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
61	2025-09-14	Development of a deep learning-based automated diagnostic system (DLADS) for classifying mammographic lesions - a first large-scale multi-institutional clinical trial in Japan 2025-Sep, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01741-3 PMID:40608200	研究论文	开发并验证了日本首个基于深度学习的乳腺X线摄影AI辅助诊断系统（DLADS），用于自动分类乳腺病变	首次在日本大规模多机构临床研究中构建并验证针对日本女性的乳腺AI-CADx系统，解决了西方AI系统在亚洲人群有效性未充分验证的问题	回顾性研究设计，前瞻性验证尚未完成，样本仅来自日本人群	建立针对日本女性的乳腺X线摄影AI辅助诊断系统，并验证其诊断乳腺癌的敏感性和特异性	日本女性乳腺X线摄影图像，包括乳腺癌、良性和正常样本	计算机视觉	乳腺癌	乳腺X线摄影，深度学习	SE-ResNet，滑动窗口算法	医学图像（乳腺X线摄影）	11,450名日本女性，20,638张乳腺X线图像（5,019例癌症，5,026例良性，10,593例正常）
62	2025-09-14	Analog optical computer for AI inference and combinatorial optimization 2025-Sep, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09430-z PMID:40903585	研究论文	提出一种结合模拟电子学和三维光学的模拟光学计算机（AOC），用于加速AI推理和组合优化	通过快速定点搜索实现双域能力，避免数字转换并增强噪声鲁棒性，在单一平台上支持AI推理和组合优化	NA	开发能效更高的计算平台以应对AI和组合优化日益增长的能量需求	AI推理和组合优化问题	机器学习和光学计算	NA	模拟光学计算，三维光学技术	基于定点抽象的神经网络模型和梯度下降方法	图像数据（分类和重建），非线性回归数据，金融交易数据	通过四个案例研究展示（图像分类、非线性回归、医学图像重建、金融交易结算），但未指定具体样本数量
63	2025-09-14	Deep learning-based prediction of axillary pathological complete response in patients with breast cancer using longitudinal multiregional ultrasound 2025-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105896 PMID:40876229	研究论文	本研究开发并验证了一种基于深度学习的iShape模型，利用纵向多区域超声图像预测乳腺癌患者腋窝病理学完全缓解	提出信息共享-私有(iShape)模型，通过从纵向原发肿瘤和腋窝淋巴结超声图像中学习共同和特定的图像表示，提高模型可解释性	回顾性研究设计，可能存在选择偏倚	预测接受新辅助治疗的腋窝淋巴结阳性乳腺癌患者的腋窝病理学完全缓解	活检证实为腋窝淋巴结阳性的乳腺癌患者	数字病理	乳腺癌	超声成像，RNA测序分析	深度学习，iShape模型	超声图像	训练集371例患者，三个外部验证集分别包含295、244和225例患者
64	2025-09-14	The detection of algebraic auditory structures emerges with self-supervised learning 2025-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013271 PMID:40911653	研究论文	本研究使用自监督学习训练深度学习模型，探索人类自发检测听觉代数结构能力的起源	首次通过自监督学习模型证明代数结构检测能力可仅从经验中涌现，无需先天机制	模型与人类认知存在差异，实验范式可能无法完全模拟真实听觉处理	澄清人类检测听觉代数结构能力的先天与习得机制	深度学习模型在听觉代数结构检测任务中的表现	机器学习	NA	自监督学习	深度学习模型	听觉信号（环境声音、语音、音乐）	多种预训练数据组合（自然环境声音和/或文化声音）
65	2025-09-14	A generative adversarial network to improve integrated mode proton imaging resolution using paired proton-carbon data 2025-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.18081 PMID:40926569	研究论文	提出一种基于配对质子-碳数据的生成对抗网络，用于提升集成模式质子成像的空间分辨率	利用配对质子-碳数据训练条件生成对抗网络，实现数据驱动的空间变异点扩散函数去卷积操作	观察到部分噪声增加	提高集成模式质子放射成像的空间分辨率	质子铅笔束图像与碳离子束图像的配对数据	医学影像处理	NA	生成对抗网络(GAN)	条件生成对抗网络(cGAN)	图像	547,224对质子-碳图像，使用马尔堡离子治疗中心的闪烁探测器采集
