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
2461	2025-07-26	Deep Learning-Based Prediction of Microvascular Invasion and Survival Outcomes in Hepatocellular Carcinoma Using Dual-phase CT Imaging of Tumors and Lesser Omental Adipose: A Multicenter Study 2025-Jul-23, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.07.015 PMID:40707265	研究论文	本研究开发了一种基于深度学习的模型，利用术前双期CT图像预测肝细胞癌的微血管侵犯状态并分析相关生存结果	首次将小网膜脂肪组织(LOAT)特征与肿瘤影像特征整合到深度学习框架中，提高了术前MVI风险分层的准确性	回顾性研究设计可能引入选择偏倚	提高肝细胞癌微血管侵犯的术前预测准确性	肝细胞癌患者	数字病理	肝癌	双期CT成像	基于ResNet18的双分支特征融合模型	医学影像	来自两个医疗中心的病理确诊HCC患者(2016-2023年)
2462	2025-07-26	Are we really ready to use radiomics and deep learning for clinical decision support in radiology? 2025-Jul-23, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.07.004 PMID:40707330	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2463	2025-07-26	Precise metabolic dependencies of cancer through deep learning and validations 2025-Jul-22, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115945 PMID:40616842	研究论文	本研究通过深度学习构建了一个名为'DeepMeta'的代谢脆弱性预测模型，用于预测癌症样本的依赖代谢基因	利用图深度学习方法结合转录组和代谢网络信息，系统性地探索了癌症细胞的代谢依赖性，特别是针对'不可成药'的癌症驱动基因改变	研究主要依赖于TCGA数据集，可能无法涵盖所有癌症类型的代谢特征	系统性地揭示癌症细胞的代谢依赖性，为原本'不可成药'的遗传改变驱动的癌症提供代谢靶点	癌症细胞及其代谢依赖性	机器学习	癌症	深度学习	图深度学习模型(DeepMeta)	转录组数据、代谢网络信息	TCGA数据集中的癌症样本
2464	2025-07-26	TNF-α-NF-κB activation through pathological α-Synuclein disrupts the BBB and exacerbates axonopathy 2025-Jul-22, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116001 PMID:40652513	研究论文	本研究探讨了α-突触核蛋白（α-Syn）对血脑屏障（BBB）完整性和功能的病理影响，并揭示了TNF-α-NF-κB通路在其中的作用	首次揭示了α-Syn通过TNF-α-NF-κB通路破坏BBB完整性并加剧轴突病变的机制，并提出了针对脑内皮TNF-α信号通路的潜在治疗方法	研究主要基于细胞模型和转基因动物模型，尚未在人类患者中进行验证	揭示α-Syn对BBB的病理影响并寻找治疗靶点	α-突触核蛋白（α-Syn）及其对血脑屏障的影响	神经退行性疾病研究	突触核蛋白病	GAN深度学习分析	GAN	细胞和动物模型数据	转基因动物模型（G2-3）和脑内皮细胞模型
2465	2025-07-26	Time is encoded by methylation changes at clustered CpG sites 2025-Jul-22, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115958 PMID:40664208	研究论文	研究通过深度甲基化测序揭示DNA甲基化随年龄变化的机制，并开发了一种基于深度学习的年龄预测模型	发现年龄依赖性甲基化变化以区域性或块状方式发生，并利用单分子模式深度学习显著提高了年龄预测的准确性	研究主要基于血液样本，可能不适用于其他组织类型	探索DNA甲基化随年龄变化的机制及其在年龄预测中的应用	健康个体的血液样本	生物信息学	NA	超深度测序	深度学习	DNA甲基化数据	300多份血液样本
