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
841	2025-05-24	Ventricular Arrhythmia Classification Using Similarity Maps and Hierarchical Multi-Stream Deep Learning 2025-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3490187 PMID:39485690	research paper	该研究提出了一种使用相似性图和分层多流深度学习的心室心律失常分类方法	开发了相似性图这一新特征集，用于捕捉心电图轨迹中的规律性，并结合可学习的Parzen带通滤波器和导数特征，提出了一种分层多流ResNet34架构	NA	解决心室心动过速（VT）、心室颤动（VF）和非心室节律（NVR）之间的分类问题	心电图（ECG）数据	machine learning	cardiovascular disease	深度学习	ResNet34	ECG trace	NA
842	2025-05-24	Efficient spheroid morphology assessment with a ChatGPT data analyst: implications for cell therapy 2025-Mar, BioTechniques IF:2.2Q4 DOI:10.1080/07366205.2025.2493489 PMID:40264428	research paper	本研究开发了一种使用ChatGPT数据分析师进行深度学习的方法，用于自动测量球体大小以评估球体质量	利用ChatGPT数据分析师进行图像识别和处理，提供了一种可靠且高效的球体质量评估替代方法	未提及具体样本量的限制或潜在的偏差来源	开发一种自动测量球体大小的方法，以改善球体质量评估	由脂肪来源干细胞（ADSCs）生成的球体	digital pathology	osteoarthritis	deep learning, image recognition	ChatGPT Data Analyst	image	NA
843	2025-05-24	Multiple model visual feature embedding and selection method for an efficient oncular disease classification 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84922-y PMID:39934192	research paper	该研究提出了一种基于深度学习的自动化眼部疾病分类系统，旨在提高诊断精度并支持临床工作流程	引入了一种新颖的两级特征选择框架，结合了LDA和先进的神经网络分类器（DNN、LSTM和BiLSTM），显著降低了计算复杂度并提高了分类准确性	研究仅使用了ODIR数据集，可能无法涵盖所有类型的眼部疾病，且未提及在外部验证集上的表现	开发一个高效、可扩展的自动化眼部疾病检测系统，以支持临床决策	眼部疾病患者	computer vision	ocular disease	deep learning	DenseNet201, EfficientNetB3, InceptionResNetV2, DNN, LSTM, BiLSTM	image	5,000 patient fundus images
844	2025-05-24	Computational Methods for Predicting Chemical Reactivity of Covalent Compounds 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01591 PMID:39823568	研究论文	本文通过机器学习和量子力学计算，预测共价化合物的化学反应性，为共价药物的发现和开发提供计算工具	结合机器学习、深度学习和量子力学计算，开发了FP-Stack模型，显著提高了共价化合物反应性的预测准确性和计算效率	研究仅针对半胱氨酸靶向的共价化合物，可能不适用于其他类型的共价化合物	预测和调节共价化合物的化学反应性，以支持共价药物的发现和开发	419种半胱氨酸靶向的共价化合物	机器学习	NA	机器学习、深度学习、量子力学计算	FP-Stack	化学数据	419种半胱氨酸靶向的共价化合物
845	2025-05-24	Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3463481 PMID:39292577	research paper	该研究开发了一种基于深度卷积神经网络（DCNN）的束分类方法，用于预测耐药性癫痫儿童术后短期语言能力的改善	扩展了先前基于DCNN的束分类方法，利用高质量的全脑扩散加权成像连接组（wDWIC）数据库，提高了术前语言模块网络（LMNs）内连接标记的预测准确性	研究样本可能有限，且仅关注短期术后语言改善，未涉及长期效果	提高耐药性癫痫儿童术后语言能力改善的预测准确性	耐药性癫痫儿童	digital pathology	epilepsy	diffusion-weighted imaging connectome (wDWIC)	DCNN	image	独立验证队列中的核心/表达/接受域样本
