深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
61	2026-03-02	A survey of NLP methods for oncology in the past decade with a focus on cancer registry applications 2025, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11316-5 PMID:40688631	综述	本文综述了过去十年（2014-2024年）自然语言处理（NLP）在癌症登记操作中的应用	系统性地回顾和分类了NLP在癌症登记领域的应用，并识别了当前研究空白，如对儿科癌症、黑色素瘤、淋巴瘤以及疾病进展、临床试验匹配等研究领域的关注不足	综述基于特定数据库（Scopus和PubMed）的156篇文章，可能未涵盖所有相关研究；同时指出了当前研究在特定癌症类型、多模态模型以及利用解码器模型（如GPT）方面存在不足	调查NLP在癌症登记操作中的应用现状、方法趋势及研究缺口，以提升数据提取的效率和准确性	来自病理学和放射学报告的临床文本	自然语言处理	癌症	自然语言处理	基于规则的模型, 机器学习模型, 传统深度学习模型, Transformer模型（如BERT, GPT）	文本	NA	NA	BERT, ClinicalBERT, RadBERT, GPT-3, GPT-4	NA	NA
62	2026-03-01	FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056333970241212132150 PMID:39757652	研究论文	本文提出了一种基于联邦学习的肺炎检测模型FedPneu，利用多客户端跨机构医疗数据集进行早期肺炎检测	采用联邦学习框架构建隐私保护的肺炎检测模型，解决了传统深度学习模型在集中式系统中面临的数据隐私泄露风险	未明确说明模型在更大规模或更复杂数据集上的泛化能力，且仅基于X射线图像进行验证	开发一种隐私保护的肺炎检测模型，以提高医疗数据安全性并改善预测结果	肺炎的早期检测	计算机视觉	肺炎	X射线成像	深度学习模型	图像	未明确说明具体样本数量，但涉及多客户端跨机构数据集	未明确指定，但可能基于PyTorch或TensorFlow等框架	未明确指定具体架构，但为基于联邦学习的深度学习模型	准确率, 损失, 计算时间	未明确说明具体计算资源
63	2026-03-01	Attention-aware Deep Learning Models for Dermoscopic Image Classification for Skin Disease Diagnosis 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056332443241129113146 PMID:40259872	研究论文	本研究提出了一种结合注意力机制的深度学习模型，用于皮肤镜图像的多分类，以辅助皮肤疾病的诊断	将通道注意力和空间注意力机制集成到预训练的CNN架构中，以增强模型对皮肤镜图像关键区域的关注，从而提高分类准确性	NA	利用深度学习技术分析皮肤镜图像，实现对皮肤疾病的准确预测和诊断辅助	皮肤镜图像中的皮肤病变	计算机视觉	皮肤疾病	NA	CNN	图像	NA	NA	RegNetX, EfficientNetB3, VGG19, ResNet-152	准确率	NA
64	2026-03-01	AI and emerging technologies for diagnosis 2025, Progress in brain research DOI:10.1016/bs.pbr.2025.08.004 PMID:41314747	综述	本章探讨人工智能在医学诊断中的变革作用，包括其应用、优势及临床整合挑战	综述了AI在医学诊断中的最新进展，强调其在提升效率、精度及早期疾病识别方面的创新潜力	未涉及具体实验数据或模型验证，主要基于理论分析和现有应用案例的总结	分析人工智能及新兴技术在医学诊断领域的应用、优势与挑战	医学诊断过程，包括疾病检测、分析与治疗	机器学习	癌症, 心血管疾病, 神经系统疾病	机器学习, 深度学习	NA	医学影像数据（如MRI、CT扫描、X射线）	NA	NA	NA	诊断准确性, 假阳性率, 假阴性率	NA
