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
8561	2025-12-21	Deep Learning-Based Segmentation of Lung Adenocarcinoma Whole-Slide Images for Objective Grading, Tumor Spread Through Air Spaces Identification, and Mutation Prediction 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100907 PMID:41075873	研究论文	本研究开发了一种基于深度学习的多类别分割模型，用于对肺腺癌数字化图像进行客观定量分级、检测肿瘤通过气腔扩散并预测基因突变	首次利用深度学习多类别分割模型同时实现肺腺癌的客观分级、肿瘤扩散检测及基因突变预测，提供了一种全面的病理分析新方法	研究基于特定数据集（766例非黏液性肺腺癌），模型在更广泛人群或黏液性亚型中的泛化能力需进一步验证	开发客观定量的肺腺癌病理分析工具以辅助诊断和治疗指导	肺腺癌切除标本的数字化全切片图像	数字病理学	肺癌	全切片图像数字化	深度学习分割模型	图像	766例非黏液性肺腺癌切除标本（内部108例标注，外部130例验证，剩余528例内部验证）	NA	Deep Multi-Magnification Network	P值统计显著性（P < 1×10），与病理学家解释的相关性	NA
8562	2025-12-21	The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis 2025-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108492 PMID:41241154	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型利用放射组学、基因组学和蛋白质组学数据预测非小细胞肺癌免疫治疗患者总生存期和无进展生存期的预后准确性	首次系统评估了人工智能模型在预测非小细胞肺癌免疫治疗生存结局方面的表现，并比较了不同数据模态（如蛋白质组学、基因组学、放射组学）和人工智能方法（深度学习与传统机器学习）的预测准确性	纳入研究存在异质性（I²统计量显示中度至高度异质性），且结论基于回顾性研究，需要前瞻性验证和多中心试验来支持临床整合	评估人工智能模型预测非小细胞肺癌患者接受免疫治疗后的生存结局（总生存期和无进展生存期）的预后准确性	接受免疫治疗的非小细胞肺癌患者	机器学习	肺癌	放射组学、基因组学、蛋白质组学	机器学习、深度学习	影像数据、基因组数据、蛋白质组数据	23项研究，共19,189名患者	NA	NA	风险比、95%置信区间、I²统计量	NA
8563	2025-12-21	Deep learning predicts potential reassortments of avian H5N1 with human influenza viruses 2025-Dec, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf396 PMID:41409712	研究论文	本文构建了一个名为HAIRANGE的注意力深度学习模型，用于预测禽流感H5N1与人类流感病毒之间潜在的人类适应性重配	开发了非预训练的Codon2Vec嵌入器，在基准测试中表现优于ESM2、DNABERT2等其他嵌入器，表明基因组上下文与病毒宿主或血清型高度相关	NA	预测禽流感H5N1与人类流感病毒之间潜在的人类适应性重配，评估大流行风险	禽流感H5N1甲型流感病毒（IAVs）与人类流感病毒（如H3N2）的重配事件	自然语言处理	流感	深度学习，聚合酶活性报告实验	注意力深度学习模型	基因组序列数据	NA	NA	HAIRANGE（包含Codon2Vec嵌入器）	基准测试比较（针对嵌入器），聚合酶活性验证	NA
8564	2025-12-21	High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model 2025-Dec, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502472 PMID:40838383	研究论文	本文设计了一种基于2D细胞挤压微流控装置的高通量细胞内递送平台，并结合深度学习模型进行自动化分析	开发了一种具有垂直通孔阵列的2D细胞挤压装置，显著提高了细胞内递送的吞吐量，并首次将深度学习驱动的实例分割与基于规则的图像处理系统结合，用于单细胞分辨率下的自动化定量分析	NA	实现高通量、高效的细胞内递送，并自动化分析递送效果	HeLa细胞、Jurkat细胞、人间充质干细胞（hMSCs）、人牙龈成纤维细胞（hGFs）	机器学习	NA	细胞挤压机械穿孔术、微流控技术、图像细胞术	深度学习模型	图像	NA	NA	NA	NA	NA
