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
221	2025-10-06	A Deep Learning-Based Clinical Classification System for the Differential Diagnosis of Hip Prosthesis Failures Using Radiographs: A Multicenter Study 2025-Jun-18, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.01601 PMID:40531980	研究论文	开发了一种基于深度学习的临床分类系统(Hip-Net)，用于髋关节假体失败的多病因鉴别诊断	采用双通道集成四个深度学习模型，并生成空间分辨的疾病概率图，提高了诊断的可解释性	研究仅针对亚洲人群，样本来源限于三个医疗中心	提高髋关节假体失败鉴别诊断的准确性和效率	髋关节假体失败患者	计算机视觉	骨科疾病	放射影像分析	深度学习集成模型	X射线图像	1,454名患者(亚洲人群)的2,908张双视图(前后位和侧位)X光片	NA	双通道集成架构	准确率,AUC	NA
222	2025-10-06	Prediction of therapeutic response to transarterial chemoembolization plus systemic therapy regimen in hepatocellular carcinoma using pretreatment contrast-enhanced MRI based habitat analysis and Crossformer model 2025-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04709-7 PMID:39586897	研究论文	基于多期相增强MRI生境分析和Crossformer模型预测肝细胞癌患者对TACE联合系统治疗的疗效反应	首次将K-means聚类生成的肿瘤内生境图像与基于Transformer的深度学习模型相结合，用于预测HCC患者对TACE联合系统治疗的疗效反应	样本量相对较小（102例患者），仅来自两个机构，需要更大规模的多中心验证	开发能够无创预测肝细胞癌患者对TACE联合分子靶向治疗和免疫治疗疗效的影像学生物标志物	肝细胞癌患者	医学影像分析	肝细胞癌	多期相增强磁共振成像，K-means聚类	Crossformer, ResNet50, ExtraTrees	医学影像	102例HCC患者（机构A：63例，机构B：39例）	NA	Crossformer, ResNet50, ExtraTrees	AUC	NA
223	2025-10-06	Deep learning-assisted detection of intracranial hemorrhage: validation and impact on reader performance 2025-Jun, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03560-x PMID:40116947	研究论文	本研究验证了深度学习算法JLK-ICH在颅内出血检测中的准确性，并评估其对非专家医生诊断性能的影响	开发并验证了能够检测所有颅内出血亚型的高精度深度学习算法，并首次通过读者性能研究证明该算法能显著提升非专家医生的诊断准确性	研究采用回顾性数据，且读者性能研究仅包含6名非专家读者	验证深度学习算法在颅内出血检测中的性能并评估其临床效用	颅内出血患者的CT扫描图像	医学影像分析	颅内出血	CT扫描	深度学习	医学影像	1,370例CT扫描，其中800例用于读者性能研究	NA	JLK-ICH	灵敏度, 特异度, AUROC	NA
224	2025-10-06	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的性能并评估模型偏倚风险	首次在外部验证中直接比较四种ATTR-CM检测算法，并系统评估了种族偏倚风险	研究人群主要为白种人（79.2%），其他种族群体样本量较小	比较ATTR-CM检测算法的性能并评估模型偏倚风险	心力衰竭患者，包括176例确诊ATTR-CM患者和3192例对照患者	医疗人工智能	心脏淀粉样变性	深度学习，随机森林，回归分析	随机森林，深度学习模型	电子健康记录，超声心动图	3368名患者（176例ATTR-CM病例，3192例对照）	NA	EchoNet-LVH, EchoGo Amyloidosis	AUC, 公平性指标	NA
225	2025-10-06	Unraveling Parkinson's disease motor subtypes: A deep learning approach based on spatiotemporal dynamics of EEG microstates 2025-06-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2025.106915 PMID:40274133	研究论文	本研究开发了一种基于EEG微状态时空动力学的深度学习模型，用于区分帕金森病震颤主导型和姿势不稳/步态困难型运动亚型	首次将EEG微状态动态空间模式与电极位置数据结合用于PD运动亚型分类，强调了动态脑网络特征作为潜在生物标志物的重要性	未明确说明样本量大小和研究人群的具体特征	理解帕金森病异质性运动表型的脑网络动力学基础，改善个性化治疗	帕金森病患者（震颤主导型和姿势不稳/步态困难型）与健康个体	机器学习	帕金森病	脑电图微状态分析	深度学习	EEG信号	NA	NA	NA	AUC	NA
