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	2025-09-07	Development and clinical assessment of a novel AI-based diagnostic model for Hirschsprung's disease 2025-Sep-05, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02284-0 PMID:40913191	研究论文	开发并临床评估一种基于人工智能的先天性巨结肠诊断模型，利用深度学习分析对比灌肠图像	首次将YOLOv8深度学习算法应用于先天性巨结肠的对比灌肠图像诊断，实现高精度非侵入性筛查	外部验证样本量有限，特异性(72.22%)仍有提升空间	提高先天性巨结肠诊断准确性，同时减少侵入性检查	先天性巨结肠患者的对比灌肠图像	计算机视觉	先天性巨结肠	深度学习，对比灌肠成像	YOLOv8	医学图像	725张来自2013-2022年经组织病理学确诊患者的对比灌肠图像
102	2025-09-07	Heart disease risk prediction based on deep learning multi-scale convolutional enhanced Swin Transformer model 2025-Sep-05, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2556004 PMID:40913335	研究论文	提出一种基于多尺度卷积增强Swin Transformer的心血管疾病风险预测模型	结合多分支卷积网络与Swin Transformer模块，通过自注意力机制整合全局与局部信息，并引入SHAP分析增强可解释性	NA	心血管疾病早期风险预测	心血管疾病患者数据	机器学习	心血管疾病	深度学习	CNN, Swin Transformer	结构化医疗数据	克利夫兰心脏病数据集（具体样本量未说明）
103	2025-09-07	Federated Deep Learning Enables Cancer Subtyping by Proteomics 2025-Sep-04, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-24-1488 PMID:40488620	研究论文	开发了一种联邦深度学习框架ProCanFDL，用于在保护数据隐私的前提下通过蛋白质组学数据进行癌症亚型分类	首次将联邦深度学习应用于蛋白质组学数据，实现了在数据不离开本地的情况下进行多中心协作建模	NA	解决生物医学人工智能应用中的数据隐私问题，实现跨机构的癌症亚型分类研究	临床注释的组织蛋白质组学数据	机器学习	癌症	数据非依赖性采集质谱(DIA-MS)、串联质谱标记蛋白质组学(TMT)	联邦深度学习	蛋白质组学数据	总样本量8,201（包含1,260例泛癌队列、6,265例私有数据、625例测试集及887例外部验证数据）
104	2025-09-07	Functional assessment of all ATM SNVs using prime editing and deep learning 2025-Sep-04, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.05.046 PMID:40580951	研究论文	利用prime editing和深度学习全面评估ATM基因所有单核苷酸变异的功能影响	首次系统评估了ATM基因全部27,513种可能SNV的功能影响，并开发了高精度深度学习预测模型DeepATM	NA	解析ATM基因变异的功能影响，支持精准医疗并建立解决VUSs的框架	ATM基因的27,513种单核苷酸变异	机器学习	癌症	prime editing, 深度测序	深度学习	基因组数据	27,513种SNV（实验验证23,092种，预测4,421种）
105	2025-09-07	Deep Learning Based Multiomics Model for Risk Stratification of Postoperative Distant Metastasis in Colorectal Cancer 2025-Sep-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.040 PMID:40912950	研究论文	开发基于深度学习的多组学模型用于预测结直肠癌术后远处转移和评估生存预后	结合放射组学和病理组学深度特征构建集成模型，显著优于传统预测方法	回顾性研究设计，样本量相对有限（521例患者）	预测结直肠癌患者术后远处转移风险并进行生存预后分层	结直肠癌患者	数字病理	结直肠癌	CT影像分析、HE染色病理切片分析、深度学习特征提取	ResNet-101、Nomogram集成模型	医学影像、病理图像	521例结直肠癌患者（381例训练/内部验证，140例外部验证）
106	2025-09-07	A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer 2025-Sep-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.006 PMID:40912952	研究论文	开发用于术前预测晚期胃癌隐匿性腹膜转移和早期复发的级联深度学习框架	提出结合肿瘤分割与转移风险分层的两阶段深度学习框架，首次实现基于CT的隐匿性腹膜转移和早期腹膜复发联合预测	多中心研究但外部验证样本量较小（n=57），需进一步扩大验证队列	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	digital pathology	gastric cancer	CT成像、深度学习	V-Net（分割）、DL分类模型	CT图像	765名患者（来自三个机构），内部验证168例（OPM）和212例（早期PR），外部验证57例
