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
461	2026-05-02	Interpretable artificial intelligence model for predicting heart failure severity after acute myocardial infarction 2025-05-12, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04818-1 PMID:40355836	研究论文	开发可解释人工智能模型，利用多维度临床数据预测急性心肌梗死后心力衰竭严重程度	结合深度学习和机器学习模型，并采用SHAP方法增强模型可解释性，同时开发了临床应用的网页平台	未提及	建立可解释人工智能模型以预测急性心肌梗死后心力衰竭严重程度，支持早期干预和优化治疗策略	1574名急性心肌梗死患者的多维临床数据，包括病史、临床特征、生理参数、实验室检查、冠脉造影和超声心动图结果	机器学习	心血管疾病	NA	TabNet、多层感知器、随机森林、XGBoost	临床数据（病史、特征、生理参数、实验室检查、影像结果）	1574名急性心肌梗死患者	NA	TabNet、多层感知器、随机森林、XGBoost	AUROC	NA
462	2026-05-02	Neoadjuvant Chemotherapy Response in Triple-Negative Apocrine Carcinoma: Comparing Apocrine Morphology, Androgen Receptor, and Immune Phenotypes 2025-04-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0561-OA PMID:38960391	研究论文	评估三阴性乳腺癌中新辅助化疗反应，比较顶浆分泌形态、雄激素受体和免疫表型的影响	发现顶浆分泌形态比雄激素受体表达更能可靠预测新辅助化疗反应，且顶浆分泌形态与低Ki-67LI相关	单中心研究，样本量有限，且顶浆分泌形态为罕见亚型	评估三阴性乳腺癌对新辅助化疗的反应及顶浆分泌形态、雄激素受体、Ki-67标记指数和肿瘤浸润淋巴细胞的影响	三阴性乳腺癌患者	数字病理学	乳腺癌	免疫组织化学	深度学习模型	图像	232例三阴性乳腺癌患者	NA	NA	病理完全缓解率	NA
463	2026-05-02	Prediction of testicular histology in azoospermia patients through deep learning-enabled two-dimensional grayscale ultrasound 2025-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202480 PMID:39363830	研究论文	开发了一种基于深度学习的模型，通过二维灰度超声图像预测无精子症患者的睾丸组织学结果	首次利用深度学习融合超声图像和睾丸体积数据，无创区分无精子症患者的精子存在与缺失，并进一步分类成熟停滞和仅支持细胞综合征	未提供具体局限性信息	建立睾丸灰度超声图像与睾丸组织学之间的关联，避免不必要的睾丸活检	无精子症患者的睾丸组织学类型，包括精子存在（SPP）和精子缺失（SAP）以及成熟停滞（MA）和仅支持细胞综合征（SCOS）	机器学习	无精子症	二维灰度超声	深度学习	图像	353名男性，共4357张图像	NA	NA	AUC、准确率、灵敏度、特异度	NA
464	2026-05-02	Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates 2025-02-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae195 PMID:39576009	研究论文	通过全球基因型-环境预测竞赛，发现多样化建模策略均可有效预测玉米产量	首次举办公开的基因型-环境互作预测竞赛，整合基因组变异、表型、气象和管理数据，系统评估多种建模策略（包括传统育种工具、机器学习/深度学习、机械模型和集成模型）的预测能力，验证了无单一模型绝对优越的结论	未明确讨论模型可解释性、数据偏差或跨环境泛化性的潜在问题	探索结合遗传和环境因素预测作物表型的方法，提升产量预测精度以保障粮食安全	玉米（Maize）的产量性状预测	机器学习	不适用	基因组变异分析、表型采集、气象数据记录、田间管理记录	混合模型（随机森林、岭回归、最小二乘法、深度学习/机器学习、机械模型、集成模型）	基因型数据、表型数据、气象数据、管理记录	涵盖9年（2022-2023年）的多地点玉米数据集，具体样本量未在摘要中明确	不适用（竞赛中涉及多种框架，如随机森林、岭回归等，但未在摘要中指定具体框架）	随机森林、岭回归、最小二乘法、深度学习网络（具体架构未指定）、机械模型、集成模型	产量预测精度（未在摘要中明确具体指标，如R²或RMSE等）	未指定具体计算资源
