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
561	2025-07-22	Integrative review of intelligent nuchal translucency for genetic disorder 2025-Jul-14, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108597 PMID:40684521	综述	本文对智能颈项透明层（NT）筛查在遗传疾病中的应用进行了综合性回顾，分析了53篇相关研究论文，探讨了深度学习技术在提高NT筛查准确性和可靠性方面的潜力	首次系统性地收集和分析NT筛查领域的研究论文，特别关注深度学习技术的应用，并揭示了传统NT筛查方法的研究空白和挑战	仅分析了53篇研究论文，可能未涵盖所有相关研究，且深度学习技术在NT筛查中的实际应用仍需进一步验证	提高NT筛查在检测染色体异常和先天性心脏缺陷方面的准确性和可靠性	颈项透明层（NT）筛查技术及其在产前诊断中的应用	数字病理学	染色体异常和先天性心脏缺陷	深度学习（DL）和机器学习（ML）	NA	研究论文和数据集	53篇研究论文
562	2025-07-22	Continual source-free active domain adaptation for nasopharyngeal carcinoma tumor segmentation across multiple hospitals 2025-Jul-13, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107869 PMID:40684700	research paper	提出了一种新型的持续无源主动域适应框架（CSFADA），用于鼻咽癌（NPC）肿瘤分割，以解决多中心数据场景中的域偏移问题	引入域参考和不变性选择策略以及双阶段循环蒸馏策略，解决了源数据特征依赖、样本选择偏差和冗余以及灾难性遗忘等问题	未明确提及具体局限性，但可能包括对多中心数据的依赖性和模型泛化能力的进一步验证	提高鼻咽癌（NPC）肿瘤分割在多中心数据场景中的准确性和鲁棒性	鼻咽癌（NPC）肿瘤的GTV分割	digital pathology	nasopharyngeal carcinoma	self-supervised learning, cross-correlation learning	deep learning	image	来自三个中心的数据集
563	2025-07-22	[Progress in research of textual quality evaluation of health-related media reports] 2025-Jul-10, Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi DOI:10.3760/cma.j.cn112338-20241012-00629 PMID:40677194	综述	总结健康相关媒体报道文本质量评估的研究进展	系统回顾了健康相关媒体报道文本质量评估的定义、维度、指标和方法，并指出了当前研究的不足和未来方向	缺乏统一的定义、维度、指标或自动化算法来评估健康相关媒体报道的文本质量，限制了大规模新闻数据的有效评估	健康相关媒体报道文本质量评估的方法学研究	健康相关的媒体报道	自然语言处理	NA	文本挖掘、深度学习、自然语言处理	NA	文本	29篇研究论文
564	2025-07-22	Neural Networks for Predicting and Classifying Antimicrobial Resistance Sequences in Porphyromonas gingivalis 2025-Jul-05, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100890 PMID:40618714	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习方法，用于根据氨基酸序列对牙龈卟啉单胞菌的蛋白质进行分类，以预测和分类抗菌素耐药性（AMR）序列	使用CNN模型对牙龈卟啉单胞菌的蛋白质序列进行分类，优于传统方法如BLAST、HMM Profiles和DeepSig，并展示了与ProtBERT模型相当的高准确率	研究仅基于685个蛋白质序列，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习方法，用于准确预测和分类牙龈卟啉单胞菌中的抗菌素耐药性序列	牙龈卟啉单胞菌的蛋白质序列	机器学习	牙周病	全基因组测序	CNN, ProtBERT	蛋白质序列	685个蛋白质序列（包括150个牙龈卟啉单胞菌蛋白质和535个非耐药变体）
565	2025-07-22	Structural similarities reveal an expansive conotoxin family with a two-finger toxin fold 2025-Jul-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.03.662903 PMID:40631153	research paper	该研究通过结构生物信息学方法揭示了一个具有双指毒素折叠的广泛存在的芋螺毒素家族	结合NMR结构解析、深度学习结构预测与比较以及基因结构分析，发现了六个芋螺毒素超家族具有共同的进化历史，并提出了'双指毒素(2FTX)'折叠的概念	研究主要基于结构相似性推断进化关系，可能忽略了其他潜在的功能分化机制	探索芋螺毒素的结构特征与进化关系	芋螺毒素超家族（包括Tx33.1等）	结构生物信息学	NA	NMR结构解析、深度学习结构预测	deep learning-based methods	蛋白质结构数据	6个芋螺毒素超家族（包括124个残基的Tx33.1）
