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
541	2025-06-05	A CT-based deep learning for segmenting tumors and predicting microsatellite instability in patients with colorectal cancers: a multicenter cohort study 2025-Feb, La Radiologia medica DOI:10.1007/s11547-024-01909-5 PMID:39586941	研究论文	开发并验证基于术前增强CT图像的深度学习模型，用于结直肠癌肿瘤自动分割和微卫星不稳定性预测	结合增强CT图像和临床病理因素，利用深度学习模型预测微卫星不稳定性，提高了诊断性能	研究为回顾性设计，可能存在选择偏倚	开发深度学习模型用于结直肠癌肿瘤分割和微卫星不稳定性预测	结直肠癌患者	数字病理	结直肠癌	免疫组织化学、荧光多重聚合酶链反应-毛细管电泳	nnU-Net、ViT、CNN	CT图像	2180名患者（训练组1159名，验证组289名，外部测试组732名）
542	2025-06-05	Weakly Supervised Multiple Instance Learning Model With Generalization Ability for Clinical Adenocarcinoma Screening on Serous Cavity Effusion Pathology 2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100648 PMID:39515585	研究论文	本研究提出了一种弱监督多实例学习模型，用于浆膜腔积液中腺癌细胞的快速筛查	首次将细胞块技术与弱监督深度学习模型结合用于浆膜腺癌筛查，并构建了首个基于细胞块切片的浆膜腔积液全切片成像公开数据集	NA	提高浆膜腔积液中腺癌细胞的筛查效率和准确性	浆膜腔积液中的腺癌细胞	数字病理学	腺癌	全切片成像，细胞块技术	弱监督多实例学习模型	图像	2个真实世界病理数据集
543	2025-06-05	Protein-protein interaction detection using deep learning: A survey, comparative analysis, and experimental evaluation 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109449 PMID:39644584	综述	本文全面分析了用于检测蛋白质-蛋白质相互作用（PPIs）的各种深度学习技术，并进行了详细的实验评估	对多种深度学习技术在PPI检测中的性能进行了比较分析，并提出了未来改进方向	DNN存在过拟合和可解释性低的问题，LSTM网络存在可扩展性挑战	评估深度学习技术在蛋白质-蛋白质相互作用检测中的应用效果	蛋白质-蛋白质相互作用	机器学习	NA	深度学习	DNN, CNN, GSN, LSTM	生物序列数据	NA
544	2025-06-05	Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109521 PMID:39667056	系统综述	该研究通过系统综述评估机器学习模型在预测常见精神障碍中的应用，重点关注生活方式数据的作用	首次评估诊断性机器学习在常见精神障碍中的效用，并评估预测变量类型	研究存在高度异质性和偏倚风险，生活方式数据利用不足	评估机器学习模型预测常见精神障碍的性能，并确定生活方式数据在模型中的潜在益处	成年人常见精神障碍	机器学习	精神障碍	机器学习	深度学习	多模态数据（包括生活方式、生物、人口统计-环境数据）	117项研究（111项仅模型开发，16项开发与验证）
545	2025-06-05	Detection of periodontal bone loss and periodontitis from 2D dental radiographs via machine learning and deep learning: systematic review employing APPRAISE-AI and meta-analysis 2025-02-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae070 PMID:39656957	系统综述	本文通过系统综述和荟萃分析评估了人工智能在牙科全景和根尖周X光片上评估牙槽骨丢失和牙周炎的应用	使用APPRAISE-AI工具对AI研究进行定量评估，并通过荟萃分析综合评估模型性能	纳入研究的质量参差不齐，缺乏非常高质量的研究，且AI研究的透明度和报告标准有待提高	评估人工智能在牙周炎和牙槽骨丢失诊断中的应用效果	牙科全景和根尖周X光片	数字病理	牙周炎	深度学习	NA	图像	30篇论文（其中10篇符合荟萃分析条件）
546	2025-06-05	Challenges and compromises: Predicting unbound antibody structures with deep learning 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102983 PMID:39862761	研究论文	本文探讨了利用深度学习预测未结合抗体结构的挑战与妥协	讨论了生成模型可能解决未结合抗体结构预测中的问题，并评估了构象异质性对结合动力学的影响	由于结构数据偏向抗体-抗原复合物，深度学习模型在未结合形式上的泛化能力可能受限	改进抗体开发流程中未结合结构的预测	未结合抗体，特别是CDRH3环	机器学习	NA	深度学习	生成模型	结构数据	NA
547	2025-06-05	Radiomics-guided generative adversarial network for automatic primary target volume segmentation for nasopharyngeal carcinoma using computed tomography images 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17493 PMID:39535436	研究论文	提出了一种基于放射组学引导的生成对抗网络（PRG-GAN），用于自动分割鼻咽癌（NPC）的主要靶体积（GTVp）	结合放射组学特征与生成对抗网络（GAN），通过形态学扩张和特征融合提高分割准确性	研究样本量较小（157例患者），且仅基于CT图像，未涉及其他影像模态	解决鼻咽癌主要靶体积（GTVp）在CT图像上因低对比度分辨率导致的自动分割难题	鼻咽癌（NPC）患者的CT图像	数字病理	鼻咽癌	放射组学特征提取、生成对抗网络（GAN）	GAN（生成对抗网络）	CT图像	157例鼻咽癌患者（训练集108例，验证集9例，测试集30例）
