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
121	2025-06-23	Deep learning based colorectal cancer detection in medical images: A comprehensive analysis of datasets, methods, and future directions 2025-Jun-17, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110542 PMID:40543496	综述	本文全面回顾了2019年至2025年间人工智能在结直肠癌医学影像检测中的应用现状与发展	系统分类和评估了包括ResNet、VGG和新兴的基于transformer的模型在内的多种CNN架构，并分析了可解释AI方法在医学诊断中的作用	数据集稀缺、计算限制和标准化挑战等技术限制	为医学影像分析和临床实践中实施基于AI的结直肠癌检测系统的研究人员提供全面参考	结直肠癌医学影像	数字病理	结直肠癌	NA	CNN, ResNet, VGG, transformer-based models	医学影像	110篇高质量出版物和9个公开可用的医学影像数据集
122	2025-06-23	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-Jun-17, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	研究论文	本研究提出了一种多模态深度学习方法M-REGLE，用于从互补的电生理波形模态中联合学习低维嵌入表示，以改善心血管特征的遗传预测	提出M-REGLE方法，通过联合学习多模态生理波形的低维表示并进行GWAS，显著提高了心血管特征的遗传预测能力	仅验证了ECG和PPG两种模态数据，未扩展到其他生理信号模态	通过多模态AI方法改善心血管特征的遗传预测	电生理波形数据（ECG和PPG）	机器学习	心血管疾病	GWAS	卷积变分自编码器	波形数据	多个生物银行的数据集
123	2025-06-23	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2025-Jun-16, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	本研究构建了一个多模态模型（MM-RDLM）来预测肝细胞癌（HCC）术后早期复发，并探索了相关的生物学机制	结合放射组学和深度学习模型，构建了预测性能优越的多模态模型，并通过基因集富集分析和多重免疫组化揭示了潜在的生物学机制	研究样本来自三个医疗中心，可能存在选择偏倚；模型的外部验证仍需更多数据支持	预测肝细胞癌术后早期复发并探索相关生物学机制	519例肝细胞癌患者	数字病理	肝细胞癌	放射组学分析、深度学习、基因集富集分析（GSEA）、多重免疫组化（mIHC）	多模态模型（MM-RDLM，整合放射组学和DL模型）	CT图像、基因表达数据、免疫组化数据	519例HCC患者（训练队列433例，验证队列86例）
124	2025-06-23	Classification of glioma grade and Ki-67 level prediction in MRI data: A SHAP-driven interpretation 2025-Jun-16, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102578 PMID:40543244	研究论文	本研究利用AI驱动的MRI数据分析，通过可解释人工智能（XAI）和SHAP方法，探索Ki-67生物标志物与深度学习特征之间的关联，实现对胶质瘤分级和Ki-67水平的精确分类与预测	结合SHAP驱动的可解释AI方法，揭示了深度学习特征与Ki-67生物标志物之间的强关联，为胶质瘤侵袭性提供了新见解	样本量相对较小（101例患者），且仅使用T2W-FLAIR序列MRI数据	开发AI驱动的MRI分析方法，提升胶质瘤临床管理决策	胶质瘤患者（101例）的MRI影像和Ki-67生物标志物数据	数字病理	胶质瘤	T2W-FLAIR MRI序列成像	ResNet50（特征提取）和XGBoost（分类）	MRI影像数据	101例胶质瘤患者的MRI影像
125	2025-06-23	Recent advances in sMRI and artificial intelligence for presurgical planning in focal cortical dysplasia: A systematic review 2025-Jun-13, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2025.101359 PMID:40517890	系统性综述	本文综述了结构磁共振成像（sMRI）和人工智能（AI）在局灶性皮质发育不良（FCD）术前规划中的最新进展	AI，尤其是深度学习方法，显著提高了FCD的检测敏感性和特异性，甚至在某些情况下超越了人类放射科医生的表现	模型性能受FCD类型和训练数据集的影响，需要进一步的临床验证和算法优化	提高FCD的检测准确性以改善药物难治性癫痫患者的术前规划和治疗效果	局灶性皮质发育不良（FCD）患者	数字病理学	癫痫	结构磁共振成像（sMRI）、机器学习和深度学习	深度学习模型	MRI图像	27篇符合纳入标准的全文文章，涉及88篇全文文章
126	2025-06-23	Comparing point counts, passive acoustic monitoring, citizen science and machine learning for bird species monitoring in the Mount Kenya ecosystem 2025-Jun-12, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2024.0057 PMID:40501133	research paper	比较了点计数、被动声学监测、公民科学和机器学习在肯尼亚山生态系统鸟类物种监测中的应用	提出了一个新的数据集，包含超过20小时的肯尼亚山生态系统录音，并由专家鸟类学家标注，同时研究了使用大型深度学习模型处理这些录音的方法	即使使用了多种方法，调查仍然遗漏了已知存在于肯尼亚山生态系统中的稀有物种，表明多种方法的联合使用仍不够全面	比较不同鸟类监测方法的效果，为生态系统管理者提供可操作的见解	肯尼亚山生态系统中的鸟类物种	machine learning	NA	被动声学监测、深度学习	大型深度学习模型	音频	超过20小时的录音
