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
41	2025-06-19	DWI-based deep learning radiomics nomogram for predicting the impaired quality of life in patients with unruptured intracranial aneurysm developing new iatrogenic cerebral infarcts following stent placement: a multicenter cohort study 2025-Jun-13, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03628-5 PMID:40512286	研究论文	本研究开发了一种基于DWI的放射组学列线图，用于预测支架置入术后发生新医源性脑梗死（NICI）的未破裂颅内动脉瘤患者健康相关生活质量（HRQOL）的损害	整合了临床、放射组学和深度学习特征，构建了DLRN模型，其预测性能优于单一模态模型，并展示了在个性化治疗规划中的临床应用价值	研究仅关注了支架置入术后发生NICI的患者，未考虑其他可能影响HRQOL的因素	预测支架置入术后未破裂颅内动脉瘤患者的HRQOL损害	522名来自多家医院的未破裂颅内动脉瘤患者	数字病理学	颅内动脉瘤	DWI、超分辨率重建、深度学习	DLRN（整合临床、放射组学和深度学习特征的模型）、GoogleNet	医学影像（DWI）	522名患者（分为训练队列和两个外部验证队列）
42	2025-06-19	Impact of Deep Learning-Based Image Conversion on Fully Automated Coronary Artery Calcium Scoring Using Thin-Slice, Sharp-Kernel, Non-Gated, Low-Dose Chest CT Scans: A Multi-Center Study 2025-Jun-13, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.0177 PMID:40527737	research paper	评估基于深度学习的图像转换对使用薄层、锐利核、非门控、低剂量胸部CT扫描进行全自动冠状动脉钙化评分的准确性的影响	利用深度学习技术将低剂量、高频、锐利核的CT图像转换为标准剂量、低频核的图像，以提高冠状动脉钙化评分的准确性	研究仅基于来自四个机构的225对LDCT和CSCT图像，样本量可能不足以代表所有情况	提高冠状动脉钙化评分的自动化准确性	低剂量胸部CT图像	digital pathology	cardiovascular disease	deep learning-based image conversion	NA	image	225对LDCT和CSCT图像
43	2025-06-19	A deep learning model could screen for coronary heart disease from a "pseudo-normal" electrocardiogram 2025-Jun-13, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042764 PMID:40527801	研究论文	本研究开发了一种深度学习模型，用于通过'伪正常'心电图快速筛查冠心病	该深度学习模型特别关注入院时心电图正常或接近正常的患者，能够有效识别'伪正常'心电图中的冠心病	研究仅使用了两个医疗中心的数据，可能需要更多外部验证	开发一种快速筛查冠心病的深度学习模型	冠心病和非冠心病患者的心电图数据	机器学习	心血管疾病	深度学习	DLM	心电图数据	SAH中心的15,995名患者的21,240份心电图，FAH中心的2,572份心电图
44	2025-06-19	Discovery of CYP1A1 Inhibitors for Host-Directed Therapy against Sepsis 2025-Jun-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c00493 PMID:40442943	研究论文	该研究通过深度学习和虚拟筛选技术，发现并优化了CYP1A1的小分子抑制剂，用于治疗细菌性败血症	首次将CYP1A1作为宿主导向治疗(HDT)的靶点，并通过小分子抑制剂显著增强巨噬细胞的吞噬能力	研究仅针对MRSA和另一种细菌进行了测试，未涵盖更广泛的耐药菌株	开发针对多药耐药性细菌败血症的新型宿主导向治疗方法	细胞色素P4501A1(CYP1A1)及其小分子抑制剂	药物发现	败血症	深度学习、虚拟筛选、生物评价	NA	化学结构数据、生物活性数据	未明确说明样本数量，但测试了两种细菌(MRSA和另一种)
