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
1541	2025-06-18	Automated classification of oral potentially malignant disorders and oral squamous cell carcinoma using a convolutional neural network framework: a cross-sectional study 2025-Jul, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101138 PMID:40519355	研究论文	本研究旨在开发和评估用于自动分类口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）临床图像的AI模型，并探索使用Grad-CAM进行可解释性分析	采用深度学习方法和Grad-CAM技术，实现了对OPMD和OSCC临床图像的自动分类，并探索了模型的可解释性	研究仅进行了内部测试，未进行外部验证	开发AI模型以辅助口腔潜在恶性病变和口腔鳞状细胞癌的诊断	口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）的临床图像	计算机视觉	口腔癌	深度学习	CNN（包括ConvNeXt和MobileNet）	图像	778张临床图像
1542	2025-06-18	Deep learning can predict global earthquake-triggered landslides 2025-Jul, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf179 PMID:40520459	research paper	该研究开发了一个深度学习模型，用于预测全球范围内地震引发的滑坡概率	首次构建了包含过去50年38次最灾难性地震引发的约40万个滑坡的全球数据库，并开发了无需依赖当地先验知识的深度学习模型	模型虽然具有较高的空间准确性（约82%），但仍可能存在特定地区或地震类型下的预测偏差	提高地震触发滑坡的预测速度和准确性，以支持灾害快速响应和事前规划	全球范围内的地震触发滑坡	machine learning	NA	深度学习	深度学习模型	滑坡数据库	约40万个滑坡数据，涉及38次重大地震
1543	2025-06-17	A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients 2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110935 PMID:40360049	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能	首次对放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能进行了系统综述和荟萃分析，并比较了不同模型的性能	研究主要集中在放射性肺炎的预测，对其他毒性反应的预测研究较少	评估放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能	接受胸部放疗的肺癌患者	digital pathology	lung cancer	radiomics, dosiomics, machine learning	classical and deep learning models	imaging data	104项研究，包括23,373名患者
1544	2025-06-17	Integration of metabolomics and machine learning for precise management and prevention of cardiometabolic risk in Asians 2025-Jul, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.05.011 PMID:40414052	研究论文	本文探讨了代谢组学与机器学习在亚洲人群心血管代谢风险精确管理与预防中的应用	结合代谢组学与机器学习技术，揭示隐藏的代谢模式和通路，为亚洲人群提供个性化干预措施	代谢组学结果在不同种族群体间的解释存在困难，研究设计有限，分析平台和数据处理方法存在不一致性	开发针对亚洲人群的心血管代谢疾病（CMDs）的精准干预和预防措施	亚洲人群的心血管代谢风险	机器学习	心血管疾病	代谢组学	深度学习、网络分析	代谢组数据	NA
1545	2025-05-27	Deep Learning Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Proton Beam Radiotherapy Planning 2025-Jul, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103849 PMID:40414067	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1546	2025-06-17	A Deep Learning Model Based on High-Frequency Ultrasound Images for Classification of Different Stages of Liver Fibrosis 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70148 PMID:40515461	研究论文	开发基于高频超声图像的深度学习模型，用于分类慢性乙型肝炎患者肝纤维化的不同阶段	使用高频超声图像训练深度学习模型，在肝纤维化分类中表现优于低频超声模型及其他非侵入性方法	回顾性多中心研究，可能存在选择偏倚	开发并评估基于高频超声图像的深度学习模型在肝纤维化分类中的诊断价值	慢性乙型肝炎患者	数字病理	肝纤维化	高频超声成像	CNN	图像	多中心研究，涉及六家医院2014年1月至2024年8月的患者数据
1547	2025-06-16	Artificial intelligence revolution in drug discovery: A paradigm shift in pharmaceutical innovation 2025-Jul-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125789 PMID:40451590	综述	本文探讨了人工智能在药物发现中的革命性作用及其对制药创新的影响	利用AI技术（如ML、DL和NLP）优化药物开发的多个阶段，包括靶点识别、先导化合物优化和新药设计	数据可及性有限、多样化数据集的整合、AI模型的可解释性以及伦理问题	探讨人工智能如何改变药物发现过程，提高效率并降低成本	药物发现过程中的各个阶段，如靶点识别、先导化合物优化和新药设计	人工智能在制药领域的应用	NA	机器学习（ML）、深度学习（DL）、自然语言处理（NLP）	AlphaFold、AtomNet	化学和生物数据	NA
