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
101	2026-05-19	Stigmatisation of gambling disorder in social media: a tailored deep learning approach for YouTube comments 2025-04-18, Harm reduction journal IF:4.0Q1 DOI:10.1186/s12954-025-01169-0 PMID:40247272	研究论文	通过深度学习分析YouTube评论中关于赌博障碍的污名化现象	结合引导主题建模和定性总结性内容分析，创建扩展污名词典，专门针对赌博障碍的社交媒体污名化进行自动化分析	仅分析了两段视频下的用户评论，样本代表性有限；方法依赖预定义词典，可能遗漏未被收录的污名表达	理解德国社交媒体中赌博障碍的污名化模式，为减少污名化策略提供依据	YouTube视频中关于赌博障碍的用户评论	自然语言处理	赌博障碍	深度学习、引导主题建模、定性内容分析	深度学习模型	文本	从34个视频收集84,024条评论，最终聚焦2个视频	NA	引导主题模型	NA	NA
102	2026-05-16	Automated pain detection using facial expression in adult patients with a customized spatial temporal attention long short-term memory (STA-LSTM) network 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97885-5 PMID:40251301	研究论文	提出一种基于时空注意力长短期记忆网络的自动化疼痛检测系统，通过分析成人患者面部表情评估疼痛强度	采用定制化时空注意力长短期记忆网络，结合空间和时间域分析面部关键点，实现三分类疼痛水平（无痛、轻度疼痛、显著疼痛）的高精度检测	仅使用正面视角视频数据，未考虑头部偏转或遮挡情况；样本量中等（200例患者），需进一步验证泛化能力	开发基于面部表情的自动化疼痛评估系统，辅助临床疼痛管理	接受手术或介入性疼痛治疗的成人患者	计算机视觉, 机器学习	疼痛相关疾病	视频录制, 面部关键点提取	长短期记忆网络, 空间注意力机制, 时间注意力机制	视频	200例患者，共2008个视频片段（10274个1秒剪辑片段），160例患者用于训练（7599个片段），40例患者用于验证（2675个片段）	未明确说明（可能使用PyTorch或TensorFlow等框架）	时空注意力长短期记忆网络	准确率, 敏感度, 召回率, F1分数	未明确说明
103	2026-05-16	Seeing through multimode fibers using real-valued intensity transmission matrix with deep learning 2025-Apr-07, Optics express IF:3.2Q2 DOI:10.1364/OE.553949 PMID:40219515	研究论文	提出一种结合实值强度传输矩阵与深度学习的混合方法，通过多模光纤实现高质量图像重建	首次将实值强度传输矩阵算法与分层并行多尺度注意力U-Net相结合，实现了更强的泛化能力、更少的训练样本需求和更快的收敛速度	未明确说明，可能涉及对光纤特性的依赖或实验条件的限制	改善多模光纤中因模式色散和耦合导致的图像失真，提高重建质量与泛化能力	多模光纤传输中的图像重建问题	计算机视觉	NA	实值强度传输矩阵、深度学习	U-Net	图像	NA	NA	分层并行多尺度注意力U-Net	结构相似性指数、峰值信噪比	NA
104	2026-05-16	Forecasting motion trajectories of elbow and knee joints during infant crawling based on long-short-term memory (LSTM) networks 2025-Apr-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01360-1 PMID:40176123	研究论文	探索使用长短期记忆网络预测婴儿爬行时肘部和膝部关节运动轨迹的可行性	首次将LSTM网络应用于预测婴儿爬行过程中更复杂多变的关节轨迹，填补了该领域的研究空白	研究仅基于健康婴儿数据，未考虑运动障碍婴儿；预测精度受输出窗口大小影响较大，15步预测误差较高	验证LSTM网络预测婴儿爬行关节轨迹的可行性，为外骨骼辅助康复设备控制提供基础	20名健康婴儿（11男9女，年龄8-15个月）爬行时的双侧肘部和膝部关节角度	机器学习	运动障碍	关节角度传感器	LSTM	时间序列数据	20名健康婴儿，58782个时间步（每个时间步4个关节角度）	NA	LSTM	平均绝对误差，均方误差，相关系数	NA
