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	2025-05-27	A deep learning model integrating domain-specific features for enhanced glaucoma diagnosis 2025-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02925-9 PMID:40410768	研究论文	提出了一种结合领域特定特征的深度学习模型，用于增强青光眼的诊断	结合非结构化和结构化特征，通过深度学习模型区分青光眼和生理性大杯	未提及样本来源的多样性及模型在临床环境中的实际应用效果	提高青光眼的早期诊断准确率	青光眼患者和生理性大杯患者的视网膜图像	数字病理学	青光眼	深度学习	CNN	图像	未明确提及具体样本数量
1502	2025-05-27	A general survey on medical image super-resolution via deep learning 2025-May-23, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110345 PMID:40412085	综述	本文对基于深度学习的医学图像超分辨率技术进行了模块化和详细的介绍	提供了从有效架构、上采样模块、学习策略和图像质量评估角度对医学图像超分辨率网络关键组件的全面分析	NA	探讨基于深度学习的医学图像超分辨率技术的现状、问题和未来发展趋势	医学图像超分辨率技术	计算机视觉	NA	深度学习	NA	图像	NA
1503	2025-05-27	Comparison of three classifiers in detection of obstruction of the lower urinary tract using recorded sounds of voiding 2025-May-23, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110337 PMID:40412086	研究论文	本研究旨在通过家庭记录的排尿声音自动检测下尿路梗阻，比较了三种分类器的性能	使用小波尺度图将排尿声音表示为图像，并采用Inception v3 CNN进行分类，与传统的SVM和MLP方法进行了比较	样本量较小（93名患者），且所有数据均来自家庭环境，可能影响模型的泛化能力	帮助医疗专业人员自动检测下尿路梗阻	93名被诊断为梗阻或非梗阻的患者	数字病理	下尿路梗阻	小波变换，深度学习	Inception v3 CNN, SVM, MLP	声音记录	93名患者，每人5-13条排尿记录
1504	2025-05-27	Meta-analysis of AI-based pulmonary embolism detection: How reliable are deep learning models? 2025-May-23, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110402 PMID:40412084	meta-analysis	该论文通过荟萃分析评估了基于深度学习的肺栓塞检测模型的性能	比较了CNN和U-Net架构在肺栓塞检测中的诊断效能差异	研究间存在高度异质性，需要标准化前瞻性验证	评估深度学习算法在CT肺动脉造影中检测肺栓塞的准确性	肺栓塞患者	digital pathology	cardiovascular disease	CTPA	CNN, U-Net	image	22,984名患者
1505	2025-05-27	Deep Learning and Radiomic Signatures Associated with Tumor Immune Heterogeneity Predict Microvascular Invasion in Colon Cancer 2025-May-23, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.006 PMID:40413149	research paper	本研究旨在开发和验证一种结合放射组学和深度学习特征的深度学习放射组学特征（DLRS），用于无创预测结肠癌（CC）患者的微血管侵犯（MVI），并探索DLRS与肿瘤免疫异质性的潜在关联	开发了一种结合放射组学和深度学习特征的DLR融合模型，用于预测结肠癌患者的MVI，并首次探索了DLRS与肿瘤免疫异质性的关联	研究为回顾性多中心研究，可能存在选择偏倚，且外部验证队列样本量较小	开发非侵入性预测结肠癌患者微血管侵犯的工具，并探索其与肿瘤免疫微环境的关联	结肠癌患者	digital pathology	colon cancer	RNA-seq, 对比增强静脉期CT成像	DLR融合模型（结合放射组学和深度学习模型）	CT图像, RNA-seq数据	1007名结肠癌患者（来自三个医疗中心和TCGA-COAD数据库）
1506	2025-05-27	Renal Transplant Survival Prediction From Unsupervised Deep Learning-Based Radiomics on Early Dynamic Contrast-Enhanced MRI 2025-May-23, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.001 PMID:40413148	研究论文	本研究探讨了基于无监督深度学习的放射组学方法在早期动态对比增强MRI上预测肾移植存活率的潜力	首次将无监督对比学习应用于肾移植MRI数据，提取与移植物存活相关的放射组学特征	样本量较小(108例训练集，48例验证集)，需要进一步研究验证方法的稳健性	开发基于AI的肾移植存活预测方法	肾移植患者的动态对比增强MRI数据	数字病理学	终末期肾病	动态对比增强MRI	深度卷积神经网络(CNN)	医学影像	训练集108例患者(50±15岁，67名男性)，验证集48例患者(54±13岁，30名男性)
