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
601	2025-12-11	A machine learning based framework for identifying consumer product injuries from social media data 2025-Dec-04, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112927 PMID:41365280	研究论文	提出一个基于机器学习的框架，用于从社交媒体数据中识别消费者产品伤害，以改进伤害监测	利用实时社交媒体帖子提取产品伤害细节，快速识别新兴伤害趋势，相比传统医院数据收集方法，处理时间更短，能促进及时干预	研究仅针对滑板相关伤害进行了评估，未涵盖其他产品类型，且模型性能（如F1分数）有提升空间	改进消费者产品伤害监测，通过社交媒体数据分析识别新兴伤害模式，以支持预防性干预如产品召回	社交媒体帖子（来自Reddit平台），涉及消费者产品伤害信息	自然语言处理	NA	社交媒体数据抓取，机器学习模型训练	LSTM, GRU, SGD	文本	非伤害相关数据来自亚马逊产品评论，伤害相关数据来自国家电子伤害监测系统（NEISS）数据库，具体样本数量未明确	NA	LSTM, GRU	F1分数	NA
602	2025-12-11	Long-Tailed Continual Learning For Visual Food Recognition 2025-Dec-03, IEEE transactions on multimedia IF:8.4Q1 DOI:10.1109/tmm.2025.3632640 PMID:41358265	研究论文	本文提出了一种用于视觉食物识别的长尾持续学习方法，以解决新类别学习和长尾分布问题	引入了基于知识蒸馏的预测器以避免持续学习中的表示错位，并结合了类激活图与CutMix的增强技术来提升对实例稀有食物类别的泛化能力	NA	开发一种能够持续学习新食物类别并处理长尾分布的食物识别方法	美国食物图像，包括健康人群、胰岛素使用者以及未使用胰岛素的2型糖尿病个体的消费数据	计算机视觉	NA	深度学习	NA	图像	包含186种美国食物及其全面标注的数据集，以及三个新基准数据集（VFN186-LT、VFN186-INSULIN、VFN186-T2D）	NA	NA	NA	NA
603	2025-12-11	Cartesian equivariant representations for learning and understanding molecular orbitals 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510235122 PMID:41269783	研究论文	本文提出了一种名为CEONET的笛卡尔等变网络，用于基于分子轨道系数预测轨道能量和特性，如键合/反键合特征	首次将先进的等变深度学习架构应用于分子轨道的全局标签分配，特别是轨道能量和熵的预测，并开发了CEONET作为等变节点特征的表示方法	未明确说明模型在复杂分子系统或不同电子结构方法下的泛化能力限制	开发深度学习模型以自动化和解释电子结构理论中的轨道特性，如能量和键合特征	分子轨道系数，来自Hartree-Fock或密度泛函理论计算	机器学习	NA	深度学习，电子结构理论（Hartree-Fock，密度泛函理论）	等变神经网络	分子轨道系数数据	NA	NA	Cartesian Equivariant Orbital Network (CEONET)	轨道能量预测精度，轨道熵预测性能	NA
604	2025-12-11	AI-driven and Traditional Radiomic Model for Predicting Muscle Invasion in Bladder Cancer via Multi-parametric Imaging: A Systematic Review and Meta-analysis 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.035 PMID:40914722	综述与荟萃分析	本研究通过荟萃分析方法，系统评估了人工智能驱动和传统放射组学模型在检测肌层浸润性膀胱癌方面的诊断性能，并探讨了其与膀胱影像报告和数据系统的潜在协同价值	首次通过系统综述和荟萃分析，全面比较了AI驱动与传统放射组学模型在预测膀胱癌肌层浸润方面的诊断效能，并深入探讨了多种异质性来源	纳入研究存在显著的异质性，且需要多国、多中心的前瞻性队列研究来验证外部有效性	系统评估AI驱动和传统放射组学模型在检测肌层浸润性膀胱癌中的诊断性能，并评估其临床转化前景	肌层浸润性膀胱癌患者	医学影像分析	膀胱癌	多参数成像，包括计算机断层扫描和磁共振成像	深度学习，机器学习	医学影像	43项研究，共9624名患者	NA	NA	AUC, 敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比	NA
