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
4041	2025-07-02	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏倚带来的潜在风险	首次直接比较了四种ATTR-CM检测算法在心力衰竭人群中的性能，并评估了模型偏倚风险	研究样本中白人占比过高(79.2%)，可能影响模型在其他种族人群中的适用性	评估和比较不同算法在ATTR-CM检测中的性能及潜在偏倚风险	心力衰竭患者	数字病理学	心血管疾病	深度学习	随机森林模型、回归模型、EchoNet-LVH、EchoGo® Amyloidosis	医学影像数据(超声心动图)	176例确诊ATTR-CM患者和3192例对照患者
4042	2025-07-02	Reduction of Membrane-derived Noise Using Beam-tilt Measurement and Deep Learning in Observation using Environmental Cell 2025-Jun-24, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfaf031 PMID:40581827	研究论文	提出了一种利用电子束倾斜测量和深度学习去除环境细胞电子显微镜中膜衍生噪声的方法	首次将Noise2Noise深度学习方法应用于环境细胞电子显微镜图像处理，有效去除膜噪声并保留样本信息	未明确说明方法在不同类型样本或极端条件下的适用性	提高环境细胞电子显微镜图像质量以实现高信噪比测量	环境细胞中的催化剂和纳米材料	计算机视觉	NA	电子显微镜成像	Noise2Noise（深度学习）	电子显微镜图像序列	未明确说明具体样本数量
4043	2025-07-02	FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning 2025-Jun-24, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102590 PMID:40582299	research paper	提出了一种名为FeaCL的自监督学习技术，用于增强颈动脉斑块的超声图像分类	结合特征级和实例级对比学习，通过三重网络和强弱增强方法学习颈动脉斑块的有效表示	性能受限于标记颈动脉斑块图像的稀缺性	提高颈动脉斑块超声图像分类的准确性，以预测患者心血管和脑血管疾病风险	颈动脉斑块的超声图像	computer vision	cardiovascular disease	self-supervised learning, triplet network	CNN	image	超声图像数据集（具体数量未提及）
4044	2025-07-02	Deep learning for osteoporosis screening in dental practice: a systematic review 2025-Jun-20, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf052 PMID:40580938	系统综述	本文通过系统综述评估深度学习工具在牙科影像中用于骨质疏松筛查的性能，并探讨这些模型是否已在牙科实践中应用	首次系统综述了深度学习在牙科骨质疏松筛查中的应用，并指出尽管技术有所进展，但临床适用性仍有限	缺乏外部验证和临床整合，限制了其实际应用	评估深度学习工具在骨质疏松筛查中的性能及其在牙科实践中的应用情况	使用牙科影像（如全景X光片和计算机断层扫描）进行骨质疏松筛查的深度学习模型	数字病理	骨质疏松	深度学习（DL），双能X线吸收测定法（DXA）	CNN（如VGG16、GoogleNet、ResNet、AlexNet、EfficientNet）	牙科影像（如全景X光片和计算机断层扫描）	13项研究符合纳入标准
4045	2025-07-02	3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis 2025-Jun-19, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102587 PMID:40582300	研究论文	提出了一种基于变分点云自编码器（Point VAE）的几何深度学习方法，用于3D心脏形状和功能分析，并应用于心肌梗死预测和虚拟心脏合成	首次将多尺度特征学习直接应用于高分辨率多类别3D心脏解剖点云表示，能够捕捉复杂非线性3D形状变异性，并在低维可解释潜在空间中实现	未提及具体局限性	开发一种新型几何深度学习方法，用于3D心脏形状和功能分析，以提高心肌梗死的预测准确性并支持虚拟心脏合成	人类心脏的3D解剖结构和功能变异性	计算机视觉	心血管疾病	变分点云自编码器（Point VAE）	VAE	3D点云	超过10,000名受试者
4046	2025-07-02	Integrating GWAS and Transcriptomic Data Using PrediXcan and Multimodal Deep Learning Reveals Genetic Basis and Drug Repositioning Opportunities for Alzheimer's Disease 2025-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.02.25319880 PMID:40585083	研究论文	本研究整合多组学数据与先进人工智能方法，揭示阿尔茨海默病表型调控的分子基础，并探索基于个体遗传背景的个性化药物重定位策略	结合PrediXcan方法和多模态深度学习模型AD-MIF，显著提升AD相关表型预测的AUC值10-20%，并发现新的药物重定位机会	研究样本量相对有限（553个背外侧前额叶皮层样本），且仅在SAMP8 AD模型小鼠中验证了部分药物效果	阐明阿尔茨海默病的复杂分子机制并探索个性化治疗策略	阿尔茨海默病相关的基因、分子通路和候选药物	机器学习	阿尔茨海默病	GWAS、转录组数据分析、多模态深度学习	AD-MIF（多模态信息融合模型）、autoencoder、graph autoencoder	基因型数据、基因表达数据	553个背外侧前额叶皮层样本（来自ROSMAP数据库）
