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
101	2025-07-18	Deep Learning-Based Body Composition Analysis for Outcome Prediction in Relapsed/Refractory Diffuse Large B-Cell Lymphoma: Insights From the LOTIS-2 Trial 2025-Jul, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00051 PMID:40669032	研究论文	本研究探讨了基于深度学习的身体成分分析在复发/难治性弥漫性大B细胞淋巴瘤患者临床结果预测中的作用	提出了一种基于深度学习的身体成分分析方法，用于预测复发/难治性弥漫性大B细胞淋巴瘤患者的治疗反应和生存结果	研究样本量相对较小（140例患者），且仅针对特定治疗方案（loncastuximab tesirine）的患者	探索身体成分作为独立影像学生物标志物在复发/难治性弥漫性大B细胞淋巴瘤患者临床结果预测中的价值	复发/难治性弥漫性大B细胞淋巴瘤患者	数字病理学	弥漫性大B细胞淋巴瘤	深度学习	深度学习分割模型	CT影像	140例复发/难治性弥漫性大B细胞淋巴瘤患者的PET/CT扫描数据
102	2025-07-18	Prediction of piezoelectric properties of NBT-based ceramics based on deep neural networks 2025 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504251359081 PMID:40671603	研究论文	本研究利用深度神经网络（DNN）预测NBT基陶瓷的压电性能，并通过实验验证了局部极性异质性与电性能的正相关性	首次将DNN应用于NBT基陶瓷压电性能的预测，并通过实验验证了局部极性异质性的影响	研究仅针对NBT基陶瓷，未涵盖其他类型的压电材料	预测和优化压电材料的性能	NaBiTiO基陶瓷	材料科学	NA	深度神经网络（DNN）	DNN	实验数据	大量高质量实验数据
103	2025-07-18	Corrigendum to "External Validation of a Novel Landmark-Based Deep Learning Automated Tibial Slope Measurement Algorithm Applied on Short Radiographs Obtained in Patients With ACL Injuries" 2025-Jul, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251357595 PMID:40672049	correction	本文是对先前发表的关于基于地标的深度学习自动胫骨斜率测量算法的外部验证研究的更正	NA	NA	更正先前发表的论文中的错误	NA	digital pathology	NA	NA	deep learning	image	NA
104	2025-07-18	Prognostic Value of Deep Learning-Extracted Tumor-Infiltrating Lymphocytes in Esophageal Cancer: A Multicenter Retrospective Cohort Study 2025-Jul, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71054 PMID:40673386	研究论文	本研究利用深度学习方法评估食管鳞状细胞癌中肿瘤浸润淋巴细胞的预后价值	首次在食管鳞状细胞癌中应用深度学习方法定量分析肿瘤浸润淋巴细胞的分布及其预后意义	研究为回顾性设计，且未深入分析淋巴细胞亚群的空间信息	评估肿瘤浸润淋巴细胞在食管鳞状细胞癌中的预后潜力	626例经病理确诊的食管鳞状细胞癌患者	数字病理学	食管癌	全切片数字成像(WSI)和深度学习方法	DL	图像	626例患者
105	2025-07-18	Automated machine learning predicts liver metastases in patients with early-onset gastroenteropancreatic neuroendocrine tumors 2025-Jun-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-946 PMID:40672078	研究论文	本研究利用自动化机器学习（AutoML）方法开发了一个预测模型，用于早期检测早发性胃肠胰神经内分泌肿瘤（GEP-NETs）患者的肝转移	采用AutoML方法构建预测模型，并比较了多种算法（GBM、GLM、DL、DRF）的性能，其中GBM算法表现最佳	研究基于回顾性数据，可能存在选择偏倚，且未进行外部验证	开发一个预测模型，用于早期检测早发性GEP-NETs患者的肝转移	早发性胃肠胰神经内分泌肿瘤（GEP-NETs）患者	机器学习	胃肠胰神经内分泌肿瘤	AutoML、LASSO、逻辑回归、GBM、GLM、DL、DRF	GBM、GLM、DL、DRF	临床数据	12,802名患者（训练集8,983名，验证集3,819名）
