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
4521	2025-03-23	Robust and interpretable deep learning system for prognostic stratification of extranodal natural killer/T-cell lymphoma 2025-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07024-x PMID:39714634	研究论文	本文开发并验证了DeepENKTCL，一个用于预测外鼻型自然杀伤/T细胞淋巴瘤（ENKTCL）预后风险分层的可解释深度学习系统	DeepENKTCL结合了肿瘤分割模型、PET/CT融合模型和预后预测模型，通过SHAP分析增强了模型的可解释性，提供了优于现有模型的预后性能和临床效益	研究样本来自四个中心，可能存在样本选择偏差，且未提及外部验证结果	开发并验证一个可解释的深度学习系统，用于ENKTCL的预后风险分层	外鼻型自然杀伤/T细胞淋巴瘤（ENKTCL）患者	数字病理学	淋巴瘤	深度学习、PET/CT融合、放射组学、拓扑特征分析	深度学习模型	医学影像（PET/CT）	562名患者，分为训练、验证和测试队列
4522	2025-03-23	Progress, Pitfalls, and Impact of AI-Driven Clinical Trials 2025-Apr, Clinical pharmacology and therapeutics DOI:10.1002/cpt.3542 PMID:39722473	评论	本文探讨了自2010年代初深度学习革命以来，人工智能在药物发现和开发中的应用进展、挑战及潜在影响	本文强调了人工智能在药物发现和开发中的潜力，并指出了当前面临的挑战	尽管投入了大量资金和努力，但很少有AI发现或设计的药物进入人体临床试验，且尚未有药物获得临床批准	探讨人工智能在药物发现和开发中的应用进展及挑战	人工智能驱动的药物发现和开发	机器学习	NA	NA	NA	NA	NA
4523	2025-03-23	Stroke Management and Analysis Risk Tool (SMART): An interpretable clinical application for diabetes-related stroke prediction 2025-Apr, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2024.103841 PMID:39939252	研究论文	本研究旨在分析糖尿病患者中风的风险因素，并创建一个可解释的中风预测模型	开发了一个名为SMART的中风预测工具，结合了多种机器学习和深度学习技术，并通过SHAP值和专用网站展示了模型的可解释性和实用性	数据来源于单一医院，可能限制了模型的泛化能力	分析糖尿病患者中风的风险因素，并创建一个可解释的中风预测模型	20,014名糖尿病患者	机器学习	中风	LASSO, SVM-RFE, 多因素回归, SMOTE, SHAP	Random Forest (RF), 深度神经网络 (DNN)	电子健康记录 (EHR)	20,014名患者
4524	2025-03-23	Implementation of A New, Mobile Diabetic Retinopathy Screening Model Incorporating Artificial Intelligence in Remote Western Australia 2025-Apr, The Australian journal of rural health DOI:10.1111/ajr.70031 PMID:40110918	研究论文	本文描述并评估了一种结合人工智能的新型移动糖尿病视网膜病变筛查模型在澳大利亚西部偏远地区的实施情况	该研究首次在澳大利亚西部偏远地区实施并评估了一种结合人工智能的移动糖尿病视网膜病变筛查模型，显著提高了筛查率	研究样本量较小，且仅在一个特定地区进行，可能限制了结果的普遍性	评估结合人工智能的移动糖尿病视网膜病变筛查模型在偏远地区的可行性和效果	澳大利亚西部皮尔巴拉地区的糖尿病患者	数字病理学	糖尿病视网膜病变	人工智能诊断	深度学习系统	视网膜图像	78名患者，其中56.4%为原住民或托雷斯海峡岛民
4525	2025-03-23	The Global and Regional Burden of Gallbladder and Biliary Tract Cancer and Attributable Risk Factors: Trends and Predictions 2025-Apr, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70025 PMID:40116757	研究论文	本文通过深度学习模型SW-LSTM对1990年至2021年胆囊及胆道癌（GBTC）的全球和区域负担及其可归因风险因素进行了全面评估和趋势预测	提出了分层加权长短期记忆网络模型（SW-LSTM），用于趋势预测，克服了传统模型的不足	部分低及中低SDI地区的指标未观察到显著的时期和队列效应	评估GBTC的全球和区域负担及其可归因风险因素，以改进预防和治疗策略	1990年至2021年全球GBTC负担数据	机器学习	胆囊及胆道癌	深度学习	SW-LSTM	时间序列数据	1990年至2021年全球GBTC负担数据
