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
181	2025-11-23	Advancing Digital Precision Medicine for Chronic Fatigue Syndrome through Longitudinal Large-Scale Multi-Modal Biological Omics Modeling with Machine Learning and Artificial Intelligence 2025-Jun-18, ArXiv PMID:40980765	研究论文	通过纵向多组学数据和人工智能方法研究慢性疲劳综合征的生物标志物和疾病机制	开发了可解释的深度学习框架BioMapAI，创建了首个健康和疾病状态下的多组学连接图谱，揭示了微生物-免疫-代谢组的相互作用变化	样本规模相对有限，疾病持续时间分组较为宽泛	探索慢性疲劳综合征的病因机制并开发精准医疗方法	慢性疲劳综合征患者和健康对照者	数字病理学	慢性疲劳综合征	宏基因组学, 代谢组学, 免疫分析, 临床表型分析	深度学习	多组学数据, 临床数据	ME/CFS患者154人（短期75人，长期79人），健康对照79人	BioMapAI	深度学习框架	疾病分类精度	NA
182	2025-11-21	AVN: A Deep Learning Approach for the Analysis of Birdsong 2025-Jun-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.10.593561 PMID:39229184	研究论文	开发了一种基于深度学习的鸟类鸣声分析工具AVN，用于斑胸草雀鸣声的自动标注和特征提取	无需额外训练数据即可跨多个动物群体准确标注鸣声，并开发了无需额外训练数据即可测量鸣声模仿的新方法	NA	开发标准化的行为分析工具以促进鸣声行为研究	斑胸草雀的习得性鸣声	机器学习	NA	深度学习行为分析	深度学习	音频	多个研究组和实验中的斑胸草雀鸣声数据	Python	NA	准确性、敏感性、与人类专家判断的一致性	NA
183	2025-11-16	AML diagnostics in the 21st century: Use of AI 2025-Jun, Seminars in hematology IF:5.0Q1 DOI:10.1053/j.seminhematol.2025.06.002 PMID:40617702	综述	探讨人工智能在21世纪急性髓系白血病诊断领域的关键作用、进展与挑战	系统阐述AI技术（包括深度学习、大语言模型和可解释AI）在整合多层级诊断数据和生成诊断报告方面的创新应用	存在监管障碍、数据隐私问题、系统互操作性挑战以及合成数据的伦理规范需求	分析人工智能在急性髓系白血病诊断中的转型潜力与发展前景	急性髓系白血病的诊断流程与数据	数字病理学	白血病	细胞形态学、免疫分型、细胞遗传学、分子检测	深度学习, 机器学习, 大语言模型, 可解释AI	多模态诊断数据	NA	NA	深度学习分类器, 自动核型分析	NA	NA
184	2025-11-15	Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3529500 PMID:40030929	研究论文	提出一种通过手术刀运动分析评估开放手术中切割技能的方法	首次将运动分析应用于开放手术技能评估，设计了3D多面ArUco码立方体并建立了手术刀尖端坐标系数据集	仅针对四种常见切口类型进行评估，样本规模有限	开发客观量化的开放手术切割技能评估方法	外科医生的手术刀切割技能	计算机视觉	NA	空间标记追踪，双目视觉	CNN	图像，运动轨迹数据	20名外科医生（专家和新手各半）执行四种切口类型	PyTorch	YOLOv8	平均切口曲率偏差，切口长度差异，切口端点偏差，平均切口偏差，平均切割急动度	NA
185	2025-11-15	Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3527141 PMID:40031047	研究论文	本研究通过定量超声和迁移学习技术探索声学液滴汽化在组织表征中的应用	首次将迁移学习与卷积神经网络结合用于区分纤维蛋白水凝胶，通过声学液滴汽化产生的微气泡特性表征组织机械性能	研究仅限于纤维蛋白基组织模拟水凝胶，尚未在真实生物组织中进行验证	开发基于声学液滴汽化和深度学习的组织表征方法	纤维蛋白基组织模拟水凝胶中的相变纳米液滴	生物医学超声	NA	声学液滴汽化、被动空化检测、B模式超声、对比增强超声	CNN	超声图像、声学信号	不同纤维蛋白密度的水凝胶样本	NA	AlexNet	平均回声强度、气泡云面积、二阶纹理特征（方差、同质性、能量）	NA
