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
181	2025-06-22	Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)" 2025-Jun-04, JMIR research protocols IF:1.4Q3 DOI:10.2196/67875 PMID:40466092	研究论文	该研究旨在通过WATCH队列研究评估乳腺癌放疗后心房颤动的发生率及其与心脏辐射暴露的关联	首次系统研究乳腺癌放疗后心房颤动的发生率，并探索心脏辐射暴露与心房颤动发生的关联	样本量相对较小（200名患者），且仅针对65岁以上的患者群体	评估乳腺癌放疗后心房颤动的发生率，并研究心脏辐射暴露与心房颤动发生的关联	65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者	数字病理	乳腺癌	Withings ScanWatch智能手表监测、心电图（ECG）、经胸超声心动图（TTE）	深度学习算法	生理信号数据、医学影像数据	200名65岁以上接受乳腺癌放疗5年且无心房颤动病史的患者
182	2025-06-22	Automated periodontal assessment in orthodontic patients: a dual CNN framework 2025-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06410-5 PMID:40455084	研究论文	本研究开发了一种基于卷积神经网络（CNN）的系统，用于在正畸患者的口内图像中诊断牙结石、牙菌斑、牙龈增生和牙龈炎症	提出了一种双CNN框架（YOLOv8和混合U-Net + ResNet50模型），用于自动化牙周评估，提供快速和客观的评估	最终的诊断结论仍需依赖临床医生的专业知识和判断	开发深度学习系统以辅助正畸患者的牙周评估	正畸患者的口内图像	计算机视觉	牙周病	CNN	YOLOv8, U-Net + ResNet50	图像	1000张正畸患者的侧位和正面口内图像
183	2025-06-22	Predicting hemorrhagic transformation in acute ischemic stroke: a systematic review, meta-analysis, and methodological quality assessment of CT/MRI-based deep learning and radiomics models 2025-Jun, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02336-3 PMID:40133723	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习和放射组学在预测急性缺血性卒中出血性转化中的准确性和实用性	比较了深度学习模型、放射组学模型及临床结合模型的性能，发现临床结合模型表现最佳	存在中度至重度异质性，参考标准不一致且外部验证有限	优化急性缺血性卒中患者的治疗策略	急性缺血性卒中患者	digital pathology	cardiovascular disease	CT/MRI成像	DL和radiomics-based ML模型	医学影像	16项研究共3083名参与者
184	2025-06-22	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-Jun-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	综述	本文系统回顾了深度学习和机器学习在评估糖尿病黄斑水肿患者抗VEGF治疗反应中的应用	利用AI算法区分抗VEGF治疗的应答者和非应答者，并评估多种机器学习模型在延长给药间隔耐受性分析中的效果	研究基于2016-2023年间发表的50篇相关论文，可能存在发表偏倚	评估AI技术在糖尿病黄斑水肿抗VEGF治疗反应预测中的应用效果	糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	深度学习, 机器学习	LDA, ResNet-50, CNN with attention, QDA, RF, SVM	医学影像数据	50篇相关论文(2016-2023年)
185	2025-06-22	SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION 2025-May-30, ArXiv PMID:40492248	研究论文	提出了一种基于稀疏驱动的并行成像一致性方法，用于改进自监督MRI重建	通过精心设计的扰动训练物理驱动的深度学习网络，并在稀疏域中评估模型预测扰动的能力，从而减少伪影	在高加速率下应用时仍可能引入伪影，影响图像保真度	改进快速MRI扫描的重建质量	MRI图像重建	医学影像处理	NA	自监督学习	PD-DL（物理驱动的深度学习）	MRI图像数据	fastMRI膝盖和大脑数据集
186	2025-06-22	Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes 2025-May-28, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.036 PMID:40447246	研究论文	本研究利用深度学习技术，通过未分割的3D OCT体积数据区分视乳头水肿、非动脉炎性前部缺血性视神经病变(NAION)和健康眼睛	首次使用完整的3D OCT体积数据进行深度学习分类，而非传统的分割方法或眼底照片	研究为回顾性分析，需要前瞻性研究验证模型性能	开发自动诊断工具以区分视乳头水肿、NAION和健康眼睛	视神经头(ONH)和视乳头周围视网膜(PPR)的OCT扫描图像	数字病理	眼科疾病	光学相干断层扫描(OCT)	ResNet 3D-18	3D图像	4619份原始光谱域ONH体积扫描(1539只眼睛)，外加1663份外部验证扫描(742只眼睛)
187	2025-06-22	Automated landmark-based mid-sagittal plane: reliability for 3-dimensional mandibular asymmetry assessment on head CT scans 2025-May-26, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06397-z PMID:40415151	research paper	本研究评估了一种基于自动标记的中矢状面（MSP）在头部CT扫描中量化下颌骨不对称性的可靠性	提出了一种基于深度学习的自动标记方法构建MSP，用于评估下颌骨不对称性，并与手动方法进行比较	研究仅基于368例CT扫描，且自动方法的临床适用性需进一步验证	评估自动标记方法构建MSP在量化下颌骨不对称性中的可靠性	368例头部CT扫描，包括正颌手术患者	digital pathology	NA	deep learning-based method	NA	CT scans	368例头部CT扫描
