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
3381	2025-12-13	Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02262-2 PMID:39105745	综述	本文总结了人工智能在放射治疗计划自动分割中的最新技术和临床应用	探讨了将数学肿瘤生长模型与AI肿瘤检测相结合以优化靶区勾画的新视角，并展望了一站式分割与放疗计划的前沿	临床实施中面临领域偏移等挑战	总结AI在放疗计划自动分割中的技术现状与临床应用	危及器官、大体肿瘤体积和临床靶区	数字病理	肿瘤	NA	深度学习	医学影像	NA	NA	NA	效率、一致性和时间节省	NA
3382	2025-12-13	The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02313-8 PMID:39503868	研究论文	本研究评估了Segment Anything基础模型在MRI图像中自动分割脑胶质瘤的准确性，以支持放射治疗计划	首次将可提示的基础分割模型应用于脑胶质瘤的交互式自动轮廓勾画，并评估其在放射治疗计划中的潜力	使用建议掩码时准确性较低（0.572），且模型性能可能受肿瘤分级影响	评估Segment Anything基础模型在脑胶质瘤MRI自动分割中的准确性，以支持放射治疗计划	脑胶质瘤MRI图像	数字病理	脑胶质瘤	MRI成像	基础分割模型	MRI图像	369个MRI数据集，共16,744个横断面切片	NA	Segment Anything	IoU, Dice系数	NA
3383	2025-12-13	Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02221-x PMID:38498173	研究论文	本研究结合3D深度学习提取的影像特征与剂量-体积指标，以增强局部晚期非小细胞肺癌患者症状性放射性肺炎的预测能力	首次将3D深度学习从放疗前计划CT中提取的影像特征与临床相关的剂量-体积指标（如V30Gy）相结合，构建了用于预测放射性肺炎的模型，并在两个中心的数据集上进行了验证	样本量相对有限（总计149例患者），且为回顾性研究，需要更大规模的前瞻性研究进一步验证模型的泛化能力	探索深度学习提取的影像特征在预测局部晚期非小细胞肺癌患者放射性肺炎方面的能力，并评估其与剂量-体积指标结合后的预测价值提升	局部晚期非小细胞肺癌患者	数字病理学	肺癌	3D深度学习，CT影像分析	深度学习	3D CT影像	149例患者（90例来自复旦大学附属肿瘤医院，59例来自江南大学附属医院）	未明确指定，可能为TensorFlow或PyTorch	多层感知机	AUC	NA
3384	2025-12-13	Application and performance of artificial intelligence-based models in the detection, segmentation and classification of periapical lesions: a systematic review 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1717343 PMID:41367407	系统综述	本文系统综述了基于人工智能的模型在根尖周病变的检测、分割和分类中的应用与性能	首次系统性地总结和评估了AI在根尖周病变诊断多个任务（检测、分割、分类）中的应用现状与性能表现	纳入研究存在偏倚风险（32.1%的研究在参考标准方面存在显著偏倚），证据确定性仅为中等，缺乏前瞻性研究和随机临床试验验证真实临床环境中的效果	报告AI模型在根尖周病变检测、分割和分类中的应用与性能	根尖周病变（表现为根尖周放射线透射区）	数字病理	牙科疾病	NA	NA	牙科全景X光片，口内X光片（根尖片和咬翼片），锥形束CT扫描	28篇符合条件的研究	NA	NA	准确率，灵敏度，特异度	NA
3385	2025-12-13	Utility of Machine Learning to Characterize Gut Microbiota Dysbiosis and Its Clinical Implications in Inflammatory Bowel Disease 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S546260 PMID:41368349	综述	本文综述了机器学习和深度学习在表征肠道菌群失调及其在炎症性肠病（IBD）中的临床意义方面的应用	通过整合异质数据集和揭示隐藏模式，ML和DL方法弥补了传统生物统计方法在处理非线性高维数据上的不足，为IBD的疾病分类、亚型区分和治疗反应预测提供了新的分析能力	综述指出未来进展依赖于标准化的微生物组检测、严格的基准测试以及多组学数据的整合，以阐明宿主-微生物相互作用	探讨机器学习和深度学习如何重塑基于微生物组的IBD研究，并总结其在临床转化中的优势、局限性和关键考虑因素	炎症性肠病（IBD）及其相关的肠道微生物组	机器学习	炎症性肠病	NA	机器学习, 深度学习	微生物组数据	NA	NA	NA	分类准确性, 预测准确性	NA
