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
5461	2025-06-26	Assessing risk of groundwater pollution exposure from sea level rise in California 2025-Aug-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179695 PMID:40513440	研究论文	本研究利用深度学习和可解释人工智能（XAI）模型评估加州海平面上升导致的地下水污染暴露风险	结合深度学习和XAI模型，量化海平面上升对地下水污染暴露风险的影响，并识别关键风险预测因素	模型在空间自相关性方面存在泛化挑战，空间交叉验证模型在其他沿海地区的应用可能存在偏差	评估海平面上升对加州地下水污染暴露风险的影响	加州沿海含水层及2296个危险场所	环境科学	NA	深度学习，可解释人工智能（XAI）	深度学习模型，XAI模型	地下水数据，社会经济数据，人口统计数据	2296个危险场所及加州沿海地区人口数据
5462	2025-06-26	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-Aug, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	本研究开发了一个深度学习流程，用于分析吉姆萨染色的骨髓穿刺涂片，以预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析吉姆萨染色涂片来预测B/T亚型和ETV6-RUNX1易位，为资源匮乏地区提供了替代诊断方案	外部验证队列的AUC值相对较低（B/T亚型0.72，ETV6-RUNX1易位0.69），表明模型在外部数据上的泛化能力有待提高	开发一种基于深度学习的诊断工具，用于儿童急性淋巴细胞白血病的亚型分类和遗传异常检测	儿童急性淋巴细胞白血病患者的骨髓穿刺涂片	数字病理学	急性淋巴细胞白血病	吉姆萨染色	CNN	图像	未明确提及具体样本数量，但包含交叉验证和外部验证队列
5463	2025-06-26	Assessment of image quality on the diagnostic performance of clinicians and deep learning models: Cross-sectional comparative reader study 2025-Jul, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20462 PMID:39655640	研究论文	本研究评估了不同图像质量对临床医生和深度学习模型诊断性能的影响	首次研究了HDR增强的皮肤镜图像对诊断性能的影响，并比较了临床医生与CNN模型在不同图像质量下的表现	样本量相对较小(101个皮肤病变)，且仅评估了18名皮肤科医生	探究图像质量对皮肤癌诊断准确性的影响	皮肤病变图像和诊断性能	数字病理学	皮肤癌	HDR图像增强技术	CNN	图像	101个皮肤病变的303张图像(18名临床医生参与评估)
5464	2025-06-26	Quantitative Ischemic Lesions of Portable Low-Field Strength MRI Using Deep Learning-Based Super-Resolution 2025-Jul, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.050540 PMID:40235448	研究论文	本研究评估了基于深度学习的合成超分辨率磁共振成像（SynthMRI）在便携式低场强磁共振成像（LF-MRI）中定量缺血性病变的性能提升	使用深度学习框架SCUNet（Swin-Conv-UNet）从LF-MRI图像生成SynthMRI图像，显著提高了对缺血性病变的检测和量化性能	研究为回顾性设计，且样本量相对有限（178名中风患者和104名健康对照）	评估SynthMRI在LF-MRI中检测和量化缺血性病变的诊断性能	中风患者和健康对照的LF-MRI和HF-MRI图像	数字病理	心血管疾病	深度学习超分辨率技术	SCUNet（Swin-Conv-UNet）	磁共振图像	178名中风患者和104名健康对照
5465	2025-06-26	BERTAgent: The development of a novel tool to quantify agency in textual data 2025-Jul, Journal of experimental psychology. General DOI:10.1037/xge0001740 PMID:40354292	研究论文	开发了一种名为BERTAgent的新工具，用于量化文本数据中的语义能动性	利用transformer架构的深度学习模型，克服了传统词计数方法对语义上下文不敏感的缺点，并考虑了能动性的强度和方向性差异	需要依赖人工编码数据进行微调，可能受限于训练数据的质量和范围	开发能够更准确量化文本中语义能动性的计算工具	文本数据中的语义能动性	自然语言处理	NA	深度学习	transformer架构（BERT）	文本	NA