226	2025-10-06	A scoping review of self-supervised representation learning for clinical decision making using EHR categorical data 2025-Jun-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01692-1 PMID:40517140	综述	本文对使用电子健康记录分类数据进行自监督表示学习以支持临床决策的研究进行了范围综述	首次系统梳理了2019-2024年间针对未标记分类EHR数据的自监督表示学习研究趋势和模型家族分布	在评估这些技术对临床实践影响方面存在当前局限性	评估自监督表示学习在电子健康记录分类数据中支持临床决策的研究现状和发展趋势	46项从2019年1月至2024年4月发表的研究	自然语言处理	NA	自监督表示学习	Transformer, Autoencoder, 图神经网络	电子健康记录分类数据	46项研究	NA	Transformer-based, Autoencoder-based, Graph Neural Network-based	NA	NA
227	2025-10-06	Exploring Generative Pre-Trained Transformer-4-Vision for Nystagmus Classification: Development and Validation of a Pupil-Tracking Process 2025-Jun-06, JMIR formative research IF:2.0Q4 DOI:10.2196/70070 PMID:40478723	研究论文	本研究开发并验证了一种基于GPT-4V的眼震分类方法，通过瞳孔追踪过程实现自动化分类	首次将生成式预训练Transformer-4-Vision模型应用于眼震分类，利用其强大的图像识别能力	总体分类准确率较低（图像输入37%，坐标输入24.6%），垂直和扭转方向眼震分类准确率不足，需要扩大数据集和增强输入模态	评估GPT-4V模型在眼震分类中的应用效果，开发自动化眼震分类方法	眼震视频记录中的瞳孔运动轨迹	计算机视觉	前庭疾病	瞳孔追踪技术，视频分析	GPT-4V	视频，图像，二维坐标数据	NA	NA	Generative Pre-trained Transformer 4 Vision	准确率	NA
228	2025-10-06	Efficient quality control of platelet-rich plasma preparation using computer vision and deep learning 2025-Jun, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.6.065003 PMID:40765813	研究论文	本研究开发了一种基于计算机视觉和深度学习的自动化富血小板血浆制备质量控制系统	首次将ResNet18卷积神经网络与二元分类器结合用于PRP质量控制的自动化检测	模型在未见测试集上的准确率为82.5%，仍有提升空间	提高富血小板血浆制备质量控制的效率和准确性	富血小板血浆样本	计算机视觉	再生医学	计算机视觉，深度学习	CNN	图像	来自患者的PRP样本数据	NA	ResNet18	准确率	NA
229	2025-10-06	Local mean suppression filter for effective background identification in fluorescence images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110296 PMID:40375425	研究论文	提出一种用于荧光显微镜图像背景识别的局部均值抑制滤波器	通过变化邻域尺寸生成多标签并累积决策的局部均值比较方法	NA	开发有效的荧光图像背景识别方法	具有密集低对比度前景的荧光显微镜图像	计算机视觉	NA	荧光显微镜成像	非线性滤波器	荧光显微镜图像	NA	Python 3	局部均值抑制滤波器	NA	NA
230	2025-10-06	FIR-LSTM: An Explainable Deep Learning Framework for Predicting Iatrogenic Withdrawal Syndrome in Pediatric Intensive Care Units 2025-Jun-25, Research square DOI:10.21203/rs.3.rs-6787167/v1 PMID:40678213	研究论文	开发了一种可解释的深度学习框架FIR-LSTM，用于预测儿科重症监护病房中的医源性戒断综合征	首次将分层相关性传播(LRP)技术应用于LSTM模型以增强可解释性，并识别关键风险因素	NA	开发实时预测医源性戒断综合征风险的深度学习模型，以促进早期干预	儿科重症监护病房患者	医疗人工智能	医源性戒断综合征	电子健康记录分析	LSTM	电子健康记录	NA	NA	单向多层LSTM	模型校准度，预测性能	NA
