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
1501	2025-05-31	AI-Derived Blood Biomarkers for Ovarian Cancer Diagnosis: Systematic Review and Meta-Analysis 2025-Mar-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/67922 PMID:40126546	meta-analysis	本文通过系统综述和荟萃分析评估了AI衍生的血液生物标志物在卵巢癌诊断中的研究质量和有效性	首次对AI在卵巢癌血液生物标志物发现中的诊断价值进行了系统评估，并比较了不同AI算法和样本类型的性能差异	纳入研究之间存在异质性，且部分研究缺乏外部验证	评估AI衍生的血液生物标志物在卵巢癌诊断中的有效性	卵巢癌患者	数字病理	卵巢癌	AI算法（包括机器学习和深度学习）	机器学习 vs 深度学习	血液生物标志物数据	40项研究
1502	2025-05-31	Explainable AI for Intraoperative Motor-Evoked Potential Muscle Classification in Neurosurgery: Bicentric Retrospective Study 2025-Mar-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63937 PMID:40127441	研究论文	本研究开发并评估了用于术中运动诱发电位（MEP）肌肉分类的机器学习方法，并利用可解释人工智能（XAI）技术识别关键信号特征	结合机器学习与可解释人工智能技术，首次在双中心设置下验证MEP信号分类模型，并识别出频率成分和峰值潜伏期等关键特征	研究为回顾性设计，样本量相对有限（151例训练手术/58例测试手术），且仅针对四种特定肌肉	开发可靠的MEP肌肉分类模型以提高神经外科手术患者安全性，并探索影响分类的关键信号特征	幕上神经外科手术中四种肌肉（指伸肌、拇短展肌、胫骨前肌和拇展肌）的运动诱发电位信号	数字病理	神经系统疾病	运动诱发电位监测（IONM）	随机森林（RF）、1D-CNN和2D-CNN	时间序列生物电信号	训练集：36,992个MEP（151例手术）；测试集：24,298个MEP（58例手术）
1503	2025-05-31	Establishment of a deep-learning-assisted recurrent nasopharyngeal carcinoma detecting simultaneous tactic (DARNDEST) with high cost-effectiveness based on magnetic resonance images: a multicenter study in an endemic area 2025-Mar-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00853-5 PMID:40128777	研究论文	本研究探讨了利用未增强磁共振图像（MRI）检测局部复发性鼻咽癌（rNPC）的可行性，并通过深度学习模型优化了随访的分层管理策略	开发了一种基于深度学习的复发性鼻咽癌同步检测策略（DARNDEST），结合了3D DenseNet和ResNet框架，提高了检测的准确性和敏感性	特异性相比T1_T2模型有所降低，且研究结果基于假设的1000名患者队列	优化复发性鼻咽癌的检测方法，提高随访管理的效率和经济效益	局部复发性鼻咽癌（rNPC）患者	数字病理	鼻咽癌	MRI（T1WI, T2WI, T1WIC）	3D DenseNet, ResNet	图像	假设队列1000名患者（内部和外部测试集）
1504	2025-05-31	A Two-Stage Lightweight Deep Learning Framework for Mass Detection and Segmentation in Mammograms Using YOLOv5 and Depthwise SegNet 2025-Mar-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01471-0 PMID:40087224	研究论文	提出了一种轻量级的两阶段深度学习框架，用于在乳腺X光片中检测和分割肿块，确保医疗数据隐私	结合YOLOv5和深度可分离卷积的SegNet架构，创建了一个参数少、推理速度快的轻量级模型，可直接在用户浏览器中运行	在CBIS-DDSM数据集上的mAP@50为50.3%，性能仍有提升空间	开发一个高效且保护隐私的乳腺癌肿块检测和分割解决方案	乳腺X光片中的肿块	计算机视觉	乳腺癌	深度学习	YOLOv5, SegNet	图像	CBIS-DDSM和INbreast数据集