605	2025-12-11	The value of machine and deep learning in management of critically ill patients: An umbrella review 2025-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106081 PMID:40795609	综述	本文通过伞状系统综述探讨了机器学习和深度学习在重症监护病房（ICU）危重患者管理中的应用潜力	首次以伞状系统综述的形式全面评估了机器学习和深度学习在ICU多疾病领域（如脓毒症、呼吸、心血管、肾脏和神经系统疾病）管理中的应用现状与潜力	临床转化应用仍受限，主要由于外部验证不足、方法学不一致以及未解决的伦理问题	探索机器学习和深度学习在危重患者管理中的应用可能性，以改善临床决策和患者结局	重症监护病房（ICU）中的危重患者，特别是涉及脓毒症、呼吸、心血管、肾脏和神经系统疾病的患者	机器学习	危重病（涵盖脓毒症、呼吸系统疾病、心血管疾病、肾脏疾病、神经系统疾病）	NA	机器学习, 深度学习	NA	42项符合分析标准的研究（源自2148条初始记录）	NA	NA	NA	NA
606	2025-12-11	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于深度学习的网络在利用CT图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在脑出血血肿扩张预测中的应用进行系统性综述和荟萃分析，比较了纯深度学习模型与结合其他方法的混合模型的诊断性能	纳入研究存在异质性，部分研究质量可能影响结果，且可能存在发表偏倚	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者的CT扫描图像	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异性, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
607	2025-12-11	Machine learning and deep learning approaches in MRI for quantifying and staging fatty liver disease: A systematic review 2025-Dec, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102112 PMID:40976110	系统综述	本文系统综述了机器学习和深度学习在MRI中用于量化和分期脂肪肝疾病的诊断准确性、可重复性和临床实用性	首次系统性地评估了ML和DL技术在MRI脂肪肝定量和分期中的应用，并比较了不同方法（如CNN、GAN、影像组学）的性能	纳入研究样本量较小（n=25-1038），多为单中心设计，存在厂商协议变异性，限制了结果的普遍性	系统评估机器学习和深度学习技术在MRI中用于脂肪肝疾病量化和分期的诊断准确性、可重复性及临床效用	疑似或确诊的非酒精性脂肪肝病（NAFLD）、非酒精性脂肪性肝炎（NASH）或酒精相关性肝病（ALD）的人类参与者	医学影像分析	脂肪肝病	MRI，包括质子密度脂肪分数（PDFF）、化学位移编码MRI、Dixon MRI	CNN, GAN	MRI图像	15项研究，样本量范围25至1038例	NA	卷积神经网络，生成对抗网络	AUC，敏感性，特异性，组内相关系数（ICC），Dice系数	NA
608	2025-12-11	AI radiomics predicts spatial glioma recurrence on preoperative MRI: a systematic review 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112412 PMID:40987214	系统综述	本文系统综述了基于AI的影像组学模型在利用术前MRI预测胶质瘤空间复发方面的性能	首次系统性地评估了AI模型在预测胶质瘤局部和远处复发方面的能力，并使用了专门的PROBAST + AI工具进行方法学质量评估	证据主要来自小型、单中心、回顾性队列研究，需要更大规模的前瞻性多中心研究来支持临床转化	评估AI模型在预测胶质瘤患者肿瘤空间复发（局部或远处）方面的性能	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	MRI（包括常规序列如T1CE、FLAIR以及高级成像如扩散加权成像）	机器学习, 深度学习	图像	1004名高级别胶质瘤患者	NA	随机森林分类器, 支持向量机, 自定义卷积神经网络	敏感性, 特异性, 比值比	NA
