深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
281	2025-12-10	Radiomics, machine learning, and deep learning for hippocampal sclerosis identification: a systematic review and diagnostic meta-analysis 2025-Oct, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110624 PMID:40737956	系统综述与诊断性荟萃分析	本文通过系统综述和荟萃分析，评估了基于放射组学、机器学习和深度学习的人工智能模型在识别海马硬化方面的诊断性能	首次对人工智能（包括机器学习与深度学习）及放射组学在识别海马硬化方面的诊断性能进行了系统综述和荟萃分析，并比较了不同算法（如SVM、CNN）以及单独使用AI与AI结合放射组学的效果	纳入的研究数量较少（仅6项），且存在显著的异质性（I² > 69%），可能影响结果的普遍适用性	综合近期人工智能和放射组学研究，以提高颞叶癫痫中海马硬化的检测准确性	海马硬化，特别是与内侧颞叶癫痫相关的病例	医学影像分析，机器学习，深度学习	颞叶癫痫，海马硬化	放射组学，机器学习，深度学习	支持向量机，卷积神经网络，逻辑回归	医学影像数据（如MRI）	NA（综述文章，未报告总样本量，但基于6项纳入研究）	NA	NA	灵敏度，特异度，受试者工作特征曲线下面积	NA
282	2025-12-09	Investigating the capability of deep learning models to predict age and biological sex from anterior segment ophthalmic imaging: a multi-centre retrospective study 2025-Oct-29, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-107196 PMID:41161843	研究论文	本研究评估了基于迁移学习的卷积神经网络利用前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片预测年龄和生物性别的能力	首次在多中心回顾性研究中，利用深度学习模型从前段眼科图像中提取年龄和性别信息，并通过显著性图可视化模型的决策过程	研究为回顾性设计，数据来源于单一公共健康信托机构，可能限制了模型的泛化能力	评估深度学习模型从前段眼科图像中预测年龄和生物性别的能力	前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片	计算机视觉	NA	光学相干断层扫描，角膜地形图成像	CNN	图像	来自20,542名患者的40,592只眼睛的557,468次扫描	NA	NA	准确率，精确率，召回率，F1分数，ROC-AUC，Pearson相关系数，决定系数，平均绝对误差	NA
283	2025-12-09	Comparing radiomics, deep learning, and fusion models for predicting occult pleural dissemination in patients with non-small cell lung cancer: a retrospective multicenter study 2025-Oct-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15121-9 PMID:41163134	研究论文	本研究开发并比较了基于放射组学的机器学习、深度学习和融合模型，用于术前预测非小细胞肺癌患者的隐匿性胸膜播散	首次在多个中心回顾性研究中，系统比较了放射组学机器学习、深度学习及融合模型（特别是后融合模型）在预测非小细胞肺癌隐匿性胸膜播散方面的性能	研究为回顾性设计，样本量相对有限（326例患者），且仅使用了CT图像的最大横截面切片，可能未充分利用三维空间信息	开发并比较不同模型以术前识别非小细胞肺癌患者的隐匿性胸膜播散，辅助临床决策	非小细胞肺癌患者	计算机视觉	肺癌	CT扫描	机器学习, 深度学习	图像	326例非小细胞肺癌患者（来自三个中国大型医疗中心，2016-2023年），分为训练集（216例）、内部测试集（54例）和外部测试集（56例）	NA	DenseNet121	AUC, 敏感性	NA
