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
1981	2025-10-06	Proposition of a new, minimally-invasive, software smartphone device to predict sleep apnea and its severity 2025-Sep-05, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03441-w PMID:40911165	研究论文	开发并评估一款名为Apneal®的智能手机应用，通过记录声音和运动信号来预测睡眠呼吸暂停及其严重程度	提出了一种基于智能手机传感器（麦克风、加速度计、陀螺仪）和深度学习模型的新型无创睡眠呼吸暂停检测方法	单中心概念验证研究，样本量较小（46名患者）	评估智能手机应用在睡眠呼吸暂停诊断中的性能，解决多导睡眠图检查资源有限的问题	成年睡眠呼吸暂停患者	医疗人工智能	睡眠呼吸暂停	声音记录、运动信号采集	深度学习序列模型	音频信号、运动传感器数据	46名成年患者（女性34%，BMI 28.7 kg/m²）	NA	序列深度学习模型	灵敏度, 阳性预测值, AUC-ROC, AUC-PR, ICC, Pearson相关系数	智能手机设备
1982	2025-10-06	Quantitative Microscopy for Cell-Surface and Cell-Cell Interactions in Immunology 2025-Sep-05, Bio-protocol IF:1.0Q3 DOI:10.21769/BioProtoc.5427 PMID:40948891	研究论文	本文介绍了一种基于光学显微镜的定量分析方法，用于研究细胞表面和细胞间相互作用，特别聚焦于自然杀伤细胞与肿瘤细胞的免疫相互作用	开发了两种互补的显微镜检测方法，并引入了新的开源图形用户界面Celldetective用于细胞相互作用动力学的定量分析	方法目前主要应用于原代免疫细胞，虽然可适应其他细胞类型但需要进一步验证	建立定量显微镜方法研究细胞表面和细胞间相互作用，特别是在免疫学中的应用	人类原代自然杀伤细胞、模拟癌症表面、肿瘤细胞	数字病理	癌症	光学显微镜、时间推移成像、荧光成像、无标记成像	深度学习	2D时间推移显微镜图像、荧光图像	NA	NA	NA	NA	NA
1983	2025-10-06	Machine Learning for Multi-Omics Characterization of Blood Cancers: A Systematic Review 2025-Sep-04, Cells IF:5.1Q2 DOI:10.3390/cells14171385 PMID:40940796	系统综述	本系统综述评估了人工智能和机器学习在血液恶性肿瘤多组学分子特征分析中的应用	首次系统评估机器学习在血液肿瘤多组学研究中的应用现状，特别关注可解释性、性能和伦理问题	研究存在验证不足、可解释性差和标准化缺失等局限性	评估人工智能和机器学习在血液恶性肿瘤分子特征分析中的应用效果	血液系统恶性肿瘤，包括急性髓系白血病、急性淋巴细胞白血病和多发性骨髓瘤	机器学习	血液癌症	多组学整合分析	支持向量机, 随机森林, 深度学习	多组学数据	89项符合纳入标准的研究，涉及2847条记录	NA	NA	AUC曲线下面积	NA
1984	2025-10-06	A structurally informed human protein-protein interactome reveals proteome-wide perturbations caused by disease mutations 2025-Sep, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02428-4 PMID:39448882	研究论文	开发了名为PIONEER的集成深度学习框架，用于预测蛋白质-蛋白质相互作用界面并构建结构信息化的蛋白质相互作用组	首次构建了覆盖人类和七种模式生物的全蛋白质组结构信息化的蛋白质相互作用网络，能够预测蛋白质结合伴侣特异性界面	NA	将遗传学发现转化为疾病病理生物学和治疗方法发现	人类和七种常见模式生物的蛋白质相互作用	机器学习	癌症	全外显子组测序	集成深度学习	蛋白质序列和结构数据	约11,000个全外显子组，涵盖33种癌症类型	NA	PIONEER	NA	NA
1985	2025-10-06	Deep learning-based multimodal integration of imaging and clinical data for predicting surgical approach in percutaneous transforaminal endoscopic discectomy 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08668-5 PMID:39920320	研究论文	开发基于深度学习的多模态模型，整合影像和临床数据预测经皮椎间孔镜椎间盘切除术的手术方案	首次提出多模态融合方法，结合影像分析和临床特征，通过贝叶斯优化确定最佳权重	回顾性研究设计，样本来源单一	为多节段腰椎间盘突出症的PTED手术方案选择提供客观参考依据	多节段腰椎间盘突出症患者	计算机视觉	腰椎间盘突出症	MRI扫描	CNN, 机器学习模型	影像数据, 临床数据	NA	NA	ResNet 50, 自定义模型	准确率	NA