3386	2025-12-13	Artificial intelligence techniques applied to anxiety disorders recognition: a systematic review 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1646724 PMID:41368658	系统综述	本文对人工智能技术在焦虑症识别领域的应用进行了系统性综述，分析了当前方法的准确性和研究范围	首次系统性地综述了人工智能技术在焦虑症识别领域的应用，比较了不同数据源和AI技术的性能，并指出AI方法相比传统检测测试具有更高的准确性	排除了仅关注抑郁症的研究和缺乏实验数据集的研究，可能遗漏了相关领域的重要进展	分析人工智能技术在焦虑症检测方法中的应用现状，为研究人员、临床医生和技术开发者提供该领域的全面概述	焦虑症检测方法	自然语言处理, 机器学习	焦虑症	机器学习, 深度学习	NA	自我报告数据, 生理数据, 社交网络数据	119项研究	NA	NA	准确性	NA
3387	2025-12-12	Long-term projections of global groundwater storage under future climate change scenarios using deep learning 2025-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2025.181043 PMID:41319536	研究论文	本研究利用深度学习模型预测未来气候变化情景下全球地下水储量的长期变化	首次采用气候诱导的AI模型结合CMIP6 SSPs情景，对全球GRACE地下水储量进行长期预测至2100年，并识别温度作为主导驱动因素	模型依赖于CMIP6情景假设，未考虑局部人为干预或极端事件突变影响	评估未来气候变化对全球地下水储量的影响，为可持续水资源管理提供依据	全球地下水储量变化	机器学习	NA	深度学习	深度学习模型	气候数据、GRACE卫星数据	全球范围数据	NA	NA	NRMSE, IOA	NA
3388	2025-12-12	Chronic liver disease classification using deep learning with SHAP-optimized hybrid features 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113972 PMID:41362625	研究论文	本研究提出了一种基于深度神经网络（DNN）的预测框架，结合特征排序和基于投影的算法，用于准确检测慢性肝病，并通过SHAP增强模型可解释性	提出了一种新颖的预测框架，将深度神经网络与特征排名和投影算法集成，并应用SHAP提高模型可解释性，以识别影响预测的最重要特征	NA	开发一种准确高效的慢性肝病检测方法，以支持早期干预并改善患者预后	慢性肝病	机器学习	肝病	NA	DNN	NA	NA	NA	深度神经网络	准确率	NA
3389	2025-12-12	Methods for sample preparation and signal amplification in antibiotic detection using surface-enhanced Raman scattering 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146294 PMID:40934785	综述	本文综述了利用表面增强拉曼散射（SERS）进行抗生素检测的样品制备和信号放大方法	探讨了SERS与预浓缩、放大、磁性富集及分子印迹聚合物等工具的独用或混合应用趋势，并指出SERS耦合固/液相萃取领域尚待探索，以及深度学习在解析复杂SERS谱带中的潜力	SERS耦合固/液相萃取的研究不足，需要兼容的纳米颗粒和新型纳米吸附剂	开发用于复杂基质中抗生素检测的先进预处理、分离和鉴别工具	抗生素	机器学习	NA	表面增强拉曼散射（SERS）	深度学习	拉曼光谱数据	NA	NA	NA	NA	NA
3390	2025-12-12	Artificial intelligence in panoramic radiography interpretation: a glimpse into the state-of-the-art radiologic examination method 2025-Dec-11, International journal of computerized dentistry IF:1.8Q2 DOI:10.3290/j.ijcd.b6173229 PMID:40272192	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在来自不同设备和设置的全景X光片中准确检测和分割多种牙齿问题及解剖结构	开发了一个多类别诊断标注模型，能够同时检测和分割33种不同的牙齿状况和解剖结构，而现有研究通常单独处理这些条件	未明确说明模型在不同设备和设置下的泛化能力的具体测试范围，以及临床实际应用中的验证情况	开发一个深度学习模型，用于辅助医生在全景X光片解读中的临床实践	全景X光片	计算机视觉	牙科疾病	全景X光成像	CNN	图像	NA	NA	YOLOv8	精确度, 灵敏度, F1分数	NA
3391	2025-12-12	Investigation of data-driven stopping power calibration of treatment planning x-ray CT from simulated sparse-view proton radiographies 2025-Dec-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2418 PMID:41289688	研究论文	本研究探索了利用深度学习融合质子放射成像和治疗计划X射线CT数据，以改进质子停止功率相对水（RSP）校准的方法	首次应用深度学习融合质子放射成像和治疗计划CT数据来改进RSP校准，相比传统优化方法，在特定探测器类型上实现了更低的校准误差	研究基于模拟数据，假设质子轨迹为直线，且未在真实临床数据上进行验证	改进质子治疗计划中X射线CT到质子停止功率的校准，以减少范围不确定性	质子治疗计划中的患者RSP图	医学影像分析	NA	蒙特卡洛模拟，质子放射成像	深度学习神经网络	模拟的X射线CT图像和质子放射成像数据	NA	NA	学习原始对偶（LPD）架构	中位数绝对百分比误差	NA