1505	2025-05-31	Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer 2025-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.642107 PMID:40161587	研究论文	该研究通过空间单细胞成像和单细胞RNA测序分析了50个肿瘤生物样本中的200多万个细胞，开发了一种基于深度学习的策略来空间映射肿瘤细胞状态及其周围结构	提出了空间动态网络（SDN）的概念，揭示了肿瘤细胞状态如何组织成独特的集群（'村庄'），并展示了这些村庄与肿瘤微环境之间的分子共依赖性	研究仅针对肝癌，未涉及其他癌症类型	理解肿瘤空间景观及其对肿瘤侵袭性的影响	肝癌肿瘤细胞及其微环境	数字病理学	肝癌	空间单细胞成像, 单细胞RNA测序	深度学习	图像, 基因表达数据	50个肿瘤生物样本中的200多万个细胞
1506	2025-05-31	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-Mar-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.11.25323762 PMID:40162283	研究论文	本研究探讨了深度学习在罕见疾病碱尿症（AKU）脊柱病变中的应用，评估了其识别疾病整体和局部严重程度及检测隐匿治疗状态的能力	首次将深度学习应用于罕见疾病碱尿症的脊柱影像分析，并成功检测出患者的隐匿治疗状态	真空椎间盘现象的预测一致性较低（41-90%）	评估深度学习在罕见疾病医学影像分析中的有效性	碱尿症患者的颈椎和腰椎X光片	数字病理	碱尿症	深度学习	DL	医学影像	未明确说明样本数量，但包含颈椎和腰椎X光片
1507	2025-05-31	Performance Improvement of a Natural Language Processing Tool for Extracting Patient Narratives Related to Medical States From Japanese Pharmaceutical Care Records by Increasing the Amount of Training Data: Natural Language Processing Analysis and Validation Study 2025-Mar-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/68863 PMID:40053805	research paper	该研究旨在通过增加训练数据量，提高从日语药学护理记录中提取患者叙述相关医疗信息的自然语言处理工具的性能	开发了一个针对日语患者叙述的高性能NLP系统，并通过逐步增加训练数据量来考察性能提升	系统在分析药学护理记录之外的其他来源文本（如病例报告）时性能较低，表明其更适用于药学护理记录的主观数据分析	开发一个高性能NLP系统，用于从患者叙述中提取临床信息	日语药学护理记录中的患者主观叙述文本	natural language processing	NA	NLP, deep learning	BERT-CRF	text	12,004条记录（来自6,559个案例）
1508	2025-05-31	Graph neural networks for single-cell omics data: a review of approaches and applications 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf109 PMID:40091193	综述	本文系统回顾了图神经网络（GNNs）在单细胞组学数据分析中的应用及其六种变体	首次系统总结了GNNs在单细胞组学数据分析中的107个成功应用案例，并整理了77个公开可用的单细胞数据集	当前研究可能存在方法学上的不足，需要未来进一步探索	深化GNNs在单细胞组学数据分析中的应用	单细胞组学数据	机器学习	NA	单细胞测序技术	GNN及其六种变体	单细胞组学数据（表观基因组学、转录组学、空间转录组学、蛋白质组学和多组学）	总结了77个公开可用的单细胞数据集
1509	2025-05-31	Prediction of mortality in hemodialysis patients based on autoencoders 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105744 PMID:39642591	研究论文	本研究提出了一种基于自动编码器的血液透析患者死亡率预测模型，利用短期数据评估患者30至450天的死亡风险	通过自动编码器处理数据不平衡和缺失特征问题，设计了自适应特征提取模块，能够利用短期数据进行无监督学习并重建缺失特征	模型在短期预测中表现优异，但长期预测效果可能受限	解决血液透析患者短期数据不平衡和特征缺失问题，实现准确的死亡率风险评估	终末期肾病患者(ESRD)接受血液透析(HD)治疗的患者	机器学习	肾脏疾病	自动编码器	autoencoder	临床数据	NA