1986	2025-10-06	Optimizing Coronary CT Image Reconstruction With Deep Learning for Improved Quality: A Retrospective Study 2025 Sep-Oct 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001746 PMID:40241428	研究论文	评估深度学习图像重建在冠状动脉CT血管成像中对图像质量的改善效果	首次系统比较深度学习图像重建(DLIR-H)与传统自适应统计迭代重建(ASIR-V)在CCTA中的性能差异	回顾性研究设计，样本量相对有限(100例患者)，单中心研究	优化冠状动脉CT图像重建质量以提高诊断准确性	疑似冠状动脉疾病患者的CCTA数据集	医学影像分析	心血管疾病	CT血管成像	深度学习	医学影像	100例连续疑似CAD患者	NA	NA	图像噪声, SNR, CNR, Spearman秩相关, Bland-Altman分析, ICC	Revolution Apex 256排CT扫描仪
1987	2025-10-06	Novel Deep Learning Reconstruction to Augment Contrast Enhancement: Initial Evaluation 2025 Sep-Oct 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001755 PMID:40249273	研究论文	评估新型深度学习重建技术在增强CT对比度方面的图像质量表现	开发了一种用于单能CT扫描的新型深度学习重建方法，可增强对比度并改善图像质量	样本量较小（仅15名患者），且仅针对结直肠腺癌肝转移患者进行研究	比较单能CT、双能CT与新型深度学习重建在图像质量方面的差异	经活检证实的结直肠腺癌伴肝转移患者	医学影像分析	结直肠癌	CT扫描（单能CT和双能CT）	深度学习	医学影像	15名患者（13名男性，2名女性）	NA	NA	HU值测量，图像质量评分（对比度增强、伪影、噪声纹理、分辨率）	NA
1988	2025-10-06	Enhanced heart disease risk prediction using adaptive botox optimization based deep long-term recurrent convolutional network 2025-Sep, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251333750 PMID:40302494	研究论文	本研究提出了一种结合自适应肉毒杆菌优化算法的深度长时循环卷积网络，用于基于IoT传感器数据的心脏疾病风险预测	提出改进的二元量子鸟类导航优化算法进行特征选择，并采用自适应肉毒杆菌优化算法微调深度长时循环卷积网络	NA	开发准确的心脏疾病分类方法以支持远程医疗监护	心脏疾病患者数据	机器学习	心血管疾病	IoT传感器数据采集	DLRCN	传感器数据	匈牙利、UCI和克利夫兰心脏疾病数据集	NA	深度长时循环卷积网络	准确率	NA
1989	2025-10-06	Deep learning-based decision support system for cervical cancer identification in liquid-based cytology pap smears 2025-Sep, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251330081 PMID:40302490	研究论文	开发了一种基于深度学习的决策支持系统，用于在液基细胞学巴氏涂片中识别宫颈癌	提出了一种新颖的混合特征降维和优化模块，结合稀疏自编码器和二进制哈里斯鹰元启发式优化算法来选择最具信息量的特征	NA	开发宫颈癌识别决策支持系统以减少诊断时间并提高准确性	液基细胞学巴氏涂片图像	计算机视觉	宫颈癌	液基细胞学	CNN, Autoencoder, KNN	图像	NA	NA	预训练卷积神经网络，稀疏自编码器	准确率，灵敏度，特异性	NA
1990	2025-10-06	Comparison of lumbar disc degeneration grading between deep learning model SpineNet and radiologist: a longitudinal study with a 14-year follow-up 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08900-2 PMID:40372457	研究论文	比较深度学习模型SpineNet与放射科医生在腰椎间盘退变分级方面的一致性	首次在14年纵向随访研究中比较CNN模型与放射科医生的椎间盘退变分级一致性	样本量较小（仅19名男性志愿者），缺乏女性参与者	评估AI模型与放射科医生在腰椎间盘退变分级方面的一致性	19名男性志愿者的腰椎间盘MRI影像	计算机视觉	腰椎间盘退变	MRI成像	CNN	医学影像	19名男性志愿者，基线年龄37岁，14年后随访年龄51岁	NA	SpineNet	一致性相关系数(CCC), kappa值(κ)	NA
