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
7181	2025-10-06	Integrative deep learning with prior assisted feature selection 2024-09-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	研究论文	提出了一种结合先验信息的集成深度学习特征选择方法(PANDA)，用于生物医学数据的整合分析	在整合分析框架中引入专用特征选择层，并利用集成学习方法从先前研究中提取先验信息来辅助特征选择	NA	开发能够处理生物医学数据中'小样本大特征'挑战的整合分析方法	基因与疾病关系的复杂模式	机器学习	皮肤黑色素瘤	深度学习	深度学习	基因数据	NA	NA	PANDA	特征选择性能, 结果预测准确性	NA
7182	2025-10-06	deepAFT: A nonlinear accelerated failure time model with artificial neural network 2024-08-30, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10152 PMID:38894557	研究论文	提出基于深度人工神经网络的非线性加速失效时间模型deepAFT方法用于生存分析	首次将深度人工神经网络应用于加速失效时间模型框架，能够处理各种非线性形式的协变量效应	未明确说明模型计算复杂度和训练时间要求	开发更准确和灵活的非线性生存分析模型	生存结果数据与解释变量之间的关系建模	机器学习	淋巴瘤	生存分析	人工神经网络	生存数据	NA	NA	深度人工神经网络	预测准确度	NA
7183	2025-10-06	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型用于从电子健康记录中识别手术部位感染	在LSTM模型中引入注意力机制增强模型的可解释性，相比传统机器学习方法在敏感度方面有显著提升	数据来源于单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工图表审查的工作量	犹他大学医疗系统2016年1月至2021年6月的9,185例手术事件	自然语言处理	手术部位感染	电子健康记录分析	LSTM	结构化数据和临床笔记	9,185例手术事件，其中4.7%存在手术部位感染	NA	长短期记忆网络（LSTM）	AUC, 敏感度	NA
7184	2025-10-06	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别	提出无需训练数据的无监督算法，使用预定义特征进行细胞注释，通过无偏阈值区分阳性细胞与背景	NA	解决空间生物学中细胞类型和状态识别的挑战	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集，包含5,000,000个细胞，51种细胞类型	NA	TACIT	准确性、可扩展性	NA
7185	2025-10-06	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别	提出无需训练数据的无监督算法，使用预定义特征和无偏阈值区分阳性细胞与背景，专注于相关标记识别多组学检测中的模糊细胞	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠道、腺体）	NA	TACIT	准确性、可扩展性	NA
7186	2025-10-06	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	开发并验证了从面部照片估计生物年龄的深度学习系统FaceAge	首次使用深度学习从面部照片客观量化生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于癌症患者，在其他疾病中的适用性需要进一步验证	开发能够从面部照片估计生物年龄的深度学习系统，并评估其临床效用	健康人群和癌症患者的面部照片	计算机视觉	癌症	深度学习	深度学习模型	图像	58,851名健康个体和6,196名癌症患者	NA	FaceAge	生存分析，临床预测模型性能	NA
7187	2025-10-06	Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116827 PMID:40597534	研究论文	本研究构建了贝母生物碱多维数据库FasMID，并开发了整合四维结构信息的多维匹配策略，用于已知和未知成分的全面注释	开发了将固相萃取与LC/IM-QTOF-MS结合的维度增强方法，建立了包含248种贝母生物碱的多维数据库，提出了整合多维特征匹配策略	预测精度有待通过扩大样本来源和优化深度学习算法进一步提升	开发贝母生物碱的精确表征方法，提高已知和未知成分的鉴定准确性	贝母中的生物碱成分	机器学习	NA	固相萃取,液相色谱/离子淌度-四极杆飞行时间质谱	机器学习,深度学习	质谱数据,碰撞截面数据	248种贝母生物碱	NA	NA	鉴定准确率	NA
7188	2025-10-06	Predicting oxidative stability of Camellia oil based on multimodal data fusion strategy integrating NIR and Raman spectroscopies with chemometrics 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116842 PMID:40597544	研究论文	本研究开发了一种基于近红外和拉曼光谱多模态数据融合策略的山茶油氧化稳定性快速无损预测方法	首次采用三级数据融合策略（低层、中层和高层）协同整合近红外和拉曼光谱特征，显著提升氧化稳定性预测精度	当前方法仍受限于特定基质，未来需开发超越基质特异性限制的通用监测范式	建立山茶油氧化稳定性的快速无损检测方法	山茶油样品	化学计量学	NA	近红外光谱, 拉曼光谱, 化学计量学	NA	光谱数据	NA	NA	NA	相关系数R, 均方根误差RMSEC	NA
