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
741	2025-06-12	Consecutive low-frequency shifts in A/T content denote nucleosome positions across microeukaryotes 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112472 PMID:40491964	research paper	通过分析1117个微型真核生物基因组中的DNA特征，发现与核小体组织相关的≈150bp A/T含量变化，并构建深度学习模型改进核小体占据预测	发现真核生物中普遍存在的核小体有利DNA生成策略，并利用深度学习模型预测核小体占据	研究主要基于微型真核生物基因组，可能不适用于所有真核生物	探索核小体位置与DNA特征之间的关系，改进核小体占据预测	1117个微型真核生物基因组	基因组学	NA	深度学习	DL	基因组数据	1117个微型真核生物基因组
742	2025-06-12	Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples 2025-May-15, ArXiv PMID:40463694	research paper	本研究提出了一种基于深度学习的自动化方法，用于卵巢癌的分级和分期，通过常规组织病理学图像预测癌症阶段	使用深度学习框架和ResNet-101卷积神经网络，结合数据增强和遗传算法优化，实现了高精度的卵巢癌分期预测	研究依赖于特定的组织病理学图像数据集，可能在不同实验室或设备采集的图像上表现不同	开发自动化方法来辅助卵巢癌的诊断和分期，减少人工评估的时间和变异性	卵巢癌患者的薄组织活检样本的透射光学显微镜明场图像	digital pathology	ovarian cancer	deep learning, transfer learning	ResNet-101 CNN	image	NA
743	2025-06-12	Research status and progress of deep learning in automatic esophageal cancer detection 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.104410 PMID:40487951	综述	本文全面探讨了深度学习在食管癌医学影像自动检测中的研究进展和应用前景	总结了深度学习在食管癌筛查和诊断中的临床价值，并指出了未来研究方向	需要解决高质量数据集构建、多模态特征融合和人工智能-临床工作流程优化等关键挑战	促进深度学习技术在食管癌管理中的临床应用，改善患者预后	食管癌医学影像	数字病理学	食管癌	深度学习	CNN	医学影像（包括数字病理、内窥镜、CT等）	NA
744	2025-06-12	Research status and trends of deep learning in colorectal cancer (2011-2023): Bibliometric analysis and visualization 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.103667 PMID:40487952	文献计量分析	通过文献计量学方法分析2011年至2023年间深度学习在结直肠癌领域的研究现状和发展趋势	首次对深度学习在结直肠癌领域的研究热点和趋势进行文献计量分析，并预测未来研究方向	仅基于Web of Science核心合集的数据，可能未涵盖所有相关研究	分析深度学习在结直肠癌领域的应用现状和发展趋势	结直肠癌相关研究文献	数字病理学	结直肠癌	文献计量分析	NA	文献数据	1275篇出版物，来自74个国家和2267个机构
745	2025-06-12	Computed tomography-based deep learning radiomics model for preoperative prediction of tumor immune microenvironment in colorectal cancer 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.106103 PMID:40487956	research paper	该研究开发了一种基于CT的深度学习放射组学模型，用于术前预测结直肠癌肿瘤免疫微环境的关键生物标志物	首次提出使用非侵入性的CT图像结合深度学习模型预测肿瘤免疫微环境，避免了传统侵入性活检的局限性	研究为回顾性设计，样本量相对有限（315例），需要前瞻性研究进一步验证	开发非侵入性方法评估结直肠癌患者的肿瘤免疫微环境成分	315例经病理确诊的结直肠癌患者的术前CT图像	digital pathology	colorectal cancer	CT成像	DenseNet-121/169	image	315例结直肠癌患者（训练队列220例，验证队列95例）