66	2025-09-14	Neuroimaging Data Informed Mood and Psychosis Diagnosis Using an Ensemble Deep Multimodal Framework 2025-Sep, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70347 PMID:40927869	研究论文	本研究开发了一种集成深度多模态框架，利用神经影像数据改进情绪和精神病诊断的分类	整合多模态神经影像数据（fMRI与结构MRI），采用集成方法、深度学习和数据融合技术，将神经影像与症状分类结合，识别生物同质群体并减少标签噪声	NA	改进精神疾病的分类方法，通过生物标志物增强现有症状分类系统的准确性	情绪和精神病类别的患者神经影像数据	机器学习	精神疾病	fMRI, 结构MRI	深度卷积框架, 集成学习(bagging)	神经影像数据	NA
67	2025-09-14	A Review on Biomarker-Enhanced Machine Learning for Early Diagnosis and Outcome Prediction in Ovarian Cancer Management 2025-Sep, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71224 PMID:40927964	综述	本文综述了生物标志物增强的机器学习在卵巢癌早期诊断和预后预测中的应用与进展	整合多模态生物标志物数据与机器学习模型，显著提升诊断准确性和预后预测能力	样本量较小、缺乏外部验证、未包含影像/基因组数据	评估生物标志物驱动的机器学习模型在卵巢癌早期检测、风险分层和治疗规划中的作用	卵巢癌患者及相关生物标志物数据	机器学习	卵巢癌	多模态数据整合（包括肿瘤标志物、炎症、代谢和血液学参数）	Random Forest, XGBoost, Neural Networks, RNNs	临床和生物标志物数据	基于17项研究的综合数据（具体样本量未明确说明）
68	2025-09-14	Automated quantification of lung pathology on micro-CT in diverse disease models using deep learning 2025-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105904 PMID:40886406	研究论文	开发基于深度学习的通用肺部分割模型，用于自动化定量分析多种疾病模型中的肺部病理微CT图像	提出结合2D多方向切片预测的2.5D概率平均模型，显著提升分割精度并展示跨疾病模型、扫描配置和啮齿类物种的强泛化能力	NA	提升微CT大数据集分析效率，实现肺部病理的自动化定量监测	啮齿类动物（大鼠、仓鼠、八齿鼠）的肺部微CT图像	数字病理学	肺部疾病	微CT成像	深度学习（2D CNN结合2.5D概率平均）	图像（微CT轴向、冠状、矢状切片）	多研究纵向数据（包括唐氏综合症、病毒/真菌感染、COVID-19、肺部炎症和纤维化等模型）及公开数据库
69	2025-09-14	The Role of Deep Cerebral Tracts in Predicting Postoperative Aphasia: An nTMS-Based Investigation of the Corticothalamic Fibers 2025-Sep, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70344 PMID:40931689	研究论文	本研究利用nTMS语言映射和DTI纤维追踪结合深度学习算法，探索深部脑白质纤维束在预测术后失语症中的作用	首次整合nTMS、DTI纤维追踪和深度学习算法，重点关注皮质丘脑纤维在预测术后失语症中的价值	皮质丘脑纤维在模型中的独立预测贡献有限，研究为回顾性设计	提高语言功能区病变患者术后失语症的预测准确性	100例左侧半球病变患者（43例术后失语，57例无失语）	医学影像分析	神经系统疾病	nTMS语言映射，DTI纤维追踪，深度学习	二分类DL模型	影像数据	100例患者
70	2025-09-14	Improving age prediction using ECG signals: Insights into lifestyle impacts 2025 Sep-Oct, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.154083 PMID:40716194	研究论文	本研究通过改进ECG信号预处理技术和深度学习模型，提升心脏年龄预测精度，并分析生活方式对心血管健康的影响	提出结合Butterworth带通滤波和双曲正切变换的新型预处理方法，并引入容忍标签噪声的训练机制	NA	提高基于ECG的心脏年龄预测准确性，并探索生活方式因素与心脏老化的关系	人类ECG信号及关联的生活方式数据	机器学习	心血管疾病	ECG信号处理，深度学习	深度学习模型	ECG信号，行为信息	PTB-XL、PLHDB和AISDB数据库中的ECG记录和行为数据
