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
1	2025-06-03	Deep learning-based image classification and quantification models for tablet sticking 2025-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125690 PMID:40339626	研究论文	本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化制药片剂生产中的粘附问题	结合CNN和GLCM特征的集成模型，能够检测和量化片剂粘附，克服了传统视觉检查的局限性	研究仅针对10批片剂进行了验证，样本量相对较小	提高制药片剂生产的效率和质量控制	制药片剂生产中的粘附问题	计算机视觉	NA	CNN, GLCM, SVM	AlexNet, VGG 16, ResNet 50, GoogLeNet	图像	10批片剂
2	2025-06-03	Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram 2025-Jun-02, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf073 PMID:40157386	研究论文	利用人工智能对单导联动态心电图进行短期预测，以识别即将发生持续性室性心动过速的患者	提出了一种基于深度学习的模型，能够利用单导联动态心电图准确预测短期内的室性心律失常风险，并揭示了早期去极化模式作为潜在预测因素	研究为回顾性设计，且室性心律失常的发生率较低（0.5%）	开发一种能够短期预测致命性室性心律失常的人工智能模型，以预防心脏骤停/猝死	来自六个国家的247,254份14天动态心电图记录	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	247,254份动态心电图记录（开发集183,177份，内部验证集43,580份，外部验证集20,497份）
3	2025-06-03	Hyaluronan network remodeling by ZEB1 and ITIH2 enhances the motility and invasiveness of cancer cells 2025-Jun-02, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI180570 PMID:40178908	研究论文	研究透明质酸（HA）网络中ZEB1和ITIH2的作用及其对肺癌细胞迁移和侵袭能力的影响	揭示了ZEB1通过调控ITIH2、HAS2和CD44重塑肿瘤微环境中的HA网络，并提出针对该网络的抑制策略	研究主要基于体外实验和小鼠模型，尚未在人体中进行验证	探究HA网络在肺癌细胞迁移和侵袭中的作用机制	肺癌细胞和癌症相关成纤维细胞	肿瘤生物学	肺癌	深度学习药物-靶点相互作用算法	NA	NA	NA
4	2024-12-20	Deep learning on chromatin profiles reveals the cis-regulatory sequence code of the rice genome 2025-Jun, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.12.007 PMID:39694233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2025-06-03	Accelerated High-resolution T1- and T2-weighted Breast MRI with Deep Learning Super-resolution Reconstruction 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.055 PMID:39794159	research paper	评估一种工业开发的深度学习算法在重建低分辨率T1和T2加权乳腺MRI图像中的性能，并与标准序列进行比较	使用深度学习算法进行去噪和分辨率提升，显著减少采集时间并提高图像质量	样本量较小（47名患者），且仅在1.5特斯拉MRI设备上进行测试	评估深度学习算法在乳腺MRI图像重建中的性能	女性乳腺MRI患者	digital pathology	breast cancer	deep learning, compressed sensing	Adaptive-CS-Net, Precise-Image-Net	MRI图像	47名患者（平均年龄58±11岁）
6	2025-06-03	AI image analysis as the basis for risk-stratified screening 2025-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的风险预测模型的应用与进展	探讨了从传统影像生物标志物到前沿深度学习方法及多模态方法的风险预测模型	AI风险模型主要在研究环境中探索，尚未广泛临床采用	优化AI工具在乳腺癌筛查中的应用，提高不同人群的公平性和筛查效果	乳腺癌筛查中的风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA
7	2025-06-03	Integration of Deep Learning and Sub-regional Radiomics Improves the Prediction of Pathological Complete Response to Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer Patients 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.049 PMID:39809603	research paper	本研究开发并验证了一种结合深度学习和亚区域放射组学的模型，用于预测局部晚期直肠癌患者对新辅助放化疗的病理完全缓解	提出了一种名为SRADL的新型组合模型，整合了深度学习和亚区域放射组学特征，显著提高了预测准确性	研究为回顾性设计，需要前瞻性研究进一步验证	开发预测局部晚期直肠癌患者对新辅助放化疗反应的工具	局部晚期直肠癌(LARC)患者	digital pathology	rectal cancer	MRI成像，放射组学分析	3D ResNet50，机器学习算法	MRI图像	来自三家医院的768名符合条件的参与者