186	2025-11-14	Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort 2025-Jun-27, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2024-002687 PMID:40579208	研究论文	评估深度学习影像组学模型在高风险肺结节队列中的诊断性能	首次在推荐活检的高风险肺结节队列中评估LCP深度学习影像组学模型，并开发结合临床变量的集成模型	单中心研究，样本量相对有限（321个结节），需要外部验证	评估深度学习影像组学模型在减少不必要侵入性活检方面的潜力	不确定肺结节（IPNs）患者	数字病理	肺癌	影像组学分析	深度学习模型	医学影像数据	321个不确定肺结节（196个恶性，125个良性）	NA	深度学习影像组学模型	AUC, F1分数, 临床净重分类指数	NA
187	2025-11-09	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-Jun-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.20.25329926 PMID:40585085	研究论文	本研究开发了一种基于深度学习的NTCP模型，用于预测头颈癌放疗后晚期吞咽困难	首次将3D剂量分布、器官分割和CT扫描数据结合到深度学习模型中，相比传统NTCP模型能更全面捕捉吞咽困难的复杂性	研究样本量相对有限（1484例），且为多中心回顾性研究	提高头颈癌患者放疗后晚期吞咽困难的预测准确性	头颈癌放疗患者	数字病理学	头颈癌	放射治疗，CT扫描	CNN	3D剂量分布，器官分割，CT图像，患者临床数据	1484例头颈癌患者（多中心队列）	NA	Residual Network (ResNet)	AUC，校准曲线	NA
188	2025-11-05	Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.19.654920 PMID:40568119	研究论文	比较分析深度学习模型在预测致病调控变异方面的性能	首次在标准化基准和一致训练条件下系统评估多种深度学习模型对遗传变异调控效应的预测能力	仅评估了有限数量的模型架构，且训练数据可能未覆盖所有相关细胞类型	评估深度学习模型预测遗传变异对增强子活性的影响	人类基因组中的非编码变异和增强子调控元件	机器学习	复杂人类疾病	MPRA, raQTL, eQTL	CNN, Transformer, 混合模型	基因组数据, 表观基因组数据	54,859个SNP，来自四个人类细胞系，九个数据集	NA	TREDNet, SEI, Borzoi	NA	NA
189	2025-11-03	Integrating AI and genomics: predictive CNN models for schizophrenia phenotypes 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0057 PMID:40525405	研究论文	本研究利用深度学习分析遗传数据，预测与精神分裂症相关的表型特征	首次将卷积神经网络应用于大规模外显子组测序数据，识别精神分裂症的遗传模式	研究基于瑞典人群数据，遗传特征尚未完全解析	探索深度学习在精神疾病基因型-表型关系研究中的应用	精神分裂症患者与对照组的遗传数据	机器学习	精神分裂症	外显子组测序	CNN	遗传数据	大规模病例对照样本（瑞典人群）	NA	卷积神经网络	准确率	NA
190	2025-11-02	Deep learning-based dose prediction for low-energy electron beam superficial radiotherapy 2025-Jun, Precision radiation oncology DOI:10.1002/pro6.70015 PMID:41164425	研究论文	本研究结合蒙特卡洛模拟与深度学习技术，开发了一种基于级联3D U-Net的剂量预测模型，用于低能电子束浅表放疗	提出级联3D U-Net模型，相比传统3D U-Net和其他深度学习模型，在剂量预测准确性和鲁棒性方面均有显著提升	研究仅针对六个特定身体部位，未验证在其他解剖区域的适用性	提高浅表低能电子束放疗中表面剂量计算的效率和准确性	六个身体部位的计算机断层扫描体模及其对应的剂量分布	医学影像分析	皮肤癌	蒙特卡洛模拟，深度学习	CNN	3D医学影像数据	六个身体部位的CT体模数据集	NA	级联3D U-Net, 3D U-Net, 深度卷积神经网络, HD U-Net	Gamma通过率, 剂量差异通过率	NA
