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
1	2025-06-26	Assessing risk of groundwater pollution exposure from sea level rise in California 2025-Aug-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179695 PMID:40513440	研究论文	本研究利用深度学习和可解释人工智能（XAI）模型评估加州海平面上升导致的地下水污染暴露风险	结合深度学习和XAI模型，量化海平面上升对地下水污染暴露风险的影响，并识别关键风险预测因素	模型在空间自相关性方面存在泛化挑战，空间交叉验证模型在其他沿海地区的应用可能存在偏差	评估海平面上升对加州地下水污染暴露风险的影响	加州沿海含水层及2296个危险场所	环境科学	NA	深度学习，可解释人工智能（XAI）	深度学习模型，XAI模型	地下水数据，社会经济数据，人口统计数据	2296个危险场所及加州沿海地区人口数据
2	2025-06-26	Reirradiation for recurrent glioblastoma: the significance of the residual tumor volume 2025-Aug, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05042-9 PMID:40310485	研究论文	本研究探讨了复发性胶质母细胞瘤再放疗的可行性和效果，特别关注残余肿瘤体积对预后的影响	首次明确了残余对比增强肿瘤体积是复发性胶质母细胞瘤患者总生存期的独立预测因子	研究样本量较小(71例)，且为单中心回顾性研究	评估复发性胶质母细胞瘤再放疗的疗效和安全性	71例复发性CNS WHO 4级IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习自动分割管道	NA	医学影像数据	71例患者
3	2025-06-26	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-Aug, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	本研究开发了一个深度学习流程，用于分析吉姆萨染色的骨髓穿刺涂片，以预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析吉姆萨染色涂片来预测B/T亚型和ETV6-RUNX1易位，为资源匮乏地区提供了替代诊断方案	外部验证队列的AUC值相对较低（B/T亚型0.72，ETV6-RUNX1易位0.69），表明模型在外部数据上的泛化能力有待提高	开发一种基于深度学习的诊断工具，用于儿童急性淋巴细胞白血病的亚型分类和遗传异常检测	儿童急性淋巴细胞白血病患者的骨髓穿刺涂片	数字病理学	急性淋巴细胞白血病	吉姆萨染色	CNN	图像	未明确提及具体样本数量，但包含交叉验证和外部验证队列
4	2025-06-26	Assessment of image quality on the diagnostic performance of clinicians and deep learning models: Cross-sectional comparative reader study 2025-Jul, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20462 PMID:39655640	研究论文	本研究评估了不同图像质量对临床医生和深度学习模型诊断性能的影响	首次研究了HDR增强的皮肤镜图像对诊断性能的影响，并比较了临床医生与CNN模型在不同图像质量下的表现	样本量相对较小(101个皮肤病变)，且仅评估了18名皮肤科医生	探究图像质量对皮肤癌诊断准确性的影响	皮肤病变图像和诊断性能	数字病理学	皮肤癌	HDR图像增强技术	CNN	图像	101个皮肤病变的303张图像(18名临床医生参与评估)
5	2025-06-26	Quantitative Ischemic Lesions of Portable Low-Field Strength MRI Using Deep Learning-Based Super-Resolution 2025-Jul, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.050540 PMID:40235448	研究论文	本研究评估了基于深度学习的合成超分辨率磁共振成像（SynthMRI）在便携式低场强磁共振成像（LF-MRI）中定量缺血性病变的性能提升	使用深度学习框架SCUNet（Swin-Conv-UNet）从LF-MRI图像生成SynthMRI图像，显著提高了对缺血性病变的检测和量化性能	研究为回顾性设计，且样本量相对有限（178名中风患者和104名健康对照）	评估SynthMRI在LF-MRI中检测和量化缺血性病变的诊断性能	中风患者和健康对照的LF-MRI和HF-MRI图像	数字病理	心血管疾病	深度学习超分辨率技术	SCUNet（Swin-Conv-UNet）	磁共振图像	178名中风患者和104名健康对照