188	2025-06-22	Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer 2025-May-15, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110242 PMID:40381695	研究论文	本研究整合了多模态放射组学和转录组学数据，利用机器学习方法预测食管癌患者的放疗敏感性和预后	首次结合SEResNet101深度学习模型分析多模态数据，发现STUB1基因通过促进SRC蛋白泛素化降解来增强放疗敏感性	研究主要基于UCSC Xena和TCGA数据库的回顾性数据，需要更多前瞻性临床验证	开发预测食管癌放疗敏感性和预后的精准医学模型	食管癌患者	数字病理	食管癌	RNA-seq	SEResNet101, Lasso回归, Cox分析	影像数据, 转录组数据	TCGA和UCSC Xena数据库中的食管癌样本
189	2025-06-22	Machine learning based radiomic models outperform clinical biomarkers in predicting outcomes after immunotherapy for hepatocellular carcinoma 2025-Apr-17, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.04.017 PMID:40246150	research paper	该研究利用机器学习和深度学习技术，结合放射组学和临床数据，预测肝细胞癌患者免疫治疗后的生存结果和治疗反应	开发了集成放射组学和临床数据的机器学习模型，显著优于传统临床生物标志物在预测免疫治疗结果方面的表现	研究样本量相对较小（152例患者），且为回顾性研究	预测肝细胞癌患者接受atezolizumab联合bevacizumab免疫治疗后的生存结果和治疗反应	不可切除肝细胞癌患者	digital pathology	hepatocellular carcinoma	deep learning, machine learning	seven machine learning models combined with 13 feature selection techniques	CT images and clinical data	152 patients from two international centers
190	2025-06-22	Diagnostic performance of the ultrasound -based artificial intelligence diagnostic system in predicting cervical lymph node metastasis in patients with thyroid cancer: A systematic review and meta-analysis 2025 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504251346906 PMID:40462622	meta-analysis	本文通过系统回顾和荟萃分析评估了基于超声的人工智能系统在预测甲状腺癌患者颈部淋巴结转移中的诊断性能	首次系统评估了基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能，并比较了不同设计（如深度学习与经典机器学习、多中心与单中心）的效果差异	需要前瞻性验证以确认临床适用性，且中国研究的特异性较低	评估基于超声的AI系统在预测甲状腺癌颈部淋巴结转移中的诊断性能	甲状腺癌患者及其颈部淋巴结转移情况	digital pathology	thyroid cancer	ultrasound, AI	deep learning, classic machine learning	image	19项研究
191	2025-06-22	Machine learning models for predicting postoperative peritoneal metastasis after hepatocellular carcinoma rupture: a multicenter cohort study in China 2025-Jan-17, The oncologist DOI:10.1093/oncolo/oyae341 PMID:39832130	研究论文	本研究利用机器学习模型预测肝细胞癌破裂后腹膜转移的风险	首次比较了五种机器学习模型在预测肝细胞癌破裂后腹膜转移中的表现，并发现深度学习模型表现最佳	研究样本仅来自中国的7个医疗中心，可能存在地域局限性	开发预测肝细胞癌破裂手术后腹膜转移的最佳机器学习模型	522例接受手术的肝细胞癌破裂患者	机器学习	肝细胞癌	机器学习模型比较	逻辑回归、支持向量机、分类树、随机森林、深度学习(DL)	临床数据	522例患者(来自7个医疗中心)
192	2025-06-22	Energy metric prediction for double insertion mutants via the RoseNet deep learning framework 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae198 PMID:40463404	研究论文	利用RoseNet深度学习框架预测双插入突变体的能量指标	扩展了先前的工作，评估了三种额外蛋白质，并分析了影响RoseNet预测能力的域特征，如插入二级结构和残基的溶剂可及表面积（SASA）分数	研究仅基于有限的蛋白质数据集，可能无法推广到所有类型的蛋白质突变	研究蛋白质双氨基酸插入或删除（InDels）的结构和功能影响	蛋白质的双插入突变体	生物信息学	NA	深度学习	RoseNet	蛋白质序列和结构数据	三个蛋白质的详尽双InDel突变数据集和另外三个蛋白质的约145k随机突变体
193	2025-06-22	Artificial intelligence in cancer pathology: Applications, challenges, and future directions 2025, CytoJournal IF:2.5Q2 DOI:10.25259/Cytojournal_272_2024 PMID:40469709	综述	本文综述了人工智能在癌症病理学中的应用、挑战及未来方向	探讨了AI在多种癌症类型中的应用，包括组织分类、突变检测和预后预测，并提出了未来发展方向如实时诊断和可解释AI	面临数据隐私、模型可解释性和监管标准等挑战	提升癌症病理诊断的准确性、优化工作流程并支持精准肿瘤学	乳腺癌、肺癌、前列腺癌和结直肠癌等多种癌症类型	数字病理学	多种癌症	机器学习、深度学习和计算机视觉	NA	组织病理学图像和多模态数据	NA