191	2025-11-02	Deep learning (DL)-based advancements in prostate cancer imaging: Artificial intelligence (AI)-based segmentation of 68Ga-PSMSA PET for tumor volume assessment 2025-Jun, Precision radiation oncology DOI:10.1002/pro6.70014 PMID:41164426	综述	本文综述了基于深度学习的AI分割技术在68Ga-PSMA PET前列腺癌成像中肿瘤体积评估的应用与挑战	系统总结了AI分割技术在前列腺癌PSMA-PET影像中替代传统人工分割的创新价值，包括提升重复性和处理效率	面临标准化协议缺失、需要大量验证研究及临床工作流整合困难等挑战	探讨AI分割技术在前列腺癌Ga-PSMA PET影像中肿瘤体积定量评估的应用前景	前列腺癌患者的68Ga-PSMA PET影像数据	数字病理	前列腺癌	PET影像, 68Ga-PSMA显像	CNN	医学影像	NA	NA	卷积神经网络	NA	NA
192	2025-10-30	A ViTUNeT-based model using YOLOv8 for efficient LVNC diagnosis and automatic cleaning of dataset 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0048 PMID:40460443	研究论文	提出结合ViTUNeT和YOLOv8的模型，用于左心室致密化不全诊断和数据集自动清洗	提出ViTUNeT架构（结合U-Net和Vision Transformers），并集成YOLOv8模型进行感兴趣区域检测和数据集自动清洗	数据集质量限制了模型精度的进一步提升	改进左心室致密化不全的诊断准确性和心脏图像分析	左心室致密化不全患者、Titin心肌病患者和健康个体的心脏MRI图像	计算机视觉	心血管疾病	MRI	U-Net, Vision Transformer, YOLO	医学图像	包含新患者和健康个体的扩展数据集	NA	ViTUNeT, YOLOv8, U-Net	NA	NA
193	2025-10-30	Radiomics of PET Using Neural Networks for Prediction of Alzheimer's Disease Diagnosis 2025-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70128 PMID:40468810	研究论文	本研究开发了基于图神经网络和Transformer编码器的深度学习模型，利用纵向PET图像和认知评分预测阿尔茨海默病的诊断和转化	首次将图神经网络和Transformer编码器应用于纵向PET图像序列分析，同时考虑了访间时间变异性	数据来源于单一研究ADNI，未在外部数据集验证	利用纵向PET图像和认知评分预测阿尔茨海默病的诊断和从认知正常或轻度认知障碍向AD的转化	阿尔茨海默病神经影像计划(ADNI)研究收集的数据	医学影像分析	阿尔茨海默病	正电子发射断层扫描(PET)	GNN, Transformer, RNN, FFN	医学图像(PET图像), 认知评分	ADNI研究数据集	NA	图神经网络, Transformer编码器, 循环神经网络, 前馈神经网络	准确率, AUC, Brier分数	NA
194	2025-10-30	Automated mitosis detection in stained histopathological images using Faster R-CNN and stain techniques 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0049 PMID:40491077	研究论文	本研究使用Faster R-CNN和染色技术实现染色组织病理图像中的自动有丝分裂检测	提出基于Faster R-CNN的两阶段目标检测模型，并应用染色增强和标准化技术解决组织病理图像分析中的域偏移挑战	未明确说明样本量的具体数值和计算资源细节	开发自动有丝分裂检测方法以辅助癌症诊断和治疗	染色组织病理图像中的有丝分裂细胞	数字病理	癌症	染色增强, 染色标准化	Faster R-CNN, RetinaNet	图像	MIDOG++数据集	PyTorch, fastai	Faster R-CNN, RetinaNet	F1分数	NA
195	2025-10-30	Leveraging transformers for semi-supervised pathogenicity prediction with soft labels 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0047 PMID:40538169	研究论文	本文提出了一种基于Transformer的深度学习模型，用于预测遗传变异的致病性	采用半监督学习方法处理包含明确标记和模糊标记的遗传变异数据，并利用Feature Tokenizer Transformer架构处理数值和分类基因组信息	模型对明确标记变异的预测准确性较高，但对不确定性数据的预测效果仍需改进	开发遗传变异致病性预测模型以推进个性化医疗	来自NGS输出的遗传变异数据，包括明确标记和模糊标记的变异	机器学习	NA	NGS	Transformer	基因组数据	NA	NA	Feature Tokenizer Transformer	准确率	NA
