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
11761	2025-10-06	Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning 2025-May, NEJM AI DOI:10.1056/aioa2400703 PMID:40535328	研究论文	开发了一种用于儿科胶质瘤复发预测的时序深度学习模型，通过分析连续MRI扫描提高复发风险预测性能	提出自监督时序深度学习方法，通过按时间顺序分类的预训练任务学习连续医学影像的时序特征	数据可用性和当前机器学习方法的限制可能影响模型性能	提高儿科胶质瘤复发风险的个体化预测准确性	儿科低级别和高级别胶质瘤患者	医学影像分析	儿科胶质瘤	磁共振成像	深度学习	医学影像	715名患者的3994次扫描，来自三个不同机构	NA	时序深度学习模型	F1分数, AUC	NA
11762	2025-10-06	Trade-offs between machine learning and deep learning for mental illness detection on social media 2025-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99167-6 PMID:40281061	研究论文	比较机器学习和深度学习模型在社交媒体心理健康检测中的性能权衡	系统评估传统机器学习与深度学习模型在心理健康文本分类中的性能差异，特别关注准确性、可解释性和计算效率之间的权衡关系	仅使用中等规模数据集进行评估，未涵盖超大规模数据场景	为心理健康状况检测选择最合适的模型方法	社交媒体用户关于抑郁、焦虑和自杀意念的文本讨论	自然语言处理	精神疾病	文本分析	逻辑回归,随机森林,LightGBM,ALBERT,GRU	文本数据	中等规模数据集	NA	ALBERT,Gated Recurrent Units	准确性,可解释性,计算效率	NA
11763	2025-10-06	Towards a unified framework for single-cell -omics-based disease prediction through AI 2025-Apr, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70290 PMID:40170267	研究论文	提出一个基于单细胞组学数据的人工智能统一框架scDisPreAI，用于疾病预测和生物标志物发现	开发首个整合单细胞组学数据与AI技术的统一疾病预测框架，支持多任务学习和可解释性分析	需要大规模标准化数据库支持，尚未进行前瞻性临床验证	建立基于单细胞组学数据的疾病预测和生物标志物发现框架	多种疾病和疾病阶段的单细胞组学数据	机器学习	多种疾病	单细胞组学技术	机器学习管道,深度学习架构	单细胞组学数据	NA	NA	NA	NA	NA
11764	2025-10-06	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-Mar, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	开发基于MRI拓扑深度学习模型用于术前预测肝细胞癌微血管浸润并辅助预后分层	首次将拓扑特征与深度学习结合用于MVI预测，提高了模型性能和可解释性	回顾性研究，样本量有限，需要进一步前瞻性验证	术前无创预测肝细胞癌微血管浸润并辅助预后分层	肝细胞癌患者	医学影像分析	肝细胞癌	MRI成像	CNN	医学影像	589例患者（292例经病理证实MVI阳性）	NA	纯卷积神经网络，拓扑-CNN，拓扑-CNN-临床模型	AUC，风险比	NA
11765	2025-10-06	Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017005 PMID:39836730	研究论文	本研究利用深度学习模型从二维超声心动图视频预测右心室射血分数，评估其在接受经导管二尖瓣修复术的重度二尖瓣反流患者预后预测中的价值	首次将深度学习预测的右心室射血分数应用于经导管二尖瓣修复术患者的预后评估，证明其优于传统的三尖瓣环平面收缩偏移测量方法	研究为回顾性多中心注册研究，仅包含2017-2023年间可获得高质量二维心尖四腔视图视频的患者	评估深度学习预测的右心室射血分数对重度二尖瓣反流患者经导管二尖瓣修复术后预后的预测价值	接受经导管二尖瓣修复术的重度二尖瓣反流患者	数字病理学	心血管疾病	二维超声心动图视频分析	深度学习模型	视频	1154例患者	NA	NA	AUC, Kaplan-Meier生存分析, 风险比	NA
11766	2025-10-06	Dynamic Prediction of Cardiovascular Death among Old People with Mildly Reduced Kidney Function Using Deep Learning Models Based on a Prospective Cohort Study 2025, Gerontology IF:3.1Q3 DOI:10.1159/000545679 PMID:40359927	研究论文	本研究使用深度学习模型动态预测轻度肾功能减退老年人群的心血管死亡风险	首次在轻度肾功能减退老年人群中应用动态DeepHit模型进行心血管死亡的动态预测，并证明其性能随随访时间增加而提升	研究人群仅限于中国天津地区，可能影响结果的普适性	识别轻度肾功能减退老年人群中心血管死亡的关键预测特征	12,650名年龄≥60岁且轻度肾功能减退的老年人	机器学习	心血管疾病	前瞻性队列研究	Cox回归,随机生存森林,DeepHit,动态DeepHit	临床数据	12,650名老年人	NA	DeepHit,动态DeepHit	C-index,Brier Score	NA