231	2025-10-06	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2025-Jun-18, ArXiv PMID:40735097	研究论文	开发基于深度学习的多参数磁共振成像序列分类模型	首次使用深度学习模型对8种不同体部多参数MRI序列类型进行分类，并比较多种网络架构性能	模型在外部数据集上的准确率有所下降，DICOM头文件信息错误可能影响数据质量	提高放射科医生阅读多参数MRI检查的效率	多参数体部磁共振成像序列	计算机视觉	NA	多参数磁共振成像(mpMRI)	CNN	医学影像	超过729项研究数据，包含来自多个机构的mpMRI检查	NA	ResNet, EfficientNet, DenseNet-121	F1-score, 准确率	NA
232	2025-10-06	InclusiViz : Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation 2025-06, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3567117 PMID:40327496	研究论文	开发了一个名为InclusiViz的可视化分析系统，用于多层级分析城市隔离现象	结合深度学习和可解释AI分析人类移动数据，同时考虑居住空间和活动空间的城市隔离模式	未明确说明数据来源的具体限制和模型泛化能力	理解和缓解城市隔离现象，促进更具包容性的城市规划	人类移动数据和社会群体的移动模式	可视化分析	NA	深度学习，可解释AI	深度学习模型	人类移动数据，环境特征数据	NA	NA	NA	准确性，效率	NA
233	2025-10-06	Leveraging Transfer Learning and Attention Mechanisms for a Computed Tomography Lung Cancer Classification Model 2025-Jun, Cureus DOI:10.7759/cureus.87071 PMID:40746804	研究论文	开发了一种结合ResNet50V2和SE模块的深度学习模型，用于从CT图像自动分类肺癌亚型	将Squeeze-and-Excitation注意力模块集成到ResNet50V2架构中，增强通道特征重校准能力	需要外部验证、模型可解释性有待提高、尚未探索Vision Transformers等新兴架构	开发用于肺癌亚型自动分类的深度学习模型以提高诊断准确性	肺癌CT图像，包括腺癌、大细胞癌、鳞状细胞癌和正常组织	计算机视觉	肺癌	计算机断层扫描(CT)	CNN	图像	1000张肺部CT图像	NA	ResNet50V2,Squeeze-and-Excitation	准确率,AUC,精确率,召回率,F1分数	NA
234	2025-10-06	From Lab to Clinic: How Artificial Intelligence (AI) Is Reshaping Drug Discovery Timelines and Industry Outcomes 2025-Jun-30, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070981 PMID:40732273	综述	本文系统评估人工智能在药物发现各阶段的应用及其对临床结果的影响	首次通过系统综述量化分析AI在药物研发各阶段的应用分布与行业合作模式	主要关注2015-2025年发表的研究，可能未涵盖早期AI应用；对复杂生物系统的处理能力仍需完善	评估AI在药物研发过程中的作用及其对临床试验效率和制药成果的贡献	2015-2025年间发表的AI药物发现研究文献	机器学习	肿瘤学	系统综述	机器学习,深度学习	文献数据	涵盖多个数据库的系统综述研究	NA	NA	应用百分比,临床阶段分布	NA
235	2025-10-06	Precision Enhanced Bioactivity Prediction of Tyrosine Kinase Inhibitors by Integrating Deep Learning and Molecular Fingerprints Towards Cost-Effective and Targeted Cancer Therapy 2025-Jun-28, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070975 PMID:40732265	研究论文	本研究开发了一个集成深度学习和分子指纹的机器学习框架，用于准确预测酪氨酸激酶抑制剂的生物活性	整合深度人工神经网络、卷积神经网络和分子指纹，显著提高了酪氨酸激酶抑制剂生物活性预测的准确性	研究仅基于ChEMBL数据库的28,314个小分子，未包含更广泛的化合物类型	开发成本效益高且靶向的癌症治疗方法，加速药物临床前开发阶段	酪氨酸激酶抑制剂小分子化合物	机器学习	癌症	分子指纹技术，物理化学描述符分析	dANN, CNN, SVM, CatBoost	化学结构数据，分子描述符	28,314个小分子化合物，靶向11种酪氨酸激酶	NA	深度人工神经网络，卷积神经网络	F1-score, ROC-AUC, precision-recall曲线, log loss	NA
