深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
5821	2025-10-06	Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology 2025-Jul, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	综述	本文综述了深度学习在全切片图像分析中的应用及其在癌症病理学中的临床价值	提出了整合深度学习与全切片图像的完整框架，探索超越病理医生视觉感知的形态学特征	讨论了将基于深度学习的数字病理学转化为临床实践面临的机遇与挑战	推动深度学习驱动的全切片图像分析在癌症诊疗中的应用	癌症病理全切片图像	数字病理学	癌症	全切片成像技术	CNN, GCN, Transformer	图像	NA	NA	卷积神经网络, 图卷积网络, Transformer	灵敏度, 准确度	NA
5822	2025-10-06	The use of machine learning in transarterial chemoembolisation/transarterial embolisation for patients with intermediate-stage hepatocellular carcinoma: a systematic review 2025-Jul, La Radiologia medica DOI:10.1007/s11547-025-02013-y PMID:40317437	系统综述	系统评估机器学习模型在中期肝细胞癌患者经动脉化疗栓塞/经动脉栓塞治疗中的应用效果	首次系统评估机器学习在TACE/TAE治疗中期肝细胞癌中的应用，整合了深度学习和影像组学等多种ML模型	研究存在异质性限制了比较，所有纳入研究均来自中国，需要标准化方案和更大规模的多中心试验	评估机器学习模型在提高TACE和TAE治疗中期肝细胞癌精准性和疗效方面的有效性	中期肝细胞癌患者接受TACE或TAE治疗	机器学习	肝细胞癌	机器学习，深度学习，影像组学	深度学习，多种机器学习模型	医学影像数据，临床数据	7项研究，共4,017名患者	NA	NA	AUC	NA
5823	2025-10-06	Comparison of an Attention-Based Multiple Instance Learning (MIL) With a Visual Transformer Model: Two Weakly Supervised Deep Learning (DL) Algorithms for the Detection of Histopathologic Lesions in the Rat Liver to Distinguish Normal From Abnormal 2025-Jul, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251339653 PMID:40444726	研究论文	比较两种弱监督深度学习算法在大鼠肝脏组织病理学病变检测中的性能	首次在毒性研究中比较基于注意力的多示例学习与视觉Transformer模型在组织病理学病变检测中的应用	研究样本仅来自大鼠肝脏组织，模型泛化能力需进一步验证	开发高效的组织病理学病变自动检测方法以提高毒性研究评估效率	大鼠肝脏和肾脏的整张切片图像	数字病理学	肝脏病变	组织病理学分析	MIL, Transformer	整张切片图像	58项不同大鼠毒性研究的肝脏切片	NA	基于注意力的多示例学习, 视觉Transformer	AUROC	NA
5824	2025-10-06	Artificial Intelligence in Obstetric and Gynecological MR Imaging 2025-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2024-0077 PMID:39477505	综述	探讨人工智能在妇产科磁共振成像领域的研究进展与应用前景	系统梳理了AI在妇产科MRI中从基础算法到深度学习及影像组学的最新发展路径	未涉及具体临床验证数据与实施障碍的深入分析	综述AI技术在妇产科MRI领域的应用现状与发展趋势	子宫肉瘤、子宫内膜癌、宫颈癌、卵巢肿瘤和胎盘植入等妇产科疾病	医学影像分析	妇产科疾病	MRI, 影像组学	深度学习	医学影像	NA	NA	NA	NA	NA
5825	2025-10-06	Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy 2025-Jul, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-025-00679-1 PMID:40603582	研究论文	开发多模态人工智能模型MAARS预测肥厚型心肌病患者致命性心律失常事件	首次将对比增强心脏磁共振图像纳入多模态深度学习模型，采用基于Transformer的神经网络整合多源医疗数据	需要进一步的外部验证和临床前瞻性研究	预测肥厚型心肌病患者的致命性心律失常风险	肥厚型心肌病患者	医疗人工智能	心血管疾病	多模态医疗数据分析	Transformer神经网络	电子健康记录、超声心动图报告、放射学报告、对比增强心脏磁共振图像	内部队列和外部队列患者	NA	Transformer	AUC	NA
