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
8501	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	NA	NA	NA	NA
8502	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	NA	NA	NA	NA
8503	2025-10-06	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	通过计算分析方法从大豆蛋白中筛选鉴定与鲜味受体T1R1/T1R3结合的鲜味肽	整合深度学习预测、分子对接和分子动力学模拟等多种计算方法系统研究大豆源鲜味肽	研究主要基于计算机模拟，实验验证相对有限	开发天然鲜味增强剂并探索鲜味肽与受体的相互作用机制	大豆蛋白衍生的二肽至六肽	计算生物学	NA	虚拟酶解、分子对接、分子动力学模拟、电子舌实验、感官评价	深度学习	肽序列数据	629个肽段（从43个非毒性肽中筛选出17个潜在鲜味肽）	NA	NA	结合稳定性、感官评价评分	NA
8504	2025-10-06	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	综述	本文综述人工智能在传统医学领域的最新应用进展	从人工智能技术和传统医学应用双重视角系统梳理AITM研究前沿	作为综述文章未开展原创性实验验证	促进人工智能与传统医学领域的跨学科合作与创新	传统医学诊断流程与研究方向	自然语言处理, 机器学习	NA	机器学习, 深度学习, 大语言模型	NA	NA	NA	NA	NA	NA	NA
8505	2025-10-06	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	提出一种名为KARNet的新型深度学习框架，用于从MRI图像中检测痴呆症阶段	首次将Kolmogorov-Arnold网络架构与改进的ResNet-18和主成分分析相结合用于痴呆症分期	NA	开发一种准确检测和分期痴呆症的深度学习模型	痴呆症患者的MRI图像	计算机视觉	老年疾病	磁共振成像	CNN, KAN	图像	阿尔茨海默病神经影像倡议数据集	NA	ResNet-18, KAN	准确率	NA
8506	2025-10-06	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后的术后疼痛	首次将深度学习应用于肩关节置换术后疼痛预测，并识别出影响术后疼痛的关键临床因素	模型性能仍需提升，需要纳入更多预测参数并考虑其他机器学习算法	开发预测反向全肩关节置换术后疼痛的深度学习算法	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名患者（疼痛组705人，无疼痛组1002人）	NA	人工神经网络	准确率, 精确率, 召回率, F1分数	NA
8507	2025-10-06	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	本研究开发深度学习模型用于评估肩关节镜手术视野清晰度，并与人工评估进行可靠性对比	首次将多种深度学习模型应用于肩关节镜视野清晰度分类，并系统评估其与人工评估的一致性	研究为回顾性设计，样本量相对有限，仅包含113例肩关节镜手术	开发可靠的深度学习模型客观评估肩关节镜手术视野清晰度	肩关节镜手术视频和图像	计算机视觉	骨科疾病	深度学习，迁移学习	CNN, Transformer	图像，视频	113例肩关节镜手术（63例训练集，50例测试集），共3750张图像	TensorFlow, PyTorch	DenseNet169, DenseNet201, Xception, InceptionResNetV2, VGG16, ViT	准确率，一致性百分比，加权kappa系数，组内相关系数，偏差，一致性界限	NA
8508	2025-10-06	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	综述	本文全面介绍了多参数MR尿路成像技术的最新进展及其临床应用	系统总结了MR尿路成像作为CT尿路成像替代方案的技术优势，特别强调了在特定患者群体中的首选地位	未提供具体临床研究数据支持技术比较结论	探讨MR尿路成像技术现状及其在泌尿系统疾病诊断中的应用价值	肾脏、肾盂肾盏系统、输尿管和膀胱的成像评估	医学影像	泌尿系统疾病	静态液体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、弥散加权成像	NA	医学影像数据	NA	NA	NA	对比分辨率、组织特征、诊断准确性	NA
8509	2025-10-06	Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review 2025-Apr, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70259 PMID:40337671	系统综述	本系统综述评估人工智能在骨科影像学中的应用效果和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响	首次系统比较不同AI模型在多种骨科影像模态中的临床效能和实用性	缺乏全面的统计分析和随机对照试验，需要进一步临床验证	评估人工智能在骨科影像学中的有效性和可靠性	骨科影像学数据和研究文献	医学影像分析	骨科疾病	系统文献综述方法	CNN, 机器学习模型	医学影像	53项研究，包含11,990,643张影像	NA	卷积神经网络	Dice相似系数, 准确率, 灵敏度, 精确率, 特异性, F1分数, AUC	NA