127	2025-06-23	Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography 2025-Jun-06, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.06.003 PMID:40484187	研究论文	本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞	结合3D光学衍射断层扫描和卷积神经网络，首次利用脂滴特征自动分类胆道癌细胞	研究仅使用了特定细胞系，未涉及临床样本	开发一种基于脂滴特征的胆道癌自动诊断系统	胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69）	数字病理	胆道癌	3D光学衍射断层扫描（ODT）	CNN（EfficientNet-b3）	3D折射率断层图像	4种细胞系（3种癌细胞系和1种正常细胞系）
128	2025-06-23	Clinical outcome and deep learning imaging characteristics of patients treated by radio-chemotherapy for a "molecular" glioblastoma 2025-Jun-04, The oncologist DOI:10.1093/oncolo/oyaf127 PMID:40542584	研究论文	本研究评估了分子胶质母细胞瘤（molGB）对标准治疗的反应，并探讨了深度学习和机器学习在MRI上区分无对比增强的molGB与低级别胶质瘤（LGG）的能力	首次比较了分子胶质母细胞瘤（molGB）与经典胶质母细胞瘤（histGB）的生存结果，并利用AI模型在MRI上区分无对比增强的molGB与LGG	研究为回顾性设计，样本量较小（132例患者），可能影响结果的普遍性	评估molGB对标准治疗的反应及AI在区分molGB与LGG中的诊断效用	132例接受放疗和替莫唑胺治疗的胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI FLAIR高信号分割	深度学习	图像	132例患者
129	2025-06-23	Trends and global productivity in artificial intelligence research in clinical neurology and neuroimaging: a bibliometric analysis from 1980 to 2024 2025-Jun-04, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf148 PMID:40543094	研究论文	本文通过文献计量学方法分析了1980年至2024年间临床神经学和神经影像学中人工智能研究的趋势和全球生产力	揭示了人工智能在临床神经学和神经影像学领域的快速增长趋势，并预测了未来的持续增长	未观察到与人类发展指数的显著关系	分析人工智能在临床神经学和神经影像学领域的研究趋势和全球生产力	5020篇关于人工智能在临床神经学和神经影像学领域的出版物	机器学习	神经系统疾病	文献计量分析	回归模型	文本	5020篇出版物
130	2025-06-23	Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer 2025-Jun-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100805 PMID:40473111	research paper	该研究通过整合单细胞RNA测序和空间转录组分析，识别了一种触发肝转移的恶性细胞类型（LMTMCs），并开发了一个基于深度学习的结直肠肝转移病理组学模型，用于预测结直肠癌患者的肝转移风险	识别了新的肝转移触发恶性细胞类型（LMTMCs），并通过多组学细胞通讯分析揭示了成纤维细胞与LMTMCs之间的相互作用机制，开发了无需人工标注的弱监督深度学习模型	模型在外部验证集中的性能存在差异（AUC分别为0.89和0.72），可能需要进一步优化和验证	提高结直肠癌肝转移风险的识别和预测能力	结直肠癌患者及其肝转移风险	digital pathology	colorectal cancer	single-cell RNA sequencing, spatial transcriptome analysis, bulk RNA-sequencing	ResNet18	RNA-seq数据、全切片图像	内部测试集来自The Cancer Genome Atlas-CRC组织学图像，外部验证集来自西南医科大学附属医院和西南医科大学附属中医医院的队列
131	2025-06-23	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	research paper	该研究通过引入OCTAVE数据集和自配置nnU-Net框架，展示了在视网膜疾病诊断中深度学习的应用潜力	提出了一个包含高质量像素级注释的3D OCT数据集OCTAVE，并利用自配置nnU-Net框架实现了跨数据集的高性能分割	数据集的规模可能仍然有限，且依赖于人工标注的质量	解决视网膜疾病诊断中缺乏标注OCT数据集的问题，推动AI诊断工具的发展	视网膜的解剖和病理结构	digital pathology	视网膜疾病	OCT成像	nnU-Net	3D OCT图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证
132	2025-06-23	Explainable Deep Learning System for Automatic Detection of Thyroid Eye Disease Using Facial Images 2025-May-27, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.022 PMID:40441501	研究论文	开发并评估了一种可解释的深度学习系统，用于通过面部图像自动检测甲状腺眼病	提出了一种结合眼周标志定位网络和甲状腺眼病检测网络的可解释深度学习系统，具有高准确性和可解释性	需要在非专科环境下进一步评估，特别是在Graves病患者队列中	开发自动检测甲状腺眼病的深度学习系统	甲状腺眼病患者和健康受试者的面部图像	计算机视觉	甲状腺眼病	深度学习	XDL（可解释深度学习系统）	图像	591张面部图像（302张患者，289张健康对照），外加100张独立验证图像
