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
2581	2025-05-23	Deep learning to find colorectal polyps in colonoscopy: A systematic literature review 2020-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2020.101923 PMID:32972656	系统文献综述	本文通过系统综述分析了深度学习在结肠镜检查中检测结直肠息肉的应用	总结了深度学习在息肉检测、定位和分割中的最新方法，并分析了公开数据集和评估指标	方法间的公平比较和可重复性存在困难，缺乏基于大型公开数据库的统一验证框架	提高结肠镜检查中腺瘤检测率，从而预防结直肠癌	结直肠息肉	计算机视觉	结直肠癌	深度学习	CNN	图像	35篇相关研究和7个公开的结肠镜图像数据集
2582	2025-05-23	Opportunities and challenges of deep learning methods for electrocardiogram data: A systematic review 2020-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.103801 PMID:32658725	系统综述	本文系统综述了深度学习在心电图（ECG）数据分析中的建模和应用	总结了深度学习在ECG数据分析中的最新进展，并提出了未来研究方向	未解决可解释性、可扩展性和效率等新挑战	探讨深度学习在ECG数据分析中的应用和挑战	ECG数据	机器学习	心血管疾病	深度学习	CNN, RNN, 混合架构	ECG信号	191篇论文（2010-2020年）
2583	2025-05-23	Lung Nodule Detection from Feature Engineering to Deep Learning in Thoracic CT Images: a Comprehensive Review 2020-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-020-00320-6 PMID:31997045	综述	本文系统回顾了关于胸部CT图像中肺结节检测的文献，涵盖了从特征工程到深度学习的各种方法	重点介绍了基于卷积神经网络(CNN)的深度学习方法在肺结节检测中的应用	仅涵盖了2009年至2018年4月期间发表的工作，可能未包含最新的研究进展	为研究人员和读者提供肺结节检测领域的当前技术状态和发展进程	胸部CT图像中的肺结节	数字病理	肺癌	计算机辅助诊断(CAD)系统	CNN	CT图像	NA
2584	2025-05-22	Deep learning-based detection of bacterial swarm motion using a single image 2025-Dec, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	research paper	开发了一种基于深度学习的细菌集群运动检测方法，仅需单张模糊图像即可快速自主预测细菌集群运动概率	提出了一种新型深度学习方法，能够快速、客观地定量评估细菌集群运动概率，适用于高通量环境	方法虽然展示了良好的性能，但仍需在更多细菌种类上进行验证以证明其广泛适用性	开发一种快速、自主的细菌集群运动检测方法，以克服传统方法的局限性	细菌的集群运动和游泳运动	computer vision	inflammatory bowel diseases (IBD), urinary tract infections (UTI)	deep learning	CNN	image	SM3, DB10, H6细菌样本
2585	2025-05-22	Current Status, Hotspots, and Prospects of Artificial Intelligence in Ophthalmology: A Bibliometric Analysis (2003-2023) 2025-Jun, Ophthalmic epidemiology IF:1.7Q3 DOI:10.1080/09286586.2024.2373956 PMID:39146462	综述	本文通过文献计量学方法分析了2003-2023年间人工智能在眼科领域的研究现状、热点及未来趋势	采用VOSviewer、CiteSpace和R包Bibliometrix进行文献计量分析，系统梳理了AI在眼科领域的发展脉络和研究热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究；未深入探讨技术、监管和伦理等具体挑战	总结人工智能在眼科领域的研究现状并展望未来发展方向	3377篇来自98个国家4035个机构的眼科AI研究文献	数字病理	眼科疾病	文献计量分析	GAN, ChatGPT	文献数据	3377篇文献，涉及1345位研究人员
2586	2025-05-22	DRBP-EDP: classification of DNA-binding proteins and RNA-binding proteins using ESM-2 and dual-path neural network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf058 PMID:40391089	研究论文	本研究提出了一种名为DRBP-EDP的分阶段分类方法，结合ESM-2和双路径神经网络，用于分类DNA结合蛋白(DBPs)和RNA结合蛋白(RBPs)	整合ESM-2与双路径神经网络进行蛋白质分类，并设计了高质量数据集构建方法	未明确提及具体限制	开发高效准确的DNA结合蛋白和RNA结合蛋白分类方法	DNA结合蛋白(DBPs)和RNA结合蛋白(RBPs)	生物信息学	NA	深度学习	双路径神经网络	蛋白质序列数据	未明确提及具体样本数量
2587	2025-05-22	Brain age prediction from MRI scans in neurodegenerative diseases 2025-May-22, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	综述	本文综述了利用MRI扫描进行脑龄估计作为脑健康生物标志物的应用	探讨了脑龄估计在神经退行性疾病早期诊断、疾病监测和个性化医疗中的应用	存在标准化实施、人口统计学偏差和可解释性等挑战	探索脑龄估计作为神经退行性疾病早期检测工具的潜力	阿尔茨海默病、轻度认知障碍和帕金森病患者	数字病理学	神经退行性疾病	MRI扫描	深度学习	图像	NA