45	2025-06-19	Left ventricular systolic dysfunction screening in muscular dystrophies using deep learning-based electrocardiogram interpretation 2025-Jun-12, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.154048 PMID:40527225	research paper	本研究评估了基于人工智能的心电图解读（AI-ECG）在肌肉萎缩症患者中检测和预测左心室收缩功能障碍（LVSD）的能力	利用深度学习模型（CNN）对肌肉萎缩症患者的LVSD进行非侵入性检测和预测，为常规超声心动图监测提供替代方案	需要进一步研究外部验证、儿科应用及临床护理计划整合	评估AI-ECG在肌肉萎缩症患者中检测和预测LVSD的效果	肌肉萎缩症患者，包括杜兴型（DMD）、贝克型（BMD）、肢带型肌营养不良症（LGMD）、强直性肌营养不良症（MD）及女性DMD/BMD携带者	digital pathology	muscular dystrophy	electrocardiogram interpretation	CNN	ECG and echocardiogram data	390名肌肉萎缩症患者的390对ECG-超声心动图数据，以及来自30,978名患者的53,874对ECG-超声心动图数据作为训练集
46	2025-06-19	Spatiotemporal distributions and regional disparities of rheumatoid arthritis in 953 global to local locations, 1980-2040, with deep learning-empowered forecasts and evaluation of interventional policies' benefits 2025-Jun-12, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.04.009 PMID:40527715	research paper	该研究分析了1980年至2021年全球953个地区的类风湿性关节炎（RA）负担及其社会经济驱动的不平等，并利用深度学习预测了长期负担	利用深度学习管道预测长期RA负担，并评估干预政策（如控烟）的潜在效益	研究依赖于历史数据和模型假设，未来实际负担可能受未预测因素影响	调查全球至地方层面的RA负担分布、不平等及长期趋势	全球953个地区的RA流行病学数据（发病率、死亡率、DALYs等）	digital pathology	rheumatoid arthritis	deep learning	深度学习管道（未指定具体模型）	流行病学统计数据	全球953个地区1980-2021年的RA数据，2021年影响1790万患者
47	2025-06-19	Amortized template matching of molecular conformations from cryoelectron microscopy images using simulation-based inference 2025-Jun-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2420158122 PMID:40465628	研究论文	介绍了一种名为cryoSBI的新方法，用于从冷冻电镜图像中推断生物分子的构象及其不确定性	结合了基于物理的模拟和概率深度学习，无需计算昂贵的似然函数即可进行贝叶斯推断，并消除了估计粒子姿态和成像参数的需求	NA	从冷冻电镜图像中准确推断生物分子的构象	生物分子构象	数字病理学	NA	冷冻电镜(cryo-EM)	深度学习神经网络	图像	NA
48	2025-06-19	Deep learning and inflammatory markers predict early response to immunotherapy in unresectable NSCLC: A multicenter study 2025-Jun-10, Biomolecules & biomedicine DOI:10.17305/bb.2025.12324 PMID:40525631	研究论文	本研究开发了一种基于CT的深度学习模型，结合系统性免疫炎症营养指数（SIINI），用于早期预测不可切除非小细胞肺癌（NSCLC）对免疫检查点抑制剂（ICIs）的治疗反应	结合深度学习模型和炎症标志物SIINI，提高了对ICIs治疗反应的早期预测准确性，并通过Grad-CAM增强了模型的可解释性	研究为回顾性设计，样本量有限，未来需要扩大样本量和多中心验证以提高预测准确性	开发非侵入性生物标志物，预测不可切除NSCLC患者对ICIs的早期治疗反应，以改善生存结果	265名接受ICIs治疗的不可切除NSCLC患者	数字病理学	肺癌	CT成像，实验室数据分析	DenseNet121	图像，实验室数据	265名患者（分为训练集70%、内部验证集30%和外部验证集）
49	2025-06-19	[A preliminary exploration of an intelligent system for personalized tooth morphology reconstruction based on deep learning] 2025-Jun-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250331-00110 PMID:40443316	research paper	该研究开发了一种基于深度学习的智能系统，用于个性化牙齿形态重建	提出了一种新型神经网络T-DDIN，结合隐式模板和深度学习方法，实现了高精度的个性化牙齿缺损形态修复	研究仅针对两种特定牙齿缺损类型进行了测试，未涵盖所有可能的牙齿缺损情况	开发一种高精度、个性化的牙齿形态重建智能系统	牙齿缺损形态重建	digital pathology	dental disease	deep learning	T-DDIN	3D scan models	550例口腔扫描模型（500例训练，50例测试）
