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
201	2025-10-07	Pleural invasion of peripheral cT1 lung cancer by deep learning analysis of thoracoscopic images: a retrospective pilot study 2025-Apr-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-1510 PMID:40400958	研究论文	本研究开发了一种基于深度学习分析胸腔镜图像预测外周型cT1肺癌胸膜侵犯的算法	首次使用深度学习算法从胸腔镜图像预测肺癌胸膜侵犯，并与外科医生的术中评估进行比较	回顾性研究、样本量较小、单中心研究	开发能够术中预测肺癌胸膜侵犯的深度学习算法	接受根治性胸腔镜手术的cT1N0M0非小细胞肺癌患者	计算机视觉	肺癌	胸腔镜成像	CNN	图像	80例患者，422,873张图像，其中2,074张显示肿瘤	NA	ResNet50	准确率,F1分数	NA
202	2025-10-07	Multimodal radiopathological integration for prognosis and prediction of adjuvant chemotherapy benefit in resectable lung adenocarcinoma: A multicentre study 2025-Apr-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217557 PMID:39954935	研究论文	开发并验证了一种整合CT图像和H&E染色全切片图像的多模态分析框架，用于肺腺癌患者的风险分层和辅助化疗获益预测	首次将放射组学特征与病理组学特征通过生存支持向量机进行融合，创建了放射病理组学特征，在预后预测和化疗获益评估方面优于单一模态方法和现有深度学习方法	回顾性研究设计，需要前瞻性验证；样本量相对有限；仅针对肺腺癌患者	提高肺腺癌患者风险分层准确性并预测辅助化疗获益	1039例可切除肺腺癌患者（I-III期）	数字病理	肺癌	CT成像，H&E染色全切片成像	SVM	图像	1039例患者（训练集303例，测试集197例和228例，特征测试集311例）	NA	生存支持向量机	C-index，风险比，置信区间，p值	NA
203	2025-10-07	CPDMS: a database system for crop physiological disorder management 2025-Apr-22, Database : the journal of biological databases and curation DOI:10.1093/database/baaf031 PMID:40402767	研究论文	开发了一个用于番茄生理障碍管理的实时作物图像采集与分析数据库系统	构建了包含多种胁迫条件下番茄图像的大规模数据库系统，支持多角度图像采集	模型性能有待提升(mAP 0.46)，系统在其他农业环境中的泛化能力需要进一步验证	开发用于精准农业的作物生理障碍管理数据库系统	番茄作物及其生理障碍	计算机视觉	作物生理障碍	实时图像采集, 深度学习	深度学习模型	图像	58,479张图像(43,894张可标注)，其中24,000张用于训练，13,037张用于测试	NA	NA	平均精度(mAP), 召回率	NA
204	2025-10-07	Autonomous object tracking with vision based control using a 2DOF robotic arm 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97930-3 PMID:40251241	研究论文	本文提出了一种基于视觉控制的2自由度机械臂自主目标跟踪系统	结合深度学习目标检测框架与基于图像的视觉伺服控制，解决了传统系统复杂机械结构、刚性要求和多传感器需求等问题	仅针对2自由度机械臂进行验证，系统在更复杂场景下的鲁棒性需要进一步测试	设计精确响应的目标跟踪系统，消除传统系统的复杂性	移动目标跟踪的2自由度机械臂系统	计算机视觉	NA	基于图像的视觉伺服(IBVS)，深度学习目标检测	深度学习	图像	NA	NA	NA	准确度，响应时间	CoppeliaSim机器人模拟器，2-DOF机械臂实验平台
205	2025-10-07	Large language models deconstruct the clinical intuition behind diagnosing autism 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.02.025 PMID:40147442	研究论文	利用大型语言模型解构临床诊断自闭症的直觉逻辑	首次将大型语言模型与可解释性策略结合，从临床报告中识别驱动自闭症诊断的关键句子和诊断标准	仅基于4000多份健康记录，样本规模有限	解构医疗专家诊断自闭症的临床直觉逻辑	自闭症确诊与疑似病例的临床报告	自然语言处理	自闭症	深度学习	LLM	文本	4000多份自由格式健康记录	NA	大型语言模型	NA	NA
206	2025-10-07	Artificial intelligence to predict treatment response in rheumatoid arthritis and spondyloarthritis: a scoping review 2025-04-07, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-05825-3 PMID:40192881	综述	分析人工智能技术在预测类风湿关节炎和脊柱关节炎治疗反应中的应用类型与方法	首次系统综述AI在风湿病领域预测治疗反应的应用现状与潜力	研究方法异质性限制了结果的普适性，缺乏外部验证	评估AI技术在预测风湿性疾病治疗反应中的应用效果	类风湿关节炎和脊柱关节炎患者	机器学习	风湿性疾病	多组学分析、医学影像分析	监督机器学习、无监督聚类、深度学习	电子病历、临床生物标志物、遗传数据、蛋白质组数据、影像数据	89项符合条件的研究（74项RA研究，7项SpA研究，4项银屑病关节炎研究，4项混合研究）	NA	随机森林, 支持向量机	准确率, AUC	NA