746	2025-06-12	Predicting gastric cancer survival using machine learning: A systematic review 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.103804 PMID:40487963	系统综述	本文系统评估了机器学习在预测胃癌患者生存率中的应用及其局限性	总结了机器学习模型在胃癌生存预测中的最新应用，并指出了当前方法的局限性	回顾性研究数据依赖性强，模型可解释性不足	评估机器学习在预测胃癌生存率中的应用并指出当前方法的局限性	胃癌患者的生存率预测	机器学习	胃癌	机器学习	深度学习, 随机森林, 支持向量机, 集成方法	临床数据	134至14177名患者
747	2025-06-12	Three-Dimensional Reconstruction of Serial Block-Face Scanning Electron Microscopy Using Semantic Segmentation based on Semi-Supervised Deep Learning 2025-May-09, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozaf047 PMID:40497462	研究论文	本研究提出了一种基于半监督深度学习的语义分割方法，用于三维重建连续块面扫描电子显微镜（SBF-SEM）图像	采用半监督学习方法结合分割插值技术，减少手动标注成本，同时保持高分割精度	方法在稀疏标注数据上表现良好，但在极端复杂结构上的分割精度可能受限	开发高效准确的SBF-SEM图像分割方法，实现复杂细胞器的三维重建	小鼠脑细胞和倒置图像	数字病理	NA	连续块面扫描电子显微镜（SBF-SEM）	深度神经网络（具体架构未说明）	电子显微镜图像	未明确说明样本数量，但包含小鼠脑细胞和倒置图像两类数据
748	2025-06-12	Artificial intelligence-driven circRNA vaccine development: multimodal collaborative optimization and a new paradigm for biomedical applications 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf263 PMID:40483546	research paper	本文探讨了人工智能驱动的环状RNA疫苗开发，通过多模态协作优化，为生物医学应用提供了新范式	利用深度学习模型（如CNN和Transformer）整合多组学数据，优化抗原预测和RNA二级结构建模，超越传统生物信息学方法	AI算法的'黑箱'特性、不可靠的文献检索以及生物机制整合不足，限制了其可靠性	开发下一代环状RNA疫苗，用于传染病预防和癌症免疫治疗	环状RNA疫苗及其在生物医学中的应用	生物医学工程	癌症	深度学习、多组学数据分析	CNN, Transformer	多组学数据	NA
749	2025-06-12	In silico analysis of soybean-derived umami peptides: Discovery and interaction mechanisms with T1R1/T1R3 receptor 2025-May, Food chemistry: X DOI:10.1016/j.fochx.2025.102544 PMID:40486061	研究论文	本研究通过计算机模拟分析从大豆蛋白中筛选出与鲜味受体T1R1/T1R3结合的鲜味肽，并揭示了其相互作用机制	结合深度学习方法和分子对接技术筛选鲜味肽，并通过分子动力学模拟揭示其与受体的相互作用机制	NA	开发天然鲜味增强剂并探索其与受体的相互作用机制	大豆蛋白衍生的鲜味肽	食品科学	NA	虚拟酶解、分子对接、分子动力学模拟、电子舌实验	深度学习	肽序列数据	629种二肽至六肽，最终筛选出17种潜在鲜味肽
750	2025-06-12	A review of recent artificial intelligence for traditional medicine 2025-May, Journal of traditional and complementary medicine IF:3.3Q1 DOI:10.1016/j.jtcme.2025.02.009 PMID:40486280	review	本文回顾了人工智能在传统医学中的应用，探讨了AI技术如何促进传统医学的诊断和研究	探讨了AI技术与传统医学的结合，提出了AITM（人工智能传统医学）这一前沿领域	NA	促进AI与传统医学社区的协作与创新，利用先进AI技术提升传统医学的诊断和研究水平	传统医学（TM）及其与人工智能（AI）的结合	machine learning	NA	Machine Learning, Deep Learning, Large Language Models	NA	NA	NA
