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
401	2025-06-29	Multimodal radiomics integrating deep learning and clinical features for diagnosing multidrug-resistant tuberculosis in HIV/AIDS patients 2025-Jun, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.04.013 PMID:40324593	研究论文	本研究开发并验证了一种基于多模态数据的预测模型，用于区分HIV/AIDS患者中的多药耐药结核病（MDR-TB），以提高诊断准确性	整合了临床特征、放射组学特征和深度学习特征的多模态模型，显著提高了MDR-TB的诊断效能	研究为回顾性队列，样本量相对较小（n=227），且数据来自单一医院	提高HIV/AIDS患者中多药耐药结核病（MDR-TB）的诊断准确性	HIV/AIDS患者中的药物敏感结核病（n=164）和多药耐药结核病（MDR-TB，n=63）患者	数字病理	结核病	2.5D多实例学习（MIL）方法	多模态集成模型（临床模型+放射组学模型+深度学习模型）	临床数据+影像数据	227名患者（164名药物敏感结核病+63名MDR-TB）
402	2025-06-29	Advancements and implications of artificial intelligence for early detection, diagnosis and tailored treatment of cancer 2025-Jun, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152349 PMID:40345002	review	本文探讨了人工智能在癌症早期检测、诊断和个性化治疗中的进展和影响	结合AI技术与多组学数据（如基因组学、转录组学和蛋白质组学），为癌症生物学提供全面视角，并推动个性化治疗的发展	AI不能替代医疗专业人员，临床决策仍需医生最终确认	提升癌症早期检测、诊断和治疗的精准性与个性化水平	癌症患者及其多组学数据	machine learning	cancer	computer vision, machine learning, deep learning, natural language processing, genomics, transcriptomics, proteomics	NA	multi-omics data (genomics, transcriptomics, proteomics)	NA
403	2025-06-29	A New Biomarker of Aging Derived From Electrocardiograms Improves Risk Prediction of Incident Cardiovascular Disease 2025-Jun, JACC. Advances DOI:10.1016/j.jacadv.2025.101764 PMID:40367762	研究论文	本研究评估了一种基于深度学习的心血管老化生物标志物δ-age在提升心血管疾病初级预防模型性能中的潜在价值	引入了一种新的心血管老化生物标志物δ-age，并通过大规模队列研究验证其在心血管疾病风险预测中的增量价值	研究样本仅来自挪威特罗姆瑟地区，可能限制结果的普适性	评估新型生物标志物对心血管疾病风险预测模型的改进效果	7,108名挪威特罗姆瑟研究的参与者	数字病理学	心血管疾病	深度学习算法	Cox比例风险回归模型	数字化12导联心电图	7,108名男女参与者，随访5.9年
404	2025-06-29	Disturbance-Aware On-Chip Training with Mitigation Schemes for Massively Parallel Computing in Analog Deep Learning Accelerator 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417635 PMID:40390534	研究论文	本文提出了一种在模拟内存计算中进行片上训练的方法，并针对大规模并行计算中的干扰效应提出了缓解方案	精确识别并量化了6T1C突触器件中的干扰效应，并提出了三种简单的操作方案来缓解这些效应	干扰效应在器件缩放过程中会加剧，且在大规模阵列中的学习可行性仍需进一步验证	研究模拟内存计算中片上训练的干扰效应及其缓解方法	6T1C突触器件和卷积神经网络	机器学习	NA	模拟内存计算(AIMC)	CNN	图像	CIFAR-10数据集
405	2025-06-29	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的可解释深度学习框架，用于通过表征癌症驱动信号预测癌细胞药物敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，增强了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	提高癌细胞药物敏感性预测的准确性，实现精准肿瘤学	癌细胞系和实体肿瘤样本	机器学习	癌症	深度学习	自监督神经网络	遗传标记和癌症驱动信号	多个数据集和The Cancer Genome Atlas的实体肿瘤样本
406	2025-06-29	Segmentation with artificial intelligence and automated calculation of the corpus callosum index in multiple sclerosis 2025-Jun, Saudi medical journal IF:1.7Q2 DOI:10.15537/smj.2025.46.6.20240957 PMID:40516948	研究论文	本研究利用人工智能技术评估多发性硬化症（MS）患者的胼胝体分割情况，并计算胼胝体指数（CCI）以区分慢性期MS患者与健康个体	采用基于U-Net模型的深度学习架构进行自动胼胝体分割，并验证CCI作为脑萎缩标志物的有效性	样本量相对有限（150名MS患者和150名健康对照），且仅针对慢性期MS患者进行研究	评估胼胝体指数（CCI）在区分慢性期多发性硬化症患者与健康个体中的有效性，并探索人工智能技术在胼胝体分割中的应用	慢性期多发性硬化症患者和健康对照个体	数字病理学	多发性硬化症	MRI	U-Net	图像	150名MS患者和150名健康对照