3392	2025-12-12	High-throughput atomic force microscopy measurements reveal mechanical signatures of cell mixtures for liquid biopsy 2025-Dec-11, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04346h PMID:41347355	研究论文	本研究利用高通量原子力显微镜结合深度学习模型，揭示了混合循环肿瘤细胞的独特机械表型，以提高液体活检的灵敏度	首次将高通量原子力显微镜单细胞压痕检测与深度学习实时识别技术结合，用于构建混合循环肿瘤细胞的机械特征，实现自主高通量测量	方法依赖于光学亮场图像识别，可能受图像质量影响；实验在共培养细胞和血液样本中验证，但临床大规模应用仍需进一步测试	提高循环肿瘤细胞检测的灵敏度，以推进液体活检在肿瘤诊断和治疗中的应用	混合循环肿瘤细胞、共培养的贴壁细胞	数字病理学	癌症	原子力显微镜、微流控细胞分选	深度学习模型	图像	大量细胞（具体数量未明确说明）	NA	NA	NA	NA
3393	2025-12-12	Cervical sagittal alignment after multilevel ACDF: correction goes along with loss of compensation 2025-Dec-11, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09653-8 PMID:41372658	研究论文	本研究通过回顾性分析，探讨了多节段前路颈椎间盘切除融合术（ACDF）对颈椎矢状面排列及代偿机制的影响	首次利用深度学习模型量化分析多节段ACDF前后颈椎矢状面参数的变化，并揭示了手术节段前凸与未融合节段及上颈椎代偿机制之间的负相关关系	研究为回顾性设计，证据等级为IV级，可能存在选择偏倚，且未长期随访评估远期稳定性	明确多节段ACDF手术对颈椎矢状面排列和代偿机制的改变	因颈椎病接受2-3节段ACDF手术的290名患者	数字病理学	颈椎病	深度学习模型分析	深度学习模型	医学影像（X光片）	290名患者	NA	NA	NA	NA
3394	2025-12-12	Enhancing total knee replacement prediction: a longitudinal joint space radiomic model integrated with clinical symptoms 2025-Dec-11, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004427 PMID:41376347	研究论文	本研究开发并验证了一个结合关节间隙影像组学特征与临床症状的纵向模型，用于预测4年内需要进行全膝关节置换术的风险	首次将关节间隙影像组学特征与临床症状评分整合到一个纵向预测模型中，用于预测全膝关节置换术	研究样本仅来自骨关节炎倡议队列，模型在外部队列中的泛化能力有待验证	开发一个能够准确预测4年内需要进行全膝关节置换术的集成模型	患有症状性膝骨关节炎但基线时未进行全膝关节置换的患者膝关节	数字病理学	骨关节炎	MRI, 深度学习, 机器学习	深度学习, 机器学习	MRI图像, 临床评分数据	442个膝关节（来自骨关节炎倡议队列），共1227次膝关节MRI扫描	NA	NA	AUC, 敏感性, 特异性, 比值比	NA
3395	2025-12-12	Efficacy of a virtual bronchoscopic navigation system improved by deep learning for biopsy of peripheral lung lesions: a single-center randomized controlled trial 2025-Dec-11, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004391 PMID:41376368	研究论文	本研究通过一项单中心随机对照试验，比较了经深度学习改进的虚拟支气管镜导航系统（SARS-pro）与原始VBN系统在周围型肺病变活检中的诊断阳性率	首次将深度学习技术应用于改进虚拟支气管镜导航系统，以重建2-3毫米的小气道树，从而提高对周围型肺病变的活检引导准确性	单中心研究，样本量相对较小（95例），研究时间范围有限（2023年8月至2024年12月）	比较改进的SARS-pro系统与原始VBN系统在周围型肺病变活检中的诊断效果	年龄≥18岁、有一个或多个周围型肺病变的患者	数字病理学	肺癌	虚拟支气管镜导航，深度学习	深度学习模型	医学影像数据	95名符合条件的受试者（全分析集），92名受试者（符合方案集）	NA	NA	诊断阳性率	NA
