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
4801	2025-06-04	Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study 2025-04, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.001 PMID:40148010	研究论文	本研究利用深度学习技术分析心电图（ECG）数据，预测成人和儿童先天性心脏病患者的左心室收缩功能障碍（LVSD）	首次将人工智能增强的心电图分析（AI-ECG）全面应用于先天性心脏病患者的左心室收缩功能障碍预测	研究主要基于美国两家医院的数据，可能无法完全代表其他地区或人群的情况	开发一种预测先天性心脏病患者当前和未来左心室收缩功能障碍的算法	成人和儿童先天性心脏病患者	数字病理学	心血管疾病	AI-ECG	CNN	心电图和超声心动图数据	训练队列包含124,265对心电图-超声心动图数据（来自49,158名患者），测试组包括内部测试（21,068名患者）和外部验证（42,984名患者）
4802	2025-06-04	Global output of clinical application research on artificial intelligence in the past decade: a scientometric study and science mapping 2025-03-15, Systematic reviews IF:6.3Q1 DOI:10.1186/s13643-025-02779-2 PMID:40089747	研究论文	通过科学计量学和科学图谱分析过去十年人工智能在临床应用中发表的研究现状、热点和趋势	首次对人工智能在临床研究中的应用进行了全面的科学计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的数据，可能未涵盖所有相关研究	分析人工智能在临床应用中发表研究的现状、热点和趋势	735篇人工智能临床研究相关文章	人工智能	NA	科学计量学、可视化分析	NA	文献数据	22,583篇文章中的735篇人工智能临床研究相关文章
4803	2025-06-04	A systematic review on the impact of artificial intelligence on electrocardiograms in cardiology 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105753 PMID:39674006	系统综述	本文系统综述了人工智能在心电图分析中的应用及其对心脏病学诊断和治疗的影响	探讨了AI、机器学习和深度学习在心电图分析中的整合及其对预测诊断和治疗支持的潜在影响	仅包括2014年至2024年的英文期刊文章和研究论文，可能遗漏非英语文献或其他时间段的重要研究	评估人工智能在心电图分析中的应用及其对心脏病学诊断和治疗的影响	心电图数据及其在心脏病学中的应用	机器学习	心血管疾病	AI、机器学习（ML）、深度学习（DL）	CNN、RNN、混合模型	心电图数据	46项符合纳入标准的研究
4804	2025-06-04	Deep learning-based pelvimetry in pelvic MRI volumes for pre-operative difficulty assessment of total mesorectal excision 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11485-4 PMID:39753930	research paper	提出了一种基于深度学习的自动化骨盆测量工作流程，用于术前评估全直肠系膜切除术（TME）的难度	首次使用深度学习在MRI体积中自动化骨盆测量，提高了测量效率和准确性	尽管自动化测量准确性高，但与手动标注相比仍存在一定误差（平均5.6 mm）	开发一个自动化工作流程，用于术前评估TME手术的难度	骨盆MRI体积	digital pathology	NA	MRI	3D U-Net	image	1707名患者的MRI体积数据，来自8个TME中心
4805	2025-06-04	DDEvENet: Evidence-based ensemble learning for uncertainty-aware brain parcellation using diffusion MRI 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102489 PMID:39787735	research paper	本研究开发了一种基于深度学习和扩散MRI的DDEvENet模型，用于解剖学上的脑部分割	DDEvENet的关键创新在于设计了一个证据深度学习框架，能够在单次推理中量化每个体素的预测不确定性	NA	开发一个不确定性感知的脑部分割方法，以提高分割的准确性和可靠性	健康人群和临床患者（包括精神分裂症、双相情感障碍、注意力缺陷多动障碍、帕金森病、脑小血管病和脑肿瘤患者）的脑部MRI数据	digital pathology	brain diseases	diffusion MRI	CNN	image	大规模数据集，包括健康成人和多种脑部疾病患者的高质量和临床扩散MRI数据
4806	2025-06-04	An in-depth review of AI-powered advancements in cancer drug discovery 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167680 PMID:39837431	review	本文综述了人工智能在癌症药物发现中的进展，包括其在靶点识别、药物设计、临床试验优化和药物反应预测等关键阶段的应用	探讨了AI技术如深度学习和高级数据分析在癌症药物发现中的变革性作用，以及如DrugnomeAI和PandaOmics等前沿工具的应用	面临大规模基因组数据管理和AI在医疗保健中部署的伦理问题等挑战	探索人工智能和基因组学在癌症药物发现中的融合及其对个性化治疗策略的推动作用	癌症药物发现过程中的关键阶段	machine learning	cancer	deep learning, advanced data analytics	NA	genomic datasets	NA
