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
1041	2025-12-11	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于深度学习的网络在利用CT图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在脑出血血肿扩张预测中的应用进行系统性综述和荟萃分析，比较了纯深度学习模型与结合其他方法的混合模型的诊断性能	纳入研究存在异质性，部分研究质量可能影响结果，且可能存在发表偏倚	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者的CT扫描图像	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异性, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
1042	2025-12-11	Machine learning and deep learning approaches in MRI for quantifying and staging fatty liver disease: A systematic review 2025-Dec, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102112 PMID:40976110	系统综述	本文系统综述了机器学习和深度学习在MRI中用于量化和分期脂肪肝疾病的诊断准确性、可重复性和临床实用性	首次系统性地评估了ML和DL技术在MRI脂肪肝定量和分期中的应用，并比较了不同方法（如CNN、GAN、影像组学）的性能	纳入研究样本量较小（n=25-1038），多为单中心设计，存在厂商协议变异性，限制了结果的普遍性	系统评估机器学习和深度学习技术在MRI中用于脂肪肝疾病量化和分期的诊断准确性、可重复性及临床效用	疑似或确诊的非酒精性脂肪肝病（NAFLD）、非酒精性脂肪性肝炎（NASH）或酒精相关性肝病（ALD）的人类参与者	医学影像分析	脂肪肝病	MRI，包括质子密度脂肪分数（PDFF）、化学位移编码MRI、Dixon MRI	CNN, GAN	MRI图像	15项研究，样本量范围25至1038例	NA	卷积神经网络，生成对抗网络	AUC，敏感性，特异性，组内相关系数（ICC），Dice系数	NA
1043	2025-12-11	AI radiomics predicts spatial glioma recurrence on preoperative MRI: a systematic review 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112412 PMID:40987214	系统综述	本文系统综述了基于AI的影像组学模型在利用术前MRI预测胶质瘤空间复发方面的性能	首次系统性地评估了AI模型在预测胶质瘤局部和远处复发方面的能力，并使用了专门的PROBAST + AI工具进行方法学质量评估	证据主要来自小型、单中心、回顾性队列研究，需要更大规模的前瞻性多中心研究来支持临床转化	评估AI模型在预测胶质瘤患者肿瘤空间复发（局部或远处）方面的性能	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	MRI（包括常规序列如T1CE、FLAIR以及高级成像如扩散加权成像）	机器学习, 深度学习	图像	1004名高级别胶质瘤患者	NA	随机森林分类器, 支持向量机, 自定义卷积神经网络	敏感性, 特异性, 比值比	NA
1044	2025-12-11	Quantitative Analysis of Distinct Colon Crypt Branching Modes Using Interpretable Machine Learning 2025-Dec-01, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf230 PMID:41157897	研究论文	本文提出了一种基于可解释机器学习的模型，用于定量分析结肠隐窝分支的对称和不对称模式，以改善炎症性肠病的组织学表征	通过手工设计的形态特征和深度学习模型，首次实现了对结肠隐窝分支模式的自动分类，并强调了模型的可解释性	模型性能仍有提升空间（平衡准确率约0.80），且依赖专家标注数据，可能受限于样本多样性和标注一致性	开发一种机器学习模型，以准确分类结肠隐窝的对称和不对称分支模式，从而辅助炎症性肠病的定量描述和组织学亚型分析	结肠隐窝的分支形态	数字病理学	炎症性肠病	形态特征提取，图像分割	集成学习模型，深度学习模型	图像	NA	NA	NA	平衡准确率	NA
