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	2025-04-25	Artificial intelligence in bacterial diagnostics and antimicrobial susceptibility testing: Current advances and future prospects 2025-Jul-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117399 PMID:40184880	综述	本文综述了人工智能在细菌诊断和抗菌药物敏感性测试中的当前进展和未来前景	探讨了AI如何通过机器学习和深度学习模型（如Random Forest、SVM、CNN和transformer）革新细菌检测和AST，提供更高效、可及和可靠的诊断方案	未具体提及当前AI技术的局限性	探索AI在细菌诊断和抗菌药物敏感性测试中的应用及其未来发展方向	细菌诊断和抗菌药物敏感性测试	机器学习	细菌感染	机器学习、深度学习、质谱、显微镜检测、电化学传感器、拉曼光谱等	Random Forest、SVM、CNN、transformer	图像、光谱数据、电化学数据等	NA
2	2025-04-25	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2025-Jun, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	研究论文	本研究利用深度学习技术分析儿童心电图，以预测继发孔型房间隔缺损（ASD2）	首次将AI增强的心电图分析应用于儿科人群，开发了卷积神经网络（AI-pECG）来检测ASD2	需要未来多中心验证和前瞻性试验以支持临床决策	开发一种低成本筛查和检测儿童ASD2的方法	年龄≤18岁且无重大先天性心脏病的患者	数字病理学	心血管疾病	深度学习	CNN	心电图和超声心动图配对数据	训练队列包含92,377对心电图-超声心动图数据（46,261名患者），测试组包括内部测试组（12,631名患者）和急诊科队列（2,830名患者）
3	2025-04-25	Machine learning-based detection and quantification of red blood cells in Cholistani cattle: A pilot study 2025-Jun, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105650 PMID:40215610	研究论文	本研究首次使用机器学习检测和计数巴基斯坦Cholistani牛的正常和异常红细胞（RBCs），包括泪滴细胞和裂红细胞	首次在Cholistani牛中应用机器学习进行红细胞检测和计数，并比较了SVM模型与人工计数方法的效果	需要进一步改进以提升使用卷积神经网络或其他深度学习方法进行红细胞检测的准确性	探索机器学习在兽医血液学评估中的应用潜力	Cholistani牛的红细胞（包括正常红细胞、泪滴细胞和裂红细胞）	机器学习	NA	支持向量机（SVM）、主成分分析（PCA）	SVM	图像	预标注的血涂片图像数据集，随机分为训练集（80%）和测试集（20%）
4	2025-04-25	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-Jun, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases DOI:10.1016/j.meegid.2025.105751 PMID:40220943	综述	本文通过范围综述方法，系统评估了机器学习在宿主-病原体相互作用预测中的应用	不同于以往综述，本研究系统比较了不同计算方法，并提供了未来研究的路线图	发现数据集标准化和模型可解释性方面存在显著差距	评估机器学习在宿主-病原体相互作用预测中的有效性	宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用）	机器学习	感染性疾病	机器学习算法	Random Forest, Gradient Boosting, CNN, RNN	分子相互作用数据	46篇相关文章（最终筛选30篇）
5	2025-04-25	An Intelligent Model of Segmentation and Classification Using Enhanced Optimization-Based Attentive Mask RCNN and Recurrent MobileNet With LSTM for Multiple Sclerosis Types With Clinical Brain MRI 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70036 PMID:40269999	研究论文	本文提出了一种基于深度学习的智能模型，用于通过临床脑部MRI扫描对多发性硬化症类型进行分割和分类	该模型的主要创新点在于将注意力机制和基于循环的深度学习应用于卷积网络，以分类疾病，并提出了一种优化算法来调整参数以提高性能	NA	开发一种深度学习系统，用于通过临床脑部MRI扫描对多发性硬化症类型进行分类	多发性硬化症（MS）的临床脑部MRI扫描图像	数字病理学	多发性硬化症	MRI	AA-MRCNN, RM-LSTM	图像	3427张图像
