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
3001	2025-10-06	Deep learning for survival prediction in triple-negative breast cancer: development and validation in real-world cohorts 2025-Aug-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16331-8 PMID:40826162	研究论文	开发并验证基于深度学习的生存预测模型和个体化预后系统用于三阴性乳腺癌患者	首次构建针对三阴性乳腺癌的深度学习生存预测模型，并在大规模真实世界队列中验证其优于传统方法的预测性能	研究基于回顾性数据，需要前瞻性研究进一步验证模型的临床适用性	改善三阴性乳腺癌患者的预后评估和治疗分层	三阴性乳腺癌患者	机器学习	乳腺癌	深度学习	生存分析模型	临床数据	37,818名TNBC患者（SEER数据库）	pysurvival	NA	C-index, AUC	NA
3002	2025-10-06	Advancing deep learning-based segmentation for multiple lung cancer lesions in real-world multicenter CT scans 2025-Aug-18, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00617-7 PMID:40826204	研究论文	本研究开发了一种基于深度学习的自动化方法，用于在真实世界多中心CT扫描中对多发性肺癌病灶进行分割	提出了一个新颖的三步流程，包括胸腔边界框提取、多实例病灶分割和通过多尺度级联分类器进行假阳性减少，专门针对多病灶分割问题	研究基于回顾性收集的数据，需要在前瞻性研究中进一步验证	开发自动化的多实例肺癌病灶分割方法，提高肺癌诊断和治疗规划的准确性	肺癌患者的CT扫描图像和其中的病灶	计算机视觉	肺癌	CT扫描	深度学习	医学图像	1,081例回顾性收集的CT扫描，包含5,322个标注病灶，训练集868例，测试集213例，外部验证集188例	NA	多尺度级联分类器	Dice相似系数, 病灶检测灵敏度	NA
3003	2025-10-06	Deep learning for retinal non-perfusion and foveal avascular zone analysis in wide-field OCTA in diabetic retinopathy 2025-Aug-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15712-3 PMID:40826271	研究论文	开发用于糖尿病视网膜病变监测的自动化框架，通过分割宽场OCTA图像中的低质量区域和无灌注区域来获取视网膜无灌注指数和中心凹无血管区面积	提出结合Q-NET和NPA-NET的双模型框架，首次在宽场OCTA图像中自动分割低质量区域、无灌注区域和中心凹无血管区	标注仅由单一专家（无灌注和FAZ区域）或四位标注者共识（低质量区域）完成，存在一定的标注者间变异性	开发自动化AI工具用于糖尿病视网膜病变的监测和医疗决策支持	糖尿病视网膜病变患者的宽场OCTA图像	医学影像分析	糖尿病视网膜病变	OCTA（光学相干断层扫描血管成像）	深度学习	医学影像	88名患者的170张图像（训练集），29张图像（测试集）	NA	Q-NET, NPA-NET	Dice系数, R²系数	NA
3004	2025-10-06	Artificial intelligence and machine learning in spine care: Advancing precision diagnosis, treatment, and rehabilitation 2025-Aug-18, World journal of orthopedics IF:2.0Q2 DOI:10.5312/wjo.v16.i8.107064 PMID:40838224	综述	本文综述人工智能和机器学习在脊柱护理领域的最新进展，涵盖精准诊断、治疗规划和康复管理	提出整合影像学、临床和遗传数据的多模态AI系统，开发可解释AI框架以解决算法偏见问题	医疗数据集有限、存在算法偏见、伦理问题及与现有系统整合困难	推动脊柱疾病的精准医疗发展，提升诊疗效率和个性化水平	脊柱疾病患者群体及相关医疗数据	机器学习	脊柱疾病	深度学习算法	深度学习	影像数据, 临床数据, 遗传数据	NA	NA	NA	诊断准确率	NA
3005	2025-10-06	Clinical Applications of Artificial Intelligence in Corneal Diseases 2025-Aug-18, Vision (Basel, Switzerland) DOI:10.3390/vision9030071 PMID:40843795	综述	评估人工智能模型在角膜疾病诊断中的临床应用，重点分析其性能指标和临床潜力	系统评估多种角膜疾病中AI模型的诊断性能，特别指出在KC和FECD疾病中采用AS-OCT成像时表现优异	数据异质性、疾病定义缺乏标准化、影像采集和模型训练不一致，部分疾病缺乏与临床专家的直接比较	评估人工智能在角膜疾病诊断中的临床应用价值	圆锥角膜、Fuch's角膜内皮营养不良、感染性角膜炎、角膜神经病变、干眼病和结膜疾病	医学人工智能	角膜疾病	前段光学相干断层扫描(AS-OCT)	CNN,深度学习模型	医学影像	NA	NA	NA	敏感度,特异度,准确率,AUC	NA
