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
881	2025-07-02	3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis 2025-Jun-19, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102587 PMID:40582300	研究论文	提出了一种基于变分点云自编码器（Point VAE）的几何深度学习方法，用于3D心脏形状和功能分析，并应用于心肌梗死预测和虚拟心脏合成	首次将多尺度特征学习直接应用于高分辨率多类别3D心脏解剖点云表示，能够捕捉复杂非线性3D形状变异性，并在低维可解释潜在空间中实现	未提及具体局限性	开发一种新型几何深度学习方法，用于3D心脏形状和功能分析，以提高心肌梗死的预测准确性并支持虚拟心脏合成	人类心脏的3D解剖结构和功能变异性	计算机视觉	心血管疾病	变分点云自编码器（Point VAE）	VAE	3D点云	超过10,000名受试者
882	2025-07-02	Psychometric properties of an Iranian instrument for assessing adherence to ethical principles in the use of artificial intelligence among healthcare providers 2025-Jun-19, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106019 PMID:40582296	研究论文	本研究开发并验证了一种用于评估医疗保健提供者在人工智能使用中遵守伦理原则的工具	开发了一种新的评估工具，用于衡量医疗保健提供者在AI应用中遵守伦理原则的情况	需要进一步研究以提供更全面和详细的理解	评估医疗保健提供者在人工智能使用中遵守伦理原则的情况	医疗保健提供者	医疗伦理	NA	心理测量学方法（探索性因子分析、Cronbach's alpha、ICC）	NA	问卷数据	未明确说明样本量
883	2025-07-02	A prior knowledge-supervised fusion network predicts survival after radiotherapy in patients with advanced gastric cancer 2025-Jun-19, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103184 PMID:40587926	研究论文	提出一种基于先验知识的多模态融合方法，用于预测晚期胃癌患者放疗后的总生存期	引入先验知识监督融合网络（PKSFnet），结合新型采样策略和多域特征融合模块（MdFF），自适应融合挖掘多模态信息	未明确说明模型在外部验证集上的泛化性能或临床部署的可行性	预测晚期胃癌患者放疗后的总生存期，辅助临床诊疗决策	晚期胃癌患者的CT影像及多模态数据	数字病理	胃癌	多模态数据融合	PKSFnet（先验知识监督融合网络）	CT影像及其他多模态临床数据	未明确说明具体样本量，涉及患者数据空间分析
884	2025-07-02	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Jun-18, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	research paper	提出了一种基于张量的分类框架SSTC，用于高光谱图像分类，通过学习共享的空间和光谱子空间来提高分类性能	采用部分Tucker分解学习共享子空间，有效降维并保留维度间关键关系，提升了分类性能并增强了可解释性	未明确提及具体局限性	开发高效的高光谱图像分类方法，用于食品质量评估	高光谱图像数据	computer vision	NA	partial Tucker decomposition	SSTC (Shared Subspace Tensor Classification)	hyperspectral image	涉及李子皮下瘀伤检测和芒果成熟度分类两个任务，具体样本量未明确说明
885	2025-07-02	Redefining parameter-efficiency in ADHD diagnosis: A lightweight attention-driven kolmogorov-arnold network with reduced parameter complexity and a novel activation function 2025-Jun-13, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112016 PMID:40587919	研究论文	提出一种基于Kolmogorov-Arnold Network (KAN)的新型参数高效框架，用于ADHD诊断，显著减少参数复杂度并保持高分类准确率	引入基于注意力的特征选择机制、具有可学习系数的新型激活函数以及滑动窗口数据增强技术，显著降低参数数量并提升性能	仅在ADHD-200数据集上进行了验证，未在其他数据集或实际临床环境中测试	解决ADHD诊断中深度学习模型的高复杂性和低效率问题	ADHD患者的脑连接特征	数字病理学	ADHD（注意力缺陷多动障碍）	深度学习	Kolmogorov-Arnold Network (KAN)	脑连接特征数据	ADHD-200基准数据集
886	2025-07-02	A fully open AI foundation model applied to chest radiography 2025-Jun-11, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09079-8 PMID:40500447	research paper	本文介绍了一种名为Ark的全开放AI基础模型，专用于胸部X光片的诊断，通过循环积累和重用来自多个数据集的异构专家标签知识进行预训练	Ark模型扩展了诊断范围，解决了潜在的误诊问题，能够适应不断变化的诊断需求并应对新疾病，还能从少量样本中学习罕见病症并在无需训练的情况下迁移到新的诊断环境	NA	开发一个能够自动化解释胸部X光片的深度学习模型，提高诊断的准确性、适应性和可扩展性	胸部X光片	digital pathology	lung disease	deep learning	foundation model	image	numerous datasets with heterogeneous expert labels