1045	2025-12-11	Deep learning in oral lichen planus diagnosis: a systematic review of clinical image-based detection approaches 2025-Dec, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.07.009 PMID:40897576	系统综述	本文系统评估了深度学习模型利用临床照片诊断口腔扁平苔藓的诊断性能	首次系统综述了基于临床图像的深度学习模型在口腔扁平苔藓诊断中的应用与性能	纳入研究存在数据集小且同质、图像预处理不一致以及外部验证有限等局限性	系统评估深度学习模型在口腔扁平苔藓临床图像诊断中的性能	利用深度学习架构进行口腔扁平苔藓诊断的研究	计算机视觉	口腔扁平苔藓	临床摄影	CNN, Vision Transformer	图像	NA	NA	InceptionResNetV2, Xception	准确率, 灵敏度, 特异性, AUC	NA
1046	2025-12-11	Deep Learning Predicts EGFR Mutation Status from Histology Images in Non-Small Cell Lung Cancer 2025-Dec-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-25-0155 PMID:41211715	研究论文	本研究开发并验证了一种深度学习模型Lunit SCOPE Genotype Predictor，用于从非小细胞肺癌的常规H&E组织学图像中预测EGFR突变状态	首次利用超过12,000张全切片图像训练深度学习模型，实现从常规组织学图像中预测EGFR突变状态，并在多样化的临床数据集中验证了其稳健性能	未明确提及模型在特定亚型或罕见突变中的性能限制，也未讨论模型的可解释性	通过深度学习模型补充分子EGFR突变筛查，提高非小细胞肺癌的生物标志物检测率	非小细胞肺癌患者的组织学图像	数字病理学	肺癌	深度学习	深度学习模型	图像	训练集超过12,000张全切片图像，验证集1,461例，独立测试集599例，多扫描仪测试集2,261例	未明确提及	未明确提及	AUROC	未明确提及
1047	2025-12-11	Weed mapping using UAV imagery and AI techniques: current trends and challenges 2025-Dec, Pest management science IF:3.8Q1 DOI:10.1002/ps.70151 PMID:40836577	综述	本文综述了利用无人机图像和人工智能技术进行杂草识别与制图的最新研究进展、方法和挑战	系统性地分析和比较了基于无人机图像的杂草识别中传统机器学习与深度学习方法，并特别关注了非可见光谱通道的应用趋势	本文是一篇综述，不包含原创实验数据，主要基于现有文献进行分析	分析机器学习/深度学习技术在无人机图像杂草识别中的应用现状、方法及挑战	无人机捕获的农田杂草图像	计算机视觉	NA	无人机成像	机器学习, 深度学习	图像	NA	NA	NA	准确率	NA
1048	2025-12-11	The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis 2025-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108492 PMID:41241154	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于AI模型（利用影像组学、基因组学和蛋白质组学数据）预测非小细胞肺癌免疫治疗患者总生存期和无进展生存期的预后准确性	首次通过系统综述和荟萃分析综合评估了AI模型在预测非小细胞肺癌免疫治疗生存结局中的表现，并比较了不同数据模态和AI方法的预测效能	纳入研究存在异质性，且缺乏前瞻性验证和标准化AI方法，未来需要多中心试验支持临床整合	评估AI模型预测非小细胞肺癌免疫治疗患者生存结局的预后准确性	接受免疫治疗的非小细胞肺癌患者	机器学习	肺癌	影像组学、基因组学、蛋白质组学	机器学习、深度学习	影像、基因组、蛋白质组数据	23项研究，共19189名患者	NA	NA	风险比、95%置信区间、I²统计量	NA