4807	2025-06-04	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	本文提出了一种基于网络的亚型特异性药物重定位框架NetSDR，用于优先考虑针对特定癌症亚型的重定位药物	结合癌症亚型信息和网络扰动分析，开发了一种新的药物重定位框架，利用深度学习构建加权药物响应网络	研究仅应用于胃癌，未在其他癌症类型中验证	开发一种系统生物学框架，用于癌症和其他复杂疾病的精确药物重定位	癌症亚型及其特异性蛋白特征和网络扰动	系统生物学	胃癌	网络医学方法、深度学习	深度学习模型	蛋白质组学数据	NA
4808	2025-06-04	Deep learning model for identifying acute heart failure patients using electrocardiography in the emergency room 2025-Feb-20, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuaf001 PMID:39787045	研究论文	本研究开发并评估了一种利用心电图（ECG）数据增强急诊室（ER）中急性心力衰竭（AHF）识别的深度学习模型	使用深度学习模型结合ECG和临床数据显著提高了AHF在急诊室的检测准确率	研究为回顾性队列研究，可能存在选择偏差	开发并评估一种深度学习模型，以提高急诊室中急性心力衰竭（AHF）的识别准确率	急诊室就诊的急性心力衰竭患者	机器学习	心血管疾病	ECG数据分析	CatBoost, XGBoost, Light GBM	ECG数据和临床数据	19,285名患者（其中9,119名诊断为AHF）
4809	2025-06-04	Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109534 PMID:39672015	review	本文系统性回顾了神经科学与深度学习在解码运动想象脑电图（EEG）信号方面的最新进展，旨在提升运动障碍患者的生活质量	总结了自2017年以来相关研究的关键发现，重点关注数据集、预处理方法、特征提取技术和深度学习模型的应用	EEG信号的信噪比低且个体间存在固有变异性，这在实际应用中带来了挑战	探索EEG信号解码技术，以改善运动障碍患者的沟通方式	运动想象EEG信号	machine learning	neurological disorders	EEG	deep learning models	EEG signals	NA
4810	2025-06-04	Diagnostic performance of neural network algorithms in skull fracture detection on CT scans: a systematic review and meta-analysis 2025-Feb, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-024-02300-7 PMID:39680295	系统综述与荟萃分析	评估卷积神经网络（CNN）在CT扫描中诊断颅骨骨折的性能	首次系统评估CNN在颅骨骨折CT诊断中的表现，并进行了荟萃分析	研究间存在异质性，可能存在发表偏倚	评估CNN模型在CT图像上诊断颅骨骨折的准确性	颅骨骨折的CT影像	医学影像分析	颅骨骨折	深度学习	CNN	CT图像	11项研究，共20798名患者
4811	2025-06-04	Improving functional correlation of quantification of interstitial lung disease by reducing the vendor difference of CT using generative adversarial network (GAN) style conversion 2025-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111899 PMID:39740598	研究论文	通过使用生成对抗网络（GAN）风格转换减少CT厂商差异，改善间质性肺病量化功能相关性	使用RouteGAN进行CT风格转换，减少不同厂商CT间的量化差异，提高定量CT（QCT）测量的功能相关性	研究样本量较小（112例患者），且仅针对特发性肺纤维化（IPF）患者	评估CT风格转换是否能减少间质性肺病（ILD）量化中的厂商差异，并改善QCT测量的功能相关性	特发性肺纤维化（IPF）患者	数字病理学	肺纤维化	生成对抗网络（GAN）风格转换	RouteGAN	CT图像	112例患者（平均年龄61岁，82名男性）
4812	2025-06-04	Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01732 PMID:39786356	研究论文	本文提出了一种结合色谱条件的XGBoost模型，用于预测蛋白水解靶向嵌合体（PROTACs）的保留时间	开发了优化的XGBoost模型，结合分子指纹、描述符和色谱条件描述符，显著提高了PROTACs保留时间的预测准确性	模型在新型色谱分离条件下的泛化能力有待进一步验证	解决PROTACs保留时间预测的挑战，促进其结构鉴定和药物设计	蛋白水解靶向嵌合体（PROTACs）	机器学习	NA	液相色谱（LC）与质谱（MS）联用	XGBoost, RF, KNN, SVM, FCNN	分子指纹和描述符数据	文献中的PROTAC-RT数据集及6种实验确定的化合物
4813	2025-06-04	Pose Analysis in Free-Swimming Adult Zebrafish, Danio rerio: "Fishy" Origins of Movement Design 2025, Brain, behavior and evolution DOI:10.1159/000543081 PMID:39681106	research paper	该研究通过无标记追踪和无监督多变量时间序列分析，探究了成年斑马鱼自由游泳时的典型姿势	利用DeepLabCut和B-SOiD机器学习软件进行无标记追踪和无监督多变量时间序列分析，揭示了斑马鱼游泳姿势的聚类特征	研究仅基于12只斑马鱼的数据，样本量较小	探究斑马鱼自由游泳时的姿势设计及其进化意义	成年斑马鱼（Danio rerio）	计算机视觉	NA	DeepLabCut（DLC），B-SOiD机器学习软件	深度学习姿势估计工具包	视频	12只自由行为的斑马鱼，14,000帧连续画面