106	2025-07-18	Development and validation of growth prediction models for multiple pulmonary ground-glass nodules based on CT features, radiomics, and deep learning 2025-Jun-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-1039 PMID:40673084	研究论文	基于CT特征、放射组学和深度学习开发并验证了多发性肺磨玻璃结节（GGN）的生长预测模型	首次针对多发性肺GGN开发生长预测模型，并结合临床、放射组学和深度学习特征进行比较	回顾性研究设计可能存在选择偏倚，样本量相对有限	预测多发性肺GGN的生长模式以指导临床监测和干预决策	多发性肺磨玻璃结节（GGN）患者	数字病理	肺癌	CT扫描、放射组学分析、深度学习	临床模型、放射组学模型、DL模型、临床-放射组学组合模型、临床-DL组合模型	CT影像	231名患者的732个GGN结节（随访≥3年）
107	2025-07-18	Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging 2025-Jun-03, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2510587 PMID:40459922	研究论文	开发一种深度学习模型，利用眼眶CT成像准确区分甲状腺眼病和眼眶肌炎	首次使用深度学习模型在单张冠状眼眶CT图像上高精度区分甲状腺眼病和眼眶肌炎	单中心回顾性研究，样本量相对有限	开发能准确区分甲状腺眼病和眼眶肌炎的诊断工具	甲状腺眼病(TED)患者、眼眶肌炎患者和正常对照组	计算机视觉	甲状腺眼病和眼眶肌炎	CT成像	VGG-16网络	图像	192名患者(110名TED, 51名眼眶肌炎, 31名对照)的1628张图像
108	2025-07-18	Research on prediction algorithm of effluent quality and development of integrated control system for waste-water treatment 2025-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03612-5 PMID:40456765	研究论文	本研究提出了一种用于废水处理厂出水质量预测的深度学习算法和集成控制系统，以提高处理效率和资源利用率	结合QR-RF元学习器与CNN、LSTM和GRU的深度学习模型，以及新型集成控制系统，显著提升了预测精度和能源/化学品消耗优化	研究仅在江苏省某大都市废水处理厂进行测试，未涉及更多不同规模或类型的处理厂	开发高效的废水处理质量预测和控制系统以减少水污染并优化资源利用	废水处理厂的出水质量和处理过程	机器学习	NA	深度学习	QR-RF, CNN, LSTM, GRU	废水处理过程数据	江苏省大都市废水处理厂的运行数据
109	2025-07-18	Variational inference of single cell time series 2025-May-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.610389 PMID:39257806	研究论文	提出了一种名为SNOW的深度学习算法，用于解析单细胞时间序列数据	SNOW算法能够将单细胞时间序列数据分解为时间依赖和时间独立的贡献，构建具有生物学意义的潜在空间，去除批次效应，并在单细胞水平生成真实的时间序列	NA	解决单细胞RNA测序数据中基因表达受时间和细胞身份共同影响时的分析难题	单细胞时间序列RNA测序数据	机器学习	NA	scRNA-seq	深度学习算法	单细胞RNA测序数据	合成和真实的scRNA-seq数据