8	2025-06-03	CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.046 PMID:39956748	research paper	本研究构建了一个深度学习模型，用于预测接受免疫治疗联合化疗的食管鳞状细胞癌患者的生存结果	模型整合了肿瘤周围影像和临床特征，提高了预测准确性，并利用SHAP方法解释了个体特征对预测的贡献	外部测试集的C-index较低（0.60），表明模型在外部验证中的性能有待提高	预测食管鳞状细胞癌患者在接受免疫治疗联合化疗后的生存结果	482名接受免疫治疗联合化疗的食管鳞状细胞癌患者	digital pathology	esophageal squamous cell carcinoma	CT扫描	DL (Deep Learning)	image	482名患者（训练集322名，内部测试集79名，外部测试集81名）
9	2025-06-03	Deep Learning-Enhanced Ultra-high-resolution CT Imaging for Superior Temporal Bone Visualization 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.002 PMID:40000329	research paper	本研究评估了使用混合迭代重建（HIR）和新型深度学习重建算法（DLR）AiCE Inner Ear在成人和儿童颞骨超高分辨率CT（UHR-CT）扫描中的图像质量	引入了新型深度学习重建算法（DLR）AiCE Inner Ear，显著提升了颞骨超高分辨率CT扫描的图像质量和诊断性能	研究为单中心回顾性研究，样本量较小（57例颞骨，35例患者），且仅评估了一种厂商特定的DLR算法	评估深度学习重建算法在颞骨超高分辨率CT扫描中的图像质量提升效果	成人和儿童的颞骨超高分辨率CT扫描图像	digital pathology	NA	UHR-CT, HIR, DLR (AiCE Inner Ear)	deep learning-based reconstruction algorithm	CT图像	57例颞骨（来自35例患者，包括5名儿童和23名男性）
10	2025-06-03	Deep Learning-Assisted Diagnosis of Malignant Cerebral Edema Following Endovascular Thrombectomy 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.021 PMID:40023742	research paper	本研究开发并验证了一种基于深度学习辅助的诊断模型，用于预测接受血管内血栓切除术（EVT）后恶性脑水肿（MCE）的发生	结合高衰减成像标志物（HIM）和深度学习模型（如ResNeXt101_32×8d）提高MCE预测的准确性	样本量相对较小，仅包含271名患者，且仅在内部测试队列中验证	开发并验证一种深度学习辅助的诊断模型，以帮助放射科医生预测EVT后的MCE	接受EVT治疗的急性缺血性卒中患者	digital pathology	cardiovascular disease	非对比头部CT成像	ResNet 50, ResNet 101, ResNeXt50_32×4d, ResNeXt101_32×8d, DenseNet 121	image	271名患者（168名训练组，43名验证组，60名前瞻性内部测试组）
11	2025-06-03	Prediction of Lymph Node Metastasis in Lung Cancer Using Deep Learning of Endobronchial Ultrasound Images With Size on CT and PET-CT Findings 2025-Jun, Respirology (Carlton, Vic.) DOI:10.1111/resp.70010 PMID:40033122	研究论文	本研究评估了深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力，并强调了整合ROI、CT上的淋巴结大小和PET-CT结果的价值	首次将ROI、CT上的淋巴结大小和PET-CT结果整合到深度学习模型中，显著提高了诊断能力	研究仅基于回顾性数据，未进行前瞻性验证	评估深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像	数字病理学	肺癌	EBUS-TBNA, CT, PET-CT	ResNet18	图像	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像
12	2025-06-03	Using deep-learning based segmentation to enable spatial evaluation of knee osteoarthritis (SEKO) in rodent models 2025-Jun, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.02.787 PMID:40139644	research paper	该研究介绍了一种基于深度学习的组织学分析流程SEKO，用于定量和可视化啮齿动物膝关节内侧区域的关节重塑	开发了一个结合分割和可视化工具的深度学习流程SEKO，用于空间评估膝关节骨关节炎，并作为开源工具提供给研究社区	仅针对啮齿动物模型进行研究，尚未在人类样本中验证	开发一种客观比较骨关节炎进展和治疗干预效果的方法	啮齿动物膝关节	digital pathology	osteoarthritis	histological analysis	U-NET, HRNet	image	NA
13	2025-04-03	Integrating Deep Learning in Breast MRI: Technical Advances and Clinical Promise 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.047 PMID:40169328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14	2025-06-03	Generating Synthetic T2*-Weighted Gradient Echo Images of the Knee with an Open-source Deep Learning Model 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.015 PMID:40175204	research paper	开发一个开源深度学习模型，用于生成膝关节的合成T2*加权梯度回波图像	使用cycleGAN模型从脂肪抑制中间加权图像生成合成T2*W图像，提供开源代码和独立可执行文件	识别出四种伪影类型，包括几何畸变、物体插入/遗漏、环绕样伪影和不完全脂肪抑制伪影，但对诊断影响较小	开发一个能够生成高质量合成T2*W图像的深度学习模型，以补充常规膝关节MRI协议	膝关节MRI图像	digital pathology	NA	MRI	cycleGAN	image	训练集12,118张矢状位膝关节MR图像，测试集2,996张图像