5466	2025-06-26	Deep Learning Based on Ultrasound Images Differentiates Parotid Gland Pleomorphic Adenomas and Warthin Tumors 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251319410 PMID:40156239	研究论文	本研究利用深度学习技术基于超声图像开发自动化模型，以准确区分腮腺多形性腺瘤和沃辛瘤	首次应用深度学习模型（如ResNet18、MobileNetV3Small和InceptionV3）于超声图像分析，用于区分腮腺多形性腺瘤和沃辛瘤，并展示了优于超声医师的诊断准确性	研究样本量较小（91例患者，526张超声图像），且为回顾性研究，可能影响模型的泛化能力	开发一种基于超声图像的深度学习模型，用于准确区分腮腺多形性腺瘤和沃辛瘤	腮腺多形性腺瘤和沃辛瘤患者	数字病理	腮腺肿瘤	超声成像	CNN（包括ResNet18、MobileNetV3Small和InceptionV3）	图像	91例患者，526张超声图像
5467	2025-06-26	Deep Learning Model for Real-Time Nuchal Translucency Assessment at Prenatal US 2025-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240498 PMID:40304583	研究论文	开发并评估了一种基于人工智能的模型，用于实时识别和测量产前超声检查中的颈项透明层（NT）平面	提出了一种名为AIM-NT的深度学习模型，能够在产前超声检查中实时识别NT平面并测量NT厚度，与放射科医生的工作流程高度一致	研究为回顾性多中心研究，可能受到数据收集时间和范围的限制	开发并评估一种人工智能模型，用于产前超声检查中的NT平面识别和测量	产前超声检查中的颈项透明层（NT）平面	数字病理	产前筛查	超声检查	CNN	图像和视频	内部数据集包括3153个胎儿的3959张NT图像，外部数据集包括267个胎儿的267个超声视频
5468	2025-06-26	Automatic Detection of B-Lines in Lung Ultrasound Based on the Evaluation of Multiple Characteristic Parameters Using Raw RF Data 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251330111 PMID:40539654	研究论文	提出一种基于射频信号的肺部超声B线垂直伪影自动识别方法，通过多特征参数输入非线性支持向量机进行分类	利用射频信号而非图像数据，结合多特征参数和PCA降维，减少了对大型图像数据集的依赖，同时保持了高分类准确率	实验模型（海绵滴水模型、明胶体模）与真实肺部组织的声学特性可能存在差异	开发实时高效的肺部超声B线自动检测方法以辅助肺部疾病诊断	肺部超声中的B线伪影	医学影像分析	肺部疾病	射频信号分析、PCA降维	非线性SVM	射频信号	海绵滴水模型、玻璃珠/明胶液滴体模、体内实验数据
5469	2025-06-26	Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features 2025-Jul, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70217 PMID:40552679	研究论文	本研究利用机器学习和CT特征预测系统性硬化症肺移植后的原发性移植物功能障碍	首次在系统性硬化症患者中应用深度学习算法自动计算CT图像特征，并结合多种机器学习模型预测PGD	样本量相对较小（92例），且为单中心回顾性研究	预测系统性硬化症患者肺移植后的原发性移植物功能障碍	92例接受双侧肺移植的系统性硬化症患者	数字病理学	系统性硬化症	CT扫描、深度学习	多元逻辑回归、SVM、随机森林分类器(RFC)、多层感知机(MLP)	CT图像	92例系统性硬化症肺移植患者（2007-2020年）
5470	2025-06-26	[A deep learning method for differentiating nasopharyngeal carcinoma and lymphoma based on MRI] 2025-Jul, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology head and neck surgery DOI:10.13201/j.issn.2096-7993.2025.07.001 PMID:40555483	research paper	开发一种基于常规MRI的深度学习模型，用于自动分割和鉴别诊断鼻咽癌（NPC）和鼻咽淋巴瘤（NPL）	利用深度学习模型结合常规MRI数据进行自动分割和分类，提高了鼻咽癌和鼻咽淋巴瘤的鉴别诊断准确性	研究为回顾性研究，样本量有限，且仅来自单一医疗中心	开发一种自动化的深度学习模型，用于鼻咽癌和鼻咽淋巴瘤的鉴别诊断	鼻咽癌（NPC）和鼻咽淋巴瘤（NPL）患者	digital pathology	nasopharyngeal carcinoma, lymphoma	MRI	ResNet101	image	434名患者（142名NPL患者和292名NPC患者）