8565	2025-12-21	Virtual Histological Staining as a Tool for Extending Renal Segmentation Across Stains 2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100842 PMID:40712735	研究论文	本文提出了一种基于循环一致性生成对抗网络的方法，用于将肾脏组织H&E染色虚拟转换为PAS染色，以扩展深度学习分割模型的应用范围	首次利用英国慢性肾病生物库数据，开发了能够实现H&E到PAS虚拟染色的跨染色转换模型，并验证了其在肾小球分割中的实用性	虚拟染色与真实染色仍存在可区分性（病理学家识别率52.5%-75.8%），且尚未涵盖更多染色类型	解决肾脏病理学中多染色条件下深度学习分析工具通用性问题	肾脏组织切片图像（H&E和PAS染色）	数字病理学	慢性肾病	虚拟组织染色技术	GAN	全切片图像	来自英国16个肾病中心的多样化数据集（National Unified Renal Translational Research Enterprise），以及3个独立肾分割数据集（Kidney Precision Medicine Project, Human BioMolecular Atlas Program, Jayapandian等数据）	NA	循环一致性生成对抗网络	病理学家识别准确率（52.5%, 75.8%）	NA
8566	2025-12-21	Deep Learning-based Multiview Facial Identification as a Screening Tool for Cushing Syndrome 2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.016 PMID:40738260	研究论文	本研究开发了一种基于深度学习的多视角面部识别方法，用于辅助诊断库欣综合征	首次将多视角面部图像与深度学习模型结合，用于库欣综合征的筛查，并证明其诊断性能优于内分泌专家	样本量较小（训练队列42对，外部验证队列13对），可能影响模型的泛化能力	开发一种准确且易于获取的库欣综合征诊断工具	库欣综合征患者及其年龄、性别和体重指数匹配的对照组	计算机视觉	库欣综合征	多视角面部图像采集	深度学习	图像	训练队列：42对患者与对照组；外部验证队列：13对患者与对照组	NA	DenseNet, ResNet, Swin, ViT	准确率, 灵敏度, 特异性, 曲线下面积	NA
8567	2025-12-21	AI in Esophageal Motility Disorders: Systematic Review of High-Resolution Manometry Studies 2025-Nov-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85223 PMID:41308193	系统综述	本文系统综述了人工智能在食管高分辨率测压（HRM）判读中的应用，评估其诊断准确性、方法学、临床验证及实施障碍	首次系统性地梳理了AI在HRM判读中的演进轨迹，量化了AI相比人类专家在可重复性上的显著优势，并揭示了算法性能与临床转化之间的关键脱节	纳入研究存在显著的异质性，无法进行定量荟萃分析；所有研究均缺乏外部验证，且存在患者选择偏倚风险；尚无研究获得监管批准	评估当前AI在食管高分辨率测压（HRM）判读中的应用，并评估其诊断准确性、方法学途径、临床验证、实施障碍以及对胃肠病学实践的现实影响	使用AI或机器学习解释食管HRM的原始研究，研究对象为有食管症状的成人	医学人工智能	食管动力障碍	高分辨率食管测压（HRM）	传统机器学习, 深度学习	测压数据	17项研究，共4588名患者	NA	NA	准确率, 置信区间	NA
8568	2025-12-21	Radiomics-Based Machine Learning for the Detection of Myometrial Invasion in Endometrial Cancer: Systematic Review and Meta-Analysis 2025-Nov-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78809 PMID:41309108	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在检测子宫内膜癌肌层浸润中的诊断性能	首次对基于影像组学的机器学习（包括传统机器学习和深度学习）模型在检测子宫内膜癌肌层浸润方面的诊断性能进行了全面的系统综述和荟萃分析，并通过亚组分析比较了不同模型类型的效能	现有证据有限，主要依赖于内部验证，缺乏大规模、多中心的外部验证研究	系统评估基于影像组学的机器学习方法在识别子宫内膜癌肌层浸润方面的诊断性能，并比较传统机器学习与深度学习模型的差异，以指导无创诊断工具的研发或改进	子宫内膜癌患者	医学影像分析	子宫内膜癌	影像组学	机器学习, 深度学习	医学影像（磁共振成像, 超声成像）	19项研究，共4373名子宫内膜癌患者	NA	NA	敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比, 汇总受试者工作特征曲线下面积	NA