2588	2025-05-22	An Ultrasound Image-Based Deep Learning Radiomics Nomogram for Differentiating Between Benign and Malignant Indeterminate Cytology (Bethesda III) Thyroid Nodules: A Retrospective Study 2025-May-21, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.24058 PMID:40396203	研究论文	开发并验证基于术前超声图像和临床特征的深度学习放射组学列线图（DLRN），用于预测细胞学不确定（Bethesda III）甲状腺结节的恶性程度	整合了从预训练Resnet34网络提取的512个DTL特征、超声放射组学特征和临床特征，构建了一个综合诊断模型	研究为回顾性设计，样本量相对较小（训练集155例，内部验证集39例，外部验证集80例）	区分细胞学不确定（Bethesda III）甲状腺结节的良恶性	194例经手术确诊的细胞学不确定（Bethesda III）甲状腺结节患者	数字病理	甲状腺结节	深度学习放射组学	Resnet34	超声图像	训练集155例，内部验证集39例，外部验证集80例
2589	2025-05-22	Validation of a deep learning model for the automated detection and quantification of cystoid macular oedema on optical coherence tomography in patients with retinitis pigmentosa 2025-May-21, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17518 PMID:40396533	research paper	该研究验证了一种基于深度学习的模型，用于自动检测和量化视网膜色素变性患者光学相干断层扫描中的囊样黄斑水肿	开发并验证了一种基于nnU-Net架构的深度学习模型，用于自动检测和量化囊样黄斑水肿，其性能与人类评分者相当	研究样本量相对较小，仅使用了112个OCT体积进行训练和验证，外部测试集仅包含37个SD-OCT扫描	验证深度学习模型在自动检测和量化视网膜色素变性患者囊样黄斑水肿方面的准确性和效率	视网膜色素变性患者的囊样黄斑水肿	digital pathology	retinitis pigmentosa	spectral-domain optical coherence tomography (SD-OCT)	nnU-Net	image	112个OCT体积（70个用于训练，42个用于验证）和37个SD-OCT扫描用于外部测试
2590	2025-05-22	Deep Learning with Domain Randomization in Image and Feature Spaces for Abdominal Multiorgan Segmentation on CT and MRI Scans 2025-May-21, Radiology. Artificial intelligence DOI:10.1148/ryai.240586 PMID:40396895	research paper	开发一种深度学习分割模型，用于在CT和MR图像上高精度且具有良好泛化能力地分割腹部器官	提出了一种在图像和特征空间中进行域随机化的方法，以提高跨站点和跨模态设置下的泛化能力	未提及具体的研究局限性	提高腹部器官在CT和MR图像上的分割准确性和泛化能力	腹部多器官分割	computer vision	NA	domain randomization	nnU-Net	image	公共前列腺MRI数据集和腹部CT及MRI数据集，具体样本数量未提及
2591	2025-05-22	Systematic review on the impact of deep learning-driven worklist triage on radiology workflow and clinical outcomes 2025-May-21, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11674-2 PMID:40397031	系统综述	本文系统综述了基于深度学习的放射科工作列表分诊对工作流程和临床结果的影响	评估了深度学习分诊系统在不同临床环境中对报告周转时间和患者预后的影响，并比较了不同集成模式的效率差异	需要进一步研究和可靠指标来提供关于假阴性检查和多条件优先排序的具体建议	评估基于深度学习的工作列表优化对诊断影像分诊的影响	放射科工作流程和患者临床结果	医学影像分析	肺栓塞、中风、颅内出血和胸部疾病	深度学习	DL	医学影像	38项研究，涉及138,423张影像
2592	2025-05-22	Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis 2025-May-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03657-3 PMID:40397134	meta-analysis	该研究通过系统综述和荟萃分析评估了AI算法（包括机器学习和深度学习）在预测创伤性脑损伤后血肿进展中的性能	首次通过荟萃分析评估多种AI模型在预测创伤性脑损伤后血肿进展中的表现，并发现XGBoost模型具有最佳预测性能	纳入研究数量有限（仅5项），且需要进一步标准化数据集和多样化患者群体以提高模型的适用性和可靠性	评估AI算法在预测创伤性脑损伤后血肿进展风险中的性能	创伤性脑损伤患者的血肿进展	machine learning	traumatic brain injury	machine learning, deep learning	XGBoost, AI algorithms	clinical data, radiomics features	5项研究（具体患者数量未明确说明）
2593	2025-05-22	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-May-21, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估，发现了新型潜在的11β-HSD1抑制剂	利用GRU循环神经网络构建分子生成模型，并通过转移学习生成潜在的11β-HSD1抑制剂	化合物02的抑制活性不如对照药物	开发新型11β-HSD1抑制剂	11β-HSD1抑制剂	机器学习和药物发现	糖尿病、胰岛素抵抗、血脂异常和肥胖	深度学习、分子对接和分子动力学模拟	GRU	分子数据	1,854,484个药物样分子
