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
1121	2025-12-06	Quantitative evaluation of the myocardial bridge anatomical features and FFRCT in patients with myocardial bridging stratified by age 2025-Nov-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045686 PMID:41204561	研究论文	本研究通过冠状动脉CT血管成像，评估了年龄对左前降支心肌桥解剖特征及CT血流储备分数的影响	首次结合心肌桥长度和年龄分层，系统分析解剖特征与FFRCT值的关联，并探讨了不同年龄组中影响FFRCT异常的特定解剖参数	回顾性研究设计，样本量相对较小，特别是年轻组和老年组样本较少，未进行长期临床结局随访	评估年龄对心肌桥解剖特征及CT血流储备分数的影响，为心肌桥的血流动力学评估提供依据	139名左前降支心肌桥患者	数字病理	心血管疾病	冠状动脉CT血管成像，深度学习软件计算FFRCT	深度学习	CT影像	139名患者（短MB组58人，长MB组81人；年轻组28人，中年组89人，老年组22人）	NA	NA	统计显著性（P值）	NA
1122	2025-12-06	AI-Driven Fall Prediction across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults 2025-Nov-06, Gerontology IF:3.1Q3 DOI:10.1159/000549410 PMID:41196832	研究论文	本研究开发并比较了多种机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险	首次将深度学习模型（特别是AGRU）应用于跨年龄段（青年、中年、老年）的跌倒风险预测，并通过年龄分层分析揭示了各年龄组特有的关键预测因素	模型在独立数据集上的外部验证仅显示中等泛化能力，需要更大规模、更多样化的数据集以及整合时序或传感器数据进行进一步验证	开发和比较不同的ML/DL模型，以识别跨年龄组的跌倒风险关键预测特征	1441名台湾南部社区居住的20岁以上成年人，包括有和无跌倒史的参与者	机器学习	老年疾病	NA	KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU	人口统计学、临床和身体性能数据	1441名社区居住成年人	NA	GRU, AGRU	准确率, 精确率, 召回率, F1分数, AUROC	NA
1123	2025-12-06	Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review 2025-Nov-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03243-w PMID:41194211	综述	本文通过范围综述，综合分析了人工智能在预测心脏直视手术结果中的应用，评估了AI模型的性能，并指出了数据质量、算法偏见和临床适用性方面的研究空白	首次系统性地综述了AI在心脏直视手术预测中的应用，识别了当前研究的主要算法（如逻辑回归、随机森林、XGBoost）及其性能，并强调了深度学习和混合模型使用不足的现状	纳入的研究中89.06%为回顾性研究，模型验证不一致，前瞻性数据有限，患者群体多样性不足，这些方法学局限性阻碍了临床转化	旨在综合AI在预测心脏直视手术结果方面的研究，评估模型性能，并识别数据质量、算法偏见和临床适用性方面的差距，以指导未来个性化手术规划和患者结局的改进	聚焦于心脏直视手术及其术后结果预测的相关研究	机器学习	心血管疾病	NA	逻辑回归, 随机森林, XGBoost	NA	共纳入64项研究	NA	NA	NA	NA
1124	2025-12-06	Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review 2025-Nov, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20781 PMID:40476369	meta-analysis, systematic review	本研究通过大规模荟萃分析和系统综述，评估了基于人工智能和机器学习方法在皮肤镜图像上自动诊断黑色素瘤的预测性能	首次对2006年至2024年间的人工智能诊断黑色素瘤研究进行大规模荟萃分析，特别关注并比较了深度学习模型与混合模型的性能	研究仅纳入了39项符合纳入和排除标准的主要研究，可能存在发表偏倚，且未详细分析不同算法在临床实际应用中的具体挑战	综合评估人工智能方法在黑色素瘤临床诊断中的应用，并总结深度学习和混合模型算法的预测性能	使用皮肤镜图像进行黑色素瘤自动诊断的人工智能和机器学习研究	computer vision, machine learning	melanoma	dermoscopic imaging	deep learning, hybrid models	image	来自39项主要研究的78项诊断测试数据	NA	NA	AUC, sensitivity, specificity	NA