1510	2025-05-31	Convolutional neural networks for automatic MR classification of myocardial iron overload in thalassemia major patients 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11245-x PMID:39658686	研究论文	开发深度学习模型用于从T2*多回波MR图像中自动分类心肌铁过载	开发了两种2D卷积神经网络（MS-HippoNet和SS-HippoNet）用于多切片和单切片分析，实现了对心肌铁过载水平的自动分类，性能与放射科医生间的观察一致性相当	研究仅回顾性分析了特定数据库中的患者数据，未涉及更广泛的人群验证	开发自动分类心肌铁过载的深度学习模型	496名重型地中海贫血患者的心脏T2*多回波MR图像	数字病理	心血管疾病	T2*多回波MR成像	CNN	图像	823张心脏T2*多切片多回波MR图像，来自496名患者（285名女性，占57%）
1511	2025-05-31	Utilising routinely collected clinical data through time series deep learning to improve identification of bacterial bloodstream infections: a retrospective cohort study 2025-03, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.010 PMID:40015765	研究论文	本研究利用常规收集的临床数据，通过时间序列深度学习技术，提高了细菌性血流感染的识别能力	使用LSTM模型分析时间序列数据，显著提高了对血流感染的预测准确性	研究为回顾性队列研究，可能存在数据偏差	开发和评估利用医疗数据预测住院患者血流感染的模型	住院患者	机器学习	血流感染	血液培养	LSTM, logistic regression	临床数据	20850名患者（训练集15212名，测试集5638名）
1512	2025-05-31	Transparency and Representation in Clinical Research Utilizing Artificial Intelligence in Oncology: A Scoping Review 2025-Mar, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70728 PMID:40059400	综述	本文通过范围综述评估了在肿瘤学领域利用人工智能（AI）的临床研究中人口统计数据报告的透明度和参与者的多样性	首次系统评估了AI在肿瘤学临床研究中人口统计数据报告的透明度和多样性，揭示了种族和民族数据报告的不足	仅纳入了2016-2021年间发表的研究，且仅通过PubMed数据库检索，可能存在遗漏	评估AI在肿瘤学临床研究中人口统计数据报告的透明度和参与者多样性	2016-2021年间发表的利用AI的肿瘤学临床研究	数字病理学	肿瘤学	NA	NA	临床研究数据	220项研究（其中118项符合条件）
1513	2025-05-31	A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.242133 PMID:40067103	研究论文	本研究开发了一种基于深度学习的模型，用于从非对比胸部CT中三维测定全胸椎骨密度，并在预测椎体骨折方面表现出优越性能	首次使用TotalSegmentator（nnU-net算法）实现全胸椎（T1-T10）的三维骨密度测量，相比传统二维方法显著提高了预测椎体骨折的准确性	研究样本主要来自多民族动脉粥样硬化研究（MESA）队列，可能限制结果的普适性	开发并验证一种基于深度学习的全胸椎三维骨密度测定方法，并评估其在预测椎体骨折中的价值	2956名接受非对比胸部CT检查的参与者（其中1546名女性，平均年龄69±9岁）	数字病理学	骨质疏松症	深度学习算法（TotalSegmentator/nnU-net）、CT成像	nnU-net	CT图像	2956名参与者（其中1304名有纵向随访数据）
1514	2025-05-31	Deep Learning Radiopathomics Models Based on Contrast-enhanced MRI and Pathologic Imaging for Predicting Vessels Encapsulating Tumor Clusters and Prognosis in Hepatocellular Carcinoma 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240213 PMID:40084948	研究论文	基于对比增强MRI和病理成像的深度学习放射病理组学模型预测肝细胞癌中血管包裹肿瘤簇及预后	结合深度学习的放射组学和病理组学模型预测VETC及生存预后，首次在肝细胞癌中应用Swin Transformer模型	回顾性多中心研究可能存在选择偏倚，样本量相对有限	预测肝细胞癌中的VETC模式及患者生存预后	578例肝细胞癌患者	数字病理	肝细胞癌	对比增强MRI、病理成像	Swin Transformer	MRI图像、病理图像	578例患者（训练集317例，内部测试集137例，外部测试集124例）
