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
261	2025-06-18	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	本研究开发了一种基于逐步迁移学习的深度学习神经网络，用于在有限数据场景下实现儿科低级别胶质瘤的专家级自动分割	提出了一种新颖的领域内逐步迁移学习方法，在有限数据条件下实现了专家级的肿瘤分割性能	研究数据量仍然有限(n=284)，且仅针对儿科低级别胶质瘤	开发适用于儿科脑肿瘤的AI自动分割算法以支持临床决策	儿科低级别胶质瘤(pLGG)	数字病理	儿科脑肿瘤	深度学习	深度学习神经网络	医学影像	284例(184例来自国家脑肿瘤联盟，100例来自儿科癌症中心)
262	2025-06-18	An Interpretable Longitudinal Preeclampsia Risk Prediction Using Machine Learning 2023-Aug-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.16.23293946 PMID:37645797	研究论文	本研究开发了一种基于机器学习的可解释性纵向子痫前期风险预测工具	使用常规临床数据开发了全面的纵向预测工具，能够在整个孕期预测子痫前期风险，并测试了多种预测模型，包括机器学习和深度学习模型，展示了高预测能力	研究中存在数据泄露、过拟合或缺乏普遍性的担忧	开发一种工具来纵向预测子痫前期风险	在2015年2月至2023年6月期间在新英格兰地区六家社区医院和两家三级医院分娩的患者	机器学习	子痫前期	机器学习	线性回归、随机森林、xgboost和深度神经网络	社会人口学、临床诊断、家族史、实验室和生命体征数据	120,752名患者，其中6,920名患有子痫前期
263	2025-06-18	Simultaneous Estimation of Hand Configurations and Finger Joint Angles Using Forearm Ultrasound 2023-Feb, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2023.3237774 PMID:40511365	研究论文	提出一种基于卷积神经网络（CNN）的深度学习流程，用于预测手指关节角度和手部配置分类	首次利用前臂超声图像同时估计手部配置和掌指关节（MCP）角度，填补了文献中的空白	研究样本量较小，仅涉及6名受试者	开发流畅直观的人机交互方法，用于数字系统、增强/虚拟现实（AR/VR）界面和物理机器人系统	手部运动识别，特别是手部配置分类和MCP关节角度检测	计算机视觉	NA	前臂超声成像	CNN, 支持向量分类器（SVC）, 多层感知机（MLP）	图像	6名受试者的前臂超声图像和运动捕捉数据
264	2025-06-17	Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa 2025-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179739 PMID:40480170	研究论文	利用无监督深度学习和高分辨率卫星图像对撒哈拉以南非洲城市的城市发展表型进行聚类分析	提出了一种新颖的分层深度学习框架，用于无监督聚类高分辨率卫星图像，揭示城市发展的多维特征	研究仅覆盖了撒哈拉以南非洲的少数城市，可能无法完全代表该地区的所有城市发展模式	通过无监督深度学习分析高分辨率卫星图像，实现对城市环境的近实时监测	撒哈拉以南非洲多个城市的卫星图像	计算机视觉	NA	无监督深度学习	分层深度学习框架	卫星图像	多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的高分辨率卫星图像
265	2025-06-17	Attain: Inclusive annotated pavement distress types and severity dataset 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111715 PMID:40521146	研究论文	介绍了一个名为Attain的多样化、注释详尽的路面病害数据集，用于支持机器学习和深度学习模型在路面病害分类和目标检测中的开发	数据集包含10种不同的路面病害类别，每种病害还标注了低、中、高三个严重程度级别，且使用智能手机摄像头收集数据显著降低了数据收集成本	数据集仅包含2293张图像，可能不足以覆盖所有可能的路面条件和病害类型	促进自动路面病害检测系统的开发，以提高路面维护过程的效率和准确性	路面病害图像	计算机视觉	NA	智能手机摄像头图像采集	NA	图像	2293张图像，包含19,761个病害实例
266	2025-06-17	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Jul, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	综述	本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景	探讨了AI在肿瘤诊断、分子生物标志物检测和癌症预后评估中的创新应用，以及基础模型和通用模型等最新AI算法的潜力	目前尚无基于IA或IB证据水平的AI预后或预测性生物标志物，数据可用性、可解释性和监管考虑等障碍仍然存在	评估AI在癌症病理学中的当前应用并展望未来发展	肿瘤诊断、分子生物标志物检测和癌症预后评估	数字病理学	肿瘤学	AI算法、深度学习	基础模型、通用模型、基于transformer的深度学习	图像、多组学数据	NA
267	2025-06-17	A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients 2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110935 PMID:40360049	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能	首次对放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能进行了系统综述和荟萃分析，并比较了不同模型的性能	研究主要集中在放射性肺炎的预测，对其他毒性反应的预测研究较少	评估放射组学、剂量组学和机器学习在预测胸部放疗毒性方面的性能	接受胸部放疗的肺癌患者	digital pathology	lung cancer	radiomics, dosiomics, machine learning	classical and deep learning models	imaging data	104项研究，包括23,373名患者
