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
101	2025-08-11	Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes 2025-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.25.666829 PMID:40766630	研究论文	介绍了一个名为Tranquillyzer的灵活神经网络框架，用于长读长转录组的结构注释和解复用	采用混合神经网络架构和全局上下文感知设计，能够精确识别结构元素，即使元素因测序噪声或文库构建变异性而发生移位、部分降解或重复	未明确提及具体限制	开发一个灵活、可扩展的框架，用于处理长读长单细胞RNA测序数据	长读长单细胞RNA测序数据	生物信息学	NA	Oxford Nanopore Technologies (ONT) 长读长单细胞RNA测序	混合神经网络	RNA测序数据	未明确提及具体样本数量
102	2025-08-11	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-Breast-Cancer-Recurrence (BCR)-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，显著优于现有的弱监督模型，并展示了在独立数据集上的强泛化能力	研究可能受到数据集规模和多样性的限制，特别是在服务不足人群中的代表性	开发一种成本效益高的计算病理学工具，用于乳腺癌复发风险预测	乳腺癌患者	计算病理学	乳腺癌	深度学习	Deep-BCR-Auto	H&E染色全切片图像	两个独立队列：The Cancer Genome Atlas Program乳腺癌数据集和俄亥俄州立大学内部数据集
103	2025-08-11	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	综述	本文综述了人工智能在儿科耳鼻喉科中的应用现状、机遇与挑战	强调了针对儿童独特生理和发育特征定制AI应用的必要性，并指出了当前知识空白	成人训练数据的泛化能力不足以及儿科数据相对缺乏	探讨AI在儿科耳鼻喉科中的应用潜力与未来发展方向	儿科耳鼻喉科疾病	医疗人工智能	儿科耳鼻喉疾病（如中耳炎、腺样体肥大、儿童阻塞性睡眠呼吸暂停等）	深度学习、预测建模、联邦学习	深度学习模型、大型语言模型	图像数据、临床数据	NA
104	2025-08-11	PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-translational Modification and Classifying Disease Subtypes 2025-Jul, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101009 PMID:40466864	research paper	提出了一种名为PTMFusionNet的深度学习方法，用于预测疾病相关的翻译后修饰(PTM)并整合蛋白质表达数据以分类疾病亚型	PTMFusionNet结合了两个图卷积网络模型(LAGCN和FWGCN)，能够预测PTM潜力分数并将其与蛋白质表达数据整合，优于现有基准算法	NA	预测疾病相关的翻译后修饰并整合蛋白质表达数据以改进疾病亚型分类	蛋白质翻译后修饰(PTM)和蛋白质表达数据	machine learning	NA	mass spectrometry	GCN (Graph Convolutional Network), LAGCN, FWGCN	protein intensity and PTM information	三个数据集(KIPAN, COADREAD, THCA)
105	2025-08-11	UniScore, a Unified and Universal Measure for Peptide Identification by Multiple Search Engines 2025-Jul, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101010 PMID:40466863	研究论文	提出UniScore作为一种度量标准，用于整合和标准化多种搜索引擎在基于LC/MS/MS的自下而上蛋白质组学数据分析中的输出	UniScore仅通过匹配候选肽的氨基酸序列与产物离子谱来计算，独立于分数值使用基于目标-诱饵方法的错误发现率控制接受标准，相比其他使用深度学习的光谱预测的重新评分方法，能够以最小的计算资源处理更大规模的数据	NA	开发一种统一且通用的度量标准，用于整合和标准化多种搜索引擎在蛋白质组学数据分析中的输出	基于LC/MS/MS的自下而上蛋白质组学数据	蛋白质组学	NA	LC/MS/MS, 数据依赖采集(DDA)	NA	质谱数据	大规模全球蛋白质组数据和磷酸化蛋白质组数据