4526	2025-03-23	How much data is enough? Optimization of data collection for artifact detection in EEG recordings 2025-Mar-21, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adbebe PMID:40064096	研究论文	本文提出了一种基于深度学习的优化数据收集程序，用于EEG记录中的伪迹检测，特别是针对EMG伪迹	提出了一种系统化和动态量化的方法，通过深度学习模型优化数据收集，减少数据收集的工作量同时保持清洁效率	研究主要针对EMG伪迹，可能不适用于其他类型的伪迹	优化EEG记录中EMG伪迹检测的数据收集过程	EEG记录中的EMG伪迹	机器学习	NA	深度学习	神经网络	EEG数据	将EMG伪迹任务从12个减少到3个，等长收缩任务的重复次数从10次减少到3次或有时仅1次
4527	2025-03-23	Reducing hepatitis C diagnostic disparities with a fully automated deep learning-enabled microfluidic system for HCV antigen detection 2025-Mar-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adt3803 PMID:40106555	研究论文	本文介绍了一种基于深度学习和微流控技术的全自动智能手机HCV抗原检测系统，旨在减少HCV诊断差异	开发了一种结合铂纳米颗粒、深度学习图像处理和微流控技术的全自动智能手机HCV抗原检测系统，具有高准确性和便携性	目前尚无FDA批准的测试满足所需的敏感性和特异性，且系统在资源有限环境中的实际应用效果尚需验证	解决HCV诊断中的及时性和准确性问题，特别是在资源有限的环境中	HCV抗原检测	数字病理	丙型肝炎	深度学习图像处理、微流控技术	深度学习	图像	未明确提及样本数量
4528	2025-03-23	Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review 2025-Mar-21, Evidence-based dentistry DOI:10.1038/s41432-025-01134-7 PMID:40114013	系统综述	本文系统综述了使用深度卷积神经网络（DCNN）通过咬翼片X光片检测邻面龋齿的研究	本文首次系统性地评估了不同深度卷积神经网络在咬翼片X光片上检测邻面龋齿的效果，并特别强调了YOLOv8模型在此任务中的优越性	纳入的研究中仅有40%在参考标准领域具有低偏倚风险，表明研究质量参差不齐	评估深度卷积神经网络在咬翼片X光片上检测邻面龋齿的准确性和有效性	咬翼片X光片	计算机视觉	龋齿	深度卷积神经网络（DCNN）	CNN, YOLOv8	图像	112至3,989名参与者
4529	2025-03-23	Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection 2025-Mar-21, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12760 PMID:40116287	研究论文	本研究旨在量化在社区医院中，基于专家图像训练的巴雷特氏瘤计算机辅助检测系统在暴露于日常临床实践中更异质成像条件下的性能下降，并评估减轻这种性能损失的策略	研究首次量化了在社区医院中，基于专家图像训练的计算机辅助检测系统在异质成像条件下的性能下降，并提出了三种提高算法对数据异质性鲁棒性的方法	研究仅针对巴雷特氏瘤的检测，未涉及其他疾病或更广泛的临床应用	评估和提高计算机辅助检测系统在异质成像条件下的性能	巴雷特氏瘤患者的内镜图像	计算机视觉	巴雷特氏瘤	深度学习	计算机辅助检测系统	图像	373名巴雷特氏瘤患者的1011张高质量图像，以及117名患者的独立测试集
4530	2025-03-23	Ovarian masses suggested for MRI examination: assessment of deep learning models based on non-contrast-enhanced MRI sequences for predicting malignancy 2025-Mar-21, Abdominal radiology (New York) DOI:10.1007/s00261-025-04891-2 PMID:40116887	研究论文	本研究评估并比较了四种基于非增强MRI的深度学习模型在区分良性和恶性卵巢肿瘤中的诊断效能和开发成本	首次在非增强MRI序列上评估和比较了四种深度学习模型（ConvNeXt, FBNet, GhostNet, ResNet50）在卵巢肿瘤良恶性鉴别中的应用	研究为回顾性设计，可能受到选择偏倚的影响，且未考虑不同MRI扫描仪和参数的影响	评估和比较深度学习模型在非增强MRI上区分良性和恶性卵巢肿瘤的诊断效能	526名因疑似卵巢肿块而推荐进行MRI检查的患者	数字病理	卵巢癌	非增强MRI	ConvNeXt, FBNet, GhostNet, ResNet50	图像	526名患者（327例良性病变，199例恶性病变）