207	2025-10-07	Difficulty aware programming knowledge tracing via large language models 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96540-3 PMID:40181055	研究论文	提出了一种基于大语言模型的难度感知编程知识追踪方法，通过分析编程问题的文本理解难度和知识点难度来提升学生知识状态预测精度	首次将文本理解难度和知识点难度同时引入知识追踪，结合注意力机制和大语言模型动态更新学生知识状态	NA	提高编程知识追踪的准确性和时空反映能力	编程教育中的学生知识状态	自然语言处理	NA	大语言模型	图注意力网络	文本	NA	NA	注意力机制,图注意力网络	评估精度,时空反映能力	NA
208	2025-10-07	Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3494732 PMID:39514345	研究论文	提出一种基于增量重训练LSTM的个性化血糖预测方法，可在有限连续血糖监测数据下实现准确预测	提出增量重训练堆叠LSTM框架，通过逐步适应个体数据和参数迁移提高效率，解决传统方法需要大量训练数据的问题	研究主要针对1型糖尿病患者，未涉及其他类型糖尿病	开发适用于有限CGM数据的个性化血糖预测方法，提升人工胰腺系统的胰岛素输送效果	1型糖尿病患者的连续血糖监测数据	机器学习	糖尿病	连续血糖监测	LSTM	时间序列数据	两个CGM数据集：OpenAPS和Replace-BG	TensorFlow, PyTorch	堆叠LSTM	均方根误差, Clarke误差网格分析	NA
209	2025-10-07	Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review 2025-Apr, Drug safety IF:4.0Q1 DOI:10.1007/s40264-024-01505-6 PMID:39786481	综述	本文通过范围综述评估自然语言处理和机器学习方法在电子健康记录中检测药物不良事件的有效性	系统性地总结了NLP/ML技术在利用非结构化EHR数据进行药物警戒的最新应用进展	研究方法存在显著异质性，缺乏标准化方法和验证标准，限制了实践应用	评估NLP/ML技术从非结构化EHR数据中检测药物不良事件的有效性以改善药物警戒	电子健康记录中的非结构化文本数据	自然语言处理, 机器学习	药物不良事件	自然语言处理, 机器学习	基于规则的NLP, 统计模型, 深度学习	非结构化文本	7项符合纳入标准的研究	NA	NA	模型性能评估指标	NA
210	2025-10-07	Brain-wide 3D neuron detection and mapping with deep learning 2025-Apr, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.2.025012 PMID:40401216	研究论文	提出了一种基于深度学习的全脑3D神经元检测与映射方法NeuronMapper	首次将Video Swin Transformer应用于全脑3D神经元检测，实现了百万级别神经元定位	方法主要针对小鼠脑数据，尚未在其他物种上验证	开发自动可靠的神经元检测与映射技术以理解神经回路	小鼠全脑神经元胞体	计算机视觉	NA	3D成像	Transformer, CNN	3D图像	百万级别神经元	PyTorch	Video Swin Transformer	检测准确率, 定位精度	GPU
211	2025-05-23	Estimating hair density with XGBoost 2025-Apr, International journal of cosmetic science IF:2.7Q2 DOI:10.1111/ics.13030 PMID:39551627	研究论文	本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法	采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究	研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况	开发一种更准确和通用的头发密度估计方法	头皮图像	计算机视觉	NA	图像处理	XGBoost	图像	895张头皮图像（745张用于训练，150张用于测试）	NA	NA	NA	NA
212	2025-05-23	Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104532 PMID:40015615	研究论文	本研究探讨了在儿童超广角眼底成像中，通过瞳孔扩大和眼睑提升来最大化可见视网膜区域（VRA）的效果	首次在儿童群体中量化评估了瞳孔扩大和眼睑提升对超广角眼底成像可见视网膜区域的协同增效作用	样本量较小（53名儿童），且为单中心研究	优化儿童超广角眼底成像技术以提高周边视网膜病变检出率	53名儿童（106只眼）的超广角眼底图像	数字病理	视网膜病变	超广角Optos成像系统（Daytona P200T）	基于深度学习的图像分割工具	图像	53名儿童（106只眼）	NA	NA	NA	NA
213	2025-04-26	Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Apr-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01476-9 PMID:40274694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