1049	2025-12-11	Characterization and classification of chronic kidney disease by spatial MIST and deep learning algorithm 2025-Dec-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00265.2025 PMID:41134685	研究论文	本研究利用空间多重免疫染色信号标记技术结合深度学习算法，对慢性肾脏病的分子异质性和空间特征进行了表征与分类	首次应用Spatial MIST技术结合图神经网络，在单细胞分辨率下量化蛋白质表达，揭示了慢性肾脏病纤维化重塑的空间复杂性，并识别出关键预测标志物	研究样本量有限，仅基于特定蛋白质标记物，且未在独立队列中进行外部验证	开发一种基于空间蛋白质组学特征的慢性肾脏病分类方法，以促进生物标志物发现和疾病进展评估	人类肾脏活检组织样本，包括对照组/低级别纤维化和高级别纤维化患者	数字病理学	慢性肾脏病	空间多重免疫染色信号标记技术	图神经网络	空间蛋白质表达数据	未明确指定具体样本数量，但包括对照组和不同纤维化级别的肾脏活检样本	未明确指定	图神经网络分类器	未明确指定	NA
1050	2025-12-11	Prospective multi-institutional study of library-based adaptive radiotherapy for cervical cancer: Evaluation of plan-of-the-day selection and population analysis 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70356 PMID:41253687	研究论文	本研究是一项前瞻性多中心试验，评估了基于计划库的自适应放疗在局部晚期宫颈癌治疗中的计划选择、几何与剂量学影响，并识别了能从自适应放疗中获益的患者亚群	结合深度学习模型进行日常靶区和危及器官分割，并开发决策树模型来预测能从自适应放疗中获益的患者亚群	研究样本量相对较小（49例患者），且为单臂II期试验，缺乏随机对照设计	评估基于计划库的自适应放疗在局部晚期宫颈癌治疗中的临床应用效果	局部晚期宫颈癌患者	数字病理	宫颈癌	锥形束CT引导的自适应放疗，深度学习分割	深度学习模型	CT图像，锥形束CT图像	49例宫颈癌患者	NA	NA	D95%靶区剂量，几何覆盖率，剂量学覆盖率	NA
1051	2025-12-11	Knowledge-informed deep learning to mitigate bias in joint air pollutant prediction 2025-Dec, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109915 PMID:41260014	研究论文	提出一种新颖的物理信息深度学习框架，通过将平流扩散方程和流体动力学约束直接集成到神经网络架构中，以减轻联合空气污染物预测中的偏差	首次将平流扩散方程和流体动力学约束直接集成到神经网络架构中，用于多污染物预测，并生成物理可解释参数，同时通过集成技术提供明确的不确定性量化	研究在两个地理上不同的领域（加利福尼亚和中国大陆）进行验证，可能需要在更广泛区域进行测试以证明普适性	通过结合物理约束的深度学习方法来提高空气污染物预测的准确性并减少系统偏差，以改进流行病学研究中的暴露评估	空气污染物对（加利福尼亚的NO/NO₂和中国大陆的PM₂.₅/PM₁₀）	机器学习	NA	深度学习，物理信息神经网络	神经网络	空气污染物数据	NA	NA	物理信息深度学习框架	偏差减少百分比，泛化误差	NA
1052	2025-12-11	Explainable deep learning based techniques for ECG-Based heart disease classification: A systematic literature review and future direction 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111324 PMID:41265065	系统文献综述	本文对2018年至2024年间基于可解释人工智能（XAI）的深度学习模型在心电图（ECG）心脏病分类中的应用进行了系统性文献综述	首次系统性地梳理和分析了XAI在ECG心脏病分类深度学习模型中的应用现状、方法选择及其对模型可解释性的影响，并指出了该领域的关键挑战和未来研究方向	综述基于已有文献，未进行新的实验验证；识别出的挑战（如数据标准化、可解释性不一致、缺乏XAI基准测试和标准化指标等）仍需后续研究解决	提高对基于ECG的心脏病分类深度学习模型可解释性的理解，总结方法学选择、分析其对模型可解释性的影响，并指出该领域的重要挑战与未来机会	2018年1月至2024年9月期间发表的、关于使用XAI的深度学习进行ECG心脏病分类的学术文章	机器学习	心血管疾病	心电图（ECG）	深度学习模型	ECG信号数据	从6448项初步研究中筛选出51项使用XAI深度学习架构的研究，涉及25个不同数据集	NA	共识别出16种不同的深度学习架构	NA	NA