268	2025-06-17	Integration of metabolomics and machine learning for precise management and prevention of cardiometabolic risk in Asians 2025-Jul, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.05.011 PMID:40414052	研究论文	本文探讨了代谢组学与机器学习在亚洲人群心血管代谢风险精确管理与预防中的应用	结合代谢组学与机器学习技术，揭示隐藏的代谢模式和通路，为亚洲人群提供个性化干预措施	代谢组学结果在不同种族群体间的解释存在困难，研究设计有限，分析平台和数据处理方法存在不一致性	开发针对亚洲人群的心血管代谢疾病（CMDs）的精准干预和预防措施	亚洲人群的心血管代谢风险	机器学习	心血管疾病	代谢组学	深度学习、网络分析	代谢组数据	NA
269	2025-05-27	Deep Learning Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Proton Beam Radiotherapy Planning 2025-Jul, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103849 PMID:40414067	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
270	2025-06-17	A Deep Learning Model Based on High-Frequency Ultrasound Images for Classification of Different Stages of Liver Fibrosis 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70148 PMID:40515461	研究论文	开发基于高频超声图像的深度学习模型，用于分类慢性乙型肝炎患者肝纤维化的不同阶段	使用高频超声图像训练深度学习模型，在肝纤维化分类中表现优于低频超声模型及其他非侵入性方法	回顾性多中心研究，可能存在选择偏倚	开发并评估基于高频超声图像的深度学习模型在肝纤维化分类中的诊断价值	慢性乙型肝炎患者	数字病理	肝纤维化	高频超声成像	CNN	图像	多中心研究，涉及六家医院2014年1月至2024年8月的患者数据
271	2025-06-17	Association Between Automated Coronary Artery Calcium From Routine Chest Computed Tomography Scans and Cardiovascular Risk in Patients With Colorectal or Gastric Cancer 2025-Jun-16, Circulation. Cardiovascular quality and outcomes DOI:10.1161/CIRCOUTCOMES.124.011656 PMID:40519001	研究论文	本研究探讨了在结直肠癌或胃癌患者中，通过常规胸部CT扫描自动计算冠状动脉钙化（CAC）评分与心血管疾病风险之间的关联	首次在结直肠癌或胃癌患者群体中，使用深度学习软件自动量化CAC评分，并评估其与心血管事件风险的关联	研究为回顾性队列设计，且仅在韩国两家三级医院进行，可能存在选择偏倚	评估自动CAC评分在预测结直肠癌或胃癌患者心血管风险中的临床应用价值	结直肠癌或胃癌患者	数字病理学	心血管疾病	深度学习	NA	医学影像	3153名患者（2011-2019年期间在韩国两家三级医院接受非心电图门控胸部CT扫描）
272	2025-06-17	LumiCharge: Spherical Harmonic Convolutional Networks for Atomic Charge Prediction in Drug Discovery 2025-Jun-16, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01025 PMID:40521781	research paper	提出了一种名为LumiCharge的新型原子电荷预测框架，用于药物发现中的原子电荷预测	结合高阶球谐卷积并显式建模多体相互作用，增强了模型的几何空间感知能力	未明确提及具体局限性	提高原子电荷预测的准确性和泛化能力，以支持药物设计	药物分子中的原子电荷	machine learning	NA	spherical harmonics convolutions	CNN	molecular structures	diverse data sets, external halogen-containing test set
273	2025-06-17	From gas sensing to AI-gas sensing 2025-Jun-16, Chemical communications (Cambridge, England) DOI:10.1039/d5cc01291k PMID:40521933	综述	本文综述了气体传感技术及其在人工智能技术介入下的发展	探讨了AI技术在气体传感领域的应用，如深度学习驱动的特征提取和模式识别、漂移补偿以及在边缘设备上的部署，以及硬件-软件融合的创新	NA	概述气体传感技术及其在AI技术介入下的发展	气体传感技术	机器嗅觉	NA	深度学习、模式识别、漂移补偿	NA	化学信号	NA
274	2025-06-17	Deep Learning Methodology for Quantification of Normal Pancreas Structures 2025-Jun-16, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251341824 PMID:40522090	研究论文	本文提出了一种深度学习方法来量化正常胰腺结构，并应用于疾病模型和毒性研究	利用深度学习和数字病理学技术，开发了一种自动化方法来量化胰腺亚结构，克服了传统视觉评估的主观性和分类测量的局限性	NA	开发一种自动化方法来量化胰腺亚结构，以评估疾病模型和毒性研究中的形态学变化	正常和异常胰腺组织	数字病理学	NA	深度学习	NA	图像	NA