214	2025-10-07	Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06709-1 PMID:39680113	研究论文	本研究开发了一种基于深度学习的前段光学相干断层扫描图像自动分析系统，用于识别原发性房角关闭疾病	首次将迁移学习应用于ResNet-50架构，实现对AS-OCT图像的自动房角分类分析	研究样本仅来自上海社区老年人群，可能限制模型的泛化能力	开发人工智能系统以提高AS-OCT图像分析效率并自动识别房角关闭	687名参与者的94895张AS-OCT图像	计算机视觉	青光眼	光学相干断层扫描	CNN	图像	687名参与者，94895张AS-OCT图像	NA	ResNet-50	准确率, AUC	NA
215	2025-10-07	Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06687-4 PMID:39680112	研究论文	通过深度学习模型的多尺度特征融合技术增强糖尿病视网膜病变和黄斑水肿的检测能力	采用独特的多尺度特征融合技术，将高层次语义信息与低层次纹理特征相结合，提升自动化诊断精度	NA	提高糖尿病视网膜病变和糖尿病黄斑水肿的早期识别准确率	视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	MESSIDOR数据集中的视网膜图像	NA	卷积神经网络	准确率,精确度	NA
216	2025-10-07	The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112014 PMID:40031377	评论	探讨放射学中人工智能实施面临的挑战，并倡导优先采用可解释人工智能以增强透明度	提出在放射学领域平衡'黑盒'系统与可解释人工智能的必要性，强调透明度和伦理标准	承认可解释人工智能可能性能低于黑盒模型	分析AI在放射学实施的挑战并推动可解释AI的应用	放射学中的人工智能系统	医疗人工智能	NA	机器学习和深度学习	黑盒AI模型，可解释AI模型	医学影像数据	NA	NA	NA	NA	NA
217	2025-10-07	Validation of multiple deep learning models for colorectal tumor differentiation with endoscopic ultrasound images: a dual-center study 2025-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-1024 PMID:40386596	研究论文	本研究验证了多种深度学习模型在结直肠肿瘤分化诊断中的效能，通过内镜超声图像进行结直肠腺瘤和癌症的分类	首次在双中心研究中比较了四种深度学习模型（ResNet50、EfficientNet-B0、VGG_11_BN、ViT）在结直肠肿瘤分化诊断中的性能，并与内镜医师进行对比	回顾性研究设计，样本量相对有限（554例患者），未进行外部验证	验证内镜超声结合人工智能在结直肠腺瘤和癌症诊断中的效能，并与传统内镜诊断方法进行比较	结直肠癌患者、结直肠腺瘤患者和对照组患者	计算机视觉	结直肠癌	内镜超声	CNN, Transformer	图像	554例患者（167例结直肠癌，136例腺瘤，251例对照组），来自两个独立医疗中心	NA	ResNet50, EfficientNet-B0, VGG_11_BN, Vision Transformer	准确率, 敏感度, 特异性, F1分数, Fleiss' kappa	NA
218	2025-10-07	Deep learning model for predicting spread through air spaces of lung adenocarcinoma based on transfer learning mechanism 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-985 PMID:40386718	研究论文	基于迁移学习机制开发深度学习模型预测肺腺癌气腔播散	结合语义特征与深度学习构建混合模型，首次基于CT图像实现STAS术前预测	回顾性研究且样本量有限（290例患者）	开发并验证基于深度学习算法的肺腺癌STAS术前预测模型	肺腺癌患者术前胸部CT图像	计算机视觉	肺癌	CT影像分析	CNN	医学影像	290例肺腺癌患者	NA	ResNet50	AUC, 敏感度, 特异度, 准确率	NA
219	2025-10-07	A narrative review of preoperative CT for predicting spread through air spaces of lung cancer 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-952 PMID:40386727	综述	回顾和总结计算机断层扫描(CT)在预测肺癌气腔播散(STAS)中的研究进展	系统评估了传统影像学征象结合人工智能技术在STAS预测中的应用价值	风险分层研究有限，需要更全面的STAS病理学定义和大样本前瞻性研究验证	评估术前CT影像预测肺癌气腔播散的可行性	肺癌患者的气腔播散现象	数字病理	肺癌	计算机断层扫描(CT)	深度学习, 放射组学	CT影像	NA	NA	NA	预测效能	NA
220	2025-10-07	Integrating radiomics and deep learning for enhanced prediction of high-grade patterns in stage IA lung adenocarcinoma 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-995 PMID:40386715	研究论文	本研究开发了一种基于术前CT图像的融合模型，用于预测IA期肺浸润性非黏液腺癌中高级别模式的存在	首次将放射组学特征与深度学习特征相结合构建预测模型，显著提升了高级别模式的识别性能	回顾性研究设计，样本量相对有限（403例患者），需要外部验证	开发术前预测肺腺癌高级别模式的影像学模型	IA期肺浸润性非黏液腺癌患者	医学影像分析	肺癌	计算机断层扫描（CT）	XGBoost	医学影像	403例手术治疗的IA期肺腺癌患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA