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
1201	2025-06-27	A review of machine learning applications in life cycle assessment studies 2024-Feb-20, The Science of the total environment DOI:10.1016/j.scitotenv.2023.168969 PMID:38036122	综述	本文回顾了机器学习在生命周期评估（LCA）研究中的应用现状、知识缺口及未来研究方向	系统分析了40项结合LCA与ML方法的研究，提出了ML在LCA中的四大应用方向及未来研究重点	70%的研究训练样本不足1500个，缺乏模型选择标准细节和不确定性分析，需加强数据收集与跨学科合作	探讨如何利用机器学习技术推动生命周期评估的发展	40项结合LCA与ML方法的定量评估研究	机器学习	NA	监督学习与无监督学习	人工神经网络（ANNs）	文献数据、实验数据、数据库数据、模型模拟数据	多数研究样本量<1500
1202	2025-06-27	Recognition of intraglomerular histological features with deep learning in protocol transplant biopsies and their association with kidney function and prognosis 2024-Feb, Clinical kidney journal IF:3.9Q1 DOI:10.1093/ckj/sfae019 PMID:38370429	研究论文	本研究利用卷积神经网络自动分割肾小球细胞和毛细血管，并评估其与移植肾功能的相关性	首次使用深度学习自动化测量肾小球内细胞和毛细血管，并发现内皮细胞和上皮细胞的精确分割可能作为未来移植肾丢失风险的潜在标志物	样本量相对较小(215例)，且为单中心研究	评估肾小球内组织学特征与移植肾功能和预后的关联	肾移植患者的肾小球细胞和毛细血管	数字病理学	肾脏疾病	CNN	卷积神经网络	病理图像	215例肾移植患者(37例训练集，24例测试集，154例应用队列)
1203	2025-06-27	Early inner plexiform layer thinning and retinal nerve fiber layer thickening in excitotoxic retinal injury using deep learning-assisted optical coherence tomography 2024-02-01, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-024-01732-z PMID:38303097	研究论文	使用深度学习辅助的光学相干断层扫描技术研究兴奋毒性视网膜损伤中早期内丛状层变薄和视网膜神经纤维层增厚的现象	首次揭示了NMDA诱导的兴奋毒性视网膜损伤中不同视网膜层的病理变化顺序，特别是内丛状层的早期变薄和视网膜神经纤维层的初始增厚	研究仅基于大鼠模型，结果可能无法直接推广到人类	探究兴奋毒性视网膜损伤对不同视网膜层的影响	成年Long Evans大鼠的视网膜	数字病理学	神经退行性疾病	光学相干断层扫描(OCT)	深度学习算法	图像	9只成年Long Evans大鼠
1204	2025-06-27	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究通过结合手工制作和深度学习特征，识别肝转移瘤的原发肿瘤部位	结合手工制作的组织形态特征和深度学习模型，提高了肝转移瘤原发部位识别的准确性	样本量较小（114名患者），且仅针对特定几种癌症类型（结肠、食管、乳腺和胰腺）	开发一种方法来识别肝转移瘤的原发肿瘤部位，以指导治疗选择	肝转移瘤的病理切片	数字病理学	肝转移瘤	计算机提取的手工制作特征和深度学习	随机森林和深度学习网络	病理切片图像	114名患者的175张病理切片
1205	2025-06-26	Assessing risk of groundwater pollution exposure from sea level rise in California 2025-Aug-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179695 PMID:40513440	研究论文	本研究利用深度学习和可解释人工智能（XAI）模型评估加州海平面上升导致的地下水污染暴露风险	结合深度学习和XAI模型，量化海平面上升对地下水污染暴露风险的影响，并识别关键风险预测因素	模型在空间自相关性方面存在泛化挑战，空间交叉验证模型在其他沿海地区的应用可能存在偏差	评估海平面上升对加州地下水污染暴露风险的影响	加州沿海含水层及2296个危险场所	环境科学	NA	深度学习，可解释人工智能（XAI）	深度学习模型，XAI模型	地下水数据，社会经济数据，人口统计数据	2296个危险场所及加州沿海地区人口数据