50	2025-06-19	The continuous evolution of biomolecular force fields 2025-Jun-09, Structure (London, England : 1993) DOI:10.1016/j.str.2025.05.013 PMID:40527321	综述	本文概述了生物分子力场的最新进展，包括极化力场、机器学习势和粗粒化模型，并探讨了未来改进生物分子建模的跨学科方法	强调了深度学习革命对生物分子力场参数化的新机遇，并探讨了未来改进生物分子建模的跨学科方法	未提及具体实验验证或样本数据	提高生物分子力场的准确性并扩展其在生物和治疗发现中的应用	生物分子力场	计算生物学	NA	深度学习	机器学习势	NA	NA
51	2025-06-19	Automated interpretation of cardiotocography using deep learning in a nationwide multicenter study 2025-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02849-4 PMID:40467683	研究论文	本研究开发了一种基于深度学习的自动化心电监护图(CTG)解读模型，利用大规模全国性数据集进行训练和验证	使用大规模全国性CTG数据集，由专业产科医生提供可靠标注，提高了模型的临床适用性	需要在前瞻性研究中进一步评估模型的临床适用性	开发临床适用的自动化CTG解读模型以改善胎儿预后	分娩过程中的心电监护图(CTG)	数字病理学	产科疾病	深度学习	深度学习模型	CTG信号	22,522例分娩数据，来自14家医院，共519,800人分钟的分析数据
52	2025-06-19	Residue conservation and solvent accessibility are (almost) all you need for predicting mutational effects in proteins 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf322 PMID:40434923	research paper	该研究提出了一种基于进化评分和残基相对溶剂可及性的简单方法，用于预测蛋白质突变效应，其性能与更复杂的深度学习模型相当或略优	提出了一种简单但有效的进化评分方法，结合残基溶剂可及性，性能媲美复杂深度学习模型	未明确说明该方法在所有类型蛋白质突变预测中的泛化能力	预测突变对蛋白质生物物理特性的影响	蛋白质突变	computational biology	NA	evolutionary score, relative solvent accessibility	RSALOR (基于进化评分和溶剂可及性的简单模型)	protein mutational data	ProteinGym deep mutational scanning dataset collection中的突变数据
53	2025-06-19	Automated periodontal assessment in orthodontic patients: a dual CNN framework 2025-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06410-5 PMID:40455084	研究论文	开发基于卷积神经网络（CNN）的系统，用于在正畸患者的口内图像中诊断牙结石、牙菌斑、牙龈增生和牙龈炎症	提出了一种双CNN框架（YOLOv8和混合U-Net + ResNet50模型）来自动化正畸患者的牙周评估	最终诊断结论仍需依赖临床医生的专业知识和判断	开发自动化牙周评估工具，以支持正畸患者的早期牙周诊断	正畸患者的口内图像	计算机视觉	牙周病	CNN	YOLOv8, U-Net + ResNet50	图像	1000张正畸患者的侧位和正面口内图像
54	2025-06-19	Development of Deep Learning Models to Screen Posterior Staphylomas in Highly Myopic Eyes Using UWF-OCT Images 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.25 PMID:40504567	研究论文	开发深度学习模型用于利用超广角光学相干断层扫描（UWF-OCT）图像筛查高度近视患者的后葡萄肿	使用七种不同的深度学习架构（VGG16、VGG19、ResNet18、ResNet50、ResNet101、DenseNet121和DenseNet161）训练模型，并比较它们在检测后葡萄肿边缘方面的性能，其中VGG19表现最佳	研究为回顾性单中心研究，样本量相对有限（1428张图像来自438名患者），且仅进行了内部验证	开发一种深度学习模型，用于筛查高度近视患者的后葡萄肿	高度近视患者的UWF-OCT图像	计算机视觉	高度近视	UWF-OCT	VGG16, VGG19, ResNet18, ResNet50, ResNet101, DenseNet121, DenseNet161	图像	1428张UWF-OCT图像（来自438名患者）用于模型开发，216张图像（来自69名患者）用于内部验证
