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
101	2025-06-26	Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01740-y PMID:40419973	研究论文	本研究利用左心耳形态特征、深度学习放射组学和临床变量，开发并验证了一个预测心房颤动消融结果的模型	结合深度学习放射组学和临床变量开发预测模型，用于评估心房颤动消融后的复发概率	研究为回顾性多中心研究，可能存在选择偏倚	预测心房颤动消融后的复发概率	接受射频导管消融治疗的心房颤动患者	数字病理	心血管疾病	CT血管造影（CTA）	nnUNet	图像	480名连续患者
102	2025-06-26	Deep learning classification integrating embryo images with associated clinical information from ART cycles 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02076-x PMID:40399312	研究论文	开发了一种结合胚胎图像和临床数据的人工智能模型，用于预测单胚胎移植的临床妊娠结果	整合胚胎图像和临床数据，开发了三种AI模型，并通过可视化过程明确了影响预测的关键特征	仅使用胚胎图像预测临床妊娠的性能存在差距，可能由于仅凭胚胎图像预测的难度较大	提高单胚胎移植临床妊娠结果的预测准确性	1503个国际治疗周期的胚胎图像和临床数据	计算机视觉	生殖健康	深度学习	MLP, CNN, 融合模型	图像, 临床数据	1503个治疗周期（来自泰国、马来西亚和印度）
103	2025-06-26	A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R 2025 May-Jun, Multivariate behavioral research IF:5.3Q1 DOI:10.1080/00273171.2025.2455497 PMID:39949325	教程	本教程介绍了三种基于人工智能的面部情绪识别工具在R语言中的应用	提供了三种流行AI情绪检测程序的比较及示例代码，便于研究人员快速开始设计和分析情绪数据	仅针对R程序员，且未涉及这些工具在具体研究中的实际应用效果评估	提高社会和行为科学文献中可解释人工智能的素养	面部情绪识别工具	计算机视觉	NA	机器学习、深度学习、计算机视觉算法	NA	图像	NA
104	2025-06-26	Surface-Enhanced Raman Scattering Nanotags: Design Strategies, Biomedical Applications, and Integration of Machine Learning 2025 May-Jun, Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology DOI:10.1002/wnan.70015 PMID:40391396	review	本文综述了表面增强拉曼散射（SERS）纳米标签的设计策略、生物医学应用及其与机器学习的整合	强调了SERS纳米标签在生物成像、治疗诊断和液体活检中的最新应用，特别是机器学习与深度学习算法的整合以提高效能	讨论了SERS纳米标签在临床转化中面临的挑战	探讨SERS纳米标签在疾病诊断、监测和光谱引导手术中的应用及其技术进步	SERS纳米标签及其在生物医学领域的应用	生物医学工程	癌症、SARS-CoV-2	表面增强拉曼散射（SERS）	机器学习（ML）、深度学习	光谱数据、图像数据	NA
105	2025-06-24	Evaporative cooling signals for wound healing in plants 2025-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.23.655667 PMID:40502075	研究论文	本文研究了植物叶片受伤后局部冷却现象及其与伤口愈合的关系，并提出了一种利用计算机视觉和深度学习监测伤口愈合动态的方法	发现伤口诱导的局部冷却现象作为伤口愈合的定量标记，并开发了基于计算机视觉和深度学习的伤口愈合监测工作流程	研究仅限于拟南芥叶片，未验证其他植物或组织类型的适用性	探索植物伤口愈合的后期机制并开发定量监测工具	拟南芥叶片	计算机视觉	NA	计算机视觉、深度学习	深度学习	图像	NA
106	2025-06-24	Cellular and subcellular specialization enables biology-constrained deep learning 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.22.655599 PMID:40501912	research paper	该研究探讨了生物约束深度学习如何通过细胞和亚细胞特化实现，以模拟大脑中的学习和记忆机制	提出了一种完全符合生物学约束的深度学习算法，模拟了神经元细胞类型和树突区室化信号的特化	模型的生物学约束可能限制了其在更广泛的人工智能应用中的适用性	探索大脑如何通过神经元细胞类型和树突区室化信号协调多层神经回路中的学习	人工神经网络（ANNs）和神经元细胞类型	machine learning	NA	深度学习算法	ANN	image	NA
107	2025-06-24	A pediatric ECG database with disease diagnosis covering 11643 children 2025-May-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05225-z PMID:40419508	research paper	该研究提出了一个包含11643名0-14岁儿童的心电图数据库，用于心血管疾病的智能诊断	该数据库专注于儿童心血管疾病诊断，填补了现有ECG数据集主要关注成人且缺乏疾病诊断信息的空白	数据仅来自郑州大学第一附属医院的住院儿童，可能无法完全代表所有儿童群体	为儿童心血管疾病的智能诊断提供充足的数据支持	0-14岁儿童的心电图数据	digital pathology	cardiovascular disease	ECG	NA	ECG记录	11643名住院儿童，包含14190份儿科ECG记录