6	2025-04-25	Future prospects of deep learning in esophageal cancer diagnosis and clinical decision support (Review) 2025-Jun, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15039 PMID:40271007	review	本文综述了深度学习在食管癌诊断和临床决策支持中的最新进展及未来前景	深度学习在提高早期食管癌病变检测、区分良恶性病变及辅助癌症分期和预后方面显示出巨大潜力	面临图像质量变化、数据标注不足和泛化能力有限等挑战	探讨深度学习在食管癌诊断和临床决策支持中的应用	食管癌（EC）及其癌前病变如Barrett食管	digital pathology	esophageal cancer	deep learning	NA	medical images	NA
7	2025-04-25	Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging 2025-Jun, BioMedInformatics DOI:10.3390/biomedinformatics5020020 PMID:40271381	综述	本文回顾并总结了提高深度学习模型在神经影像分割和分类中鲁棒性和泛化能力的策略	总结了包括正则化、数据增强、迁移学习和不确定性估计在内的关键策略，以应对数据变异性和领域转移等主要挑战	仅包括英文同行评审的脑成像研究，可能忽略了其他语言或非脑部影像的研究	提高深度学习模型在神经影像分割和分类中的鲁棒性和泛化能力，以促进其在实际临床中的应用	神经影像数据	医学影像分析	神经系统疾病	深度学习	深度学习模型	医学影像	NA
8	2025-04-25	Performance of Artificial Intelligence in Diagnosing Lumbar Spinal Stenosis: A Systematic Review and Meta-Analysis 2025-May-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005174 PMID:39451133	meta-analysis	该研究通过系统综述和荟萃分析评估了人工智能在诊断腰椎管狭窄症（LSS）中的表现	首次对AI在LSS诊断中的准确性进行了系统性评估，并比较了深度学习和机器学习模型的表现	需要进一步的外部验证以增强对不同狭窄类别的分析，并提高对轻度至中度狭窄水平的诊断准确性	评估AI在诊断各种类型腰椎管狭窄症及其狭窄程度中的诊断价值	腰椎管狭窄症（LSS）患者	数字病理	腰椎管狭窄症	深度学习和机器学习	DL和ML	医学影像数据	48篇研究文章
9	2025-04-25	Assessing Pan-Canada wildfire susceptibility by integrating satellite data with novel hybrid deep learning and black widow optimizer algorithms 2025-May-15, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179369 PMID:40239493	research paper	本研究通过整合卫星数据、深度学习和元启发式算法，开发了多种新型深度学习模型，用于评估加拿大全国范围内的野火发生概率	开发了新型的独立LSTM、RNN、BiLSTM和BiRNN模型，并与黑寡妇优化器（BWO）进行混合，提高了野火预测的准确性	研究仅基于历史野火数据，未来气候变化等因素可能影响模型的预测效果	开发成本效益高且可靠的野火预测方法，以改善加拿大的土地管理和野火预防策略	加拿大全国范围内的野火发生概率	machine learning	NA	remote sensing, deep learning, metaheuristic algorithms	LSTM, RNN, BiLSTM, BiRNN, BWO	satellite data, historical wildfire locations	4240 historical large wildfire locations (2014-2023)
10	2025-04-25	Molecular surfaces modeling: Advancements in deep learning for molecular interactions and predictions 2025-May-12, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.151799 PMID:40239539	综述	本文综述了分子表面分析与人工智能技术结合的最新进展及其在分子相互作用和预测中的应用	整合分子表面表示与先进AI算法，揭示隐藏的模式和设计原则，推动药物开发、材料工程和催化等领域的进步	NA	加速分子发现和创新，优化分子性质，推动药物开发、材料工程和催化等领域的进步	分子表面分析及其与AI技术的结合	机器学习	NA	AI技术	NA	分子表面数据	NA