1548	2025-06-16	Deep learning model for low-dose CT late iodine enhancement imaging and extracellular volume quantification 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11288-0 PMID:39704803	研究论文	开发并验证了用于降噪晚期碘增强（LIE）图像并实现准确细胞外体积（ECV）量化的深度学习模型	提出了两种深度学习模型（RDN和cGAN）用于降噪LIE图像，并显著提高了图像质量和ECV量化准确性	研究为回顾性设计，样本量相对有限（423例患者）	开发能够降噪LIE图像并准确量化ECV的深度学习模型	胸部不适患者的心肌灌注CT+血管造影CT+LIE图像	医学影像分析	心血管疾病	CT成像	RDN（残差密集网络）和cGAN（条件生成对抗网络）	医学影像	423例患者（182例训练集，48例调参集，92例内部验证集，101例外部验证集）
1549	2025-06-16	Generalizability, robustness, and correction bias of segmentations of thoracic organs at risk in CT images 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11321-2 PMID:39738559	research paper	评估和比较两种先进的深度学习方法在CT图像中分割四个胸部风险器官（食管、气管、心脏和主动脉）的性能	比较多器官分割方法和多个单器官模型融合方法，评估其对抗扰动的鲁棒性和外部数据集的泛化能力，并探讨专家校正引入的潜在偏差	专家校正可能引入偏差，需要手动标注的测试集来评估方法性能	提高放射治疗计划中胸部风险器官分割的效率和准确性	胸部风险器官（食管、气管、心脏和主动脉）	digital pathology	NA	CT成像	nnU-Net	image	NA
1550	2025-06-16	Deep learning-based image domain reconstruction enhances image quality and pulmonary nodule detection in ultralow-dose CT with adaptive statistical iterative reconstruction-V 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11317-y PMID:39792163	research paper	该研究评估了基于深度学习的图像域重建在超低剂量CT（ULDCT）中的应用，以提升图像质量和肺结节检测能力	首次在超低剂量CT中应用深度学习图像重建（DLIR）技术，显著提升了图像质量和结节检测率	研究仅针对肺结节检测，未涉及其他肺部病变的检测效果	评估深度学习图像重建技术在超低剂量CT中的性能	210名接受肺癌筛查的患者	digital pathology	lung cancer	deep learning image reconstruction (DLIR), adaptive statistical iterative reconstruction-V (ASiR-V)	deep learning	image	210名患者的463个肺结节
1551	2025-06-16	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	research paper	本文评估了一种基于深度学习的飞行时间（DLToF）模型，用于提升非飞行时间PET图像的质量，针对不同示踪剂	开发了三种不同强度的DLToF模型（低、中、高），适用于多种示踪剂，并在多个国际站点进行验证	研究仅基于GE Discovery MI（DMI）飞行时间扫描仪的数据，可能不适用于其他设备	提升非飞行时间PET图像的质量，使其接近飞行时间PET图像的水平	PET图像，特别是使用不同示踪剂的非飞行时间PET图像	digital pathology	NA	深度学习，3D残差U-NET模型	3D residual U-NET	image	309个训练数据集和33个验证数据集，测试集包含60个DMI数据集（4种示踪剂，每种15次检查）
1552	2025-06-16	Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07145-x PMID:39976703	研究论文	本研究利用深度学习方法开发了基于SPECT心肌灌注成像的冠状动脉疾病诊断模型	采用了13种不同的深度学习模型和4种输入类型，结合数据增强和半监督学习策略，显著提升了CAD诊断性能	模型仅在LAD区域表现出良好性能，对其他冠状动脉区域的适用性有限	开发基于深度学习的冠状动脉疾病自动诊断系统	940名接受SPECT-MPI检查的患者（其中281名有ICA数据）	数字病理	心血管疾病	SPECT-MPI, 侵入性冠状动脉造影(ICA)	DenseNet201, ResNet152V2, InceptionResNetV2等13种深度学习模型	医学影像（SPECT-MPI极坐标图）	940例患者（281例有ICA数据）
1553	2025-06-16	Unraveling the neural dynamics of mathematical interference in english reading: A novel approach with deep learning and fNIRS data 2025-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111398 PMID:40409600	研究论文	本研究通过结合fNIRS、深度学习和数据挖掘技术，探讨了英语学习中的数学认知干扰机制	提出了一种名为AC-LSTM的新型深度学习模型，结合了Transformer和LSTM架构，用于识别英语学习过程中的数学认知残留	NA	探究英语学习与数学认知之间的神经机制	英语学习过程中的数学认知干扰	教育神经科学	NA	fNIRS, 深度学习, 数据挖掘	AC-LSTM (结合Transformer和LSTM架构)	fNIRS数据	NA
1554	2025-06-16	Intergenerational inequity from hydrological drought in a warming world 2025-Jul, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125988 PMID:40449421	research paper	该研究量化了全球变暖背景下不同世代面临的水文干旱风险，揭示了气候变化导致的代际不平等问题	首次构建了干旱模拟的级联模型链，量化了2020年和1960年出生人群的终身干旱暴露差异	研究基于SSP5-85情景和5个GCM输出，结果可能受限于气候模型的不确定性	评估全球变暖对不同世代水文干旱暴露的影响	全球4091个流域的水文干旱演变	气候变化	NA	混合陆地模型、深度学习和多模型集成	深度学习模型	气候模型输出和水文数据	4091个流域