107	2025-09-07	PARPAL: PARalog Protein redistribution using Abundance and Localization in yeast database 2025-Sep-03, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf148 PMID:40580499	研究论文	介绍PARPAL数据库，包含酵母中全基因组复制旁系同源蛋白的丰度和定位再分布数据	开发首个整合高通量筛选和深度学习分析的旁系同源蛋白再分布数据库	目前仅涵盖酿酒酵母数据，尚未扩展到其他生物体	研究全基因组复制事件中旁系同源基因的保留和进化机制	酿酒酵母中的82对旁系同源蛋白对	生物信息学	NA	高通量筛选、深度学习神经网络分析	深度学习神经网络	显微图像	约46万个细胞的3,500张显微图像，涵盖2种遗传背景
108	2025-09-07	Pancancer outcome prediction via a unified weakly supervised deep learning model 2025-Sep-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-025-02374-w PMID:40897689	研究论文	提出一种名为PROGPATH的弱监督深度学习模型，通过整合组织病理学图像和临床变量实现泛癌预后预测	开发首个统一的多癌种预后预测模型，采用注意力引导的多实例学习模块和跨注意力Transformer融合多模态数据，并经过大规模外部验证	模型性能可能受限于临床变量的可用性和质量，且需要进一步前瞻性验证	开发能够整合多模态数据的泛癌预后预测模型以提高癌症患者生存预测准确性	癌症患者（涵盖15种癌症类型）的组织病理学图像和临床数据	数字病理学	多种癌症	弱监督深度学习，多实例学习，Transformer架构	基于基础模型的编码器，注意力机制，跨注意力Transformer	全切片图像（WSI），临床变量	训练集：6,670名患者的7,999张WSI；验证集：4,441名患者的7,374张WSI（来自17个外部队列）
109	2025-09-05	Correction: Deep learning based classification of tibio-femoral knee osteoarthritis from lateral view knee joint X-ray images 2025-Sep-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17772-x PMID:40903478	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
110	2025-09-07	A Deep-Learned Monolithic Nanoparticle Asymmetric Thermal Flow Sensor for Flow Vector Estimation 2025-Sep-02, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c07646 PMID:40790995	研究论文	开发了一种基于深度学习的单片非对称热流传感器，用于精确估计流体矢量	采用激光诱导选择性烧结技术一体化集成微加热器和温度传感器，结合非对称螺旋形状设计和强化学习算法，实现硬件简化与高精度流矢量估计	NA	解决传统流量传感器体积大、结构复杂且易干扰流体的问题	流体动力学测量	传感器技术	NA	激光诱导选择性烧结、强化学习	深度学习算法	传感器电阻数据	NA
111	2025-09-07	Enhanced metastasis risk prediction in cutaneous squamous cell carcinoma using deep learning and computational histopathology 2025-Sep-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01065-7 PMID:40897830	研究论文	开发基于深度学习的cSCCNet模型，通过数字病理学预测皮肤鳞状细胞癌的转移风险	首次使用深度学习自动选择肿瘤区域并生成可解释性热力图，性能超越基于基因表达的工具和临床病理分类	需要进一步验证，包括前瞻性评估	开发可靠的皮肤鳞状细胞癌转移风险预测工具	皮肤鳞状细胞癌（cSCC）患者	数字病理学	皮肤癌	数字病理学、多重免疫组织化学	深度学习模型（cSCCNet）	组织病理学切片图像	来自四个中心的227例原发性cSCC样本
112	2025-09-07	Deep aging clocks: AI-powered strategies for biological age estimation 2025-Sep-02, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102889 PMID:40902671	综述	本文总结了基于人工智能的深度衰老时钟在生物年龄预测中的最新进展与应用	提出非线性深度衰老时钟模型，突破传统线性假设局限，更精准捕捉衰老过程中的细微变化	NA	评估生物衰老过程并开发长寿干预策略	人类衰老过程中的生物标志物	机器学习	老年疾病	深度学习	深度学习模型	多组学数据（表观遗传学、转录组学、代谢组学、微生物组）和影像数据	NA
113	2025-09-07	Automated quantification of abdominal aortic calcification using 3D nnU-Net: a novel approach to assess AAA rupture risk 2025-Sep-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01911-x PMID:40898112	研究论文	本研究开发了一种基于3D nnU-Net的自动化方法，用于从单次CTA扫描中量化腹主动脉钙化，以评估腹主动脉瘤破裂风险	首次应用3D nnU-Net模型实现腹主动脉钙化的自动分割和量化，显著提升评估效率	回顾性研究设计，样本量有限（100例患者），需要进一步验证	开发自动化工具来准确量化腹主动脉钙化，辅助评估AAA破裂风险	腹主动脉瘤患者的CTA扫描图像	医学影像分析	心血管疾病	CTA扫描，深度学习分割	nnU-Net（3D卷积神经网络）	医学影像（CT图像）	100例符合特定纳入标准的患者