2594	2025-05-22	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-May-21, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的深度学习框架，用于通过表征癌症驱动信号来预测癌细胞对药物的敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，增强了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	实现精准肿瘤学中的药物敏感性预测	癌细胞系和实体肿瘤样本	数字病理学	癌症	深度学习	自监督神经网络	遗传和药物敏感性数据	多个数据集和来自The Cancer Genome Atlas的实体肿瘤样本
2595	2025-05-22	A 3D deep learning model based on MRI for predicting lymphovascular invasion in rectal cancer 2025-May-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17882 PMID:40391614	research paper	本研究开发了一种基于MRI的3D深度学习模型，用于预测直肠癌患者的淋巴血管侵犯	利用3D深度学习模型（3D GPTV10）结合肿瘤及其周围10像素的边缘区域作为感兴趣区域，显著提高了预测淋巴血管侵犯的准确性	研究样本量相对较小（训练队列233例，验证队列101例），可能影响模型的泛化能力	开发并验证一种基于术前MRI的深度学习模型，用于预测直肠癌患者的淋巴血管侵犯	直肠癌患者	digital pathology	rectal cancer	MRI T2WI轴向图像	DenseNet121	image	训练队列233例，验证队列101例
2596	2025-05-22	Fusing radiomics and deep learning features for automated classification of multi-type pulmonary nodule 2025-May-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17901 PMID:40391634	研究论文	本研究提出了一种融合放射组学和深度学习特征的方法，用于自动分类多种类型的肺结节	通过引入判别相关分析特征融合算法，最大化两类特征的互补性和不同类别间的差异，有效利用特征的互补特性	NA	提高肺结节分类的准确性，实现个性化肺癌治疗和预后预测	多种类型的肺结节（如恶性、钙化、毛刺、分叶、边缘和纹理）	数字病理学	肺癌	CT放射组学	深度学习神经网络	CT图像	LIDC-IDRI数据集
2597	2025-05-22	Deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study 2025-May-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002488 PMID:40391963	research paper	本研究构建并验证了一种基于放射组学的机器学习模型，用于预测IDH野生型胶质母细胞瘤在最大安全手术切除后的总体生存期	利用深度学习分割网络提取放射组学特征，并结合先进的机器学习算法构建预测模型，为个性化预后评估提供非侵入性工具	研究为回顾性设计，可能存在选择偏倚，且外部验证队列样本量相对较小	预测IDH野生型胶质母细胞瘤患者的总体生存期	582名IDH野生型胶质母细胞瘤患者	digital pathology	glioblastoma	磁共振成像（MRI）	ResNet, LASSO-Cox回归, RSF模型	医学影像	582名患者（301名训练队列，128名内部验证队列，153名外部验证队列）
2598	2025-05-22	Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy 2025-May-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01504-8 PMID:40392414	research paper	本研究探讨了在多位临床专家注释的前列腺腺体解剖结构MRI图像上使用深度神经网络（DNN）进行分割时面临的读者间变异性问题，并提出量化DNN性能差异及训练策略	通过结合不同专家的注释数据训练3D U-Net模型，提高了模型在不同读者间的可重复性，并分析了腺体体积对模型性能的影响	小腺体尺寸的分割性能相对较差，Dice系数降至0.8左右	解决医学图像分割中深度神经网络面临的读者间变异性问题，提升模型泛化能力	前列腺腺体的MRI图像分割	digital pathology	prostate cancer	MRI (T2-weighted)	3D U-Net	image	R#1的342个样本和R#2的204个样本，训练时使用了R#1的100个样本和R#2的150个样本
2599	2025-05-22	Machine learning approaches for predicting the small molecule-miRNA associations: a comprehensive review 2025-May-20, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11211-9 PMID:40392452	综述	本文全面回顾了机器学习在预测小分子-miRNA关联中的应用	对32种基于机器学习的SMA预测方法进行了详尽分类和趋势分析，提供了未来研究的宝贵见解	未提及具体方法的性能比较或实际应用中的局限性	增强对小分子-miRNA相互作用的理解，促进诊断和治疗靶点的发现	小分子(SMs)与miRNA的关联(SMAs)	机器学习	NA	机器学习算法	包括经典ML、深度学习、矩阵分解、网络传播、图学习和集成学习方法	生物分子相互作用数据	NA
2600	2025-05-22	XVir: A Transformer-Based Architecture for Identifying Viral Reads from Cancer Samples 2025-May-20, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2025.0075 PMID:40392695	研究论文	本文介绍了一种基于Transformer的深度学习架构XVir，用于从癌症样本中可靠地识别病毒DNA	XVir采用Transformer架构，能够高效识别人类肿瘤中的病毒DNA，并在多样化的病毒群体中保持高准确性，训练速度显著快于其他大型深度学习分类器	未提及具体样本量或实际临床应用验证	开发一种计算工具来识别与癌症相关的病毒DNA	人类肿瘤中的病毒DNA	数字病理学	癌症	DNA测序	Transformer	DNA序列数据	NA