数据, 症状文本	104,507名个体（共208,366份心电图）	NA	残差卷积神经网络	受试者工作特征曲线下面积, 敏感性, 特异性	NA
2062	2025-12-28	Artificial Intelligence Empowers Novice Users to Acquire Diagnostic-Quality Echocardiography 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102005 PMID:40700992	研究论文	本研究评估了基于人工智能的软件如何帮助无超声经验的护士获取诊断质量的心脏超声图像	首次证明AI引导系统能使新手在短时间内获取与专家相当的诊断质量心脏超声图像	研究仅在两个医疗中心进行，样本量相对有限，且未随机分配	评估AI软件是否能让无经验的新手获取诊断质量的心脏超声图像	成年患者（计划进行临床指示超声心动图检查）	医学影像分析	心血管疾病	心脏超声（超声心动图）	深度学习算法	超声图像	240名患者（平均年龄62.6岁，117名女性，平均BMI 26.6 kg/m²）	NA	NA	图像质量评估（视觉分析左心室大小和功能、右心室大小、心包积液存在性），参数相关性	NA
2063	2025-12-28	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Jun-26, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究通过事后分析，探讨了无症状主动脉瓣狭窄患者中，心外膜脂肪组织与主动脉瓣狭窄严重程度、进展、心肌重构及全因死亡率之间的关联	首次在无症状主动脉瓣狭窄患者中，利用全自动深度学习软件量化心外膜脂肪组织，并系统评估其与心肌健康生物标志物及死亡风险的关联	研究为事后分析，样本量较小（124例），且仅针对无症状患者，结果可能不适用于有症状人群	探究心外膜脂肪组织在主动脉瓣狭窄中的作用，及其与心肌重构和患者预后的关系	无症状的轻度至重度主动脉瓣狭窄患者	数字病理学	心血管疾病	CT血管造影，全自动深度学习软件量化	深度学习	CT图像，血液生物标志物数据	124例无症状主动脉瓣狭窄患者	NA	NA	相关性分析（r值，p值），风险比（HR），置信区间（CI）	NA
2064	2025-12-28	Enhancing patient representation learning with inferred family pedigrees improves disease risk prediction 2025-03-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae297 PMID:39723811	研究论文	本文提出ALIGATEHR模型，通过图注意力网络结合推断的家庭谱系来增强患者表示学习，以改进疾病风险预测	首次在电子健康记录分析中显式建模推断的家庭关系，利用图注意力网络和基于注意力的医学本体表示，捕捉遗传、共享环境暴露和疾病依赖的复杂影响	未明确说明模型对数据缺失或家庭关系推断错误的鲁棒性，也未讨论模型在外部验证集上的泛化能力	改进基于电子健康记录的疾病风险预测，通过整合家庭健康史信息	电子健康记录中的患者数据及其推断的家庭谱系	机器学习	炎症性肠病	电子健康记录分析	图注意力网络	纵向电子健康记录诊断数据	NA	NA	图注意力网络	NA	NA
2065	2025-12-28	An Intrinsically Explainable Approach to Detecting Vertebral Compression Fractures in CT Scans via Neurosymbolic Modeling 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047426 PMID:41445919	研究论文	本文提出了一种用于CT扫描中椎体压缩性骨折检测的神经符号方法，该方法结合深度学习与基于形状的算法，实现了高性能且本质可解释的检测	提出了一种结合深度学习（用于椎体分割）与基于形状的规则算法（用于分析椎体高度分布）的神经符号模型，实现了在保持高性能的同时提供内在可解释性	方法仅在VerSe19数据集上进行了评估，未在其他独立数据集上进行验证；基于形状的规则可能无法捕捉所有类型的椎体压缩性骨折形态	开发一种高性能且本质可解释的椎体压缩性骨折自动检测方法，以支持机会性筛查和临床决策	CT扫描中的椎体压缩性骨折	数字病理学	骨质疏松症	CT扫描	神经符号模型, DenseNet	CT图像	VerSe19数据集	NA	DenseNet	准确率, 灵敏度	NA
2066	2025-12-28	Drug response in the era of precision medicine: A methodological review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.067 PMID:41446807	综述	本文系统回顾了药物反应预测的现有方法，重点关注输入数据结构、响应变量定义和使用的数据类型	提出了一个基于数据-响应关系的统一分类框架，包括单一数据类型与响应向量、单一数据类型与响应矩阵以及多数据类型与响应，从而能够跨不同疾病和数据类型比较统计和基于机器学习的方法	NA	综述药物反应预测的方法学，以支持精准医疗	药物反应预测的计算方法	机器学习	NA	NA	NA	结构化数据（如分子和药理学数据）和非结构化数据（如医学影像数据）	NA	NA	NA	NA	NA