1515	2025-05-31	A Robust and Efficient Representation-based DNA Storage Architecture by Deep Learning 2025-03, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400959 PMID:40114483	research paper	提出一种基于深度学习的表示型DNA存储架构，用于图像的高效和鲁棒存储	利用深度学习的出色表示和图像生成能力，结合自编码器和U-Net网络，实现了DNA存储中噪声读取下的图像表示、构建和优化	在插入-删除-替换(IDS)错误率低于6%的场景下才能重建中等质量的图像	开发一种鲁棒且高效的DNA存储架构，用于大规模图像应用	图像数据	数字病理	NA	DNA存储	autoencoder, U-Net	图像	14个质粒中存储的图像
1516	2025-05-31	Deep learning approach to parameter optimization for physiological models 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.25.639944 PMID:40060611	研究论文	提出了一种利用神经网络评估和改进生物数据建模中非线性动力学和参数推断的新方法	使用卷积神经网络同时处理生物建模、参数化和参数推断，为数学模型中的参数推断建立了深度学习框架	方法依赖于模拟数据的生成，可能受到模拟数据与真实数据差异的影响	改进生物数据建模中的参数优化方法	葡萄糖、胰岛素和游离脂肪酸（FFA）的动力学模型	机器学习	NA	卷积神经网络	CNN	临床数据和模拟数据	有限的临床数据和大量模拟数据
1517	2025-05-31	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	research paper	该研究利用AI技术分析超声心动图和心电图数据，追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于超声心动图视频和心电图图像，用于ATTR-CM的临床前监测和风险分层	研究为回顾性分析，可能存在选择偏倚，且外部验证队列样本量相对较小	开发可扩展的ATTR-CM临床前监测策略	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者和年龄/性别匹配的对照组	digital pathology	cardiovascular disease	deep learning	CNN	image, video	内部队列984人（YNHHS），外部队列806人（HMH），共分析7,352个超声心动图和32,205个心电图
1518	2025-05-31	Combinatorial mapping of E3 ubiquitin ligases to their target substrates 2025-Feb-20, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.01.016 PMID:39919746	研究论文	本文介绍了一种名为COMET的组合映射方法，用于大规模识别E3泛素连接酶与其底物蛋白的降解关系	开发了COMET框架，能够在一个实验中同时测试多个E3连接酶对多个候选底物的降解作用，并利用深度学习预测E3-底物相互作用的结构基础	未明确说明实验验证的覆盖范围是否足够全面，深度学习模型的预测准确性可能存在局限	大规模识别人类E3泛素连接酶与其底物蛋白的降解关系	人类E3泛素连接酶及其底物蛋白	生物信息学	NA	COMET框架、深度学习	深度学习模型	蛋白质相互作用数据	6,716种F-box-ORF组合和26,028种E3-TF组合
1519	2025-05-31	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	review	本文系统回顾了过去十年深度学习在牙科领域的应用，包括诊断、治疗规划和预后预测等方面	提供了深度学习在牙科领域的全面概述，识别了研究趋势和未来改进方向	主要依赖监督学习，需要大量标注数据，且未充分探索新兴模型架构	探索深度学习在牙科领域的应用及其临床意义	2012年至2023年发表的深度学习在牙科领域的研究	digital pathology	NA	深度学习	CNN	image	1,007项研究（从21,242项筛选）
1520	2025-05-31	Deep Learning Derived Adipocyte Size Reveals Adipocyte Hypertrophy is under Genetic Control 2025-Feb-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本研究利用深度学习技术自动分析脂肪细胞大小，探讨其与肥胖相关性状及遗传关联的关系	开发了基于深度学习的脂肪组织切片语义分割方法，进行了迄今为止最大规模的脂肪细胞表型与遗传关联研究	研究样本主要来自特定人群，可能限制结果的普适性	探究脂肪细胞大小与肥胖相关代谢特征的关联及其遗传基础	皮下和内脏脂肪组织样本	数字病理学	肥胖相关疾病	深度学习	语义分割模型	组织切片图像	5个独立队列中的2,667份样本，包含9,000张全切片图像和超过2,700万个脂肪细胞