194	2025-06-22	Generative AI - Assisted Adaptive Cancer Therapy 2025 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748251349919 PMID:40532181	review	本文探讨了利用生成式AI（GenAI）提升适应性癌症治疗的预测和推荐能力	结合非线性系统控制理论和深度学习，提出了一个适应性癌症控制框架，利用GenAI增强治疗响应预测和治疗方案推荐	临床数据获取困难、深度学习模型的不透明性以及临床验证是主要挑战	研究如何利用GenAI提升适应性癌症治疗的准确性和可靠性	适应性癌症治疗及其动态调整策略	machine learning	cancer	deep learning	GenAI	multimodal data	NA
195	2025-06-22	H-DSAE: a hybrid technique to recognize heart disease 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1563199 PMID:40538756	研究论文	本文提出了一种混合技术H-DSAE，用于识别心脏病，结合了深度信念网络、支持向量机和堆叠自编码器来提高诊断准确性	采用混合深度学习方法H-DSAE，结合多种分类器，显著提高了心脏病诊断的准确率至99.2%	下一步需要开发更先进的分类和特征算法以进一步提升系统效率	提高心脏病诊断的准确性和效率	心脏病患者的心脏图像数据	机器学习	心血管疾病	机器学习、深度学习	DBN, SVM, SAE	图像	NA
196	2025-06-22	Combination of ultrasound-based radiomics and deep learning with clinical data to predict response in breast cancer patients treated with neoadjuvant chemotherapy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525285 PMID:40538839	研究论文	本研究结合超声影像、深度学习特征和临床数据，构建了一个预测乳腺癌患者新辅助化疗后病理完全缓解的融合模型	首次将超声影像的放射组学特征、深度学习特征与临床数据相结合，构建了一个预测性能优越的融合模型	研究为回顾性设计，样本来自两个医疗中心，可能存在选择偏倚	预测乳腺癌患者新辅助化疗后的病理完全缓解(pCR)	643名经病理确诊的乳腺癌患者	数字病理	乳腺癌	超声成像、机器学习算法	融合模型(结合临床模型、放射组学模型和深度学习模型)	超声图像、临床数据	643例患者(中心1:372例；中心2:271例)
197	2025-06-22	A dual-branch deep learning model based on fNIRS for assessing 3D visual fatigue 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1589152 PMID:40538859	研究论文	本文提出了一种基于fNIRS的双分支深度学习模型，用于评估3D视觉疲劳	首次构建了基于fNIRS的深度学习模型，用于评估3D视觉疲劳，实现了端到端的自动特征提取和分类	未来工作可以探索模型在其他类型疲劳评估中的适用性，并进一步优化其在真实场景中的性能	提升用户体验并优化立体3D技术的性能	20名正常受试者（平均年龄：24.6±0.88岁；范围：23-26岁；13名男性）	机器学习	NA	fNIRS	双分支卷积网络与transformer模块结合	时间序列fNIRS数据	20名正常受试者
198	2025-06-22	IRGL-RRI: interpretable graph representation learning for plant RNA-RNA interaction discovery 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1617495 PMID:40538878	研究论文	提出了一种可解释的图表示学习模型IRGL-RRI，用于准确预测植物RNA-RNA相互作用	结合Kolmogorov-Arnold Networks (KAN)和多尺度融合的RRI建模方法，提高了模型的可解释性和预测准确性	未提及模型在计算资源消耗或特定植物种类上的局限性	提高植物RNA-RNA相互作用预测的准确性和可解释性	植物RNA分子及其相互作用	机器学习	NA	图表示学习、KAN网络	IRGL-RRI（基于图表示学习的模型）	RNA序列数据	公开数据集（具体数量未提及）
199	2025-06-22	Class imbalance in multi-resident activity recognition: an evaluative study on explainability of deep learning approaches 2025, Universal access in the information society IF:2.1Q3 DOI:10.1007/s10209-024-01123-0 PMID:40538921	research paper	该研究探讨了在多居民活动识别中类别不平衡问题，并评估了深度学习方法的可解释性	研究针对多居民场景中的类别不平衡问题，探索了LSTM和双向LSTM网络的有效性，并提高了深度学习模型的透明度和可靠性	研究仅基于三个高度不平衡的智能家居数据集进行评估，可能无法涵盖所有实际应用场景	提高多居民活动识别系统的可信度和性能	多居民家庭中的活动识别	machine learning	NA	深度学习	LSTM, Bidirectional LSTM	传感器数据	三个高度不平衡的智能家居数据集
200	2025-06-22	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-09-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种3D深度学习模型在真实世界环境中检测和定位脑微出血（CMBs）的性能	该模型不仅能检测CMBs，还能识别其解剖位置，且在真实世界环境中验证了其性能	需要更大规模和更多样化的人群研究以确立其临床实用性	验证3D深度学习模型在检测和定位脑微出血（CMBs）中的性能	脑微出血（CMBs）患者	数字病理学	脑血管疾病	3D深度学习	3D深度学习模型	医学影像	33名患者（21名有CMBs，12名无CMBs），共116个CMBs