105	2026-05-16	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-04-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	利用深度学习网络整合方法BIONIC，分析阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	首次将深度学习网络整合方法BIONIC应用于阿尔茨海默病研究，揭示GPNMB+小胶质细胞和星形胶质细胞作为Aβ-Tau相互作用的调节因子	NA	揭示阿尔茨海默病中Aβ与Tau蛋白相互作用的调节机制，寻找早期治疗靶点	阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	机器学习	阿尔茨海默病	蛋白质组学、蛋白-蛋白相互作用	深度学习	蛋白质组数据、蛋白-蛋白互作数据、组织病理数据、基因表达数据	ROSMAP队列（具体数量未提及）	NA	BIONIC	NA	NA
106	2026-05-16	Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.008 PMID:39289097	研究论文	开发并验证基于临床变量、多参数MRI和HE染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性状态	首次结合临床数据、MRI影像组学和病理组学构建多模态列线图，通过ResNet-101深度学习提取影像和病理特征，整合多模态数据反映肿瘤异质性，实现高精度MSI预测	未提及外部验证集样本量较小且可能存在的选择偏倚；列线图在临床实践中可能面临数据整合和标准化挑战	开发多模态深度学习模型以非侵入性方式预测直肠癌MSI状态，辅助临床决策	直肠癌患者的MSI状态预测，包括临床变量、MRI影像（T2WI、DWI、增强T1WI）和HE染色病理图像	机器学习，数字病理学	直肠癌	MRI（T2WI、DWI、增强T1WI），HE染色，免疫组化染色	ResNet-101	图像（MRI和病理切片）、临床数据	467例直肠癌患者（中心1: 347例，中心2和3: 120例）	NA	ResNet-101	AUC，灵敏度，特异度	NA
107	2026-05-16	Deep Learning Using One-stop-shop CT Scan to Predict Hemorrhagic Transformation in Stroke Patients Undergoing Reperfusion Therapy: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.052 PMID:39462736	研究论文	利用一站式CT扫描中的深層學習預測接受再灌注治療的腦卒中患者出血性轉化	首次使用多相CT血管造影和CT灌注图像进行深度学习模型的全自动出血性转化预测，并在多中心数据中验证	回顾性研究设计，样本量相对较小，且数据来自不同医院的扫描仪，可能影响模型泛化性	开发和验证基于多相CTA和CTP图像的深度学习模型，用于预测急性缺血性脑卒中患者接受再灌注治疗后的出血性转化	229名接受再灌注治疗的急性缺血性脑卒中患者	计算机视觉, 数字病理学	脑卒中	多相CT血管造影, CT灌注成像	CNN	图像	229名患者（训练内部验证集183例，外部测试集46例）	NA	DenseNet	受试者工作特征曲线	NA
108	2026-05-16	Accelerated Spine MRI with Deep Learning Based Image Reconstruction: A Prospective Comparison with Standard MRI 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.004 PMID:39580249	研究论文	前瞻性比较深度学习图像重建加速脊柱MRI与标准MRI的性能	首次前瞻性评估深度学习加速脊柱MRI在扫描时间、图像质量和诊断互换性方面的表现	未提及具体限制	评估深度学习重建MRI在图像采集时间、整体图像质量和诊断互换性方面与标准MRI的性能	脊柱不适患者	机器学习	脊柱疾病	MRI	深度学习模型	图像	200名参与者（107名男性，平均年龄46.56±17.07岁）	NA	深度学习图像重建网络	信噪比(SNR)、对比噪声比(CNR)、相似性度量、主观评分、病变检测频率	NA
109	2026-05-16	Radiomics Model Based on Contrast-enhanced CT Intratumoral and Peritumoral Features for Predicting Lymphovascular Invasion in Hypopharyngeal Squamous Cell Carcinoma 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.017 PMID:39643470	研究论文	基于增强CT瘤内和瘤周特征构建放射组学模型，用于预测下咽鳞状细胞癌的淋巴血管侵犯	整合了增强CT瘤内和1-5mm瘤周区域（Peri1V-5V）的放射组学特征，并结合深度学习模型和临床特征建立列线图，有效预测LVI状态，其中Peri1V-Radscore模型在验证集中表现最佳	研究为单中心回顾性设计，样本量较小（166例），且外部验证缺失，模型泛化性有待进一步评估	评估基于增强CT瘤内和瘤周放射组学特征预测HSCC患者LVI状态的可行性	下咽鳞状细胞癌（HSCC）患者的淋巴血管侵犯（LVI）状态	计算机视觉, 数字病理	下咽鳞状细胞癌	增强CT	深度学习模型, 放射组学模型	图像（CT影像数据）	166例HSCC患者（47例LVI阳性，119例LVI阴性）	NA	NA	AUC, ROC曲线, 校准曲线, 决策曲线分析（DCA）	NA