11767	2025-10-06	Introducing a Deep Neural Network Model with Practical Implementation for Polyp Detection in Colonoscopy Videos 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_23_24 PMID:40546333	研究论文	提出一种用于结肠镜视频息肉检测的深度学习模型	采用迁移学习和多任务学习解决标注数据有限的问题，同时实现息肉分类和边界框检测	缺乏非息肉图像数据集，需要额外进行数据收集	开发简单准确的深度学习模型用于结肠镜息肉检测	结肠镜视频中的息肉图像	计算机视觉	结直肠癌	深度学习	深度神经网络	图像	KVASIR-SEG、CVC-CLINIC数据集和LDPolyp视频数据集提取的非息肉图像	NA	深度神经网络	准确率, 边界框检测准确率, 处理时间	NA
11768	2025-10-06	Deep learning for differential diagnosis of parotid tumors based on 2.5D magnetic resonance imaging 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2520401 PMID:40531801	研究论文	本研究开发了一种基于2.5D磁共振成像和深度学习模型的腮腺肿瘤良恶性鉴别方法	首次将2.5D成像方法（包含层间信息）与基于Transformer的迁移学习模型结合应用于腮腺肿瘤的鉴别诊断	回顾性研究，样本量较小（122例患者），缺乏外部验证	开发准确的腮腺肿瘤术前良恶性鉴别诊断方法以指导手术规划	腮腺肿瘤患者	医学影像分析	腮腺肿瘤	磁共振成像	深度学习, Transformer	2D和2.5D磁共振图像, 临床特征	122例腮腺肿瘤患者	NA	Transformer	AUC, 灵敏度, 混淆矩阵	NA
11769	2025-10-06	Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging 2025-Jun-19, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02889-2 PMID:40536560	研究论文	本研究探索使用优化的YOLOv8和深度学习模型改进乳腺超声图像分割性能	将YOLOv8目标检测算法应用于分割任务，并比较联合训练与按良恶性分类单独训练的策略	仅使用780张超声图像，样本量相对有限	提高乳腺肿瘤超声图像分割的准确性和效率	乳腺超声图像中的良性和恶性肿瘤	计算机视觉	乳腺癌	超声成像	CNN	图像	780张超声图像（分为良性和恶性类别）	NA	UNet, DenseNet-121, VGG16, VGG19, YOLOv8	Dice系数, IoU, mAP, F1-score	NA
11770	2025-10-06	Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections 2025-Jun-19, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00599-6 PMID:40536731	研究论文	开发基于深度学习的算法，用于自动检测急性颈部感染患者MRI图像中的咽后水肿	提出基于弱标注数据且计算效率高的深度学习模型，在切片和患者两个层级实现咽后水肿的自动检测	模型性能仍需在更大样本和更多中心验证	开发自动检测急性颈部感染患者咽后水肿的深度学习算法	479例急性颈部感染患者的MRI图像	医学影像分析	急性颈部感染	MRI, 轴向T2加权水相Dixon成像	CNN	医学影像	479例患者（244例RPE阳性，235例RPE阴性）	NA	自定义CNN, InceptionV3	准确率, 敏感度, 特异度, AUROC	NA
11771	2025-10-06	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	研究论文	本研究通过构建OCTAVE视网膜OCT数据集并训练自配置nnU-Net模型，实现了对视网膜结构和病理特征的精确分割	提供了首个包含高质量像素级标注的3D OCT数据集OCTAVE，并为四个公共数据集提供标注，解决了视网膜AI诊断工具开发中数据稀缺的问题	数据集规模相对有限（198个训练OCT体积），且未提及模型在更广泛人群中的验证效果	开发基于人工智能的视网膜疾病诊断和分割工具	视网膜解剖结构和病理特征	数字病理	视网膜疾病	光学相干断层扫描（OCT）	CNN	3D医学图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证	nnU-Net	U-Net	NA	NA
11772	2025-10-06	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现	引入了专门设计的模拟腹腔镜手术性能数据集(LSPD)，并采用弱监督3DCNN方法进行外科医生经验水平分类	基于模拟环境而非真实手术场景，数据集规模可能有限	开发自动化手术技能评估系统以减少对人工专家评估的依赖	不同经验水平外科医生(新手、学员、专家)的模拟腹腔镜手术表现	计算机视觉	NA	深度学习，计算机视觉	3DCNN	手术模拟视频	包含新手、学员和专家三个技能水平的外科医生样本	NA	3D卷积神经网络	F1分数，AUC	NA
11773	2025-10-06	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	本研究开发了一种基于人工智能的计算病理学方法，用于检测乳腺癌中缺氧诱导的形态学变化	首次将弱监督深度学习模型应用于常规H&E染色全切片图像，无需额外基因表达检测即可评估肿瘤缺氧状态	研究样本仅来自单一数据库(TCGA)，且仅针对乳腺癌类型	开发计算病理学方法检测乳腺癌缺氧微环境	乳腺癌原发部位组织样本	计算病理学	乳腺癌	H&E染色全切片成像	深度学习	全切片图像	1016个乳腺癌原发部位样本	NA	HypOxNet	AUC	NA