1206	2025-06-26	Prediction of B/T Subtype and ETV6-RUNX1 Translocation in Pediatric Acute Lymphoblastic Leukemia by Deep Learning Analysis of Giemsa-Stained Whole Slide Images of Bone Marrow Aspirates 2025-Aug, Pediatric blood & cancer IF:2.4Q1 DOI:10.1002/pbc.31797 PMID:40399768	研究论文	本研究开发了一个深度学习流程，用于分析吉姆萨染色的骨髓穿刺涂片，以预测儿童急性淋巴细胞白血病的B/T亚型和ETV6-RUNX1易位	首次使用深度学习分析吉姆萨染色涂片来预测B/T亚型和ETV6-RUNX1易位，为资源匮乏地区提供了替代诊断方案	外部验证队列的AUC值相对较低（B/T亚型0.72，ETV6-RUNX1易位0.69），表明模型在外部数据上的泛化能力有待提高	开发一种基于深度学习的诊断工具，用于儿童急性淋巴细胞白血病的亚型分类和遗传异常检测	儿童急性淋巴细胞白血病患者的骨髓穿刺涂片	数字病理学	急性淋巴细胞白血病	吉姆萨染色	CNN	图像	未明确提及具体样本数量，但包含交叉验证和外部验证队列
1207	2025-06-26	Assessment of image quality on the diagnostic performance of clinicians and deep learning models: Cross-sectional comparative reader study 2025-Jul, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20462 PMID:39655640	研究论文	本研究评估了不同图像质量对临床医生和深度学习模型诊断性能的影响	首次研究了HDR增强的皮肤镜图像对诊断性能的影响，并比较了临床医生与CNN模型在不同图像质量下的表现	样本量相对较小(101个皮肤病变)，且仅评估了18名皮肤科医生	探究图像质量对皮肤癌诊断准确性的影响	皮肤病变图像和诊断性能	数字病理学	皮肤癌	HDR图像增强技术	CNN	图像	101个皮肤病变的303张图像(18名临床医生参与评估)
1208	2025-06-26	Quantitative Ischemic Lesions of Portable Low-Field Strength MRI Using Deep Learning-Based Super-Resolution 2025-Jul, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.050540 PMID:40235448	研究论文	本研究评估了基于深度学习的合成超分辨率磁共振成像（SynthMRI）在便携式低场强磁共振成像（LF-MRI）中定量缺血性病变的性能提升	使用深度学习框架SCUNet（Swin-Conv-UNet）从LF-MRI图像生成SynthMRI图像，显著提高了对缺血性病变的检测和量化性能	研究为回顾性设计，且样本量相对有限（178名中风患者和104名健康对照）	评估SynthMRI在LF-MRI中检测和量化缺血性病变的诊断性能	中风患者和健康对照的LF-MRI和HF-MRI图像	数字病理	心血管疾病	深度学习超分辨率技术	SCUNet（Swin-Conv-UNet）	磁共振图像	178名中风患者和104名健康对照
1209	2025-06-26	BERTAgent: The development of a novel tool to quantify agency in textual data 2025-Jul, Journal of experimental psychology. General DOI:10.1037/xge0001740 PMID:40354292	研究论文	开发了一种名为BERTAgent的新工具，用于量化文本数据中的语义能动性	利用transformer架构的深度学习模型，克服了传统词计数方法对语义上下文不敏感的缺点，并考虑了能动性的强度和方向性差异	需要依赖人工编码数据进行微调，可能受限于训练数据的质量和范围	开发能够更准确量化文本中语义能动性的计算工具	文本数据中的语义能动性	自然语言处理	NA	深度学习	transformer架构（BERT）	文本	NA
1210	2025-06-26	Deep Learning Based on Ultrasound Images Differentiates Parotid Gland Pleomorphic Adenomas and Warthin Tumors 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251319410 PMID:40156239	研究论文	本研究利用深度学习技术基于超声图像开发自动化模型，以准确区分腮腺多形性腺瘤和沃辛瘤	首次应用深度学习模型（如ResNet18、MobileNetV3Small和InceptionV3）于超声图像分析，用于区分腮腺多形性腺瘤和沃辛瘤，并展示了优于超声医师的诊断准确性	研究样本量较小（91例患者，526张超声图像），且为回顾性研究，可能影响模型的泛化能力	开发一种基于超声图像的深度学习模型，用于准确区分腮腺多形性腺瘤和沃辛瘤	腮腺多形性腺瘤和沃辛瘤患者	数字病理	腮腺肿瘤	超声成像	CNN（包括ResNet18、MobileNetV3Small和InceptionV3）	图像	91例患者，526张超声图像