887	2025-07-02	Integrating GWAS and Transcriptomic Data Using PrediXcan and Multimodal Deep Learning Reveals Genetic Basis and Drug Repositioning Opportunities for Alzheimer's Disease 2025-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.02.25319880 PMID:40585083	研究论文	本研究整合多组学数据与先进人工智能方法，揭示阿尔茨海默病表型调控的分子基础，并探索基于个体遗传背景的个性化药物重定位策略	结合PrediXcan方法和多模态深度学习模型AD-MIF，显著提升AD相关表型预测的AUC值10-20%，并发现新的药物重定位机会	研究样本量相对有限（553个背外侧前额叶皮层样本），且仅在SAMP8 AD模型小鼠中验证了部分药物效果	阐明阿尔茨海默病的复杂分子机制并探索个性化治疗策略	阿尔茨海默病相关的基因、分子通路和候选药物	机器学习	阿尔茨海默病	GWAS、转录组数据分析、多模态深度学习	AD-MIF（多模态信息融合模型）、autoencoder、graph autoencoder	基因型数据、基因表达数据	553个背外侧前额叶皮层样本（来自ROSMAP数据库）
888	2025-07-02	Deep Learning-Based Segmentation of Gravity-Loaded Human Spine 2025-Jun-10, Journal of visualized experiments : JoVE DOI:10.3791/67781 PMID:40587489	研究论文	本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人类脊柱图像，以更准确地评估脊柱对齐情况	使用带有3D卷积层和残差连接的U-Net CNN进行脊柱分割，并能够导出3D模型用于3D打印	未提及模型在多样化人群中的泛化能力或与其他成像技术的比较	开发一种可靠且适应性强的工具，用于在重力加载条件下准确分割脊柱和其他解剖结构	重力加载条件下的人类脊柱图像	数字病理学	脊柱侧弯和退行性椎间盘疾病	负重锥形束计算机断层扫描(CBCT)	U-Net CNN	3D图像	未提及具体样本数量
889	2025-07-02	The value of machine learning based on magnetic resonance imaging (MRI) and biopsy whole-slide image to predict pathological complete response to breast cancer after neoadjuvant chemotherapy: a two-centre study 2025-Jun-04, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106976 PMID:40582270	research paper	本研究开发和验证了一个基于MRI和活检全切片图像的联合模型，用于预测乳腺癌新辅助化疗后的病理完全缓解	结合临床病理特征、放射组学特征和病理组学深度学习特征，开发了一个新的联合预测模型	研究为回顾性设计，样本来自两个机构，可能存在选择偏差	预测乳腺癌患者在新辅助化疗后的病理完全缓解	331名经病理证实为浸润性乳腺癌并接受新辅助化疗的患者	digital pathology	breast cancer	MRI, WSI, deep learning	AlexNet, LASSO regression	image	331名患者
890	2025-07-02	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-Jun, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	研究论文	本研究整合社会健康决定因素（SDoH）与传统风险因素，利用机器学习和深度学习模型预测健康老年人的心血管疾病（CVD）风险	首次将SDoH与传统CVD风险因素结合，利用先进的ML和DL模型进行风险预测，并发现SDoH对女性预测效果更显著	研究对象仅限于70岁及以上无CVD、痴呆和独立性受限身体残疾的老年人，可能限制结果的普适性	提高心血管疾病风险预测的准确性	12,896名70岁及以上初始无CVD、痴呆和独立性受限身体残疾的老年人（5,884名男性和7,012名女性）	机器学习	心血管疾病	机器学习和深度学习	Random Survival Forest (RSF), Deepsurv, Neural Multi-Task Logistic Regression (NMTLR)	纵向研究数据	12,896人（5,884名男性和7,012名女性）
891	2025-07-02	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-Jun, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	研究论文	研究锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段的神经保护作用	使用深度学习模型预测脑龄，探讨锂和喹硫平对首次躁狂发作（FEM）患者脑结构的影响	样本量较小，随访时间较短，未能观察到治疗组间的显著差异	评估锂和喹硫平对首次躁狂发作（FEM）患者的神经保护效果	首次躁狂发作（FEM）的年轻患者（15-25岁）	数字病理学	双相情感障碍和分裂情感性障碍	T1加权扫描和深度学习模型	深度学习模型	MRI图像	FEM患者39人（锂治疗21人，喹硫平治疗18人），健康对照组29人，训练数据集53,542人
892	2025-07-02	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-Jun, 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.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	首次提出结合3D Res U-net和多元逻辑回归的全自动图像质量评估模型，并在多中心数据集中验证其性能	研究为回顾性设计，且仅评估了颈动脉CTA图像	开发高效准确的颈动脉CTA图像质量自动化评估方法	颈动脉CT血管造影图像	数字病理	心血管疾病	CT血管造影	3D Res U-net + 逻辑回归	医学影像	840例来自4家三甲医院的颈动脉CTA图像
