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
10141	2025-10-07	Dynamics of Spatial Organization of Bacterial Communities in a Tunable Flow Gut Microbiome-on-a-Chip 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202410258 PMID:40201941	研究论文	本研究开发可调流肠道微生物芯片，探索肠道周期性运动对微生物群落空间组织动态的影响	开发新型可调流肠道微生物芯片平台，首次实现肠道周期性机械力作用下微生物群落三维空间行为的高分辨率实时观测	基于体外芯片模型，可能无法完全模拟体内复杂肠道环境	研究肠道周期性运动对肠道微生物群落动态的影响机制	肠道微生物群落	生物医学工程	肠道微生物失调	器官芯片技术，深度学习微生物分析，高倍率成像	深度学习模型	微生物图像数据，三维空间数据	NA	NA	NA	NA	NA
10142	2025-10-07	Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240271 PMID:40202416	研究论文	开发自适应双任务深度学习模型用于甲状腺癌超声筛查中的自动分诊	提出自适应双任务深度学习模型，通过动态整合像素级特征分析和深度语义特征分析，实现甲状腺病变检测和分类	回顾性研究，需要前瞻性验证	开发甲状腺癌超声筛查的自动分诊系统	甲状腺超声图像	计算机视觉	甲状腺癌	超声成像	深度学习	图像	23,294例检查的35,008张甲状腺超声图像	NA	自适应双任务深度学习模型	灵敏度, 特异度, 准确度, AUC	NA
10143	2025-10-07	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	研究论文	提出一种基于深度学习的高分辨率原子图评分框架，用于评估蛋白质-配体结合结构的结合强度	通过引入多距离范围识别结合区域内原子对，构建关注分子间相互作用的高分辨率原子图表示方法	未明确说明模型在特定蛋白质-配体复合物类型上的泛化能力限制	开发高效的蛋白质-配体结合结构评分方法以促进计算药物发现	蛋白质-配体结合复合物	机器学习	NA	深度学习	图神经网络	分子结构数据	NA	NA	原子图神经网络	结合强度预测准确度，筛选任务性能	NA
10144	2025-10-07	Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence 2025-May, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70564 PMID:40387596	研究论文	本研究利用人工智能深度学习技术，通过分析单细胞图像成功区分白血病干细胞与正常干细胞	首次证明白血病干细胞具有独特的形态学特征，并通过集成19个卷积神经网络构建AI模型实现高精度区分	研究使用小鼠疾病模型，尚未在人类临床样本中验证	开发基于人工智能的形态学方法识别白血病干细胞	JAK2V617F敲入小鼠的白血病干细胞和健康小鼠的正常干细胞	数字病理学	白血病	深度学习，单细胞图像分析	CNN	图像	NA	NA	集成19个卷积神经网络	准确率	NA
10145	2025-10-07	Multi-instance learning with attention mechanism for coronary artery stenosis detection on coronary computed tomography angiography 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf029 PMID:40395409	研究论文	本研究开发了一种基于注意力机制的多示例学习模型，用于冠状动脉CT血管造影中冠状动脉狭窄的自动检测	结合多示例学习与注意力机制，能够量化每个图像切片对诊断的贡献度，提供可解释的诊断方法	RCA和LCX血管的校准精度相对较低，模型性能在不同血管间存在差异	开发自动检测冠状动脉狭窄的深度学习模型，提高诊断准确性和临床工作效率	冠状动脉狭窄（≥50%管腔阻塞）患者	医学影像分析	心血管疾病	冠状动脉CT血管造影	多示例学习	医学影像	900例病例，包含776例LAD、694例RCA和600例LCX血管重建图像	NA	多示例学习结合注意力机制	AUC, Brier score, 95%置信区间	NA
10146	2025-10-07	Identifying heart failure dynamics using multi-point electrocardiograms and deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf016 PMID:40395416	研究论文	本研究开发了一种基于Transformer的深度学习模型，利用两个时间点的12导联心电图来评估心力衰竭状态变化	首次使用两个不同时间点的多导联心电图数据和Transformer架构来监测心力衰竭状态动态变化	研究数据来自单一医疗中心，模型在外部验证和不同人群中的泛化能力尚需进一步验证	开发能够早期识别和持续监测心力衰竭状态变化的非侵入性工具	6531名成年患者的心电图数据	医疗人工智能	心血管疾病	心电图	Transformer	心电图波形信号	30,171份心电图来自6,531名患者	NA	Transformer	AUROC, 准确率	NA
10147	2025-10-07	Deep learning on electrocardiogram waveforms to stratify risk of obstructive stable coronary artery disease 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf020 PMID:40395417	研究论文	开发并验证一种利用心电图波形和临床特征的深度学习算法，用于预测疑似慢性冠状动脉疾病患者的阻塞性稳定冠状动脉疾病风险	首次结合心电图波形和临床特征开发多模态深度学习模型，相比传统风险评分模型显著提高了阻塞性冠状动脉疾病的预测性能	研究为单中心回顾性设计，需要前瞻性研究验证模型在临床实践中的效果	提高阻塞性稳定冠状动脉疾病的风险分层准确性	接受侵入性血管造影评估的疑似慢性冠状动脉疾病患者	机器学习	心血管疾病	心电图	深度学习	波形数据, 临床特征	4年期间在四级医疗中心接受侵入性血管造影的患者队列	NA	多模态深度学习模型	AUC	NA