4814	2025-06-04	Ensemble learning-based predictor for driver synonymous mutation with sequence representation 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012744 PMID:39761306	research paper	该研究提出了一种基于集成学习的预测器EPEL，用于识别人类癌症中的驱动同义突变	首次结合DNA形状特征和基于化学分子BERT预训练模型的深度学习特征来评估同义突变的影响	深度学习方法的DNA序列表示在本研究中并未显著提升驱动同义突变的识别效果	开发更精确的驱动同义突变预测方法	人类癌症中的同义突变	machine learning	cancer	ensemble learning, BERT	tree-based models	DNA sequence	NA
4815	2025-06-04	Integrative analysis of cuproptosis-related lncRNAs: Unveiling prognostic significance, immune microenvironment, and copper-induced mechanisms in prostate cancer 2025-Jan, Cancer pathogenesis and therapy DOI:10.1016/j.cpt.2024.03.004 PMID:39872368	research paper	该研究通过整合分析铜死亡相关的长链非编码RNA（lncRNA），揭示了其在前列腺癌预后、免疫微环境及铜诱导机制中的重要性	首次构建了基于铜死亡相关lncRNA的前列腺癌预后模型，并探索了这些lncRNA与铜代谢及免疫微环境的关联	研究样本仅来自TCGA数据库，缺乏外部验证队列	探索铜死亡相关lncRNA在前列腺癌预后及治疗中的作用	492名前列腺癌患者及其测序数据	digital pathology	prostate cancer	RNA-seq, 拷贝数变异分析	multi-level attention graph neural network (MLA-GNN)	基因测序数据	492名前列腺癌患者
4816	2025-06-04	Machine learning-based risk predictive models for diabetic kidney disease in type 2 diabetes mellitus patients: a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1495306 PMID:40099258	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性	首次对机器学习模型在预测糖尿病肾病风险中的性能进行了全面的荟萃分析，并比较了不同类型机器学习模型的预测效果	模型开发和验证过程中存在数据偏倚问题，且仅有少数研究进行了外部验证	评估机器学习模型预测2型糖尿病患者糖尿病肾病风险的性能并识别关键研究缺口	2型糖尿病患者	机器学习	糖尿病肾病	机器学习算法	随机森林(RF)等	临床数据	26项研究，共94个机器学习模型
4817	2025-06-04	Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations 2025, Medical hypothesis, discovery & innovation ophthalmology journal DOI:10.51329/mehdiophthal1517 PMID:40453785	综述	本文探讨了人工智能在眼科领域的应用现状、挑战及伦理考量	全面回顾了AI在眼科多个子领域（如角膜疾病、白内障手术、糖尿病视网膜病变等）中的高精度诊断应用，并系统分析了当前面临的挑战与伦理问题	数据集存在偏差、外部验证有限、监管障碍以及透明度等伦理问题	评估AI在眼科领域的应用潜力与实施障碍	眼科疾病诊断与管理	数字病理	眼科疾病	深度学习、机器学习	CNN、深度学习模型	图像、临床数据	NA
4818	2025-06-04	Integrating support vector machines and deep learning features for oral cancer histopathology analysis 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf034 PMID:40454251	研究论文	本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生	通过融合基于InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，解决了类别不平衡问题，并显著提高了分类性能	NA	提高口腔癌异常增生的检测准确率	口腔癌组织病理学图像	数字病理学	口腔癌	深度学习特征提取	SVM, InceptionResNet-v2, ViT	图像	NA
4819	2025-06-04	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	research paper	本研究开发了一种深度学习系统（DLS），用于在眼底照片上准确区分视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿	首次开发了一个专用的深度学习系统，能够高精度区分ODD和视乳头水肿，包括埋藏型ODD与轻中度视乳头水肿的鉴别	研究为回顾性设计，且外部验证数据集规模相对较小	开发一个能准确区分ODD和视乳头水肿的深度学习系统	视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿患者	digital pathology	ophthalmologic disease	deep learning	DLS (Deep Learning System)	image	4,508张眼底图像（来自2,180名患者），包括训练集3,230张视乳头水肿图像和857张ODD图像，外部测试集421张图像
4820	2025-06-04	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	research paper	开发了一种基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	使用3D U-Net架构处理多模态MRI图像，旨在减少PI-RADS分级中的人为错误	敏感性和分割准确性有待提高，需要更大数据集和更先进的深度学习技术	探索基于深度学习的计算机辅助诊断系统在PI-RADS分级中的应用	前列腺癌患者和良性病例的MRI图像	digital pathology	prostate cancer	MRI (T2W, DWI, DCE)	3D U-Net	image	136名患者（108例PCa，28例良性病例）