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
21	2025-09-14	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	本研究比较了多种深度学习模型在预测致病性调控变异方面的性能，并评估了它们在增强子活性预测中的表现	首次在标准化基准和一致训练条件下系统比较CNN、transformer及混合模型在调控变异预测中的性能	研究仅基于特定实验数据（MPRA、raQTL、eQTL）和四种人类细胞系，可能无法推广到其他数据类型或细胞类型	评估和比较深度学习模型在预测遗传变异对基因调控元件（特别是增强子）功能影响的能力	54,859个SNP及其对增强子活性的调控影响	机器学习	NA	MPRA, raQTL, eQTL	CNN, transformer, hybrid CNN-transformer	基因组和表观基因组数据	54,859个SNP，来自四种人类细胞系
22	2025-02-25	Ectopic, intra-thyroid parathyroid adenoma better visualized by deep learning enhanced choline PET/CT 2025-Jun-01, QJM : monthly journal of the Association of Physicians DOI:10.1093/qjmed/hcaf057 PMID:39992255	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23	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
24	2025-09-10	Clinical Applications of Artificial Intelligence in Teleorthodontics: A Scoping Review 2025-Jun-25, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61071141 PMID:40731772	综述	本文通过范围综述系统评估人工智能在远程正畸中的临床应用、技术方法及局限性	首次系统梳理AI在远程正畸领域的应用现状，并对比不同商业系统（如Dental Monitoring™和StrojCHECK™）的临床效果	当前临床应用集中于商业监控平台，缺乏独立验证和透明度，AI决策的重复性和精确度存在显著差异	评估人工智能在远程正畸临床实践中的应用效果与技术挑战	正畸远程监控或虚拟护理中的AI应用研究	数字医疗	口腔正畸	深度学习算法、决策树算法	深度学习模型、决策树	口内扫描图像	9项符合纳入标准的研究（未报告总样本量）
25	2025-09-09	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4个深度学习模型，并生成空间解析的疾病概率图以提升可解释性	研究仅基于亚洲人群数据，外部泛化性需进一步验证	提高髋关节假体失败的放射学诊断准确性与效率	髋关节假体失败患者	计算机视觉	骨科疾病	深度学习	CNN集成模型	X光影像	1,454名患者的2,908张双视角X光片
26	2025-09-07	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	本研究探讨了[¹⁷⁷Lu]Lu-DOTATATE肽受体放射性核素治疗在多周期中的剂量学行为及剂量-效应关系，旨在推动个性化剂量引导治疗策略	首次系统分析多周期PRRT中肿瘤与肾脏吸收剂量的动态变化规律，并建立肾功能(eGFR)与肾脏吸收剂量的预测模型	样本量有限（30例患者），肿瘤吸收剂量与疗效指标未显示显著关联	优化转移性神经内分泌肿瘤的个性化放射性核素治疗策略	转移性神经内分泌肿瘤患者	放射医学与核医学	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量计算、深度学习分割算法	深度学习分割算法、多元回归模型	医学影像（SPECT/CT）、临床实验室数据	30例完成首周期剂量学评估的患者，其中22例完成全部周期评估
27	2025-09-03	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	本研究基于多期相增强MRI的栖息地分析和Crossformer模型，预测肝细胞癌患者对TACE联合系统治疗的疗效反应	首次结合K-means聚类生成的肿瘤内栖息地图像与Transformer架构的深度学习模型（Crossformer），用于非侵入性预测HCC治疗反应	样本量相对有限（102例），且为回顾性研究，需要更大规模前瞻性验证	开发并验证基于CE-MRI的模型，以早期评估肝细胞癌患者对TACE联合靶向及免疫治疗的反应	肝细胞癌（HCC）患者	医学影像分析	肝细胞癌	多期相对比增强MRI（CE-MRI），K-means聚类，放射组学特征提取	Crossformer, ResNet50, ExtraTrees classifier	医学影像（MRI）	102例HCC患者（机构A 63例，机构B 39例）
