深度学习在生物医药领域中的应用

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
81	2025-07-05	TonguExpert: A Deep Learning-Based Algorithm Platform for Fine-Grained Extraction and Classification of Tongue Phenotypes 2025-Apr, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-024-00210-9 PMID:40606562	研究论文	介绍了一个名为TonguExpert的深度学习平台，用于舌象的精细提取和分类	提出了一个集成先进技术的深度学习框架，用于舌象分割和表型提取，并发布了最大的公开舌象数据集	现有方法难以捕捉细微细节，且缺乏大型数据集阻碍了稳健和泛化模型的开发	推进自动化舌诊，促进更广泛的临床应用	舌象图像	计算机视觉	NA	深度学习	CNN	图像	5992张舌象图像
82	2025-07-04	SORBET: Automated cell-neighborhood analysis of spatial transcriptomics or proteomics for interpretable sample classification via GNN 2025-Apr-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.30.573739 PMID:38260586	研究论文	介绍了一种名为SORBET的几何深度学习框架，用于分析空间转录组或蛋白质组数据，以进行可解释的样本分类	SORBET是首个在空间转录组数据上进行表型预测的方法，利用图卷积网络分析相邻细胞图，并通过新颖的数据增强技术确保预测的鲁棒性	NA	通过整合空间信息与多重分子数据，准确预测表型，以推进个性化医疗	转移性黑色素瘤、非小细胞肺癌和结直肠癌样本	数字病理学	黑色素瘤、非小细胞肺癌、结直肠癌	空间转录组学、空间蛋白质组学（IMC、CODEX）	GNN（图卷积网络）	空间转录组数据、空间蛋白质组数据	CosMx空间转录组数据集、IMC和CODEX数据集
83	2025-07-04	Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method 2025-Apr-08, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.29.560261 PMID:37873328	研究论文	本研究通过模拟新型精神活性物质（NPS）和经典大麻素与CB1受体的结合动力学，揭示了NPS导致更强下游信号传导的结构基础	结合多系综模拟、过渡态重加权方法和深度学习技术（NRI）解析NPS与CB1受体结合的动力学特征及其对下游信号传导的影响	研究仅针对MDMB-Fubinaca和HU-210两种配体，可能无法完全代表所有NPS的特性	揭示新型精神活性物质（NPS）与CB1受体结合的动力学特征及其对下游信号传导的影响机制	新型精神活性物质MDMB-Fubinaca和经典大麻素HU-210与CB1受体的相互作用	计算生物学	药物滥用	多系综分子动力学模拟、过渡态重加权方法、神经关系推理（NRI）	变分自编码器（VAE）、神经关系推理（NRI）	分子动力学模拟数据	两种配体（MDMB-Fubinaca和HU-210）与CB1受体的相互作用
84	2025-07-03	Predicting the hypoxic volume of head and neck tumors from fluorodeoxyglucose positron emission tomography images using artificial intelligence 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100769 PMID:40584457	研究论文	使用人工智能从氟脱氧葡萄糖正电子发射断层扫描图像预测头颈部肿瘤的缺氧体积	提出了一种基于生成对抗网络的AI模型，能够从常规获取的18F-FDG PET图像合成类似18F-FMISO的图像，以预测肿瘤或转移淋巴结的缺氧体积	需要在更大的机构和多机构队列中进行测试以确立普适性	预测头颈部肿瘤的缺氧体积，以辅助放疗剂量选择	头颈部癌患者	数字病理	头颈部肿瘤	18F-FDG PET/CT和18F-FMISO动态PET/CT	基于pix2pix架构的生成对抗网络	图像	134名头颈部癌患者（训练=84，验证=13，测试=21，额外测试=16）
85	2025-07-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤异柠檬酸脱氢酶（IDH）基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测IDH突变状态	研究为回顾性设计，样本量相对有限，且仅基于T2图像	探索DLRN在预测脑胶质瘤IDH基因型中的应用	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习放射组学	混合模型（深度学习+放射组学+临床特征）	医学影像（T2图像）	402名患者（训练队列239名，内部验证队列103名，外部验证队列60名）
86	2025-07-02	Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110770 PMID:39894259	研究论文	本研究开发并验证了一种多尺度深度学习放射组学列线图，用于预测胰腺导管腺癌患者的无复发生存期	结合手工放射组学和深度学习特征，构建多尺度列线图，显著优于传统的AJCC分期系统	研究样本来自四家医院，可能存在选择偏倚；外部验证集的表现差异较大	预测胰腺导管腺癌患者的无复发生存期，以改善术前临床决策	469名胰腺导管腺癌患者	数字病理	胰腺癌	放射组学分析、深度学习	多尺度深度学习模型	医学影像	469名患者（来自四家医院）