1507	2025-05-27	Advancements in Structure-based Drug Design Using Geometric Deep Learning 2025-May-23, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673388739250516071228 PMID:40417758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1508	2025-05-27	Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis 2025-May-22, The neuroradiology journal DOI:10.1177/19714009251345104 PMID:40405362	meta-analysis	该论文通过系统综述和荟萃分析评估了机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水的性能	首次通过荟萃分析方法综合评估机器学习模型在预测特定类型脑积水中的表现	仅纳入表现最佳的模型数据，可能忽略其他有价值的信息	评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性	蛛网膜下腔出血患者	machine learning	心血管疾病	机器学习	ML/DL	临床数据	6项研究中的2096名个体
1509	2025-05-27	The Role of Artificial Intelligence in Chronic Liver Diseases and Liver Transplantation 2025-May-22, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.05.012 PMID:40412666	review	本文探讨了人工智能在慢性肝病和肝移植中的角色及其应用	讨论了AI工具如机器学习和深度学习在肝病诊断、预后和治疗中的创新应用	需要多中心合作和减少数据偏见以提高AI工具的可靠性	探索人工智能在肝病学中的应用及其潜力	慢性肝病和肝移植患者	machine learning	liver disease	machine learning, deep learning, large language models	NA	laboratory data, clinical characteristics	NA
1510	2025-05-27	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025-May-22, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	开发了一个用于自动预测CT扫描中蝶窦气化模式的CNN模型	首次使用深度学习技术自动识别蝶窦气化模式，特别是在类型IV上表现出色，这对内窥镜鼻窦手术至关重要	初始数据集较小且不平衡，尽管通过数据增强进行了改善，但样本量仍有限	提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式来辅助放射科医生和外科医生	蝶窦气化模式	计算机视觉	鼻窦疾病	CT扫描	CNN	图像	249张CT图像（训练集174张，测试集75张），增强后训练集增至378张
1511	2025-05-27	Unraveling the neural dynamics of mathematical interference in english reading: A novel approach with deep learning and fNIRS data 2025-May-21, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111398 PMID:40409600	研究论文	本研究通过结合fNIRS、深度学习和数据挖掘技术，探讨英语学习中的数学认知干扰	提出了一种名为AC-LSTM的新型深度学习模型，结合了Transformer和LSTM架构，用于识别英语学习过程中的数学认知残留	NA	探究英语学习与数学认知之间的神经机制	英语学习过程中的数学干扰	教育神经科学	NA	fNIRS, 深度学习, 数据挖掘	AC-LSTM (结合Transformer和LSTM)	fNIRS数据	NA
1512	2025-05-27	Performance of multimodal prediction models for intracerebral hemorrhage outcomes using real-world data 2025-May-21, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105989 PMID:40412140	研究论文	开发并验证了结合CT图像、文本和表格临床数据的多模态模型，用于预测脑出血患者的功能不良结局和院内死亡率	整合了三维CT图像、非结构化数据和表格数据，开发了L1正则化逻辑回归模型，并在真实世界数据中验证了其性能	死亡率预测的校准需要进一步改进，且模型的临床实施需要增强真实世界数据基础设施	开发辅助非专科医生在急诊环境中预测脑出血患者不良结局和死亡率的模型	527名脑出血患者	数字病理学	脑出血	深度学习	L1-regularized logistic regression	图像、文本、表格数据	527名患者
1513	2025-05-27	Integration of metabolomics and machine learning for precise management and prevention of cardiometabolic risk in Asians 2025-May-20, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.05.011 PMID:40414052	research paper	该研究结合代谢组学和机器学习技术，旨在精确管理和预防亚洲人群的心血管代谢风险	通过整合代谢组学和机器学习，揭示隐藏的代谢模式和通路，为亚洲人群提供个性化干预措施	代谢组学在跨种族群体结果解释、研究设计限制、分析平台变异性和数据处理方法不一致方面存在挑战	开发针对亚洲人群的心血管代谢疾病（CMDs）的精准管理和预防策略	亚洲人群的心血管代谢风险	machine learning	cardiovascular disease	metabolomics, deep learning, network analysis	deep learning	metabolomic data	NA