108	2025-06-24	Artificial Intelligence Applied to Ultrasound Diagnosis of Pelvic Gynecological Tumors: A Systematic Review and Meta-Analysis 2025-May-08, Gynecologic and obstetric investigation IF:2.0Q2 DOI:10.1159/000545850 PMID:40340944	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在超声诊断盆腔妇科肿瘤中的应用效果	首次对AI在妇科盆腔肿瘤超声诊断中的研究进行系统性评估，并与现有ADNEX模型进行性能比较	95%的研究存在高偏倚风险，主要源于不恰当的研究纳入标准、缺乏患者级别的训练测试集划分以及未进行校准评估	评估AI模型在超声诊断妇科盆腔肿瘤中的鉴别性能	妇科盆腔肿瘤（卵巢、子宫内膜和子宫肌层病变）	数字病理	妇科肿瘤	超声成像	深度学习模型与基于放射组学的机器学习方法	超声图像	44项研究（40项卵巢病理、3项子宫内膜病理和1项子宫肌层病理研究）
109	2025-06-24	U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading 2025-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70029 PMID:40229147	研究论文	本研究探讨了深度学习在预测人类脑部脑脊液分布中的应用，使用了基于U-Net的监督学习模型	利用深度学习预测脑脊液分布，仅需注射后2小时的成像数据即可达到与使用更多后期扫描数据相当的预测效果	研究依赖于特定对比剂（钆基）的MRI扫描，可能不适用于其他类型的脑脊液标记物	预测脑脊液在人类脑部的分布及其与中枢神经系统疾病的关联	人类脑部脑脊液分布及心室反流分级	数字病理学	中枢神经系统疾病	T1加权磁共振成像（MRI）	U-Net	图像	NA
110	2025-06-24	Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning 2025-May, NEJM AI DOI:10.1056/aioa2400703 PMID:40535328	研究论文	本研究开发了一种自监督的时序深度学习模型，用于分析儿童胶质瘤患者的连续MRI扫描，以提高个体化复发预测的准确性	提出了一种针对纵向医学影像分析的自监督时序深度学习方法，通过训练模型正确分类扫描的时间顺序作为前置任务，进而微调以预测复发风险	研究受限于数据可用性和当前机器学习方法的局限性	提高儿童胶质瘤个体化复发预测的准确性	儿童低级别和高级别胶质瘤患者	数字病理学	胶质瘤	MRI	自监督时序深度学习模型	影像	715名患者的3994次扫描
111	2025-06-23	Explainable Deep Learning System for Automatic Detection of Thyroid Eye Disease Using Facial Images 2025-May-27, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.022 PMID:40441501	研究论文	开发并评估了一种可解释的深度学习系统，用于通过面部图像自动检测甲状腺眼病	提出了一种结合眼周标志定位网络和甲状腺眼病检测网络的可解释深度学习系统，具有高准确性和可解释性	需要在非专科环境下进一步评估，特别是在Graves病患者队列中	开发自动检测甲状腺眼病的深度学习系统	甲状腺眼病患者和健康受试者的面部图像	计算机视觉	甲状腺眼病	深度学习	XDL（可解释深度学习系统）	图像	591张面部图像（302张患者，289张健康对照），外加100张独立验证图像
112	2025-06-22	SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION 2025-May-30, ArXiv PMID:40492248	研究论文	提出了一种基于稀疏驱动的并行成像一致性方法，用于改进自监督MRI重建	通过精心设计的扰动训练物理驱动的深度学习网络，并在稀疏域中评估模型预测扰动的能力，从而减少伪影	在高加速率下应用时仍可能引入伪影，影响图像保真度	改进快速MRI扫描的重建质量	MRI图像重建	医学影像处理	NA	自监督学习	PD-DL（物理驱动的深度学习）	MRI图像数据	fastMRI膝盖和大脑数据集
113	2025-06-22	Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes 2025-May-28, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.036 PMID:40447246	研究论文	本研究利用深度学习技术，通过未分割的3D OCT体积数据区分视乳头水肿、非动脉炎性前部缺血性视神经病变(NAION)和健康眼睛	首次使用完整的3D OCT体积数据进行深度学习分类，而非传统的分割方法或眼底照片	研究为回顾性分析，需要前瞻性研究验证模型性能	开发自动诊断工具以区分视乳头水肿、NAION和健康眼睛	视神经头(ONH)和视乳头周围视网膜(PPR)的OCT扫描图像	数字病理	眼科疾病	光学相干断层扫描(OCT)	ResNet 3D-18	3D图像	4619份原始光谱域ONH体积扫描(1539只眼睛)，外加1663份外部验证扫描(742只眼睛)
114	2025-06-22	Automated landmark-based mid-sagittal plane: reliability for 3-dimensional mandibular asymmetry assessment on head CT scans 2025-May-26, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06397-z PMID:40415151	research paper	本研究评估了一种基于自动标记的中矢状面（MSP）在头部CT扫描中量化下颌骨不对称性的可靠性	提出了一种基于深度学习的自动标记方法构建MSP，用于评估下颌骨不对称性，并与手动方法进行比较	研究仅基于368例CT扫描，且自动方法的临床适用性需进一步验证	评估自动标记方法构建MSP在量化下颌骨不对称性中的可靠性	368例头部CT扫描，包括正颌手术患者	digital pathology	NA	deep learning-based method	NA	CT scans	368例头部CT扫描