3396	2025-12-12	Multisequence MRI-driven assessment of PD-L1 expression in non-small cell lung cancer: a pilot study 2025-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2621 PMID:41378488	研究论文	本研究开发并验证了一种基于多序列MRI的非侵入性管道，用于评估非小细胞肺癌中的PD-L1表达	结合放射组学和深度学习方法，利用IVIM参数图和T1-VIBE MRI进行PD-L1表达的无创评估	样本量较小（43例患者），属于初步研究	开发一种非侵入性方法，用于评估非小细胞肺癌中的PD-L1表达	非小细胞肺癌患者	数字病理学	肺癌	MRI, IVIM参数图, T1-VIBE	Logistic Regression, Random Forest, XGBoost	MRI图像	43例非小细胞肺癌患者	Scikit-learn, XGBoost	NA	AUC	NA
3397	2025-12-12	Block Matching Based Speckle Tracking Echocardiography: Clinical Applications and Research Outlook in a Deep Learning Context 2025-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01750-w PMID:41379238	研究论文	本文提出了一种临床适用的斑点追踪方法BiDiBM，用于评估心肌纵向应变，并在合成和真实世界超声心动图数据上验证了其准确性和可靠性	引入双向块匹配（BiDiBM）方法，通过新颖的处理流程提升了传统块匹配方法的跟踪准确性和鲁棒性	深度学习方法因需要大量标注数据而临床部署受限，传统方法仍不可或缺；真实世界验证规模较小	开发并验证一种临床适用的斑点追踪超声心动图方法，以评估心脏功能障碍	超声心动图中的斑点区域，用于心肌纵向应变测量	计算机视觉	心血管疾病	斑点追踪超声心动图（STE）	块匹配（BM）	超声心动图图像	开源合成超声心动图数据集（四种场景）和小规模真实世界验证	NA	双向块匹配（BiDiBM）	均方根误差（RMSE）, 互相关函数的零滞后点（ZERO-LAG）	NA
3398	2025-12-12	AFP-GFuse: an antifungal peptide identification model with structural information fusion via multi-graph neural networks and cross-attention mechanism 2025-Dec-11, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11426-w PMID:41379297	研究论文	本研究开发了一种名为AFP-GFuse的深度学习模型，用于识别抗真菌肽，通过融合序列和结构信息以及三种互补的图神经网络，并采用分层交叉注意力机制来动态对齐和融合多图特征表示	构建了最先进且全面的数据集，并开发了集成序列和结构信息与三种互补图神经网络的深度学习模型，设计了分层交叉注意力机制以动态对齐和融合多图特征表示，有效解决了现有方法忽略空间特征和单图神经网络特征偏差的问题	未明确提及具体局限性，但可能包括模型对数据质量的依赖或泛化能力需进一步验证	开发高效且准确的抗真菌肽识别模型，以替代传统低效且昂贵的实验室方法	抗真菌肽	自然语言处理	NA	深度学习	GNN	序列数据, 结构数据	NA	NA	多图神经网络, 交叉注意力机制	准确率	NA
3399	2025-12-12	A Deep Learning Model for Heart Sound Classification Fusing Time-Frequency Features 2025-Dec-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642718 PMID:41370147	研究论文	本文提出了一种融合时频特征的双分支深度学习模型，用于心音信号的自动分类，旨在提高心血管疾病的早期诊断准确性	模型通过双向交叉注意力融合模块，首次有效整合了时域和频域特征，并采用迁移学习策略以增强在小数据集上的鲁棒性	模型在更广泛或噪声更大的临床数据集上的泛化能力尚未验证，且计算复杂度可能较高	开发一个能融合时域和频域特征的心音分类模型，以提升心血管疾病的自动诊断性能	心音图（PCG）信号	机器学习	心血管疾病	NA	CNN, Transformer, ResNet	信号（心音图）	基于多个公共数据集，包括2016年PhysioNet挑战赛数据集	NA	1D CNN with Transformer blocks, ResNet	准确率, F1分数	NA
3400	2025-12-12	Cross-Modality Image Registration Via Generating Aligned Image Using Reference-Augmented Framework 2025-Dec-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642431 PMID:41370158	研究论文	本文提出了一种名为'Register by Generation (RbG)'的深度学习框架，用于生成与固定图像结构对齐且保留移动图像细节的跨模态图像配准	引入两阶段参考增强框架，结合Patch Adaptive Instance Normalization (PAdaIN)和Deformation-Aware Cross-Attention (DACA)块，实现自监督训练，无需预对齐数据	NA	解决跨模态图像（如MR-CT、CBCT-CT）配准的挑战，生成结构对齐且细节保留的图像	跨模态图像对（如MR-CT、CBCT-CT）	计算机视觉	NA	深度学习图像合成	CNN	图像	多个未对齐数据集	NA	参考增强图像合成网络，包含PAdaIN和DACA块	结构对齐和分布一致性指标	NA