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	2025-05-02	Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22006 PMID:40302983	研究论文	探讨合成数据在训练深度学习模型用于对比增强乳腺摄影中病变检测和分类的影响	研究合成数据（特别是模拟微钙化簇）对提升深度学习模型性能的潜力，尤其是在真实数据稀缺的情况下	合成数据加入较小真实训练集时虽提高恶性病变检测灵敏度但降低了精确度，且集成模型性能不如独立DL模型	优化对比增强乳腺摄影中病变检测和分类的深度学习模型性能	乳腺摄影图像中的增强肿块和微钙化簇	数字病理学	乳腺癌	深度学习与放射组学分类器集成	DL（深度学习模型）与放射组学分类器	图像（低能量与重组对比增强乳腺摄影图像）	训练集：782例无病变乳房（合成数据）+850例真实患者；验证集：内部212例+外部279例真实患者
2	2025-05-02	Educational strategies for teaching metabolic profiles across three endurance training zones 2025-Jun-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00094.2024 PMID:39809450	research paper	本文探讨了一种创新的教育方法，使用代谢板来增强对三个耐力训练区域肌肉代谢的理解	开发了一种交互式代谢板工具，用于简化复杂的生理过程并促进深度学习	未提及具体的研究样本量或实验验证结果	提高对耐力训练区域肌肉代谢的理解，并优化训练处方决策	运动科学专业的学生和专业人士	运动科学	NA	NA	NA	real data	NA
3	2025-05-02	Genetic Distinctions Between Reticular Pseudodrusen and Drusen: A Genome-Wide Association Study 2025-Jun, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.03.007 PMID:40064387	research paper	通过全基因组关联研究（GWAS）识别网状假性玻璃膜疣（RPD）与玻璃膜疣（drusen）之间的遗传差异	发现了三个与RPD独特相关的新遗传变异位点，并确认了ARMS2-HTRA1位点与RPD负荷的明确关联	样本量相对较小，尤其是纯RPD病例较少，且部分发现的遗传变异为罕见变异（次要等位基因频率<5%）	识别RPD与drusen的特定遗传决定因素	UK Biobank（UKBB）中的RPD患者、drusen患者和对照组参与者	遗传学	年龄相关性黄斑变性（AMD）	全基因组关联研究（GWAS）、深度学习框架、光学相干断层扫描（OCT）	深度学习	基因组数据、OCT图像、彩色眼底照片	1787名参与者（1037名对照、361名纯drusen、66名纯RPD、323名混合病例）
4	2025-05-02	Multi-class brain malignant tumor diagnosis in magnetic resonance imaging using convolutional neural networks 2025-Jun-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111329 PMID:40180191	研究论文	本研究开发了一种名为FoTNet的深度学习模型，用于提高多类脑恶性肿瘤在磁共振成像中的自动诊断准确性	模型整合了基于频率的通道注意力层和焦点损失函数，以解决由PCNSL样本有限引起的类别不平衡问题	研究依赖于多中心MRI数据集，但PCNSL样本相对较少，可能影响模型的泛化能力	提高脑恶性肿瘤（GBM、PCNSL和BM）在MRI中的自动诊断准确性	多类脑恶性肿瘤（GBM、PCNSL和BM）的MRI图像	数字病理学	脑恶性肿瘤	MRI	CNN	图像	409例（58 GBM、82 PCNSL和269 BM）的T1加权对比增强MRI图像
5	2025-05-02	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-06, 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预测宿主-病原体相互作用（HPI）中的应用	首次系统比较了不同机器学习方法在HPI预测中的效果，并提出了未来研究的路线图	纳入分析的文献数量有限（30篇），且存在数据集标准化和模型可解释性方面的挑战	评估机器学习算法在宿主-病原体相互作用预测中的有效性	宿主-病原体蛋白质相互作用（PPIs）	机器学习	传染病	机器学习算法	Random Forest, Gradient Boosting, CNN, RNN	蛋白质相互作用数据	46篇初步筛选文献，最终纳入30篇
6	2025-05-02	Dynamic Prediction and Intervention of Serum Sodium in Patients with Stroke Based on Attention Mechanism Model 2025-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00192-x PMID:40309130	研究论文	本研究开发了一种基于多头注意力机制的深度学习模型，用于实时预测卒中患者的血清钠浓度并提供个性化干预建议	引入了一种创新的时间-特征融合多头注意力（TFF-MHA）模型，能够处理复杂的动态特征和长时间序列数据，优于现有模型	模型依赖于公开数据集，可能无法涵盖所有临床场景	优化卒中危重患者的血清钠管理策略	ICU卒中患者	医疗信息学	卒中	深度学习	TFF-MHA（时间-特征融合多头注意力模型）	时间序列临床数据	MIMIC-III（2346例）和MIMIC-IV（896例）数据集
7	2025-05-02	Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A case study with South Korean air quality data 2025-May-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179303 PMID:40245507	研究论文	提出了一种基于LSTM自编码器的新型时间空气质量风险指数（TARI），以更全面地评估空气污染对健康的影响	首次将深度学习应用于环境指数开发，通过LSTM自编码器捕捉环境因素的复杂相互作用和时间依赖性	研究仅基于韩国空气质量数据，可能在其他地区的适用性有待验证	开发更全面的空气质量指数以更准确地评估空气污染对健康的影响	韩国空气质量数据	机器学习	NA	LSTM autoencoder	LSTM	时间序列数据	韩国空气质量数据