4047	2025-07-02	Deep Learning-Based Segmentation of Gravity-Loaded Human Spine 2025-Jun-10, Journal of visualized experiments : JoVE DOI:10.3791/67781 PMID:40587489	研究论文	本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人类脊柱图像，以更准确地评估脊柱对齐情况	使用带有3D卷积层和残差连接的U-Net CNN进行脊柱分割，并能够导出3D模型用于3D打印	未提及模型在多样化人群中的泛化能力或与其他成像技术的比较	开发一种可靠且适应性强的工具，用于在重力加载条件下准确分割脊柱和其他解剖结构	重力加载条件下的人类脊柱图像	数字病理学	脊柱侧弯和退行性椎间盘疾病	负重锥形束计算机断层扫描(CBCT)	U-Net CNN	3D图像	未提及具体样本数量
4048	2025-07-02	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-Jun, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	研究论文	本研究整合社会健康决定因素（SDoH）与传统风险因素，利用机器学习和深度学习模型预测健康老年人的心血管疾病（CVD）风险	首次将SDoH与传统CVD风险因素结合，利用先进的ML和DL模型进行风险预测，并发现SDoH对女性预测效果更显著	研究对象仅限于70岁及以上无CVD、痴呆和独立性受限身体残疾的老年人，可能限制结果的普适性	提高心血管疾病风险预测的准确性	12,896名70岁及以上初始无CVD、痴呆和独立性受限身体残疾的老年人（5,884名男性和7,012名女性）	机器学习	心血管疾病	机器学习和深度学习	Random Survival Forest (RSF), Deepsurv, Neural Multi-Task Logistic Regression (NMTLR)	纵向研究数据	12,896人（5,884名男性和7,012名女性）
4049	2025-07-02	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-Jun, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	研究论文	研究锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段的神经保护作用	使用深度学习模型预测脑龄，探讨锂和喹硫平对首次躁狂发作（FEM）患者脑结构的影响	样本量较小，随访时间较短，未能观察到治疗组间的显著差异	评估锂和喹硫平对首次躁狂发作（FEM）患者的神经保护效果	首次躁狂发作（FEM）的年轻患者（15-25岁）	数字病理学	双相情感障碍和分裂情感性障碍	T1加权扫描和深度学习模型	深度学习模型	MRI图像	FEM患者39人（锂治疗21人，喹硫平治疗18人），健康对照组29人，训练数据集53,542人
4050	2025-07-02	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	首次提出结合3D Res U-net和多元逻辑回归的全自动图像质量评估模型，并在多中心数据集中验证其性能	研究为回顾性设计，且仅评估了颈动脉CTA图像	开发高效准确的颈动脉CTA图像质量自动化评估方法	颈动脉CT血管造影图像	数字病理	心血管疾病	CT血管造影	3D Res U-net + 逻辑回归	医学影像	840例来自4家三甲医院的颈动脉CTA图像
4051	2025-07-02	Bppv nystagmus signals diagnosis framework based on deep learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01542-0 PMID:40358819	research paper	提出了一种基于深度学习的BPPV眼震信号诊断框架，用于改善良性阵发性位置性眩晕的诊断	开发了结合Egeunet神经网络模型和FFT等数学统计技术的综合框架，提高了眼震数据的精确分割和分析能力	未明确提及样本量或具体临床验证结果	改善BPPV的诊断准确性和临床决策支持	良性阵发性位置性眩晕（BPPV）患者的眼震信号	digital pathology	geriatric disease	Fast Fourier Transform (FFT)	Egeunet (CNN-based)	eye movement signals	NA
4052	2025-07-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤异柠檬酸脱氢酶（IDH）基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测IDH突变状态	研究为回顾性设计，样本量相对有限，且仅基于T2图像	探索DLRN在预测脑胶质瘤IDH基因型中的应用	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习放射组学	混合模型（深度学习+放射组学+临床特征）	医学影像（T2图像）	402名患者（训练队列239名，内部验证队列103名，外部验证队列60名）
4053	2025-07-02	Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110770 PMID:39894259	研究论文	本研究开发并验证了一种多尺度深度学习放射组学列线图，用于预测胰腺导管腺癌患者的无复发生存期	结合手工放射组学和深度学习特征，构建多尺度列线图，显著优于传统的AJCC分期系统	研究样本来自四家医院，可能存在选择偏倚；外部验证集的表现差异较大	预测胰腺导管腺癌患者的无复发生存期，以改善术前临床决策	469名胰腺导管腺癌患者	数字病理	胰腺癌	放射组学分析、深度学习	多尺度深度学习模型	医学影像	469名患者（来自四家医院）
4054	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）
4055	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
4056	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
4057	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
4058	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
4059	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)
4060	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