566	2025-07-22	Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis 2025-Jul-04, JACC. Advances DOI:10.1016/j.jacadv.2025.101901 PMID:40616933	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的性能，并评估了模型偏见的潜在风险	首次直接比较了四种不同算法在ATTR-CM检测中的性能，并评估了模型偏见风险	研究样本中种族分布不均(79.2%为白人，9.0%为黑人)，可能影响结果的普遍性	评估和比较不同算法在ATTR-CM检测中的性能及潜在偏见风险	心力衰竭患者群体中的ATTR-CM检测	数字病理学	心血管疾病	深度学习	随机森林模型、回归模型、EchoNet-LVH和EchoGo Amyloidosis深度学习模型	医疗记录数据、超声心动图数据	176例确诊ATTR-CM患者和3,192例对照患者
567	2025-07-22	Evaluating Vision and Pathology Foundation Models for Computational Pathology: A Comprehensive Benchmark Study 2025-Jul-04, Research square DOI:10.21203/rs.3.rs-6823810/v1 PMID:40630532	研究论文	本文对31种计算病理学AI基础模型进行了全面基准测试，评估了它们在多种组织病理学数据集和任务中的表现	首次系统比较了不同类型病理学基础模型的性能，并发现Virchow2模型表现最佳，同时挑战了模型规模与性能正相关的假设	未能完全解释影响模型性能的潜在因素，且需要进一步研究提升模型在不同组织类型和数据集中的泛化能力	评估和比较不同AI基础模型在计算病理学中的性能	31种AI基础模型，包括通用视觉模型(VM)、通用视觉语言模型(VLM)、病理专用视觉模型(Path-VM)和病理专用视觉语言模型(Path-VLM)	数字病理学	NA	深度学习	CNN, VLM, Path-VM, Path-VLM	图像	来自TCGA、CPTAC等数据集的41个任务
568	2025-07-22	Comparison of Deep Learning and Clinician Performance for Detecting Referable Glaucoma from Fundus Photographs in a Safety Net Population 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100751 PMID:40235827	研究论文	开发并测试了一种基于深度学习的算法，用于从眼底照片中检测可转诊青光眼	深度学习算法在检测可转诊青光眼方面的性能与或超过临床医生，且不受经验水平影响	研究数据仅来自洛杉矶县卫生服务部门的患者，可能不具有广泛代表性	开发并测试一种深度学习算法，用于从眼底照片中检测可转诊青光眼	6116名来自洛杉矶县卫生服务部门的患者	计算机视觉	青光眼	深度学习	Visual Geometry Group-19架构	眼底照片	训练集：12,998张图像来自5,616名患者；测试集：1,000张图像来自500名患者
569	2025-07-22	Artificial intelligence in pediatric otolaryngology: A state-of-the-art review of opportunities and pitfalls 2025-Jul, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112369 PMID:40334638	review	本文综述了人工智能在儿科耳鼻喉科中的应用现状、挑战及未来方向	强调了针对儿童独特生理和发育特征的AI应用需求，填补了知识空白	成人训练数据的泛化能力不足及儿科数据相对缺乏	探讨AI在儿科耳鼻喉科中的潜在应用及挑战	儿科耳鼻喉科疾病及手术场景	machine learning	otitis media, adenoid hypertrophy, pediatric obstructive sleep apnea	deep learning, predictive modeling, large language models	NA	image, clinical data	NA
570	2025-07-22	HECLIP: histology-enhanced contrastive learning for imputation of transcriptomics profiles 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf363 PMID:40569046	research paper	提出了一种名为HECLIP的深度学习框架，用于从H&E染色组织学图像直接推断空间基因表达谱	采用以图像为中心的对比学习策略捕捉与分子表达相关的形态学特征，减少对空间转录组学数据的依赖	未提及具体局限性	开发可扩展的计算方法以弥合成像与转录组学之间的鸿沟	H&E染色组织学图像和空间基因表达谱	digital pathology	NA	对比学习	深度学习框架	图像和基因表达数据	公开可用数据集