10148	2025-10-07	Comprehensive full-vessel segmentation and volumetric plaque quantification for intracoronary optical coherence tomography using deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf021 PMID:40395415	研究论文	开发并验证基于深度学习的多类别语义分割算法（OCT-AID），用于冠状动脉光学相干断层扫描图像的全血管分割和斑块体积量化	首次开发针对冠状动脉OCT图像的多类别语义分割深度学习算法，能够同时识别导丝伪影、管腔、分支、内膜、中膜、脂质斑块、钙化斑块、血栓、斑块破裂和背景等多个类别	包含具有伪影或不稳定斑块的困难帧，可能影响分割性能	开发标准化、自动化的冠状动脉OCT图像解读方法，减少人工解读时间和观察者间变异性	冠状动脉光学相干断层扫描图像	医学图像分析	心血管疾病	光学相干断层扫描（OCT）	深度学习语义分割算法	医学图像	训练集2808帧，内部测试集218帧，外部测试集392帧	NA	NA	Dice系数, Kappa值, 组内相关系数	NA
10149	2025-04-26	Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Apr-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01476-9 PMID:40274694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10150	2025-10-07	Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06709-1 PMID:39680113	研究论文	本研究开发了一种基于深度学习的前段光学相干断层扫描图像自动分析系统，用于识别原发性房角关闭疾病	首次将迁移学习应用于ResNet-50架构，实现对AS-OCT图像的自动房角分类分析	研究样本仅来自上海社区老年人群，可能限制模型的泛化能力	开发人工智能系统以提高AS-OCT图像分析效率并自动识别房角关闭	687名参与者的94895张AS-OCT图像	计算机视觉	青光眼	光学相干断层扫描	CNN	图像	687名参与者，94895张AS-OCT图像	NA	ResNet-50	准确率, AUC	NA
10151	2025-10-07	Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06687-4 PMID:39680112	研究论文	通过深度学习模型的多尺度特征融合技术增强糖尿病视网膜病变和黄斑水肿的检测能力	采用独特的多尺度特征融合技术，将高层次语义信息与低层次纹理特征相结合，提升自动化诊断精度	NA	提高糖尿病视网膜病变和糖尿病黄斑水肿的早期识别准确率	视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	MESSIDOR数据集中的视网膜图像	NA	卷积神经网络	准确率,精确度	NA
10152	2025-10-07	The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112014 PMID:40031377	评论	探讨放射学中人工智能实施面临的挑战，并倡导优先采用可解释人工智能以增强透明度	提出在放射学领域平衡'黑盒'系统与可解释人工智能的必要性，强调透明度和伦理标准	承认可解释人工智能可能性能低于黑盒模型	分析AI在放射学实施的挑战并推动可解释AI的应用	放射学中的人工智能系统	医疗人工智能	NA	机器学习和深度学习	黑盒AI模型，可解释AI模型	医学影像数据	NA	NA	NA	NA	NA
10153	2025-10-07	LEyes: A lightweight framework for deep learning-based eye tracking using synthetic eye images 2025-Mar-31, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02645-y PMID:40164925	研究论文	提出一种轻量级框架LEyes，使用合成眼图像训练神经网络进行视线追踪	与传统逼真渲染方法不同，使用简单合成图像生成器训练神经网络检测瞳孔和角膜反射等关键特征	未明确说明具体性能限制和适用场景限制	解决视线估计领域训练数据缺乏和模型泛化能力差的问题	眼图像中的瞳孔和角膜反射特征	计算机视觉	NA	合成数据生成	神经网络	合成眼图像	NA	NA	NA	瞳孔和角膜反射的识别与定位精度	成本效益更高的硬件
10154	2025-10-07	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	综述	本系统图谱综述探讨了深度学习在牙科领域十年间的应用现状、趋势和临床意义	首次对牙科领域深度学习研究进行系统性图谱分析，涵盖2012-2023年间1007项研究，揭示了技术应用模式和临床专业分布	主要依赖监督学习方法（95.2%），需要大量标注数据，且多模态数据融合研究相对不足	系统梳理深度学习在牙科领域的应用现状和发展趋势	2012-2023年间发表的牙科深度学习相关研究文献	数字病理	牙科疾病	深度学习	CNN	影像数据	1007项纳入研究（从21242篇文献中筛选）	NA	卷积神经网络	NA	NA