106	2025-08-11	Accelerated Non-Contrast-Enhanced Three-Dimensional Cardiovascular Magnetic Resonance Deep Learning Reconstruction 2025-Jul, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM37399 PMID:40776949	研究论文	本研究探讨了Adaptive CS-Net深度学习算法在非对比增强三维心血管磁共振成像中的重建效果	首次评估Adaptive CS-Net算法在REACT非对比三维全心成像中的表现，并与传统压缩感知方法进行比较	样本量较小(30名参与者)，且仅针对特定血管区域进行评估	评估深度学习重建算法在心血管磁共振成像中的性能	非对比增强三维全心磁共振图像	数字病理	心血管疾病	REACT序列，bSSFP序列，压缩感知	Adaptive CS-Net	磁共振图像	30名参与者
107	2025-08-11	Artificial Intelligence-based Approaches for Characterizing Plaque Components From Intravascular Optical Coherence Tomography Imaging: Integration Into Clinical Decision Support Systems 2025-Jul, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM39210 PMID:40776963	综述	本文综述了基于人工智能的方法在冠状动脉内光学相干断层扫描（IVOCT）图像中斑块特征分析的应用及其临床转化	整合AI技术于IVOCT分析流程，减少对预定义标准的依赖，实现更灵活全面的斑块特征分析	现有方法评估的斑块特征范围有限，且多局限于特定监管或研究环境	促进IVOCT技术在临床实践中的常规应用，支持临床决策	冠状动脉粥样硬化斑块	数字病理学	心血管疾病	IVOCT	CNN	图像	NA
108	2025-08-11	Harnessing Artificial Intelligence in Interventional Cardiology: A Systematic Review of Current Applications 2025-Jul, Cureus DOI:10.7759/cureus.87494 PMID:40777718	系统综述	本文系统综述了人工智能在介入心脏病学中的当前应用、方法和前景	探讨了AI在介入心脏病学中的创新应用，如提高诊断准确性和手术效率，以及个性化治疗指导	面临数据隐私、算法透明度和普适性等挑战	评估AI在介入心脏病学中的应用及其潜力	介入心脏病学中的AI技术及其临床应用	医疗人工智能	心血管疾病	机器学习(ML)和深度学习(DL)	ML和DL	医疗影像和临床数据	20项研究
109	2025-08-11	Deep learning-assisted terahertz intelligent detection and identification of cancer tissue 2025-Jul, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.03.013 PMID:40777781	research paper	提出了一种基于深度学习的太赫兹智能检测系统DECANet，用于癌症组织的早期筛查和识别	结合太赫兹检测技术和人工智能技术，开发了一种端到端的癌症组织分类系统	研究仅针对乳腺癌和皮肤癌组织，未涉及其他类型癌症	开发一种非侵入性、高分辨率的癌症早期诊断工具	乳腺癌和皮肤癌组织	digital pathology	breast cancer, skin cancer	THz detection technique	DECANet (dense and efficient channel attention network)	THz signals	乳腺癌和皮肤癌组织样本（具体数量未提及）
110	2025-08-11	Advancing Spine Fracture Detection: The Role of Artificial Intelligence in Clinical Practice 2025-Jul, Korean journal of neurotrauma DOI:10.13004/kjnt.2025.21.e22 PMID:40778250	review	本文综述了人工智能在脊柱骨折检测中的最新进展及其在临床实践中的应用	总结了深度学习和机器学习模型在脊柱骨折诊断中的最新进展，并探讨了AI辅助工作流程在提高诊断效率方面的潜力	数据集变异性大、需要大规模标注数据集以及评估指标的标准化不足	提高脊柱骨折的诊断准确性和效率，改善患者管理	脊柱骨折	medical imaging	osteoporosis, trauma, and degenerative diseases	deep learning (DL), machine learning (ML)	DL, ML	medical imaging	NA