8569	2025-12-21	High-performance parallel multi-scale attention network with explainable AI for intelligent diagnosis of leaf diseases in agricultural systems 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26144-4 PMID:41298723	研究论文	本文提出了一种用于木薯和花生叶片病害智能诊断的高性能并行多尺度注意力网络，并结合可解释AI技术	提出了ROI-MDAN网络用于识别和分割叶片关键病害区域，开发了MSFNet-CAM模型利用并行多尺度特征和坐标注意力增强特征融合，并采用Grad-CAM解释模型决策过程	NA	开发基于深度学习的叶片病害检测框架以提高农业病害诊断准确率	木薯和花生的叶片	计算机视觉	植物病害	GAN数据增强	CNN, GAN	图像	NA	NA	ROI-MDAN, MSFNet-CAM	NA	NA
8570	2025-12-21	An AI-powered smart Agribot for detecting locusts in farmlands using IoT and deep learning 2025-Nov-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23497-8 PMID:41233495	研究论文	本研究提出了一种结合物联网、机器学习和深度学习的智能农业机器人系统，用于农田中蝗虫的实时检测	集成物联网框架与深度学习模型，并引入人工蜂群算法和SVC特征选择器优化蝗虫检测性能	在研究和实施过程中发现了一些局限性，但未在摘要中具体说明	开发一个智能农业机器人系统，以自动化方式检测农田中的蝗虫，防止其对农业生产造成损害	农田中的蝗虫	计算机视觉	NA	物联网传感器、深度学习、机器学习	CNN	图像、视频流	NA	NA	VGG19	准确率	NA
8571	2025-11-09	Correction to: Deep learning approach for tooth numbering and restoration detection on pediatric periapical radiographs in mixed dentition 2025-Nov-08, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06646-1 PMID:41205095	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8572	2025-12-21	Clinical consequences of deep learning image reconstruction at CT 2025-Nov-01, The British journal of radiology DOI:10.1093/bjr/tqaf152 PMID:40880286	评论	本文探讨了深度学习图像重建在CT中的临床应用、优势、挑战及未来研究方向	强调了深度学习重建相比传统迭代重建技术在降低图像噪声、改善噪声纹理和低剂量下空间分辨率方面的优势，并讨论了其在剂量减少和伪影减少方面的潜力	深度学习重建的性能受框架类型、训练数据、患者体型和临床任务的影响，可能引入模糊或伪影，且需要更多临床场景评估	评估深度学习图像重建在CT成像中的临床后果，包括剂量减少、图像质量维护和诊断准确性	CT成像中的深度学习重建技术，特别关注腹部应用	医学影像	NA	深度学习重建	深度学习模型	CT图像	NA	NA	NA	图像噪声、空间分辨率、诊断准确性	NA