571	2025-07-22	Prognostic Value of Deep Learning-Extracted Tumor-Infiltrating Lymphocytes in Esophageal Cancer: A Multicenter Retrospective Cohort Study 2025-Jul, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71054 PMID:40673386	研究论文	本研究利用深度学习方法评估食管鳞状细胞癌(ESCC)中肿瘤浸润淋巴细胞(TILs)的预后价值	首次在ESCC中应用深度学习方法定量分析TILs的空间分布及其预后意义	未分析淋巴细胞亚群的空间信息，可能影响预测效果	评估TILs在ESCC中的预后价值	626例经病理确诊的ESCC患者	数字病理学	食管癌	全切片数字成像(WSI)和深度学习	DL(未指定具体模型)	病理图像	626例ESCC患者(来自两个研究中心)
572	2025-07-22	Robust Brain Tumor Detection and Classification From Multichannel MRI Using Deep Learning 2025-Jul, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22991 PMID:40686315	研究论文	本研究利用深度学习和计算机视觉技术，开发了一种从多通道MRI中检测和分类脑肿瘤的稳健方法	结合了DBST算法进行精确的肿瘤边缘检测和SIFT方法提供稳健且不变的特征分类，同时采用DarkNet53和DenseNet201深度学习模型提升分类性能	未来工作需探索更先进的深度学习架构、整合更多模态数据并进一步优化技术以提高准确性和鲁棒性	开发一种稳健的脑肿瘤检测和分类方法，以指导有效治疗策略并改善患者预后	多通道MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	DBST算法、SIFT方法、深度学习	DarkNet53、DenseNet201	多通道MRI图像	公开可用的多通道MRI图像数据集
573	2025-07-22	Deep Learning Model for Automated Classification of Macular Neovascularization Subtypes in AMD 2025-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.9.55 PMID:40689724	研究论文	开发一种深度学习算法，用于基于结构光学相干断层扫描（OCT）图像准确分类新生血管性年龄相关性黄斑变性（AMD）患者的黄斑新生血管（MNV）亚型	提出了一种基于CNN的深度学习模型，能够高精度分类MNV亚型，并通过图像均质化预处理提升分类性能	研究为回顾性队列研究，样本量相对较小（193眼）	开发自动化工具辅助临床医生准确诊断MNV亚型	治疗初治的新生血管性AMD患者的OCT图像	数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	193眼治疗初治的新生血管性AMD患者
574	2025-07-21	Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review 2025-Jul-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70048 PMID:40682357	综述	本文综述了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用	强调了AI在治疗前预测治疗效果和预后方面的应用，特别是放射组学和深度学习技术在提取高维影像特征方面的潜力	模型泛化能力、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合	探讨AI在肝细胞癌个体化治疗策略中的应用	肝细胞癌（HCC）患者	数字病理学	肝癌	MRI, 放射组学, 深度学习	深度学习	影像	NA
575	2025-07-21	Latent Class Analysis Identifies Distinct Patient Phenotypes Associated With Mistaken Treatment Decisions and Adverse Outcomes in Coronary Artery Disease 2025-Jul-19, Angiology IF:2.6Q2 DOI:10.1177/00033197251350182 PMID:40682405	研究论文	本研究旨在通过潜在类别分析（LCA）和深度学习技术（DEEPVESSEL-FFR）识别冠状动脉疾病（CAD）患者中与错误治疗决策和主要不良心血管事件（MACE）相关的患者特征	利用深度学习技术DEEPVESSEL-FFR结合潜在类别分析，首次在冠状动脉疾病患者中识别出与错误治疗决策和不良预后相关的不同患者表型	研究为回顾性设计，可能存在选择偏倚，且仅基于8个因素进行分类可能未涵盖所有相关临床特征	识别与冠状动脉疾病治疗决策错误和不良预后相关的患者特征	接受经皮冠状动脉介入治疗（PCI）的冠状动脉疾病患者	数字病理学	心血管疾病	DEEPVESSEL-FFR（DVFFR），潜在类别分析（LCA）	深度学习模型	临床数据	3,840名PCI患者