6	2025-06-26	BERTAgent: The development of a novel tool to quantify agency in textual data 2025-Jul, Journal of experimental psychology. General DOI:10.1037/xge0001740 PMID:40354292	研究论文	开发了一种名为BERTAgent的新工具，用于量化文本数据中的语义能动性	利用transformer架构的深度学习模型，克服了传统词计数方法对语义上下文不敏感的缺点，并考虑了能动性的强度和方向性差异	需要依赖人工编码数据进行微调，可能受限于训练数据的质量和范围	开发能够更准确量化文本中语义能动性的计算工具	文本数据中的语义能动性	自然语言处理	NA	深度学习	transformer架构（BERT）	文本	NA
7	2025-06-26	Methodological Challenges in Deep Learning-Based Detection of Intracranial Aneurysms: A Scoping Review 2025-Jul, Neurointervention IF:1.2Q4 DOI:10.5469/neuroint.2025.00283 PMID:40415390	综述	本文对36项应用深度学习技术检测颅内动脉瘤的研究进行了全面评估，重点关注研究设计、验证策略、报告实践和参考标准	首次系统性地评估了深度学习在颅内动脉瘤检测中的方法学挑战，并提出了未来研究的方向	现有研究存在方法学局限性，如破裂和已治疗动脉瘤处理不一致、外部验证使用有限、前瞻性研究设计缺失等	评估深度学习技术在颅内动脉瘤检测中的方法学挑战和临床应用潜力	颅内动脉瘤	数字病理学	脑血管疾病	深度学习	NA	医学影像（CTA和MRA）	36项研究
8	2025-06-26	Deep Learning Based on Ultrasound Images Differentiates Parotid Gland Pleomorphic Adenomas and Warthin Tumors 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251319410 PMID:40156239	研究论文	本研究利用深度学习技术基于超声图像开发自动化模型，以准确区分腮腺多形性腺瘤和沃辛瘤	首次应用深度学习模型（如ResNet18、MobileNetV3Small和InceptionV3）于超声图像分析，用于区分腮腺多形性腺瘤和沃辛瘤，并展示了优于超声医师的诊断准确性	研究样本量较小（91例患者，526张超声图像），且为回顾性研究，可能影响模型的泛化能力	开发一种基于超声图像的深度学习模型，用于准确区分腮腺多形性腺瘤和沃辛瘤	腮腺多形性腺瘤和沃辛瘤患者	数字病理	腮腺肿瘤	超声成像	CNN（包括ResNet18、MobileNetV3Small和InceptionV3）	图像	91例患者，526张超声图像
9	2025-06-26	Deep Learning Model for Real-Time Nuchal Translucency Assessment at Prenatal US 2025-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240498 PMID:40304583	研究论文	开发并评估了一种基于人工智能的模型，用于实时识别和测量产前超声检查中的颈项透明层（NT）平面	提出了一种名为AIM-NT的深度学习模型，能够在产前超声检查中实时识别NT平面并测量NT厚度，与放射科医生的工作流程高度一致	研究为回顾性多中心研究，可能受到数据收集时间和范围的限制	开发并评估一种人工智能模型，用于产前超声检查中的NT平面识别和测量	产前超声检查中的颈项透明层（NT）平面	数字病理	产前筛查	超声检查	CNN	图像和视频	内部数据集包括3153个胎儿的3959张NT图像，外部数据集包括267个胎儿的267个超声视频
10	2025-06-26	Automatic Detection of B-Lines in Lung Ultrasound Based on the Evaluation of Multiple Characteristic Parameters Using Raw RF Data 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251330111 PMID:40539654	研究论文	提出一种基于射频信号的肺部超声B线垂直伪影自动识别方法，通过多特征参数输入非线性支持向量机进行分类	利用射频信号而非图像数据，结合多特征参数和PCA降维，减少了对大型图像数据集的依赖，同时保持了高分类准确率	实验模型（海绵滴水模型、明胶体模）与真实肺部组织的声学特性可能存在差异	开发实时高效的肺部超声B线自动检测方法以辅助肺部疾病诊断	肺部超声中的B线伪影	医学影像分析	肺部疾病	射频信号分析、PCA降维	非线性SVM	射频信号	海绵滴水模型、玻璃珠/明胶液滴体模、体内实验数据