407	2025-06-29	Deep-Learning-Based Computer-Aided Grading of Cervical Spinal Stenosis from MR Images: Accuracy and Clinical Alignment 2025-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060604 PMID:40564420	研究论文	本研究应用深度学习卷积神经网络算法评估颈椎管狭窄的分级，并评估其与临床医生分级结果及患者临床表现的一致性	使用多种深度学习卷积网络模型（包括分类、目标检测和关键点定位模型）进行颈椎管狭窄分级，并与临床医生分级结果进行对比，展示了模型在自动诊断支持中的潜在临床价值	研究为回顾性设计，可能受到数据选择和标注偏差的影响	评估深度学习模型在颈椎管狭窄分级中的准确性和临床一致性	954名颈椎磁共振成像（MRI）数据和医疗记录的患者	计算机视觉	颈椎管狭窄	MRI	CNN, EfficientNet_B5	图像	954名患者
408	2025-06-28	3D Auto-segmentation of pancreas cancer and surrounding anatomical structures for surgical planning 2025-Jun-27, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002835 PMID:40576127	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于胰腺癌及周围解剖结构的三维可视化，以优化手术规划	采用分层Swin Transformer V2模型实现胰腺、胰腺癌及周围结构的自动分割，并在多中心数据集中验证模型性能	模型对胰腺癌的分割准确度较低（DSC 54.5-57.0），尤其在肿瘤体积较小时表现欠佳	开发用于手术规划的胰腺癌三维自动分割工具	胰腺癌患者及周围解剖结构（胰腺实质、肠系膜上动脉/静脉等）	数字病理	胰腺癌	CT扫描	Swin Transformer V2	医学影像	275例患者（176例训练集，59例内部验证集，40例外部验证集）
409	2025-06-28	Early prediction of adverse outcomes in liver cirrhosis using a CT-based multimodal deep learning model 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05045-0 PMID:40576670	研究论文	开发了一种基于CT的多模态深度学习模型TMF-LCNet，用于早期预测肝硬化患者的不良结局	首次整合了非对比腹部CT图像、肝脏和脾脏的放射组学特征以及临床文本数据，构建了多模态融合模型TMF-LCNet	研究为回顾性设计，样本量相对较小（243例患者）	提高肝硬化患者早期风险评估的准确性，改善临床管理策略	早期肝硬化患者	数字病理学	肝硬化	深度学习，放射组学分析	TMF-LCNet（多模态融合网络）	CT图像，放射组学特征，临床文本数据	243例早期肝硬化患者（184例训练集，59例外部测试集）
410	2025-06-28	Practical applications of AI in body imaging 2025-Jun-27, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上FDA批准的AI算法在腹部和盆腔器官及相关疾病评估中的实际应用	总结了当前FDA批准的AI算法在放射学中的商业应用，并评估了其潜在优势	仅涵盖美国市场上FDA批准的算法，可能未包括全球范围内的最新进展	探讨AI在放射学影像中的实际应用及其潜在优势	FDA批准的AI算法及其在腹部和盆腔器官疾病评估中的应用	数字病理学	腹部和盆腔器官相关疾病	深度学习	NA	影像	NA
411	2025-06-28	Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images 2025-Jun-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04160-z PMID:40576733	研究论文	使用深度学习算法分析中央巨细胞肉芽肿（CGCG）的侵袭性与非侵袭性病例的显微图像，以评估其在预测CGCG生物学行为中的潜力	首次尝试基于全显微切片使用深度学习模型区分侵袭性和非侵袭性CGCG	由于缺乏特定分割和技术染色问题，模型性能不佳	评估深度学习在预测CGCG生物学行为中的潜力	侵袭性和非侵袭性CGCG病例	数字病理学	中央巨细胞肉芽肿	H&E染色	ResNet-50	图像	87例（48例侵袭性，39例非侵袭性），共9982个切片，训练使用4272个切片（2629侵袭性，1643非侵袭性），测试使用100张图像（50侵袭性，50非侵袭性）
412	2025-06-28	Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank 2025-Jun-27, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01702-w PMID:40576910	研究论文	本研究开发并评估了一种神经网络Cox模型，用于预测与年龄相关疾病的发病加速风险，利用英国生物银行的数据进行验证	首次利用疾病诊断的相对发病加速关联来表征疾病模式，并开发了神经网络生存模型OnsetNet	研究依赖于英国生物银行的数据，可能不适用于其他人群	理解多病共存的老龄化现象，识别疾病加速发展的高风险群体	60,396名个体及其218,530个结果事件	机器学习	老年疾病	神经网络Cox模型	OnsetNet	人口统计、人体测量、成像和血液生物标志物数据	60,396名个体，218,530个结果事件
413	2025-06-28	Catheter detection and segmentation in X-ray images via multi-task learning 2025-Jun-27, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03461-7 PMID:40576920	研究论文	本文提出了一种基于多任务学习的卷积神经网络模型，用于X射线图像中导管的检测和分割	提出了一种新颖的多级动态资源优先方法，动态调整训练过程中的样本和任务权重，以有效优先处理更具挑战性的任务	未明确提及具体局限性	增强微创心脏手术中的图像引导	X射线荧光图像中的导管和电极	计算机视觉	心血管疾病	深度学习	CNN (ResNet架构)	X射线图像	公共和私人数据集