5471	2025-06-26	Application Value of Deep Learning-Based AI Model in the Classification of Breast Nodules 2025-Jun-25, British journal of hospital medicine (London, England : 2005) DOI:10.12968/hmed.2025.0078 PMID:40554435	研究论文	本研究开发了一种基于深度学习的AI模型，用于辅助超声医师对乳腺结节进行BI-RADS分类，以提高诊断准确性	利用卷积神经网络（CNN）构建的AI模型显著提高了乳腺结节分类的敏感性和特异性，并减少了医师间的诊断差异	研究为回顾性分析，可能存在选择偏差，且样本量相对有限	评估基于深度学习的AI模型在乳腺结节分类中的临床应用价值	558名乳腺结节患者（BI-RADS 3-5类）的1026个乳腺结节	数字病理学	乳腺癌	超声检查	CNN	图像	558名患者的1026个乳腺结节
5472	2025-06-26	Letter by Sacoransky Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure" 2025-Jun-25, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.018652 PMID:40557525	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5473	2025-06-26	Deep learning algorithms from histopathological images stratify molecular subtypes for leiomyosarcoma: a proof-and-concept diagnostic study 2025-Jun-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002667 PMID:40557542	研究论文	本研究开发并验证了基于深度学习的算法，用于通过单张H&E染色的全切片图像（WSIs）对平滑肌肉瘤（LMS）的分子亚型进行分层并预测生存期	首次使用深度学习算法从组织病理学图像中分层平滑肌肉瘤的分子亚型，并预测患者生存期，显著提高了病理学家的工作效率和准确性	需要更大规模的前瞻性队列研究进行进一步验证	开发并验证深度学习算法，用于平滑肌肉瘤的分子亚型分层和生存期预测	平滑肌肉瘤（LMS）患者的组织病理学图像	数字病理学	平滑肌肉瘤	深度学习	DesenNet121, ResNet50	图像	训练集154例WSIs（1,579,215个tiles），外部测试集80例WSIs（555,211个tiles）
5474	2025-06-26	Regional free-water diffusion is more strongly related to neuroinflammation than neurodegeneration 2025-Jun-25, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-025-13201-1 PMID:40560468	研究论文	探讨自由水扩散（FWD）作为神经炎症非侵入性生物标志物的潜力，及其与神经退行性疾病的关系	首次通过特征选择和深度学习模型验证FWD与神经炎症标志物GFAP的关联性强于神经退行性标志物NfL，支持FWD作为神经炎症的新型影像学生物标志物	研究样本仅来自特定地区（安大略省），可能限制结果的普适性	评估自由水扩散成像技术对神经炎症和神经退行性变的预测能力差异	367名神经退行性疾病患者（包括阿尔茨海默病/轻度认知障碍、额颞叶痴呆、肌萎缩侧索硬化症、帕金森病和血管性认知障碍）	神经影像学	神经退行性疾病	扩散MRI、递归特征消除（RFE）、深度学习	深度学习模型	MRI影像数据、血浆生物标志物数据	367名患者（108例AD/MCI、42例FTD、37例ALS、123例PD、58例血管性认知障碍）
5475	2025-06-26	Deep learning classification of drug-related problems from pharmaceutical interventions issued by hospital clinical pharmacists during medication prescription review: a large-scale descriptive retrospective study in a French university hospital 2025-Jun-24, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2024-004139 PMID:39122480	研究论文	本研究利用深度学习神经网络分类器从医院临床药师的药物干预中识别药物相关问题，并在法国一所大学医院进行了为期3年的大规模回顾性描述性分析	开发并应用了一种新的深度神经网络分类器来自动分类药物相关问题，无需大量人力资源	研究仅限于法国一所大学医院的数据，可能不具有普遍代表性	利用深度学习技术自动识别和分析药物相关问题，以改善药物治疗效果	医院临床药师在处方审核中提出的药物干预	自然语言处理	NA	深度学习	深度神经网络	文本	2,930,656条处方线，涉及119,689名患者