11	2025-04-25	Feasibility of deep learning algorithm in diagnosing lumbar central canal stenosis using abdominal CT 2025-May, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04796-z PMID:39249505	研究论文	开发一种基于深度学习的算法，利用腹部CT和腰椎CT诊断腰椎中央管狭窄症	首次使用U-Net架构的深度学习模型自动分割硬膜囊并分类中央管狭窄，且在腹部CT上的诊断性能与腰椎CT相当	样本量较小（仅9名患者的990张图像），且为回顾性研究	评估深度学习算法在诊断腰椎中央管狭窄症中的可行性	腰椎中央管狭窄症患者	数字病理学	腰椎疾病	CT成像	U-Net	医学影像	990张CT图像来自9名患者
12	2025-04-25	Deep Learning-Based Classification of Early-Stage Mycosis Fungoides and Benign Inflammatory Dermatoses on H&E-Stained Whole-Slide Images: A Retrospective, Proof-of-Concept Study 2025-May, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.07.036 PMID:39306030	研究论文	本研究探讨了深度学习在区分早期蕈样肉芽肿和良性炎症性皮肤病中的应用，使用H&E染色的全切片图像数据集	首次将深度学习应用于皮肤淋巴瘤的分类，特别是在早期蕈样肉芽肿与良性炎症性皮肤病的区分上	需要更大的多机构数据集和改进的方法论，如结合临床数据的多模态深度学习	评估深度学习在早期蕈样肉芽肿与良性炎症性皮肤病分类中的表现	皮肤活检的H&E染色全切片图像	数字病理学	皮肤淋巴瘤	深度学习	弱监督深度学习模型	图像	924张H&E染色全切片图像，包括233名早期蕈样肉芽肿患者和353名良性炎症性皮肤病患者
13	2025-04-25	Deep learning radiomic nomogram outperforms the clinical model in distinguishing intracranial solitary fibrous tumors from angiomatous meningiomas and can predict patient prognosis 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11082-y PMID:39412667	研究论文	本文评估了基于MRI的深度学习放射组学列线图（DLRN）在区分颅内孤立性纤维瘤（ISFTs）和血管瘤性脑膜瘤（AMs）及预测ISFT患者总生存期（OS）中的价值	提出的DLRN在区分ISFTs和AMs方面优于临床模型（CM），并能预测ISFT患者的OS	研究样本主要来自两家医院，可能存在选择偏倚	评估DLRN在区分ISFTs和AMs及预测ISFT患者OS中的价值	颅内孤立性纤维瘤（ISFTs）和血管瘤性脑膜瘤（AMs）患者	数字病理	脑肿瘤	MRI	深度学习放射组学列线图（DLRN）	医学影像	共1221名患者（1090名来自北京天坛医院，131名来自兰州大学第二医院）
14	2025-04-25	MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11105-8 PMID:39422725	系统综述	本文系统综述了基于深度学习的MRI模型在辅助诊断多种膝关节异常方面的现状	总结了不同CNN架构在膝关节MRI诊断中的应用及其性能表现，强调了病理特异性模型相比通用异常检测模型的优势	纳入研究的设计存在较大异质性，且模型性能受训练数据量和多样性的限制	评估深度学习模型在膝关节MRI辅助诊断中的临床潜力	膝关节异常（包括前交叉韧带损伤、骨关节炎、半月板损伤等）	数字病理	膝关节疾病	MRI	CNN（包括ResNet、VGG、DenseNet、DarkNet等）	医学影像	54篇纳入文献（涉及多种膝关节病理类型）
15	2025-04-25	Deep learning super-resolution reconstruction for fast and high-quality cine cardiovascular magnetic resonance 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11145-0 PMID:39441391	研究论文	比较标准分辨率和低分辨率但通过深度学习超分辨率算法重建的心血管磁共振电影图像	使用深度学习超分辨率算法重建低分辨率图像，显著减少采集时间而不影响图像质量或体积测量结果	样本量较小（30名参与者），且仅针对特定心血管磁共振成像技术	评估深度学习超分辨率重建在心血管磁共振成像中的应用效果	健康志愿者和患者的心血管磁共振电影图像	医学影像处理	心血管疾病	深度学习超分辨率算法、压缩感知去噪和分辨率提升	DL（深度学习）	图像	30名参与者（20名健康志愿者和10名患者）