8510	2025-10-06	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	研究论文	本研究评估基于深度学习的ASPECTS算法在急性缺血性卒中诊断中对医生性能和解读时间的影响	开发了首个FDA批准和CE认证的深度学习算法(CINA-ASPECTS)，可自动计算ASPECTS评分并显著提升诊断一致性	研究为回顾性设计，样本量相对有限(200例NCCT扫描)，仅涉及8名临床医生	评估深度学习算法在急性缺血性卒中ASPECTS评分中对医生诊断性能和效率的提升效果	急性缺血性卒中患者的非增强CT(NCCT)扫描图像	医学影像分析	急性缺血性卒中	非增强CT(NCCT)扫描，深度学习算法	深度学习模型	医学影像数据	200例NCCT扫描，来自5个临床中心的27种扫描仪型号	NA	NA	准确率, ROC曲线下面积(AUC), 观察者间可靠性, 相关系数, 解读时间	NA
8511	2025-10-06	Segment Anything for Microscopy 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02580-4 PMID:39939717	研究论文	开发基于Segment Anything的显微镜图像分割工具μSAM，通过微调通用模型提升多种显微镜成像条件下的分割质量	首次将视觉基础模型应用于显微镜领域，通过微调策略显著提升分割性能，并提供跨显微镜模态的统一解决方案	NA	解决显微镜图像中目标分割的准确性问题，开发通用分割工具	显微镜图像中的目标分割与追踪	计算机视觉	NA	光学显微镜，电子显微镜	基础视觉模型	显微镜图像	NA	NA	Segment Anything	分割质量	NA
8512	2025-10-06	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	系统分析基于深度学习的自动化肝脏分割面临的挑战及解决方案	首次将肝脏分割挑战系统分类为五大类别并对应分析解决方案	仅纳入2016-2022年Scopus和ScienceDirect数据库的88篇文献	分析肝脏分割技术面临的挑战及相应的网络模型改进方法	医学影像中的肝脏分割	数字病理	肝脏疾病	医学影像技术	深度学习模型	医学影像	88篇研究文献	NA	NA	评估指标	NA
8513	2025-10-06	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	本文系统综述了基于深度学习的MRI多发性硬化检测与分析方法	首次系统性地总结和比较了深度学习在多发性硬化MRI分析中的应用现状	仅纳入82篇相关研究，可能存在文献选择偏差	系统评估深度学习技术在多发性硬化MRI检测与分析中的应用效果	多发性硬化患者的MRI医学影像数据	医学影像分析	多发性硬化	磁共振成像	CNN	医学影像	基于82项研究的汇总数据	NA	NA	NA	NA
8514	2025-10-06	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	系统评估人工智能与可穿戴惯性测量单元在医疗领域的整合应用现状	首次系统性地分析AI模型与IMU数据在医疗领域的协同应用现状与挑战	研究主要基于临床环境（77%），缺乏真实场景验证；数据集规模较小（中位数50名参与者）	评估AI模型与可穿戴IMU在医疗保健中的整合应用	医疗领域中AI与IMU结合应用的研究文献	机器学习	神经系统疾病	可穿戴惯性测量单元（IMU）	机器学习,深度学习	IMU传感器数据	研究中数据集参与者中位数为50人	NA	线性回归,支持向量机,随机森林	NA	NA
8515	2025-10-06	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	开发基于病理组学的人工智能模型预测口腔白斑和头颈鳞癌中9号染色体短臂缺失及其预后	首次在口腔白斑和头颈鳞癌中开发基因组改变预测的深度学习模型，结合Transformer和XGBoost算法	回顾性研究设计，样本量相对有限	开发快速、经济有效的9号染色体短臂缺失预测模型并评估头颈鳞癌患者预后	口腔白斑和头颈鳞癌患者	数字病理	头颈鳞癌	苏木精-伊红染色全切片成像	Transformer, XGBoost	病理图像	333例口腔白斑病例（训练集217例，验证集93例，外部测试集23例），407例头颈鳞癌病例（两个多中心数据集分别为42例和365例）	NA	Transformer	AUC	NA