1555	2025-06-16	Formation mechanism analysis and the prediction for compound flood arising from rainstorm and tide using explainable artificial intelligence 2025-Jul, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125858 PMID:40450943	research paper	该研究提出了一种可解释人工智能框架，用于分析暴雨和潮汐引发的复合洪水形成机制并进行预测	结合LSTM网络和多头注意力机制作为城市洪水模拟的替代模型，并利用SHAP方法解释模型决策过程，揭示复合洪水场景中的关键驱动因素及其相互作用	模型性能略低于基于物理的模型	提高洪水模拟的准确性和透明度，分析复合洪水的形成机制	沿海城市暴雨和潮汐引发的复合洪水	machine learning	NA	XAI, SHAP	LSTM, MHA	NA	NA
1556	2025-06-16	Approaches for Measuring and Predicting Fouling During Thermal Processing of Dairy Solutions 2025-Jul, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70209 PMID:40511546	综述	本文综述了乳制品热处理过程中污垢测量和预测的当前方法，强调了科学原理、技术成熟度和工业适用性	与现有主要关注污垢量化的综述不同，本文突出了向预测驱动方法的转变，以控制和最小化污垢	讨论了各种测量和预测方法在灵敏度、可扩展性和工业稳健性方面的局限性	改善乳制品热处理过程中的污垢管理，优化清洁计划，提高工艺效率	乳制品热处理过程中的污垢	食品工程	NA	声学、光谱学和电化学传感器、深度学习、计算流体动力学和量纲分析技术	深度学习	过程数据	NA
1557	2025-06-16	Leveraging deep learning to discover interpretable cellular spatial biomarkers for prognostic predictions based on hepatocellular carcinoma histology 2025-Jul, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70033 PMID:40511597	研究论文	利用深度学习发现可解释的细胞空间生物标志物，基于肝细胞癌组织学进行预后预测	开发了一种计算流程，通过深度学习细胞分割和识别，系统性量化肝细胞癌病理图像中肿瘤细胞、基质细胞和淋巴细胞的空间分布特征，并发现了六个与患者总生存率显著相关的细胞空间特征	研究仅基于两个独立队列的数据，可能需要更多样本来验证这些生物标志物的普适性	发现并量化肝细胞癌肿瘤微环境中细胞空间组织的生物标志物，用于预后预测	肝细胞癌患者的病理图像	数字病理学	肝细胞癌	深度学习细胞分割和识别	深度学习	图像	两个独立队列：The Cancer Genome Atlas Program队列和北京医院队列
1558	2025-06-16	Characterization of hepatocellular carcinoma with CT with deep learning reconstruction compared with iterative reconstruction and 3-Tesla MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11314-1 PMID:39775897	research paper	本研究比较了深度学习重建（DLR）和自适应统计迭代重建（ASIR）在肝细胞癌（HCC）可疑病变特征及其LI-RADS分类方面与MRI的对比，以及放射科医生的信心水平	首次比较了DLR和ASIR在HCC可疑病变特征和LI-RADS分类方面与MRI的一致性，并评估了放射科医生的诊断信心	单中心研究，样本量相对较小（89例患者）	评估DLR和ASIR在HCC诊断中的表现，并与MRI进行对比	肝细胞癌（HCC）可疑病变	digital pathology	liver cancer	CT, MRI, deep learning reconstruction, iterative reconstruction	deep learning	image	89例患者（52例HCC组，37例非HCC组）
1559	2025-06-16	Novel fusion-based time-frequency analysis for early prediction of sudden cardiac death from electrocardiogram signals 2025-Jul, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104370 PMID:40514105	研究论文	提出了一种基于融合的时频深度学习框架，用于通过分类相关心脏状况来早期预测心源性猝死	采用新颖的融合技术结合时频表示，增强了心电图信号的判别能力，实现了高精度的早期预测	未提及模型在不同人群或噪声环境下的鲁棒性验证	开发一种能够早期预测心源性猝死的方法	心电图信号	机器学习	心血管疾病	时频分析（spectrograms和scalograms）	深度学习模型	心电图信号	未提及具体样本数量
1560	2025-06-15	Evaluation of Caries Detection on Bitewing Radiographs: A Comparative Analysis of the Improved Deep Learning Model and Dentist Performance 2025-Jul, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.13470 PMID:40191981	研究论文	本研究评估了改进的深度学习模型YOLOv9c在咬翼X光片上检测龋齿的性能，并与牙医的诊断能力进行了比较	优化了YOLOv9c模型的骨干架构，减小了模型尺寸和计算需求，并在龋齿检测任务上超越了牙医的表现	仅评估了11种YOLO模型，可能未涵盖所有先进的深度学习架构	比较不同深度学习模型在龋齿检测上的性能，并优化模型以提升检测准确率	咬翼X光片上的牙釉质和牙本质龋齿	计算机视觉	牙科疾病	YOLO系列目标检测模型	YOLOv9c	X光图像	NA