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
4961	2025-05-22	Deep learning-based detection of bacterial swarm motion using a single image 2025-Dec, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	research paper	开发了一种基于深度学习的细菌集群运动检测方法，仅需单张模糊图像即可快速自主预测细菌集群运动概率	提出了一种新型深度学习方法，能够快速、客观地定量评估细菌集群运动概率，适用于高通量环境	方法虽然展示了良好的性能，但仍需在更多细菌种类上进行验证以证明其广泛适用性	开发一种快速、自主的细菌集群运动检测方法，以克服传统方法的局限性	细菌的集群运动和游泳运动	computer vision	inflammatory bowel diseases (IBD), urinary tract infections (UTI)	deep learning	CNN	image	SM3, DB10, H6细菌样本
4962	2025-05-22	Current Status, Hotspots, and Prospects of Artificial Intelligence in Ophthalmology: A Bibliometric Analysis (2003-2023) 2025-Jun, Ophthalmic epidemiology IF:1.7Q3 DOI:10.1080/09286586.2024.2373956 PMID:39146462	综述	本文通过文献计量学方法分析了2003-2023年间人工智能在眼科领域的研究现状、热点及未来趋势	采用VOSviewer、CiteSpace和R包Bibliometrix进行文献计量分析，系统梳理了AI在眼科领域的发展脉络和研究热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究；未深入探讨技术、监管和伦理等具体挑战	总结人工智能在眼科领域的研究现状并展望未来发展方向	3377篇来自98个国家4035个机构的眼科AI研究文献	数字病理	眼科疾病	文献计量分析	GAN, ChatGPT	文献数据	3377篇文献，涉及1345位研究人员
4963	2025-05-22	DRBP-EDP: classification of DNA-binding proteins and RNA-binding proteins using ESM-2 and dual-path neural network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf058 PMID:40391089	研究论文	本研究提出了一种名为DRBP-EDP的分阶段分类方法，结合ESM-2和双路径神经网络，用于分类DNA结合蛋白(DBPs)和RNA结合蛋白(RBPs)	整合ESM-2与双路径神经网络进行蛋白质分类，并设计了高质量数据集构建方法	未明确提及具体限制	开发高效准确的DNA结合蛋白和RNA结合蛋白分类方法	DNA结合蛋白(DBPs)和RNA结合蛋白(RBPs)	生物信息学	NA	深度学习	双路径神经网络	蛋白质序列数据	未明确提及具体样本数量
4964	2025-05-22	An Ultrasound Image-Based Deep Learning Radiomics Nomogram for Differentiating Between Benign and Malignant Indeterminate Cytology (Bethesda III) Thyroid Nodules: A Retrospective Study 2025-May-21, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.24058 PMID:40396203	研究论文	开发并验证基于术前超声图像和临床特征的深度学习放射组学列线图（DLRN），用于预测细胞学不确定（Bethesda III）甲状腺结节的恶性程度	整合了从预训练Resnet34网络提取的512个DTL特征、超声放射组学特征和临床特征，构建了一个综合诊断模型	研究为回顾性设计，样本量相对较小（训练集155例，内部验证集39例，外部验证集80例）	区分细胞学不确定（Bethesda III）甲状腺结节的良恶性	194例经手术确诊的细胞学不确定（Bethesda III）甲状腺结节患者	数字病理	甲状腺结节	深度学习放射组学	Resnet34	超声图像	训练集155例，内部验证集39例，外部验证集80例
4965	2025-05-22	Validation of a deep learning model for the automated detection and quantification of cystoid macular oedema on optical coherence tomography in patients with retinitis pigmentosa 2025-May-21, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17518 PMID:40396533	research paper	该研究验证了一种基于深度学习的模型，用于自动检测和量化视网膜色素变性患者光学相干断层扫描中的囊样黄斑水肿	开发并验证了一种基于nnU-Net架构的深度学习模型，用于自动检测和量化囊样黄斑水肿，其性能与人类评分者相当	研究样本量相对较小，仅使用了112个OCT体积进行训练和验证，外部测试集仅包含37个SD-OCT扫描	验证深度学习模型在自动检测和量化视网膜色素变性患者囊样黄斑水肿方面的准确性和效率	视网膜色素变性患者的囊样黄斑水肿	digital pathology	retinitis pigmentosa	spectral-domain optical coherence tomography (SD-OCT)	nnU-Net	image	112个OCT体积（70个用于训练，42个用于验证）和37个SD-OCT扫描用于外部测试