110	2025-07-18	External Validation of a Novel Landmark-Based Deep Learning Automated Tibial Slope Measurement Algorithm Applied on Short Radiographs Obtained in Patients With ACL Injuries 2025-May, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251333607 PMID:40342354	研究论文	本研究通过外部验证一种基于深度学习的新型自动胫骨斜率测量算法，应用于ACL损伤患者的短放射影像	开发并验证了一种新型的基于标志点的深度学习算法，用于自动测量胫骨斜率，消除了人为误差并提高了测量效率	与金标准手动测量相比，模型在报告胫骨斜率方面需要进一步改进	验证深度学习模型在胫骨斜率测量中的可靠性和效率	接受前交叉韧带手术患者的膝关节侧位放射影像	数字病理	ACL损伤	深度学习	深度学习模型	放射影像	289张放射影像
111	2025-07-18	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-Apr-01, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	本文介绍了一种基于深度学习的饱和转移磁共振指纹（MRF）技术，用于蛋白质、代谢物和pH值的非侵入性体内成像	深度MRF提供了一个定量且快速的框架，用于提取具有生物学和临床意义的分子信息，解决了传统技术的技术复杂性、半定量对比加权性质以及长扫描时间的问题	该流程的完成时间在48分钟到57小时之间，可能限制了其在某些临床环境中的应用	开发一种定量分子MRI的完整协议，用于癌症监测、脑髓鞘成像和pH量化等应用	体外样本、动物和人类扫描	数字病理学	癌症、神经退行性疾病、中风和心脏病	饱和转移磁共振指纹（MRF）、化学交换饱和转移（CEST）和半固态磁化转移（MT）定量成像	深度学习模型	MRI图像	未明确说明具体样本数量，但涉及体外样本、动物和人类扫描
112	2025-07-18	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-Feb-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	评论	本文讨论了深度学习在流行病学数据收集和分析中的应用及其潜力	探讨了深度学习如何扩展流行病学研究的范围和能力，包括增加研究的地理覆盖范围、纳入更多研究对象以及处理大型或高维数据	深度学习方法的工具对流行病学家来说不如传统回归方法那样直接或普遍可用	探讨深度学习在流行病学数据收集和分析中的应用	流行病学研究中的数据和模型	机器学习	NA	深度学习	神经网络	文本、音频、图像、视频	NA
113	2025-07-18	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	research paper	本研究评估了通过将人工生成的牙科植入物图像纳入深度学习过程，提升全景X射线图像中牙科植入物分类性能的潜力	利用三维扫描技术生成人工牙科植入物图像，并将其与真实图像结合，优化深度学习分类模型的性能	研究中仅使用了10种类型的牙科植入物，可能无法涵盖所有临床情况	提升牙科植入物在全景X射线图像中的分类准确性	牙科植入物	computer vision	NA	三维扫描技术	ResNet50	image	7,946张体内牙科植入物图像及人工生成的图像
114	2025-07-18	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	研究论文	本研究探讨了深度学习在植物病害检测中的应用，提出了一种优化的序列模型以提高分类准确性	使用CNN模型自主学习和提取复杂特征，相比传统机器学习方法实现了96%的高准确率	研究主要针对芒果和花生的叶片病害，可能不适用于其他作物	提高植物病害检测的准确性和效率	芒果和花生的叶片	计算机视觉	植物病害	图像处理（归一化、调整大小、增强）	CNN	图像	来自印度马哈拉施特拉邦西部实地采集和在线数据集的芒果和花生叶片样本
115	2025-07-18	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究利用深度学习和可解释人工智能分析了双重医疗系统使用者与阿片类药物使用障碍风险之间的关系	首次探讨了双重医疗系统使用与人口统计学和临床因素之间的交互作用对阿片类药物使用障碍风险的影响	研究数据仅来自华盛顿特区和巴尔的摩的VA医疗中心，可能不具有全国代表性	评估双重医疗系统使用对阿片类药物使用障碍风险的影响及其与人口统计学和临床因素的交互作用	856,299名来自华盛顿特区和巴尔的摩VA医疗中心的患者实例(2012-2019)	医疗健康数据分析	阿片类药物使用障碍	深度学习、可解释人工智能、自然语言处理	DNN	临床记录和ICD-9/10诊断数据	856,299名患者实例(其中146,688名患有阿片类药物使用障碍)
