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
7841	2025-10-06	Multiparametric MRI for Assessment of the Biological Invasiveness and Prognosis of Pancreatic Ductal Adenocarcinoma in the Era of Artificial Intelligence 2025-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29708 PMID:39781607	综述	本文探讨人工智能时代多参数MRI在评估胰腺导管腺癌生物学侵袭性和预后中的应用价值	整合多参数MRI与人工智能技术，开发能够量化肿瘤特征并预测PDAC生物学行为和预后的影像生物标志物	当前AI模型主要基于单一模态数据且样本量较小，技术可重复性和生物学解释性面临挑战	评估多参数MRI结合AI技术在预测胰腺导管腺癌生物学侵袭性和预后方面的应用前景	胰腺导管腺癌(PDAC)患者	医学影像分析	胰腺癌	多参数磁共振成像(mpMRI)	深度学习,人工神经网络	医学影像	相对较小的样本量	NA	NA	NA	NA
7842	2025-10-06	Visualizing Preosteoarthritis: Updates on UTE-Based Compositional MRI and Deep Learning Algorithms 2025-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29710 PMID:39792443	综述	本文综述了基于超短回波时间磁共振成像和深度学习算法在骨关节炎早期可视化诊断中的最新进展	结合超短回波时间MRI技术和深度学习算法，推进对前骨关节炎的成像生物标志物识别	证据等级为5级，技术效能处于第2阶段，仍需进一步临床验证	探索骨关节炎早期诊断的先进成像技术和分析方法	骨关节组织（软骨、半月板/盂唇、韧带和肌腱）	医学影像分析	骨关节炎	超短回波时间磁共振成像，定量形态学和成分评估	深度学习	MRI图像	NA	NA	NA	NA	NA
7843	2025-10-06	AI-Driven Detection and Measurement of Keratinized Gingiva in Dental Photographs: Validation Using Reference Retainers 2025-Jul, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.14164 PMID:40195567	研究论文	开发并验证基于深度学习的角化牙龈检测模型，通过参考保持器进行临床验证	首个能够可靠识别全口角化牙龈的AI模型，采用参考保持器进行系统验证	对后牙区域的预测精度需要进一步改进	评估深度学习模型在牙科照片中检测角化牙龈的能力并验证其临床应用价值	角化牙龈区域	计算机视觉	牙科疾病	深度学习	CNN	图像	32名受试者的576张牙弓区域照片	PyTorch	DeepLabv3, ResNet50	Dice系数, 准确率	NA
7844	2025-10-06	Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens 2025-Jul, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-025-01612-y PMID:40232558	研究论文	开发并评估用于胃内镜黏膜下剥离术标本病理诊断的深度学习模型	首次开发针对ESD标本的深度学习诊断模型，实现肿瘤和黏膜肌层的自动分割及黏膜下浸润检测	研究样本量有限（366例），需进一步外部验证	开发自动化诊断工具以辅助胃ESD标本的病理诊断	胃腺癌内镜黏膜下剥离术标本	数字病理学	胃癌	全玻片成像	深度学习	病理图像	366例ESD标本，2257个标注感兴趣区域，83,839个图像块	NA	NA	Dice系数, AUROC, 特异性, 敏感性	NA
7845	2025-10-06	Deep learning-assisted detection of meniscus and anterior cruciate ligament combined tears in adult knee magnetic resonance imaging: a crossover study with arthroscopy correlation 2025-Jul, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-025-06531-2 PMID:40293511	研究论文	比较医生在有无深度学习模型辅助下对膝关节MRI中半月板和前交叉韧带撕裂的诊断性能	首次采用交叉研究设计评估深度学习算法在辅助医生诊断膝关节复合损伤中的价值	样本量相对有限(186例MRI检查)，仅包含三种特定损伤类型	评估深度学习模型在膝关节MRI诊断中的辅助价值	成人膝关节磁共振成像	医学影像分析	膝关节损伤	磁共振成像	深度学习模型	医学影像	186例膝关节MRI检查(88例患者术前MRI和98例正常对照)	NA	Keros®算法	AUC, 敏感性, 特异性	NA