5826	2025-10-06	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	研究论文	提出基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像的自动帧间运动校正	首次将3D ResNet架构应用于PET图像帧间运动校正，实现自动化处理以减少人工操作变异性和时间消耗	研究数据来源于单一临床试验(NCT01347710)，需要进一步多中心验证	开发自动化的运动校正方法以提高心肌血流量定量的准确性和效率	18F-flurpiridaz PET心肌灌注成像数据	医学影像分析	心血管疾病	PET成像	CNN	3D医学影像	来自32个中心的III期临床试验数据	NA	3D ResNet	AUC, 一致性限, 平均差异	NA
5827	2025-10-06	Use of a deep learning neural network to generate bone suppressed images for markerless lung tumor tracking 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17949 PMID:40660921	研究论文	本研究使用U-net神经网络生成合成双能减影图像，用于无标记肺部肿瘤追踪	首次使用深度学习神经网络生成合成双能减影图像，无需额外硬件即可实现骨骼抑制，改善肿瘤可见性	研究样本量有限（20例患者），缺乏患者图像中肿瘤位置的真实标注	开发无需标记物的肺部肿瘤实时运动管理方法	运动体模和20例肺癌患者的X射线图像	医学影像分析	肺癌	双能X射线成像，快速kV切换技术	U-net	X射线图像	2694个体模图像对和4499个患者图像对	NA	U-net	SSIM, PSNR, 2DCC, TSR, MF, MAE	NA
5828	2025-10-06	An open-source deep learning framework for respiratory motion monitoring and volumetric imaging during radiation therapy 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18015 PMID:40665474	研究论文	开发了一个名为Voxelmap的开源深度学习框架，用于放射治疗期间的呼吸运动监测和三维成像	提出了一个能够使用标准临床设备和数据实现实时三维呼吸运动估计和容积成像的框架，支持保拓扑和可逆的微分同胚映射	某些网络架构在目标质心误差方面表现不佳，特别是网络B和C在基于X射线的肺癌患者数据中误差较大	开发低成本实时图像引导放射治疗解决方案	放射治疗中的呼吸运动监测和器官风险跟踪	医学影像分析	肺癌, 心律失常	可变形图像配准, 前向投影, 切片提取	深度学习	4D-CT, 4D-MRI, X射线图像, k空间数据	XCAT和CoMBAT数字体模, SPARE Grand Challenge数据集	NA	五种不同的网络架构（网络A-E）	Dice相似系数, 目标质心误差	NA
5829	2025-10-06	Automated Detection of Gibbon Calls From Passive Acoustic Monitoring Data Using Convolutional Neural Networks in the "Torch for R" Ecosystem 2025-Jul, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71678 PMID:40666685	研究论文	本研究开发了一种基于卷积神经网络的长臂猿叫声自动检测方法，使用R语言环境下的深度学习框架	首次在R语言的'torch for R'生态系统中实现卷积神经网络，专门用于长臂猿叫声的自动检测，为生态学家提供了更易用的深度学习工具	不同架构的最佳性能因物种和测试数据集而异，缺乏统一的最高性能模型	开发长臂猿叫声的自动检测和分类方法，评估不同CNN架构在被动声学监测数据上的性能	北灰长臂猿和南黄颊冠长臂猿的雌性叫声	机器学习	NA	被动声学监测(PAM)	CNN	音频	来自马来西亚丹浓谷保护区和柬埔寨克奥塞马野生动物保护区的两个自主记录单元网格数据	torch for R	六种CNN架构（具体未指明）	NA	NA
5830	2025-10-06	Classification of Biscuit Quality With Deep Learning Algorithms 2025-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70379 PMID:40676924	研究论文	本研究使用深度学习算法对饼干质量进行自动分类检测	首次将EfficientNet等深度学习模型应用于饼干质量检测，并通过Grad-CAM可视化验证模型关注的关键缺陷区域	未明确说明数据集规模和具体实验环境细节	通过深度学习减少饼干生产质量控制过程中的时间、成本和人为错误	饼干产品的质量缺陷检测	计算机视觉	NA	深度学习	CNN	图像	NA	NA	EfficientNet, ResNet, XceptionNet, MobileNet	准确率, 精确率, F1分数	NA