2466	2025-07-26	Multi-Center Validation of Video-Based Deep Learning to Evaluate Defecation Patterns on 3D High-Definition Anorectal Manometry 2025-Jul-22, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2025.06.038 PMID:40706732	研究论文	本研究通过多中心验证，评估了基于视频的深度学习技术在3D高清肛门直肠测压中分析排便模式的性能	开发了一种能够进行时空分析的深度学习算法，并在多中心环境中验证其性能，同时发现了两种新的排便协同失调模式	研究结果在不同医疗中心间的性能存在差异，部分队列的AUC值相对较低	验证深度学习算法在3D高清肛门直肠测压数据分析中的临床应用价值	1,214例连续进行的肛门直肠测压研究	数字病理学	胃肠动力障碍	3D高清肛门直肠测压(3D-HDAM)	深度混合学习算法	视频	1,214例来自三个大型医疗系统的肛门直肠测压研究(2018-2022年)
2467	2025-07-26	BPFun: a deep learning framework for bioactive peptide function prediction using multi-label strategy by transformer-driven and sequence rich intrinsic information 2025-Jul-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06190-5 PMID:40691539	research paper	提出了一种基于深度学习的框架BPFun，用于通过多标签策略预测生物活性肽的功能	结合不同尺度的卷积网络和Bi-LSTM层获取高级特征向量，并通过自注意力机制和Bi-LSTM层提升预测性能	未明确提及具体的数据不平衡问题解决方案的有效性	开发一种计算生物学方法，准确预测多功能生物活性肽的多种功能	生物活性肽	computational biology	NA	deep learning	CNN, Bi-LSTM, transformer	sequence data	未明确提及具体样本数量
2468	2025-07-26	Early detection of ICU-acquired infections using high-frequency electronic health record data 2025-Jul-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03031-6 PMID:40691575	研究论文	本研究开发了一种利用高频电子健康记录数据动态预测ICU获得性感染风险的模型	采用卷积神经网络处理高频生命体征数据，实现提前48小时预测感染风险	模型存在一定程度的过度预测，且深度学习模型的复杂性和可解释性需要进一步验证	通过早期识别ICU获得性感染改善临床管理和患者预后	ICU成年患者	数字病理	感染性疾病	电子健康记录数据分析	CNN	电子健康记录数据	4444名患者，共32,178个观察日
2469	2025-07-26	Deep Learning-Based Algorithm for the Classification of Left Ventricle Segments by Hypertrophy Severity 2025-Jul-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070244 PMID:40710630	研究论文	本研究提出了一种基于深度学习的算法，用于根据肥厚严重程度对左心室节段进行分类	开发了一种自动化框架，结合U-Net和CNN，实现了左心室肥厚的自动量化和心肌节段的分类	样本量相对较小（133名受试者），可能影响模型的泛化能力	提高左心室肥厚（LVH）的诊断准确性	左心室心肌节段	数字病理学	心血管疾病	深度学习	U-Net, CNN	医学影像	133名受试者（包括健康个体和LVH患者）
2470	2025-07-26	Advancements in deep learning-based image screening for orthopedic conditions: Emphasis on osteoporosis, osteoarthritis, and bone tumors 2025-Jul-19, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102840 PMID:40691974	review	本文系统总结了人工智能辅助诊断技术在骨科影像学中的最新研究进展、方法学及临床应用，重点探讨了深度学习在该领域的实用价值和发展趋势	强调了深度学习在骨质疏松、骨关节炎和骨肿瘤等骨科疾病筛查中的应用，展示了其优异的诊断性能和临床潜力	缺乏高质量数据集、模型跨机构泛化能力有限、缺少标准化质量控制方案以及亟需多中心临床验证	提升骨科影像诊断准确性和改善患者预后	骨质疏松(OP)、骨关节炎(OA)和骨肿瘤等骨科疾病	digital pathology	osteoporosis, osteoarthritis, bone tumors	deep learning	NA	image	NA