8	2025-05-02	Massive experimental quantification allows interpretable deep learning of protein aggregation 2025-May-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adt5111 PMID:40305601	研究论文	本文通过实验量化超过10万种蛋白质序列的聚集情况，训练了一个名为CANYA的卷积-注意力混合神经网络，用于从序列中准确预测蛋白质聚集	利用大规模实验数据集训练了新型卷积-注意力混合神经网络CANYA，并采用基因组神经网络可解释性分析方法揭示了模型的决策过程和学习语法	未提及具体局限性	开发能够从蛋白质序列准确预测聚集行为的计算方法	蛋白质聚集现象	机器学习	NA	卷积-注意力混合神经网络	CNN-注意力混合模型(CANYA)	蛋白质序列数据	超过10万种蛋白质序列
9	2025-05-02	A multimodal and fully automated system for prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer 2025-May-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr1576 PMID:40305609	研究论文	开发了一种多模态集成全自动管道系统（MIFAPS），用于预测乳腺癌患者对新辅助化疗的病理完全缓解	整合了多模态数据（MRI、全切片图像和临床风险因素）并实现了全自动化预测系统，显著优于单模态模型	研究样本虽来自多中心，但可能仍存在一定的选择偏差	提高乳腺癌患者对新辅助化疗病理完全缓解的预测准确性	1004名局部晚期乳腺癌患者	数字病理学	乳腺癌	MRI、全切片图像分析	深度学习模型	图像、临床数据	1004名患者
10	2025-05-02	Omics data classification using constitutive artificial neural network optimized with single candidate optimizer 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2348726 PMID:38736309	research paper	提出了一种使用单候选优化器优化的构成性人工神经网络进行组学数据分类的方法	结合了自适应变分贝叶斯滤波、斑马优化算法和单候选优化器优化的构成性人工神经网络，提高了分类准确率	未提及方法在更大规模数据集上的泛化能力	提高组学数据分类的准确性	基因组学、蛋白质组学和微生物组学数据	machine learning	NA	Adaptive variational Bayesian filtering, Zebra Optimization Algorithm	Constitutive Artificial Neural Network (CANN)	omics data	NA
11	2025-05-02	Artificial Intelligence Measurement of Preoperative Radiographs in Adolescent Idiopathic Scoliosis Based on Multiple-View Semantic Segmentation 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241270036 PMID:39109794	研究论文	本研究探讨了基于深度学习的青少年特发性脊柱侧凸（AIS）自动分类方法，并验证了机器分类与人工分类的一致性	利用U-Net语义分割神经网络技术和深度学习方法，实现了脊柱多视图的自动分割和对齐关系建立，以及Cobb角等脊柱特征的自动提取	研究样本量相对较小，且性别比例不均（男性81例，女性425例）	开发并验证一种自动化的AIS影像分类方法，以提高分类的一致性和准确性	青少年特发性脊柱侧凸（AIS）患者	数字病理	脊柱侧凸	深度学习，U-Net语义分割神经网络	U-Net	图像	506例（训练集），107例（测试集）
12	2025-05-02	A New Method for Scoliosis Screening Incorporating Deep Learning With Back Images 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241282581 PMID:39264983	研究论文	提出了一种结合深度学习与背部图像的新方法用于脊柱侧弯筛查	利用深度学习算法自动进行脊柱侧弯筛查，减少不必要的辐射风险和筛查成本	研究样本量较小（247例），且为回顾性研究	开发一种自动化、准确、简洁且方便的脊柱侧弯筛查方法	脊柱侧弯患者	计算机视觉	脊柱侧弯	深度学习	NA	图像（正面、侧面、背部直立图像及X射线图像）	247例脊柱侧弯患者（2008-2021年数据）
13	2025-05-02	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	本文系统综述了用于辅助诊断多种膝关节异常的深度学习MRI模型的现状	总结了不同卷积神经网络在膝关节病理诊断中的性能表现，并比较了特定损伤检测与一般异常检测模型的准确性差异	研究设计存在差异，现有模型性能与临床需求之间仍存在差距，需要更大规模的MRI数据集进行验证	评估深度学习模型在膝关节病理MRI辅助诊断中的临床应用潜力	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篇相关研究文章
14	2025-05-02	Lumbar Spinal Stenosis Grading in Multiple Level Magnetic Resonance Imaging Using Deep Convolutional Neural Networks 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241299332 PMID:39487037	研究论文	该研究通过比较专家和深度卷积神经网络（CNN）对腰椎多水平磁共振成像（MRI）的狭窄分级，探讨深度学习在临床诊断中的应用	使用CNN进行腰椎狭窄分级和神经根分类，展示了深度学习在医学影像诊断中的潜力	解剖结构的突然变化可能导致仅基于图像的诊断困难	评估深度学习模型在腰椎狭窄分级和神经根分类中的性能	腰椎多水平磁共振成像	数字病理学	脊柱疾病	MRI	CNN	图像	NA