7846	2025-05-10	Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Comment on Br J Anaesth 2025; 134: 308-16 2025-Jul, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2025.03.025 PMID:40340157	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7847	2025-10-06	Radiomics for lung cancer diagnosis, management, and future prospects 2025-Jul, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106926 PMID:40344812	综述	探讨影像组学在肺癌诊断和管理中的作用及未来前景	系统阐述从手工影像组学到深度学习的技术演进，强调大语言模型、可解释AI和超分辨率成像等前沿技术的整合	NA	提升肺癌诊断准确性、预测治疗反应和实现个性化医疗	肺癌患者医学影像数据	数字病理	肺癌	医学影像分析	深度学习	医学影像	NA	NA	NA	特异性,敏感性	NA
7848	2025-10-06	Time-series deep learning and conformal prediction for improved sepsis diagnosis in primarily Non-ICU hospitalized patients 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110497 PMID:40450820	研究论文	开发了一种基于深度学习和保形预测的时间序列模型，用于改善非ICU住院患者的脓毒症早期诊断	结合深度学习和保形预测框架，专门针对非ICU环境设计，显著降低误报率并提高特异性	研究主要基于MIMIC-IV和eICU-CRD数据集，需要在更多真实临床环境中验证	改善非ICU住院患者的脓毒症早期诊断，降低误报率	非ICU住院患者	医疗人工智能	脓毒症	深度学习，保形预测	深度学习模型	时间序列医疗数据	83,813名患者用于训练，eICU-CRD数据集用于验证	NA	时间序列深度学习模型	AUROC，特异性，误报率	NA
7849	2025-10-06	Current trends in glioma tumor segmentation: A survey of deep learning modules 2025-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104988 PMID:40460759	综述	本文综述了深度学习模块在胶质瘤肿瘤分割中的当前趋势，通过消融研究评估了各种附加模块对分割性能的影响	系统评估了扩张卷积、初始模块、注意力机制、Transformer和混合模块等先进模块对胶质瘤分割性能的增强作用	需要进一步改进模型可解释性、降低计算成本并提升泛化能力	评估深度学习附加模块在胶质瘤MRI图像分割中的性能影响	脑胶质瘤肿瘤图像分割	计算机视觉	脑胶质瘤	多参数磁共振成像(mpMRI)	CNN, Transformer	医学影像	脑肿瘤分割(BraTS)数据集，包含低级别和高级别胶质瘤	NA	atrous convolutions, inception, attention, transformer, hybrid modules	Dice系数	NA
7850	2025-10-06	U2-Attention-Net: a deep learning automatic delineation model for parotid glands in head and neck cancer organs at risk on radiotherapy localization computed tomography images 2025-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105024 PMID:40499410	研究论文	开发了一种名为U2-Attention-Net的深度学习模型，用于头颈癌放疗定位CT图像中腮腺的精确分割	提出了结合不同注意力机制（sSE和cSE）的U2A-Net模型，在腮腺分割任务中表现优于现有模型	样本量相对较小（79例患者），需要更大规模数据验证模型泛化能力	开发精确的腮腺自动分割模型以辅助头颈癌放疗规划	头颈癌患者的放疗定位CT图像	医学图像分割	头颈癌	CT成像	深度学习分割模型	CT图像	79例头颈癌患者（训练集60例，验证集6例，测试集13例）	NA	U2-Attention-Net, U-Net, Attention U-Net, DeepLabV3+, TransUNet	DSC, JSC, PPV, SE, HD, RVD, VOE	NA