2471	2025-07-26	AI-based methods for diagnosing and grading diabetic retinopathy: A comprehensive review 2025-Jul-19, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103221 PMID:40706108	review	本文全面评估了91项采用AI方法通过不同成像模态检测和分类糖尿病视网膜病变的研究	综合比较了23个公开的糖尿病视网膜病变数据集，并讨论了AI在多种成像模态中的应用表现	未进行原始实验验证，仅基于文献综述分析现有方法的优缺点	评估AI在糖尿病视网膜病变诊断和分级中的应用效果	糖尿病视网膜病变的医学影像数据	computer vision	diabetic retinopathy	fundus color photography, OCT, OCTA, fundus fluorescein angiography	deep learning	image	91项研究涉及的多种医学影像数据集
2472	2025-07-26	A Novel 3D Convolutional Neural Network-Based Deep Learning Model for Spatiotemporal Feature Mapping for Video Analysis: Feasibility Study for Gastrointestinal Endoscopic Video Classification 2025-Jul-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070243 PMID:40710629	研究论文	提出一种基于3D CNN的深度学习模型，用于从医疗视频序列中提取时空特征，并以胃肠道内窥镜视频分类为可行性研究案例	开发了一种新型的3D CNN模型，结合了并行空间和通道挤压激励（P-scSE3D）与残差块，提出了残差并行注意力（RPA）块，用于有效提取视频中的时空特征	研究仅基于胃肠道内窥镜视频数据集，且样本量相对较小，可能限制了模型的泛化能力	探索深度学习在医疗视频分析中的应用，特别是针对胃肠道内窥镜视频的分类	胃肠道内窥镜视频	计算机视觉	胃肠道疾病	深度学习	3D CNN	视频	374个胃肠道内窥镜视频（314个下消化道和60个上消化道视频）
2473	2025-07-26	Non-Invasive Composition Identification in Organic Solar Cells via Deep Learning 2025-Jul-17, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15141112 PMID:40711231	研究论文	本研究提出了一种基于深度学习的方法，通过模拟全器件吸收光谱非侵入性地识别有机太阳能电池中的活性层组成	利用深度学习处理光谱数据，实现高精度的非破坏性组成分类，为自动化制造诊断和质量控制提供了新途径	研究基于模拟数据，实际应用时可能需要进一步验证	开发一种非侵入性的有机光伏器件活性层组成识别方法	有机光伏(OPV)器件	机器学习	NA	模拟全器件吸收光谱	MLP（多层感知机）	光谱数据	包含活性层厚度变化超过±15%的多样化训练数据集
2474	2025-07-26	AI-Driven Comprehensive SERS-LFIA System: Improving Virus Automated Diagnostics Through SERS Image Recognition and Deep Learning 2025-Jul-16, Biosensors DOI:10.3390/bios15070458 PMID:40710108	研究论文	开发了一种结合SERS扫描成像和基于AI的结果判别的综合SERS-LFIA检测系统，用于病毒自动化诊断	整合SERS扫描成像与深度学习模型（ResNet-18）进行结果判别，显著降低异常信号干扰并实现接近理论检测限的可靠检测	未提及具体病毒种类或实际临床应用中的潜在限制	开发快速、准确的病毒诊断方法以有效管理和控制疫情	高传染性和致病性病毒	数字病理学	病毒感染	SERS-LFIA（表面增强拉曼散射-侧向流动免疫分析）	ResNet-18	图像	未提及具体样本数量
2475	2025-07-26	Task-Related EEG as a Biomarker for Preclinical Alzheimer's Disease: An Explainable Deep Learning Approach 2025-Jul-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070468 PMID:40710281	研究论文	本文探讨了任务相关EEG作为临床前阿尔茨海默病生物标志物的潜力，并采用可解释的深度学习方法进行特征识别	首次将任务相关EEG与可解释深度学习框架InterpretableCNN结合用于临床前AD检测，揭示了theta和alpha活动的病理关联	模型性能指标较低(ROC AUC 60.84%，Kappa值0.22)，表明识别准确性有待提高	开发基于EEG的临床前阿尔茨海默病早期风险检测方法	认知健康个体的任务相关EEG信号	数字病理学	阿尔茨海默病	EEG信号分析	InterpretableCNN(可解释卷积神经网络)	EEG时序信号	未明确提及具体样本量，采用100折留p%受试者交叉验证(LPSO-CV)