284	2025-12-09	Multi-label diagnosis of dental conditions from panoramic x-rays using attention-enhanced deep learning 2025-Oct-07, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01463-y PMID:41055759	研究论文	本研究开发并评估了用于全景X射线图像中多类别牙科疾病自动分类的深度学习模型，比较了自定义CNN架构、注意力机制、预训练模型和混合方法的有效性	结合注意力机制的自定义CNN架构、预训练模型与注意力机制的集成，以及CNN与机器学习（如随机森林）的混合方法，用于牙科疾病的多标签诊断	数据集缺乏正常/健康病例，且需在不同临床人群中进行前瞻性验证研究以确立真实世界的有效性和安全性	开发并评估用于全景X射线图像中牙科疾病多类别自动分类的深度学习模型	全景牙科X射线图像	计算机视觉	牙科疾病	数据增强、CLAHE增强、归一化	CNN, SVM, Random Forest, Decision Tree	图像	1,512张全景牙科X射线图像，预处理后生成4,764张类别平衡图像	TensorFlow, PyTorch, Scikit-learn	自定义CNN, VGG16, ResNet50, Xception	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
285	2025-12-09	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	本文开发并验证了一种模态不变的3D Swin U-Net Transformer深度学习模型，用于在来自多个机构的儿童和成人患者的腹部T1加权或T2加权MR图像上进行肝脏和脾脏分割	提出了一种模态不变的3D Swin UNETR模型，采用模态不变训练策略，将每位患者的T1w和T2w MR图像作为独立训练样本处理，从而实现对不同模态（T1w和T2w）图像的鲁棒分割	研究为回顾性设计，可能受限于数据集的多样性和规模；模型性能在不同模态间存在差异（如脾脏分割在T1w图像上DSC较低）	开发并验证一种能够处理多机构、多模态临床腹部MR图像的深度学习模型，用于肝脏和脾脏的自动分割	儿童和成人患者（已知或疑似慢性肝病）的腹部T1加权和T2加权MR图像	数字病理学	慢性肝病	MR成像（T1加权和T2加权）	Transformer, CNN	3D MR图像	304名患者（年龄31.8±20.3岁，43%女性），共241个T1w和339个T2w MR序列	NA	Swin UNETR, U-Net	Dice相似系数	NA
286	2025-12-09	Reproducible meningioma grading across multi-center MRI protocols via hybrid radiomic and deep learning features 2025-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03725-8 PMID:40824403	研究论文	本研究提出了一种结合影像组学特征和基于3D自动编码器的深度学习特征的方法，用于脑膜瘤术前分级，旨在提高跨多中心MRI协议的准确性和可重复性	创新性地将手工影像组学特征与基于3D自动编码器（集成注意力机制）的深度学习特征相结合，并利用ComBat方法进行批次效应校正，以提升跨协议性能	未来需要在真实临床环境中进一步验证，并考虑整合临床参数以增强预后价值	开发一种可靠、非侵入性的脑膜瘤术前分级方法	经组织学确认的脑膜瘤患者	数字病理	脑膜瘤	MRI（T1增强和T2加权成像）	3D自动编码器, XGBoost, CatBoost, 堆叠集成	图像	3523名患者（1900例低级别，1623例高级别）	NA	3D自动编码器	准确率, 灵敏度, AUC	NA
287	2025-12-08	Intelligent Condition Monitoring of High-Formwork Support Systems: A Hybrid FEM-Deep Learning Approach with Large Language Model Integration 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251393791 PMID:41334721	研究论文	本研究提出了一种结合数值模拟、深度学习和检索增强生成系统的高支模支撑系统智能监测框架	采用遗传算法-粒子群优化混合算法优化有限元模型，并集成RNN-LSTM与基于GPT技术的RAG系统实现自动化监测报告生成	未明确说明实际工程验证的规模与长期稳定性数据	开发高支模支撑系统的智能健康监测与自动化报告生成方法	高支模支撑系统的结构响应数据与监测报告	机器学习	NA	有限元模拟、遗传算法-粒子群优化混合算法	RNN-LSTM, CNN	数值模拟生成的结构响应数据	基于有限元模型生成的三种工况数据集（正常操作、局部失稳、整体失稳）	NA	RNN-LSTM, CNN	多种评估指标（具体名称未说明）	NA