4531	2025-03-23	Deep learning-assisted detection of intracranial hemorrhage: validation and impact on reader performance 2025-Mar-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03560-x PMID:40116947	研究论文	本研究验证了一种用于颅内出血检测的深度学习算法，并评估了其对读者诊断性能的影响	开发并验证了JLK-ICH深度学习算法，显著提高了非专家读者对颅内出血的诊断准确性	研究主要基于回顾性数据，且外部验证数据集仅来自美国多民族群体，可能存在一定的局限性	验证深度学习算法在颅内出血检测中的准确性及其对临床诊断的辅助作用	颅内出血患者的CT扫描图像	计算机视觉	颅内出血	深度学习	JLK-ICH	CT图像	1,370例CT扫描，其中800例用于读者性能研究
4532	2025-03-23	Robust enzyme discovery and engineering with deep learning using CataPro 2025-Mar-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58038-4 PMID:40108140	研究论文	本文介绍了一种名为CataPro的深度学习模型，用于预测酶的动力学参数，并展示了其在酶发现和工程中的高效应用	提出了基于预训练模型和分子指纹的深度学习模型CataPro，显著提高了酶动力学参数预测的准确性和泛化能力，并在实际酶工程中验证了其有效性	未提及模型在更广泛酶类或复杂环境中的表现	提高酶动力学参数预测的准确性和泛化能力，以促进酶的发现和工程	酶的动力学参数（如转换数k、米氏常数K和催化效率k/K）	机器学习	NA	深度学习	CataPro（基于预训练模型和分子指纹）	分子指纹数据	未明确提及样本数量，但使用了无偏数据集进行模型评估
4533	2025-03-23	Artificial intelligence to enhance the diagnosis of ocular surface squamous neoplasia 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94876-4 PMID:40108432	研究论文	本文提出了一种利用活体共聚焦显微镜（IVCM）和人工智能（AI）技术来区分眼表鳞状上皮瘤（OSSN）与其他病变的方法，并比较了几种知名AI解决方案的性能	采用了一种新颖的基于方形的数据增强策略来缓解类别不平衡问题，并实施了少样本学习模型以提高罕见症状（如细胞有丝分裂）的识别精度	在四类标签分类任务中，模型的准确率较低	提高眼表鳞状上皮瘤（OSSN）的诊断准确性	眼表鳞状上皮瘤（OSSN）及其他眼表疾病	计算机视觉	眼表鳞状上皮瘤	活体共聚焦显微镜（IVCM）	ResNet50V2, Yolov8x, VGG19	图像	2,774张IVCM图像
4534	2025-03-23	Self-supervised VICReg pre-training for Brugada ECG detection 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94130-x PMID:40102504	研究论文	本文提出了一种基于自监督VICReg预训练的深度学习模型，用于Brugada综合征（BrS）心电图的分类	使用VICReg架构进行自监督预训练，解决了BrS等罕见心脏疾病因缺乏准确标记数据而难以应用深度学习的问题	研究依赖于特定机构的数据，可能限制了模型的泛化能力	开发一种新的深度学习模型，用于罕见心脏疾病Brugada综合征的心电图分类	Brugada综合征患者的心电图数据	机器学习	心血管疾病	VICReg自监督预训练	VICReg	心电图数据	未明确提及具体样本数量
4535	2025-03-23	Annotation-efficient, patch-based, explainable deep learning using curriculum method for breast cancer detection in screening mammography 2025-Mar-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01922-w PMID:40106066	研究论文	开发了一种基于课程学习和分块方法的深度学习模型，用于乳腺X光检查中的乳腺癌检测，利用弱注释和强注释，并通过Grad-CAM提供可解释的人工智能	结合课程学习和分块方法，利用有限数量的强注释数据进行训练，提高了模型性能和可解释性	需要进一步验证模型在更大规模数据集上的泛化能力	开发一种高效的深度学习模型，用于乳腺X光检查中的乳腺癌检测	乳腺X光检查图像	计算机视觉	乳腺癌	深度学习	基于分块的深度学习模型	图像	1976张乳腺X光检查图像（来自三个中心），外部测试数据集包含4276张乳腺X光检查图像
