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
61	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
62	2025-12-07	Artificial intelligence to automatically identify reverse shoulder arthroplasty implant brands on postoperative radiographs including uncertainty quantification 2025-Oct-31, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.10.011 PMID:41177294	研究论文	本研究开发了一种基于深度学习的人工智能算法，用于在术后X光片上自动识别8种常用的反向肩关节置换术植入物品牌，并包含不确定性量化	首次应用深度学习算法结合保形预测进行不确定性量化，以自动识别反向肩关节置换术植入物品牌，提高了识别准确性和效率	研究仅针对8种特定植入物品牌，可能未涵盖所有市售型号，且样本来源可能有限	开发一种计算机视觉AI算法，辅助外科医生准确高效地识别X光片中的假体品牌，以改善临床工作流程	反向肩关节置换术术后患者的肩部X光片	计算机视觉	骨科疾病	深度学习，保形预测	CNN	图像	5,256张肩部X光片（对应1,368个肩部）	NA	EfficientNet	准确率，F1分数，效率，覆盖率	NA
63	2025-12-07	A Self-Explainable Dynamic Risk Monitoring Framework for Predicting Alzheimer's Disease and Related Dementias 2025-Oct-28, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.20.25338232 PMID:41282689	研究论文	本文提出了一种名为GRU-D-RETAIN的自解释动态风险监测框架，用于预测阿尔茨海默病及相关痴呆症，利用电子健康记录数据解决临床就诊不规则、数据稀疏和可解释性需求等挑战	结合GRU-D的参数化缺失值插补能力和RETAIN的可解释注意力机制，实现任意临床就诊时间点的实时风险监测并提供有意义的解释	ADRD诊断前10年以上的EHR记录稀缺，限制了有效预测模型的开发时间范围；不同训练折叠可能产生不一致的解释	开发一种动态、可解释的风险监测框架，用于早期预测阿尔茨海默病及相关痴呆症	来自德克萨斯大学医师EHR系统的15,172名ADRD病例（年龄≥50岁）和145,443名性别及出生日期匹配的对照患者	机器学习	阿尔茨海默病及相关痴呆症	电子健康记录数据分析	GRU-D, LSTM, RETAIN	电子健康记录	160,615名患者（15,172例ADRD病例和145,443名对照）	TensorFlow, PyTorch	GRU-D-RETAIN	AUROC, 平均精确率	NA
64	2025-12-07	Impact of Imaging Protocols on Convolutional Neural Network-Based Pressure Injury Detection 2025-Oct-21, Research square DOI:10.21203/rs.3.rs-7263214/v1 PMID:41282160	研究论文	本研究评估了成像协议变化对基于卷积神经网络的压疮检测性能的影响	系统性地评估了光照、相机距离、患者体位和相机类型等多种成像协议因素对深度学习模型在压疮早期检测中性能的影响，并比较了光学与热成像的差异	研究在健康成人中使用局部冷却模拟温度变化，而非真实压疮患者，且静态标注方法可能不适用于动态热成像应用	探究成像协议变化对深度学习模型在压疮早期检测中性能的影响	35名健康成人，涵盖多种肤色	计算机视觉	压疮	热成像, 光学成像	CNN	图像	1680张图像，来自35名健康成人	NA	MobileNetV2, InceptionNetV3, ResNet50	准确率	NA
65	2025-12-07	Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study 2025-Oct, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.013734 PMID:41025252	研究论文	本研究开发并验证了一种基于心电图的深度学习模型，用于预测心房颤动的风险，并在多个国际队列中评估其性能	首次在跨国社区队列中验证了仅使用单次心电图输入的深度学习模型预测心房颤动及其他心血管结局的能力，并与传统临床风险评分进行了比较	研究基于回顾性队列数据，可能存在选择偏倚，且模型在外部验证中的泛化能力仍需进一步前瞻性研究确认	通过深度学习模型从心电图中预测心房颤动的风险，并评估其与心血管结局的关联	来自Framingham心脏研究、英国生物银行和ELSA-Brasil研究的社区参与者	数字病理学	心血管疾病	心电图	深度神经网络	心电图信号	总计71,661名参与者（FHS: 10,097人，UK Biobank: 49,280人，ELSA-Brasil: 12,284人）	NA	深度神经网络	受试者工作特征曲线下面积	NA
66	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
67	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
68	2025-12-06	A Multi-Task Deep Learning Model for Pediatric Echocardiography Analysis 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.27.25338912 PMID:41282661	研究论文	本文介绍了EchoAI-Peds，首个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测多种先天性心脏缺陷和异常	开发了首个针对儿科超声心动图的多任务深度学习模型，整合了多个超声心动图视图的信息，并使用迄今为止最全面的儿科标签集进行训练	模型仅在两个医疗中心的数据集上进行了测试，可能需要更多外部验证以确保广泛适用性	开发一个专门针对儿科人群的深度学习模型，以自动化和改进儿科超声心动图分析	儿科超声心动图视频，用于检测先天性心脏缺陷、结构和功能异常、修复和干预	计算机视觉	先天性心脏缺陷	超声心动图	Vision Transformer	视频	超过11,000项研究中的700,000多个视频	NA	Vision Transformer	AUROC	NA