5476	2025-06-26	High-Precision Intelligent Diagnosis of Pancreatic Cancer: Flowing Diffuseness from Single to Whole 2025-Jun-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00465 PMID:40296678	research paper	该研究提出了一种名为线扫描拉曼光谱化学整体分析（LRSHA）的智能诊断方法，用于快速拉曼数据采集和组织整体诊断	采用线扫描技术进行快速光谱采集，并通过光谱递归图变换将一维拉曼光谱转换为二维拉曼编码图，结合二维深度学习模型和邻域增强方法，显著提高了诊断准确率	NA	开发一种快速、高效且准确的组织诊断方法	胰腺癌组织	digital pathology	pancreatic cancer	Raman spectroscopy	2D deep learning models	spectral data	NA
5477	2025-06-26	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2025-Jun-24, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	本文评估了四种超声位移跟踪技术在卒中后肌筋膜剪切应变量化中的可靠性	提出了一种新的临床假设，即肌筋膜疼痛患者的卒中影响（麻痹）肩部肌肉间的剪切应变低于同一患者的非麻痹侧，并比较了四种位移估计算法的可靠性	L1-SOUL-Search方法的运行时间较慢，可能需要通过深度学习解决方案来解决	评估超声位移跟踪技术在肌筋膜功能障碍诊断中的可靠性	卒中后肌筋膜肩痛患者的超声剪切应变	医学影像	卒中	超声位移跟踪技术，T1ρ磁共振成像	Search, OVERWIND-Search, SOUL-Search, L1-SOUL-Search	超声图像，磁共振成像数据	10名研究参与者
5478	2025-06-26	Author Correction: Detection of cotton crops diseases using customized deep learning model 2025-Jun-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07853-2 PMID:40555723	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5479	2025-06-26	AI-based large-scale screening of gastric cancer from noncontrast CT imaging 2025-Jun-24, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-025-03785-6 PMID:40555751	研究论文	本文开发了一种基于非对比CT成像和深度学习的胃癌风险评估程序GRAPE，用于大规模胃癌筛查	利用非对比CT和深度学习技术开发GRAPE系统，显著提高了胃癌的早期检测率，并在实际应用中验证了其有效性	研究主要基于中国人群，可能在其他种族或地区的适用性需要进一步验证	开发一种高效、可行的大规模胃癌筛查方法	胃癌患者和非胃癌患者的非对比CT影像	数字病理	胃癌	深度学习	深度学习模型（具体未提及）	CT影像	初始开发队列6,720例（3,470 GC和3,250非GC），验证队列19,458例（内部1,298例，外部18,160例），实际应用78,593例非对比CT扫描
5480	2025-06-26	Determination of Kennedy's classification in panoramic X-rays by automated tooth labeling 2025-Jun-24, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03469-z PMID:40555836	研究论文	本研究探讨了在全景X光片中自动确定部分无牙颌的Kennedy分类的方法	利用深度学习模型Mask R-CNN自动检测、定位和分割牙齿，并通过后处理步骤提高算法性能，首次实现了Kennedy分类的自动化	最常见的错误来自形态相似牙齿的错误标记	自动确定部分无牙颌的Kennedy分类，减少手动标记和分类的工作量	206名患者的209张全景X光片	数字病理	牙科疾病	全景X光成像	Mask R-CNN	图像	206名患者的209张全景X光片