288	2025-12-08	Traditional Chinese medicine-based pattern differentiation system of deficiency and excess using traditional Chinese medicine-based inspection characteristics 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251386320 PMID:41166218	研究论文	本研究开发了一个基于卷积神经网络的中医望诊特征提取模型，并结合中医理论和临床经验，构建了一个完整的中医虚实辨证系统	将深度学习技术应用于中医望诊特征（如舌色、苔色、苔厚、唇色）的自动提取，并首次将这些特征与中医虚实辨证理论相结合，构建了一个端到端的辨证系统	未明确说明数据集的规模、多样性及临床验证的广泛性，系统准确率（81.67%）仍有提升空间，且可能未涵盖所有中医辨证要素	开发一个准确的中医虚实辨证系统，以辅助中医师进行临床诊断和治疗，并支持在线诊疗及健康平台应用	中医望诊特征（面部、唇部、舌部等区域）及基于这些特征的虚实辨证模式	计算机视觉	NA	深度学习，中医望诊	CNN	图像	NA	NA	卷积神经网络	准确率	NA
289	2025-12-07	A Critical Review of Deep Learning Technique and Its Applications in Clinical Cytology 2025 Oct-Dec, Journal of cytology IF:1.0Q4 DOI:10.4103/joc.joc_136_25 PMID:41341475	综述	本文对深度学习技术在临床细胞学中的应用进行了批判性回顾	系统性地总结了深度学习在细胞学领域的潜力与挑战，强调了其在癌症筛查、疾病分类、生物标志物预测等多方面的应用前景	未提供具体实验数据或模型性能比较，主要基于文献综述，缺乏原创性研究验证	探讨深度学习技术在临床细胞学中的应用潜力与实施障碍	深度学习技术在细胞学领域的应用	数字病理学	癌症	NA	NA	图像	NA	NA	NA	NA	NA
290	2025-12-06	Risk factors for hepatocellular carcinoma rupture: multicentre retrospective study 2025-Oct-30, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zraf105 PMID:41189483	研究论文	本研究通过多中心回顾性分析，全面探讨了肝细胞癌破裂的风险因素，并开发了结合传统和机器学习方法的预测模型	首次整合了传统统计模型（如CAPTure列线图）与随机森林和深度学习模型，以增强肝细胞癌破裂风险预测的准确性和可解释性	研究为回顾性设计，可能存在选择偏倚，且数据来源于中国的三级医疗中心，可能限制结果的普适性	识别肝细胞癌破裂的风险因素并开发早期风险预测模型，以优化临床决策和资源分配	肝细胞癌患者，包括破裂和非破裂病例	机器学习	肝细胞癌	回顾性数据分析，倾向性评分匹配	随机森林，深度学习	临床数据	5952名肝细胞癌患者	NA	NA	精确度，召回率，F1分数，AUC	NA
291	2025-12-06	Artificial intelligence-driven epigenetic CRISPR therapeutics: a structured multi-domain meta-analysis of therapeutic efficacy, off-target prediction, and gRNA optimization 2025-Oct-25, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01725-8 PMID:41136797	综述	本文通过系统综述和荟萃分析，评估了人工智能（AI）在提高CRISPR表观遗传编辑工具的治疗效果、gRNA优化和脱靶预测方面的作用	首次对AI驱动的CRISPR表观遗传编辑工具进行了结构化的多领域荟萃分析，量化了AI在治疗效果、gRNA优化和脱靶预测三个关键领域的积极影响	研究基于已发表的文献，可能存在发表偏倚；纳入的58项研究中仅41项提供了可提取的定量数据，样本量有限	评估人工智能对CRISPR表观遗传编辑工具的精准性、安全性和治疗效果的提升作用	CRISPR表观遗传编辑工具，特别是其治疗效果、gRNA设计和脱靶预测	机器学习	NA	CRISPR表观遗传编辑	深度学习	NA	58项研究（其中41项提供定量数据）	NA	NA	标准化均数差（SMD），受试者工作特征曲线下面积（AUC）	NA
292	2025-12-06	Deep learning-based classification of fungal and Acanthamoeba keratitis using confocal microscopy 2025-Oct, The ocular surface DOI:10.1016/j.jtos.2025.07.012 PMID:40752665	研究论文	本研究评估了使用深度学习基于共聚焦显微镜图像对真菌性和棘阿米巴性角膜炎进行分类和亚型分型的可行性	首次应用深度学习（特别是ResNet50架构）对真菌性和棘阿米巴性角膜炎进行自动分类和亚型分型，提高了诊断准确性	非特异性角膜炎（NSK）的分类性能较低（精确度78%，召回率71%），数据集存在类别不平衡问题	评估深度学习在角膜炎分类和亚型分型中的可行性，以改善诊断和治疗策略	角膜炎图像，包括真菌性角膜炎（FK）、棘阿米巴性角膜炎（AK）和非特异性角膜炎（NSK）	计算机视觉	角膜炎	共聚焦显微镜	CNN	图像	1975张图像（1137张FK，457张AK，381张NSK）	NA	ResNet50	准确率, 精确度, 召回率, F1分数, ROC AUC, PR AUC	NA