111	2025-08-10	Deep learning-based classification of fungal and Acanthamoeba keratitis using confocal microscopy 2025-Jul-31, The ocular surface DOI:10.1016/j.jtos.2025.07.012 PMID:40752665	研究论文	本研究利用深度学习技术对真菌性和棘阿米巴性角膜炎进行基于共聚焦显微镜图像的分类	首次使用深度学习模型（ResNet50）对真菌性和棘阿米巴性角膜炎进行自动分类，并实现了真菌性角膜炎亚型（丝状与非丝状）的细分	非特异性角膜炎的分类性能较低（78%精度，71%召回率），且样本量相对有限（1975张图像）	提高微生物性角膜炎的诊断准确性并指导针对性治疗策略	真菌性角膜炎（FK）、棘阿米巴性角膜炎（AK）和非特异性角膜炎（NSK）的共聚焦显微镜图像	数字病理学	角膜炎	共聚焦显微镜成像	ResNet50（迁移学习）	图像	1975张图像（1137 FK，457 AK，381 NSK）
112	2025-08-10	A narrative review on innovations of thyroid nodule ultrasound diagnosis: applications of robot and artificial intelligence technology 2025-Jul-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-75 PMID:40771369	review	本文综述了机器人和人工智能技术在甲状腺结节超声诊断中的创新应用	探讨了机器人自动扫描和智能诊断系统在甲状腺结节超声诊断中的优势与挑战，以及深度学习在对比增强超声视频分析中的创新研究	机器人临床应用的灵活性和患者接受度仍需改进，深度学习模型的可解释性、数据依赖性和泛化能力仍是关键问题	研究机器人和人工智能技术在甲状腺结节超声诊断中的应用现状、优势及挑战	甲状腺结节的超声诊断	digital pathology	thyroid disease	ultrasound, deep learning	deep learning models, Grad-CAM	ultrasound images, CEUS videos	NA
113	2025-08-10	Development and validation of a prediction model for lymph node metastasis in thyroid cancer: integrating deep learning and radiomics features from intra- and peri-tumoral regions 2025-Jul-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-50 PMID:40771372	研究论文	本研究开发并验证了一种结合深度学习和放射组学特征的预测模型，用于准确预测甲状腺癌淋巴结转移	通过整合肿瘤内和肿瘤周围区域的深度学习和放射组学特征，显著提高了术前预测淋巴结转移的准确性	未观察到融合模型与结合肿瘤内和肿瘤周围区域的深度学习模型之间存在显著差异	提高甲状腺癌淋巴结转移的术前预测准确性	405名被诊断为甲状腺乳头状癌（PTC）的患者	数字病理学	甲状腺癌	超声成像、放射组学分析、深度学习	SVM	图像	405名患者（294名来自上海第六人民医院，111名来自同济大学附属同济医院）
114	2025-08-10	Integrating multimodal ultrasound imaging for improved radiomics sentinel lymph node assessment in breast cancer 2025-Jul-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-223 PMID:40771387	研究论文	本研究开发并验证了一种结合B型超声和彩色多普勒超声成像的深度学习放射组学模型，用于非侵入性预测乳腺癌患者的哨兵淋巴结转移	结合传统B型超声和彩色多普勒超声成像与放射组学和深度学习技术，开发了一种新型的深度学习放射组学模型，用于预测乳腺癌患者的哨兵淋巴结转移	研究为回顾性分析，样本量相对有限，且仅在两所医院进行，可能存在选择偏倚	提高乳腺癌患者哨兵淋巴结转移的非侵入性预测准确性，以减少不必要的侵入性检查	450名接受治疗的浸润性乳腺癌女性患者	数字病理学	乳腺癌	B型超声(BMUS)、彩色多普勒超声(CDUS)、放射组学、深度学习	双流MobileNetV2模型、LASSO回归	超声图像	450名患者（训练集276名，外部验证集105名，测试集69名）
115	2025-08-10	Deep Learning Predicts Survival Across Squamous Tumor Entities From Routine Pathology: Insights From Head and Neck, Esophagus, Lung, and Cervical Cancer 2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100845 PMID:40680853	研究论文	本研究开发了一种基于深度学习的模型，利用常规病理切片预测多种鳞状细胞癌患者的总体生存率	首次在多种鳞状细胞癌（头颈部、食管、肺和宫颈）中验证了模型的泛化能力，并揭示了预测风险评分与多种临床因素的相关性	食管鳞状细胞癌的验证结果无统计学意义，且不同队列中与风险评分相关的临床因素存在差异	评估计算病理学模型在多种鳞状细胞癌中预测生存率的泛化能力	头颈部、食管、肺和宫颈鳞状细胞癌患者的病理切片	数字病理学	鳞状细胞癌（头颈部、食管、肺和宫颈）	深度学习	NA	图像（H&E染色病理切片）	多种鳞状细胞癌患者的福尔马林固定石蜡包埋样本