236	2025-10-06	Dual-energy CT-based virtual monoenergetic imaging via unsupervised learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01560-y PMID:40448904	研究论文	提出一种基于无监督学习的双能CT虚拟单能成像方法，用于提升图像质量	无需标注数据即可从双能CT生成虚拟单能图像的无监督学习方法	骨骼组织的CT值测量存在统计学显著差异	提高双能CT虚拟单能成像的图像质量	患者双能CT数据	医学影像处理	NA	双能CT	深度学习	CT图像	患者数据	NA	NA	CT值差异, 图像质量评估	NA
237	2025-10-06	Novel Snapshot-Based Hyperspectral Conversion for Dermatological Lesion Detection via YOLO Object Detection Models 2025-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070714 PMID:40722406	研究论文	提出一种新型光谱辅助视觉增强器(SAVE)，将标准RGB图像转换为模拟窄带成像表示，并评估五种YOLO模型在皮肤病变检测中的性能	开发了单步将RGB图像转换为窄带成像表示的SAVE方法，首次系统比较五种YOLO模型在皮肤病变检测中的表现	仅评估了三种皮肤病变类型，YOLOv11在软纤维瘤检测中表现较差，YOLOv8和YOLOv5准确率相对较低	通过光谱转换技术和目标检测模型提高皮肤病变检测的准确性	皮肤病变包括皮肤纤维瘤、苔藓样病变和软纤维瘤	计算机视觉	皮肤疾病	窄带成像，光谱转换	YOLO	图像	NA	NA	YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv5	精确率, 召回率, F1分数	NA
238	2025-10-06	Quantitative Measures of Pure Ground-Glass Nodules from an Artificial Intelligence Software for Predicting Invasiveness of Pulmonary Adenocarcinoma on Low-Dose CT: A Multicenter Study 2025-Jun-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13071600 PMID:40722670	研究论文	本研究评估商业AI软件定量测量在预测低剂量CT上纯磨玻璃结节肺腺癌浸润性方面的诊断性能	首次在多中心研究中系统比较AI软件自动提取的定量指标（直径、体积、衰减值和质量）对肺腺癌浸润性的预测价值	样本量相对有限，仅包含388个纯磨玻璃结节，且来自三个医疗中心	评估AI软件定量测量在预测肺腺癌浸润性方面的诊断性能	低剂量CT扫描中表现为纯磨玻璃结节（pGGNs）的肺腺癌患者	数字病理	肺癌	低剂量CT（LDCT）扫描	深度学习	医学影像（CT图像）	388个纯磨玻璃结节（训练队列198个，测试队列99个，外部验证队列91个）	NA	NA	AUC（曲线下面积）, ICC（组内相关系数）	NA
239	2025-10-06	Analysis of Microbiome for AP and CRC Discrimination 2025-Jun-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070713 PMID:40722405	研究论文	本研究利用机器学习方法通过合成数据增强不平衡的微生物组数据集，并识别区分腺瘤性息肉和结直肠癌的重要微生物特征	首次结合高斯Copula合成器生成微生物OTU数据，并通过层间相关性传播从深度学习模型中提取关键微生物特征	样本量较小（仅148个样本），仅使用单一合成方法，需要进一步验证	开发基于机器学习的方法来增强不平衡微生物组数据并识别疾病相关微生物标志物	61名患者的148个微生物样本（16名AP患者34个样本，46名CRC患者114个样本）	机器学习	结直肠癌	微生物组测序，操作分类单元分析	逻辑回归，支持向量机，深度学习分类器	微生物OTU计数数据	148个样本（34个AP样本，114个CRC样本）	Synthetic Data Vault Python库，Scikit-learn	高斯Copula合成器，多项式核SVM，深度学习分类器	准确率，F1分数，精确率	NA
240	2025-10-06	Deep Learning Spinal Cord Segmentation Based on B0 Reference for Diffusion Tensor Imaging Analysis in Cervical Spondylotic Myelopathy 2025-Jun-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070709 PMID:40722401	研究论文	提出基于B0参考图像的深度学习模型SCS-Net，用于颈椎病性脊髓病DTI图像的自动分割	首次验证无扩散图像（B0图像）在DTI分割中的有效性，并设计轻量级特征提取模块缓解训练数据稀缺问题	单中心研究，样本量有限（89例患者）	开发AI驱动的脊髓DTI自动分割方法以辅助临床诊断	颈椎病性脊髓病患者的脊髓DTI图像	医学影像分析	颈椎病性脊髓病	扩散张量成像	深度学习	医学影像	89例CSM患者	NA	U-Net	精确率, 召回率, Dice系数, DTI特异性特征指标	NA