4966	2025-05-22	Systematic review on the impact of deep learning-driven worklist triage on radiology workflow and clinical outcomes 2025-May-21, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11674-2 PMID:40397031	系统综述	本文系统综述了基于深度学习的放射科工作列表分诊对工作流程和临床结果的影响	评估了深度学习分诊系统在不同临床环境中对报告周转时间和患者预后的影响，并比较了不同集成模式的效率差异	需要进一步研究和可靠指标来提供关于假阴性检查和多条件优先排序的具体建议	评估基于深度学习的工作列表优化对诊断影像分诊的影响	放射科工作流程和患者临床结果	医学影像分析	肺栓塞、中风、颅内出血和胸部疾病	深度学习	DL	医学影像	38项研究，涉及138,423张影像
4967	2025-05-22	Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis 2025-May-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03657-3 PMID:40397134	meta-analysis	该研究通过系统综述和荟萃分析评估了AI算法（包括机器学习和深度学习）在预测创伤性脑损伤后血肿进展中的性能	首次通过荟萃分析评估多种AI模型在预测创伤性脑损伤后血肿进展中的表现，并发现XGBoost模型具有最佳预测性能	纳入研究数量有限（仅5项），且需要进一步标准化数据集和多样化患者群体以提高模型的适用性和可靠性	评估AI算法在预测创伤性脑损伤后血肿进展风险中的性能	创伤性脑损伤患者的血肿进展	machine learning	traumatic brain injury	machine learning, deep learning	XGBoost, AI algorithms	clinical data, radiomics features	5项研究（具体患者数量未明确说明）
4968	2025-05-22	Deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study 2025-May-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002488 PMID:40391963	research paper	本研究构建并验证了一种基于放射组学的机器学习模型，用于预测IDH野生型胶质母细胞瘤在最大安全手术切除后的总体生存期	利用深度学习分割网络提取放射组学特征，并结合先进的机器学习算法构建预测模型，为个性化预后评估提供非侵入性工具	研究为回顾性设计，可能存在选择偏倚，且外部验证队列样本量相对较小	预测IDH野生型胶质母细胞瘤患者的总体生存期	582名IDH野生型胶质母细胞瘤患者	digital pathology	glioblastoma	磁共振成像（MRI）	ResNet, LASSO-Cox回归, RSF模型	医学影像	582名患者（301名训练队列，128名内部验证队列，153名外部验证队列）
4969	2025-05-22	Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy 2025-May-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01504-8 PMID:40392414	research paper	本研究探讨了在多位临床专家注释的前列腺腺体解剖结构MRI图像上使用深度神经网络（DNN）进行分割时面临的读者间变异性问题，并提出量化DNN性能差异及训练策略	通过结合不同专家的注释数据训练3D U-Net模型，提高了模型在不同读者间的可重复性，并分析了腺体体积对模型性能的影响	小腺体尺寸的分割性能相对较差，Dice系数降至0.8左右	解决医学图像分割中深度神经网络面临的读者间变异性问题，提升模型泛化能力	前列腺腺体的MRI图像分割	digital pathology	prostate cancer	MRI (T2-weighted)	3D U-Net	image	R#1的342个样本和R#2的204个样本，训练时使用了R#1的100个样本和R#2的150个样本
4970	2025-05-22	XVir: A Transformer-Based Architecture for Identifying Viral Reads from Cancer Samples 2025-May-20, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2025.0075 PMID:40392695	研究论文	本文介绍了一种基于Transformer的深度学习架构XVir，用于从癌症样本中可靠地识别病毒DNA	XVir采用Transformer架构，能够高效识别人类肿瘤中的病毒DNA，并在多样化的病毒群体中保持高准确性，训练速度显著快于其他大型深度学习分类器	未提及具体样本量或实际临床应用验证	开发一种计算工具来识别与癌症相关的病毒DNA	人类肿瘤中的病毒DNA	数字病理学	癌症	DNA测序	Transformer	DNA序列数据	NA