116	2025-08-10	Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies 2025-Jul-10, Journal of materials chemistry. B DOI:10.1039/d5tb00744e PMID:40476698	综述	本文系统探讨了生物可视化技术的原理、应用及局限性，特别关注AI驱动的图像分析、多维成像与重建以及多模态数据整合的变革性进展	整合人工智能、增强现实和深度学习等尖端技术，实现实时、高分辨率和预测性分析，超越传统成像模式的限制	未具体说明现有技术的具体性能限制或数据整合中的挑战	解码组织复杂性，推动生物材料开发和临床策略创新	生物组织的多尺度结构和功能复杂性	生物医学可视化	NA	AI、增强现实、深度学习、多维成像与重建、多模态数据整合	NA	多维图像数据、多模态数据	NA
117	2025-08-10	Expanding genomic prediction in plant breeding: harnessing big data, machine learning, and advanced software 2025-07, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2024.12.009 PMID:39890501	综述	本文回顾了基因组选择（GS）在植物育种中提高遗传增益的关键因素，重点关注统计机器学习（ML）方法和软件	强调了深度学习（DL）模型在基因组预测（GP）中的独特优势，并介绍了支持GS方法的最新数据管理工具	NA	提高基因组选择在植物育种中的效率	植物育种中的基因组预测	机器学习	NA	基因组选择（GS）	深度学习（DL）	基因组数据	NA
118	2025-08-10	Artificial intelligence for radiotherapy dose prediction: A comprehensive review 2025-Jul, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3 DOI:10.1016/j.canrad.2025.104630 PMID:40513223	综述	本文全面回顾了基于深度学习的放射治疗剂量预测方法，重点关注卷积神经网络	深入分析了深度学习在放射治疗剂量预测中的应用潜力，特别是在自动化剂量预测过程方面	仅涵盖了2018年至2024年间发表的文献，可能未包括最新的研究进展	评估深度学习技术在放射治疗剂量预测中的效果和应用潜力	放射治疗中的剂量预测方法	数字病理学	NA	深度学习	CNN	NA	NA
119	2025-08-10	Qualitative evaluation of automatic liver segmentation in computed tomography images for clinical use in radiation therapy 2025-Jul, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3 DOI:10.1016/j.canrad.2025.104648 PMID:40517449	研究论文	本研究评估了基于人工智能的肝脏自动分割在CT图像中的临床应用价值，并探讨了几何指标与临床医生评估之间的相关性	首次系统研究了几何分割指标与临床医生主观评估之间的相关性，揭示了现有评估方法的局限性	研究仅针对肝脏单一器官进行，且样本量有限	评估人工智能分割系统在放射治疗工作流程中的临床适用性	CT图像中的肝脏分割	数字病理	NA	CT成像	U-Net	医学图像	公开数据集中的CT图像
120	2025-08-10	Multitask deep learning for the emulation and calibration of an agent-based malaria transmission model 2025-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013330 PMID:40743314	研究论文	本文提出了一种多任务深度学习方法，用于模拟和校准基于代理的疟疾传播模型	利用多任务深度学习模拟复杂的基于代理的疟疾传播模型，并通过参数估计技术校准模型	模型依赖于大量模拟数据进行训练，可能在实际应用中存在计算资源需求高的问题	开发一种高效的方法来模拟和校准基于代理的疟疾传播模型	基于代理的疟疾传播模型及其免疫学参数与流行病学结果之间的关系	机器学习	疟疾	多任务深度学习	神经网络模拟器	模拟数据	八个撒哈拉以南非洲研究地点的年龄分层发病率和流行率数据