10155	2025-10-07	LeFood-set: Baseline performance of predicting level of leftovers food dataset in a hospital using MT learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320426 PMID:40388400	研究论文	本文提出了一种基于深度学习的食物剩余量预测方法，并创建了首个大规模开放数据集LeFoodSet	创建了首个专门用于食物剩余量估计的大规模开放数据集，并采用多任务学习同时预测剩余量和食物类型	数据集仅包含524对图像，覆盖34种印尼食物类别，样本规模相对有限	开发AI方法来准确预测医院患者餐盘中的食物剩余量	医院患者的餐盘食物图像	计算机视觉	NA	深度学习	CNN	图像	524对图像（餐前餐后对比），涵盖34种印尼食物类别	NA	ResNet101	平均绝对误差(MAE), 分类准确率	NA
10156	2025-10-07	Transfer learning in ECG diagnosis: Is it effective? 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316043 PMID:40388401	研究论文	本研究首次系统评估迁移学习在心电图多标签分类中的有效性	首次对心电图分类中迁移学习效果进行大规模实证研究，挑战了迁移学习必然优于从头训练的普遍假设	研究结果依赖于特定心电图数据集和神经网络架构，可能不适用于所有场景	评估迁移学习在心电图诊断中的实际效果和适用条件	多标签心电图分类任务	机器学习	心血管疾病	深度学习	CNN, RNN	心电图时间序列数据	多个心电图数据集	NA	卷积神经网络，循环神经网络	分类性能，训练时间，计算成本	NA
10157	2025-10-07	Predictive hybrid model of a grid-connected photovoltaic system with DC-DC converters under extreme altitude conditions at 3800 meters above sea level 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324047 PMID:40388424	研究论文	开发用于3800米高海拔极端条件下并网光伏系统的预测混合模型	结合递归特征消除方法与高级正则化技术解决维度灾难问题，提高模型精度	未提及具体数据采集时长和气候条件变化范围	优化高海拔极端条件下光伏系统的预测性能	配备DC-DC优化器的并网光伏系统	机器学习	NA	递归特征消除(RFE)，正则化技术	Lasso, Ridge, Bayesian Ridge	光伏系统运行数据	NA	Scikit-learn	NA	精度, 平均绝对误差, 均方误差, 决定系数	NA
10158	2025-10-07	AI-driven educational transformation in ICT: Improving adaptability, sentiment, and academic performance with advanced machine learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317519 PMID:40388422	研究论文	本研究通过先进的机器学习和深度学习策略，在ICT教育领域实现教育转型，提升学生适应性、情感分析和学业表现	采用混合堆叠方法结合多种机器学习算法，并将情感分析融入教育框架，为教育技术提供创新解决方案	数据集仅包含1205个样本，可能限制模型的泛化能力；数据来源单一，仅来自Kaggle平台	通过AI技术改善教育领域的适应性、情感分析和学业表现	教育数据中的学生适应性、情感状态和学业表现	机器学习	NA	机器学习，深度学习	决策树，随机森林，XGBoost，梯度提升，CNN，RCNN	结构化数据	1205个样本，包含14个属性	NA	混合堆叠架构，CNN，RCNN	准确率	NA
10159	2025-10-07	Anomaly recognition in surveillance based on feature optimizer using deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313692 PMID:40388481	研究论文	提出一种基于深度学习的监控异常识别框架，通过特征优化技术显著提升识别准确率	创新性地结合两种深度卷积网络进行特征提取，并采用蜻蜓算法和遗传算法进行特征优化，在5折交叉验证中达到99.9%的准确率	未明确说明计算资源需求和实时性能表现	提升监控系统中异常事件识别的准确性和鲁棒性	监控视频中的异常行为识别	计算机视觉	NA	深度学习，特征选择	CNN	图像	未明确说明具体样本数量	NA	Up-to-the-Minute-Net（63层CNN）, Inception-Resnet-v2	准确率	NA
10160	2025-10-07	Beyond genomics: artificial intelligence-powered diagnostics for indeterminate thyroid nodules-a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1506729 PMID:40391010	系统评价与荟萃分析	评估人工智能在不使用基因组测序分类器的情况下诊断不确定甲状腺结节的当前证据	首次系统评估AI在不确定甲状腺结节诊断中的应用，重点关注非基因组学方法，填补了基因组测序分类器成本高昂导致的应用不平等缺口	研究间存在显著异质性，模型存在过拟合问题，缺乏稳健的独立外部验证，当前模型性能尚不适合直接临床实施	分析人工智能在不使用基因组测序分类器的情况下诊断不确定甲状腺结节的诊断准确性	不确定甲状腺结节	医学人工智能	甲状腺结节	超声检查，自然语言处理，细胞学分析	机器学习，深度学习	影像数据，文本数据，细胞学数据	7项研究中的20个模型	NA	NA	AUC	NA