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
981	2025-12-28	A hybrid model combining 1D-CNN and BERT for intelligent ECG arrhythmia classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28023-4 PMID:41266734	研究论文	提出一种结合1D-CNN和BERT的混合模型ECGBert，用于智能心电图心律失常分类	首次将1D-CNN的局部特征提取能力与BERT的全局上下文建模优势结合，通过Transformer机制捕获异常心跳间的长程依赖关系，无需手工特征且保持端到端学习结构	仅基于MIT-BIH心律失常数据库进行实验，未在其他数据集或临床环境中验证泛化能力	开发智能算法以实现心电图心律失常的自动准确分类	心电图信号中的不同类型心律失常	机器学习	心血管疾病	心电图信号处理	CNN, BERT	信号数据	MIT-BIH心律失常数据库中的样本	NA	1D-CNN, BERT	多个评估指标	NA
982	2025-12-28	Contrasting low- and high-resolution features for HER2 scoring using deep learning 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100529 PMID:41446275	研究论文	本研究利用深度学习技术，通过对比低分辨率和高分辨率特征，自动化乳腺癌HER2免疫组化三分类评分	提出使用端到端的ConvNeXt网络处理低分辨率IHC图像，在HER2三分类任务中实现了比基于patch的方法更高的F1分数	在区分HER2-0和HER2-low病例方面仍存在挑战，类间F1分数差异明显	自动化乳腺癌HER2免疫组化三分类评分，以提高分类准确性和可重复性	乳腺癌患者的HER2免疫组化切片	数字病理学	乳腺癌	免疫组化	CNN	图像	500名患者的HER2 IHC切片	NA	ConvNeXt	F1-score	NA
983	2025-12-28	Precision TAVR quantification- AI-accelerated TAVR planning reduces assessment time by 80% in bicuspid aortic stenosis 2025-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf153 PMID:41445779	研究论文	本研究开发了一种名为Cardioverse的全自动深度学习算法，用于二叶式主动脉瓣狭窄患者的TAVR术前解剖评估，显著提升了评估效率	开发了首个用于二叶式主动脉瓣TAVR术前解剖评估的全自动深度学习算法，实现了80%的评估时间减少和85%的用户交互减少	研究为回顾性多中心研究，未来需要前瞻性临床试验进一步验证	开发并验证一种全自动深度学习算法，以提升二叶式主动脉瓣狭窄患者TAVR术前解剖评估的效率和准确性	二叶式主动脉瓣狭窄患者	数字病理学	心血管疾病	深度学习	深度学习算法	医学影像数据	1147例连续患者（来自16个中国中心），包括内部验证组437例和外部验证组110例	NA	Cardioverse	Dice相似系数, 相关系数	NA
984	2025-12-28	Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.101901 PMID:40616933	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏见的潜在危害风险	首次直接比较了基于索赔的随机森林模型、回归评分和两种深度学习超声心动图模型在检测ATTR-CM中的性能，并应用了标准公平性指标进行偏见评估	研究样本中79.2%为白人，9.0%为黑人，种族多样性有限，可能影响结果的普遍性	比较不同算法在检测转甲状腺素蛋白心脏淀粉样变性中的性能，并评估模型偏见风险	心力衰竭患者，包括176例确诊的ATTR-CM病例和3,192例对照患者	机器学习	心血管疾病	深度学习，超声心动图分析	随机森林，回归模型，深度学习模型	医疗索赔数据，超声心动图图像	176例ATTR-CM病例和3,192例对照患者，总计3,368例样本	NA	EchoNet-LVH, EchoGo Amyloidosis	AUC	NA
985	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
986	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
987	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
988	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
989	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
990	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
991	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
992	2025-12-27	Transformer-based and CNN-based models for clinically effective 2D and 3D pelvic bone segmentation in CT imaging 2025-Dec-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09444-8 PMID:41449371	研究论文	本研究首次系统比较了基于CNN和Transformer的2D与3D模型在骨盆CT图像分割中的性能，旨在为临床创伤成像提供最优分割策略	首次在PENGWIN MICCAI 2024挑战数据集上系统比较CNN（U-Net、LinkNet）与Transformer（UNETR）架构的2D和3D骨盆骨分割性能，并评估不同编码器骨干网络（VGG19、ResNet50），为多碎片骨盆骨折分析提供了新颖的基准	需要外部验证和工作流程评估，且UNETR在复杂碎片定位中灵敏度较低（0.730）	开发并比较深度学习模型，以实现骨盆结构和骨折碎片的准确自动分割，支持临床创伤成像	150名骨盆骨折患者的CT扫描数据，重点关注骶骨、左髋骨和右髋骨的分割	计算机视觉	骨盆骨折	CT成像	CNN, Transformer	图像	150名患者	TensorFlow, PyTorch	U-Net, LinkNet, UNETR, VGG19, ResNet50	Dice系数, IoU, 准确率, 灵敏度, 特异性	GPU（具体型号未提及），使用5折交叉验证进行训练和评估
993	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
994	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
995	2025-12-27	Highly Stable Twin Defects Enabled by High Entropy Configuration 2025-Dec-26, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202520550 PMID:41451482	研究论文	本文报道了在碳限域的FeCoNiMn纳米催化剂中实现高浓度稳定孪晶缺陷的策略，揭示了熵敏感的形成机制和持久的催化性能	通过高熵配置实现高度稳定的孪晶缺陷，并利用深度学习、原位TEM和分子动力学模拟揭示其原子尺度应变分布和多步形成动力学	NA	研究金属纳米催化剂中孪晶缺陷的稳定化机制，以提升催化效率	碳限域的FeCoNiMn纳米催化剂（T-FeCoNiMn/C）	材料科学	NA	深度学习，原位透射电子显微镜（TEM），分子动力学模拟	NA	原子尺度应变分布数据，催化性能数据	NA	NA	NA	NA	NA
996	2025-12-27	Flexible and Robust Metasurface-Based Wearable Sensor for Intelligent Human Monitoring 2025-Dec-26, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202514150 PMID:41451579	研究论文	本文提出了一种基于柔性超表面的可穿戴传感器，结合拓扑光子学和AI增强传感技术，用于多功能人体监测	首次将拓扑保护的柔性超表面技术与AI增强传感结合，实现动态条件下的稳定信号采集和多任务健康监测	未明确说明传感器在极端环境下的长期稳定性或大规模临床验证结果	开发一种能克服运动伪影和机械形变影响的可穿戴智能健康监测系统	人体心肺动力学、生命体征、活动识别和个体身份	机器学习	心血管疾病	拓扑光子学、电磁波-身体相互作用	深度学习	电磁波信号	NA	NA	NA	NA	NA
997	2025-12-27	Progress of Deep Learning Prediction of CD8+ T-Cell Epitopes 2025-Dec-26, Proteomics IF:3.4Q2 DOI:10.1002/pmic.70101 PMID:41452164	综述	本文全面回顾了基于蛋白质语言模型的表位编码方案以及用于预测MHC-I结合亲和力、TCR-肽反应性和pMHC-TCR结合亲和力的深度学习模型的最新进展	聚焦于深度学习技术在过去二十年中在CD8+ T细胞表位预测领域的突破性成就，特别是结合了新兴的蛋白质语言模型进行表位编码	NA	旨在总结和评述深度学习在预测CD8+ T细胞表位方面的研究进展，以支持疫苗设计和免疫治疗	CD8+ T细胞表位，即由抗原蛋白分解产生的特殊肽片段	自然语言处理, 机器学习	NA	深度学习	深度学习模型	序列数据（肽序列）	NA	NA	NA	NA	NA
998	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
999	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
1000	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