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
1021	2025-07-02	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏倚带来的潜在风险	首次直接比较了四种ATTR-CM检测算法在心力衰竭人群中的性能，并评估了模型偏倚风险	研究样本中白人占比过高(79.2%)，可能影响模型在其他种族人群中的适用性	评估和比较不同算法在ATTR-CM检测中的性能及潜在偏倚风险	心力衰竭患者	数字病理学	心血管疾病	深度学习	随机森林模型、回归模型、EchoNet-LVH、EchoGo® Amyloidosis	医学影像数据(超声心动图)	176例确诊ATTR-CM患者和3192例对照患者
1022	2025-07-02	Enhancing 3D dopamine transporter imaging as a biomarker for Parkinson's disease via self-supervised learning with diffusion models 2025-Jun-24, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102207 PMID:40580955	研究论文	本文介绍了一种名为HWDAE的自监督学习模型，用于增强3D多巴胺转运体成像作为帕金森病生物标志物的能力	提出了分层小波扩散自编码器（HWDAE），一种生成自监督模型，能够在生成训练中学习相关疾病特征，无需人类标签监督	数据量有限且缺乏外部验证	提高帕金森病的准确诊断和疾病进展状态精确评估	帕金森病患者	数字病理学	帕金森病	多巴胺转运体正电子发射断层扫描（DAT PET）	HWDAE（分层小波扩散自编码器）	图像	1,934张DAT PET图像
1023	2025-07-02	DrugTar Improves Druggability Prediction by Integrating Large Language Models and Gene Ontologies 2025-Jun-24, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf360 PMID:40581797	研究论文	该研究开发了一种名为DrugTar的深度学习算法，整合了ESM-2预训练蛋白质语言模型的序列嵌入和基因本体论，用于预测药物的可靶向性	DrugTar通过整合大型语言模型和基因本体论，提高了药物可靶向性预测的性能，优于现有方法	蛋白质结构的潜力尚未得到充分研究	开发一种高性能的深度学习算法，用于预测药物的可靶向性，以简化靶点发现过程	蛋白质序列和结构	机器学习	NA	深度学习	ESM-2预训练蛋白质语言模型	蛋白质序列和结构数据	NA
1024	2025-07-02	Reduction of Membrane-derived Noise Using Beam-tilt Measurement and Deep Learning in Observation using Environmental Cell 2025-Jun-24, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfaf031 PMID:40581827	研究论文	提出了一种利用电子束倾斜测量和深度学习去除环境细胞电子显微镜中膜衍生噪声的方法	首次将Noise2Noise深度学习方法应用于环境细胞电子显微镜图像处理，有效去除膜噪声并保留样本信息	未明确说明方法在不同类型样本或极端条件下的适用性	提高环境细胞电子显微镜图像质量以实现高信噪比测量	环境细胞中的催化剂和纳米材料	计算机视觉	NA	电子显微镜成像	Noise2Noise（深度学习）	电子显微镜图像序列	未明确说明具体样本数量
1025	2025-07-02	FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning 2025-Jun-24, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102590 PMID:40582299	research paper	提出了一种名为FeaCL的自监督学习技术，用于增强颈动脉斑块的超声图像分类	结合特征级和实例级对比学习，通过三重网络和强弱增强方法学习颈动脉斑块的有效表示	性能受限于标记颈动脉斑块图像的稀缺性	提高颈动脉斑块超声图像分类的准确性，以预测患者心血管和脑血管疾病风险	颈动脉斑块的超声图像	computer vision	cardiovascular disease	self-supervised learning, triplet network	CNN	image	超声图像数据集（具体数量未提及）
1026	2025-07-02	Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning 2025-Jun-23, JAMA DOI:10.1001/jama.2025.8731 PMID:40549400	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	提出了首个能够全面解读超声心动图的AI系统PanEcho，并在多中心验证中表现出色	需要在前瞻性临床工作流程中进一步评估	开发并验证一个能够自动解读超声心动图的AI系统	超声心动图视频	医疗AI	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检查