414	2025-06-28	Cluster-based human-in-the-loop strategy for improving machine learning-based circulating tumor cell detection in liquid biopsy 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101285 PMID:40575126	研究论文	提出一种基于聚类的人机交互策略，用于改进基于机器学习的液体活检中循环肿瘤细胞检测	结合自监督深度学习和传统机器学习分类器，提出了一种针对潜在空间中高不确定性簇的有针对性采样策略的人机交互方法	方法在有限标记数据情况下仍依赖人类专家干预	改进液体活检中循环肿瘤细胞的检测效率和准确性	转移性癌症患者的血液样本中的循环肿瘤细胞(CTCs)和非CTCs	数字病理学	乳腺癌	自监督深度学习、传统机器学习分类	深度学习与传统ML分类器结合	图像	转移性乳腺癌患者的数据
415	2025-06-28	Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101262 PMID:40575124	研究论文	介绍了一种名为NLSExplorer的可解释性方法，用于预测核定位信号（NLS），并通过深度学习模型在基准数据集上实现了超过10%的F1分数提升	利用蛋白质语言模型提取的核特异性位点信息辅助NLS检测，并揭示了416个物种中核运输片段的特征	未提及具体的数据集大小或模型泛化能力的限制	探索核定位信号（NLS）的多样性并开发高效检测特征域和基序的工具	核定位蛋白及其核定位信号（NLS）	机器学习	NA	深度学习	具有可解释性注意力单元的深度学习模型	蛋白质序列数据	Swiss-Prot数据库中的核定位蛋白
416	2025-06-28	Development and validation of a combined clinical and MRI-based biomarker model to differentiate mild cognitive impairment from mild Alzheimer's disease 2025-Jun, PCN reports : psychiatry and clinical neurosciences DOI:10.1002/pcn5.70134 PMID:40575445	研究论文	开发和验证一种结合临床和MRI的生物标志物模型，用于区分轻度认知障碍和轻度阿尔茨海默病	结合临床和放射学预测因子，开发了一个具有高诊断性能的模型，用于区分轻度阿尔茨海默病和轻度认知障碍	研究为横断面设计，未进行外部验证	区分轻度阿尔茨海默病和轻度认知障碍，以预防阿尔茨海默病的发展	161名参与者，包括30名对照、71名轻度阿尔茨海默病患者和60名轻度认知障碍患者	数字病理学	阿尔茨海默病	MRI	二元逻辑回归	临床数据和MRI图像	161名参与者（30名对照，71名轻度AD，60名MCI）
417	2025-06-28	UK-YOLOv10: Deep Learning-Based Detection of Surgical Instruments 2025-Jun, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70083 PMID:40576152	研究论文	提出了一种基于深度学习的手术器械检测新框架UK-YOLOv10，用于机器人辅助手术	集成了uni-fusion注意力模块(UFAM)增强多尺度特征表示，以及采用KAN卷积的C2fKAN模块以提高分类精度和加速训练	未提及具体临床应用的局限性	提高机器人辅助手术中手术器械检测的准确性和实时性能	手术器械	计算机视觉	NA	深度学习	YOLOv10	图像	M2CAI16-Tool-Locations数据集和COCO2017数据集
418	2025-06-26	Application Value of Deep Learning-Based AI Model in the Classification of Breast Nodules 2025-Jun-25, British journal of hospital medicine (London, England : 2005) DOI:10.12968/hmed.2025.0078 PMID:40554435	研究论文	本研究开发了一种基于深度学习的AI模型，用于辅助超声医师对乳腺结节进行BI-RADS分类，以提高诊断准确性	利用卷积神经网络（CNN）构建的AI模型显著提高了乳腺结节分类的敏感性和特异性，并减少了医师间的诊断差异	研究为回顾性分析，可能存在选择偏差，且样本量相对有限	评估基于深度学习的AI模型在乳腺结节分类中的临床应用价值	558名乳腺结节患者（BI-RADS 3-5类）的1026个乳腺结节	数字病理学	乳腺癌	超声检查	CNN	图像	558名患者的1026个乳腺结节
419	2025-06-26	Letter by Sacoransky Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure" 2025-Jun-25, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.018652 PMID:40557525	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
420	2025-06-26	Deep learning algorithms from histopathological images stratify molecular subtypes for leiomyosarcoma: a proof-and-concept diagnostic study 2025-Jun-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002667 PMID:40557542	研究论文	本研究开发并验证了基于深度学习的算法，用于通过单张H&E染色的全切片图像（WSIs）对平滑肌肉瘤（LMS）的分子亚型进行分层并预测生存期	首次使用深度学习算法从组织病理学图像中分层平滑肌肉瘤的分子亚型，并预测患者生存期，显著提高了病理学家的工作效率和准确性	需要更大规模的前瞻性队列研究进行进一步验证	开发并验证深度学习算法，用于平滑肌肉瘤的分子亚型分层和生存期预测	平滑肌肉瘤（LMS）患者的组织病理学图像	数字病理学	平滑肌肉瘤	深度学习	DesenNet121, ResNet50	图像	训练集154例WSIs（1,579,215个tiles），外部测试集80例WSIs（555,211个tiles）