65	2026-03-01	Uncovering hidden factors of cognitive resilience in Alzheimer's disease using a conditional-Gaussian mixture variational autoencoder 2025, NPJ dementia DOI:10.1038/s44400-025-00042-y PMID:41756363	研究论文	本研究开发了一种条件高斯混合变分自编码器（C-GMVAE），用于从单细胞转录组数据中揭示阿尔茨海默病认知弹性的潜在分子机制	首次将条件高斯混合变分自编码器应用于整合单细胞转录组数据与行为表型，通过结构化潜在空间捕捉与认知弹性相关的协调转录组模式	研究基于携带5XFAD突变的BXD小鼠模型，结果向人类阿尔茨海默病的直接转化需要进一步验证	揭示阿尔茨海默病中认知弹性的分子机制和遗传调控程序	携带5XFAD突变的遗传多样性BXD小鼠群体的单细胞转录组数据和行为表型	机器学习	阿尔茨海默病	单细胞转录组测序	变分自编码器（VAE）	单细胞转录组数据，行为表型数据	遗传多样性BXD小鼠群体（具体数量未明确说明）	NA	条件高斯混合变分自编码器（C-GMVAE）	遗传性评估，潜在变量生物学意义分析	NA
66	2026-03-01	Connecting the dots: deep learning-based automated model building methods in cryo-EM 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1613399 PMID:41757224	综述	本文综述了基于深度学习的自动化模型构建方法在冷冻电镜密度图中的应用，旨在加速和简化结构解析过程	利用深度学习技术自动化冷冻电镜密度图的模型构建，根据生物大分子的层次结构（初级、二级、三级、四级）对方法进行分类，并区分了直接预测和混合预测两种策略	训练网络需要足够大且多样化的数据集来建模不同类型的生物分子，且构建能捕捉冷冻电镜图中常见构象异质性的训练集仍是一个开放挑战	探讨深度学习如何自动化冷冻电镜密度图中的模型构建，以加速结构生物学中的结构解析	冷冻电镜密度图中的生物大分子结构	机器学习	NA	冷冻电镜	深度学习	图像	NA	NA	NA	NA	NA
67	2024-08-07	Author Response: Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001963 PMID:39017750	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
68	2026-02-28	Embryo selection at the cleavage stage using Raman spectroscopy of day 3 culture medium and machine learning: a preliminary study 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1608318 PMID:41030854	研究论文	本研究探讨了结合拉曼光谱与机器学习预测第3天胚胎培养液以评估胚胎发育潜力，为卵裂期胚胎选择提供非侵入性方法	首次将拉曼光谱与机器学习结合用于第3天胚胎培养液分析，以实现卵裂期胚胎的非侵入性选择，可能避免延长培养对子代健康的影响	初步研究，样本量较小（172个样本），需进一步验证和扩大样本以确认临床适用性	研究机器学习结合拉曼光谱能否预测第3天胚胎的延长培养结果，从而在卵裂期进行胚胎选择	第3天胚胎培养液样本	机器学习	生殖医学	拉曼光谱	深度学习, 传统机器学习	光谱数据	172个第3天培养液样本，来自78对夫妇	NA	多层感知机, 人工神经网络, 门控循环单元, 线性判别分析	准确率, 灵敏度, 特异性	NA
69	2026-02-28	Integrating Direct Observation of Procedural Skills as a workplace‑based assessment tool for residents working in an intensive care unit 2025, African journal of thoracic and critical care medicine DOI:10.7196/AJTCCM.2025.v31i4.3120 PMID:41685281	研究论文	本研究评估了将直接观察程序技能作为工作场所评估工具，用于重症监护室住院医师的超声引导中心静脉导管插入培训	将DOPS作为工作场所评估工具引入重症监护室住院医师的超声引导中心静脉导管插入培训，并结合Pendleton模型提供结构化反馈	样本量较小（25名住院医师），且研究设计为混合方法，可能受主观反馈影响	评估DOPS作为工作场所评估工具在重症监护室住院医师培训中的有效性和接受度	重症监护室的住院医师（注册医师）	医学教育	NA	直接观察程序技能评估	NA	问卷反馈、评分数据	25名住院医师	NA	NA	满意度指数、p值	NA