1514	2025-05-27	Understanding deep learning models for Length of Stay prediction on critically ill patients through latent space visualization 2025-May-19, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108832 PMID:40413882	research paper	本研究通过潜在空间可视化技术，探讨了深度学习模型在重症监护病房（ICU）患者住院时长（LoS）预测中的应用	首次利用潜在空间可视化技术直观展示深度学习模型如何从临床数据中学习模式，并开发了交互式仪表盘以促进模型在临床决策支持系统中的整合	研究仅基于单一欧洲医疗中心的数据集，可能限制了模型的泛化能力	开发并验证深度学习模型在ICU患者住院时长预测中的应用，并探索模型的可解释性	重症监护病房（ICU）患者	machine learning	critical illness	deep learning	LSTM, GRU, TCN, Transformer	clinical data	20,481次ICU住院记录
1515	2025-05-27	A robust automated segmentation method for white matter hyperintensity of vascular-origin 2025-May-17, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121279 PMID:40389145	研究论文	开发并验证了一种基于transformer的深度学习方法，用于血管源性白质高信号（WMH）的自动分割	提出了一种基于transformer的自动分割方法，能够在不同MRI系统和采集设置下保持鲁棒性和泛化能力	未提及具体局限性	开发一种鲁棒的深度学习方法，用于血管源性白质高信号的自动分割	白质高信号（WMH）	数字病理学	心血管疾病	3D T1和3D T2-FLAIR成像	transformer-based方法	MRI图像	126名参与者（初始数据集），外加两个外部验证数据集（170名和70名受试者）
1516	2025-05-27	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-May-17, ArXiv PMID:40395940	research paper	本文提出了一种基于原型学习的深度学习模型ProtoECGNet，用于可解释的多标签心电图分类	ProtoECGNet结合了1D CNN和2D CNN，使用原型损失和对比学习来提高分类性能并提供基于案例的解释	模型在PTB-XL数据集上进行评估，但未在其他数据集上验证其泛化能力	开发一种可解释的深度学习模型，用于多标签心电图分类	心电图数据	machine learning	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的71个诊断标签
1517	2025-05-27	Machine Learning in nanoarchitectonics 2025-May-13, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103546 PMID:40412155	综述	本文回顾了人工智能、机器学习和深度学习在纳米结构学中的发现、预测、优化、表征和成像方面的应用	探讨了可解释人工智能（XAI）在纳米结构学中的应用，通过分析可解释性、时间、准确性和参数（ITAP）矩阵来理解机器决策	未明确提及具体的研究局限性	分析机器学习和人工智能在纳米结构学中的应用及其潜在影响	纳米结构学中的原子和分子科学、胶体和纳米薄膜技术、微宏观技术	机器学习	NA	机器学习、深度学习、可解释人工智能（XAI）	NA	NA	NA
1518	2025-05-27	The Potential Role of AI- and Machine Learning Models in the Early Detection of Oral Cancer and Oral Potentially Malignant Disorders 2025-05-12, Studies in health technology and informatics DOI:10.3233/SHTI250257 PMID:40357619	review	本文评估了人工智能在口腔癌及口腔潜在恶性病变早期检测中的应用进展	探讨了AI和深度学习模型在提高口腔癌及口腔潜在恶性病变早期检测准确性方面的潜力	存在解释性有限和伦理问题等挑战，需解决以全面整合到临床实践中	评估AI在口腔癌及口腔潜在恶性病变早期检测中的应用	口腔癌及口腔潜在恶性病变	digital pathology	oral cancer	AI-modalities, machine learning	deep learning models	NA	八项研究（2015-2024年间发表）
1519	2025-05-27	Breast cancer early detection and molecular subtype prediction by combination of Raman spectroscopy with deep learning 2025-May-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126396 PMID:40412234	研究论文	该研究结合拉曼光谱与深度学习技术，开发了一个高效的计算模型，用于乳腺癌的早期检测和分子亚型预测	提出了一种基于高效通道注意力机制和卷积神经网络的分类模型，显著减少了参数数量并提高了训练速度，同时在未知测试集上表现出色	样本量相对较小（541名志愿者），且未提及模型在其他种族或更大规模人群中的泛化能力	开发一种无需复杂特征工程的端到端模型，用于乳腺癌的早期筛查和分子亚型预测	541名志愿者的血清样本，包括HER2阳性、HER2阴性、导管原位癌（DCIS）患者和健康个体	数字病理学	乳腺癌	拉曼光谱	CNN（基于注意力机制）	光谱数据	541名志愿者（包括患者和健康个体）
1520	2025-05-27	Interpretable MRI-Based Deep Learning for Alzheimer's Risk and Progression 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25326606 PMID:40385384	research paper	该研究应用基于MRI的深度学习模型于中国SILCODE队列，用于阿尔茨海默病（AD）的早期检测和风险评估	模型在未经重新训练或微调的情况下，展示了强大的跨种族泛化能力，并成功识别出高风险个体及AD脑亚型	研究主要基于MRI数据，未涉及其他类型的生物标志物或影像数据	开发可解释的基于MRI的深度学习模型，用于AD的早期检测和风险评估	722名参与者，1,105次脑部MRI扫描	digital pathology	geriatric disease	MRI	deep learning	image	722名参与者，1,105次脑部MRI扫描