110	2026-05-16	Feasibility of Sub-milliSievert Low-dose Computed Tomography with Deep Learning Image Reconstruction in Evaluating Pulmonary Subsolid Nodules: A Prospective Intra-individual Comparison Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.042 PMID:39674695	研究论文	评估使用深度学习图像重建的亚毫西弗低剂量CT在评价肺亚实性结节中的可行性	首次前瞻性个体内比较研究，验证亚毫西弗低剂量CT结合高强度深度学习图像重建在保持图像质量的同时大幅降低辐射剂量	未具体说明局限性，但可能包括样本量有限或单一中心设计	全面评估深度学习图像重建的低剂量CT在评价肺亚实性结节中的可行性	肺亚实性结节患者及其CT图像	计算机视觉	肺癌	CT	深度学习图像重建	图像	102名患者，358个亚实性结节	NA	深度卷积神经网络	图像噪声、对比噪声比、信噪比、主观评分、检测率、假阳性率	NA
111	2026-05-16	The STRIPED Dietary Supplement Label Explorer: A Tool to Identify Supplements Sold with Weight-Loss, Muscle-Building, and Cleanse/Detox Claims 2025-04, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2025.02.007 PMID:39954739	研究论文	利用DSLD API开发了一个工具，用于识别和分类声称具有减肥、增肌和排毒效果的膳食补充剂标签	首次提出了一种系统化的四步分类方法，结合了启发式规则和多模态深度学习模型来识别膳食补充剂标签中的特定声称，并比较了两者的性能	启发式规则的开发耗时较长（110小时），且仅适用于减肥、增肌和排毒三类声称，对其他类型声明的适用性未验证	创建一个易于使用的工具，以分类膳食补充剂标签中的减肥、增肌和排毒声称	DSLD数据库中的膳食补充剂标签	自然语言处理	NA	NA	多模态深度学习模型	文本	4745个DSLD标签	NA	多模态深度学习模型（具体架构未说明）	召回率、特异性、精确率、阴性预测值、F1分数、准确率、ROC曲线	未说明
112	2026-05-15	Deep learning in the precise assessment of primary Sjögren's syndrome based on ultrasound images 2025-04-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae312 PMID:38830044	research paper	本研究旨在探讨基于灰度超声图像的深度学习模型在原发性干燥综合征（pSS）精准评估和准确诊断中的价值	首次将基于灰度超声图像的深度学习模型应用于pSS的精准评估，并在多中心前瞻性分析中证明其优于传统放射科医生评估	NA	研究深度学习模型在基于灰度超声图像的pSS精准评估中的诊断潜力	原发性干燥综合征患者和健康对照者	digital pathology	primary Sjögren's syndrome	灰度超声成像	CNN	image	模型开发：72名pSS患者和72名健康对照者，共864张灰度超声图像；验证：41名患者和41名健康对照者，共164张图像	PyTorch	ResNet 50	AUC、校准曲线	NA
113	2026-05-15	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-04, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	提出弱监督深度学习模型HypOxNet，通过H&E染色全切片图像检测乳腺癌缺氧引发的形态学变化	首次将人工智能应用于计算病理学评估乳腺癌缺氧状态，仅需常规H&E染色切片即可实现，无需额外基因表达检测	NA	利用深度学习从病理图像中检测肿瘤缺氧微环境相关的形态学变化	乳腺癌原发部位H&E染色全切片图像	计算病理学	乳腺癌	H&E染色全切片图像分析	弱监督深度学习模型	图像（H&E染色全切片图像）	1016张乳腺癌原发部位全切片图像	NA	NA	平均AUC（0.82），细胞形态学差异分析	NA
114	2026-05-15	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-04, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	开发深度学习模型用于分类炎症性肠病（IBD）在结肠组织病理学全切片图像中的活动性等级	利用Transformer模型和注意力机制对IBD活动性进行四分类（非活动、轻度活动、中度活动、重度活动），并通过注意力图提升模型可解释性，同时结合HoVer-Net分析中性粒细胞分布与活动性等级的关系	未明确说明（根据摘要无具体提及）	通过深度学习模型自动分类IBD活动性等级，提高诊断一致性和效率，辅助普通病理学家进行标准化评估	炎症性肠病（IBD）患者的结肠组织病理学全切片图像	数字病理学	炎症性肠病	H&E染色组织病理学成像	Transformer模型	图像（全切片图像）	来自636位患者的2077张全切片图像	NA	Transformer, HoVer-Net	AUC（曲线下面积）、精确率、召回率、F1分数	NA