465	2026-05-02	Preoperative Prediction of Axillary Lymph Node Metastasis in Patients With Breast Cancer Through Multimodal Deep Learning Based on Ultrasound and Magnetic Resonance Imaging Images 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.029 PMID:39107188	研究论文	基于超声和磁共振成像的多模态深度学习模型用于预测乳腺癌患者腋窝淋巴结转移	首次将超声和磁共振成像的深度学习预测结果与临床参数结合，构建多模态深度学习模型，用于预测乳腺癌患者腋窝淋巴结转移	回顾性研究设计，样本量有限（共588例），外部验证队列样本量较小（123例）	开发并验证基于超声和磁共振成像的多模态深度学习模型，以无创方式预测乳腺癌患者腋窝淋巴结转移	乳腺癌患者	数字病理学	乳腺癌	NA	卷积神经网络	图像	588例，其中主要队列465例，外部验证队列123例	NA	卷积神经网络	受试者工作特征曲线下面积、决策曲线	NA
466	2026-05-02	Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.005 PMID:39138111	研究论文	评估S-Detect技术在超声不同切面诊断乳腺病变的表现并与BI-RADS分类进行比较	首次系统分析S-Detect技术在径向和反径向两个切面间的不一致性及其对诊断性能的影响，识别导致不一致的病变特征	仅基于回顾性数据，且未考虑操作者间差异；S-Detect在切面不一致时的诊断效能显著下降，需谨慎引用其结果	评估S-Detect在不同超声切面的诊断效能并分析不一致性的影响因素	711名患者的756个乳腺病变	机器学习	乳腺病变	超声成像	深度学习模型（S-Detect）	超声图像	711名患者，756个乳腺病变	NA	NA	准确率, AUC	NA
467	2026-05-02	Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.036 PMID:39183131	研究论文	探索深度学习放射组学列线图在预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移中的可行性	融合了临床特征、放射组学特征和深度学习迁移学习特征，构建了综合列线图，并利用Cox回归模型进行生存分析验证算法有效性	本研究为回顾性研究，样本量有限，可能存在选择偏倚，且未进行外部验证	评估深度学习放射组学列线图在预测乳腺癌新辅助化疗后肿瘤和淋巴结状态中的诊断性能及预后价值	乳腺癌患者	数字病理学	乳腺癌	超声成像	深度学习模型（结合放射组学）	图像	243例乳腺癌患者	NA	深度学习迁移学习模型	ROC曲线下面积、一致性指数、决策曲线分析、Kaplan-Meier生存曲线	NA
468	2026-05-02	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	研究论文	比较常规6mm HASTE与深度学习重建的DL-HASTE（4mm和6mm层厚）在3T肠道MRI中的图像质量和疾病检测能力	首次评估深度学习单次扫描技术DL-HASTE在肠道MRI中的应用，展示其在缩短采集时间的同时提升图像质量	样本量较小（91例），且仅评估了盆腔肠道成像，未涵盖其他腹部区域；DL-HASTE仅在3T设备上测试，通用性有待验证	比较DL-HASTE与常规HASTE在肠道MRI中的图像质量和疾病检测性能	91例接受3T MR肠造影的患者（51名女性，平均年龄44±10岁）	医学影像	肠道疾病（包括回肠壁增厚、回肠炎症、狭窄、穿透性疾病）	深度学习图像重建（DL-HASTE）	深度学习模型	MRI图像	91例患者	NA	DL-HASTE	图像质量、伪影、肠壁清晰度、诊断信心（5点Likert量表）	NA
469	2026-05-02	Harnessing AI for Improved Detection and Classification of Pleural Effusion: Insights and Innovations 2025, Canadian respiratory journal IF:2.1Q3 DOI:10.1155/carj/2882255 PMID:40809325	综述	本文综述了人工智能和机器学习在胸腔积液检测与分类中的应用，展示了这些技术在提升诊断准确性和效率方面的潜力	系统梳理了包括LGB和XGBoost在内的多种机器学习模型在胸腔积液诊断中的应用，并指出整合多元诊断参数可显著提高准确性	未提及具体样本量和数据来源的差异可能影响模型泛化能力	评估AI和ML技术在胸腔积液检测与分类中的当前应用现状并指出未来研究方向	胸腔积液的检测与分类方法	机器学习	胸腔积液	NA	深度学习, 集成方法	临床数据, 实验室数据, 影像数据	NA	NA	Light Gradient Boosting Machine, XGBoost	准确率, AUC	NA
470	2026-05-02	An in-silico simulation study to generate computed tomography images from ultrasound data by using deep learning techniques 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf005 PMID:42064001	研究论文	通过深度学习模型从超声数据生成类似CT的图像，以增强病变检测能力	首次使用原始超声射频数据作为条件生成对抗网络（cGAN）的输入来生成CT样图像，显著改善病变可检测性并减轻声影伪影	研究基于模拟数据，未使用真实患者数据验证；数据集规模较小（每个数据集1000样本）	探究深度学习能否从原始超声数据生成CT样图像，以提高实质器官病变检测性能	模拟体模中的超声数据和CT图像	医学影像处理	NA	k-wave超声模拟工具包、Astra CT模拟工具包	条件生成对抗网络（cGAN）	图像（超声数据、CT模拟数据）	2个数据集，每个1000样本（训练800，测试200）	NA	pix2pix条件生成对抗网络	广义对比度噪声比（gCNR）、结构相似性指数（SSIM）、Jaccard指数	NA
