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
81	2025-08-10	Detecting structural heart disease from electrocardiograms using AI 2025-Aug, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	使用AI从心电图中检测结构性心脏病	开发了一个深度学习模型EchoNext，能够在大规模多样化人群中检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性	模型在未进行心脏成像的患者中进行了前瞻性评估，但未提及对其他潜在混杂因素的考虑	提高结构性心脏病的早期检测率，扩大筛查可及性	结构性心脏病患者	机器学习	心血管疾病	深度学习	EchoNext	心电图和影像记录	超过100万份心电和影像记录
82	2025-08-10	Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines 2025-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02772-6 PMID:40759747	research paper	该研究比较了五种基础模型和两种其他深度学习模型与简单基线方法在预测单次或双次基因扰动后转录组变化方面的表现	研究发现深度学习基础模型在基因扰动效应预测上并未超越简单线性基线方法，强调了关键基准测试在方法开发和评估中的重要性	研究仅比较了有限数量的模型，可能未涵盖所有先进的深度学习方法	评估深度学习模型在基因扰动效应预测方面的性能	单细胞数据中的基因扰动效应	machine learning	NA	NA	foundation models, deep learning models	transcriptome data	NA
83	2025-08-10	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-Aug, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于MRI的卵巢病变分类方法，结合了Meta的分割模型和多模态分析，并在多中心数据上验证了其性能	创新点包括使用Meta的Segment Anything Model (SAM)进行自动分割，结合DenseNet-121深度学习模型进行多模态分析，并在多中心数据上验证了模型的泛化能力	研究的主要局限性在于外部验证数据集的样本量相对较小，可能影响模型的泛化性能评估	开发一种高效、可泛化的MRI卵巢病变分类方法	卵巢病变患者的多参数MRI数据	数字病理	卵巢病变	MRI, 深度学习	DenseNet-121	MRI图像和临床数据	主要数据集包括来自448名女性的534个病灶，外部数据集包括来自55名女性的58个病灶和来自29名女性的29个病灶
84	2025-08-10	Real-Time Prediction of Correct Yoga Asanas in Healthy Individuals With Artificial Intelligence Techniques: A Systematic Review for Nursing 2025-Aug, Nursing open IF:2.0Q2 DOI:10.1002/nop2.70278 PMID:40768382	系统综述	本文系统综述了利用人工智能技术实时预测瑜伽体式以提高健康个体生活质量的研究	整合深度学习和机器学习模型以提高实时瑜伽体式预测的准确性	仅纳入15项研究，样本量较小，可能存在选择偏倚	提高健康个体瑜伽练习的实时预测准确性	健康个体的瑜伽体式	机器学习	NA	深度学习和机器学习	DL和ML模型	NA	15项研究
85	2025-08-10	Development and Validation of Survival Prediction Models for Patients With Pineoblastomas Using Deep Learning: A SEER-Based Study 2025-Aug, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70303 PMID:40771018	研究论文	本研究开发并验证了基于深度学习的松果体母细胞瘤患者生存预测模型	首次将深度学习模型应用于松果体母细胞瘤患者的生存预测，相比传统CPH模型表现出更高的准确性	样本量较小（仅145例患者），且数据来源于单一数据库（SEER）	开发能够预测松果体母细胞瘤患者3年生存率的深度学习模型	松果体母细胞瘤患者	数字病理学	松果体母细胞瘤	深度学习	DNN	临床数据	145例患者（来自SEER数据库1975-2019年数据）