1211	2025-06-26	Deep Learning Model for Real-Time Nuchal Translucency Assessment at Prenatal US 2025-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240498 PMID:40304583	研究论文	开发并评估了一种基于人工智能的模型，用于实时识别和测量产前超声检查中的颈项透明层（NT）平面	提出了一种名为AIM-NT的深度学习模型，能够在产前超声检查中实时识别NT平面并测量NT厚度，与放射科医生的工作流程高度一致	研究为回顾性多中心研究，可能受到数据收集时间和范围的限制	开发并评估一种人工智能模型，用于产前超声检查中的NT平面识别和测量	产前超声检查中的颈项透明层（NT）平面	数字病理	产前筛查	超声检查	CNN	图像和视频	内部数据集包括3153个胎儿的3959张NT图像，外部数据集包括267个胎儿的267个超声视频
1212	2025-06-26	Automatic Detection of B-Lines in Lung Ultrasound Based on the Evaluation of Multiple Characteristic Parameters Using Raw RF Data 2025-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251330111 PMID:40539654	研究论文	提出一种基于射频信号的肺部超声B线垂直伪影自动识别方法，通过多特征参数输入非线性支持向量机进行分类	利用射频信号而非图像数据，结合多特征参数和PCA降维，减少了对大型图像数据集的依赖，同时保持了高分类准确率	实验模型（海绵滴水模型、明胶体模）与真实肺部组织的声学特性可能存在差异	开发实时高效的肺部超声B线自动检测方法以辅助肺部疾病诊断	肺部超声中的B线伪影	医学影像分析	肺部疾病	射频信号分析、PCA降维	非线性SVM	射频信号	海绵滴水模型、玻璃珠/明胶液滴体模、体内实验数据
1213	2025-06-26	Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features 2025-Jul, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70217 PMID:40552679	研究论文	本研究利用机器学习和CT特征预测系统性硬化症肺移植后的原发性移植物功能障碍	首次在系统性硬化症患者中应用深度学习算法自动计算CT图像特征，并结合多种机器学习模型预测PGD	样本量相对较小（92例），且为单中心回顾性研究	预测系统性硬化症患者肺移植后的原发性移植物功能障碍	92例接受双侧肺移植的系统性硬化症患者	数字病理学	系统性硬化症	CT扫描、深度学习	多元逻辑回归、SVM、随机森林分类器(RFC)、多层感知机(MLP)	CT图像	92例系统性硬化症肺移植患者（2007-2020年）
1214	2025-06-26	[A deep learning method for differentiating nasopharyngeal carcinoma and lymphoma based on MRI] 2025-Jul, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology head and neck surgery DOI:10.13201/j.issn.2096-7993.2025.07.001 PMID:40555483	research paper	开发一种基于常规MRI的深度学习模型，用于自动分割和鉴别诊断鼻咽癌（NPC）和鼻咽淋巴瘤（NPL）	利用深度学习模型结合常规MRI数据进行自动分割和分类，提高了鼻咽癌和鼻咽淋巴瘤的鉴别诊断准确性	研究为回顾性研究，样本量有限，且仅来自单一医疗中心	开发一种自动化的深度学习模型，用于鼻咽癌和鼻咽淋巴瘤的鉴别诊断	鼻咽癌（NPC）和鼻咽淋巴瘤（NPL）患者	digital pathology	nasopharyngeal carcinoma, lymphoma	MRI	ResNet101	image	434名患者（142名NPL患者和292名NPC患者）
1215	2025-06-26	Application Value of Deep Learning-Based AI Model in the Classification of Breast Nodules 2025-Jun-25, British journal of hospital medicine (London, England : 2005) DOI:10.12968/hmed.2025.0078 PMID:40554435	研究论文	本研究开发了一种基于深度学习的AI模型，用于辅助超声医师对乳腺结节进行BI-RADS分类，以提高诊断准确性	利用卷积神经网络（CNN）构建的AI模型显著提高了乳腺结节分类的敏感性和特异性，并减少了医师间的诊断差异	研究为回顾性分析，可能存在选择偏差，且样本量相对有限	评估基于深度学习的AI模型在乳腺结节分类中的临床应用价值	558名乳腺结节患者（BI-RADS 3-5类）的1026个乳腺结节	数字病理学	乳腺癌	超声检查	CNN	图像	558名患者的1026个乳腺结节