11774	2025-10-06	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	综述	本章探讨人工智能和机器学习在长链非编码RNA研究中的应用	详细介绍了深度学习流程用于lncRNA结合蛋白功能注释，并强调计算预测与实验验证的整合	面临数据集准备、模型设计和可用性方面的挑战	预测lncRNA功能、识别疾病关联和注释蛋白质相互作用	长链非编码RNA及其结合蛋白	生物信息学	NA	机器学习、深度学习	RNN, CNN, Transformer	分子生物学数据	NA	NA	循环神经网络, 卷积神经网络, 基于Transformer的模型	NA	NA
11775	2025-10-06	MBRSTCformer: a knowledge embedded local-global spatiotemporal transformer for emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10277-3 PMID:40538970	研究论文	提出一种基于脑电信号的局部-全局时空Transformer模型MBRSTCformer用于情绪识别	结合大脑认知机制，提出多脑区协作网络和级联金字塔空间融合时序卷积网络，能够量化不同脑区刺激差异并融合多脑区特征	NA	开发稳健的脑电信号情绪识别模型	脑电信号情绪识别	机器学习	NA	脑电信号处理	Transformer, CNN	脑电信号	DEAP和DREAMER两个主流情绪识别数据集	NA	MBRSTCformer, Cascade Pyramid Spatial Fusion Temporal Convolution Network	准确率	NA
11776	2025-10-06	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Jul, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	综述	本文系统综述了人工智能在肿瘤病理学领域的当前应用与未来展望	首次通过ESMO精准肿瘤工作组系统评估AI在肿瘤病理中的应用现状，特别关注基础模型和基于Transformer的深度学习等新兴技术	目前尚无基于IA或IB证据支持的AI预后或预测生物标志物，数据可用性、可解释性和监管问题仍是主要障碍	评估人工智能在肿瘤病理学中的当前应用并展望未来发展前景	肿瘤病理学中应用AI算法的相关研究	数字病理学	肿瘤	系统综述方法	基础模型,通用模型,基于Transformer的深度学习	病理图像,多组学数据	NA	NA	Transformer	准确性,效率	NA
11777	2025-10-06	Automatic Multi-Task Segmentation and Vulnerability Assessment of Carotid Plaque on Contrast-Enhanced Ultrasound Images and Videos via Deep Learning 2025-Jun-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3581686 PMID:40540369	研究论文	提出基于深度学习的多任务模型，用于自动分割颈动脉斑块并进行斑块内新生血管分级评估	开发首个用于CEUS图像和视频的多任务深度学习模型，同时实现斑块分割和IPN分级，并模拟放射科医生使用动态视频的工作流程	未明确说明样本来源和数据集的多样性限制	开发自动化的颈动脉斑块易损性评估方法	颈动脉斑块的CEUS图像和视频	计算机视觉	心血管疾病	对比增强超声	深度学习多任务模型	图像, 视频	NA	NA	NA	Dice系数, 准确率	NA
11778	2025-06-22	Deep learning-designed dynamics 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01963-8 PMID:40542166	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11779	2025-10-06	A primer on variational inference for physics-informed deep generative modelling 2025-Jun-19, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2024.0324 PMID:40534291	综述	本文系统介绍了变分推断在物理信息深度生成建模中的理论基础与实践方法	将变分推断与深度学习相结合，为物理正反问题提供统一的贝叶斯推断框架，强调不确定性量化的灵活性	未提供具体应用案例的性能对比数据	为科学界提供解决物理基础问题的变分推断方法论，特别关注不确定性量化	物理正反问题的生成建模与反演任务	机器学习	NA	变分推断	深度生成模型	物理模型数据	NA	NA	NA	不确定性量化准确度	NA
11780	2025-10-06	Applying a multi-task and multi-instance framework to predict axillary lymph node metastases in breast cancer 2025-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00971-0 PMID:40533499	研究论文	提出一种结合多任务学习和多示例学习的深度学习框架，用于预测乳腺癌腋窝淋巴结转移状态	首次将多任务学习与多示例学习结合，模拟真实临床多视图联合预测场景，使用Transformer模型Segformer作为网络主干	未明确说明样本数据的具体来源和采集标准	开发能够辅助临床医生评估乳腺癌腋窝淋巴结转移状态的深度学习工具	乳腺癌患者的原发性肿瘤和腋窝淋巴结超声图像	计算机视觉	乳腺癌	超声成像	Transformer	医学图像	训练队列和内外测试队列（具体数量未明确）	NA	Segformer	AUC, 敏感度, 特异度	NA