2067	2025-12-27	Intelligent deconvolution algorithm for mixed STR profiles based on locus association modeling 2025-Dec-26, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03677-x PMID:41449255	研究论文	提出一种基于深度学习的位点关联建模方法，用于改进混合STR谱图的反卷积分析	首次将深度学习用于捕获STR位点间的统计关联性，并将其与全连续模型结合以提升混合谱图解析精度	跨测序平台迁移时性能显著下降，需依赖多平台混合训练提升泛化能力	提升法医DNA混合样本中个体识别的准确性与可靠性	短串联重复序列（STR）混合谱图	机器学习	NA	STR分型，DNA测序	深度学习模型	STR谱图数据	基于PROVEDIt数据集进行实验验证	NA	NA	准确率	NA
2068	2025-12-27	Accurate Lung Cancer Prediction From CT Scans Using Advanced Deep Learning Methods 2025-Dec-26, American journal of clinical oncology DOI:10.1097/COC.0000000000001286 PMID:41449566	研究论文	本文提出了一种基于高级深度学习的多阶段框架，用于从CT扫描中准确预测肺癌	创新性地结合了混合图卷积网络、条件随机场、胶囊网络、孪生神经网络、混合深度自编码器以及混合CNN-Transformer模型与图神经网络，以提升图像分割和特征提取的精度	未明确提及研究的具体局限性，如数据集的多样性或模型泛化能力	通过高级深度学习技术提高肺癌的早期诊断准确性和治疗效果	CT扫描中的肺部区域和恶性病变	计算机视觉	肺癌	CT扫描	GCN, CRF, CapsNet, Siamese Neural Network, Hybrid Deep Autoencoder, CNN, Transformer, GNN	图像	NA	Python	混合CNN-Transformer模型, 图神经网络	准确率	NA
2069	2025-12-27	Integrating Genomic Data and Imaging in Lung Cancer Prediction Using a Hybrid Deep Learning Approach 2025-Dec-26, American journal of clinical oncology DOI:10.1097/COC.0000000000001288 PMID:41449569	研究论文	本研究开发了一种混合深度学习模型，通过整合基因组数据和影像数据来提高肺癌预测的准确性	提出了一种结合基因组数据和影像数据的混合深度学习模型，并采用Inception-ResNet-v2架构，以解决基因组数据高维复杂性和过拟合问题	未整合其他多模态数据源（如电子健康记录和生活方式因素），未来可进一步扩展	开发一种有效的肺癌预测方法，以提高诊断准确性和促进早期检测	肺癌患者	数字病理学	肺癌	基因组测序，CT成像，DCE成像	CNN	图像，基因组数据	使用LIDC-IDRI数据集，具体样本数量未明确说明	Python	Inception-ResNet-v2	准确率	NA
2070	2025-12-27	Recognizing uric acid type of urinary stones by deep learning 2025-Dec-26, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-025-01922-x PMID:41452376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2071	2025-12-27	Beyond gas bubbles: AI analysis of the "bubble bed" microenvironment improves diagnosis of infected abdominal collections 2025-Dec-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-05260-9 PMID:41452460	研究论文	本研究开发并验证了一种基于非增强CT的全自动AI模型（BUBBLE-AI），用于提高腹腔内液体聚集（IAFCs）感染的诊断准确性	提出了创新的“气泡床”概念，通过分析气体气泡周围的炎症微环境，结合深度学习和放射组学特征，显著提升了诊断性能	研究为回顾性设计，可能存在选择偏倚；外部测试集规模相对较小（n=80）	开发并验证一种全自动AI模型，以改进腹腔内液体聚集（IAFCs）感染的诊断准确性	腹腔内液体聚集（IAFCs）患者	医学影像分析	腹腔感染	非增强计算机断层扫描（CT）	深度学习模型	CT图像	797名经培养确认的IAFCs患者（训练集637人，验证集80人，外部测试集80人）	NA	BUBBLE-AI（基于气泡床概念的自定义架构）	AUC（曲线下面积）	NA