293	2025-12-06	Application of artificial intelligence and digital tools in cancer pathology 2025-Oct, The Lancet. Digital health DOI:10.1016/j.landig.2025.100933 PMID:41241581	综述	本文概述了人工智能和数字工具在癌症病理学中的应用、挑战及未来发展	强调了从传统机器学习向深度学习、自监督学习基础模型、多模态模型以及智能体AI的技术演进，并讨论了新兴的监管与伦理考量	NA	探讨人工智能在癌症病理学诊断中的整合应用、当前挑战及未来发展方向	癌症病理学中的数字病理工作流程、AI模型及其临床应用	数字病理学	癌症	NA	深度学习, 自监督学习, 多模态模型, 智能体AI	数字病理图像	NA	NA	NA	NA	NA
294	2025-12-05	Comparison of machine learning methods versus traditional Cox regression for survival prediction in cancer using real-world data: a systematic literature review and meta-analysis 2025-Oct-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02694-z PMID:41152747	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了机器学习模型与传统Cox回归在癌症生存预测中的性能	首次系统性地比较了多种机器学习模型与Cox比例风险模型在真实世界癌症生存预测中的性能，并进行了荟萃分析	纳入研究的异质性较高，且仅基于AUC或C指数进行性能比较，可能未全面反映模型优劣	系统总结观察性研究中机器学习模型在癌症生存结局预测中的应用，并比较其与Cox回归模型的性能	癌症患者的生存结局预测	机器学习	癌症	NA	随机生存森林, 梯度提升, 深度学习	真实世界数据	NA	R	NA	AUC, C指数	NA
295	2025-12-05	MobileDANet integrating transfer learning and dynamic attention for classifying multi target histopathology images with explainable AI 2025-Oct-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21360-4 PMID:41136678	研究论文	本研究提出了一种名为MobileDANet的深度学习框架，用于对肾细胞癌、乳腺癌和结肠癌的组织病理学图像进行多目标分类，并整合了可解释AI技术	结合了MobileNetV2骨干网络与动态注意力块（多头注意力+MLP），以高效捕获长程依赖关系，并采用Grad-CAM增强模型可解释性	未来需要扩展到更大的多机构数据集，并探索模型压缩与自动超参数优化	开发自动化计算机辅助诊断框架，用于癌症严重程度的分类	肾细胞癌、乳腺癌和结肠癌的组织病理学图像	数字病理学	肾细胞癌,乳腺癌,结肠癌	组织病理学成像	CNN,注意力机制	图像	KMC数据集（肾细胞癌）、BreakHis（乳腺癌）、CRCH（结肠癌）	NA	MobileNetV2,动态注意力块（多头注意力+MLP）	准确率,F1分数,加权F1分数	NA
296	2025-12-05	Clinical target volumes for glioma - Automated delineation to improve neuroanatomic consistency 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100865 PMID:41328287	研究论文	本研究开发了一种结合肿瘤浸润路径和解剖屏障的自动化方法，用于改进胶质瘤临床靶区（CTV）勾画的神经解剖一致性和效率	提出了一种整合白质束连接结构的约束距离变换方法，允许CTV在不同脑结构边界（如小脑和脑干）间扩展，从而提高了神经解剖一致性	未明确说明模型在更大规模或多中心数据集上的泛化能力，且对小结构（如视交叉）的分割性能相对较低（DSC 63.9%）	提高胶质瘤临床靶区勾画的神经解剖一致性和自动化效率	99名胶质瘤患者的CT图像及对应的脑结构（半球、脑干、小脑、视交叉、视神经、脑室、中线）	数字病理	胶质瘤	CT成像	深度学习模型	CT图像	99名胶质瘤患者	NA	NA	Dice相似系数（DSC）, 95%豪斯多夫距离（HD95）, 表面DSC	NA