11	2025-06-26	Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features 2025-Jul, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70217 PMID:40552679	研究论文	本研究利用机器学习和CT特征预测系统性硬化症肺移植后的原发性移植物功能障碍	首次在系统性硬化症患者中应用深度学习算法自动计算CT图像特征，并结合多种机器学习模型预测PGD	样本量相对较小（92例），且为单中心回顾性研究	预测系统性硬化症患者肺移植后的原发性移植物功能障碍	92例接受双侧肺移植的系统性硬化症患者	数字病理学	系统性硬化症	CT扫描、深度学习	多元逻辑回归、SVM、随机森林分类器(RFC)、多层感知机(MLP)	CT图像	92例系统性硬化症肺移植患者（2007-2020年）
12	2025-06-26	[A deep learning method for differentiating nasopharyngeal carcinoma and lymphoma based on MRI] 2025-Jul, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology head and neck surgery DOI:10.13201/j.issn.2096-7993.2025.07.001 PMID:40555483	research paper	开发一种基于常规MRI的深度学习模型，用于自动分割和鉴别诊断鼻咽癌（NPC）和鼻咽淋巴瘤（NPL）	利用深度学习模型结合常规MRI数据进行自动分割和分类，提高了鼻咽癌和鼻咽淋巴瘤的鉴别诊断准确性	研究为回顾性研究，样本量有限，且仅来自单一医疗中心	开发一种自动化的深度学习模型，用于鼻咽癌和鼻咽淋巴瘤的鉴别诊断	鼻咽癌（NPC）和鼻咽淋巴瘤（NPL）患者	digital pathology	nasopharyngeal carcinoma, lymphoma	MRI	ResNet101	image	434名患者（142名NPL患者和292名NPC患者）
13	2025-06-26	Application Value of Deep Learning-Based AI Model in the Classification of Breast Nodules 2025-Jun-25, British journal of hospital medicine (London, England : 2005) DOI:10.12968/hmed.2025.0078 PMID:40554435	研究论文	本研究开发了一种基于深度学习的AI模型，用于辅助超声医师对乳腺结节进行BI-RADS分类，以提高诊断准确性	利用卷积神经网络（CNN）构建的AI模型显著提高了乳腺结节分类的敏感性和特异性，并减少了医师间的诊断差异	研究为回顾性分析，可能存在选择偏差，且样本量相对有限	评估基于深度学习的AI模型在乳腺结节分类中的临床应用价值	558名乳腺结节患者（BI-RADS 3-5类）的1026个乳腺结节	数字病理学	乳腺癌	超声检查	CNN	图像	558名患者的1026个乳腺结节
14	2025-06-26	Letter by Sacoransky Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure" 2025-Jun-25, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.018652 PMID:40557525	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2025-06-26	Deep learning algorithms from histopathological images stratify molecular subtypes for leiomyosarcoma: a proof-and-concept diagnostic study 2025-Jun-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002667 PMID:40557542	研究论文	本研究开发并验证了基于深度学习的算法，用于通过单张H&E染色的全切片图像（WSIs）对平滑肌肉瘤（LMS）的分子亚型进行分层并预测生存期	首次使用深度学习算法从组织病理学图像中分层平滑肌肉瘤的分子亚型，并预测患者生存期，显著提高了病理学家的工作效率和准确性	需要更大规模的前瞻性队列研究进行进一步验证	开发并验证深度学习算法，用于平滑肌肉瘤的分子亚型分层和生存期预测	平滑肌肉瘤（LMS）患者的组织病理学图像	数字病理学	平滑肌肉瘤	深度学习	DesenNet121, ResNet50	图像	训练集154例WSIs（1,579,215个tiles），外部测试集80例WSIs（555,211个tiles）