1216	2025-06-26	Letter by Sacoransky Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure" 2025-Jun-25, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.018652 PMID:40557525	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1217	2025-06-26	Deep learning algorithms from histopathological images stratify molecular subtypes for leiomyosarcoma: a proof-and-concept diagnostic study 2025-Jun-25, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002667 PMID:40557542	研究论文	本研究开发并验证了基于深度学习的算法，用于通过单张H&E染色的全切片图像（WSIs）对平滑肌肉瘤（LMS）的分子亚型进行分层并预测生存期	首次使用深度学习算法从组织病理学图像中分层平滑肌肉瘤的分子亚型，并预测患者生存期，显著提高了病理学家的工作效率和准确性	需要更大规模的前瞻性队列研究进行进一步验证	开发并验证深度学习算法，用于平滑肌肉瘤的分子亚型分层和生存期预测	平滑肌肉瘤（LMS）患者的组织病理学图像	数字病理学	平滑肌肉瘤	深度学习	DesenNet121, ResNet50	图像	训练集154例WSIs（1,579,215个tiles），外部测试集80例WSIs（555,211个tiles）
1218	2025-06-26	Advancing Soil Organic Carbon Prediction: A Comprehensive Review of Technologies, AI, Process-Based and Hybrid Modelling Approaches 2025-Jun-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504152 PMID:40557741	综述	本文综述了土壤有机碳(SOC)预测方法的最新进展，包括遥感、近端土壤传感、人工智能建模、生物地球化学建模及数据融合技术	整合多种传感技术与AI建模方法，特别是深度学习，以提高SOC预测的准确性，并探讨了生物地球化学模型与AI结合的新途径	未提出单一最佳AI算法，且生物地球化学模型存在假设、参数化和结构上的局限性	支持气候变化减缓努力并促进可持续农业管理实践	土壤有机碳(SOC)	环境科学	NA	遥感(RS)、近端土壤传感(PSS)、机器学习(ML)、深度学习(DL)、生物地球化学建模、数据融合	ML、DL	遥感数据、土壤传感数据	NA
1219	2025-06-26	Dual-Branch Contrastive Network with Deep Separable Convolution for Enhanced 6mA Site Identification 2025-Jun-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01058 PMID:40558076	研究论文	提出了一种名为DS6mA的创新深度学习模型，用于增强6mA位点的预测	使用双分支对比网络和深度可分离卷积提取DNA序列中的关键位置信息	NA	提高6mA位点的预测准确性	DNA N6-甲基腺嘌呤（6mA）位点	生物信息学	NA	深度学习	双分支对比网络、深度可分离卷积	DNA序列	11个不同的综合基准数据集
1220	2025-06-26	High-performance Open-source AI for Breast Cancer Detection and Localization in MRI 2025-Jun-25, Radiology. Artificial intelligence DOI:10.1148/ryai.240550 PMID:40560044	研究论文	开发并评估了一种用于MRI乳腺癌检测和定位的开源深度学习模型	使用了迄今为止最大的乳腺癌MRI数据集进行训练，并在多个临床站点验证了模型的泛化能力	研究为回顾性设计，可能影响结果的普适性	开发高性能开源AI模型用于乳腺癌检测和定位	乳腺癌MRI图像	数字病理学	乳腺癌	MRI	深度学习模型	MRI图像	30,672次矢状面MRI检查（52,598个乳房）来自9,986名女性患者，以及来自第二临床站点的1,840个乳房的轴向数据