576	2025-07-21	A Multisite Fusion-Based Deep Convolutional Neural Network for Classification of Helicobacter pylori Infection Status Using Endoscopic Images: A Multicenter Study 2025-Jul-19, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.70004 PMID:40682425	研究论文	开发了一种基于多部位融合的深度卷积神经网络（DCNN），用于通过胃镜图像分类幽门螺杆菌（Hp）感染状态	采用多部位融合策略的DCNN模型在分类Hp感染状态方面表现出色，优于单部位模型和经验丰富的内镜医师	外部验证数据集相对较小（126人），可能影响模型的泛化能力评估	开发能准确分类Hp感染状态的深度学习模型	幽门螺杆菌（Hp）感染状态分类	数字病理学	幽门螺杆菌感染	深度学习	DCNN, Wide-ResNet	图像	训练集：676名受试者的3380张白光图像；外部验证集：126名受试者
577	2025-07-21	ISENet: a deep learning model for detecting ischemic ST changes in long-term ECG monitoring 2025-Jul-19, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03416-9 PMID:40682722	研究论文	本文提出了一种名为ISENet的轻量级深度学习模型，用于在长期ECG监测中检测缺血性ST段变化	首次应用基于深度学习的神经网络在长期ST数据库的ECG信号中进行ISE检测，相比之前的特征工程和特征学习方法，解决了实验设计和方法上的关键限制	NA	开发一个自动检测心肌缺血的深度学习模型	长期ECG监测中的缺血性ST段变化事件（ISE）	机器学习	心血管疾病	深度学习	ISENet	ECG信号	PhysioNet长期ST数据库中的ECG信号和标注
578	2025-07-21	2.5D Deep Learning-Based Prediction of Pathological Grading of Clear Cell Renal Cell Carcinoma Using Contrast-Enhanced CT: A Multicenter Study 2025-Jul-19, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.056 PMID:40683765	研究论文	本研究开发并验证了一种基于动脉期增强CT的深度学习模型，用于预测透明细胞肾细胞癌(ccRCC)的病理分级	提出了一种基于2.5D CT图像输入的深度学习模型，在预测ccRCC病理分级方面表现出优于2D模型和基于放射组学的MLP模型的性能	研究为回顾性分析，可能受到选择偏倚的影响	开发预测透明细胞肾细胞癌病理分级的深度学习模型	564例来自5家不同医院的透明细胞肾细胞癌患者	数字病理学	肾细胞癌	动脉期增强CT	2.5D深度学习模型	CT图像	564例患者(训练集283例，内部测试集122例，外部验证集159例)
579	2025-07-21	Influence of high-performance image-to-image translation networks on clinical visual assessment and outcome prediction: utilizing ultrasound to MRI translation in prostate cancer 2025-Jul-19, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03481-3 PMID:40683943	研究论文	本研究评估了最先进的2D/3D图像到图像转换网络在将前列腺癌超声图像转换为合成MRI中的表现，结合放射组学、专家临床评估和分类性能来全面评估这些模型	结合放射组学、专家临床评估和分类性能，全面评估图像到图像转换网络在前列腺癌诊断中的潜在应用	在病变级别保真度和伪影抑制方面仍需改进	评估图像到图像转换网络在前列腺癌诊断中的临床可靠性和诊断相关特征保留能力	前列腺癌患者的超声和MRI图像	数字病理学	前列腺癌	图像到图像转换网络	2D-Pix2Pix, 其他I2I网络	图像	794名前列腺癌患者
580	2025-07-21	Deep learning for enhancing automatic classification of M-PSK and M-QAM waveform signals dedicated to single-relay cooperative MIMO 5G systems 2025-Jul-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10738-z PMID:40676088	研究论文	本文提出了一种基于深度学习的自动调制分类方法，用于识别单中继协作MIMO 5G系统中的M-PSK和M-QAM波形信号	利用CNN分类器在减少的判别特征集上进行训练，包括高阶统计量和差分非线性相位峰值因子，并通过Gram-Schmidt正交化过程降低特征维度	在低信噪比等挑战性条件下进行评估，但未提及实际硬件实现的可行性	提升单中继协作MIMO 5G系统中自动调制分类的性能	M-PSK和M-QAM波形信号	机器学习	NA	CNN	卷积神经网络	信号数据	NA