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
3061	2025-07-02	Multi-center study: ultrasound-based deep learning features for predicting Ki-67 expression in breast cancer 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94741-4 PMID:40133523	研究论文	应用深度学习算法挖掘乳腺癌超声特征，构建预测Ki-67表达水平的机器学习模型	整合肿瘤及瘤周区域的深度特征构建融合模型，并在多中心回顾性研究中验证其性能	模型在特异性方面表现一般，瘤周区域模型的ROAUC相对较低	开发高精度预测乳腺癌Ki-67表达水平的模型	929名乳腺癌患者的临床及超声数据	数字病理	乳腺癌	深度学习	SVM, LightGBM	超声图像	929名患者（多中心回顾性数据）
3062	2025-07-02	Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408451 PMID:39792693	研究论文	该研究开发了一种名为HER2Net的深度学习模型，用于基于全切片组织病理学图像预测胃癌的HER2状态	创新性地开发了HER2Net模型，通过定量计算HER2高表达区域的比例来预测HER2状态	研究为回顾性多中心研究，可能存在选择偏倚	开发一种经济可行且易于使用的工具，用于区分胃癌患者的HER2状态	胃癌患者的全切片组织病理学图像	数字病理学	胃癌	深度学习	CNN	图像	内部训练集520名患者的531张H&E全切片图像，内部测试集111名患者的115张图像，外部多中心测试集101名患者的102张图像
3063	2025-07-02	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究探讨了基于乳腺MR和超声的纵向多模态深度学习在预测乳腺癌新辅助化疗后病理完全缓解中的价值	利用纵向多模态深度学习和堆叠模型进行早期无创预测，为乳腺癌患者提供个性化治疗策略	回顾性研究设计可能影响结果的普遍性，且样本量有限	早期预测乳腺癌患者对新辅助化疗的响应，以辅助个性化治疗策略的制定	乳腺癌患者	数字病理	乳腺癌	深度学习	ResNet50, 堆叠模型	图像	448名患者来自三个中心
3064	2025-07-02	Donor-Specific Digital Twin for Living Donor Liver Transplant Recovery 2025-Feb-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639518 PMID:40568069	研究论文	本研究通过整合临床基因表达数据和数学建模，开发了一种个性化的数字孪生模型（PePMDT），用于预测活体肝移植供体的肝脏恢复轨迹	首次将临床基因表达数据与数学建模相结合，构建了个性化的数字孪生模型（PePMDT），用于预测活体肝移植供体的肝脏恢复过程	研究样本量较小（12名健康供体），且仅基于RNA测序数据，未考虑其他潜在影响因素	开发一种个性化模型，用于预测活体肝移植供体的肝脏恢复过程	活体肝移植供体的肝脏恢复过程	数字病理学	肝病	RNA测序, WGCNA, 深度学习	PePMDT（个性化渐进机制数字孪生）	基因表达数据	12名健康活体肝移植供体，14个时间点的全转录组RNA测序数据
3065	2025-07-02	Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment 2025-02, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2024.104441 PMID:39708575	研究论文	开发了一种基于深度学习的机器学习工具，用于预测卵巢刺激周期开始时的成熟卵母细胞数量和触发日	提出了两种新颖的渐进式机器学习算法，能够高精度预测触发日和MII卵母细胞数量	需要纳入更多数据和来自不同诊所的验证	开发预测卵巢刺激周期结果的机器学习工具	卵巢刺激周期	机器学习	生殖系统疾病	深度学习	深度学习算法	临床数据	56,490个卵巢刺激周期（主要数据集），其中13,090个用于模型开发，5,103个用于临床验证
3066	2025-07-02	Application of a methodological framework for the development and multicenter validation of reliable artificial intelligence in embryo evaluation 2025-Jan-31, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-025-01351-w PMID:39891250	研究论文	本文提出了一种用于开发和验证评估囊胚期胚胎的人工智能模型的方法论框架，并在多中心数据集上验证了其可靠性	提出了一种四步方法论框架，确保AI模型在临床环境中的一致性和可靠性，并在多中心数据集上进行了验证	研究仅针对囊胚期胚胎，未涵盖其他胚胎发育阶段	开发并验证一个可靠的人工智能模型，用于评估体外受精(IVF)中胚胎的妊娠可能性	囊胚期胚胎	数字病理学	生殖健康	时间推移成像	深度学习分类器	图像	训练和验证数据集(n=16,935个胚胎)，盲测数据集(n=1,708个胚胎；3个诊所)，独立数据集(n=7,445个胚胎；7个诊所)