115	2026-05-15	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	利用推特数据分析公众对痴呆症遗传检测看法的趋势与空白	首次大规模使用无监督深度学习（BERT模型）分析推特数据，揭示公众对痴呆症遗传检测看法的趋势、争议和误信息传播	推特数据代表性有限（主要来自英语用户），主题建模的轮廓系数较低（0.19），可能影响分类准确性	分析公众对痴呆症遗传检测的看法趋势与空白	2010年至2023年间包含相关关键词的英文推文	自然语言处理	痴呆症	NA	BERT	文本	3045条原始/来源推文	PyTorch	BERT	轮廓系数	NA
116	2026-05-10	[Application and future of artificial intelligence in oral esthetics] 2025-Apr-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250116-00021 PMID:40147889	综述	探讨人工智能在口腔美学中的应用现状与未来发展方向	系统总结了深度学习等技术在口腔美学中的具体应用，并提出了未来智能化、人性化发展的整合路径	技术局限、伦理问题及数据多样性不足	分析人工智能在口腔美学中的应用并展望其未来潜力	口腔美学治疗中的修复设计、微笑分析和个性化治疗	机器学习	口腔美学疾病	深度学习	NA	NA	NA	NA	NA	NA	NA
117	2026-05-10	Deep Learning Applications in Imaging of Acute Ischemic Stroke: A Systematic Review and Narrative Summary 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.240775 PMID:40197098	综述	系统回顾深度学习在成人急性缺血性卒中影像中的应用，总结当前技术状态并识别进步机会	提供了从2016年至2024年深度学习在急性缺血性卒中影像应用的全面概述，涵盖大血管闭塞自动检测和ASPECT评分测量等多个方面	需要标准化协议和测试集、更大的公共数据集以及在真实世界环境中的性能验证	评估深度学习在急性缺血性卒中影像中的应用，为研究者开发AI模型提供参考	成人急性缺血性卒中患者的影像数据	计算机视觉	脑血管疾病	CT、MRI	卷积神经网络, 变换器	影像	纳入380项研究，其中68项进行了详细数据提取	NA	CNN, Transformer	NA	NA
118	2026-05-08	Geometric deep learning framework for de novo genome assembly 2025-04-14, Genome research IF:6.2Q1 DOI:10.1101/gr.279307.124 PMID:39472021	研究论文	介绍了一个基于几何深度学习的框架GNNome，用于从头基因组组装中的路径识别	首次将几何深度学习应用于组装图的路径识别，不依赖现有组装策略，仅利用问题固有对称性进行训练	未明确提及局限性，但隐含对复杂多倍体和非整倍体基因组的适用性仍需进一步验证	开发基于几何深度学习的框架，提高从头基因组组装的连续性和质量	多个物种的基因组组装数据	机器学习	NA	PacBio HiFi测序	图神经网络（GNN）	基因组序列数据	涉及多个物种的基因组数据	PyTorch	几何深度学习网络	连续性、质量	NA
119	2026-05-08	Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study 2025-04, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.12.010 PMID:39827035	研究论文	评估基于深度学习和影像组学的方法，在牙科锥束CT中自动检测血管钙化并预测心血管疾病	首次将深度学习与影像组学结合，利用牙科CBCT扫描检测颈动脉和椎动脉钙化，作为中风和心脏病发作的预测工具	样本量较小（148次扫描），且椎动脉钙化检测性能较低	开发自动化方法，基于CBCT检测动脉钙化以预测心血管疾病的发生	颅外和颅内颈动脉以及椎动脉的钙化区域	计算机视觉, 数字病理学	心血管疾病	锥束CT (CBCT)	nn-UNet	图像	148次CBCT扫描	NA	nn-UNet	边界框准确率, AUC-ROC	NA
120	2026-05-06	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	一种基于增量再训练LSTM的个性化血糖预测方法，利用有限的CGM数据实现准确预测	提出增量再训练堆叠LSTM框架，通过参数迁移和逐步适应个体数据，显著降低血糖预测误差，并在冷启动场景中有效	依赖于CGM数据质量和糖尿病患者血糖变异性的多样性，预测准确性可能因个体差异而波动	利用深度学习解决1型糖尿病患者血糖预测中数据有限和个体差异性大的问题	1型糖尿病患者的连续血糖监测数据	机器学习	1型糖尿病	连续血糖监测	LSTM	时间序列数据	两个数据集：OpenAPS和Replace-BG，具体样本量未明确提及	NA	堆叠LSTM	均方根误差, Clarke误差网格分析	NA