7189	2025-10-06	A 3D point cloud and deep learning based automated process for quantifying multi-scale phenotypes in sliced bread 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116865 PMID:40597561	研究论文	开发基于3D点云和深度学习的面包切片多尺度表型自动量化方法	提出使用低成本3D激光扫描仪获取面包三维结构，开发3D-PoreSegNet分割模型和两个新表型参数（孔隙分布和孔隙层分布）	NA	实现面包切片三维表型的自动化精确量化	面包切片及其孔隙结构	计算机视觉	NA	3D激光扫描，点云处理	深度学习分割模型	3D点云数据	NA	NA	3D-PoreSegNet	高度(97.3%)，长度(95.2%)，宽度(95.6%)，表面积(86.6%)，体积(82.8%)，对称指数(91.5%)，均匀性指数(93.4%)，最大孔隙直径(84.7%)，最大孔隙面积(82.6%)，孔隙数量(87.1%)，最大孔隙深度(90.3%)，最大孔隙体积(83.7%)，孔隙伸长率(78.5%)	NA
7190	2025-10-06	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	提出一种基于U-Net和Dense-Net的深度学习模型，通过视网膜图像自动检测和分级高血压视网膜病变	结合U-Net血管分割和Dense-Net动静脉分类，通过计算动静脉比值实现自动HR检测和分级	仅使用单一数据集(AVRDB)进行验证，未提及在其他数据集上的泛化能力	开发自动化的高血压视网膜病变诊断和分级系统	视网膜图像中的血管网络	计算机视觉	心血管疾病	视网膜图像分析	CNN	图像	AVRDB数据集	NA	U-Net, Dense-Net	准确率	NA
7191	2025-10-06	Advances in disease detection through retinal imaging: A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110412 PMID:40482560	系统性综述	本文系统综述了利用机器学习技术从视网膜图像中检测疾病的研究进展	综合分析单模态和多模态视网膜成像方法在疾病检测中的应用，并指出未来研究方向	识别出机器学习在视网膜疾病检测中面临的若干关键挑战	探讨机器学习在视网膜图像疾病自动检测和分级中的应用	视网膜图像	计算机视觉	眼科疾病	视网膜成像	深度学习, 经典机器学习	图像	NA	NA	NA	准确率, 敏感度, 特异度	NA
7192	2025-10-06	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	研究论文	本文通过构建新型X射线数据集并应用深度学习和视觉变换器技术，推进呼吸系统疾病的诊断分类研究	引入包含7867张X射线图像的新型多样化数据集，涵盖49种不同肺部疾病，并系统评估DL和ViT模型在呼吸系统疾病分类中的性能	综述范围仅限于2017-2024年，可能遗漏2017年前的基础性工作；AI技术快速发展可能使早期方法相关性降低；存在数据集偏差和X射线图像质量变化问题	改进呼吸系统疾病（如肺炎和COVID-19）的诊断分类，解决医学影像数据稀缺问题	X射线图像和呼吸系统疾病分类	计算机视觉	肺部疾病	X射线成像	深度学习, 视觉变换器(ViT)	X射线图像	7867张X射线图像，来自5263名患者，涵盖49种不同肺部疾病	NA	视觉变换器(ViT)	准确率, 精确率, 召回率, F1分数	NA
7193	2025-10-06	IDEA: Image database for earthquake damage annotation 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111733 PMID:40599425	数据论文	本文介绍了IDEA地震损伤标注图像数据库，包含5400多张经过标注的真实结构损伤图像	提出了基于结构工程共识的全面损伤本体论，覆盖多种结构类型和损伤类别，弥补了现有数据集的不足	NA	开发用于结构损伤检测和分类的深度学习方法的标注数据集	地震后和常规现场检查中收集的结构损伤图像	计算机视觉	NA	现场检查图像采集	NA	图像	超过5400张标注图像	NA	NA	NA	NA
7194	2025-10-06	Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-Jul-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	研究论文	基于纵向CT图像开发多任务深度学习模型CTSMamba，用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期	提出新型多任务深度学习架构co-attention tri-oriented spatial Mamba (CTSMamba)，能够同时预测淋巴结转移和生存期，并在多中心验证中表现优于临床模型	研究仅针对局部晚期胃癌患者，模型在其他类型胃癌或癌症中的适用性需要进一步验证	提高胃癌患者淋巴结转移和生存期预测的准确性，为临床决策提供指导	局部晚期胃癌患者	计算机视觉	胃癌	CT成像	深度学习	纵向CT图像	1,021例局部晚期胃癌患者（训练验证398例，外部验证623例）	NA	co-attention tri-oriented spatial Mamba (CTSMamba)	NA	NA