297	2025-12-04	Prediction of intraductal cancer microinfiltration based on the hierarchical fusion of peri-tumor imaging histology and dual view deep learning 2025-Oct-14, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15054-3 PMID:41088081	研究论文	本研究开发了一种基于多模态融合的深度学习模型，用于准确预测导管原位癌的微浸润风险	通过整合深度学习、影像组学和临床特征，构建了层次化融合模型，有效克服了单模态模型的过拟合问题，并实现了高准确性和可解释性	样本量相对有限（共232例患者），且未提及模型在其他独立队列中的泛化能力验证	开发用于导管原位癌微浸润风险预测和临床决策支持的多模态融合模型	导管原位癌患者	数字病理学	乳腺癌	影像组学, 深度学习	深度学习模型	图像, 临床数据	232例患者（训练集103例，验证集43例，外部测试集86例）	NA	DenseNet201	AUC, DeLong检验, 校准曲线, 决策曲线分析, Cohen's κ	NA
298	2025-12-04	Computational pathology approach for assessment of prognosis and immunotherapy response in pan-gastrointestinal cancer 2025-Oct-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06181-3 PMID:41088294	研究论文	本研究提出了一种基于深度学习病理组学特征（DLPS）的计算病理学方法，用于评估泛胃肠道癌症的预后、化疗和免疫治疗反应	整合了全切片图像中细胞核、微环境和单细胞空间分布三个尺度的病理组学特征，构建了DLPS，并在多中心队列中验证了其在预后和治疗反应预测中的独立价值	研究主要基于回顾性数据，未来需要前瞻性验证；DLPS的生物学解释仍需进一步探索	开发一种计算病理学方法以改善癌症患者的预后评估和治疗反应预测	泛胃肠道癌症患者，特别是胃癌患者	数字病理学	胃癌, 泛胃肠道癌症	H&E染色全切片图像分析	深度学习	图像	2463名患者来自12个队列，其中1653名为胃癌患者	NA	NA	AUC, 多变量Cox回归分析, 客观缓解率	NA
299	2025-12-04	The Operative Role of Artificial Intelligence in Vascular Surgery: A Systematic Review of Literature 2025-Oct, Cureus DOI:10.7759/cureus.95515 PMID:41322735	综述	本文系统回顾了人工智能在血管外科手术工作流程和安全性方面影响的现有文献	首次系统性地综述了人工智能在血管外科围手术期（术前、术中、术后）的应用现状，并评估了其对工作流程和安全性的影响	证据有限，主要基于小样本、回顾性和异质性研究，存在潜在偏倚，需要大规模前瞻性验证	评估人工智能在血管外科手术工作流程和安全性方面的作用与潜力	血管外科手术（包括血管内修复术、颈动脉内膜切除术、动静脉瘘、搭桥术等）	机器学习和数字病理学	心血管疾病	NA	机器学习，深度学习，神经网络	医学影像（如术前CT），临床数据	8项相关研究（6项回顾性研究，1项前瞻性研究，1项混合队列研究）	NA	NA	预测准确性，工作流程效率，安全性	NA
300	2025-12-04	Workflow to detect exceeded dose constraints in pancreatic stereotactic body irradiation after intrafraction motion during magnetic resonance-guided adaptive radiotherapy using a deep learning-refined contour propagation tool 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100866 PMID:41323214	研究论文	本文提出了一种工作流程，用于自动检测胰腺立体定向体部放疗中因分次内运动导致的胃肠道结构剂量约束超标	引入深度学习精炼的轮廓传播工具，自动检测分次内运动引起的剂量约束超标，提高放疗计划验证的自动化水平	研究样本量较小（11名患者，48个分次），且依赖于手动绘制的参考轮廓进行验证	开发一种自动化工作流程，以检测磁共振引导自适应放疗中胰腺癌治疗因分次内运动导致的剂量约束超标	胰腺癌患者的胃肠道结构（如十二指肠）在磁共振引导自适应放疗中的分次内运动	数字病理学	胰腺癌	磁共振引导自适应放疗，立体定向体部放疗	深度学习	磁共振图像	11名胰腺癌患者的48个每日自适应分次，使用79张图像进行模型训练	NA	NA	Dice相似系数，平均距离一致性，特异性，敏感性，准确性	NA