609	2025-12-11	Quantitative Analysis of Distinct Colon Crypt Branching Modes Using Interpretable Machine Learning 2025-Dec-01, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf230 PMID:41157897	研究论文	本文提出了一种基于可解释机器学习的模型，用于定量分析结肠隐窝分支的对称和不对称模式，以改善炎症性肠病的组织学表征	通过手工设计的形态特征和深度学习模型，首次实现了对结肠隐窝分支模式的自动分类，并强调了模型的可解释性	模型性能仍有提升空间（平衡准确率约0.80），且依赖专家标注数据，可能受限于样本多样性和标注一致性	开发一种机器学习模型，以准确分类结肠隐窝的对称和不对称分支模式，从而辅助炎症性肠病的定量描述和组织学亚型分析	结肠隐窝的分支形态	数字病理学	炎症性肠病	形态特征提取，图像分割	集成学习模型，深度学习模型	图像	NA	NA	NA	平衡准确率	NA
610	2025-12-11	Deep learning in oral lichen planus diagnosis: a systematic review of clinical image-based detection approaches 2025-Dec, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.07.009 PMID:40897576	系统综述	本文系统评估了深度学习模型利用临床照片诊断口腔扁平苔藓的诊断性能	首次系统综述了基于临床图像的深度学习模型在口腔扁平苔藓诊断中的应用与性能	纳入研究存在数据集小且同质、图像预处理不一致以及外部验证有限等局限性	系统评估深度学习模型在口腔扁平苔藓临床图像诊断中的性能	利用深度学习架构进行口腔扁平苔藓诊断的研究	计算机视觉	口腔扁平苔藓	临床摄影	CNN, Vision Transformer	图像	NA	NA	InceptionResNetV2, Xception	准确率, 灵敏度, 特异性, AUC	NA
611	2025-12-11	Deep Learning Predicts EGFR Mutation Status from Histology Images in Non-Small Cell Lung Cancer 2025-Dec-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-25-0155 PMID:41211715	研究论文	本研究开发并验证了一种深度学习模型Lunit SCOPE Genotype Predictor，用于从非小细胞肺癌的常规H&E组织学图像中预测EGFR突变状态	首次利用超过12,000张全切片图像训练深度学习模型，实现从常规组织学图像中预测EGFR突变状态，并在多样化的临床数据集中验证了其稳健性能	未明确提及模型在特定亚型或罕见突变中的性能限制，也未讨论模型的可解释性	通过深度学习模型补充分子EGFR突变筛查，提高非小细胞肺癌的生物标志物检测率	非小细胞肺癌患者的组织学图像	数字病理学	肺癌	深度学习	深度学习模型	图像	训练集超过12,000张全切片图像，验证集1,461例，独立测试集599例，多扫描仪测试集2,261例	未明确提及	未明确提及	AUROC	未明确提及
612	2025-12-11	Weed mapping using UAV imagery and AI techniques: current trends and challenges 2025-Dec, Pest management science IF:3.8Q1 DOI:10.1002/ps.70151 PMID:40836577	综述	本文综述了利用无人机图像和人工智能技术进行杂草识别与制图的最新研究进展、方法和挑战	系统性地分析和比较了基于无人机图像的杂草识别中传统机器学习与深度学习方法，并特别关注了非可见光谱通道的应用趋势	本文是一篇综述，不包含原创实验数据，主要基于现有文献进行分析	分析机器学习/深度学习技术在无人机图像杂草识别中的应用现状、方法及挑战	无人机捕获的农田杂草图像	计算机视觉	NA	无人机成像	机器学习, 深度学习	图像	NA	NA	NA	准确率	NA