7851	2025-10-06	Automated segmentation of target volumes in breast cancer radiotherapy, impact on target size and dose to organs at risk 2025-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100986 PMID:40529410	研究论文	比较深度学习模型与临床标准在乳腺癌放疗靶区勾画中对靶区大小和危及器官剂量的影响	首次系统评估深度学习模型在考虑临床数据（如肿瘤位置）情况下对乳腺癌放疗靶区勾画和剂量分布的影响	研究基于假设性乳腺癌患者，样本量有限（10-14个中心），且仅评估3D适形放疗	评估深度学习模型在乳腺癌放疗靶区勾画中的临床应用价值	乳腺癌放疗靶区（乳腺、I-IV级淋巴结、内乳淋巴结）和危及器官	数字病理	乳腺癌	深度学习，3D适形放疗计划	深度学习模型	CT影像，临床数据	10个中心的乳腺CTV，11个中心的淋巴结CTV，14个中心的内乳淋巴结CTV	Raystation, MVision	NA	几何重叠度，靶区体积，危及器官剂量	NA
7852	2025-10-06	Deep Learning for Detecting and Subtyping Renal Cell Carcinoma on Contrast-Enhanced CT Scans Using 2D Neural Network with Feature Consistency Techniques 2025-Jul, The Indian journal of radiology & imaging DOI:10.1055/s-0044-1800804 PMID:40529970	研究论文	本研究开发了一种基于2D神经网络和特征一致性技术的深度学习算法，用于在CT扫描中检测和分型肾细胞癌	首次将空间一致性和类别一致性模块集成到2D神经网络架构中，用于肾细胞癌的检测和分型	回顾性研究设计，样本量相对有限（196例患者），仅使用皮质髓质期图像	开发用于肾细胞癌检测和分型的深度学习算法	196例经组织病理学证实的肾细胞癌患者（143例透明细胞癌，53例非透明细胞癌）	计算机视觉	肾细胞癌	CT扫描	CNN	医学图像	196例肾细胞癌患者的CT扫描图像	NA	FocalNet-DINO	召回率, 特异性, 准确率, F1分数, AUC	NA
7853	2025-10-06	Exploratory multi-cohort, multi-reader study on the clinical utility of a deep learning model for transforming cryosectioned to formalin-fixed, paraffin-embedded (FFPE) images in breast lesion diagnosis 2025-Jun-17, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02064-z PMID:40528232	研究论文	开发并验证一种深度学习模型，将冷冻切片图像转换为福尔马林固定石蜡包埋样图像以提升乳腺病变诊断性能	采用改进的生成对抗网络结合注意力机制校正伪影，并引入自正则化约束保留临床重要特征	诊断一致性在两组间相似，图像质量较差病例和低年资病理医生诊断准确性较低	提升术中冷冻切片诊断准确性	乳腺病变组织	数字病理	乳腺癌	全切片图像分析	GAN	图像	132例冷冻切片全切片图像，来自三个队列（SYSUCC、GSPCH、TCGA），共1584次病理医生读片	NA	改进的生成对抗网络（含注意力机制）	诊断评分，准确率指数，置信度，一致性率	NA
7854	2025-10-06	Recent advances in deep learning for protein-protein interaction: a review 2025-Jun-16, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00457-6 PMID:40524189	综述	系统评估2021至2025年深度学习在蛋白质-蛋白质相互作用预测领域的最新进展	全面评估注意力驱动的Transformer、多任务框架、序列与结构数据多模态整合、基于BERT和ESM的迁移学习以及用于相互作用表征的自编码器等创新方法	作为综述文章，不包含原始实验数据，主要依赖现有文献分析	改进蛋白质-蛋白质相互作用的分析方法并拓展生物医学应用范围	蛋白质-蛋白质相互作用	计算生物学	NA	深度学习	GNN, CNN, RNN, Transformer, BERT, ESM, Autoencoder	序列数据, 结构数据	NA	NA	Transformer, BERT, ESM, Autoencoder	NA	NA
7855	2025-10-06	The Bayesian mixture expert recognition model for tobacco leaf curing stages based on feature fusion 2025-Jun-16, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01384-7 PMID:40524222	研究论文	提出一种基于特征融合的贝叶斯混合专家识别模型，用于烟草叶片烘烤阶段的精确识别	通过多种特征融合方法和贝叶斯优化集成多个深度学习模型，结合自适应调整和专家协作机制来识别复杂动态视觉特征	NA	提高烟草叶片烘烤阶段识别的准确性和鲁棒性	烟草叶片在不同烘烤阶段的图像	计算机视觉	NA	深度学习特征提取，传统特征提取	CNN	图像	NA	NA	ResNet34, MobileNetV2, EfficientNetb0	准确率	NA