1053	2025-12-11	Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial 2025-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108545 PMID:41314436	研究论文	本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力	开发并验证了深度学习模型ScreenDx，用于在CT扫描中自动识别早期或未诊断的ILD，特别是在原本排除ILD患者的队列中检测出漏诊病例	研究基于特定队列（COPDGene试验），ILD患病率较低（约1-2%），可能影响结果的普适性；且依赖回顾性数据，未进行前瞻性验证	评估人工智能工具在CT扫描中自动检测早期或未诊断的间质性肺疾病的性能	COPDGene试验中的患者，包括最初未诊断的ILD患者（阳性样本）以及COPD患者和对照者（阴性样本）	数字病理学	间质性肺疾病	计算机断层扫描（CT）	深度学习模型	CT图像	从COPDGene数据集中选取的ILD患者、COPD患者和对照者，目标ILD患病率为约1-2%	NA	ScreenDx	灵敏度, 特异性	NA
1054	2025-12-11	Machine learning for modelling the health impacts of extreme heat: A comprehensive literature review 2025-Dec, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109965 PMID:41319442	综述	本文对当前用于模拟极端高温对人类健康影响的机器学习应用进行了全面的文献综述	系统性地梳理和评估了机器学习在高温健康研究领域的应用现状、优势与局限，并提出了未来发展的具体建议	纳入的25篇研究主要来自高收入国家，可能无法全面代表全球情况；研究多关注单一健康结局和一般人群，对个体层面和脆弱群体的研究不足	综述机器学习在模拟极端高温健康影响中的应用，以指导未来研究并减轻全球高温相关的健康负担	已发表的关于使用机器学习建模极端高温对人类健康影响的科学文献	机器学习	NA	NA	Random Forest, 深度学习	环境数据（如气温、湿度）、时间数据、社会人口学数据	NA	NA	NA	NA	NA
1055	2025-12-11	Epigenetics is all you need: A transformer to decode chromatin structural compartments from the epigenome 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012326 PMID:41337156	研究论文	本文介绍了一种基于Transformer架构的深度学习模型TECSAS，用于直接从表观基因组数据预测染色质亚区室注释	开发了首个基于Transformer的模型TECSAS，用于从表观基因组数据解码染色质三维结构亚区室，并揭示了远程表观基因组背景对染色质组织的影响	未明确提及模型的具体局限性，如数据依赖性、泛化能力或计算成本	研究表观基因组特征与三维基因组组织之间的复杂相互作用，以更好地理解基因组结构和功能	染色质三维结构、表观基因组数据（组蛋白修饰、转录因子结合谱、RNA-Seq数据）	机器学习	NA	组蛋白修饰分析、转录因子结合谱分析、RNA-Seq	Transformer	表观基因组数据（组蛋白修饰、转录因子结合、RNA-Seq）	NA	NA	Transformer	高准确性（未指定具体指标）	NA
1056	2025-12-11	Artificial Intelligence-Based Predictive Modeling for Early Detection of Sepsis in Hospitalized Patients: A Systematic Review and Meta-Analysis 2025-Dec-01, Critical care explorations DOI:10.1097/CCE.0000000000001360 PMID:41348160	系统综述与荟萃分析	本文系统评估了基于人工智能的预测模型在成人住院患者中早期检测脓毒症的应用	首次对2015年至2025年间发表的AI脓毒症预测模型进行了全面的系统综述与荟萃分析，比较了多种算法类型、输入特征和验证策略	大多数研究采用回顾性设计，前瞻性或实时临床验证有限，模型的通用性、可解释性和临床实施仍面临重大挑战	评估用于成人住院患者早期脓毒症检测的人工智能预测模型	成人住院患者	机器学习	脓毒症	电子健康记录数据分析	随机森林, 神经网络, 支持向量机, 深度学习架构	结构化数据（生命体征、实验室值、人口统计学）和非结构化临床记录	NA	NA	长短期记忆网络, 卷积神经网络	曲线下面积, 灵敏度, 特异性, F1分数	NA