71	2025-09-14	A Comparative Analysis of the Mamba, Transformer, and CNN Architectures for Multi-Label Chest X-Ray Anomaly Detection in the NIH ChestX-Ray14 Dataset 2025-Sep-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172215 PMID:40941702	研究论文	比较Mamba、Transformer和CNN架构在NIH ChestX-Ray14数据集上的多标签胸部X光异常检测性能	首次对CNN、Transformer和Mamba架构在胸部X光异常检测任务上进行统一比较，并发现混合架构（特别是ConvFormer、CaFormer和EfficientNet）在常见和罕见病理中表现最优	研究仅限于单一数据集（NIH ChestX-ray14），未在其他数据集或临床环境中验证模型泛化能力	比较不同深度学习架构在胸部X光异常检测中的性能差异	胸部X光图像中的14种胸部疾病异常	计算机视觉	胸部疾病	深度学习	CNN, Transformer, Mamba, ConvFormer, CaFormer, EfficientNet	图像	112,120张标注的胸部X光图像
72	2025-06-13	Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy 2025-Aug-31, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.25-059 PMID:40499925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
73	2025-09-14	Revolutionizing Oncology Through AI: Addressing Cancer Disparities by Improving Screening, Treatment, and Survival Outcomes via Integration of Social Determinants of Health 2025-Aug-31, Cancers IF:4.5Q1 DOI:10.3390/cancers17172866 PMID:40940963	综述	本文综述了人工智能在整合健康社会决定因素（SDOH）以减少癌症差异方面的应用与潜力	强调AI通过整合SDOH数据优化癌症风险分层、筛查资源分配及个性化治疗，尤其在服务不足人群中的早期检测创新	存在AI筛查偏差、临床试验代表性不足及治疗推荐差异等挑战	探讨AI如何利用SDOH减少癌症护理差异，实现更公平的肿瘤学成果	癌症患者群体，特别是医疗服务不足的脆弱人群	自然语言处理	癌症	机器学习（ML）、自然语言处理（NLP）、深度学习医学影像分析、可解释AI（XAI）	NA	电子健康记录（EHR）、地理信息系统（GIS）、真实世界临床试验数据	NA
74	2025-09-14	FracFusionNet: A Multi-Level Feature Fusion Convolutional Network for Bone Fracture Detection in Radiographic Images 2025-Aug-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172212 PMID:40941699	研究论文	提出一种用于X射线图像骨折检测的多层次特征融合卷积神经网络模型FracFusionNet	设计了一种能够捕获并整合低层级和高层级图像特征的新型CNN架构	NA	通过深度学习提高医学影像中骨折诊断的精确度	骨骼骨折	计算机视觉	骨科疾病	深度学习	CNN	图像	基于Bone Fracture Multi-Region X-ray (BFMRX)数据集
75	2025-09-14	An Artificial Intelligence-Based Melt Flow Rate Prediction Method for Analyzing Polymer Properties 2025-Aug-31, Polymers IF:4.7Q1 DOI:10.3390/polym17172382 PMID:40942301	研究论文	提出一种基于人工智能的熔体流动速率预测方法，用于实时分析聚合物性能	结合集成模型KELM和RVFL，并利用鹈鹕优化算法进行优化，显著提升预测精度	NA	开发实时聚合物质量监测的AI解决方案	聚合物样本	机器学习	NA	机器学习	KELM, RVFL, POA	结构化数据	1044个聚合物样本