69	2025-12-06	DRIPS: Domain Randomisation for Image-based Perivascular spaces Segmentation 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.22.25337423 PMID:41282908	研究论文	提出一种基于领域随机化的图像分割框架DRIPS，用于自动分割脑部血管周围空间（PVS）	整合解剖和形状先验与基于物理的图像生成过程，生成合成脑图像和标签进行深度学习模型训练，通过引入变异性实现良好的泛化能力	未明确说明模型在极端成像条件下的性能或计算效率的具体限制	开发一种准确、全自动的PVS分割方法，适用于异构成像设置	脑部MRI数据和3D离体脑组织学重建模型	计算机视觉	脑部疾病	MRI成像（T1w和T2w，各向同性和各向异性）	深度学习模型	图像	165名受试者（来自五个队列）和一个3D离体脑模型	NA	NA	AUPRC, Dice相似系数	NA
70	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
71	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
72	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
73	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
74	2025-12-05	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出了一种使用深度学习同时减少脑部磁共振成像中噪声和运动伪影的方法	通过为T1W、T2W和FLAIR序列分别构建训练模型，独立于成像方向和伪影方向，有效去除噪声和运动伪影	研究仅基于20名健康志愿者的模拟图像数据，未涉及真实患者数据或更多样化的病理情况	减少脑部MRI中的运动伪影和噪声，提升临床实用性	脑部T1加权、T2加权和FLAIR图像	计算机视觉	NA	磁共振成像	深度学习	图像	20名健康志愿者的脑部MRI图像，生成了115200张模拟图像用于训练、验证和测试	NA	NA	结构相似性指数, 峰值信噪比, 视觉评估	NA
75	2025-12-05	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究开发了一种基于深度学习的高分辨率双反转恢复磁共振成像技术，用于改进多发性硬化症中皮质旁病变的评估	采用深度学习重建技术（DL-Speed）实现高分辨率双反转恢复成像，相比传统压缩感知方法在检测皮质旁多发性硬化病变方面表现出更优性能	研究为回顾性分析，样本量较小（25例患者），且仅针对多发性硬化症患者	评估基于深度学习重建的高分辨率双反转恢复磁共振成像在检测多发性硬化症皮质旁病变中的诊断性能	多发性硬化症患者的磁共振成像数据	医学影像分析	多发性硬化症	磁共振成像（MRI），包括3D FLAIR、传统DIR和深度学习加速DIR	深度学习重建模型	磁共振图像	25例多发性硬化症患者	NA	NA	病变计数统计，Wilcoxon符号秩检验	NA
76	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
77	2025-12-05	Benchmarking Probabilistic Time Series Forecasting Models on Neural Activity 2025-Oct-22, ArXiv PMID:41281206	研究论文	本文系统评估了八种概率深度学习模型在神经活动预测任务上的性能，并与经典统计方法进行了比较	首次将包括两个基础模型在内的多种先进概率深度学习模型系统应用于神经活动预测领域，填补了深度学习在该应用中的空白	研究仅基于小鼠皮层自发神经活动的宽场成像数据，未验证其他神经记录技术或不同物种的数据	评估概率时间序列预测模型在神经活动预测任务中的性能，探索深度学习在该领域的应用潜力	小鼠皮层自发神经活动的时间序列数据	机器学习	NA	宽场成像	概率深度学习模型	时间序列数据	NA	NA	NA	NA	NA
78	2025-12-05	The Seizure Embedding Map: A Spatio-Temporal Transformer for Comparing Patients by Ictal Intracranial EEG Features at Scale 2025-Oct-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.15.25338097 PMID:41282754	研究论文	本研究提出了一种时空Transformer模型，用于从耐药性癫痫患者的颅内脑电图（iEEG）发作期数据中提取特征，生成包含时空信息的嵌入表示，以大规模比较患者间的发作网络特征及其与治疗结果的关系	引入了一种自定义的时空Transformer模型，能够灵活处理不同电极数量和植入位置的iEEG数据，并首次实现了对大规模患者队列中发作起始模式的定量比较和聚类分析	发作聚类未能根据治疗方法或术后结果区分患者，且模型尚未整合多模态数据（如结构/功能成像、症状学、患者病史等）	为耐药性癫痫患者的手术治疗规划提供定量、基于证据的决策支持，通过比较新患者与历史病例的发作特征来推荐最佳治疗方案	耐药性癫痫患者的颅内脑电图（iEEG）发作起始时段数据	机器学习	癫痫	颅内脑电图（iEEG），包括立体定向脑电图和皮层脑电图	Transformer, CNN	多通道颅内脑电图（iEEG）时间序列数据	102名耐药性癫痫患者的882次临床发作	NA	自定义时空Transformer，包含卷积层和时空位置编码器	验证准确率	NA
79	2025-12-05	Clinical Relevance of Computationally Derived Attributes of Arteries and Arterioles in focal segmental glomerulosclerosis and minimal change disease 2025-Oct-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25336276 PMID:41282757	研究论文	本研究开发了一种计算流程，用于在数字肾脏活检中量化局灶节段性肾小球硬化症和微小病变病患者的动脉和小动脉特征，以提高标准化和可重复性	开发了深度学习模型来分割肌肉血管及其内部结构，并通过路径组学特征提取量化硬化症和玻璃样变，相比传统半定性评分方法提高了预测疾病进展的能力	研究仅基于225名参与者的单张三色染色全切片图像，样本量相对有限，且未涉及其他染色方法或更大规模的外部验证	旨在通过计算分析方法改进肾脏活检中动脉和小动脉硬化症及玻璃样变的评估标准，以增强临床预后预测	局灶节段性肾小球硬化症和微小病变病患者的数字肾脏活检图像	数字病理学	肾脏疾病	三色染色全切片图像分析，深度学习分割，路径组学特征提取	深度学习模型	图像	225名参与者（127例FSGS，98例MCD），共分割了1,499个小动脉、686个叶间动脉和131个弓形动脉	NA	NA	Spearman相关系数，一致性指数	NA
80	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