87	2025-07-01	2D Hole-Arrayed Double-Anode Structure Exciting Surface Plasmon Polaritons for Enhancing Outcoupling Efficiency of Organic Light-Emitting Diodes on Silicon Wafers (OLEDoS) 2025-Apr-29, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10366 PMID:40321593	研究论文	研究通过二维孔阵列双阳极结构激发表面等离子体激元，以提高硅基有机发光二极管(OLEDoS)的出光效率	提出了一种新型二维孔阵列双阳极结构，通过优化设计参数显著提升OLED的出光效率，并利用多种模型预测出光增强因子	未提及实际大规模生产中的可行性和成本问题	提高有机发光二极管的出光效率	硅基有机发光二极管(OLEDoS)	光电器件	NA	有限差分时域(FDTD)方法	线性回归、XGB Regressor、MLP	光学模拟数据	NA
88	2025-06-30	Machine learning models for pharmacogenomic variant effect predictions - recent developments and future frontiers 2025 Apr-Apr, Pharmacogenomics IF:1.9Q3 DOI:10.1080/14622416.2025.2504863 PMID:40401639	综述	本文回顾了机器学习在药物基因组变异效应预测中的最新进展和未来发展方向	探讨了新兴的深度学习模型如何利用进化保守性和生物物理特性，以及集成方法如何提高预测的准确性、稳健性和可解释性	虽然机器学习方法在预测变异效应方面取得了进展，但对于数百万罕见变异的功能性表征仍存在挑战	提高药物基因组变异效应的预测能力，以支持精准医学的实施	药物基因组变异	机器学习	NA	机器学习（ML）、深度学习	深度学习模型、集成模型	DNA序列、蛋白质序列	NA
89	2025-06-26	[Segmentation and validation of mandibular canal and its bifurcation on cone beam CT based on deep learning] 2025-Apr, Shanghai kou qiang yi xue = Shanghai journal of stomatology PMID:40550761	研究论文	基于深度学习的锥形束CT下颌管及其分叉的检测与分割方法	利用U-net卷积神经网络建立下颌管及其分叉的检测与分割方法，并采用伪标签方法辅助标注	样本量相对较小，且仅来自单一医院	开发一种可靠且实用的下颌管及其分叉的自动检测与分割方法	290例CBCT扫描图像	计算机视觉	口腔疾病	CBCT扫描	U-net	医学图像	290例CBCT扫描图像（200例训练集，90例测试集）
90	2025-06-24	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	本研究比较了机器学习和深度学习模型在社交媒体上心理健康状况分类中的性能和适用性	系统评估了多种ML和DL模型在心理健康分类中的性能差异，并提供了基于数据集大小、可解释性需求和计算限制的模型选择建议	研究仅基于中等规模数据集，未探讨极大数据集或小数据集下的表现差异	比较不同建模方法在心理健康状况分类中的性能差异	社交媒体上关于抑郁、焦虑和自杀意念的用户生成文本	自然语言处理	精神疾病	文本分类	logistic regression, random forest, LightGBM, ALBERT, GRU	文本	中等规模数据集（具体数量未提及）
91	2025-06-24	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AI的统一框架scDisPreAI，用于整合单细胞组学数据以实现疾病和疾病阶段的预测及生物标志物发现	结合单细胞组学数据和AI技术，开发了一个多任务预测框架，能够同时分类疾病身份和疾病阶段，并通过可解释性技术识别关键生物标志物	需要进一步整合多组学数据、标准化协议和前瞻性临床验证以充分发挥其在精准医学中的潜力	开发一个基于AI的统一框架，用于疾病预测和生物标志物发现	单细胞组学数据和疾病预测	机器学习	多种疾病	单细胞组学	深度学习架构或机器学习流程	单细胞组学数据	NA
92	2025-06-23	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	引入了新收集的模拟腹腔镜手术性能数据集（LSPD），并采用3DCNN和弱监督方法对手术技能水平进行分类	数据集可能受限于模拟环境，未涉及真实手术场景	通过AI技术提高手术技能评估的自动化水平，减少对人工专家评估的依赖	模拟腹腔镜手术视频数据	计算机视觉	NA	深度学习	3DCNN	视频	包含不同技能水平（新手、学员、专家）的手术模拟视频
93	2025-06-23	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	本研究利用人工智能在计算病理学中的应用，评估乳腺癌中的缺氧状态	提出了一种基于弱监督深度学习的模型HypOxNet，能够仅通过常规H&E染色全切片图像检测缺氧相关的形态学变化	研究样本仅来自TCGA数据库，可能限制了模型的泛化能力	开发一种快速、经济有效的替代分子检测的方法，用于评估肿瘤缺氧微环境	乳腺癌组织	数字病理学	乳腺癌	弱监督深度学习	HypOxNet	H&E染色全切片图像	1016例乳腺癌原发灶样本
94	2025-06-22	Machine learning based radiomic models outperform clinical biomarkers in predicting outcomes after immunotherapy for hepatocellular carcinoma 2025-Apr-17, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.04.017 PMID:40246150	research paper	该研究利用机器学习和深度学习技术，结合放射组学和临床数据，预测肝细胞癌患者免疫治疗后的生存结果和治疗反应	开发了集成放射组学和临床数据的机器学习模型，显著优于传统临床生物标志物在预测免疫治疗结果方面的表现	研究样本量相对较小（152例患者），且为回顾性研究	预测肝细胞癌患者接受atezolizumab联合bevacizumab免疫治疗后的生存结果和治疗反应	不可切除肝细胞癌患者	digital pathology	hepatocellular carcinoma	deep learning, machine learning	seven machine learning models combined with 13 feature selection techniques	CT images and clinical data	152 patients from two international centers