2072	2025-12-27	Research progress of deep learning based on magnetic resonance imaging in meningioma 2025-Dec-26, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01307-6 PMID:41452563	综述	本文综述了基于磁共振成像（MRI）的深度学习在脑膜瘤中的研究进展，分析了其优势、局限性和临床转化中的关键问题	总结了深度学习在脑膜瘤影像分析中的突破性进展，通过客观定量分析方法克服了传统依赖主观视觉判断的诊断局限	NA	为相关医学研究者和临床医生提供技术参考，促进深度学习在临床诊疗中更快、更规范地应用，最终使患者受益	脑膜瘤	数字病理学	脑膜瘤	磁共振成像（MRI）	CNN, Transformer	图像	NA	NA	NA	NA	NA
2073	2025-12-27	A deep learning-based pachychoroid index based on choroidal image patterns of central serous chorioretinopathy using enhanced-depth-imaging optical coherence tomography 2025-Dec-26, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01312-1 PMID:41452567	研究论文	本研究开发并评估了一种基于深度学习的厚脉络膜指数（HUPI），用于从增强深度成像光学相干断层扫描（EDI-OCT）图像中量化厚脉络膜谱系疾病的特征	首次提出基于深度学习的厚脉络膜指数（HUPI），通过修改的LeNet模型从脉络膜图像模式中自动提取特征，作为厚脉络膜谱系疾病的代表性指标	单中心、回顾性、观察性研究，样本量相对较小（37只CSC眼和40只正常眼用于训练和验证），可能限制结果的泛化性	开发并评估一种基于深度学习的定量指标，用于区分厚脉络膜谱系疾病（如中心性浆液性脉络膜视网膜病变）与正常眼睛	中心性浆液性脉络膜视网膜病变（CSC）患者和正常对照者的眼睛	数字病理学	中心性浆液性脉络膜视网膜病变	增强深度成像光学相干断层扫描（EDI-OCT）	CNN	图像	训练和验证使用37只CSC眼和40只正常眼；评估使用69只急性CSC眼、35只恢复期CSC眼、86只CSC对侧眼和100只正常眼	NA	修改的LeNet	AUC, 敏感性, 特异性	NA
2074	2025-12-27	TTG-U-Net: An Interpretable and Efficient Framework for Multi-Modal Brain Tumor Segmentation Enabling Clinically-Aligned Decision Support 2025-Dec-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3648379 PMID:41447494	研究论文	本文提出了一种名为TTG-U-Net的新型、可解释且高效的多模态脑肿瘤分割框架，旨在弥合模型性能与临床可解释性及效率之间的差距	该框架通过三个协同组件提供集成解决方案：1) 显式建模模态间依赖关系的跨模态Transformer，生成可作为模型推理透明视觉审计轨迹的注意力图；2) 自适应正则化模型并减少计算占用的动态低秩张量分解；3) 学习透明信息路由策略的模态自适应门控机制，模仿既定的放射学原理	NA	解决医疗可解释人工智能（XAI）领域的关键空白，开发一种能够透明且高效融合多模态MRI异质信息的集成方法，以促进人工智能在临床工作流程中的整合	多模态MRI图像中的脑肿瘤	数字病理学	脑肿瘤	多模态MRI	深度学习	图像	NA	NA	TTG-U-Net, U-Net, Transformer	Dice系数	NA
2075	2025-12-27	Computed Tomography-Pathology Deep Learning Model for the Precise Prediction of Recurrence in Pathological Stage IA Lung Adenocarcinoma 2025-Dec-25, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18946-7 PMID:41449240	研究论文	本研究开发并验证了一种结合术前CT图像和病理分级的深度学习模型，用于精确预测病理IA期肺腺癌患者的术后复发风险	提出了新颖的ResNet 3D-Pathology Fusion模型，通过三维ResNet骨干网络与图像-病理融合模块的集成，实现了对传统TNM分期和IASLC分级的性能超越	研究为单中心回顾性分析，样本量相对有限，且模型性能需在外部多中心队列中进一步验证	开发精确的深度学习模型以改善病理IA期肺腺癌患者的术后复发预测和风险分层	病理IA期肺腺癌患者	数字病理	肺癌	深度学习，计算机断层扫描，病理分级	CNN	图像	551名患者（训练集368例，验证集183例）	NA	ResNet	AUC	NA
2076	2025-12-27	ALyzer3D.AI: a more generalizable deep learning predictor of light chain amyloidogenicity powered by structural and evolutionary Artificial Intelligence 2025-Dec-25, Amyloid : the international journal of experimental and clinical investigation : the official journal of the International Society of Amyloidosis IF:5.2Q1 DOI:10.1080/13506129.2025.2605534 PMID:41449923	研究论文	开发了一个名为ALyzer3D.AI的多模态深度学习架构，用于预测免疫球蛋白轻链的淀粉样变性风险	整合了来自ESM-2蛋白质语言模型的进化特征、ColabFold的结构指标以及工程化的生物物理特征，提高了对新患者数据的泛化能力	NA	预测淀粉样轻链（AL）淀粉样变性中免疫球蛋白轻链的淀粉样变性风险	免疫球蛋白轻链序列	自然语言处理	淀粉样轻链（AL）淀粉样变性	蛋白质语言模型（ESM-2）、结构预测（ColabFold）	深度学习	蛋白质序列	5261个序列	NA	多模态深度学习架构	准确率, AUC	NA