8573	2025-12-21	Deep learning-empowered low-cost portable automated refraction system: A solution to the inadequate effective correction rate of refractive errors in resource-limited areas 2025-Nov, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.70027 PMID:41133975	研究论文	本文开发并验证了一种基于深度学习和红外偏心光折射的低成本便携式自动验光系统（TRDS），旨在提高资源有限地区屈光不正的矫正率	结合低成本硬件（CMOS探测器、红外LED）与端到端深度学习模型，利用362,000张图像训练，实现了高精度的便携式自动验光	在高近视亚组中表现一致性一般（M: r=0.62），且样本仅来自单一医院（北京同仁医院），可能限制泛化性	开发并验证一种低成本、便携的自动验光系统，以改善资源有限地区的屈光不正矫正效果	282名年龄在18-60岁的参与者，包括近视和远视患者	计算机视觉	屈光不正	红外偏心光折射	深度学习模型	图像	282名参与者，训练数据包含362,000张图像	NA	端到端深度学习模型	Pearson相关系数, Bland-Altman图, 组内相关系数, 矫正视力	NA
8574	2025-12-21	graphB3-an interpretable graph learning approach for predicting blood-brain barrier permeability 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf679 PMID:41405959	研究论文	本文提出了一种名为graphB3的可解释图学习模型，用于预测候选药物的血脑屏障通透性	提出了一种参数高效的基于图卷积的模型，利用分子中原子的详细信息进行预测，并能够解释分子中哪些部分对穿越血脑屏障最为重要	NA	预测候选药物的血脑屏障通透性，以辅助脑相关疾病的药物发现	候选药物分子	机器学习	脑相关疾病	NA	图卷积网络	分子图数据	NA	NA	graphB3	NA	NA
8575	2025-12-21	Artificial Intelligence as a Tool in the Diagnosis of Bladder Cancer: A Narrative Review 2025-Nov, Cureus DOI:10.7759/cureus.96958 PMID:41409960	综述	本文是一篇叙述性综述，总结了人工智能在膀胱癌诊断中的应用进展	系统性地综述了AI在膀胱癌诊断中跨多种模态（如膀胱镜、组织病理学、尿液生物标志物和基因组数据）的应用，并强调了其在提高诊断精度、早期检测和工作流效率方面的潜力	当前临床采用面临数据质量、算法透明度和伦理治理等挑战，需要多中心合作开发可解释且经过验证的模型	总结并批判性评估人工智能在膀胱癌诊断中的应用进展	膀胱癌	数字病理学	膀胱癌	NA	深度学习	图像、生物标志物数据、基因组数据	NA	NA	NA	准确性	NA
8576	2025-12-21	Transforming [177Lu]Lu-PSMA-617 treatment planning: Machine learning-based radiodosiomics and swin UNETR using pretherapy PSMA positron emission tomography/computed tomography (PET/CT) 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70030 PMID:40985608	研究论文	本研究开发了基于机器学习的放射剂量组学模型和基于Transformer的深度学习架构，用于预测转移性去势抵抗性前列腺癌患者接受[177Lu]Lu-PSMA-617治疗后的病灶吸收剂量和剂量率图，以优化个性化治疗计划	首次将临床生物标志物与从Ga-PSMA PET/CT提取的放射组学特征和剂量组学特征相结合，开发机器学习模型预测治疗后吸收剂量；并采用基于Swin UNETR的Transformer架构预测剂量率图，减少对计算密集型蒙特卡洛模拟的依赖	研究样本量较小（机器学习部分20例患者，深度学习部分30例患者），且为回顾性研究，需要更大规模的前瞻性验证	优化转移性去势抵抗性前列腺癌患者的[177Lu]Lu-PSMA-617放射性配体治疗的个性化预处理剂量计划	转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	PET/CT成像，蒙特卡洛模拟	集成树回归器，Transformer	PET/CT图像，剂量率图	机器学习部分20例患者，深度学习部分30例患者（包含额外10例）	GATE v9.1, LIFEx v7.4.0	Swin UNETR	R2, RMSE, NRMSE, Gamma通过率	NA