5831	2025-10-06	AVN: A Deep Learning Approach for the Analysis of Birdsong 2025-Jun-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.10.593561 PMID:39229184	研究论文	开发了一种基于深度学习的鸟类鸣声分析工具AVN，用于斑胸草雀等鸣禽的学习发声行为分析	无需额外训练数据即可跨多个动物群体高精度标注鸣声，并生成可解释特征来描述鸣声的句法、时序和声学特性	NA	开发标准化的行为分析工具来促进和加速声音行为研究	斑胸草雀的学习发声行为	机器学习	NA	深度学习行为分析	深度学习	音频数据	跨多个研究组和实验的斑胸草雀鸣声数据	Python	NA	准确度, 敏感性, 与专家判断的一致性	NA
5832	2025-10-06	Regulatory risk loci link disrupted androgen response to pathophysiology of Polycystic Ovary Syndrome 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.26.25324630 PMID:40196246	研究论文	本研究通过整合多囊卵巢综合征相关细胞类型的分子和表观基因组注释，采用深度学习框架预测风险变异对雄激素反应的调控影响	首次将深度学习模型与表观基因组数据整合，系统揭示PCOS风险变异通过破坏转录因子结合位点影响多组织调控机制	研究主要基于计算预测，需要更多实验验证；风险变异的功能验证仍需深入	解析多囊卵巢综合征遗传易感位点驱动分子机制的途径	多囊卵巢综合征风险变异及其调控功能	生物信息学	多囊卵巢综合征	深度学习、表观基因组注释、报告基因检测	深度学习	基因组数据、表观基因组数据	NA	NA	NA	与报告基因检测数据一致性	NA
5833	2025-10-06	Current State of Artificial Intelligence Model Development in Obstetrics 2025-Jun-05, Obstetrics and gynecology IF:5.7Q1 DOI:10.1097/AOG.0000000000005944 PMID:40472381	综述	本文综述了2019年至2024年间产科人工智能模型开发的最新进展，分析了应用趋势并评估其对产科护理的潜在影响	首次系统评估了近五年产科AI研究的全球现状，识别出最具临床应用潜力的AI模型类型	大多数研究患者群体与美国人群差异较大，模型泛化能力不确定，且极少模型已实际部署到临床实践	评估人工智能在产科领域的应用现状和发展趋势	2019年6月至2024年5月期间发表的产科AI相关研究文献	医疗人工智能	产科疾病	文献系统回顾与质量评估	机器学习,深度学习,神经网络	医学文献数据	从207篇最终纳入文献中分析，研究人群规模从10到953,909不等	NA	NA	预测准确性,模型验证	NA
5834	2025-10-06	Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging 2025-Jun-03, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2510587 PMID:40459922	研究论文	开发基于眼眶CT影像的深度学习模型，用于准确区分甲状腺眼病和眼眶肌炎	首次使用VGG-16网络在单张冠状位眼眶CT图像上实现甲状腺眼病和眼眶肌炎的高精度区分，不仅基于眼外肌增大还利用其他显著特征	回顾性单中心研究，样本量有限（192名患者）	开发能够准确区分甲状腺眼病和眼眶肌炎的深度学习诊断模型	甲状腺眼病患者、眼眶肌炎患者和正常对照组的眼眶CT影像	计算机视觉	甲状腺眼病	CT成像	CNN	图像	192名患者（110例甲状腺眼病，51例眼眶肌炎，31例对照），共1628张图像	NA	VGG-16	准确率, AUC, 灵敏度, 特异性, F1分数	NA
5835	2025-10-06	An innovative ensemble approach of deep learning models with soft computing techniques for GIS-based drought-zonation mapping in Rarh Region, West Bengal 2025-Jun, Environmental science and pollution research international DOI:10.1007/s11356-025-36634-7 PMID:40560313	研究论文	本研究采用深度学习集成方法结合软计算技术，为西孟加拉邦Rarh地区开发基于GIS的干旱分区地图	提出混合深度学习集成模型，结合多层感知器神经网络和DenseNet神经网络，用于精确绘制干旱易发区地图	研究区域局限于西孟加拉邦的Rarh地区，可能限制了模型的普适性	分析干旱情景并开发精确的干旱分区地图，为干旱管理提供决策支持	西孟加拉邦Rarh地区的Birbhum和Purba Bardhhaman地区	地理信息系统, 环境科学	NA	GIS, 深度学习, 软计算技术	MLP, DenseNet, 集成学习	空间数据, 气象数据, 农业数据, 水文数据, 社会经济数据	27个干旱评估因子，覆盖3个月、6个月和12个月三个时间尺度	NA	多层感知器神经网络, DenseNet神经网络, 混合深度学习集成模型	ROC-AUC	NA