3006	2025-10-06	AI-assisted multi-modal information for the screening of depression: a systematic review and meta-analysis 2025-Aug-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01933-3 PMID:40819119	系统综述与荟萃分析	通过系统综述和荟萃分析评估人工智能辅助多模态信息在抑郁症筛查中的分类性能	首次对AI辅助多模态方法在抑郁症筛查中的性能进行系统评估，发现多模态方法显著优于单模态方法	需要建立标准化数据库和改进研究设计	评估人工智能辅助生理和行为信息在抑郁症筛查中的分类性能	抑郁症筛查研究	机器学习	抑郁症	脑电图、眼动追踪、视频/音频监测、步态分析	深度学习模型	多模态生理和行为数据	NA	NA	NA	AUC	NA
3007	2025-10-06	An interpretable CT-based deep learning model for predicting overall survival in patients with bladder cancer: a multicenter study 2025-Aug-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01083-5 PMID:40819151	研究论文	开发基于CT扫描的可解释深度学习模型预测膀胱癌患者总生存期	首次使用术前CT扫描构建可解释深度学习模型进行膀胱癌生存预测，结合SHAP方法识别像素级特征，并通过多中心验证	样本量相对有限，需要更大规模的前瞻性研究验证	预测膀胱癌患者总生存期并支持个性化治疗决策	膀胱癌患者	数字病理	膀胱癌	CT扫描，RNA测序	深度学习	医学影像	训练队列765例，三个独立验证队列438例、181例和72例	NA	BCDL模型	生存风险预测准确性	NA
3008	2025-10-06	Deep learning radiomics of elastography for diagnosing compensated advanced chronic liver disease: an international multicenter study 2025-Aug-15, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00199-6 PMID:40813740	研究论文	开发基于深度学习的弹性成像影像组学模型用于诊断代偿性晚期慢性肝病	首次将深度学习影像组学应用于弹性成像数据，整合弹性图像和肝脏硬度测量值，并在国际多中心数据上进行验证	回顾性研究设计，仅包含三种特定病因的慢性肝病患者	开发非侵入性诊断代偿性晚期慢性肝病的深度学习方法	慢性肝病成人患者（乙型肝炎、丙型肝炎、代谢功能障碍相关脂肪性肝病）	医学影像分析	慢性肝病	二维剪切波弹性成像	深度学习	弹性成像图像	1937名患者，9472张2D-SWE图像	NA	NA	AUC	NA
3009	2025-10-06	End-to-end deep learning for the diagnosis of pelvic and sacral tumors using non-enhanced MRI: a multi-center study 2025-Aug-15, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01077-3 PMID:40817144	研究论文	开发了一种基于非增强MRI的端到端深度学习模型，用于诊断良恶性盆腔和骶骨肿瘤	首次使用非增强MRI开发端到端深度学习模型诊断盆腔和骶骨肿瘤，无需对比剂即可达到与增强模型和放射科医生相当的诊断性能	回顾性研究设计，样本量相对有限（835例患者）	开发准确、高效且经济实惠的盆腔和骶骨肿瘤诊断工具	盆腔和骶骨肿瘤患者	医学影像分析	盆腔和骶骨肿瘤	非增强MRI	深度学习	MRI图像	来自四家医院的835名患者	NA	SEG-CL-NC	AUC, 准确率/ACC	NA
3010	2025-10-06	Radiomics in pediatric brain tumors: from images to insights 2025-Aug-15, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03391-5 PMID:40817158	综述	本文综述了影像组学在儿童脑肿瘤中的应用现状与前景	系统阐述了影像组学在儿童脑肿瘤这一特殊领域的创新应用，包括分子亚型预测和新兴的放射免疫组学方向	面临儿科专用数据集有限、成像协议不统一、缺乏标准化流程等临床转化障碍	探索影像组学在儿童脑肿瘤诊断、风险分层和预后预测中的应用价值	儿童脑肿瘤（髓母细胞瘤、室管膜瘤、胶质瘤等）	数字病理	脑肿瘤	MRI影像组学分析	支持向量机,随机森林,CNN	医学影像	50至450余名患者队列	NA	CNN	AUC	NA