16	2025-04-25	Unbiased and reproducible liver MRI-PDFF estimation using a scan protocol-informed deep learning method 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11164-x PMID:39500799	research paper	该研究提出了一种基于深度学习的VET-Net方法，用于从化学位移编码MR图像中估计质子密度脂肪分数（PDFF），并在不同MR扫描仪和采集回波时间（TE）下保持精确性和鲁棒性	VET-Net通过引入TE作为辅助输入，实现了在任何TE设置下的PDFF计算，且在多站点和多厂商数据集上表现出较小的偏差和较高的可重复性	当不考虑辅助TE输入时，PDFF的可重复性和偏差会受到负面影响	开发一种能够在不同MR扫描仪和采集回波时间下精确估计质子密度脂肪分数（PDFF）的深度学习方法	肝脏化学位移编码MR图像	digital pathology	hepatic steatosis	chemical shift encoded MRI (CSE-MRI)	VET-Net (Variable echo times neural network)	image	188名受试者的4146个轴向切片，分为训练集（150名）、验证集（18名）和测试集（20名）
17	2025-04-25	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	开发了一种基于深度学习的微交互分割方法，用于CT和MRI上的软组织肿瘤分割	提出了一种仅需用户点击六个点即可生成距离图作为CNN输入的微交互分割方法，显著提高了分割效率和准确性	需要用户进行少量交互操作，可能仍存在一定的主观性	开发一种高效的软组织肿瘤分割方法以替代传统手动分割	软组织肿瘤(STTs)	数字病理	软组织肿瘤	深度学习	CNN	医学影像(CT和MRI)	514名患者(训练和内部验证) + 外部验证数据集(包含5种未见过的STT表型)
18	2025-04-25	Deep Learning for Contrast Enhanced Mammography - A Systematic Review 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.035 PMID:39643464	系统综述	本文系统综述了深度学习在对比增强乳腺摄影（CEM）中的应用，探讨了这些模型如何进一步提升CEM的诊断潜力	首次系统性地回顾了深度学习在CEM中的应用，并总结了不同模型的性能表现	研究数量相对较少且多为回顾性研究，缺乏前瞻性临床验证	评估深度学习算法在CEM图像自动分析中的应用效果	对比增强乳腺摄影（CEM）图像	数字病理学	乳腺癌	深度学习	CNN	医学影像	16项研究（2018-2024年）
19	2025-04-25	Deep Learning Model for the Differential Diagnosis of Nasal Polyps and Inverted Papilloma by CT Images: A Multicenter Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.011 PMID:39730250	research paper	本研究开发了一种基于CT图像的深度学习模型，用于区分鼻腔息肉和倒置性乳头状瘤，并通过多中心研究验证其性能	首次利用深度学习模型（3D Xception）在CT图像上区分鼻腔息肉和倒置性乳头状瘤，并通过蛋白质组学分析揭示模型预测与上皮细胞分化的关联	研究样本来自两家医院，可能存在选择偏差；蛋白质组学分析的样本量较小（70例）	开发并验证一种深度学习模型，以提高鼻腔良性肿瘤（鼻腔息肉和倒置性乳头状瘤）的鉴别诊断准确性	鼻腔良性肿瘤患者（鼻腔息肉和倒置性乳头状瘤）	digital pathology	nasal cavity tumors	CT imaging, proteomics analysis	3D ResNet, 3D Xception, HRNet	CT images	1791名患者（来自两家医院），其中70名进行了蛋白质组学分析
20	2025-04-25	Using interpretable deep learning radiomics model to diagnose and predict progression of early AD disease spectrum: a preliminary [18F]FDG PET study 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11158-9 PMID:39477837	研究论文	本研究提出了一种基于[18F]FDG PET图像的可解释深度学习放射组学（IDLR）模型，用于诊断阿尔茨海默病（AD）的临床谱并预测轻度认知障碍（MCI）向AD的进展	提出的IDLR模型结合了放射组学和深度学习的特征，提高了模型的可解释性和分类准确性	研究为初步结果，样本量虽大但来自两个不同种族群体，可能存在泛化性问题	开发可解释的深度学习模型以提高AD谱系诊断和MCI向AD进展预测的准确性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	数字病理学	老年病	[18F]FDG PET成像	IDLR（可解释深度学习放射组学模型）	图像	1962名受试者（来自ADNI的高加索人群和中国两家医院的亚洲人群）