613	2025-12-11	Integrated assessment of urban flooding and heat island interactions: A systematic review of geospatial technologies, machine learning approaches, and microclimate dynamics 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127984 PMID:41240637	综述	本文系统综述了地理空间技术、机器学习方法和微气候动力学在评估城市内涝与热岛效应相互作用中的应用	提出了一个统一的数据驱动框架来模拟复合灾害，并强调了结合实时物联网数据和考虑城市形态与气候变异性的可扩展模型的必要性	现有研究缺乏可扩展的模型，未能充分利用实时物联网数据，且对城市形态和气候变异性的考虑不足，模型可解释性和可迁移性也存在局限	评估城市内涝与城市热岛效应之间的相互作用，以支持更具韧性和可持续性的城市规划	城市内涝与城市热岛效应	机器学习	NA	地理信息系统技术，机器学习方法	混合学习模型，集成模型，深度学习模型	地理空间数据，微气候数据，土地利用与土地覆盖数据	系统评估了超过74项科学研究	NA	CNN-LSTM, Random Forest, Gradient Boosting, Transformer, 图神经网络	RMSE, R, MAE	NA
614	2025-12-11	The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis 2025-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108492 PMID:41241154	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于AI模型（利用影像组学、基因组学和蛋白质组学数据）预测非小细胞肺癌免疫治疗患者总生存期和无进展生存期的预后准确性	首次通过系统综述和荟萃分析综合评估了AI模型在预测非小细胞肺癌免疫治疗生存结局中的表现，并比较了不同数据模态和AI方法的预测效能	纳入研究存在异质性，且缺乏前瞻性验证和标准化AI方法，未来需要多中心试验支持临床整合	评估AI模型预测非小细胞肺癌免疫治疗患者生存结局的预后准确性	接受免疫治疗的非小细胞肺癌患者	机器学习	肺癌	影像组学、基因组学、蛋白质组学	机器学习、深度学习	影像、基因组、蛋白质组数据	23项研究，共19189名患者	NA	NA	风险比、95%置信区间、I²统计量	NA
615	2025-12-11	The applicability of artificial intelligence in managing emergency patients: An umbrella review 2025-Dec, International emergency nursing IF:1.8Q2 DOI:10.1016/j.ienj.2025.101710 PMID:41242110	综述	本文通过伞状综述系统评估了人工智能在急诊患者管理中的适用性，总结了其在分诊、诊断、决策和工作流优化等领域的应用证据与挑战	首次通过伞状综述方法对急诊医学中人工智能应用的综述级证据进行全面综合，识别了四大关键应用领域及普遍存在的实施障碍	纳入的综述质量参差不齐，原始研究存在异质性，且缺乏对AI系统实际临床影响与长期效果的评估	综合现有综述级证据，评估人工智能在急诊患者管理中的适用性、效果及实施挑战	聚焦于急诊医学中的人工智能应用，包括分诊、风险分层、诊断支持、临床决策和工作流优化	机器学习	NA	机器学习，深度学习	NA	NA	共纳入24篇符合条件的综述	NA	NA	NA	NA
616	2025-12-11	Characterization and classification of chronic kidney disease by spatial MIST and deep learning algorithm 2025-Dec-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00265.2025 PMID:41134685	研究论文	本研究利用空间多重免疫染色信号标记技术结合深度学习算法，对慢性肾脏病的分子异质性和空间特征进行了表征与分类	首次应用Spatial MIST技术结合图神经网络，在单细胞分辨率下量化蛋白质表达，揭示了慢性肾脏病纤维化重塑的空间复杂性，并识别出关键预测标志物	研究样本量有限，仅基于特定蛋白质标记物，且未在独立队列中进行外部验证	开发一种基于空间蛋白质组学特征的慢性肾脏病分类方法，以促进生物标志物发现和疾病进展评估	人类肾脏活检组织样本，包括对照组/低级别纤维化和高级别纤维化患者	数字病理学	慢性肾脏病	空间多重免疫染色信号标记技术	图神经网络	空间蛋白质表达数据	未明确指定具体样本数量，但包括对照组和不同纤维化级别的肾脏活检样本	未明确指定	图神经网络分类器	未明确指定	NA