28	2025-09-03	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	本研究验证了一种用于颅内出血检测的深度学习算法，并评估其辅助非专家医生提升诊断性能的临床效用	开发并验证了JLK-ICH深度学习算法，在多种颅内出血亚型中均表现高精度，并通过读者性能测试证实其能显著提升非专家诊断信心和准确性	研究基于回顾性数据，需进一步前瞻性验证；外部验证仅使用单一多民族美国数据集	验证深度学习算法在颅内出血检测中的准确性并评估其临床辅助价值	颅内出血（ICH）患者及非ICH患者的CT扫描影像	计算机视觉	脑血管疾病	深度学习	深度学习算法（JLK-ICH）	CT图像	1370例CT扫描（含800例用于读者性能研究）
29	2025-08-31	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，并评估了模型偏见的潜在风险	首次直接比较了基于AI的深度学习回声模型与传统的基于索赔和回归的模型在ATTR-CM检测中的性能，并系统评估了种族偏见风险	研究样本中79.2%为白人，种族多样性有限，可能影响模型泛化性	评估和比较不同算法检测ATTR-CM的性能，并分析模型偏见风险	心力衰竭患者，包括176例确诊ATTR-CM病例和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	CNN（EchoNet-LVH），深度学习模型（EchoGo Amyloidosis），随机森林，回归模型	医学影像（超声心动图），医疗索赔数据	3368名患者（176例ATTR-CM病例，3192例对照）
30	2025-08-31	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样化几何结构的从头设计蛋白质	通过物理基础设计方法生成了包含5,996个稳定蛋白质的数据集，并开发了能够捕捉几何多样性的Alphafold2微调版本	当前深度学习方法未能完全捕捉支撑蛋白质构象偏好的物理原理	改进从头设计蛋白质的几何结构预测准确性	从头设计的蛋白质	机器学习	NA	深度学习，物理基础设计方法	Alphafold2	蛋白质结构数据	5,996个稳定蛋白质，来自5个未见折叠家族的数千个蛋白质
31	2025-08-29	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	本研究利用EEG微状态动态特征和深度学习模型区分帕金森病震颤主导型与姿势不稳/步态困难型亚型	首次将EEG微状态时空动态与空间变异性信息结合，开发深度学习框架实现帕金森运动亚型的高精度分类（AUC 0.972）	NA	理解帕金森病不同运动亚型的大脑网络动态差异，以促进个性化治疗策略开发	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（EEG）微状态分析	深度学习模型	EEG信号	NA
32	2025-08-10	Advancements in Caries Diagnostics Using Bitewing Radiography: A Systematic Review of Deep Learning Approaches 2025-Jun-22, Caries research IF:2.9Q1 DOI:10.1159/000546448 PMID:40544827	系统性综述	本文通过系统性综述评估了深度学习在咬翼X光片中龋齿诊断的应用	总结了深度学习在龋齿诊断中的最新进展，并识别了当前研究中的挑战和局限性	方法学异质性、缺乏标准化、数据集多样性有限、临床验证不足以及偏见和数据透明度问题	评估深度学习在咬翼X光片中龋齿诊断的应用效果	咬翼X光片中的龋齿检测、分割和严重程度分类	计算机视觉	龋齿	深度学习	ResNet, YOLO	图像	112至8,539张图像
33	2025-08-09	Forensic dental age estimation with deep learning: a modified xception model for panoramic X-Ray images 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00962-4 PMID:39937388	研究论文	本研究开发了一种基于改进Xception深度学习模型的全景X射线图像法医年龄估计方法，重点区分12岁以下和12岁及以上的个体	提出了一种名为'Forensic Xception'的改进模型，并引入了一种新的多边形面积度量(PAM)来处理法医应用中常见的数据不平衡问题	研究仅针对5-15岁儿童，未来需要探索更多数据集并解决伦理和法律问题	开发更准确的法医年龄估计方法	1941名5-15岁儿科患者的全景X射线图像	计算机视觉	NA	深度学习	Xception, ResNet, ShuffleNet等多种CNN模型	X射线图像	1941名儿科患者