1125	2025-12-06	A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.006 PMID:40912952	研究论文	本研究开发了一种级联深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发	提出了一种结合肿瘤分割与转移风险分层的级联深度学习框架，用于术前预测隐匿性腹膜转移和早期腹膜复发，并验证了其泛化能力	NA	开发并验证一种基于CT的深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发风险	晚期胃癌患者	数字病理学	胃癌	CT成像	深度学习	CT图像	765名来自三个机构的晚期胃癌患者，包括内部验证（OPM测试168人，早期PR测试212人）和外部验证（早期PR测试57人）	NA	V-Net	AUC, 敏感性, 特异性	NA
1126	2025-12-06	Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review 2025-Nov, Journal of paediatrics and child health IF:1.6Q2 DOI:10.1111/jpc.70172 PMID:41015898	系统综述	本文系统综述了人工智能（特别是深度学习）在利用骨盆X光片和超声图像检测发育性髋关节发育不良（DDH）中的诊断准确性	首次系统性地评估和总结了AI在DDH诊断中的应用效果，比较了其在X光和超声图像上的表现，并指出了其与医生诊断的可比性	对外部数据集的评估有限，限制了其普适性，需要更多样化的数据集和真实世界应用来验证	评估深度学习算法在检测发育性髋关节发育不良（DDH）中的诊断准确性	有DDH风险或疑似DDH的儿童（<16岁）的髋关节超声或X光图像	数字病理学	发育性髋关节发育不良	深度学习（DL）	NA	图像（骨盆X光片、超声图像）	总计15406个样本（超声图像8315个，骨盆X光片7091个）	NA	NA	AUC, 灵敏度, 特异性	NA
1127	2025-12-06	A CT-based deep learning radiomics model for predicting HER2 expression and prognosis in non-muscle-invasive bladder cancer 2025-Nov, Biomarkers in medicine IF:1.9Q3 DOI:10.1080/17520363.2025.2590778 PMID:41277127	研究论文	本研究基于术前CT影像，结合放射组学和深度学习特征，开发了一个预测非肌层浸润性膀胱癌HER2表达状态及预后的模型	首次将深度学习评分、放射组学评分与临床病理特征整合，构建了一个深度学习放射临床特征模型，用于预测NMIBC的HER2表达和无复发生存期	回顾性研究，样本量相对较小（181例），需外部验证	评估非肌层浸润性膀胱癌的HER2表达状态和预后	非肌层浸润性膀胱癌患者	数字病理	膀胱癌	CT成像	深度学习模型	CT图像	181名患者（训练集126例，测试集55例）	NA	NA	AUC	NA
1128	2025-12-06	Prompt-based multimodal representation learning for drug repurposing 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf636 PMID:41329039	研究论文	本文提出了一种基于提示的多模态表示学习框架，用于动态编码药物重定位中的任务特定上下文信息，以提高化合物-蛋白质相互作用预测的准确性	引入了动态提示生成模块和提示校准模块，能够自适应地创建受体特异性提示并有效整合多模态特征，克服了传统方法依赖静态分子和蛋白质结构表示的局限性	未明确说明方法在其他类型受体或更广泛药物靶点上的泛化能力，也未详细讨论计算复杂度或模型可解释性	提高化合物-蛋白质相互作用预测的准确性，推动药物重定位研究	FDA批准的药物候选物，特别是针对G蛋白偶联受体的化合物	机器学习	NA	深度学习	深度学习框架	结构数据（分子和蛋白质结构）	NA	NA	提示基多模态表示学习框架	平均绝对误差	NA
1129	2025-12-06	Risk factors for hepatocellular carcinoma rupture: multicentre retrospective study 2025-Oct-30, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zraf105 PMID:41189483	研究论文	本研究通过多中心回顾性分析，全面探讨了肝细胞癌破裂的风险因素，并开发了结合传统和机器学习方法的预测模型	首次整合了传统统计模型（如CAPTure列线图）与随机森林和深度学习模型，以增强肝细胞癌破裂风险预测的准确性和可解释性	研究为回顾性设计，可能存在选择偏倚，且数据来源于中国的三级医疗中心，可能限制结果的普适性	识别肝细胞癌破裂的风险因素并开发早期风险预测模型，以优化临床决策和资源分配	肝细胞癌患者，包括破裂和非破裂病例	机器学习	肝细胞癌	回顾性数据分析，倾向性评分匹配	随机森林，深度学习	临床数据	5952名肝细胞癌患者	NA	NA	精确度，召回率，F1分数，AUC	NA
1130	2025-12-06	A Multi-Task Deep Learning Model for Pediatric Echocardiography Analysis 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.27.25338912 PMID:41282661	研究论文	本文介绍了EchoAI-Peds，首个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测多种先天性心脏缺陷和异常	开发了首个针对儿科超声心动图的多任务深度学习模型，整合了多个超声心动图视图的信息，并使用迄今为止最全面的儿科标签集进行训练	模型仅在两个医疗中心的数据集上进行了测试，可能需要更多外部验证以确保广泛适用性	开发一个专门针对儿科人群的深度学习模型，以自动化和改进儿科超声心动图分析	儿科超声心动图视频，用于检测先天性心脏缺陷、结构和功能异常、修复和干预	计算机视觉	先天性心脏缺陷	超声心动图	Vision Transformer	视频	超过11,000项研究中的700,000多个视频	NA	Vision Transformer	AUROC	NA