617	2025-12-11	Prospective multi-institutional study of library-based adaptive radiotherapy for cervical cancer: Evaluation of plan-of-the-day selection and population analysis 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70356 PMID:41253687	研究论文	本研究是一项前瞻性多中心试验，评估了基于计划库的自适应放疗在局部晚期宫颈癌治疗中的计划选择、几何与剂量学影响，并识别了能从自适应放疗中获益的患者亚群	结合深度学习模型进行日常靶区和危及器官分割，并开发决策树模型来预测能从自适应放疗中获益的患者亚群	研究样本量相对较小（49例患者），且为单臂II期试验，缺乏随机对照设计	评估基于计划库的自适应放疗在局部晚期宫颈癌治疗中的临床应用效果	局部晚期宫颈癌患者	数字病理	宫颈癌	锥形束CT引导的自适应放疗，深度学习分割	深度学习模型	CT图像，锥形束CT图像	49例宫颈癌患者	NA	NA	D95%靶区剂量，几何覆盖率，剂量学覆盖率	NA
618	2025-12-11	Knowledge-informed deep learning to mitigate bias in joint air pollutant prediction 2025-Dec, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109915 PMID:41260014	研究论文	提出一种新颖的物理信息深度学习框架，通过将平流扩散方程和流体动力学约束直接集成到神经网络架构中，以减轻联合空气污染物预测中的偏差	首次将平流扩散方程和流体动力学约束直接集成到神经网络架构中，用于多污染物预测，并生成物理可解释参数，同时通过集成技术提供明确的不确定性量化	研究在两个地理上不同的领域（加利福尼亚和中国大陆）进行验证，可能需要在更广泛区域进行测试以证明普适性	通过结合物理约束的深度学习方法来提高空气污染物预测的准确性并减少系统偏差，以改进流行病学研究中的暴露评估	空气污染物对（加利福尼亚的NO/NO₂和中国大陆的PM₂.₅/PM₁₀）	机器学习	NA	深度学习，物理信息神经网络	神经网络	空气污染物数据	NA	NA	物理信息深度学习框架	偏差减少百分比，泛化误差	NA
619	2025-12-11	Explainable deep learning based techniques for ECG-Based heart disease classification: A systematic literature review and future direction 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111324 PMID:41265065	系统文献综述	本文对2018年至2024年间基于可解释人工智能（XAI）的深度学习模型在心电图（ECG）心脏病分类中的应用进行了系统性文献综述	首次系统性地梳理和分析了XAI在ECG心脏病分类深度学习模型中的应用现状、方法选择及其对模型可解释性的影响，并指出了该领域的关键挑战和未来研究方向	综述基于已有文献，未进行新的实验验证；识别出的挑战（如数据标准化、可解释性不一致、缺乏XAI基准测试和标准化指标等）仍需后续研究解决	提高对基于ECG的心脏病分类深度学习模型可解释性的理解，总结方法学选择、分析其对模型可解释性的影响，并指出该领域的重要挑战与未来机会	2018年1月至2024年9月期间发表的、关于使用XAI的深度学习进行ECG心脏病分类的学术文章	机器学习	心血管疾病	心电图（ECG）	深度学习模型	ECG信号数据	从6448项初步研究中筛选出51项使用XAI深度学习架构的研究，涉及25个不同数据集	NA	共识别出16种不同的深度学习架构	NA	NA
620	2025-12-11	Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial 2025-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108545 PMID:41314436	研究论文	本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力	开发并验证了深度学习模型ScreenDx，用于在CT扫描中自动识别早期或未诊断的ILD，特别是在原本排除ILD患者的队列中检测出漏诊病例	研究基于特定队列（COPDGene试验），ILD患病率较低（约1-2%），可能影响结果的普适性；且依赖回顾性数据，未进行前瞻性验证	评估人工智能工具在CT扫描中自动检测早期或未诊断的间质性肺疾病的性能	COPDGene试验中的患者，包括最初未诊断的ILD患者（阳性样本）以及COPD患者和对照者（阴性样本）	数字病理学	间质性肺疾病	计算机断层扫描（CT）	深度学习模型	CT图像	从COPDGene数据集中选取的ILD患者、COPD患者和对照者，目标ILD患病率为约1-2%	NA	ScreenDx	灵敏度, 特异性	NA