1057	2025-12-11	Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71303 PMID:41356232	综述	本文综述了光谱和成像技术在肉类质量与安全无损检测中的最新进展，包括其原理、应用场景、优缺点及未来展望	探讨了多种先进光谱和成像技术的集成应用，并提出了结合深度学习算法以提高检测全面性和准确性的未来研究方向	这些技术在工业应用中仍面临成本高昂和数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢	总结光谱和成像技术在肉类质量与安全检测中的最新发展，以促进高质量食品的交付	肉类（作为人类饮食中重要的动物蛋白来源）	机器视觉	NA	近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像	NA	光谱数据、图像数据	NA	NA	NA	NA	NA
1058	2025-12-11	Automatic Assessment of Radiological Parameters of the Distal Radius Using a Hybrid Approach Combining Deep Learning and a Computer-Aided Diagnostic Algorithm 2025-Dec, Clinics in orthopedic surgery IF:1.9Q2 DOI:10.4055/cios24407 PMID:41356550	研究论文	本研究开发了一种结合深度学习与传统计算机辅助诊断的混合方法，用于自动评估手腕X光片中桡骨远端的放射学参数	提出了一种新颖的自动化混合方法，结合深度学习模型与传统计算机辅助诊断算法，以准确识别手腕X光片中的解剖标志并自动测量放射学参数	研究样本量相对有限（训练集487张，测试集100张），且测试集仅来自两个机构，可能影响模型的泛化能力	开发自动化方法以检测手腕X光片中的解剖标志并测量桡骨远端的放射学参数，减少人工劳动并提高效率	手腕X光片，特别是桡骨远端的解剖标志和放射学参数（如桡骨倾斜角、桡骨长度、掌倾角和尺骨变异）	计算机视觉	NA	X光摄影	深度学习模型	图像	训练和验证集487张手腕X光片，测试集100张来自两个机构的手腕X光片	NA	NA	成功检测率（SDR）、平均绝对误差（MAE）、组内相关系数（ICC）、皮尔逊相关系数（r）	NA
1059	2025-12-11	TAR-YOLO: A Novel Deep Learning Model and Dataset for Tennis Action Recognition 2025-Dec, Scandinavian journal of medicine & science in sports IF:3.5Q1 DOI:10.1111/sms.70177 PMID:41368876	研究论文	本文提出了一种基于YOLO11架构的新型姿态驱动动作识别模型TAR-YOLO，并构建了专门用于网球姿态估计和动作分类的自定义数据集TAR-Det	提出了TAR-YOLO模型，引入了RES-Head和DSAM两个新组件，并集成了SPD-Conv和Slide Loss，显著提升了在遮挡、姿态变形和多视角一致性等挑战下的性能	NA	开发能够准确识别网球动作并提供及时反馈的智能系统，应用于实时广播、AI辅助教练、技能评估和伤害预防	网球运动员的动作	计算机视觉	NA	深度学习	YOLO	图像	NA	NA	YOLO11, RES-Head, DSAM, SPD-Conv	精确率, 召回率, mAP, FLOPs, FPS	NA
1060	2025-12-11	Rapid identification of Rhizoma Coptidis origin using terahertz spectroscopy and deep learning 2025-Nov-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127283 PMID:41365254	研究论文	本研究利用太赫兹光谱和深度学习技术快速鉴别黄连的地理来源	提出了一种结合改进的混沌优化算法(ICOA)、门控循环单元(GRU)和多头自注意力机制(MSA)的ICOA-GRU-MSA分类模型，用于优化超参数并增强特征识别能力	仅使用了四个不同地理来源的黄连样本，样本多样性可能有限	快速、无损地鉴别中药材黄连的地理来源，以评估其质量和功效	四个不同地理来源的黄连样本	机器学习	NA	太赫兹时域光谱	GRU	光谱数据	四个不同来源的黄连样本	NA	GRU, 多头自注意力机制	NA	NA