76	2025-09-14	Effectiveness of Multi-Layer Perceptron-Based Binary Classification Neural Network in Detecting Breast Cancer Through Nine Human Serum Protein Markers 2025-Aug-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17172832 PMID:40940928	研究论文	本研究开发了一种基于九种血清蛋白标志物的多层感知器神经网络模型，用于乳腺癌的二元分类检测	将原有的三蛋白标志物扩展至九蛋白标志物，并采用人工智能深度学习模型确定cutoff值，显著提升了乳腺癌检测的准确率	样本量相对有限（共465例），未提及模型在其他人群或独立数据集中的验证情况	评估九蛋白血清标志物签名在乳腺癌检测中的临床敏感性和特异性	243名健康对照者和222名乳腺癌患者的血清样本	机器学习	乳腺癌	质谱多重反应监测（mass spectrometry with multiple reaction monitoring）	多层感知器（MLP）神经网络	蛋白质定量数据	465例样本（243健康对照，222乳腺癌患者）
77	2025-09-14	Integrating Artificial Intelligence in Bronchoscopy and Endobronchial Ultrasound (EBUS) for Lung Cancer Diagnosis and Staging: A Comprehensive Review 2025-Aug-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17172835 PMID:40940931	综述	本文全面回顾了人工智能在支气管镜和支气管内超声（EBUS）中用于肺癌诊断和分期的整合应用	探讨AI在多种支气管镜成像模式（如白光成像、自体荧光支气管镜和光谱技术）及EBUS淋巴结评估中的创新性辅助作用，旨在提升病变检测和诊断一致性	当前证据主要基于小型、回顾性、单中心数据集，缺乏外部验证和代码可重复性，且未在实际临床工作流程中得到验证	评估AI作为辅助工具在肺癌诊断和分期中的潜力和挑战	肺癌患者通过支气管镜和EBUS进行的诊断与分期过程	数字病理	肺癌	深度学习	深度学习模型（未指定具体类型）	医学影像（白光成像、自体荧光图像、光谱数据）及超声影像	NA（基于小型数据集，但未提供具体样本数量）
78	2025-09-14	Comparative Analysis of Diagnostic Performance Between Elastography and AI-Based S-Detect for Thyroid Nodule Detection 2025-Aug-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172191 PMID:40941678	研究论文	比较弹性成像与基于AI的S-Detect在甲状腺结节良恶性鉴别中的诊断性能	首次系统比较传统弹性成像技术与深度学习辅助诊断软件S-Detect在甲状腺结节诊断中的临床效用	单中心回顾性研究，样本量有限可能影响结果泛化性	评估两种技术区分甲状腺结节良恶性的诊断效能	159名甲状腺结节患者（30-83岁）	医学影像分析	甲状腺疾病	超声弹性成像、深度学习计算机辅助诊断	深度学习模型（具体架构未说明）	超声灰度图像	159例患者（101例良性，58例恶性）
79	2025-09-14	ESPWA: a deep learning-enabled tool for precision-based use of endocrine therapy in resource-limited settings 2025-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.27.672012 PMID:40909747	研究论文	开发了一种基于深度学习的工具ESPWA，用于在资源有限环境中从H&E染色全玻片图像预测乳腺癌雌激素受体状态，以指导内分泌治疗的精准使用	利用弱监督注意力多实例学习直接从H&E图像预测ER状态，无需额外免疫组化检测，特别针对低收入和中等收入国家场景优化	模型性能可能受数据集域偏移影响，泛化到其他地区或人群需进一步验证	解决资源有限地区乳腺癌患者内分泌治疗精准化应用的挑战	乳腺癌患者的H&E染色全玻片图像及匹配的ER状态数据	数字病理学	乳腺癌	深度学习，弱监督注意力多实例学习，全玻片成像分析	多实例学习模型	图像	两个队列：TCGA（n=1085）和海地Zanmi Lasante（n=3448）
80	2025-09-14	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Aug-28, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究开发了一种结合高光谱成像和深度学习的方法，用于无标记分类纳米药物递送系统	首次将3D CNN与SMOTE技术结合用于无标记高光谱成像分类，实现了99.16%的分类准确率	研究仅针对脂质体进行验证，未涉及其他类型的纳米载体	开发一种无标记、非侵入性的纳米药物载体分类方法	治疗性脂质体（对照组和阿霉素负载脂质体）	计算机视觉	NA	高光谱成像（HSI）、暗场成像、主成分分析（PCA）	3D CNN、SMOTE	高光谱图像	未明确说明具体样本数量，但提及存在类别不平衡问题