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
121	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
122	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
123	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
124	2025-12-09	PlasmoFP: leveraging deep learning to predict protein function of uncharacterized proteins across the malaria parasite genus 2025-Oct-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.12.675843 PMID:41279499	研究论文	本文介绍了PlasmoFP，一种利用深度学习预测疟原虫属中未表征蛋白质功能的模型	PlasmoFP创新性地基于系统发育相关的SAR超群蛋白质的结构-功能关系进行训练，解决了疟原虫蛋白质因序列相似性低而难以注释的挑战	NA	预测疟原虫属中未表征蛋白质的功能，以推进疟疾基础研究	疟原虫属中的蛋白质，特别是未注释或功能未知的蛋白质	机器学习	疟疾	深度学习	深度学习模型	蛋白质序列和结构数据	涉及19种疟原虫物种的蛋白质	NA	NA	通过减少未注释蛋白质比例和增加完全注释蛋白质比例进行评估	NA
125	2025-12-09	Machine and deep learning applied to medical microwave imaging: a scoping review from reconstruction to classification 2025-Oct-15, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae0bd3 PMID:40997871	综述	本文对机器学习在医学微波成像中的应用进行了范围综述，重点关注图像重建和分类两个关键领域	系统性地梳理了机器学习在微波成像中从重建到分类的最新研究进展，并强调了其在临床转化中的潜力	作为范围综述，未进行定量荟萃分析，且可能未涵盖所有新兴方法	探讨机器学习在医学微波成像中的角色，特别是在图像重建和分类任务中的应用	医学微波成像技术及其在乳腺和脑部成像等医疗应用中的研究	机器学习	乳腺癌, 神经系统疾病	微波成像	卷积神经网络, 支持向量机	微波成像数据	NA	NA	NA	NA	NA
126	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
127	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
128	2025-12-09	Artificial Intelligence in Surgical Training and Applications to Otolaryngology: A Scoping Review 2025-Oct, The Laryngoscope DOI:10.1002/lary.32246 PMID:40371996	综述	本文对人工智能在手术技能评估中的应用进行了范围综述，特别关注其在耳鼻喉科教育中的潜力	系统性地综述了AI在手术技能评估中的最新进展，并特别聚焦于耳鼻喉科领域，强调了自动化反馈和客观评估的潜力	作为一篇范围综述，主要基于现有文献进行分析，未进行新的原始数据收集或模型验证	探讨人工智能在手术技能评估中的应用进展，并评估其提升耳鼻喉科教育水平的潜力	涉及手术技能评估的研究，包括基础手术任务（如打结、缝合）和特定外科手术（如乳突切除术、鼻中隔成形术）	计算机视觉	耳鼻喉科疾病	深度学习，机器学习，计算机视觉	NA	运动学数据，运动数据，力数据，视频	34项符合纳入标准的研究	NA	NA	分类准确率	NA
129	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
130	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
131	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
132	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
133	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
134	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
135	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
136	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
137	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
138	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
139	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
140	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