893	2025-07-02	Bppv nystagmus signals diagnosis framework based on deep learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01542-0 PMID:40358819	research paper	提出了一种基于深度学习的BPPV眼震信号诊断框架，用于改善良性阵发性位置性眩晕的诊断	开发了结合Egeunet神经网络模型和FFT等数学统计技术的综合框架，提高了眼震数据的精确分割和分析能力	未明确提及样本量或具体临床验证结果	改善BPPV的诊断准确性和临床决策支持	良性阵发性位置性眩晕（BPPV）患者的眼震信号	digital pathology	geriatric disease	Fast Fourier Transform (FFT)	Egeunet (CNN-based)	eye movement signals	NA
894	2025-07-02	Dual-energy CT-based virtual monoenergetic imaging via unsupervised learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01560-y PMID:40448904	研究论文	本研究提出了一种基于无监督学习的双能CT虚拟单能成像方法，用于提高图像质量	采用无监督学习方法直接从双能CT图像生成虚拟单能图像，无需高质量标注数据	仅初步验证了方法在患者数据上的有效性，需要更大规模的研究进一步验证	提高双能CT虚拟单能成像的图像质量	双能CT图像和虚拟单能图像	医学影像处理	NA	双能CT	深度学习模型	医学影像	患者数据
895	2025-07-02	PanEcho: Complete AI-enabled echocardiography interpretation with multi-task deep learning 2025-Apr-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.16.24317431 PMID:40321248	研究论文	开发并评估了一个名为PanEcho的多任务深度学习AI系统，用于自动解读超声心动图	提出了一个能够自动解读超声心动图的AI系统PanEcho，并在多地点进行了验证	研究为回顾性分析，可能需要在更多前瞻性研究中验证其性能	开发并评估AI系统在超声心动图解读中的准确性	超声心动图视频和参数	数字病理	心血管疾病	多任务深度学习	深度学习模型	视频	1.2百万个超声心动图视频，来自24,405名患者的32,265次TTE研究
896	2025-07-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤异柠檬酸脱氢酶（IDH）基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测IDH突变状态	研究为回顾性设计，样本量相对有限，且仅基于T2图像	探索DLRN在预测脑胶质瘤IDH基因型中的应用	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习放射组学	混合模型（深度学习+放射组学+临床特征）	医学影像（T2图像）	402名患者（训练队列239名，内部验证队列103名，外部验证队列60名）
897	2025-07-02	Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110770 PMID:39894259	研究论文	本研究开发并验证了一种多尺度深度学习放射组学列线图，用于预测胰腺导管腺癌患者的无复发生存期	结合手工放射组学和深度学习特征，构建多尺度列线图，显著优于传统的AJCC分期系统	研究样本来自四家医院，可能存在选择偏倚；外部验证集的表现差异较大	预测胰腺导管腺癌患者的无复发生存期，以改善术前临床决策	469名胰腺导管腺癌患者	数字病理	胰腺癌	放射组学分析、深度学习	多尺度深度学习模型	医学影像	469名患者（来自四家医院）
898	2025-07-02	Multi-center study: ultrasound-based deep learning features for predicting Ki-67 expression in breast cancer 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94741-4 PMID:40133523	研究论文	应用深度学习算法挖掘乳腺癌超声特征，构建预测Ki-67表达水平的机器学习模型	整合肿瘤及瘤周区域的深度特征构建融合模型，并在多中心回顾性研究中验证其性能	模型在特异性方面表现一般，瘤周区域模型的ROAUC相对较低	开发高精度预测乳腺癌Ki-67表达水平的模型	929名乳腺癌患者的临床及超声数据	数字病理	乳腺癌	深度学习	SVM, LightGBM	超声图像	929名患者（多中心回顾性数据）
899	2025-07-02	Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408451 PMID:39792693	研究论文	该研究开发了一种名为HER2Net的深度学习模型，用于基于全切片组织病理学图像预测胃癌的HER2状态	创新性地开发了HER2Net模型，通过定量计算HER2高表达区域的比例来预测HER2状态	研究为回顾性多中心研究，可能存在选择偏倚	开发一种经济可行且易于使用的工具，用于区分胃癌患者的HER2状态	胃癌患者的全切片组织病理学图像	数字病理学	胃癌	深度学习	CNN	图像	内部训练集520名患者的531张H&E全切片图像，内部测试集111名患者的115张图像，外部多中心测试集101名患者的102张图像
900	2025-07-02	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究探讨了基于乳腺MR和超声的纵向多模态深度学习在预测乳腺癌新辅助化疗后病理完全缓解中的价值	利用纵向多模态深度学习和堆叠模型进行早期无创预测，为乳腺癌患者提供个性化治疗策略	回顾性研究设计可能影响结果的普遍性，且样本量有限	早期预测乳腺癌患者对新辅助化疗的响应，以辅助个性化治疗策略的制定	乳腺癌患者	数字病理	乳腺癌	深度学习	ResNet50, 堆叠模型	图像	448名患者来自三个中心