55	2025-06-19	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	研究论文	该研究通过引入OCTAVE数据集和自配置nnU-Net框架，提高了视网膜疾病的诊断准确性	引入了OCTAVE数据集，这是一个包含高质量像素级注释的3D OCT数据集，并提供了四个独立公共3D OCT数据集的类似注释，以支持外部验证	数据集的构建需要大量人工标注，且样本量相对有限	开发基于AI的视网膜疾病诊断工具，提高诊断准确性和治疗效果	视网膜疾病患者的光学相干断层扫描（OCT）图像	数字病理学	视网膜疾病	光学相干断层扫描（OCT）	nnU-Net	3D图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证
56	2025-06-19	High-precision inversion of vegetation parameters in the AI era: Integrating hyperspectral remote sensing and deep learning 2025-Jun-02, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2025.100868 PMID:40528880	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
57	2025-06-19	Deep-Learning-based Automated Identification of Ventriculoperitoneal-Shunt Valve Models from Skull X-rays 2025-Jun, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-024-01490-4 PMID:39809871	research paper	该研究探讨了使用深度学习技术自动识别颅骨X光片中脑室-腹腔分流阀模型的可行性	首次将深度学习应用于脑室-腹腔分流阀模型的自动识别，并比较了微调预训练CNN和从头训练模型的性能	研究仅包含四种VPS模型类型，样本分布不均衡（Codman Hakim占比81%）	探索人工智能（特别是深度学习）在自动识别颅骨X光片中VPS模型的应用	颅骨X光片中的脑室-腹腔分流阀（VPS）模型	digital pathology	hydrocephalus	deep learning	CNN	image	959张颅骨X光片（包含4种VPS模型：Codman Hakim 774张，Codman Certas Plus 117张，Sophysa Sophy Mini SM8 35张，proGAV 2.0 33张）
58	2025-06-19	Predictors and Implications of Myocardial Injury in Intracerebral Hemorrhage 2025-Jun, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01498-4 PMID:39884976	research paper	该研究评估了脑出血(ICH)患者心肌损伤的频率、预测因素及其影响	首次在脑出血患者中系统研究心肌损伤的发生及其与脑出血空间占位效应的关联	回顾性研究设计可能引入选择偏倚，样本量相对有限	评估脑出血患者心肌损伤的临床特征和预后意义	322例脑出血患者	digital pathology	cardiovascular disease	hs-cTnT检测、3D脑扫描、深度学习算法	deep learning algorithm	医学影像数据、生物标志物数据	322例脑出血患者
59	2025-06-19	Redefining healthcare - The transformative power of generative AI in modern medicine 2025-Jun, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2025.11081/2024 PMID:39898717	review	本文探讨了生成式AI在现代医学中的变革力量及其对医疗保健的影响	讨论了生成式AI如何通过模仿人类认知过程（如语言、视觉、听觉等）来生成新内容，并预测其对医疗保健领域的颠覆性影响	未提及具体的技术实现细节或实际应用案例	探讨生成式AI在医疗保健领域的潜在应用及其带来的伦理和法律挑战	生成式AI技术及其在医疗保健中的应用	machine learning	NA	deep learning	artificial neural networks	NA	NA
60	2025-06-19	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Jun, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	research paper	该研究提出了一种使用语义文本相似性（STS）来链接不同创伤性脑损伤（TBI）症状清单的方法，以提高症状评估的兼容性和准确性	利用预训练的深度学习模型和语义文本相似性技术，实现了不同症状清单之间的症状和分数链接，解决了TBI诊断和结果预测中的结果不可比性问题	研究仅针对TBI症状清单，未验证在其他疾病症状清单上的适用性	解决创伤性脑损伤（TBI）症状评估中不同工具和清单结果不可比的问题	创伤性脑损伤（TBI）的症状清单和评估工具	natural language processing	traumatic brain injury	semantic textual similarity (STS)	pretrained deep learning models	text	6,607名参与者，来自16个国际数据源