7195	2025-10-06	Evaluating artificial intelligence models for rupture risk prediction in unruptured intracranial aneurysms: a focus on vessel geometry and hemodynamic insights 2025-Jul-02, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03689-6 PMID:40593222	综述	评估人工智能模型在未破裂颅内动脉瘤破裂风险预测中的应用，特别关注血管几何形态和血流动力学特征的整合	将几何参数与血流动力学变量（如壁面剪切应力和血流动力学）整合到AI预测模型中，提供比传统尺寸评估更全面的患者特异性风险评估	缺乏大规模高质量数据集，模型预测结果解释性仍存在挑战	改进未破裂颅内动脉瘤的破裂风险预测方法	未破裂颅内动脉瘤	医学人工智能	颅内动脉瘤	计算流体动力学，血流动力学分析	SVM, CNN	几何形态数据，血流动力学参数	NA	NA	卷积神经网络，支持向量机	预测准确率	NA
7196	2025-10-06	AI in Learning Anatomy and Restoring Central Incisors: A Comparative Study 2025-Jul-02, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251344548 PMID:40598953	研究论文	比较PCA和DeepSDF两种AI方法在学习与重建上颌中切牙解剖结构方面的性能	首次系统比较传统PCA与新兴DeepSDF方法在牙齿解剖学学习和重建中的表现，并评估不同潜在编码大小对性能的影响	DeepSDF模型的可解释性存在不足，且未考虑影响微笑设计的更广泛因素	评估不同AI方法在牙齿解剖学学习和中央切牙重建中的性能	成熟永久性上颌切牙的STL文件数据	数字病理	牙科疾病	三维扫描(STL文件)	PCA, DeepSDF	三维模型数据	来自3所大学的成熟永久性上颌切牙STL文件	NA	PCA, DeepSDF	表面差异, 体积差异, 长度差异, 平均欧几里得距离, 豪斯多夫距离, 冠根角度	NA
7197	2025-10-06	PROTEUS: A Physically Realistic Contrast-Enhanced Ultrasound Simulator-Part I: Numerical Methods 2025-Jul, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3427850 PMID:39008399	研究论文	开发了一种物理真实的对比增强超声模拟器PROTEUS，用于生成对比增强射频数据	提出了首个包含血流动力学、微泡轨迹、超声波传播和非线性微泡散射四个互连模块的完整对比增强超声模拟框架	本文仅描述了数值方法部分，完整的验证和应用将在后续研究中展示	开发能够再现超声波与组织和微泡相互作用的物理过程的模拟工具	超声对比剂和血管几何结构	医学影像计算	NA	对比增强超声成像	NA	射频数据	NA	NA	NA	NA	NA
7198	2025-10-06	Enhanced boundary-directed lightweight approach for digital pathological image analysis in critical oncological diagnostics 2025-Jul, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251325092 PMID:40262109	研究论文	提出一种轻量化的边界增强数字病理图像识别策略，用于恶性骨肿瘤的紧急诊断	优化Transformer的自注意力机制，创新实现边界分割增强策略，并引入行列注意力方法稀疏化注意力矩阵	NA	解决恶性骨肿瘤紧急诊断问题，提高诊断效率和准确性	骨肉瘤等恶性骨肿瘤的病理图像	数字病理学	骨癌	数字病理图像分析	Transformer, CNN	病理图像	NA	NA	Transformer	DSC, IOU, params	NA
7199	2025-10-06	AI-Assisted Glucocorticoid Treatment Response Prediction of Active Ulcerative Active Patients 2025-Jul, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16961 PMID:40304464	研究论文	开发基于深度学习的模型预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应	首次结合组织病理学全切片图像和临床数据开发UCG-SwinT模型预测糖皮质激素治疗反应，并使用Grad-CAM可视化模型关注的组织学特征	样本量相对有限（212例患者），仅来自中国两个医疗中心	预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应，实现精准治疗管理	活动性溃疡性结肠炎患者	数字病理学	溃疡性结肠炎	全切片图像分析	深度学习	图像, 临床数据	212例UC患者的485张肠道组织学全切片图像	NA	Swin Transformer	AUC	NA
7200	2025-10-06	Prostate cancer prediction through a hybrid deep learning method applied to histopathological image 2025-Jul, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2025.2512040 PMID:40411485	研究论文	提出一种结合MobileNet、注意力机制和胶囊网络的混合深度学习模型用于前列腺癌组织病理图像的Gleason分级预测	首次将MobileNet、注意力机制和胶囊网络集成到单一架构中，在保持计算效率的同时提高Gleason分级的准确性	仅使用两个公开数据集进行验证，未在更多临床场景中测试模型泛化能力	开发高效准确的前列腺癌组织病理图像自动分级系统	前列腺癌组织病理图像	数字病理学	前列腺癌	组织病理学成像	深度学习, 混合模型	图像	PANDA和Gleason-2019两个数据集	NA	MobileNet, 注意力机制, 胶囊网络	准确率	NA