471	2026-05-02	CT-based deep learning prediction of complete response in intermediate-stage hepatocellular carcinoma treated with drug-eluting beads transarterial chemoembolization 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf018 PMID:42063993	研究论文	开发基于CT的深度学习模型预测中期肝细胞癌患者在接受药物洗脱微球经动脉化疗栓塞术后的完全缓解	采用具有时空视频视觉Transformer架构的双网络深度学习模型，利用基线专用肝脏CT数据预测完全缓解，并应用8折交叉验证与集成技术提高预测性能	模型灵敏度中等，需改进以提升灵敏度；样本量有限（93例），需要更大数据集和前瞻性研究验证	开发基于CT的深度学习模型预测中期肝细胞癌患者接受药物洗脱微球经动脉化疗栓塞术后的完全缓解	初治巴塞罗那临床肝癌B期肝细胞癌患者	计算机视觉	肝细胞癌	CT成像	视频视觉Transformer	图像	93例患者（机构1: 50例，机构2: 49例）	NA	时空视频视觉Transformer	特异性、AUC、灵敏度、平衡准确率	NA
472	2026-05-02	Prognostic modeling in head and neck cancer: deep learning or handcrafted radiomics? 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf008 PMID:42064005	review	系统评价了手工放射组学与深度学习模型在头颈癌预后预测中的表现	首次全面比较手工放射组学与深度学习模型在头颈癌预后预测中的方法学严谨性和性能指标	纳入研究的方法学、预后定义和性能指标存在显著异质性，亟需标准化	评估手工放射组学与深度学习模型在头颈鳞状细胞癌患者预后预测中的性能	接受（放）化疗的头颈鳞状细胞癌患者	machine learning	头颈癌	放射组学	深度学习模型、手工放射组学模型	医学影像	23项符合纳入标准的研究	NA	NA	总体生存率、局部区域复发率、远处转移率	NA
473	2026-05-02	Deep learning automates Cobb angle measurement compared with multi-expert observers 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf009 PMID:42064002	研究论文	本文介绍了一种基于深度学习的全自动Cobb角测量软件，与多位专家观察者进行对比，展现出更高的测量精度和可解释性	开发了全自动Cobb角测量软件，不仅精确测量角度，还直接在原始图像上可视化测量结果；与七位专家读者对比，表现优于人类观察者	文章未明确提及限制	实现全自动Cobb角测量，提高脊柱侧弯评估的准确性和可重复性	脊柱X光图像中的Cobb角测量	计算机视觉	脊柱侧弯	NA	深度神经网络	图像	NA	PyTorch	NA	平均偏差, 组内相关系数(ICC), 皮尔逊相关系数	NA
474	2026-05-01	Changes in the Neighborhood Built Environment and Chronic Health Conditions in Washington, DC, in 2014-2019: Longitudinal Analysis 2025-Dec-10, JMIR formative research IF:2.0Q4 DOI:10.2196/74195 PMID:41370817	研究论文	利用谷歌街景图像和计算机视觉技术，分析华盛顿特区2014-2019年间邻里建成环境变化与慢性健康状况的关联	首次利用谷歌街景图像和计算机视觉进行纵向邻里建成环境变化分析，替代传统现场审计方法	NA	研究邻里建成环境纵向变化与人口统计变迁及健康结果之间的关系	华盛顿特区的邻里建成环境、人口统计特征和健康结果	计算机视觉	肥胖、糖尿病、高胆固醇、癌症	谷歌街景图像	卷积神经网络	图像	434,115张谷歌街景图像	NA	卷积神经网络	NA	NA
475	2026-05-01	Leveraging multi-modal feature learning for predictions of antibody viscosity 2025-12, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2490788 PMID:40214197	研究论文	利用多模态特征学习预测抗体粘度，支持治疗性抗体的早期研发	整合序列、结构、理化性质及语言模型嵌入等多源数据，使模型能学习分子模拟的物理化学规则和预训练深度学习模型捕获的蛋白质进化模式	NA	预测治疗性抗体在药物发现中的粘度，以支持皮下给药制剂的开发	抗体序列、结构、理化性质及语言模型嵌入数据	机器学习	NA	多模态特征学习	多模态学习模型	序列、结构、理化性质、语言模型嵌入	NA	NA	NA	NA	NA