548	2025-06-05	A systematic review of automated prediction of sudden cardiac death using ECG signals 2025-Jan-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9ce5 PMID:39657316	系统综述	本文系统回顾了2011年至2023年间利用ECG信号自动预测心源性猝死（SCD）的研究进展	全面分析了机器学习和深度学习模型在SCD预测中的应用，并指出了当前技术的局限性和未来研究方向	大多数预测模型依赖小规模数据库，且主要使用ECG和HRV信号，忽略了其他生理信号的潜在贡献	评估自动预测心源性猝死的技术现状和发展趋势	心源性猝死的预测模型	机器学习	心血管疾病	ECG信号分析、HRV信号分析	KNN、SVM、决策树、随机森林、朴素贝叶斯、CNN	ECG信号、HRV信号	使用公开数据库如MIT-BIH SCD Holter和Normal Sinus Rhythm，包含大量24小时SCD患者记录
549	2025-06-05	Benchmarking protein language models for protein crystallization 2025-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86519-5 PMID:39827171	research paper	本文通过TRILL平台评估了开放蛋白质语言模型（PLMs）在预测蛋白质结晶倾向方面的性能，并比较了不同PLMs与现有方法的优劣	使用TRILL平台对多种开放PLMs进行系统评估，并发现ESM2模型在预测蛋白质结晶倾向方面表现最佳，性能提升显著	研究仅基于序列信息进行预测，未考虑蛋白质的三维结构和其他可能影响结晶的因素	评估和比较不同蛋白质语言模型在预测蛋白质结晶倾向方面的性能	蛋白质序列及其结晶倾向	machine learning	NA	蛋白质语言模型（PLMs），如ESM2、Ankh、ProtT5-XL等	LightGBM/XGBoost, ESM2, ProtGPT2	蛋白质序列	3000个生成的蛋白质，最终筛选出5个潜在可结晶蛋白质
550	2025-06-05	Advancements in Frank's sign Identification using deep learning on 3D brain MRI 2025-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82756-2 PMID:39827273	research paper	本研究开发了一种深度学习模型，用于在3D面部MRI图像中自动识别Frank's sign（FS）	首次使用深度学习技术对3D脑部MRI图像中的FS进行自动分割和识别	研究仅基于有限数量的MRI扫描样本（400例训练集+600例验证集）	开发自动化的FS检测工具以改善临床诊断	3D面部MRI图像中的Frank's sign标记	digital pathology	geriatric disease	MRI扫描	U-net	3D图像	400例训练集MRI扫描+600例验证集MRI扫描（两个外部数据集各300例）
551	2025-06-05	Comparison of 1D and 3D volume measurement techniques in NF2-associated vestibular schwannoma monitoring 2025-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85386-4 PMID:39824854	research paper	比较1D（线性）和3D分割体积分析（SVA）在NF2相关前庭神经鞘瘤（VS）监测中的效果	首次系统地比较了1D线性测量和3D分割体积分析在NF2相关前庭神经鞘瘤监测中的效果，并提出了正交分析（OA）作为更优的时间节省替代方案	小肿瘤或手术缩小后的肿瘤存在较大的测量离散范围，不适用于需要精确评估肿瘤体积和生长的治疗决策	评估不同肿瘤体积测量技术在NF2相关前庭神经鞘瘤监测中的效果	NF2相关前庭神经鞘瘤	医学影像分析	前庭神经鞘瘤	MRI, 3D分割体积分析（SVA）	线性回归模型	医学影像	149名NF2患者和292个相关前庭神经鞘瘤，共进行了2586次SVA和10344次线性测量
552	2025-06-05	Exploring the anticancer activities of Sulfur and magnesium oxide through integration of deep learning and fuzzy rough set analyses based on the features of Vidarabine alkaloid 2025-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82483-8 PMID:39824867	research paper	该研究结合深度学习和模糊粗糙集分析，探索硫和氧化镁的抗癌活性，基于Vidarabine生物碱的特征	提出了一种结合深度学习、模糊粗糙集理论和可解释人工智能的AI模型，用于发现基于天然产物的新型抗癌药物候选物	研究仅针对特定细胞系进行了验证，需要进一步的临床前研究	探索和发现新型抗癌药物候选物	硫和氧化镁作为潜在的抗癌药物	machine learning	lung cancer	深度学习、模糊粗糙集理论、可解释人工智能	DL, FRS, XAI	化学化合物特征数据	针对A-549、A-375和A-431细胞系的实验室实验数据
553	2025-06-05	Automatic detection and prediction of COVID-19 in cough audio signals using coronavirus herd immunity optimizer algorithm 2025-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85140-w PMID:39824893	研究论文	本研究提出了一种基于深度学习的框架，利用咳嗽音频信号自动检测和预测COVID-19	使用增强深度神经网络（EDNN）和冠状病毒群体免疫优化器（CHIO）算法，显著降低了误差指标	NA	开发高效的COVID-19诊断工具	COVID-19患者的咳嗽音频信号	数字病理学	COVID-19	深度学习	EDNN-CHIO, U-Net	音频	来自COUGHVID数据集的音频数据