115	2025-06-21	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025-May-09, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文探讨了人工智能在输血医学中的应用及其潜在影响	综述了AI在输血医学多个领域的应用，包括机器学习、深度学习、自然语言处理和预测分析，展示了AI在提高操作效率、患者安全和资源分配方面的潜力	当前研究多为探索性，面临临床工作流程的变异性、算法透明度、公平获取以及数据隐私和偏见等伦理问题的挑战	探讨人工智能在输血医学中的应用机会、挑战和未来发展方向	输血医学中的AI应用	医疗人工智能	NA	机器学习、深度学习、自然语言处理、预测分析	NA	NA	NA
116	2025-06-21	A new age in structural S-layer biology: Experimental and in silico milestones 2025-May-08, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110205 PMID:40345586	综述	本文总结了过去五年在S层蛋白结构研究中的主要成就，并探讨了计算方法在S层蛋白建模中的最新突破	首次探讨了计算方法在S层蛋白建模中的应用及其对未来研究的潜在影响	主要关注过去五年的研究进展，可能未涵盖更早期的研究成果	总结S层蛋白结构研究的主要成就，并探索计算方法在该领域的应用	细菌和古菌中的S层蛋白	结构生物学	NA	高分辨率成像、深度学习结构预测	深度学习	蛋白质结构数据	多种细菌和古菌物种
117	2025-06-20	Opportunities and challenges in lung cancer care in the era of large language models and vision language models 2025-May-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-801 PMID:40535072	综述	本文综述了人工智能在肺癌护理中的应用，特别是大型语言模型和视觉语言模型带来的机遇与挑战	重点探讨了大型语言模型（LLMs）和视觉语言模型（VLMs）在肺癌护理中的前沿应用及其潜在影响	存在数据隐私风险、模型偏见可能加剧医疗不平等、模型幻觉、伦理问题、实施成本高以及缺乏标准化评估指标等挑战	总结人工智能在肺癌护理中的应用，并探讨LLMs和VLMs带来的新机遇与挑战	肺癌护理中的人工智能方法，特别是机器学习和深度学习技术	自然语言处理, 计算机视觉, 机器学习	肺癌	大型语言模型（LLMs）, 视觉语言模型（VLMs）, 多模态整合	LLMs, VLMs	医疗图像, 文本, 多模态数据	NA
118	2025-06-20	A Bayesian deep learning model with consolidation-to-tumor ratio (CTR) prior revolutionizes the prediction of spread through air spaces (STAS) in stage IA lung adenocarcinoma: a large-scale diagnostic study 2025-May-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-890 PMID:40535077	research paper	本研究开发了一种基于CTR先验的贝叶斯深度学习模型，用于预测IA期肺腺癌患者的STAS	首次将CTR先验知识整合到贝叶斯深度学习框架中，用于STAS预测	研究仅针对IA期肺腺癌患者，未验证在其他分期或其他类型肺癌中的适用性	开发预测肺腺癌患者STAS的深度学习模型，以指导手术方案选择	IA期肺腺癌患者	digital pathology	lung cancer	Bayesian deep learning	DL model with variational Bayesian inference framework	medical imaging data	1,374例患者（训练组961例，验证组275例，测试组138例）
119	2025-06-20	Deep learning in histopathology images for prediction of oncogenic driver molecular alterations in lung cancer: a systematic review and meta-analysis 2025-May-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2024-1196 PMID:40535093	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习模型在预测非小细胞肺癌致癌驱动分子改变方面的诊断准确性	利用深度学习模型从H&E染色全切片图像中预测致癌驱动分子改变，为非侵入性精准肿瘤学提供了新方法	需要在多样化人群和临床结果中验证这些预测模型	评估深度学习模型在预测非小细胞肺癌致癌驱动分子改变方面的诊断准确性	非小细胞肺癌患者的H&E染色全切片图像	数字病理学	肺癌	深度学习	CNN	图像	NA
120	2025-06-20	FLAMeS: A Robust Deep Learning Model for Automated Multiple Sclerosis Lesion Segmentation 2025-May-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.19.25327707 PMID:40475145	research paper	开发了一种名为FLAMeS的深度学习模型，用于自动分割多发性硬化症（MS）的脑部病变	FLAMeS基于nnU-Net 3D全分辨率U-Net，并在668个FLAIR MRI扫描上训练，其性能优于现有的公开方法	FLAMeS在小于10 mm3的病变上表现不佳	开发一种自动化的多发性硬化症（MS）病变分割算法	多发性硬化症（MS）患者的脑部MRI扫描	digital pathology	multiple sclerosis	MRI, FLAIR	nnU-Net 3D full-resolution U-Net	image	668 FLAIR MRI scans from persons with MS, evaluated on three external datasets (MSSEG-2 n=14, MSLesSeg n=51, clinical cohort n=10)