4971	2025-05-22	Deep-Learning Reconstruction for 7T MP2RAGE and SPACE MRI: Improving Image Quality at High Acceleration Factors 2025-May-20, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8841 PMID:40393739	研究论文	本研究评估了基于深度学习的图像重建技术在7T脑部MRI中的应用，与传统压缩感知和并行成像技术相比，显著提高了图像质量	首次在7T超高清场MRI中应用深度学习重建技术，实现了高加速因子下的图像质量提升	研究为回顾性设计，样本量相对有限（60例患者）	评估深度学习重建技术在超高场7T MRI中的性能表现	7T脑部MRI图像（MP2RAGE和SPACE FLAIR序列）	医学影像分析	NA	MP2RAGE和SPACE MRI序列	深度学习（DL）	医学影像	60例患者（30例MP2RAGE数据，30例SPACE FLAIR数据）
4972	2025-05-22	Deep learning predicts microsatellite instability status in colorectal carcinoma in an ethnically heterogeneous population in South Africa 2025-May-20, Journal of clinical pathology IF:2.5Q2 DOI:10.1136/jcp-2025-210053 PMID:40393786	研究论文	本研究评估了深度学习模型在南非多民族人群中预测结直肠癌微卫星不稳定状态的性能	首次在非洲样本中验证深度学习模型对结直肠癌dMMR状态的预测能力，并进行了地区特异性校准	假阴性病例主要位于左侧结肠且不显示典型dMMR组织学表型，对PMS2或MSH6单独缺失的病例敏感性较低	评估深度学习模型在资源有限环境下作为dMMR预筛查工具的可行性	197例结直肠癌切除标本	数字病理学	结直肠癌	全切片图像分析	transformer-based DL模型	病理图像	197例来自南非多民族人群的结直肠癌标本
4973	2025-05-22	Enhancing pathological myopia diagnosis: a bimodal artificial intelligence approach integrating fundus and optical coherence tomography imaging for precise atrophy, traction and neovascularisation grading 2025-May-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-326252 PMID:40393796	研究论文	本研究构建了一个包含眼底和光学相干断层扫描（OCT）图像的病理性近视（PM）综合数据集，并开发了一种双模态人工智能（AI）分类模型，用于PM的萎缩、牵引和新生血管（ATN）分级	采用双模态AI模型（结合眼底和OCT图像）进行PM的ATN分级，提高了分级的准确性	单中心回顾性研究，样本量有限（2760对图像）	提高病理性近视（PM）的诊断准确性，实现ATN系统的精确分级	病理性近视（PM）患者	数字病理学	眼科疾病	光学相干断层扫描（OCT）	ResNet-50和多模态多实例学习模块	图像（眼底和OCT图像）	2760对眼底和OCT图像
4974	2025-05-22	Detection of maxillary sinus pathologies using deep learning algorithms 2025-May-20, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09451-4 PMID:40394252	研究论文	本研究利用深度学习算法从CBCT扫描中自动检测上颌窦病理	开发了一种基于CNN的机器学习模型，用于自动分割CBCT图像中的上颌窦病理，实现了高精度的分割结果	研究样本量有限，仅包含500名患者的1000个上颌窦数据	评估人工智能算法在CBCT扫描中检测上颌窦病理的准确性	上颌窦病理	数字病理	上颌窦疾病	CBCT	CNN	图像	500名患者的1000个上颌窦数据
4975	2025-05-22	Histopathology-Based Prostate Cancer Classification Using ResNet: A Comprehensive Deep Learning Analysis 2025-May-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01543-1 PMID:40394318	研究论文	使用ResNet50深度学习模型对前列腺癌组织病理学图像进行分类	采用ResNet50模型在前列腺癌分类中表现出色，准确率达0.98，性能优于MobileNet和CNN-RNN	研究样本量相对较小（1276张图像），且未提及模型在其他数据集上的泛化能力	优化前列腺癌诊断流程，提高分类准确性	前列腺组织病理学图像	数字病理学	前列腺癌	深度学习图像分类	ResNet50	图像	1276张前列腺活检图像