3067	2025-07-02	Human intention recognition for trauma resuscitation: An interpretable deep learning approach for medical process data 2025-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104767 PMID:39746431	研究论文	本文提出了一种可解释的深度学习方法，用于自动识别创伤复苏过程中的目标追求	采用双GRU结构的神经网络模型，结合时间和活动类型特征，增强预测的可解释性	模型仅针对两种复苏目标（气道稳定和循环支持）进行验证，可能不适用于其他目标	通过自动识别创伤复苏过程中的目标追求，减少任务执行错误并改善患者预后	儿科创伤复苏事件日志	机器学习	创伤	深度学习	双GRU结构神经网络	事件日志	381例儿科创伤复苏案例（2014年8月至2022年11月）
3068	2025-07-02	Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574413 PMID:40241894	研究论文	开发并验证了一种基于卷积神经网络（CNN）的工具，用于自动评分指甲银屑病的严重程度，使用改良的指甲银屑病严重程度指数（mNAPSI）	该研究提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具，并进行了独立验证	尽管在不同成像条件下表现稳健，但模型性能仍有提升空间	开发一种自动化、客观的指甲银屑病严重程度评分工具	银屑病（PsO）、银屑病关节炎（PsA）患者及非银屑病对照组的指甲照片	数字病理学	银屑病	深度学习	CNN（基于BEiT架构）	图像	训练数据集包括460名患者的4,400张指甲照片，验证数据集包括118名患者的929张指甲照片
3069	2025-07-02	Corrigendum: Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1617441 PMID:40538405	correction	本文是对先前发表的一篇关于使用深度学习工具自动评估指甲银屑病严重程度的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3070	2025-07-02	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	提出了一种基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现高精度分类	首次使用深度学习方法进行HIV-1 M群亚型分类，并利用人工分子进化技术生成适合机器学习的合成数据集	NA	开发一种高精度的HIV-1 M群亚型分类方法	HIV-1 M群亚型	机器学习	HIV感染	人工分子进化技术	卷积自编码器（CNN）与全连接神经网络	DNA序列数据	NA
3071	2025-07-02	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	research paper	提出了一种名为iGTP的可解释生成转录程序框架，用于推断单细胞转录组学背后的生物学机制	iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性，超越了其他深度学习和传统生物信息学方法	未明确提及具体局限性	开发一种可解释的深度学习框架，用于单细胞转录组数据的分析和生物学机制推断	单细胞转录组数据	生物信息学	NA	单细胞转录组学	Variational AutoEncoder, 图神经网络, 潜在扩散模型	基因表达数据	NA
3072	2025-07-02	Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer 2024-Nov-18, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-024-02169-7 PMID:39551726	研究论文	本研究通过创建TRPM-Score并发现CCNE1作为生物标志物，探讨了TRPM家族在泛癌领域中的预测和免疫调节潜力	创建了TRPM-Score并发现CCNE1作为生物标志物，验证了其在免疫治疗预测和免疫调节中的作用	研究主要基于计算方法和体外实验，需要更多体内实验验证	探索TRPM家族在泛癌中的预测和免疫调节潜力	17种实体瘤和CCNE1基因	免疫肿瘤学	泛癌	机器学习和深度学习计算方法	NA	基因表达数据	17种实体瘤的数据
3073	2025-07-02	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-10-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	research paper	该研究通过深度学习模型探索氨基酸二聚体基序与质谱MS1强度之间的关系，以提高肽段定量分析的准确性	首次使用带注意力机制的编码器-解码器深度学习模型来识别影响MS1强度的关键氨基酸二聚体基序，并揭示了特定基序与肽段响应强度的关联	与早期单氨基酸表示相比，二聚体表示并未显著提高预测能力	探究氨基酸局部环境与质谱MS1强度之间的关系，以提高肽段定量分析的准确性	近200,000种独特肽段组成的等摩尔肽池	machine learning	NA	质谱(MS)分析	带注意力机制的RNN编码器-解码器模型	质谱数据	近200,000种独特肽段