846	2025-05-24	Deep Learning for Pediatric Sleep Staging From Photoplethysmography: A Transfer Learning Approach From Adults to Children 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3470534 PMID:39331540	研究论文	本研究利用深度学习技术，通过光电容积图（PPG）时间序列对儿童睡眠分期进行自动化分析，采用从成人到儿童的迁移学习方法	首次将迁移学习应用于儿童睡眠分期，利用成人数据集进行预训练，显著提高了儿童睡眠分期的准确性和泛化能力	对5岁以下儿童的性能表现有所下降，需要更多覆盖更广年龄范围的儿科数据集来完全解决泛化限制	开发一种基于PPG的自动化儿童睡眠分期方法	5-10岁儿童（CHAT数据集）和5岁以下儿童（Ichilov数据集）的睡眠数据	机器学习	睡眠障碍	PPG（光电容积图）	深度学习模型	时间序列数据	CHAT数据集（5-10岁儿童）和Ichilov数据集（5岁以下儿童）
847	2025-05-24	TFTL: A Task-Free Transfer Learning Strategy for EEG-Based Cross-Subject and Cross-Dataset Motor Imagery BCI 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3474049 PMID:39365711	研究论文	提出一种无任务迁移学习策略（TFTL），用于基于EEG的跨被试和跨数据集运动想象脑机接口（MI-BCI），以减少校准时间并实现多中心数据联合建模	提出TFTL策略，通过数据对齐、共享特征提取器和特定分类器的联合优化，实现跨数据集知识迁移，并仅使用目标被试的静息数据进行模型构建，实现无任务校准	未明确提及具体局限性，但跨数据集和跨被试的泛化性能可能受数据异质性影响	解决MI-BCI中因长时间校准和EEG数据不足导致的性能瓶颈，推动其从实验室走向临床应用	运动想象脑机接口（MI-BCI）系统	脑机接口	神经康复	EEG信号处理与迁移学习	ShallowConvNet, EEGNet, TCNet-Fusion	EEG信号	五个数据集（BCIC IV Dataset 2a, Dataset 1, Physionet MI, Dreyer 2023, OpenBMI），具体样本量未明确
848	2025-05-24	A Serial MRI-based Deep Learning Model to Predict Survival in Patients with Locoregionally Advanced Nasopharyngeal Carcinoma 2025-Feb, Radiology. Artificial intelligence DOI:10.1148/ryai.230544 PMID:39812582	research paper	开发并评估了一个基于深度学习的预后模型，用于通过诱导化疗前后的连续MRI预测局部晚期鼻咽癌患者的生存率	使用图卷积神经网络开发了一个结合放射组学和临床因素的预后模型，显著提高了预测疾病无进展生存期的准确性	研究为回顾性设计，可能存在选择偏差，且样本量虽大但来自特定时间段	预测局部晚期鼻咽癌患者的生存率并指导风险适应性治疗	1039名局部晚期鼻咽癌患者（779名男性和260名女性，平均年龄44岁±11）	digital pathology	nasopharyngeal carcinoma	MRI	graph convolutional neural networks	MRI图像	1039名患者（2011年12月至2016年1月诊断）
849	2025-05-24	NETest and Gastro-Entero-Pancreatic Neuroendocrine Tumors: Still Far from Routine Clinical Application? A Systematic Review 2025-Jan-27, Genes IF:2.8Q2 DOI:10.3390/genes16020161 PMID:40004490	系统性综述	本文系统性综述了NETest在胃肠胰神经内分泌肿瘤（GEP-NETs）诊断和预后分层中的应用	NETest结合实时PCR和深度学习策略，专门识别具有神经内分泌基因型的肿瘤	NETest在某些研究中显示出低特异性，主要归因于与其他胃肠道恶性肿瘤的干扰	评估NETest在GEP-NETs诊断和预后中的临床应用价值	胃肠胰神经内分泌肿瘤（GEP-NETs）	数字病理学	胃肠胰神经内分泌肿瘤	实时PCR, 深度学习	NA	分子数据	五项研究评估诊断作用，九项研究评估预后价值
850	2025-05-24	Predicting drug and target interaction with dilated reparameterize convolution 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86918-8 PMID:39833385	research paper	该研究提出了一种名为Rep-ConvDTI的新框架，用于预测药物与靶点的相互作用，通过大核卷积块和门控注意力机制提高预测性能	设计了用于提取大规模序列信息的大核卷积块，并引入了重参数化方法帮助大核卷积捕捉小尺度信息，同时开发了门控注意力机制以更高效地表征药物与靶点的相互作用	NA	解决药物靶点相互作用预测这一药物研究中的关键挑战	药物与靶点的相互作用	machine learning	NA	deep learning	CNN	sequence	三个基准数据集