1027	2025-07-02	IBDAIM:Artificial intelligence for analyzing intestinal biopsies pathological images for assisted integrated diagnostic of inflammatory bowel disease 2025-Jun-23, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106024 PMID:40580688	研究论文	开发了一种名为IBDAIM的人工智能模型，用于辅助病理学家通过分析肠道活检的全切片图像快速准确诊断炎症性肠病	提出了一种弱监督深度学习模型IBDAIM，该模型无需详细标注即可利用WSI级诊断标签，并整合了Patch Likelihood Histogram (PLH)和Bag of Words (BoW)特征来构建WSI级表示	研究为回顾性队列研究，可能受限于数据的质量和多样性	开发人工智能模型以提高炎症性肠病的诊断准确性和效率	肠道活检的全切片图像	数字病理学	炎症性肠病	弱监督深度学习	IBDAIM	图像	来自南京鼓楼医院和珠江医院的两个机构数据集
1028	2025-07-02	Enhancing MRI efficiency in musculoskeletal examinations: Impact of optimized facility design and workflow optimization efforts 2025-Jun-23, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112263 PMID:40582172	研究论文	评估优化MRI设施设计对工作流程效率的影响	通过对比优化设施与传统设施，展示了优化设计如何显著提高MRI检查效率	研究为回顾性分析，可能受到数据收集和记录的限制	评估MRI设施优化设计对工作流程效率的影响	7,164例非对比增强MRI检查（包括膝、肩、踝关节）	数字病理	肌肉骨骼疾病	MRI扫描	DL-based reconstruction	医疗影像数据	7,164例MRI检查（3,951膝、2,246肩、967踝）
1029	2025-07-02	SmartAlert: Machine learning-based patient-ventilator asynchrony detection system in intensive care units 2025-Jun-21, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108927 PMID:40582190	研究论文	开发并验证了一种基于机器学习的实时患者-呼吸机异步检测系统SmartAlert，用于重症监护病房	首次提出直接从呼吸机屏幕数据中实时检测和分类患者-呼吸机异步，并根据严重程度向临床医生发出警报	系统的潜在减少警报疲劳、优化呼吸机设置和改善患者预后的效果尚需在临床试验中验证	开发一种实时检测和分类患者-呼吸机异步的系统，以改善重症监护病房的患者管理	重症监护病房中使用呼吸机的患者	机器学习	NA	深度学习	深度神经网络	视频记录的时间序列数据	381,280个双呼吸单位，由两位重症监护专家独立注释
1030	2025-07-02	Deep learning for osteoporosis screening in dental practice: a systematic review 2025-Jun-20, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf052 PMID:40580938	系统综述	本文通过系统综述评估深度学习工具在牙科影像中用于骨质疏松筛查的性能，并探讨这些模型是否已在牙科实践中应用	首次系统综述了深度学习在牙科骨质疏松筛查中的应用，并指出尽管技术有所进展，但临床适用性仍有限	缺乏外部验证和临床整合，限制了其实际应用	评估深度学习工具在骨质疏松筛查中的性能及其在牙科实践中的应用情况	使用牙科影像（如全景X光片和计算机断层扫描）进行骨质疏松筛查的深度学习模型	数字病理	骨质疏松	深度学习（DL），双能X线吸收测定法（DXA）	CNN（如VGG16、GoogleNet、ResNet、AlexNet、EfficientNet）	牙科影像（如全景X光片和计算机断层扫描）	13项研究符合纳入标准
1031	2025-07-02	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-Jun-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.20.25329926 PMID:40585085	研究论文	本研究开发了一种基于深度学习的NTCP模型，用于预测头颈癌放疗后晚期吞咽困难	利用3D剂量数据、CT扫描和器官分割，通过深度学习模型提高了吞咽困难预测的准确性	研究依赖于多机构队列数据，可能存在数据异质性问题	提高头颈癌放疗后晚期吞咽困难的预测准确性	头颈癌患者	数字病理	头颈癌	深度学习	Residual Network	3D剂量分布、器官分割、CT扫描	1484名头颈癌患者
1032	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
1033	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
1034	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
1035	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
1036	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
1037	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
1038	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）
1039	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
1040	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