8516	2025-10-06	Cognitive Dysfunction in the Addictions (CDiA): protocol for a neuron-to-neighbourhood collaborative research program 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1455968 PMID:40462873	研究方案	介绍成瘾认知功能障碍研究项目的设计和实施方案，旨在通过多学科方法探索执行功能在物质使用障碍中的作用	采用从神经元到社区的多层次整合研究方法，结合临床、生物医学和健康服务研究，应用全人建模和深度学习识别患者亚型	研究样本仅限于18-60岁寻求治疗的SUD患者，随访时间为一年的限制	填补执行功能在物质使用障碍中作用的知识空白，开发更有效的干预措施	18-60岁寻求物质使用障碍治疗的成年患者（目标样本量400人）	医学研究	物质使用障碍	重复经颅磁刺激，血液生物标志物分析，全人建模	深度学习，聚类分析	临床数据，神经影像数据，生物标志物数据，医疗利用数据	400名18-60岁寻求SUD治疗的成年人	NA	NA	NA	NA
8517	2025-10-06	A deep learning aided bone marrow segmentation of quantitative fat MRI for myelofibrosis patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1498832 PMID:40485725	研究论文	使用深度学习U-Net模型自动化骨髓纤维化患者骨盆定量脂肪MRI中的骨髓分割	首次在骨髓纤维化患者的骨盆定量脂肪MRI中比较四种U-Net变体（2D U-Net、2D注意力U-Net、3D U-Net、3D注意力U-Net）的骨髓分割性能	研究仅包含58名患者样本，且仅针对骨盆区域的骨髓分割	开发自动化的骨髓分割方法用于骨髓纤维化患者的定量脂肪MRI分析	骨髓纤维化患者的骨盆MRI图像，重点关注股骨近端和髂后骨的骨髓区域	医学影像分析	骨髓纤维化	定量脂肪MRI	CNN	MRI图像	58名骨髓纤维化患者的容积图像（32训练、6验证、20测试）	NA	U-Net, 2D U-Net, 2D注意力U-Net, 3D U-Net, 3D注意力U-Net	平均Jaccard指数, 平均体积误差, 平均Hausdorff距离, 平均体积交并比	NA
8518	2025-10-06	Identification of Important Diagnostic Genes in the Uterine Using Bioinformatics and Machine Learning 2025, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.39.4 PMID:40486012	研究论文	本研究结合生物信息学和机器学习方法识别子宫癌的重要诊断基因	首次通过深度学习技术识别出MEX3B、CTRP2(C1QTNF2)和AASS作为子宫癌的新型生物标志物	研究基于特定数据库数据，需要进一步实验验证	利用生物信息学和机器学习算法识别子宫癌的诊断和预后相关基因	子宫体子宫内膜癌(UCEC)患者	机器学习	子宫癌	RNA表达谱分析，蛋白质-蛋白质相互作用网络分析	DNN	基因表达数据	NA	NA	深度神经网络	均方误差，均方根误差，R平方值，AUC，准确率	NA
8519	2025-10-06	Artificial intelligence based surgical support for experimental laparoscopic Nissen fundoplication 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1584628 PMID:40487013	研究论文	开发基于人工智能和计算机视觉的模型，用于分类腹腔镜Nissen胃底折叠术的质量指标	首个基于图像的AI/CV模型，用于分类腹腔镜Nissen胃底折叠术的质量指标	仅为实验性研究，未在临床Nissen胃底折叠术中进行测试	开发AI/CV算法支持手术质量评估	腹腔镜Nissen胃底折叠术的质量指标	计算机视觉	胃食管反流病	腹腔镜手术	CNN	图像, 视频	57个视频序列，提取3,138张图像	NA	EfficientNet	F1-Score, Equal Error Rate	NA
8520	2025-10-06	Metal artifact reduction combined with deep learning image reconstruction algorithm for CT image quality optimization: a phantom study 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19516 PMID:40487060	研究论文	通过体模研究评估智能金属伪影减少算法与深度学习图像重建算法结合对CT图像质量的优化效果	首次系统评估MAR算法与深度学习图像重建算法在不同扫描参数组合下的协同优化效果	基于体模研究，尚未在真实患者中进行验证	优化CT图像质量，减少金属伪影	带有起搏器的体模	医学影像处理	NA	CT扫描，金属伪影减少算法，深度学习图像重建	深度学习图像重建算法	CT图像	体模实验，包含标准剂量(3 mSv)和低剂量(0.5 mSv)两组，每组合三种管电压(70,100,120 kVp)	NA	DLIR-H（高强度深度学习图像重建）	伪影指数，噪声，信噪比，噪声功率谱	NA