1991	2025-10-06	Prediction of cervical spondylotic myelopathy from a plain radiograph using deep learning with convolutional neural networks 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08908-8 PMID:40381026	研究论文	本研究开发了基于卷积神经网络的深度学习算法，用于从普通颈椎X光片中分类颈椎病性脊髓病和颈椎病性神经根病	首次使用深度学习算法从普通X光片中自动分类两种颈椎疾病类型，并预测椎管面积率	样本量相对有限（内部验证300例，外部验证100例），且仅针对C3-C6节段进行分析	开发能够从普通颈椎X光片中准确分类颈椎病性脊髓病和颈椎病性神经根病的深度学习算法	颈椎病患者（包括颈椎病性脊髓病和颈椎病性神经根病）	计算机视觉	颈椎病	X光成像，磁共振成像	CNN	图像	内部验证300例患者（150例CSM，150例CSR），外部验证100例患者（50例CSM，50例CSR）	NA	卷积神经网络	AUC, 准确率, 似然比, 相关系数	NA
1992	2025-10-06	Development and validation of a radiomics model using plain radiographs to predict spine fractures with posterior wall injury 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08948-0 PMID:40410361	研究论文	开发并验证了一种基于普通X光片的影像组学模型，用于预测伴有后壁损伤的脊柱骨折	首次结合前后位和侧位普通X光片，采用Vision Transformer技术提取影像特征构建预测模型	回顾性研究，样本量有限（130例患者），仅在两所中心进行验证	提高伴有后壁损伤脊柱骨折的早期诊断准确性并优化治疗策略	脊柱骨折患者	计算机视觉	脊柱骨折	影像组学分析，X射线成像	Vision Transformer, NaiveBayes, SVM	X光图像	130例患者（来自两个中心）	NA	Vision Transformer (ViT)	AUC, 95% CI	NA
1993	2025-10-06	Fully automated pedicle screw manufacturer identification in plain radiograph with deep learning methods 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09167-3 PMID:40689982	研究论文	开发基于深度学习的算法从平片中自动识别椎弓根螺钉制造商	首个实现从平片完全自动化识别椎弓根螺钉制造商的深度学习算法	仅包含三家国际制造商的数据，样本量相对有限	开发自动识别椎弓根螺钉制造商的算法，辅助翻修手术规划	276例接受胸腰椎手术患者的椎弓根螺钉	计算机视觉	脊柱疾病	X射线平片成像	CNN, YOLO	X射线图像	276名患者，1887个椎弓根螺钉	NA	CNN, YOLO	准确率	NA
1994	2025-10-06	Deep learning-based prediction of axillary pathological complete response in patients with breast cancer using longitudinal multiregional ultrasound 2025-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105896 PMID:40876229	研究论文	开发并验证基于深度学习的iShape模型，通过纵向多区域超声图像预测乳腺癌患者腋窝病理完全缓解	提出信息共享-私有(iShape)模型，从纵向原发肿瘤和腋窝淋巴结超声图像中学习共同和特定的图像表征，并首次结合RNA测序分析解释模型生物学基础	回顾性研究设计，样本量相对有限，需要前瞻性验证	预测接受新辅助治疗的腋窝淋巴结阳性乳腺癌患者的腋窝病理完全缓解	活检证实的腋窝淋巴结阳性乳腺癌患者	医学影像分析	乳腺癌	超声成像，RNA测序	深度学习	超声图像	训练集371例患者，三个外部验证集分别包含295、244和225例患者	NA	iShape（信息共享-私有模型）	AUC，假阴性率	NA
1995	2025-10-06	Biomarker extraction-based Alzheimer's disease stage detection using optimized deep learning approach 2025-Sep, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251360394 PMID:40831183	研究论文	提出一种基于优化深度学习的阿尔茨海默病分期检测框架，通过生物标志物提取和图像处理技术提高诊断准确性	结合萤火虫算法优化生物标志物分割、布谷鸟搜索算法优化深度信念网络，并采用对比度受限自适应直方图均衡化和小波软阈值去噪处理	仅使用结构MRI数据，未考虑多模态数据融合；样本规模未明确说明	提高阿尔茨海默病分期检测的准确性和早期诊断能力	阿尔茨海默病患者的结构MRI扫描图像	医学影像分析	阿尔茨海默病	结构MRI，对比度受限自适应直方图均衡化，小波软阈值去噪	深度信念网络	医学图像	NA	NA	深度信念网络	准确率，错误率	NA