275	2025-06-17	Exploring stable isotope patterns in monthly precipitation across Southeast Asia using contemporary deep learning models and SHapley Additive exPlanations (SHAP) techniques 2025-Jun-16, Isotopes in environmental and health studies IF:1.1Q4 DOI:10.1080/10256016.2025.2508811 PMID:40522311	研究论文	本研究利用深度学习和SHAP技术探索东南亚地区月降水中的稳定同位素模式	应用深度神经网络(DNN)和SHAP技术模拟和解释热带降水中的稳定同位素含量，揭示了大规模气候模式与局部气象参数之间的非线性相互作用	研究仅覆盖东南亚六个关键站点，可能无法完全代表整个区域的同位素模式	开发机器学习模型来模拟热带地区降水中的稳定同位素含量，以解决采样站点不足的问题	东南亚六个站点的降水稳定同位素数据(曼谷、吉隆坡、雅加达、哥打巴鲁、查亚普拉和新加坡)	机器学习	NA	深度神经网络(DNN), 偏最小二乘回归(PLSR), SHAP解释技术	DNN, PLSR	气象数据, 同位素数据	东南亚六个站点的月降水数据
276	2025-06-17	A Meta-Analysis of the Diagnostic Test Accuracy of Artificial Intelligence for Predicting Emergency Department Revisits 2025-Jun-16, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02210-2 PMID:40522351	meta-analysis	该研究通过荟萃分析评估人工智能在预测急诊科复诊中的诊断测试准确性	首次通过荟萃分析综合评估AI模型在急诊复诊预测中的表现，并识别影响研究间异质性的协变量	纳入研究数量有限（20篇），且存在显著的异质性	评估AI在预测急诊科复诊中的性能，并探索研究间异质性的来源	急诊科复诊患者	machine learning	NA	machine learning, deep learning, artificial intelligence	NA	NA	20篇文章（包含27个AI模型）
277	2025-06-17	Artificial intelligence (AI) and CT in abdominal imaging: image reconstruction and beyond 2025-Jun-16, Abdominal radiology (New York) DOI:10.1007/s00261-025-05031-6 PMID:40522387	综述	本文探讨了人工智能（AI）在腹部CT成像中的图像重建技术及其更广泛的应用	介绍了基于深度学习的重建（DLR）技术，该技术通过卷积神经网络生成高保真图像，克服了传统方法的噪声和人工纹理问题	临床验证、标准化和广泛采用方面仍存在挑战	探索AI驱动的CT图像重建在腹部成像中的原理、进展和未来方向	腹部器官（如肝脏、胰腺和肾脏）的CT成像	数字病理	NA	深度学习重建（DLR）	CNN	图像	NA
278	2025-06-17	Large-scale protein clustering in the age of deep learning 2025-Jun-14, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103078 PMID:40517452	研究论文	本文探讨了深度学习时代下大规模蛋白质聚类的方法及其重要性	利用深度学习技术扩展了蛋白质相似性度量和聚类方法的广度、深度和多样性	未具体说明所提方法在实际应用中的性能表现和局限性	研究蛋白质聚类方法以促进蛋白质功能和注释的转移	蛋白质家族及其序列和结构相似性	生物信息学	NA	深度学习	NA	蛋白质序列和结构数据	大规模蛋白质数据（未提供具体数量）
279	2025-06-17	Qualitative evaluation of automatic liver segmentation in computed tomography images for clinical use in radiation therapy 2025-Jun-14, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3 DOI:10.1016/j.canrad.2025.104648 PMID:40517449	研究论文	本研究评估了基于AI的肝脏自动分割在CT图像中的临床应用，并探讨了几何指标与临床医生评估之间的相关性	首次系统研究几何指标（如Dice系数和Hausdorff距离）与临床医生对分割结果可接受性评估之间的相关性	研究仅针对肝脏分割，且使用单一公开数据集，结果可能无法推广到其他器官或数据集	评估AI自动分割在放射治疗工作流程中的临床应用可行性	CT图像中的肝脏分割	数字病理	NA	CT成像	U-Net	医学图像	公开数据集中的CT图像（具体数量未说明）
280	2025-06-17	A review: Lightweight architecture model in deep learning approach for lung disease identification 2025-Jun-14, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110425 PMID:40517598	综述	本文综述了2020至2025年间发表的23项研究，专注于轻量级架构和优化技术在提高肺部疾病检测准确性方面的应用	轻量级架构在深度学习中的应用，显著减少了参数大小和计算时间，同时保持了与传统深度学习架构相当的准确性	轻量级架构在参数减少的同时，可能在某些情况下导致准确性的下降	提高肺部疾病早期检测的效率和准确性	肺部疾病的医学影像数据（如X光或CT扫描）	数字病理学	肺部疾病	深度学习	SqueezeNet, UNet, SegNet, EfficientNetV2, Extreme Learning Machine (ELM), VGG	医学影像	23项研究，涉及COVID-19公共数据集和来自意大利医学与介入放射学会及Radiopedia的CT扫描图像