554	2025-06-05	Interpretable and integrative deep learning for discovering brain-behaviour associations 2025-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85032-5 PMID:39824899	research paper	提出一个可解释和整合的深度学习框架，用于发现大脑与行为之间的关联	结合数字化身和稳定性选择来评估多视图数据之间的关系，有效识别稳定的大脑-行为交互	未提及具体样本量的限制或模型在更广泛数据集上的泛化能力	研究精神疾病的复杂性和变异性，通过整合多源数据来理解和预测精神综合征	健康脑网络队列中的临床行为评分和脑成像特征	machine learning	psychiatric syndromes	deep learning, structural MRI	deep learning models	imaging, genetics, symptom reports	Healthy Brain Network cohort（具体数量未提及）
555	2025-06-05	Clinical feasibility of deep learning-driven magnetic resonance angiography collateral map in acute anterior circulation ischemic stroke 2025-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85731-7 PMID:39825032	研究论文	验证深度学习驱动的磁共振血管造影（DL-driven MRA）侧支循环图在急性缺血性卒中中的临床可行性	提出了一种名为3D-MROD-Net的3D多任务回归和有序回归深度神经网络，用于生成DL-driven MRA侧支循环图，并在临床应用中显示出更高的效率和图像质量	研究仅针对296名急性缺血性卒中患者，样本量可能不足以代表所有相关病例	验证DL-driven MRA侧支循环图在急性缺血性卒中中的临床可行性	急性缺血性卒中患者	数字病理学	心血管疾病	磁共振血管造影（MRA）	3D-MROD-Net	图像	296名急性缺血性卒中患者
556	2025-06-05	Optimized digital workflow for pathologist-grade evaluation in bleomycin-induced pulmonary fibrosis mouse model 2025-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86544-4 PMID:39833349	research paper	开发了一种优化的数字工作流程，用于在博来霉素诱导的肺纤维化小鼠模型中实现病理学家级别的评估	开发了深度学习模型，用于肺纤维化分级，其准确性可与病理学家相媲美，并整合了复杂的图像模式和定性因素	NA	优化博来霉素诱导的肺纤维化小鼠模型的评估工作流程，以提高药物开发的效率和可重复性	博来霉素诱导的肺纤维化小鼠模型	digital pathology	lung cancer	deep learning	CNN	image	NA
557	2025-06-05	Applications of and issues with machine learning in medicine: Bridging the gap with explainable AI 2025-Jan-14, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01342 PMID:39647859	review	本文探讨了机器学习在医学中的应用及其面临的挑战，特别是可解释性AI（XAI）在解决模型透明度问题中的潜力	强调了可解释性AI（XAI）在提升机器学习模型透明度和临床接受度方面的创新作用	未提及具体的技术实现细节或实验验证结果	探讨机器学习在医学中的应用及其可解释性问题，推动XAI的发展以增强模型透明度	机器学习模型及其在医学决策中的应用	machine learning	NA	NA	CNN, transformers	patient data	NA
558	2025-06-05	Active Machine Learning for Pre-procedural Prediction of Time-Varying Boundary Condition After Fontan Procedure Using Generative Adversarial Networks 2025-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03640-8 PMID:39480609	research paper	本研究应用机器学习技术预测Fontan手术后的边界条件，以优化手术规划	提出了一种新颖的多样性感知生成对抗主动学习框架，用于在心血管研究中有限的病例上成功训练预测性深度神经网络	研究基于虚拟队列合成，实际临床应用效果需进一步验证	预测Fontan手术后的边界条件以优化手术规划	Fontan手术患者	machine learning	cardiovascular disease	generative adversarial networks	GAN	simulated data	14组实验
559	2025-06-05	Automatic localization and deep convolutional generative adversarial network-based classification of focal liver lesions in computed tomography images: A preliminary study 2025-Jan, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16803 PMID:39542428	research paper	开发了一种基于深度学习的定位和分类系统，用于计算机断层扫描图像中的局灶性肝脏病变，以辅助医生进行更稳健的临床决策	使用生成对抗网络进行数据增强，开发了一个深度学习定位和分类系统，能够准确识别和分类局灶性肝脏病变	研究为初步研究，样本量虽大但时间跨度较长，可能存在数据异质性	开发一种非侵入性方法，准确诊断肝脏疾病	局灶性肝脏病变（FLLs）	digital pathology	liver cancer	deep learning, GAN	GAN	image	1589名患者，17335张切片，包含3195个局灶性肝脏病变
560	2025-06-05	Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型XGBoost-CNN-BiLSTM，用于提升风险事件的预测和检测能力	结合XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，全面捕捉风险事件的关键特征	NA	提升企业风险管理的预测和检测能力	企业风险事件	机器学习	NA	深度学习	XGBoost-CNN-BiLSTM	结构化数据和时间序列数据	多个数据集，包括S&P 500历史数据集