86	2025-08-10	DeepQR: single-molecule QR codes for optical gene-expression analysis 2025-Aug, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0236 PMID:40771425	research paper	DeepQR结合紧凑光谱成像与深度学习，实现仅用3个光谱检测窗口进行4色采集，用于单分子光学基因表达分析	通过紧凑光谱成像与深度学习结合，实现仅用3个光谱检测窗口进行4色采集，显著提高了单分子成像的多路复用能力	NA	开发一种新型单分子光学基因表达分析方法，提高多路复用能力和采集效率	单分子荧光标记的RNA靶标	光学成像	NA	紧凑光谱成像与深度学习	深度学习	光学图像	临床样本（具体数量未提及）
87	2025-08-10	Adaptive normalizing flows for solving Fokker-Planck equation 2025-Aug-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0273776 PMID:40779784	research paper	提出了一种自适应归一化流框架（ANFFP）来解决Fokker-Planck方程，该框架在保持概率解释性的同时提高了小样本条件下的适用性	结合归一化流的生成模型特性，解决了传统高斯混合模型和深度学习求解器在解释性和样本需求上的不足	计算复杂度需要进一步详细讨论，且在高维情况下的实际应用仍需验证	解决Fokker-Planck方程，特别是在高维和小样本条件下的应用	扩散过程的概率响应，通过随机微分方程（SDEs）驱动	machine learning	NA	normalizing flows	ANFFP	numerical data	涉及一维、二维和四维SDEs的数值示例
88	2025-08-10	Spatial-temporal cascaded network for dynamic [11C]acetate cardiac PET parametric images generation based on one-tissue compartment model 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.18016 PMID:40781790	研究论文	本研究提出了一种基于深度学习的空间-时间级联网络（STCN），用于生成基于单组织室模型（1TCM）的[11C]乙酸盐心脏PET参数图像，旨在缩短动态PET数据的采集时间	提出了一种结合卷积模块和Transformer模块的空间-时间级联网络（STCN），并整合了动力学模型的时间损失函数，以优化参数图像的生成质量	在K1参数图像的生成上，STCN的PSNR略低于Pix2pix模型，表明在某些参数上仍有改进空间	探索减少心脏[11C]乙酸盐PET参数分析所需时间的可行性	动态[11C]乙酸盐心脏PET/CT成像数据	数字病理学	心血管疾病	PET/CT成像，深度学习	空间-时间级联网络（STCN），U-Net, Pix2pix, CycleGAN	动态PET图像数据	57名受试者（训练集40名，测试集17名）
89	2025-08-10	Robust real-time segmentation of bio-morphological features in human cherenkov imaging during radiotherapy via deep learning 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.18002 PMID:40781822	研究论文	本研究提出了一种基于深度学习的实时分割方法，用于在放射治疗期间通过切伦科夫成像对人体生物形态特征进行分割	首次将深度学习框架应用于切伦科夫成像中的生物形态特征分割，实现了视频帧率的处理速度	使用的切伦科夫数据集规模较小（1483张图像），可能影响模型的泛化能力	开发实时分割方法以验证放射治疗中的定位和运动管理	19名乳腺癌患者的切伦科夫成像数据	数字病理	乳腺癌	深度学习	ResNet	图像	19名患者（179张测试图像）
90	2025-08-10	Hybrid phantom for lung CT: Design and validation 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17990 PMID:40781832	研究论文	本文介绍并验证了一种用于肺部CT的混合体模设计，该体模结合了基于任务的图像质量评估和拟人化评估两种设置	创新点在于将基于任务的设置(Mercury)与基于患者的设置(Freddie)结合在一个独特的体模中，增强了在临床场景中应用可检测性指数优化CT协议的潜力	在特定光束能量下，用于体模构建的三种材料(TangoBlack+、VeroClear和HIPS)的标称和观察到的HU值一致性超出15%	优化肺部CT成像协议，特别是针对肺癌筛查的低剂量CT(LDCT)	肺部CT混合体模	数字病理	肺癌	CT成像、深度学习重建算法	NA	CT图像	5名胸部放射科医生和8名非放射科医生的观察(读者研究)