751	2025-06-12	KARNet: A Novel Deep-Learning Approach for Dementia Stage Detection in MRI Images 2025-May, Cureus DOI:10.7759/cureus.83548 PMID:40486321	研究论文	本文介绍了一种名为KARNet的新型深度学习框架，用于在MRI图像中检测痴呆阶段	KARNet整合了Kolmogorov-Arnold网络架构、改进的ResNet-18和PCA，以分类痴呆的四个阶段，并在ADNI数据集上实现了98.5%的分类准确率	NA	提高痴呆阶段的早期诊断和监测准确性	MRI图像中的痴呆阶段分类	数字病理学	老年疾病	MRI	KARNet（结合KAN、ResNet-18和PCA）	图像	ADNI数据集
752	2025-06-12	Using deep learning to predict postoperative pain in reverse shoulder arthroplasty patients 2025-May, JSES international DOI:10.1016/j.jseint.2024.11.020 PMID:40486767	研究论文	本研究开发了一种深度学习算法，用于预测反向全肩关节置换术(rTSA)后的术后疼痛	首次应用深度学习算法预测rTSA术后疼痛，并通过SHAP分析识别关键影响因素	模型准确率有待提高，需纳入更多预测参数并尝试其他机器学习算法	开发预测rTSA术后疼痛的深度学习模型，优化手术指征管理	接受反向全肩关节置换术的患者	机器学习	骨科疾病	人工神经网络	人工神经网络	临床数据	1707例患者(疼痛组705例，无痛组1002例)
753	2025-06-12	The reliability of deep learning models in assessing the shoulder arthroscopic field's visual clarity in relation to bleeding 2025-May, JSES international DOI:10.1016/j.jseint.2025.02.003 PMID:40486805	研究论文	本研究开发了深度学习模型来分类肩关节镜图像的视觉清晰度，并评估其与评估者评估的可靠性	使用多种预训练深度学习模型（如DensetNet169、DenseNet201、Xception等）评估肩关节镜图像的视觉清晰度，并与人工评估进行比较	研究仅基于回顾性数据，样本量相对较小（113例肩关节镜视频）	开发可靠的深度学习模型来客观评估肩关节镜手术中的视觉清晰度	肩关节镜手术中的视觉清晰度	计算机视觉	NA	深度学习、迁移学习	DenseNet169, DenseNet201, Xception, InceptionResNetV2, VGG16, ViT	视频、图像	113例肩关节镜视频（63例用于训练，50例用于评估）
754	2025-06-12	Multiparametric MR Urography: State of the Art 2025-04, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240151 PMID:40080439	review	本文综述了多参数MR尿路造影（MRU）的最新技术进展及其在临床中的应用	MRU技术在对比分辨率、组织表征及上尿路可视化方面与CT尿路造影（CTU）相当，并在特定患者群体中成为首选检查方法	MRU在某些情况下可能不如CTU普及，且需要技术优化和对各种尿路病理条件的深入了解	探讨MRU技术的发展现状及其在尿路疾病诊断中的应用	肾脏、肾盂系统、输尿管和膀胱	数字病理	泌尿系统疾病	静态流体T2加权成像、钆增强尿路上皮和排泄期成像、动态对比增强MRI、扩散加权成像	NA	图像	NA
755	2025-06-12	Deep Learning-Based ASPECTS Algorithm Enhances Reader Performance and Reduces Interpretation Time 2025-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8491 PMID:39255988	research paper	研究探讨了基于深度学习的ASPECTS算法如何提升医生在急性缺血性卒中治疗中的表现并减少解读时间	开发了一种深度学习算法（CINA-ASPECTS），能够自动计算ASPECTS，显著提高医生的诊断准确性和效率	研究仅基于200例NCCT扫描，样本量有限，且仅评估了8位临床医生的表现	评估深度学习算法在急性缺血性卒中ASPECTS解读中的辅助效果	急性缺血性卒中患者的NCCT扫描图像	digital pathology	cardiovascular disease	深度学习	DL-based algorithm	image	200例NCCT扫描来自5个临床中心，涉及27种扫描仪型号和4个不同供应商