15	2025-06-03	Transforming pulmonary health care: the role of artificial intelligence in diagnosis and treatment 2025-Jun, Expert review of respiratory medicine IF:2.9Q2 DOI:10.1080/17476348.2025.2491723 PMID:40210489	综述	本文探讨了人工智能在呼吸系统疾病诊断和治疗中的应用及其潜力	强调了AI在预测模型、影像深度学习和个性化治疗方面的技术进步和临床应用	数据集需要更大且多样化，存在数据隐私、算法透明度和潜在偏见的问题，监管框架需进一步适应AI在医疗中的挑战	评估人工智能在呼吸系统疾病诊断和治疗中的角色及其对改善医疗效果的潜力	呼吸系统疾病如肺炎、哮喘和COPD	数字病理学	肺病	深度学习	NA	影像	NA
16	2025-06-03	Expanded AI learning: AI as a Tool for Human Learning 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.040 PMID:40210520	研究论文	探讨深度学习模型作为教学工具提升放射科医生在影像任务中的表现	首次提出将AI衍生的数据作为教学工具，以提升放射科医生在无AI辅助时的影像任务准确性	样本量较小，仅涉及三名放射科医生和有限数量的膝关节X光片	验证深度学习模型能否作为教学工具提升放射科医生的影像分类能力	放射科医生和膝关节X光片	数字病理	NA	深度学习	DL	图像	三名放射科医生和100张膝关节X光片（50张用于初始测试，50张用于后续测试）
17	2025-06-03	Deep Learning in Knee MRI: A Prospective Study to Enhance Efficiency, Diagnostic Confidence and Sustainability 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.018 PMID:40240275	研究论文	本研究评估了深度学习重建的并行采集技术（PAT）与同步多层（SMS）加速成像在膝关节MRI中的效果，并与传统成像方法进行比较	结合深度学习增强的四倍PAT与两倍SMS加速成像（P4S2），在图像质量、解剖结构描绘及时间效率上显著优于传统方法	P4在软骨损伤可视化方面诊断效果略逊于传统方法	提升膝关节MRI的效率、诊断信心及可持续性	接受膝关节MRI检查的成年人	数字病理	骨科疾病	深度学习重建的并行采集技术（PAT）与同步多层（SMS）加速成像	深度学习（DL）	MRI图像	34名参与者（平均年龄45±17岁；14名女性）
18	2025-06-03	Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging 2025-Jun, BioMedInformatics DOI:10.3390/biomedinformatics5020020 PMID:40271381	review	本文回顾并总结了提高深度学习模型在神经影像分割和分类中鲁棒性和泛化能力的策略	识别并总结了包括正则化、数据增强、迁移学习和不确定性估计在内的关键策略，以应对数据变异性和领域转移等主要挑战	仅包括英文同行评审的脑成像研究，可能忽略了其他语言或非脑成像的相关研究	提高深度学习模型在神经影像分割和分类中的鲁棒性和泛化能力，以增强其在实际临床实践中的可靠性	神经影像数据	machine learning	NA	深度学习	深度学习模型	医学影像	NA
19	2025-06-03	Comparison of time-series models for predicting physiological metrics under sedation 2025-Jun, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01237-z PMID:39470955	研究论文	本研究全面比较了多种时间序列模型在生理指标预测中的应用，特别关注了双频指数（BIS）的预测	比较了传统数学模型（如药代动力学-药效学模型、ARIMA、VAR）和现代深度学习模型（如LSTM、GRU、TCN、Transformer）在BIS预测中的表现，并发现LSTM模型在单变量和多变量预测中均表现最佳	研究仅基于两个实际手术过程中收集的生理指标数据集，可能无法涵盖所有临床场景	评估和比较不同时间序列模型在预测手术中镇静深度关键指标BIS方面的性能	双频指数（BIS），一种用于评估手术中镇静深度的重要指标	机器学习	NA	时间序列分析、深度学习	LSTM, GRU, TCN, Transformer, ARIMA, VAR	生理指标时间序列数据	两个实际手术过程中收集的生理指标数据集
20	2025-06-03	Deep Learning Radiomics Nomogram Based on MRI for Differentiating between Borderline Ovarian Tumors and Stage I Ovarian Cancer: A Multicenter Study 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.067 PMID:39814661	研究论文	开发并验证了一种基于T2加权MRI的深度学习放射组学列线图（DLRN），用于术前区分卵巢交界性肿瘤（BOTs）和I期上皮性卵巢癌（EOC）	结合了深度学习、瘤内和瘤周放射组学以及临床预测因子，构建了DLRN模型，显著优于传统放射组学模型和临床模型	研究为回顾性多中心设计，可能存在选择偏倚	开发一种术前区分BOTs和I期EOC的预测工具	279名来自三个医疗中心的患者（207名训练集，72名外部测试集）	数字病理	卵巢癌	MRI	深度学习放射组学列线图（DLRN）	医学影像	279名患者（207名训练集，72名外部测试集）