2476	2025-07-26	Enhancing 3D dopamine transporter imaging as a biomarker for Parkinson's disease via self-supervised learning with diffusion models 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102207 PMID:40580955	研究论文	本文提出了一种基于自监督学习和扩散模型的3D多巴胺转运体成像增强方法，用于帕金森病的生物标志物研究	引入了分层小波扩散自编码器（HWDAE），一种生成自监督模型，能够在生成训练中学习相关疾病特征，无需人工标签	数据量有限且缺乏外部验证	提高帕金森病的准确诊断和疾病进展状态的精确估计	帕金森病患者	计算机视觉	帕金森病	多巴胺转运体正电子发射断层扫描（DAT PET）	分层小波扩散自编码器（HWDAE）	图像	1,934张DAT PET图像
2477	2025-07-26	A deep learning system for detecting systemic lupus erythematosus from retinal images 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102203 PMID:40570853	研究论文	开发了一个深度学习系统DeepSLE，用于从视网膜图像中检测系统性红斑狼疮(SLE)及其视网膜和肾脏并发症	首次利用深度学习技术从视网膜图像中检测SLE及其并发症，并在多民族验证数据集中展示了稳健的性能	未提及模型在更广泛人群中的适用性或潜在的误诊风险	开发一种数字化解决方案，用于从视网膜图像中检测系统性红斑狼疮及其并发症	系统性红斑狼疮(SLE)患者及其视网膜和肾脏并发症	数字病理学	系统性红斑狼疮	深度学习	DeepSLE(未明确具体模型类型)	视网膜图像	247,718张图像(来自中国和英国的多民族数据集)
2478	2025-07-26	Integrating radiomics and machine learning for the diagnosis and prognosis of hepatocellular carcinoma 2025-Jul-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i7.106610 PMID:40697211	综述	本文综述了放射组学和机器学习在肝细胞癌诊断和预后中的应用	结合放射组学和机器学习技术，提高肝细胞癌诊断和预后的准确性	模型解释性不足、数据异质性以及多模态数据整合的挑战	提升肝细胞癌的诊断准确性、治疗反应预测和生存预后	肝细胞癌（HCC）	数字病理	肝癌	放射组学、机器学习	二分类模型、XGBoost、LightGBM、深度学习架构	医学影像	NA
2479	2025-07-26	Deep learning radiomics: Redefining precision oncology through noninvasive insights into the tumor immune microenvironment 2025-Jul-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i7.108175 PMID:40697238	研究论文	基于计算机断层扫描的深度学习放射组学为预测结直肠癌肿瘤免疫微环境提供了一种新颖、非侵入性的方法	利用卷积神经网络分析术前CT扫描，无需侵入性活检即可预测肿瘤免疫微环境的关键特征	回顾性研究设计可能限制了结果的普遍适用性	推进个性化免疫治疗、化疗和靶向治疗，挑战传统肿瘤学实践	结直肠癌患者的肿瘤免疫微环境	数字病理学	结直肠癌	计算机断层扫描	CNN	图像	315名患者的术前CT扫描
2480	2025-07-26	Predicting Very Early-Stage Breast Cancer in BI-RADS 3 Lesions of Large Population with Deep Learning 2025-Jul-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070240 PMID:40710626	研究论文	本研究开发了一种深度学习模型，用于在BI-RADS 3评分的乳腺病变中准确识别极早期恶性肿瘤，以提高诊断精度和临床决策	提出了一种新的迁移学习方法，显著提高了预测BI-RADS 3恶性病变的临床AUC值，从0.721提升至0.880	研究样本来自两家医院，可能存在一定的选择偏差，且未涉及更多类型的影像数据	提高乳腺BI-RADS 3病变中极早期恶性肿瘤的诊断准确性	BI-RADS 3评分的乳腺病变患者	数字病理	乳腺癌	深度学习	迁移学习	超声图像	685名患者的852个病变（256个恶性，596个良性）