756	2025-06-12	Challenges and solutions of deep learning-based automated liver segmentation: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109459 PMID:39642700	系统综述	本文系统综述了基于深度学习的肝脏自动分割面临的挑战及其解决方案	将肝脏分割挑战分为五大类，并调查了针对每类挑战提出的技术解决方案	仅涵盖了2016年至2022年间发表的文献，可能未包含最新研究进展	分析肝脏分割的挑战并识别研究者为应对这些挑战对网络模型所做的修改及其他改进	医学图像中的肝脏分割	数字病理	肝脏疾病	深度学习	NA	医学图像	88篇来自Scopus和ScienceDirect数据库的文章
757	2025-06-12	Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109530 PMID:39693692	系统文献综述	本文通过系统文献综述探讨了深度学习技术在MRI检测和分析多发性硬化症中的应用	全面梳理和总结了深度学习在MRI检测和分析多发性硬化症中的最新研究进展	仅基于筛选后的82篇文献进行分析，可能未涵盖所有相关研究	评估深度学习技术在MRI检测和分析多发性硬化症中的应用效果	多发性硬化症患者	数字病理学	多发性硬化症	MRI	CNN	image	401篇文献初筛，最终纳入82篇研究
758	2025-06-12	The Use of Artificial Intelligence and Wearable Inertial Measurement Units in Medicine: Systematic Review 2025-Jan-29, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/60521 PMID:39880389	系统综述	本文系统评估了人工智能（AI）与可穿戴惯性测量单元（IMUs）在医疗保健中的整合，探讨了当前应用、挑战及未来机遇	首次系统性地分析了AI与IMUs在医疗领域的结合，揭示了机器学习模型的主导地位及深度学习模型的增长潜力	数据集规模较小（中位数50名参与者），监督学习的过度使用，以及临床环境研究多于真实场景的局限性	评估AI模型与可穿戴IMUs在医疗保健中的整合，以改善患者护理和推动医学研究	AI模型与可穿戴IMUs的整合应用	医疗保健技术	神经系统疾病（65%的研究聚焦于此）	机器学习（76%的研究使用），包括线性回归、支持向量机和随机森林	机器学习（传统模型）与深度学习（增长潜力）	可穿戴IMUs数据	中位数50名参与者
759	2025-06-12	Cell-APP: A generalizable method for microscopic cell annotation, segmentation, and classification 2025-Jan-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.23.634498 PMID:39896521	研究论文	提出了一种通用的方法Cell-APP，用于生成大规模实例分割训练数据集，以训练基于视觉变换器（ViT）的Mask-RCNN模型，实现细胞的高精度分割和分类	开发了一种通用方法生成大规模实例分割训练数据集，解决了标注数据不足的问题，并利用ViT-based Mask-RCNN模型实现高精度细胞分割和分类	方法依赖于通用的细胞特征，可能对某些特定细胞类型的适用性有限	开发一种通用方法，用于细胞的高通量显微镜图像的实例分割和分类	组织培养细胞在透射光显微镜图像中的实例分割和分类	计算机视觉	NA	荧光显微镜，透射光显微镜	ViT-based Mask-RCNN	图像	NA
760	2025-06-12	Identification of genomic alteration and prognosis using pathomics-based artificial intelligence in oral leukoplakia and head and neck squamous cell carcinoma: a multicenter experimental study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002077 PMID:39248300	研究论文	开发了一种基于病理组学的人工智能模型，用于预测口腔白斑和头颈部鳞状细胞癌中的9p染色体缺失及其预后	首次在口腔白斑和头颈部鳞状细胞癌中开发了基因组改变预测的深度学习模型，结合Transformer方法和XGBoost算法	样本量相对较小，外部测试数据集仅有23例	开发快速且经济高效的预测9p染色体缺失的AI模型，并评估其在头颈部鳞状细胞癌患者预后中的应用	口腔白斑(OLK)和头颈部鳞状细胞癌(HNSCC)患者	数字病理	头颈部鳞状细胞癌	全切片图像分析，基因组改变数据	Transformer, XGBoost	图像	333例OLK病例（217例训练集，93例验证集，23例外部测试集），407例HNSCC病例（42例和365例两个多中心数据集）