3011	2025-10-06	Spatial morphoproteomic features predict disease states from tissue architectures 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113204 PMID:40822345	研究论文	提出SNOWFLAKE图神经网络流程，通过整合单细胞蛋白质表达和形态特征从淋巴滤泡预测疾病状态	首次将形态学特征整合到图边特征中，能够识别与疾病相关的空间组织子图	NA	从组织架构预测疾病状态	淋巴滤泡、儿科COVID-19数据集、乳腺癌、三级淋巴结构	空间系统生物学	COVID-19, 乳腺癌	多重成像数据, 空间蛋白质组学	图神经网络	空间蛋白质组学数据, 单细胞蛋白质表达数据, 形态特征数据	NA	NA	SNOWFLAKE	分类准确率	NA
3012	2025-10-06	Artificial intelligence diagnosis and heatmap agent for mitral valve prolapse using 3D cine echocardiography 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113033 PMID:40836924	研究论文	提出一种基于3D电影超声心动图的人工智能代理，用于二尖瓣脱垂的诊断和热图可视化	首次将深度学习应用于3D电影超声心动图的二尖瓣脱垂自动诊断和热图可视化，填补了该领域的研究空白	样本量相对有限（151名受试者），需要进一步验证和推广	开发二尖瓣脱垂的自动诊断和可视化系统	二尖瓣脱垂患者	计算机视觉	心血管疾病	3D电影超声心动图	深度学习	3D电影超声心动图序列	151名受试者的481个心动周期（8422帧图像）	NA	NA	AUC,准确率,F1分数,Dice系数,IoU	NA
3013	2025-10-06	Design of a lightweight recognition network for adult locusts and grasshoppers based on deep learning 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113096 PMID:40836923	研究论文	提出一种基于深度学习的轻量级网络模型CGENet，用于准确识别蝗虫和蚱蜢属种	引入通道主成分注意力机制模块(CPCA)，并将部分EfficientNet卷积模块替换为结合高效通道注意力机制(ECA)的GhostConv模块	NA	提高蝗虫和蚱蜢属种识别精度和计算效率，减少浮点运算和参数数量	蝗虫和蚱蜢属种	计算机视觉	NA	深度学习	CNN	图像	两个图像数据集，每个包含60个蝗虫和蚱蜢属种	NA	EfficientNet,GhostConv,CGENet	准确率,FLOPs,参数数量	NA
3014	2025-10-06	Fatty acid-binding protein 4 as a biomarker for colon adenocarcinoma risk and prognosis: Challenges and future directions 2025-Aug-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i8.106621 PMID:40837743	评论	对FABP4作为结肠腺癌生物标志物研究的评述，探讨现有研究的局限性与未来发展方向	提出整合孟德尔随机化、机器学习与深度学习方法来改进FABP4生物标志物研究的新思路	现有研究仅通过差异表达分析难以证明FABP4与COAD发生发展的直接关联，实验验证不足	评估FABP4作为结肠腺癌风险与预后生物标志物的价值并探索改进研究方法	脂肪酸结合蛋白4(FABP4)与结肠腺癌(COAD)	生物信息学	结肠癌	生物信息学分析，免疫组织化学，全基因组关联研究(GWAS)，多组学技术	机器学习，深度学习，Cox回归模型	基因表达数据，临床数据，多组学数据	NA	NA	NA	NA	NA
3015	2025-10-06	Computed tomography-based deep learning and multi-instance learning for predicting microvascular invasion and prognosis in hepatocellular carcinoma 2025-Aug-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i30.109186 PMID:40933208	研究论文	开发基于CT的2.5D深度学习和多示例学习模型用于预测肝细胞癌微血管侵犯和预后	首次将2.5D深度学习与多示例学习框架结合用于肝细胞癌MVI预测，并在手术切除和TACE治疗队列中验证其预后预测价值	回顾性研究设计，样本量相对有限（192例训练验证集+45例TACE队列）	预测肝细胞癌微血管侵犯并评估其预后价值	经病理证实的肝细胞癌患者	计算机视觉	肝细胞癌	计算机断层扫描	深度学习,多示例学习	CT动脉期图像	237例患者（192例主要队列，45例TACE验证队列）	NA	2.5D深度学习架构	AUC,决策曲线分析,DeLong检验,Kaplan-Meier生存分析	NA