851	2025-05-24	Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.036 PMID:39183131	研究论文	探讨基于超声的深度学习放射组学列线图（DLRN）在预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移中的可行性	结合临床特征、放射组学和深度迁移学习特征，构建融合算法预测模型，并验证其在生存分析中的有效性	研究样本量较小（243例），且为回顾性研究，可能存在选择偏倚	预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移，并验证融合算法的临床有效性	乳腺癌患者	数字病理	乳腺癌	深度学习放射组学、Cox回归模型	DLRN（深度学习放射组学列线图）	超声图像	243例接受新辅助化疗的乳腺癌患者
852	2025-05-24	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	research paper	开发了一种基于CT血管造影数据的深度学习模型，用于未破裂颅内动脉瘤的形态学测量，并在多中心数据集上验证其性能	提出了一种集成深度学习模型，能够同时进行未破裂颅内动脉瘤的检测、分割和形态学测量，并验证了其在多中心数据集上的性能	研究为回顾性设计，可能受到选择偏倚的影响	开发并验证一种用于未破裂颅内动脉瘤形态学测量的深度学习模型	未破裂颅内动脉瘤患者和健康对照者	digital pathology	intracranial aneurysms	CT angiography	nnU-Net	image	训练数据集包括1182名未破裂颅内动脉瘤患者和578名健康对照者，多中心外部测试集包括535名未破裂颅内动脉瘤患者
853	2025-05-24	Deep Learning and Multidisciplinary Imaging in Pediatric Surgical Oncology: A Scoping Review 2025-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70574 PMID:39812075	综述	本文综述了深度学习在儿科外科肿瘤学多学科成像中的应用	提供了深度学习在儿科外科肿瘤学多学科成像领域的全面概述，并指出了未来发展方向	由于纳入研究的异质性，无法对研究性能做出一般性陈述	探讨深度学习在儿科外科肿瘤学多学科成像中的应用	儿科实体肿瘤	数字病理学	儿科肿瘤	深度学习	NA	医学影像	36篇文章（放射学22篇，病理学9篇，其他影像诊断5篇）
854	2025-05-24	Prompting large language models to extract chemical‒disease relation precisely and comprehensively at the document level: an evaluation study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320123 PMID:40198724	研究论文	本研究评估了三种大型语言模型（GPT3.5、GPT4.0和Claude-opus）在文档级化学-疾病关系提取中的精确和全面提取能力	设计了基于提示工程的六种精确提取和五种全面提取工作流程，分析了大型语言模型在提取过程中的特性、内容偏见及错误特征	大型语言模型在提取过程中表现出一定的顽固性，提示工程策略效果有限，且存在对生物医学文本隐含含义的误解	评估大型语言模型在文档级化学-疾病关系提取中的能力	化学-疾病关系	自然语言处理	NA	提示工程	GPT3.5, GPT4.0, Claude-opus	文本	自建数据集
855	2025-05-24	Continuous three-dimensional transesophageal echocardiography and deep learning for perioperative monitoring of left ventricular longitudinal function 2025-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf052 PMID:40400533	研究论文	本研究开发了一种结合3D经食管超声心动图和深度学习的自动测量二尖瓣环平面收缩期位移（MAPSE）的新方法3D autoMAPSE，用于围手术期患者左心室功能的连续监测	结合3D经食管超声心动图和深度学习技术，首次实现了围手术期左心室功能的连续自动监测	研究样本量较小（50例），且仅在心脏手术后重症监护患者中进行验证	开发一种连续监测左心室功能的方法以改善心肺管理	心脏手术后成人重症监护患者	数字病理	心血管疾病	3D经食管超声心动图	深度学习	3D图像	50例心脏手术后成人重症监护患者