95	2025-06-22	Diagnostic performance of the ultrasound -based artificial intelligence diagnostic system in predicting cervical lymph node metastasis in patients with thyroid cancer: A systematic review and meta-analysis 2025 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504251346906 PMID:40462622	meta-analysis	本文通过系统回顾和荟萃分析评估了基于超声的人工智能系统在预测甲状腺癌患者颈部淋巴结转移中的诊断性能	首次系统评估了基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能，并比较了不同设计（如深度学习与经典机器学习、多中心与单中心）的效果差异	需要前瞻性验证以确认临床适用性，且中国研究的特异性较低	评估基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能	甲状腺癌患者及其颈部淋巴结转移情况	digital pathology	thyroid cancer	ultrasound, AI	deep learning, classic machine learning	image	19项研究
96	2025-06-21	Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study 2025-Apr-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002220 PMID:39764584	研究论文	本研究提出了一种基于深度学习的算法（BBMIL），可直接从乳腺癌组织病理学图像中预测经典生物标志物、免疫治疗相关基因特征和预后相关亚型	BBMIL算法能够直接从H&E染色组织病理学图像中预测多种分子标志物和亚型，避免了额外的检测成本和组织负担	研究为回顾性研究，需要进一步前瞻性验证	开发能够直接从组织病理学图像预测乳腺癌分子特征的AI算法	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	BBMIL	图像	多中心回顾性研究（具体样本量未提及）
97	2025-06-20	Retraction notice to "The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning" [Heliyon 10 (2024) e36067] 2025-Apr, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e43315 PMID:40535237	retraction	该文章是对先前发表的关于使用卷积神经网络模型和深度学习分析大学体育舞蹈教学质量的论文的撤稿通知	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
98	2025-06-20	Corrigendum to "Sentiment analysis in multilingual context: Comparative analysis of machine learning and hybrid deep learning models" [Heliyon Volume 9, Issue 9, September 2023, Article e20281] 2025-Apr, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e43243 PMID:40535278	correction	本文是对先前发表文章的一则更正声明	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
99	2025-06-19	Progress, Pitfalls, and Impact of AI-Driven Clinical Trials 2025-Apr, Clinical pharmacology and therapeutics DOI:10.1002/cpt.3542 PMID:39722473	综述	本文探讨了人工智能在药物发现与开发中的应用进展、面临的挑战及其潜在影响	分析了AI在药物研发中的实际应用效果与预期之间的差距，并指出了未来的发展方向	未提及具体的技术细节或数据支持	评估AI在药物发现与开发中的实际应用效果及未来潜力	AI驱动的药物研发过程	人工智能	NA	深度学习	NA	NA	NA
100	2025-06-19	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-Apr, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	开发了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态	提出了一种新的多阶段深度学习方法，显著提高了幽门螺杆菌感染状态的分类准确率，并优于医生的诊断结果	研究样本量相对较小，训练集和验证集分别只有538和146名受试者	开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查	幽门螺杆菌感染状态（未感染、当前感染和根除后）	计算机视觉	胃癌	深度学习	多阶段深度学习模型	图像	训练集538名受试者，验证集146名受试者