91	2025-08-10	Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17976 PMID:40781836	研究论文	开发并评估了一种基于深度学习的无传输衰减补偿方法，用于DaT SPECT成像	提出了一种无需CT扫描的深度学习衰减补偿方法，解决了传统方法中CT不可用的问题	研究基于虚拟患者数据，需要进一步临床验证	开发一种可靠的无CT衰减补偿方法用于DaT SPECT成像	多巴胺转运体(DaT) SPECT图像	数字病理学	帕金森病	SPECT成像, 深度学习	U-net	医学影像	150名虚拟患者用于训练，47名用于评估
92	2025-08-10	Machine Learning for 1-Year Graft Failure Prediction in Lung Transplant Recipients: The Korean Organ Transplantation Registry 2025-Aug, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70268 PMID:40782091	research paper	本研究利用深度学习模型预测肺移植受者1年内移植失败的风险	首次在韩国器官移植登记数据上开发并验证了基于深度学习的1年移植失败预测模型	需要进一步验证以确认其临床适用性	优化肺移植决策效率，提高候选者选择准确性	肺移植受者	machine learning	lung transplant complications	deep learning	multilayer perceptron	clinical registry data	240例肺移植受者
93	2025-08-10	Deep learning-based classification of fungal and Acanthamoeba keratitis using confocal microscopy 2025-Jul-31, The ocular surface DOI:10.1016/j.jtos.2025.07.012 PMID:40752665	研究论文	本研究利用深度学习技术对真菌性和棘阿米巴性角膜炎进行基于共聚焦显微镜图像的分类	首次使用深度学习模型（ResNet50）对真菌性和棘阿米巴性角膜炎进行自动分类，并实现了真菌性角膜炎亚型（丝状与非丝状）的细分	非特异性角膜炎的分类性能较低（78%精度，71%召回率），且样本量相对有限（1975张图像）	提高微生物性角膜炎的诊断准确性并指导针对性治疗策略	真菌性角膜炎（FK）、棘阿米巴性角膜炎（AK）和非特异性角膜炎（NSK）的共聚焦显微镜图像	数字病理学	角膜炎	共聚焦显微镜成像	ResNet50（迁移学习）	图像	1975张图像（1137 FK，457 AK，381 NSK）
94	2025-08-10	Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes 2025-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.25.666829 PMID:40766630	研究论文	介绍了一个名为Tranquillyzer的灵活神经网络框架，用于长读长转录组的结构注释和解复用	采用混合神经网络架构和全局上下文感知设计，能够精确识别结构元素，即使元素因测序噪音或文库构建变异而发生移位、部分降解或重复	未明确提及具体局限性	开发一个灵活、可扩展的框架，用于处理长读长单细胞RNA测序数据	长读长单细胞RNA测序数据	生物信息学	NA	Oxford Nanopore Technologies (ONT) 长读长测序	混合神经网络	RNA测序数据	未明确提及具体样本量
95	2025-08-10	A narrative review on innovations of thyroid nodule ultrasound diagnosis: applications of robot and artificial intelligence technology 2025-Jul-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-75 PMID:40771369	review	本文综述了机器人和人工智能技术在甲状腺结节超声诊断中的创新应用	探讨了机器人自动扫描和智能诊断系统在甲状腺结节超声诊断中的优势与挑战，以及深度学习在对比增强超声视频分析中的创新研究	机器人临床应用的灵活性和患者接受度仍需改进，深度学习模型的可解释性、数据依赖性和泛化能力仍是关键问题	研究机器人和人工智能技术在甲状腺结节超声诊断中的应用现状、优势及挑战	甲状腺结节的超声诊断	digital pathology	thyroid disease	ultrasound, deep learning	deep learning models, Grad-CAM	ultrasound images, CEUS videos	NA