856	2025-05-24	Multimodal AI diagnostic system for neuromyelitis optica based on ultrawide-field fundus photography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1555380 PMID:40400634	research paper	开发了一种基于超广角眼底摄影的多模态AI诊断系统，用于预测视神经脊髓炎的发病和阶段	首次提出结合超广角眼底摄影和临床检查数据的多模态AI模型用于视神经脊髓炎的诊断	研究样本量相对有限，需要进一步的外部验证	开发用于视神经脊髓炎诊断和预测的AI模型	视神经脊髓炎患者和非患者的眼底图像及临床数据	digital pathology	neuromyelitis optica	deep learning	multimodal AI model	image, clinical reports	330 eyes from 285 NMO patients and 1,288 eyes from 770 non-NMO participants
857	2025-05-24	Multimodal LLMs for retinal disease diagnosis via OCT: few-shot versus single-shot learning 2025 Jan-Dec, Therapeutic advances in ophthalmology IF:2.3Q2 DOI:10.1177/25158414251340569 PMID:40400723	research paper	评估多模态大型语言模型（LLMs）在视网膜疾病诊断中的表现，比较单次学习和少次学习的准确性	首次评估GPT-4o和Claude Sonnet 3.5在视网膜疾病诊断中的表现，并比较单次学习和少次学习的差异	模型的诊断准确性尚未达到深度学习文献中报道的水平	评估多模态LLMs在视网膜疾病诊断中的表现	光学相干断层扫描（OCT）图像	digital pathology	retinal disease	OCT	GPT-4o, Claude Sonnet 3.5	image	3088 models' API calls from two public OCT datasets (OCTID, OCTDL)
858	2025-05-24	Integration of magnetic resonance imaging and deep learning for prostate cancer detection: a systematic review 2025, American journal of clinical and experimental urology IF:1.5Q3 DOI:10.62347/CSIJ8326 PMID:40400999	systematic review	该研究评估了深度学习与磁共振成像结合在前列腺癌检测和分层中提高诊断性能的总体影响	深度学习在前列腺癌的快速、敏感、特异和稳健检测及分层中显示出显著进展	过渡区前列腺癌的检测和分层是研究最少的领域	评估深度学习和磁共振成像结合在前列腺癌诊断中的效果	前列腺癌	digital pathology	prostate cancer	MRI, T2-weighted imaging (T2WI), apparent diffusion coefficient (ADC), diffusion-weighted imaging (DWI)	DL-based architectures	image	17,954 participants from 29 articles
859	2025-05-24	Advances in functional magnetic resonance imaging-based brain function mapping: a deep learning perspective 2025, Psychoradiology DOI:10.1093/psyrad/kkaf007 PMID:40401160	review	本文综述了基于深度学习的fMRI脑功能映射方法的演变及其应用	探讨了fMRI嵌入、脑基础模型和脑启发人工智能等新兴趋势及其在脑功能映射中的潜在革命性影响	未提及具体方法的性能比较或实验验证的局限性	综述深度学习在fMRI脑功能映射中的应用及未来发展方向	fMRI数据和脑功能映射方法	machine learning	NA	fMRI	CNN, RNN, transformers	fMRI数据	NA
860	2025-05-24	Data source and utilization of artificial intelligence technologies in vascular surgery-a scoping review 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1497822 PMID:40401223	综述	本文对血管外科中人工智能技术的数据来源和应用进行了范围审查	重点分析了自然语言处理在血管外科中的应用，并确定了目标期刊受众	自然语言处理在血管外科中的应用比例较低，存在未充分利用的情况	确定用于开发基于人工智能算法的数据来源，并评估其在血管外科不同领域的应用	血管外科相关研究	自然语言处理	心血管疾病	自然语言处理(NLP)、机器学习(ML)、深度学习(DL)	NA	图像、医疗记录、临床参数	342篇同行评审文章