116	2025-07-18	Deep Learning-Based Algorithm for Staging Secondary Caries in Bitewings 2025, Caries research IF:2.9Q1 DOI:10.1159/000542289 PMID:39471790	研究论文	开发了一种基于深度学习的算法，用于在咬翼片中检测和分期继发龋	采用了一种新颖的方法来确定病变严重程度，并使用Mask R-CNN架构与Swin Transformer骨干网络进行训练	敏感性值相对较低，对于所有病变和牙本质病变的敏感性分别为0.737和0.808	开发一种基于卷积神经网络（CNN）的算法，用于检测和分期继发龋	来自荷兰牙科实践研究网络的2,612颗修复牙齿，涉及413张咬翼片和383名年龄在15-88岁之间的患者	计算机视觉	龋齿	深度学习	Mask R-CNN with Swin Transformer backbone	图像	413张咬翼片，涉及2,612颗修复牙齿和383名患者
117	2025-07-18	AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3587637 PMID:40633040	研究论文	提出了一种名为AADNet的端到端深度学习模型，用于解决听觉注意解码问题	将传统的两步法（预测和识别）合并为一个端到端的直接方法，显著提高了性能	未提及具体局限性	提高在多人说话环境中使用脑信号识别受注意语音的准确性和泛化能力	听觉注意解码（AAD）	机器学习	NA	EEG	AADNet（端到端神经网络）	脑信号（EEG数据）	三个不同的数据集，具体样本量未提及
118	2025-07-18	Finger drawing on smartphone screens enables early Parkinson's disease detection through hybrid 1D-CNN and BiGRU deep learning architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327733 PMID:40658696	研究论文	本研究开发了一种混合深度学习模型，通过分析智能手机屏幕上手指绘制的螺旋线和波浪线的运动数据，旨在早期检测帕金森病	该研究首次将1D-CNN和BiGRU结合的混合深度学习模型应用于智能手机手指绘制数据的分析，实现了无需临床评分量表、神经影像学或基于数字笔的评估的帕金森病早期检测	样本量相对较小（58名参与者），且仅限于早期特发性帕金森病患者和健康对照	开发一种基于智能手机的帕金森病早期检测方法	28名早期特发性帕金森病患者和30名健康对照	数字病理学	帕金森病	智能手机手指绘制数据采集	1D-CNN和BiGRU混合模型	运动数据（手指触摸坐标、瞬时运动速度和时间戳）	58名年龄匹配的参与者（28名患者和30名健康对照）
119	2025-07-18	Sustainable deep vision systems for date fruit quality assessment using attention-enhanced deep learning models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1521508 PMID:40661755	研究论文	本研究提出了一种结合DenseNet121和SE注意力模块的新方法，用于椰枣水果图像分类和质量评估	与传统DenseNet变体不同，提出的模型整合了SE注意力层以聚焦关键图像特征，显著提高了性能	NA	开发一种准确且自动化的水果分类方法，以支持现代农业和食品工业中的质量控制	椰枣水果	计算机视觉	NA	数据增强、注意力机制、Nadam优化	DenseNet121+SE, YOLOv8n	图像	NA
120	2025-07-18	Assessment of prostate cancer aggressiveness through the combined analysis of prostate MRI and 2.5D deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1539537 PMID:40661774	研究论文	本研究通过结合前列腺MRI和2.5D深度学习模型评估前列腺癌的侵袭性	提出了一种结合放射组学特征和深度学习特征的2.5D深度学习模型，用于评估前列腺癌的侵袭性，并通过nomogram和Grad-CAM技术提高了模型的可解释性	样本量相对较小（335例患者），且所有数据来自单一医疗中心，可能存在选择偏差	评估基于前列腺MRI的2.5D深度学习模型在前列腺癌侵袭性评估中的有效性	335例经病理证实的前列腺癌患者	数字病理学	前列腺癌	MRI（包括T2加权成像、扩散加权成像和表观扩散系数扫描）、深度学习（Inception_v3神经网络）、放射组学特征提取（pyradiomics工具）	2.5D深度学习模型、LightGBM算法	医学影像（MRI）	335例前列腺癌患者（266例侵袭性，69例非侵袭性）