7856	2025-10-06	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	开发了一种基于深度学习模型的心电图筛查方法，用于从“伪正常”心电图中快速筛查冠心病	首次开发能够从表现正常或接近正常的“伪正常”心电图中识别冠心病的深度学习模型	研究数据来源于两家医院，需要更多外部验证来确认模型的泛化能力	开发冠心病快速筛查工具，特别针对心电图表现正常的患者	冠心病患者和非冠心病患者的标准12导联心电图数据	医疗人工智能	冠心病	心电图分析	深度学习模型	心电图信号	SAH医院：15,995名患者的21,240份心电图；FAH医院：2,572份心电图	NA	NA	AUC	NA
7857	2025-10-06	Enhancing Pulmonary Disease Prediction Using Large Language Models With Feature Summarization and Hybrid Retrieval-Augmented Generation: Multicenter Methodological Study Based on Radiology Report 2025-Jun-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/72638 PMID:40499132	研究论文	本研究提出一种结合特征总结和混合检索增强生成的新型提示工程策略，用于基于胸部CT放射学报告的肺部疾病预测	提出集成特征总结、思维链推理和混合检索增强生成的新型提示工程策略，通过TF-IDF和K-means聚类提取关键放射学特征，结合稠密和稀疏向量表示增强LLMs对医学文本的理解	研究仅基于2965份胸部CT报告，样本量相对有限；外部验证仅使用另一家医院的343份报告	探索大型语言模型在肺部疾病预测中的应用，提升模型可解释性和预测性能	健康个体及肺结核、肺癌和肺炎患者的胸部CT放射学报告	自然语言处理	肺癌	TF-IDF, K-means聚类	LLM, BERT	文本	2965份胸部CT放射学报告（来自4个队列），外部验证集343份报告	NA	GLM-4-Plus, GLM-4-air, GPT-4o, BERT	F1-score, 准确率	NA
7858	2025-10-06	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients: Observational Cohort Study 2025-06-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75340 PMID:40499139	研究论文	比较不同多模态深度学习方法在预测病房患者临床恶化方面的表现	首次系统比较了五种不同临床文本参数化方法结合结构化数据在预测临床恶化中的效果	添加临床文本概念标识符并未显著改善模型性能，研究结果可能受限于特定医疗机构的实践差异	评估结合临床文本信息的多模态深度学习模型在预测病房患者临床恶化方面的效果	芝加哥大学和威斯康星大学麦迪逊分校的住院病房成年患者	自然语言处理, 机器学习	临床恶化	概念唯一标识符(CUI)提取, 深度学习	循环神经网络(RNN)	结构化数据, 临床文本	开发队列284,302名患者，外部验证队列248,055名患者	NA	深度循环神经网络	精确召回曲线下面积, 受试者工作特征曲线下面积, 灵敏度, 阳性预测值, Brier分数	NA
7859	2025-10-06	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	研究论文	本研究开发了一种基于深度学习的自动化方法，用于从颅骨X射线中识别脑室腹腔分流阀模型	首次将深度学习技术应用于脑室腹腔分流阀模型的自动识别，实现了从颅骨X射线中自动分类不同分流阀模型	样本分布不均衡，某些模型类型样本量较少（如Sophysa Sophy Mini SM8仅35例，proGAV 2.0仅33例）	研究人工智能特别是深度学习是否能够自动识别颅骨X射线中的脑室腹腔分流阀模型	脑室腹腔分流阀的四种模型类型：Codman Hakim、Codman Certas Plus、Sophysa Sophy Mini SM8和proGAV 2.0	计算机视觉	脑积水	X射线成像	CNN	图像	959例颅骨X射线图像，包含774例Codman Hakim、117例Codman Certas Plus、35例Sophysa Sophy Mini SM8和33例proGAV 2.0	NA	基于ImageNet预训练的CNN模型	准确率, F1分数, 召回率, 精确率	NA
7860	2025-10-06	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	研究论文	本研究探讨脑出血患者心肌损伤的发生频率、预测因素及其临床意义	首次系统评估脑出血患者心肌损伤的影像学预测因子，并应用深度学习算法和VLSM进行脑部病灶分析	回顾性研究设计，样本量相对有限（322例）	评估脑出血患者心肌损伤的发生频率、预测因素和临床影响	322例脑出血患者	数字病理学	心血管疾病	高敏心肌肌钙蛋白T检测，3D脑部扫描	深度学习算法	医学影像，临床检测数据	322例脑出血患者	NA	NA	比值比，置信区间，P值	NA