15	2025-05-02	Hybrid deep learning-based skin cancer classification with RPO-SegNet for skin lesion segmentation 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2428705 PMID:39628058	research paper	提出了一种基于混合深度学习的皮肤癌分类方法，使用RPO-SegNet进行皮肤病变分割	结合了RP-Net和O-SegNet形成RPO-SegNet，并采用FSCMN进行皮肤癌分类，提高了准确率和分割性能	未提及数据集的具体来源和样本多样性，可能影响模型的泛化能力	提高皮肤癌的准确识别率，降低误诊率	皮肤黑色素病变	digital pathology	skin cancer	deep learning	RPO-SegNet, FSCMN, DMN, ShCNN	image	NA
16	2025-05-02	Using machine learning for personalized prediction of longitudinal coronavirus disease 2019 vaccine responses in transplant recipients 2025-May, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1 DOI:10.1016/j.ajt.2024.11.033 PMID:39643006	研究论文	本研究利用机器学习方法预测移植受者接种COVID-19疫苗后的长期免疫反应	提出了一种结合胶囊网络与LSTM的新型模型routed LSTM，减少了大数据集的需求，并在预测疫苗反应方面表现最佳	研究样本仅来自加拿大多中心队列的303名移植受者，可能限制了结果的普遍性	比较深度学习架构在预测移植受者接种SARS-CoV-2疫苗后12个月免疫反应方面的性能	303名实体器官移植受者	机器学习	COVID-19	机器学习、深度学习	LSTM、RNN、routed LSTM、逻辑回归、epsilon-支持向量回归、随机森林回归器、梯度提升回归器	临床数据、抗体测量数据	303名实体器官移植受者
17	2025-05-02	Artificial Intelligence for Cervical Spine Fracture Detection: A Systematic Review of Diagnostic Performance and Clinical Potential 2025-May, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251314379 PMID:39800538	系统综述	本文系统评估了人工智能和深度学习模型在颈椎骨折检测中的诊断性能及其临床潜力	首次系统综述了AI和DL模型在颈椎骨折检测中的应用，比较了不同模型和成像方式的性能差异	大多数研究缺乏外部验证，结果的可推广性存疑	评估AI和DL模型在颈椎骨折检测中的诊断性能及其临床应用潜力	颈椎骨折	数字病理学	骨科疾病	CT和X光成像	CNN, MobileNetV2, Vision Transformer (ViT)	医学影像	11项研究(2021-2024年间发表)
18	2025-05-02	Deep learning image enhancement for confident diagnosis of TMJ osteoarthritis in zero-TE MR imaging 2025-05-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae063 PMID:39989448	research paper	评估深度学习在零回波时间MRI（ZTE-MRI）中去噪和伪影减少（AR）中的有效性，并比较图像诊断与颞下颌关节（TMJ）锥形束CT（CBCT）的临床适用性	新开发的深度学习技术用于ZTE-MRI的去噪和伪影减少，展示了临床实用性	样本量较小（30名患者），且仅针对TMJ骨成像	评估深度学习在ZTE-MRI图像增强中的效果，以替代CBCT在TMJ骨成像中的应用	30名患者的CBCT和ZTE-MRI数据	digital pathology	TMJ osteoarthritis	deep learning, ZTE-MRI, CBCT	deep learning	image	30名患者的CBCT和ZTE-MRI数据
19	2025-05-02	Prediction of Hypoglycemia From Continuous Glucose Monitoring in Insulin-Treated Patients With Type 2 Diabetes Using Transfer Learning on Type 1 Diabetes Data: A Deep Transfer Learning Approach 2025-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968231215324 PMID:38014538	research paper	该研究利用迁移学习技术，基于1型糖尿病患者的连续血糖监测数据，开发了一个深度学习模型，用于预测2型糖尿病患者的低血糖事件	首次将迁移学习应用于从1型糖尿病数据中学习，以预测2型糖尿病患者的低血糖事件	模型在外部验证集上的阳性预测值较低（40.49%）	开发一个能够准确预测胰岛素治疗的2型糖尿病患者低血糖事件的深度学习模型	胰岛素治疗的2型糖尿病患者	machine learning	diabetes	continuous glucose monitoring (CGM)	CNN	time-series data	226名1型糖尿病患者和180名2型糖尿病患者的CGM数据，外部验证集包含334711个一小时CGM样本
20	2025-05-02	DDUM: Deformable Dilated U-structure Module for coronary stenosis detection 2025-May, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104337 PMID:40306887	research paper	提出了一种可变形可扩展的U结构模块（DDUM），用于提高冠状动脉狭窄检测的准确性和泛化能力	DDUM模块能够针对冠状动脉狭窄检测任务优化通用网络，显著提升模型性能和泛化能力	未提及具体的数据集规模和多样性限制	提高冠状动脉狭窄检测的准确性和模型泛化能力	冠状动脉狭窄检测	computer vision	cardiovascular disease	deep learning	ResNet50 + faster R-CNN	medical imaging (coronary angiography)	NA