1131	2025-12-06	DRIPS: Domain Randomisation for Image-based Perivascular spaces Segmentation 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.22.25337423 PMID:41282908	研究论文	提出一种基于领域随机化的图像分割框架DRIPS，用于自动分割脑部血管周围空间（PVS）	整合解剖和形状先验与基于物理的图像生成过程，生成合成脑图像和标签进行深度学习模型训练，通过引入变异性实现良好的泛化能力	未明确说明模型在极端成像条件下的性能或计算效率的具体限制	开发一种准确、全自动的PVS分割方法，适用于异构成像设置	脑部MRI数据和3D离体脑组织学重建模型	计算机视觉	脑部疾病	MRI成像（T1w和T2w，各向同性和各向异性）	深度学习模型	图像	165名受试者（来自五个队列）和一个3D离体脑模型	NA	NA	AUPRC, Dice相似系数	NA
1132	2025-12-06	Artificial intelligence-driven epigenetic CRISPR therapeutics: a structured multi-domain meta-analysis of therapeutic efficacy, off-target prediction, and gRNA optimization 2025-Oct-25, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01725-8 PMID:41136797	综述	本文通过系统综述和荟萃分析，评估了人工智能（AI）在提高CRISPR表观遗传编辑工具的治疗效果、gRNA优化和脱靶预测方面的作用	首次对AI驱动的CRISPR表观遗传编辑工具进行了结构化的多领域荟萃分析，量化了AI在治疗效果、gRNA优化和脱靶预测三个关键领域的积极影响	研究基于已发表的文献，可能存在发表偏倚；纳入的58项研究中仅41项提供了可提取的定量数据，样本量有限	评估人工智能对CRISPR表观遗传编辑工具的精准性、安全性和治疗效果的提升作用	CRISPR表观遗传编辑工具，特别是其治疗效果、gRNA设计和脱靶预测	机器学习	NA	CRISPR表观遗传编辑	深度学习	NA	58项研究（其中41项提供定量数据）	NA	NA	标准化均数差（SMD），受试者工作特征曲线下面积（AUC）	NA
1133	2025-12-06	Deep learning-based classification of fungal and Acanthamoeba keratitis using confocal microscopy 2025-Oct, The ocular surface DOI:10.1016/j.jtos.2025.07.012 PMID:40752665	研究论文	本研究评估了使用深度学习基于共聚焦显微镜图像对真菌性和棘阿米巴性角膜炎进行分类和亚型分型的可行性	首次应用深度学习（特别是ResNet50架构）对真菌性和棘阿米巴性角膜炎进行自动分类和亚型分型，提高了诊断准确性	非特异性角膜炎（NSK）的分类性能较低（精确度78%，召回率71%），数据集存在类别不平衡问题	评估深度学习在角膜炎分类和亚型分型中的可行性，以改善诊断和治疗策略	角膜炎图像，包括真菌性角膜炎（FK）、棘阿米巴性角膜炎（AK）和非特异性角膜炎（NSK）	计算机视觉	角膜炎	共聚焦显微镜	CNN	图像	1975张图像（1137张FK，457张AK，381张NSK）	NA	ResNet50	准确率, 精确度, 召回率, F1分数, ROC AUC, PR AUC	NA
1134	2025-12-06	Application of artificial intelligence and digital tools in cancer pathology 2025-Oct, The Lancet. Digital health DOI:10.1016/j.landig.2025.100933 PMID:41241581	综述	本文概述了人工智能和数字工具在癌症病理学中的应用、挑战及未来发展	强调了从传统机器学习向深度学习、自监督学习基础模型、多模态模型以及智能体AI的技术演进，并讨论了新兴的监管与伦理考量	NA	探讨人工智能在癌症病理学诊断中的整合应用、当前挑战及未来发展方向	癌症病理学中的数字病理工作流程、AI模型及其临床应用	数字病理学	癌症	NA	深度学习, 自监督学习, 多模态模型, 智能体AI	数字病理图像	NA	NA	NA	NA	NA
1135	2025-12-06	Applications of machine learning in high-entropy alloys: a review of recent advances in design, discovery, and characterization 2025-Sep-18, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr01562f PMID:40878184	综述	本文综述了机器学习在高熵合金设计、发现与表征中的最新应用进展	重点介绍了生成模型和计算机视觉等前沿深度学习技术，以及机器学习原子间势在分子动力学模拟中的应用，以提升模拟精度和效率	讨论了该方法固有的局限性，但未具体说明	加速高熵合金领域进展，通过数据驱动方法指导合金设计、性能预测和优化	高熵合金	机器学习	NA	机器学习，分子动力学模拟	生成模型，深度学习	材料数据库数据	NA	NA	NA	评估指标（未具体说明）	NA