196	2025-10-30	Colon cancer survival prediction from gland shapes within histology slides using deep learning 2025-Jun-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0052 PMID:40650530	研究论文	本研究利用深度学习技术从结直肠癌组织病理图像中分割腺体，并基于腺体形态特征预测患者生存期	结合GlaS和CRAG数据集训练模型以增强泛化能力，并首次将腺体形态特征与生存预测相结合	模型在特定领域准确性和跨数据集鲁棒性之间存在权衡	通过腺体分割和形态特征分析预测结肠癌患者生存期	结直肠癌组织病理图像中的腺体结构	数字病理学	结肠癌	组织病理学成像	CNN	图像	GlaS和CRAG数据集及TCGA的全切片图像	NA	U-Net, DCAN	一致性指数, log-rank检验p值	NA
197	2025-06-05	Geometric Deep Learning for Multimodal Data in CKD 2025-Jun-03, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000778 PMID:40459949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
198	2025-10-25	Comprehensive molecular impact mapping of common and rare variants at GWAS loci 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.658079 PMID:40501721	研究论文	介绍DNACipher深度学习模型及其变体影响映射方法DVIM，用于预测遗传变异在多种生物环境中的分子效应	开发了能够预测未直接测量生物环境中变异效应的深度学习模型，相比Enformer预测环境数量增加7倍以上	模型预测仍受限于训练数据的细胞类型和检测方法范围	通过深度学习模型预测遗传变异在多种生物环境中的分子效应，改进GWAS位点的变异精细定位	遗传变异，特别是GWAS位点的常见和罕见变异	机器学习	1型糖尿病	单核ATAC-seq，荧光素酶检测	深度学习	基因组序列	38,582个细胞类型-检测组合	NA	DNACipher	精细映射可信集大小，后验概率	NA
199	2025-10-15	AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis 2025-Jun, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102195 PMID:40127777	研究论文	开发基于深度学习的全自动管道，通过CT衰减图分割心脏结构并量化18F-FDG PET活动以检测心脏结节病	首次提出基于CT衰减图的全自动深度学习分割方法用于心脏FDG PET定量分析	样本量较小（69例患者），需更大规模验证	开发自动化方法量化心脏FDG PET活动以改善心脏结节病检测	疑似心脏结节病患者	数字病理学	心脏结节病	PET/CT成像, 18F-FDG PET	深度学习	医学影像（CT和PET图像）	69例患者（29例确诊心脏结节病）	NA	NA	AUC, 敏感性, 特异性	NA
200	2025-10-05	Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning 2025-Jun-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005280 PMID:40152470	研究论文	开发并验证用于脊柱侧弯诊断的自动化卷积神经网络测量系统	首次提出包含粗分割、关键点定位和精细分割的完整CNN流程，可同时测量多种脊柱参数而不仅限于Cobb角	单中心回顾性研究，样本量相对有限，缺乏外部验证	开发自动化脊柱参数测量系统以提高脊柱侧弯诊断效率和准确性	1682名脊柱侧弯患者的正位和侧位X光片	计算机视觉	脊柱侧弯	X光成像	CNN	医学影像	1682名患者（含87名青少年和26名老年患者测试集）	NA	NA	Dice系数, 平均绝对误差, 正确关键点百分比	NA