2077	2025-12-27	Preliminary Exploration of Discriminative Correlation Filter Network for Real-time Tracking of Inconspicuous Focal Liver Lesions on Conventional Ultrasound 2025-Dec-24, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.11.663 PMID:41448980	研究论文	本研究探索了基于判别相关滤波网络（DCFNet）的算法在常规超声中通过跟踪周围解剖标志来定位不明显局灶性肝病变的可行性	利用DCFNet框架同时跟踪多个周围解剖标志，实现实时超声下不明显局灶性肝病变的定位，并指导穿刺或消融	研究为初步探索，需要进一步大规模验证临床可行性	探索DCFNet算法在常规超声中实时跟踪不明显局灶性肝病变的可行性	超声可见和超声不可见的肝脏肿瘤模型，以及初步临床病例	计算机视觉	肝脏病变	超声成像	DCFNet	超声图像	20个超声可见模型、20个超声不可见模型及初步临床病例	DCFNet	DCFNet	匹配准确率、精度、位置误差、穿刺成功率、指导时间	NA
2078	2025-12-27	PlantscRNAdb 4.0: Improved marker identification and annotation under a cell type uniformity for plants 2025-Dec-24, Molecular plant IF:17.1Q1 DOI:10.1016/j.molp.2025.12.026 PMID:41449796	研究论文	介绍了植物单细胞RNA测序数据库PlantscRNAdb 4.0的更新，包括新的植物细胞类型本体、扩展的物种和数据集覆盖，以及用于标记基因识别和细胞类型注释的新计算工具	引入了新的植物细胞类型本体（POCT）和一种名为HCMarker的新型计算工具，该工具采用多指标评分系统，用于在多种植物细胞类型中稳健、准确地识别标记基因；还开发了基于深度学习的工具PCmaster_anno，以改进植物细胞类型的自动注释	未明确提及具体的研究局限性	构建和更新一个全面的植物单细胞RNA测序数据库，以标准化和精确地解释植物细胞类型及其标记基因	33种植物物种的107个scRNA-seq数据集	生物信息学	NA	单细胞RNA测序（scRNA-seq）	深度学习	单细胞RNA测序数据	来自107个scRNA-seq数据集	NA	NA	NA	NA
2079	2025-12-27	Pattern and structural detection in grayscale images through the application of quantile graphs in higher-dimensional spaces 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27825-w PMID:41436507	研究论文	本研究将分位数图框架从一维时间序列扩展到二维图像，提出了一种基于图的可扩展图像分类方法，并在计算机视觉领域应用于特征提取	将分位数图从时间序列分析扩展到图像识别，引入了一种可扩展的基于图的图像分类方法，并提供了开源实现	未明确说明计算资源需求或模型在大规模数据集上的泛化能力	开发一种计算效率高、对训练数据需求较低的图像特征提取和分类方法，以应对深度学习模型在数据有限时的挑战	灰度图像，包括手写数字数据集（MNIST）、时尚物品数据集（Fashion MNIST）以及医学影像数据集	计算机视觉	阿尔茨海默病	分位数图	NA	图像	使用了MNIST和Fashion MNIST两个基准数据集，并应用于一个医学影像数据集，具体样本数量未明确说明	NA	NA	准确性	NA
2080	2025-12-27	The mediating role of brand equity in corporate social responsibility and customer purchase intention based on text-CNN model 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28118-y PMID:41436517	研究论文	本研究结合深度学习与社会认同理论，探讨企业社会责任如何通过品牌资产影响顾客购买意愿	引入优化的Text-CNN模型进行情感分析，并结合结构方程模型，构建了多源数据融合的跨学科研究框架	研究主要基于公开的Yelp数据集和问卷调查，样本范围和行业覆盖可能存在局限性	探究企业社会责任对顾客购买意愿的影响机制，并验证品牌资产的中介作用	消费者评论数据（Yelp数据集）及问卷调查对象	自然语言处理	NA	情感分析，问卷调查	CNN	文本，问卷数据	Yelp公开数据集（涵盖餐饮、酒店、美容等行业）及问卷调查样本	NA	Text-CNN	NA	NA