3016	2025-10-06	A deep learning strategy for accurate identification of purebred and hybrid pigs across SNP chips 2025-Aug-14, Journal of animal science and biotechnology IF:6.3Q1 DOI:10.1186/s40104-025-01249-y PMID:40813701	研究论文	本研究提出一种基于多层感知器的多输出回归框架，用于准确识别纯种和杂交猪的基因组品种组成	首次将多输出回归框架应用于猪品种鉴定，相比传统方法在杂交品种识别上表现更优	研究仅针对中国八个省份的猪种，未涵盖全球所有猪品种	开发高精度的猪品种鉴定方法以支持遗传资源管理和育种策略制定	8199头猪（包括约克夏、长白、杜洛克纯种及其杂交品种）	机器学习	NA	SNP芯片基因分型（1K、50K、100K）	MLP	基因组数据	8199头猪	NA	多层感知器	准确率	NA
3017	2025-10-06	Enhancing EEG-based sleep staging efficiency with minimal channels through adversarial domain adaptation and active deep learning 2025-Aug-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adeec7 PMID:40645218	研究论文	提出一种结合对抗域适应和主动深度学习的框架，用于提升基于少量EEG通道的睡眠分期分类效率	提出ADAADL框架，结合对抗学习和主动学习策略，使用两个独立的睡眠分期分类器作为判别器，并在训练中结合熵度量和交叉熵损失	NA	提升基于EEG的睡眠分期分类准确性和效率	睡眠分期分类	机器学习	睡眠障碍	EEG	深度学习	EEG信号	三个基准EEG数据集	NA	对抗域适应网络	分类准确率	NA
3018	2025-10-06	Effective generation of heavy-atom-free triplet photosensitizers containing multiple intersystem crossing mechanisms based on deep learning 2025-Aug-13, Chemical science IF:7.6Q1 DOI:10.1039/d5sc03192c PMID:40671753	研究论文	本研究提出了一种基于深度学习的无重原子三重态光敏剂生成方法，整合了多种系间窜越机制	构建了包含多种系间窜越机制的全面数据集，并提出了结合片段模型和字符模型的新策略	现有方法主要针对有限的三重态光敏剂子集，忽略了高能级单重态和三重态之间的关键系间窜越	开发有效的三重态光敏剂生成方法以推进光动力疗法	三重态光敏剂	机器学习	癌症	深度学习	Transformer, RNN, 强化学习	化学结构数据	约1.90×10^4个三重态光敏剂样本	NA	条件Transformer, 循环神经网络	预测准确率, 条件评估指标, MOSES指标	NA
3019	2025-10-06	Inference of germinal center evolutionary dynamics via simulation-based deep learning 2025-Aug-13, ArXiv PMID:40832049	研究论文	本研究使用基于模拟的深度学习方法推断生发中心B细胞亲和力与繁殖力之间的关系函数	首次结合深度学习与基于模拟的推断方法来学习生发中心中B细胞亲和力-适应性响应函数	NA	推断生发中心中B细胞亲和力与繁殖力之间的精确关系函数	生发中心中的B细胞	机器学习	NA	基于模拟的推断	深度学习	模拟数据	NA	NA	NA	NA	NA
3020	2025-10-06	Colorectal cancer heterogeneity co-evolves with tumor architecture to determine disease outcome 2025-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.11.669722 PMID:40832253	研究论文	本研究开发了一种基于深度学习的图像分析范式，通过组织结构和核形态量化并预测结直肠癌患者预后	揭示了肿瘤组织结构与细胞状态之间的动态共进化关系，发现组织结构通过促进不同癌症干细胞状态驱动肿瘤异质性演化	研究主要聚焦于结直肠癌，其发现是否适用于其他癌症类型尚需验证	探索肿瘤异质性与组织结构之间的相互作用关系及其对疾病结局的影响	结直肠癌患者组织样本和患者来源的类器官	数字病理学	结直肠癌	深度学习，空间转录组学，多重免疫组织化学，患者来源类器官	深度学习	图像，空间转录组数据，免疫组织化学数据	未明确说明具体样本数量	NA	NA	患者预后预测准确性	NA