96	2025-08-10	Development and validation of a prediction model for lymph node metastasis in thyroid cancer: integrating deep learning and radiomics features from intra- and peri-tumoral regions 2025-Jul-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-50 PMID:40771372	研究论文	本研究开发并验证了一种结合深度学习和放射组学特征的预测模型，用于准确预测甲状腺癌淋巴结转移	通过整合肿瘤内和肿瘤周围区域的深度学习和放射组学特征，显著提高了术前预测淋巴结转移的准确性	未观察到融合模型与结合肿瘤内和肿瘤周围区域的深度学习模型之间存在显著差异	提高甲状腺癌淋巴结转移的术前预测准确性	405名被诊断为甲状腺乳头状癌（PTC）的患者	数字病理学	甲状腺癌	超声成像、放射组学分析、深度学习	SVM	图像	405名患者（294名来自上海第六人民医院，111名来自同济大学附属同济医院）
97	2025-08-10	Integrating multimodal ultrasound imaging for improved radiomics sentinel lymph node assessment in breast cancer 2025-Jul-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-223 PMID:40771387	研究论文	本研究开发并验证了一种结合B型超声和彩色多普勒超声成像的深度学习放射组学模型，用于非侵入性预测乳腺癌患者的哨兵淋巴结转移	结合传统B型超声和彩色多普勒超声成像与放射组学和深度学习技术，开发了一种新型的深度学习放射组学模型，用于预测乳腺癌患者的哨兵淋巴结转移	研究为回顾性分析，样本量相对有限，且仅在两所医院进行，可能存在选择偏倚	提高乳腺癌患者哨兵淋巴结转移的非侵入性预测准确性，以减少不必要的侵入性检查	450名接受治疗的浸润性乳腺癌女性患者	数字病理学	乳腺癌	B型超声(BMUS)、彩色多普勒超声(CDUS)、放射组学、深度学习	双流MobileNetV2模型、LASSO回归	超声图像	450名患者（训练集276名，外部验证集105名，测试集69名）
98	2025-08-10	Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead 2025-Jul-17, 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.2025.07.008 PMID:40683367	综述	本文综述了人工智能在糖尿病护理中的应用、挑战及未来机遇	探讨了AI在糖尿病并发症筛查、疾病进展预测、临床决策支持及非侵入性生物标志物识别等方面的创新应用	未提及具体研究样本量或数据集的局限性	评估人工智能在糖尿病护理中的潜力与未来发展方向	糖尿病及其并发症（如视网膜病变、黄斑水肿、神经病变）	医疗人工智能	糖尿病	机器学习（ML）、深度学习	NA	电子健康记录、图像数据	NA
99	2025-08-10	Deep Learning Predicts Survival Across Squamous Tumor Entities From Routine Pathology: Insights From Head and Neck, Esophagus, Lung, and Cervical Cancer 2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100845 PMID:40680853	研究论文	本研究开发了一种基于深度学习的模型，利用常规病理切片预测多种鳞状细胞癌患者的总体生存率	首次在多种鳞状细胞癌（头颈部、食管、肺和宫颈）中验证了模型的泛化能力，并揭示了预测风险评分与多种临床因素的相关性	食管鳞状细胞癌的验证结果无统计学意义，且不同队列中与风险评分相关的临床因素存在差异	评估计算病理学模型在多种鳞状细胞癌中预测生存率的泛化能力	头颈部、食管、肺和宫颈鳞状细胞癌患者的病理切片	数字病理学	鳞状细胞癌（头颈部、食管、肺和宫颈）	深度学习	NA	图像（H&E染色病理切片）	多种鳞状细胞癌患者的福尔马林固定石蜡包埋样本
100	2025-08-10	Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies 2025-Jul-10, Journal of materials chemistry. B DOI:10.1039/d5tb00744e PMID:40476698	综述	本文系统探讨了生物可视化技术的原理、应用及局限性，特别关注AI驱动的图像分析、多维成像与重建以及多模态数据整合的变革性进展	整合人工智能、增强现实和深度学习等尖端技术，实现实时、高分辨率和预测性分析，超越传统成像模式的限制	未具体说明现有技术的具体性能限制或数据整合中的挑战	解码组织复杂性，推动生物材料开发和临床策略创新	生物组织的多尺度结构和功能复杂性	生物医学可视化	NA	AI、增强现实、深度学习、多维成像与重建、多模态数据整合	NA	多维图像数据、多模态数据	NA