133	2025-06-23	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现	引入了新收集的模拟腹腔镜手术性能数据集（LSPD），并采用3DCNN和弱监督方法对手术技能水平进行分类	数据集可能受限于模拟环境，未涉及真实手术场景	通过AI技术提高手术技能评估的自动化水平，减少对人工专家评估的依赖	模拟腹腔镜手术视频数据	计算机视觉	NA	深度学习	3DCNN	视频	包含不同技能水平（新手、学员、专家）的手术模拟视频
134	2025-06-23	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	本研究利用人工智能在计算病理学中的应用，评估乳腺癌中的缺氧状态	提出了一种基于弱监督深度学习的模型HypOxNet，能够仅通过常规H&E染色全切片图像检测缺氧相关的形态学变化	研究样本仅来自TCGA数据库，可能限制了模型的泛化能力	开发一种快速、经济有效的替代分子检测的方法，用于评估肿瘤缺氧微环境	乳腺癌组织	数字病理学	乳腺癌	弱监督深度学习	HypOxNet	H&E染色全切片图像	1016例乳腺癌原发灶样本
135	2025-06-22	Expression of Concern: Real-time recognition of spraying area for UAV sprayers using a deep learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326610 PMID:40540481	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
136	2025-06-23	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	研究论文	本章探讨了人工智能和机器学习在预测lncRNA功能、识别疾病关联和注释蛋白质相互作用中的应用	详细描述了用于lncRNA结合蛋白功能注释的深度学习流程，并强调了实验验证与计算预测的整合	数据集准备、模型设计和可用性方面存在挑战	推进长链非编码RNA（lncRNA）的研究	长链非编码RNA（lncRNAs）及其结合蛋白（lncRBPs）	分子生物学	NA	机器学习（ML）、深度学习（DL）	RNN、CNN、transformer-based模型	NA	NA
137	2025-06-23	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	research paper	使用深度学习模型基于常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次利用深度学习从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的方法	样本量较小（97张TCGA切片和44例活检患者的110张切片），且外部验证队列的性能有所下降	开发一种快速、经济的PDAC分子亚型分类方法以改善临床治疗	胰腺导管腺癌（PDAC）的分子亚型	digital pathology	pancreatic cancer	深度学习	CNN（未明确说明但推断为卷积神经网络）	whole slide pathology images	97张TCGA手术切除样本切片 + 44例患者（110张）活检切片
138	2025-06-23	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	research paper	本研究比较了半自动放射组学模型和自动3D-CNN模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发了一种全自动3D-CNN模型，能够自动诊断神经退行性帕金森综合征，并在经验不足的医院中减少6%的诊断错误	研究为回顾性设计，且仅在两个医疗中心进行	比较放射组学模型和3D-CNN模型在诊断神经退行性帕金森综合征上的性能及临床价值	687名具有帕金森综合征运动症状的患者	digital pathology	geriatric disease	18 F-FDOPA PET扫描	3D-CNN, SVM	image	687名患者（训练集417名，内部测试集100名，外部测试集170名）
139	2025-06-23	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	research paper	该研究探讨了在非小细胞肺癌预后预测中，利用机器学习算法从健康器官提取的放射组学信息的附加价值	首次提出并验证了健康器官放射组学（Organomics）在非小细胞肺癌预后预测中的重要性，突破了传统仅关注恶性病灶的研究模式	样本量较小（154例），且数据来源于在线数据库，可能影响模型的泛化能力	探索健康器官放射组学信息对非小细胞肺癌预后预测的附加价值	非小细胞肺癌患者的PET/CT图像	digital pathology	lung cancer	PET/CT成像	nnU-Net, random survival forest, CoxPH	医学影像（PET/CT）	154例患者PET/CT图像
140	2025-06-23	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Aug-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312509 PMID:39252932	研究论文	该研究结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的深度学习流程，用于快速术中检测原发性中枢神经系统淋巴瘤（PCNSL）并与其他CNS肿瘤区分	首次将SRH与深度学习结合，实现了在3分钟内完成PCNSL的检测与鉴别，且准确率优于传统冰冻切片分析	研究样本主要来自四个国际医疗中心，可能存在一定的选择偏差	开发一种快速准确的术中诊断方法，以区分PCNSL和其他CNS肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）及其他CNS肿瘤/非肿瘤病变	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习（具体架构未明确说明）	图像	训练集：54,000个SRH图像块；测试集：三个独立队列（n=160, n=420, n=59）