8577	2025-12-21	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	本研究开发并验证了一种基于深度学习的模型，利用腹部双参数MRI预测肝脏硬度，以评估慢性肝病患者的肝纤维化程度	开发了首个基于多中心、多厂商数据的深度学习模型DeepLiverNet2.0，利用常规临床非对比腹部T1加权和T2加权MRI数据预测MRE衍生的肝脏硬度，无需额外MRE检查	模型性能虽合理但仍有提升空间，未整合临床特征，未来需进一步优化以减少对MRE的依赖	开发并验证深度学习模型，利用常规临床双参数MRI数据预测肝脏硬度，作为肝纤维化的替代标志物	成人和儿童慢性肝病患者，来自四个机构的MRI检查数据	数字病理学	慢性肝病	MRI, MRE	深度学习模型	图像	4295名患者的4695次MRI检查，包括成人和儿童	NA	DeepLiverNet2.0	AUROC	NA
8578	2025-12-21	Balancing Model Complexity and Clinical Deployability in Deep Learning for Sociodemographic Information Extraction 2025 Jan-Dec, Journal of primary care & community health DOI:10.1177/21501319251404193 PMID:41403044	研究论文	本研究系统评估了六种卷积神经网络架构，包括集成传统分类器的混合模型，用于从电子病历文本中提取多个人口统计学特征，旨在平衡模型复杂性与临床部署性	通过比较不同复杂度的CNN架构，发现简单单层CNN在数据不平衡和文档模式多样条件下表现更优，为临床NLP管道提供了高效可解释的模型选择框架	研究仅基于4375名患者数据，且混合模型对稀疏或多样性特征提取效果有限，未涉及其他深度学习架构如Transformer的对比	评估模型复杂性和词汇多样性对从EMR文本中提取人口统计学信息分类性能的影响，以支持临床决策和健康公平研究	来自96家初级保健诊所的4375名患者的电子病历文本数据	自然语言处理	NA	文本分类	CNN	文本	4375名患者	NA	单层CNN, 混合CNN模型	F1分数, 精确率, 召回率, 精确率-召回率曲线下面积, 马修斯相关系数	NA
8579	2025-12-21	Estimating weaning duration from incremental dentine δ15N and δ13C using a sequence-based LSTM neural network: A deep learning framework for bioarchaeological applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337619 PMID:41406149	研究论文	本研究开发了一种基于序列的LSTM神经网络模型，利用牙本质增量δ15N和δ13C数据来估计断奶持续时间	首次引入专门用于从序列同位素数据估计断奶持续时间的机器学习框架，利用δ15N和δ13C的序列模式，并整合时间特征和牙齿类型编码	模型仅在279个个体的数据集上训练，且概念验证仅使用20个个体进行比较	开发一种用于生物考古学应用的深度学习框架，以估计过去人群的断奶持续时间	来自三个牙齿类型（M1, dM1, dM2）的序列同位素数据	机器学习	NA	同位素分析（δ15N和δ13C）	LSTM	序列数据	279个个体（训练数据），20个个体（概念验证）	NA	LSTM	RMSE, MAE, R2	NA
8580	2025-12-21	Automated Classification Radiograph of Periodontal Bone Loss Using Deep Learning 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251405305 PMID:41409255	研究论文	本研究评估并比较了InceptionV3、InceptionV4和ResNet-50三种深度学习架构在牙科全景片（OPG）上对牙周骨丧失进行分类的性能	首次系统比较了InceptionV3、InceptionV4和ResNet-50在牙周骨丧失OPG图像分类任务中的表现，并确定了ResNet-50的优越性	数据集规模有限，未来可通过扩大数据集、探索更先进的数据增强和超参数调优来提升模型鲁棒性	评估和比较不同深度学习架构在牙周骨丧失OPG图像分类中的准确性和可靠性	牙科全景片（OPG）图像，用于表征不同等级的牙周骨丧失特征	计算机视觉	牙周病	牙科放射影像学（OPG）	CNN	图像	未明确说明具体样本数量，但提及使用了OPG图像数据集	MATLAB	InceptionV3, InceptionV4, ResNet-50	准确率, 精确率, 召回率, F1分数	配备GeForce RTX 4060 GPU的Dell计算机