1136	2025-12-06	AI-driven techniques for detection and mitigation of SARS-CoV-2 spread: a review, taxonomy, and trends 2025-Jun-14, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-01753-5 PMID:40515956	综述	本文系统回顾了人工智能技术在SARS-CoV-2检测与防控中的应用，包括联邦学习、深度学习、强化学习及混合方法，并分析了当前研究的重点与趋势	提出了针对SARS-CoV-2的AI技术应用分类与趋势分析，强调了隐私安全、检测准确性和计算效率在临床实施中的重要性	未涉及具体实验数据或模型性能比较，主要基于文献综述，缺乏对新技术的实证评估	系统回顾人工智能技术在SARS-CoV-2诊断与治疗中的应用，分析当前研究重点与挑战	人工智能技术（如联邦学习、深度学习、强化学习）在SARS-CoV-2防控中的应用研究	机器学习	COVID-19	NA	深度学习, 强化学习	NA	NA	NA	NA	NA	NA
1137	2025-12-06	Amortized template matching of molecular conformations from cryoelectron microscopy images using simulation-based inference 2025-Jun-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2420158122 PMID:40465628	研究论文	本文介绍了cryoSBI方法，通过结合物理模拟和深度学习，从冷冻电镜图像中推断生物分子的构象及其不确定性	提出了一种基于模拟推理的冷冻电镜图像分析方法，无需估计粒子姿态和成像参数，显著提高了计算速度	NA	从冷冻电镜图像中推断生物分子的构象及其不确定性	生物分子构象	机器学习和计算生物学	NA	冷冻电镜（cryo-EM）	神经网络	图像	NA	NA	NA	NA	NA
1138	2025-12-06	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本研究系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能，并发布了基准测试平台TumorImagingBench	首次系统性地比较了不同架构和预训练策略的医学影像基础模型在定量肿瘤成像任务中的表现，并分析了其鲁棒性和可解释性	研究仅基于公开数据集（3,244次扫描），可能无法完全代表临床实践中的多样性	评估医学影像基础模型在提取可靠定量放射组学表型方面的能力	肿瘤影像数据	医学影像分析	肿瘤	深度学习	基础模型	医学影像扫描	3,244次扫描（来自六个公共数据集）	未明确指定	多种架构（具体未列明）	终点预测性能、鲁棒性、基于显著性的可解释性	NA
1139	2025-12-06	Leveraging Unsupervised Data and Domain Adaptation for Deep Regression in Low-Cost Sensor Calibration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409364 PMID:38889022	研究论文	本文提出了一种基于半监督域适应的深度学习方法，用于低成本空气质量传感器的校准	将传感器校准任务转化为半监督域适应问题，并引入直方图损失和加权对抗熵优化来应对协变量偏移和标签差距	未明确说明实验数据的具体来源和传感器类型，可能限制了方法的通用性	提高低成本空气质量传感器的校准精度，以增强其可靠性	低成本空气质量传感器及其与参考监测器的校准数据	机器学习	NA	深度学习	NA	传感器数据	NA	NA	NA	R²分数, MAE	NA
1140	2025-12-06	A Novel Hierarchical Cross-Stream Aggregation Neural Network for Semantic Segmentation of 3-D Dental Surface Models 2025-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3404276 PMID:38848227	研究论文	本文提出了一种新颖的分层跨流聚合神经网络，用于3D牙科表面模型的语义分割，以提升牙齿分割的准确性	设计了分层跨流聚合网络，通过上下文跨流聚合模块和判别性跨流聚合模块，从多视图输入中学习更具区分性的点/单元表示，改进了多流网络中的特征融合策略	未明确提及具体限制，可能包括计算复杂度或对特定数据类型的依赖性	开发一种高效准确的3D牙科模型语义分割方法，以支持个性化正畸治疗规划	3D牙科表面模型，特别是真实患者牙齿模型	计算机视觉	牙科疾病	深度学习，语义分割	神经网络	3D点云数据	公共和内部真实患者牙科模型数据集，具体样本数量未明确	未明确指定，可能基于PyTorch或TensorFlow	分层跨流聚合网络，多流骨干网络	未明确指定，可能包括准确性、Dice系数等	未明确指定，可能使用GPU进行训练和推理