114	2025-09-07	Anatomical-Marker-Driven 3D Markerless Human Motion Capture 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3424869 PMID:38980775	研究论文	提出一种基于解剖标志的无标记运动捕捉方法，通过深度学习从图像估计2D关键点并计算3D标记位置	利用基于标记运动捕捉系统的解剖标志创建高质量数据集，直接预测解剖关键点，提高2D关键点标注精度	NA	提高无标记运动捕捉系统的精度，促进其在生物力学研究中的广泛应用	人体运动	计算机视觉	NA	深度学习，基于射线距离的三角测量	深度神经网络	图像	10名受试者执行各种动作
115	2025-09-07	Multiview Deep Learning-Based Efficient Medical Data Management for Survival Time Forecasting 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422180 PMID:38954570	研究论文	提出一种基于多视图深度学习的医疗数据管理框架MDL-MDM，用于提升癌症患者生存时间预测的准确性	引入集成深度学习思想，结合CNN、GAT和GCN三种神经网络构建多视图特征学习框架	NA	通过多视图深度学习实现高效的远程医疗数据管理和生存时间预测	癌症患者的生理指标监测数据	机器学习	癌症	深度学习	CNN, GAT, GCN	医疗监测数据	基于美国癌症患者的真实医疗数据集（具体样本量未说明）
116	2025-09-07	Efficient Training of Probabilistic Neural Networks for Survival Analysis 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417369 PMID:38905091	研究论文	本研究比较了三种概率方法（VI、MCD和SNGP）在高维生存分析中的训练效率和性能表现	首次在生存分析中系统评估非VI方法（MCD和SNGP）的性能，证明它们能在保持预测准确性的同时提供更好的校准不确定性和计算效率	研究仅基于MIMIC-IV数据集进行验证，需要更多数据集证明方法的普适性	探索在大型数据集中训练深度概率生存模型而不增加模型复杂度的有效方法	生存分析中的概率神经网络模型	机器学习	NA	变分推断(VI), Monte Carlo Dropout(MCD), Spectral-normalized Neural Gaussian Process(SNGP)	概率神经网络	临床生存数据	基于MIMIC-IV数据集（具体样本量未明确说明）
117	2025-09-07	AI-Enhanced Lung Cancer Prediction: A Hybrid Model's Precision Triumph 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3447583 PMID:39172617	研究论文	提出一种结合CNN和BiLSTM的混合深度学习模型，用于从患者医疗笔记中检测肺癌	开发了一种新型混合深度学习架构，在肺癌预测任务上实现了最先进的性能表现	NA	提高肺癌早期检测的准确性和精确度	肺癌患者	自然语言处理	肺癌	深度学习	CNN, BiLSTM	文本	基于MIMIC IV数据集和Yelp Review Polarity数据集
118	2025-09-07	Unipolar voltage electroanatomic mapping detects structural atrial remodeling identified by LGE-MRI 2025-Sep, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.10.015 PMID:39396602	研究论文	本研究探讨了单极电压电解剖标测与LGE-MRI识别心房结构重构的相关性	首次使用高密度多极标测系统对比单极与双极低电压区在识别LGE-MRI纤维化区域中的性能差异	样本量较小（仅20例患者），且为单中心研究	探索LGE-MRI区域与单极/双极低电压区的对应关系	心房颤动患者	数字病理学	心血管疾病	LGE-MRI, 高密度电解剖标测, 深度学习分割	深度学习	医学影像, 电生理信号	20例接受房颤消融术的患者
119	2025-09-07	A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487004 PMID:39466875	研究论文	提出一种基于细胞核特征的自动化肾细胞癌组织病理学分级新框架NuAP-RCC	首次将细胞核级特征与图神经网络结合，通过聚合细胞核预测结果提升分级准确性	未明确说明样本规模的潜在限制或外部验证的广泛性	开发精准且可重复的肾细胞癌自动化病理分级方法	肾细胞癌（RCC）的组织病理图像	数字病理	肾癌	深度学习，图神经网络	CNN, GNN	组织病理图像	多医疗机构数据集（含新构建的patch级RCC数据集）
120	2025-09-07	Personalized Video-Based Hand Taxonomy Using Egocentric Video in the Wild 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495699 PMID:39527414	研究论文	本研究利用第一人称视角视频，通过深度学习模型自动识别个体独特的手部抓握方式，构建个性化手部抓握分类体系	首次提出无需先验分类法的个性化手部抓握自动识别方法，结合姿态与外观数据的深度学习模型应用于自然场景	聚类纯度存在较大方差(67.6% ± 24.2%)，冗余度较高(18.0% ± 21.8%)	开发自然环境下个性化手部抓握模型的自动识别方法	19名颈髓损伤患者的第一人称视角视频数据	计算机视觉	脊髓损伤	语义聚类，深度学习	CNN	视频	19名颈髓损伤患者的家庭环境第一人称视频