1996	2025-10-06	Deep Learning Can Unmask Conduction Tissue Disease From an Ambulatory ECG 2025-Sep, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.124.013695 PMID:40856041	研究论文	开发深度学习模型通过24小时单导联动态心电图检测既往心动过缓事件	首次使用深度学习从无心动过缓的24小时心电图数据中识别过去13天内发生的传导组织疾病	研究基于回顾性数据，需要前瞻性验证临床效用	提高间歇性心动过缓的检测效率和准确性	动态心电图记录的心动过缓患者	机器学习	心血管疾病	动态心电图监测	深度学习	心电图信号	320,959份14天动态心电图记录	NA	NA	AUC, 阴性预测值	NA
1997	2025-10-06	Comprehensive Evaluation of Facet Joints Osteoarthritis Radiological Features on Lumbar CT: A Multitask Deep Learning Approach 2025-Sep, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.70115 PMID:40949054	研究论文	本研究开发了一种基于多任务深度学习的模型，用于评估腰椎小关节骨关节炎的影像学特征	首次采用多任务深度学习模型同时评估小关节骨关节炎的多个放射学特征，并在多中心数据集上验证模型性能	回顾性研究设计，模型在某些特征（如肥大）上的准确率相对较低	开发自动评估小关节骨关节炎放射学特征的深度学习模型	来自两个医院1360名患者的13223个轴向CT小关节图像块	计算机视觉	骨关节炎	CT成像	CNN	医学影像	13223个小关节图像块，来自1360名患者	NA	ResNet-18	准确率, Gwet κ值	NA
1998	2025-10-06	Revolutionizing Oncology Through AI: Addressing Cancer Disparities by Improving Screening, Treatment, and Survival Outcomes via Integration of Social Determinants of Health 2025-Aug-31, Cancers IF:4.5Q1 DOI:10.3390/cancers17172866 PMID:40940963	综述	本文综述了人工智能在整合健康社会决定因素以解决癌症差异方面的应用与潜力	系统探讨了AI技术如何通过整合SDOH数据来应对癌症差异，强调可解释AI在医疗公平性中的创新应用	存在AI筛查偏见、临床试验代表性不足和治疗推荐差异等挑战	通过AI整合健康社会决定因素来改善癌症筛查、治疗和生存结果，减少医疗差异	癌症患者群体，特别是医疗服务不足人群	自然语言处理,机器学习	癌症	机器学习,自然语言处理,深度学习医学影像,可解释AI	深度学习	电子健康记录,地理信息系统,真实世界临床试验数据	NA	NA	NA	NA	NA
1999	2025-10-06	Surface-Enhanced Raman Spectroscopy Semi-Quantitative Molecular Profiling with a Convolutional Neural Network 2025-Aug-31, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028251377474 PMID:40887786	研究论文	本研究开发了一种结合表面增强拉曼光谱与机器学习的分层分析框架，用于复杂环境中多分子物种的识别和半定量分析	提出集成多标签卷积神经网络和支持向量回归的混合分析方法，实现了对结构相似分析物的精确识别和相对浓度比的半定量测定	研究仅验证了短链脂肪酸二元混合物，在更复杂多组分体系中的应用仍需进一步验证	解决复杂环境中多分子物种识别和定量的分析挑战	短链脂肪酸二元混合物	机器学习	NA	表面增强拉曼光谱	CNN, SVR	光谱数据	NA	NA	卷积神经网络	分类准确率	NA
2000	2025-10-06	Deep learning enhances precision diagnosis and treatment of non-small cell lung cancer: future prospects 2025-Aug-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-187 PMID:40948833	综述	本文全面回顾了深度学习技术在非小细胞肺癌精准诊断与治疗中的进展及未来方向	从单模态分析演进到多模态数据融合的深度学习架构，整合影像学、病理学、基因组学和临床数据	面临大规模高质量标准化数据集需求、模型黑箱问题、数据隐私和算法偏见等伦理考量	提升非小细胞肺癌精准诊断和治疗管理水平	非小细胞肺癌患者	数字病理学	肺癌	多组学数据整合	CNN	影像,基因组,临床数据	NA	NA	卷积神经网络	NA	NA