34	2025-08-09	Sex estimation with convolutional neural networks using the patella magnetic resonance image slices 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00943-7 PMID:39969760	research paper	该研究利用卷积神经网络（CNN）对髌骨磁共振图像切片进行性别估计	首次采用多种深度学习架构（如EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121）对髌骨MRI切片进行性别估计，无需传统形态测量方法	样本量相对较小（696名患者），且未对不同年龄段或种族群体进行分层分析	开发自动化的性别估计方法以替代传统耗时且依赖专家经验的形态测量分析	696名患者（293名男性和403名女性）的6710张髌骨磁共振矢状面图像切片	computer vision	NA	磁共振成像（MRI）	CNN（包括EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121）	医学影像（MRI切片）	696名患者的6710张图像切片
35	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
36	2025-08-07	Deep Learning-Based MRI Analysis Reveals Lewy Body Co-Pathology Accelerates Brain Aging in Alzheimer's Disease 2025-Jun-26, Research square DOI:10.21203/rs.3.rs-6874970/v1 PMID:40678251	research paper	该研究利用深度学习分析MRI数据，揭示路易体共病理加速阿尔茨海默病患者脑老化	首次结合脑脊液α-突触核蛋白种子扩增检测技术和深度学习MRI分析，阐明路易体共病理对阿尔茨海默病神经退行性变的协同作用	研究样本仅限于认知障碍患者，未涵盖更广泛人群	探究路易体共病理对阿尔茨海默病神经退行性变的影响	803名认知障碍患者（分为四种AD/LB病理亚组）	digital pathology	Alzheimer's disease	cerebrospinal fluid α-synuclein seed amplification assays (SAA), MRI	deep learning	MRI scans	4,355名认知正常个体（训练集）+ 803名认知障碍患者（测试集）
37	2025-08-07	Learning Genetic Perturbation Effects with Variational Causal Inference 2025-Jun-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.657988 PMID:40501829	研究论文	提出了一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测单细胞水平的遗传扰动效应	结合机制因果模型与变分深度学习，提出SCCVAE模型，能够更好地预测未见过的扰动响应并解释单细胞水平的扰动效应	机制因果模型的应用受限于过于简化的假设，难以有效处理噪声大、规模大的单细胞数据	提高对遗传扰动效应的预测能力，特别是在单细胞水平上	单细胞水平的转录组响应	功能基因组学	NA	Perturb-seq	SCCVAE (结合线性因果模型与变分自编码器)	单细胞转录组数据	NA
38	2025-08-07	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	research paper	提出了一种用于荧光显微镜图像背景识别的非线性滤波器	通过局部均值比较进行像素标记，并通过不同邻域大小的标签累积确定最终标签，性能优于现有图像处理、机器学习和深度学习方法	未明确提及具体局限性	开发一种有效的荧光显微镜图像背景识别方法	荧光显微镜图像	computer vision	NA	局部均值抑制滤波	NA	image	NA
39	2025-08-07	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	本文介绍了一种基于计算机视觉和深度学习的自动血小板富集血浆(PRP)质量控制模型，旨在提高PRP制备的效率和准确性	利用ResNet18卷积神经网络结合二元分类器开发PRP质量控制模型，实现了无损、实时的质量控制方法	模型在未见过的测试样本上的平均分类准确率为82.5%，仍有提升空间	提高血小板富集血浆(PRP)制备的质量控制效率和准确性	血小板富集血浆(PRP)制备过程	计算机视觉	NA	深度学习	ResNet18 CNN结合二元分类器	图像	患者数据(具体数量未提及)
40	2025-08-06	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	开发了一个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	结合单向多层LSTM网络和层间相关性传播(LRP)技术，提供实时风险评分和关键风险因素的可解释性	研究仅基于电子健康记录(EHRs)，未考虑其他可能影响IWS的因素	早期预测儿科ICU患者中的医源性戒断综合征(IWS)，以促进及时干预和改善患者预后	儿科重症监护病房(PICU)患者	机器学习	医源性戒断综合征	层间相关性传播(LRP)	LSTM	电子健康记录(EHRs)	NA