16	2025-06-26	Advancing Soil Organic Carbon Prediction: A Comprehensive Review of Technologies, AI, Process-Based and Hybrid Modelling Approaches 2025-Jun-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504152 PMID:40557741	综述	本文综述了土壤有机碳(SOC)预测方法的最新进展，包括遥感、近端土壤传感、人工智能建模、生物地球化学建模及数据融合技术	整合多种传感技术与AI建模方法，特别是深度学习，以提高SOC预测的准确性，并探讨了生物地球化学模型与AI结合的新途径	未提出单一最佳AI算法，且生物地球化学模型存在假设、参数化和结构上的局限性	支持气候变化减缓努力并促进可持续农业管理实践	土壤有机碳(SOC)	环境科学	NA	遥感(RS)、近端土壤传感(PSS)、机器学习(ML)、深度学习(DL)、生物地球化学建模、数据融合	ML、DL	遥感数据、土壤传感数据	NA
17	2025-06-26	Dual-Branch Contrastive Network with Deep Separable Convolution for Enhanced 6mA Site Identification 2025-Jun-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01058 PMID:40558076	研究论文	提出了一种名为DS6mA的创新深度学习模型，用于增强6mA位点的预测	使用双分支对比网络和深度可分离卷积提取DNA序列中的关键位置信息	NA	提高6mA位点的预测准确性	DNA N6-甲基腺嘌呤（6mA）位点	生物信息学	NA	深度学习	双分支对比网络、深度可分离卷积	DNA序列	11个不同的综合基准数据集
18	2025-06-26	High-performance Open-source AI for Breast Cancer Detection and Localization in MRI 2025-Jun-25, Radiology. Artificial intelligence DOI:10.1148/ryai.240550 PMID:40560044	研究论文	开发并评估了一种用于MRI乳腺癌检测和定位的开源深度学习模型	使用了迄今为止最大的乳腺癌MRI数据集进行训练，并在多个临床站点验证了模型的泛化能力	研究为回顾性设计，可能影响结果的普适性	开发高性能开源AI模型用于乳腺癌检测和定位	乳腺癌MRI图像	数字病理学	乳腺癌	MRI	深度学习模型	MRI图像	30,672次矢状面MRI检查（52,598个乳房）来自9,986名女性患者，以及来自第二临床站点的1,840个乳房的轴向数据
19	2025-06-26	Assessing Uncertainty in Machine Learning for Polymer Property Prediction: A Benchmark Study 2025-Jun-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00550 PMID:40560148	研究论文	本文通过基准研究评估了九种不确定性量化方法在机器学习中预测聚合物性能的应用	首次全面比较了九种不确定性量化方法在聚合物性能预测中的表现，并提供了针对不同场景的最佳方法选择	研究仅针对四种聚合物性能进行评估，可能无法完全代表所有聚合物特性	评估不同不确定性量化方法在聚合物性能预测中的效果，以提高机器学习预测的可靠性	聚合物性能（玻璃化转变温度、带隙、熔点和分解温度）	机器学习	NA	不确定性量化方法（包括ensemble、GPR、MCD、MVE、BNN-VI、BNN-MCMC、EDL、QR、NGBoost）	多种机器学习模型	聚合物性能数据	四种聚合物性能数据集，包括OOD实验数据和MD衍生数据
20	2025-06-26	An innovative ensemble approach of deep learning models with soft computing techniques for GIS-based drought-zonation mapping in Rarh Region, West Bengal 2025-Jun-25, Environmental science and pollution research international DOI:10.1007/s11356-025-36634-7 PMID:40560313	研究论文	本研究提出了一种创新的深度学习模型集成方法，结合软计算技术，用于基于GIS的西孟加拉邦Rarh地区干旱分区制图	采用混合深度学习集成模型（Hybrid Deep Learning Ensemble model）进行干旱分区制图，相比传统MLP NN和DenseNet神经网络具有更高精度	研究仅针对西孟加拉邦Rarh地区，结果可能不适用于其他地理区域	开发高精度的干旱分区制图方法，为决策者提供干旱风险管理依据	西孟加拉邦Rarh地区的Birbhum和Purba Bardhhaman districts	地理信息系统(GIS)	NA	深度学习集成模型、软计算技术	MLP NN, DenseNet, Hybrid Deep Learning Ensemble	气象、农业、水文和社会经济数据	27个干旱评估因子，覆盖3个月、6个月和12个月的时间间隔