3074	2025-07-02	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	本文通过mRNA展示技术结合深度学习模型，评估了环脱水酶LynD的底物范围及其在核糖体合成和翻译后修饰肽（RiPP）天然产物生物合成途径中的应用	利用mRNA展示这一高通量肽展示技术，结合深度学习模型，首次对LynD的底物混杂性进行了大规模分析，并构建了能够准确预测LynD底物加工的模型	研究主要集中于LynD这一特定酶，对其他RiPP酶的适用性尚需进一步验证	评估和预测RiPP环脱水酶LynD的底物混杂性，以促进RiPP酶的进一步研究和应用	核糖体合成和翻译后修饰肽（RiPP）天然产物及其生物合成途径中的多域酶	机器学习	NA	mRNA展示技术	深度学习模型	肽序列数据	非常大（具体数量未提及）的肽库
3075	2025-07-02	DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3289859 PMID:37368810	研究论文	提出了一种双自监督多操作变换网络（DSMT-Net），用于多源内镜超声（EUS）诊断，以提高胰腺癌和乳腺癌的诊断准确性	设计了基于transformer的双自监督网络，整合未标记的EUS图像进行预训练，并提出多操作变换方法标准化EUS图像中感兴趣区域的提取	未提及具体局限性	提高胰腺癌和乳腺癌的内镜超声诊断准确性	胰腺癌和乳腺癌的内镜超声图像	数字病理学	胰腺癌, 乳腺癌	深度学习	DSMT-Net, transformer	图像	3500张标记的EUS图像（胰腺癌和非胰腺癌）和8000张未标记的EUS图像
3076	2025-07-02	Effectiveness of Artificial Intelligence Models for Cardiovascular Disease Prediction: Network Meta-Analysis 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5849995 PMID:35251153	meta-analysis	该研究通过网络荟萃分析比较了机器学习和深度学习模型在心血管疾病预测中的有效性	首次通过网络荟萃分析比较不同AI模型在多种心血管疾病预测中的表现，并识别出针对不同疾病的最佳算法	缺乏关于深度学习方法在心血管疾病领域的文献支持，需要更大样本量的研究验证结果	评估人工智能模型在心血管疾病预测中的有效性	心力衰竭、中风、高血压和糖尿病患者	machine learning	cardiovascular disease	网络荟萃分析	深度学习(DL)、机器学习(ML)包括GBM、ANN、SVM、RF	临床数据	17项研究共285,213名心血管疾病患者
3077	2025-07-01	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本研究提出了一种基于深度学习的快速预测主动脉瘤壁面剪应力的方法，作为计算流体动力学（CFD）的快速替代方案	提出了一种名为MultiViewUNet的深度学习代理模型，采用领域转换技术将复杂的主动脉几何形状转换为适用于先进神经网络的表示形式	未明确说明在真实临床环境中的验证情况	开发快速准确的主动脉瘤壁面剪应力预测方法以辅助临床决策	腹主动脉瘤（AAA）	数字病理	心血管疾病	深度学习	MultiViewUNet	几何形状数据	真实和合成的AAA几何形状数据集
3078	2025-07-01	Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07156-8 PMID:39969540	研究论文	本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，以满足完全基于PET的定量分析的关键需求	提出了一种能够在超低剂量全身PET成像中实现多器官分割的深度学习模型，具有跨中心和跨示踪剂的鲁棒性和泛化性	研究为回顾性研究，基于已收集的数据，可能无法完全反映前瞻性临床应用的实际情况	开发一种能够在不同成像条件和示踪剂下进行多器官PET分割的深度学习模型	798名来自多个中心的患者，使用不同示踪剂的PET图像	数字病理学	NA	3D深度学习	深度学习模型	PET图像	798名患者
3079	2025-07-01	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	评估基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，实现了有效的去噪和超分辨率处理，同时缩短了扫描时间	研究样本量较小（43例患者），且未详细说明深度学习模型的具体架构和训练细节	比较传统方法和基于深度学习的图像重建在头颈部脂肪抑制T2加权成像中的效果	头颈部脂肪抑制T2加权成像的图像质量	计算机视觉	头颈部病变	深度学习图像重建	DL（深度学习）	医学图像	43例患者
3080	2025-07-01	Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01760-2 PMID:40072715	research paper	本研究探讨了超分辨率深度学习图像重建（SR-DLR）在心肌CT晚期增强（CT-LE）图像质量提升中的应用	首次将超分辨率深度学习图像重建技术应用于心肌CT晚期增强图像，显著降低了图像噪声并提高了图像质量	研究样本量较小（仅30例患者），且为回顾性研究	评估SR-DLR技术在心肌CT晚期增强图像质量改善方面的效果	心肌CT晚期增强图像	digital pathology	cardiovascular disease	超分辨率深度学习图像重建（SR-DLR）	深度学习模型（未明确具体类型）	医学影像（CT图像）	30例接受心肌CT晚期增强检查的患者