4976	2025-05-22	An Artificial Intelligence Method for Phenotyping of OCT-Derived Thickness Maps Using Unsupervised and Self-supervised Deep Learning 2025-May-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01539-x PMID:40394321	研究论文	本研究通过人工智能方法分析光学相干断层扫描（OCT）图像，旨在增强对眼科疾病生理学和遗传结构的理解	提出了一种新颖的AI方法，利用无监督和自监督学习技术对OCT衍生的视网膜层厚度进行表型分析和聚类，解决了跨数据集表型转移的挑战	NA	增强对眼科疾病生理学和遗传结构的理解	光学相干断层扫描（OCT）图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	深度学习、流形学习、高斯混合模型	图像	两个大型数据集：Massachusetts Eye and Ear (MEE; 18,985张图像) 和 UK Biobank (UKBB; 86,115张图像)
4977	2025-05-22	Improving Deep Learning-Based Grading of Partial-thickness Supraspinatus Tendon Tears with Guided Diffusion Augmentation 2025-May-19, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.072 PMID:40393829	research paper	开发并验证了一种基于引导扩散数据增强的深度学习系统，用于分级部分厚度冈上肌腱撕裂，并与经验丰富的放射科医生进行比较	使用引导扩散模型进行数据增强以解决数据不平衡问题，并开发了ResNet-34模型用于分级部分厚度撕裂	研究为回顾性设计，可能受到选择偏差的影响	提高部分厚度冈上肌腱撕裂分级的准确性和效率	1150名经关节镜确认的冈上肌腱撕裂患者	digital pathology	geriatric disease	MRI	ResNet-34	image	1150名患者（训练集741名，验证集185名，内部测试集185名）和224名外部测试集患者
4978	2025-05-22	Mpox diagnosis at POC 2025-May-19, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.04.015 PMID:40393854	综述	本文综述了猴痘（Mpox）的即时诊断（POC）工具，并讨论了阻碍这些工具广泛应用的瓶颈及潜在解决策略	探讨了机器学习和深度学习模型在猴痘诊断中的潜在应用，以及集成可部署平台的发展方向	当前猴痘诊断主要依赖PCR技术，需要专业人员操作和复杂实验室基础设施	促进猴痘的快速、准确和用户友好诊断	猴痘（Mpox）	数字病理学	猴痘	PCR	ML和DL	NA	NA
4979	2025-05-22	Deep learning feature-based model for predicting lymphovascular invasion in urothelial carcinoma of bladder using CT images 2025-May-18, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01988-6 PMID:40382748	研究论文	开发了一种基于深度学习的模型，利用CT图像预测膀胱尿路上皮癌的淋巴血管侵犯状态	首次结合深度学习特征和临床风险因素，构建堆叠模型预测淋巴血管侵犯状态	模型在测试集上的AUC为0.767，仍有提升空间	开发一种非侵入性、经济高效的工具，帮助临床医生进行个性化治疗规划	膀胱尿路上皮癌患者	数字病理学	膀胱癌	CT成像	CNN（包括InceptionV3、DenseNet121、ResNet18、ResNet34、ResNet50和VGG11）和集成模型（Decision Tree、XGBoost、LightGBM）	图像	577名患者的数据和CT图像，来自四个医疗中心
4980	2025-05-22	Enhancing sparse data recommendations with self-inspected adaptive SMOTE and hybrid neural networks 2025-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02593-9 PMID:40383722	research paper	本文提出了一种结合LSTM和改进的Split-Convolution神经网络(LSTM-SC)及先进采样技术SASMOTE的混合框架，用于增强稀疏数据推荐	引入了自检自适应SMOTE(SASMOTE)技术，能自适应选择'可见'最近邻并通过自检策略过滤不确定的合成样本，确保高质量数据生成	未明确提及具体限制	提升数据稀疏环境下的个性化推荐系统性能	电子商务平台和电子出版领域的推荐系统	machine learning	NA	SASMOTE, QSO, HMWSO	LSTM, Split-Convolution neural network (LSTM-SC)	用户行为数据(如书籍评分和亚马逊评论)	goodbooks-10k和Amazon评论数据集