4536	2025-03-23	A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04707-4 PMID:40108146	研究论文	本文介绍了一个大规模多中心乳腺癌DCE-MRI基准数据集，包含专家标注的分割结果	提供了一个包含1506个病例的多中心乳腺癌DCE-MRI数据集，填补了公开乳腺癌数据集的空白，并提供了预训练的nnU-Net模型权重	数据集虽然规模较大，但依赖于专家校正的深度学习模型初步分割结果，可能存在一定的误差	推动乳腺癌诊断、治疗反应预测和个性化护理的深度学习模型开发与验证	乳腺癌患者的T1加权动态对比增强MRI数据	数字病理学	乳腺癌	DCE-MRI	nnU-Net	图像	1506个病例
4537	2025-03-23	SHDB-AF: a Japanese Holter ECG database of atrial fibrillation 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04777-4 PMID:40108206	研究论文	本文介绍了SHDB-AF，一个包含日本人群样本的新型开源Holter心电图数据库，用于心房颤动的诊断研究	SHDB-AF是首个包含日本人群样本的开源Holter心电图数据库，填补了现有数据库的空白	样本量相对较小，仅包含122名患者的128份心电图记录	提高心房颤动的诊断准确性，并确保深度学习模型在不同种族、年龄、性别等因素下的鲁棒性和泛化能力	日本人群的心电图数据	数字病理学	心血管疾病	Holter心电图	深度学习（DL）	心电图数据	122名患者的128份24小时双通道心电图记录，总计2160万秒数据
4538	2025-03-23	EEG detection and recognition model for epilepsy based on dual attention mechanism 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90315-6 PMID:40108237	研究论文	本文提出了一种基于双注意力机制的癫痫脑电图（EEG）检测与识别模型STFFDA，旨在通过深度学习技术自动检测癫痫发作，从而加速癫痫的诊断和治疗	引入了双注意力机制的时空特征融合模型STFFDA，直接从原始EEG信号中解释癫痫状态，无需大量数据预处理和特征提取	模型在Bonn University数据集上的准确率相对较低，可能表明在某些数据集上仍需改进	通过深度学习技术自动检测癫痫发作，加速癫痫的诊断和治疗	癫痫患者的脑电图（EEG）信号	机器学习	癫痫	深度学习	双注意力机制的时空特征融合模型（STFFDA）	脑电图（EEG）信号	CHB-MIT和Bonn University数据集
4539	2025-03-23	Design of thin, wideband electromagnetic absorbers with polarization and angle insensitivity using deep learning 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94116-9 PMID:40108286	研究论文	本文介绍了一种利用深度学习设计薄型、宽带电磁波吸收器的新方法，该吸收器具有极化和角度不敏感性	利用生成对抗网络（GAN）和多层感知器（MLP）网络设计薄型、宽带电磁波吸收器，覆盖8-12 GHz频率范围，具有高吸收率和极化和角度不敏感性	NA	设计一种薄型、宽带电磁波吸收器，适用于大规模生产	电磁波吸收器	机器学习	NA	生成对抗网络（GAN），多层感知器（MLP）	GAN, MLP	数值全波电磁模拟数据	NA
4540	2025-03-23	Stroma and lymphocytes identified by deep learning are independent predictors for survival in pancreatic cancer 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94362-x PMID:40108402	研究论文	本文利用深度学习模型从胰腺导管腺癌（PDAC）病理切片中自动检测肿瘤、基质和淋巴细胞，并分析其与患者生存率的关系	首次使用基于U-net架构的深度学习模型自动检测PDAC病理切片中的肿瘤、基质和淋巴细胞，并发现基质和淋巴细胞比例与患者生存率显著相关	研究样本量有限（800例），且未涉及其他潜在影响生存率的因素	探索PDAC患者生存率的预测生物标志物	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	深度学习	U-net	病理切片图像	800例PDAC患者的病理切片