476	2026-05-01	MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis 2025-12-01, Genes & development IF:7.5Q1 DOI:10.1101/gad.352889.125 PMID:40883017	研究论文	利用单核RNA测序和ATAC测序的时序数据，结合深度学习模型，研究MEF2C转录因子控制的心脏管形态发生中的节段特异性基因调控网络	整合多组学数据和深度学习模型，构建了流出道、心室和流入道每个节段的发育轨迹，并鉴定了节段特异性的MEF2C依赖性增强子，揭示了核激素受体NR2F2在心脏畸形中的部分驱动作用	NA	解析早期心脏管中的谱系特异性基因调控网络及其在形态发生中的作用	MEF2C转录因子及其控制的心脏管节段特异性基因调控网络	机器学习	心血管疾病	单核RNA测序, ATAC测序	深度学习模型	基因表达数据, 染色质可及性数据	野生型和MEF2C缺失胚胎的时序单核样本	NA	NA	NA	NA
477	2026-05-01	Glasses-free 3D display with ultrawide viewing range using deep learning 2025-12, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09752-y PMID:41299166	研究论文	利用深度学习实现超宽视角的无眼镜3D显示	通过精确建模双眼视觉并结合深度学习实时优化，突破了空间带宽积的限制，实现了低成本光场传输设备上的大规模全视差3D显示，视角超过100度	文中未明确提及局限性	实现兼具大尺寸和宽视角的无眼镜3D显示	光场显示系统和双眼视觉模型	计算机视觉	NA	立体显示、光场技术	深度学习模型	图像	NA	NA	NA	分辨率、刷新率、视角	NA
478	2026-05-01	A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease 2025-Nov-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23686-5 PMID:41238639	研究论文	提出了一种结合拓扑深度学习与机器学习模型的方法，用于基于脑电图数据的阿尔茨海默病分类	首次将拓扑深度学习与多种机器学习模型（SVM、RF、NN、LR）结合用于脑电图数据，通过提取拓扑和神经特征增强对阿尔茨海默病特有模式的识别	样本量较小（仅88人），需要多中心大型多样化队列验证泛化性	开发一种融合拓扑深度学习的混合方法，提高基于脑电图数据的阿尔茨海默病分类准确性	88名个体的脑电图记录，分为阿尔茨海默病患者、额颞叶痴呆患者和认知正常对照	机器学习	阿尔茨海默病	脑电图	支持向量机、随机森林、神经网络、逻辑回归	脑电图信号	88名个体	NA	NA	分类准确率	NA
479	2026-05-01	Artificial intelligence in airway management: A systematic review and meta-analysis 2025-11, Anaesthesia, critical care & pain medicine DOI:10.1016/j.accpm.2025.101589 PMID:40645499	系统综述与元分析	总结人工智能在气道管理中的预测困难气道能力	首次通过元分析综合评估多种AI模型在困难气道预测中的判别能力	纳入研究数量有限，部分模型（如SVM和NB）的异质性高（I²>99%）	评估AI模型在困难气道预测中的表现	13项研究，涉及ED患者和全身麻醉手术患者	机器学习	困难气道	NA	深度学习模型（VGG）、传统机器学习模型（SVM、NB）	NA	13项研究（未具体说明样本数量）	NA	VGG、支持向量机（SVM）、朴素贝叶斯（NB）	AUROC	NA
480	2026-05-01	Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning 2025-Apr-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603529 PMID:39071413	研究论文	评估记忆偏差对AlphaFold建模SLC膜蛋白替代构象状态的影响，并提出结合ESM与模板建模的方法以持续生成多构象模型	首次系统评估记忆偏差对AlphaFold建模SLC蛋白多构象状态的影响，并提出一种结合ESM与模板建模的简单快速方法，能可靠生成内外开放两种构象，并通过进化协方差数据进行实验验证	NA	开发一种能够克服记忆偏差、稳定建模SLC膜蛋白替代构象状态的方法	SLC超家族整合膜蛋白（包括SLC35F2等转运体）的替代构象状态	机器学习	NA	AlphaFold、ESM（进化规模建模）、模板建模、序列进化协方差分析	AlphaFold2、AlphaFold3、ESM	蛋白质序列、结构模板	多种SLC膜蛋白（具体数量未提及）	NA	AlphaFold2, AlphaFold3, ESM	由进化协方差数据实验验证（具体指标未提及）	NA