5836	2025-10-06	Physics-informed neural networks for optimal vaccination plan in SIR epidemic models 2025-May-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025059 PMID:40676987	研究论文	本研究提出基于物理信息神经网络的方法求解SIR传染病模型中的最优疫苗接种计划	首次将物理信息神经网络应用于求解传染病最优控制问题的HJB方程，并引入变量缩放方法提升训练稳定性	研究基于恒定感染率和恢复率的简化SIR模型，未考虑更复杂的流行病学因素	求解SIR传染病模型中的最小根除时间和最优疫苗接种策略	易感-感染-恢复(SIR)传染病模型	机器学习	传染病	物理信息神经网络(PINN)	神经网络	数值模拟数据	NA	NA	物理信息神经网络	均方残差误差, 收敛性, 最优切换时间识别精度	NA
5837	2025-10-06	Using deep learning for estimation of time-since-injury in pediatric accidental fractures 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06223-4 PMID:40258953	研究论文	本研究使用深度学习模型评估儿童意外长骨骨折的受伤时间	首次将深度学习应用于儿童骨折受伤时间的影像学评估，相比传统方法提高了时间估计精度	研究数据来自单一儿童医院，样本量相对有限，且仅包含6岁以下儿童的长骨骨折	训练和验证深度学习模型以准确估计儿童意外长骨骨折的受伤时间	儿童意外长骨骨折的X光影像	计算机视觉	儿科骨折	X光影像分析	深度学习	图像	来自399名患者的2,328张X光片	NA	NA	混淆矩阵, 敏感性/特异性, 激活图, 平均绝对误差(MAE), 均方根误差(RMSE)	NA
5838	2025-10-06	Accuracy of deep learning-based upper airway segmentation 2025-03, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.102048 PMID:39244033	研究论文	本研究评估了基于深度学习的自动分割方法与半自动方法在上气道分割中的准确性	首次使用MONAI Label框架训练自动分割模型，并与开源软件ITK-SNAP的半自动方法进行系统性比较	研究样本量未明确说明，可能影响结果的普适性	评估自动和半自动上气道分割方法在正畸治疗中的准确性	锥形束CT图像中的上气道结构	数字病理	正畸疾病	锥形束CT成像	深度学习分割模型	医学影像	NA	MONAI Label, ITK-SNAP	NA	Dice相似系数, 精确度, 召回率, 95% Hausdorff距离, 体积差异	NA
5839	2025-10-06	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-Feb-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	评论	本文探讨深度学习在流行病学数据收集与分析中的应用潜力与挑战	强调深度学习为流行病学研究提供的新机遇，包括扩大地理覆盖范围、增加研究对象数量和处理高维数据	深度学习工具对流行病学家而言不如传统回归方法直观易用，需要跨学科合作	探讨深度学习在流行病学数据收集与分析中的放大作用	流行病学研究方法和数据	机器学习	NA	深度学习	神经网络,注意力算法	文本,音频,图像,视频	NA	NA	NA	NA	NA
5840	2025-10-06	Deep Learning-Based Segmentation of Cervical Posterior Longitudinal Ligament Ossification in Computed Tomography Images and Assessment of Spinal Cord Compression: A Two-Center Study 2025-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.123567 PMID:39694139	研究论文	开发基于CT图像的深度学习模型用于自动分割颈椎后纵韧带骨化病灶并评估脊髓压迫程度	首个基于3D U-Net框架的全自动CT图像后纵韧带骨化分割系统，能够同时测量骨化物质厚度和计算脊髓压迫系数	样本量相对有限（307例），外部测试集性能略有下降	开发自动化深度学习模型用于颈椎后纵韧带骨化的精确分割和脊髓压迫评估	颈椎后纵韧带骨化患者	医学影像分析	颈椎病	计算机断层扫描（CT）	深度学习	CT图像	307例患者（上海长征医院260例，西南医科大学附属中医医院47例）	NA	3D U-Net	Dice相似系数，平均表面距离，组内相关系数（ICC），Bland-Altman图	NA