70	2026-02-28	Research on a method for early diagnosis and progression prediction of cervical cancer based on imaging omics and molecular omics 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1670852 PMID:41743184	研究论文	本研究提出了一种基于影像组学和分子组学整合的新型计算框架，用于宫颈癌的早期诊断和进展预测	提出了一种基于Transformer的诊断编码器CervixFormer，结合了分层注意力机制和跨模态特征融合，并引入了领域感知校准策略（DACS）进行不确定性建模和临床先验整合	未明确说明研究的具体局限性	开发一种用于宫颈癌早期诊断和进展预测的可靠且可解释的诊断工具	宫颈癌患者	计算机视觉, 自然语言处理, 机器学习	宫颈癌	影像组学, 分子组学	Transformer	图像, 组学数据	大规模多模态数据集	NA	CervixFormer	诊断准确性, 鲁棒性, 校准可靠性	NA
71	2026-02-27	Performance of Radiomics-based machine learning and deep learning-based methods in the prediction of tumor grade in meningioma: a systematic review and meta-analysis 2025-Jan-24, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03236-3 PMID:39849257	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于影像数据的机器学习（ML）和深度学习（DL）方法在预测脑膜瘤WHO分级中的性能	首次对ML/DL模型在预测脑膜瘤WHO分级中的性能进行了全面的系统综述和荟萃分析，并探讨了验证类型和研究队列对模型性能的影响	纳入研究存在异质性，且需要更多使用外部验证和大规模数据集来评估DL算法的性能	评估基于影像数据的机器学习和深度学习模型在预测脑膜瘤WHO分级中的诊断性能	脑膜瘤患者	医学影像分析	脑膜瘤	影像学研究（如MRI、CT等）	机器学习, 深度学习	影像数据	32项研究，共15,365名患者	NA	NA	AUROC, 特异性, 敏感性	NA
72	2026-02-26	Precision cotton disease detection via transformer models applied to leaf imagery 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1743264 PMID:41736992	研究论文	本文提出了一种基于Transformer架构的深度学习框架，用于自动分类棉花叶片病害	首次将多种Transformer模型（ViT、Swin Transformer、DeiT、T2T-ViT）应用于棉花叶片病害检测，并采用分层K折交叉验证确保模型评估的鲁棒性	仅针对四种棉花病害类别进行研究，未涵盖更广泛的病害类型或环境变异	开发高精度的棉花叶片病害自动检测系统，以提升农业监测效率	棉花叶片图像（包含卷叶病毒、细菌性疫病、枯萎病和健康叶片四种类别）	计算机视觉	植物病害	深度学习图像分类	Transformer	图像	未明确说明具体样本数量，但包含四种类别的棉花叶片图像数据集	未明确说明	Vanilla Vision Transformer (ViT), Swin Transformer, DeiT, T2T-ViT	准确率	未明确说明
73	2026-02-26	Deep learning analysis of MRI to assess rectal cancer treatment 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1643852 PMID:41737732	研究论文	本研究开发了深度学习模型，用于直肠癌治疗前后MRI图像的自动肿瘤分割，并通过影像组学特征区分临床完全缓解与非完全缓解患者	采用半监督学习与伪标签数据显著提升了治疗前MRI肿瘤分割性能，并利用影像组学聚类揭示了与治疗反应状态一致的患者分组	样本量较小（37例），且治疗后分割因组织变化面临挑战，影像组学特征需在更大规模多中心研究中验证	开发客观定量的工具，以改善局部晚期直肠癌治疗反应的评估	局部晚期直肠癌患者的治疗前后MRI图像	数字病理	直肠癌	MRI, 影像组学分析	深度学习模型	MRI图像（T2加权图像, ADC图）	37例局部晚期直肠癌患者（来自II期TNT试验），额外81例用于伪标签生成	NA	NA	Dice相似系数, ICC, Spearman相关系数	NA
74	2026-02-25	Sparse-View CT Joint Reconstruction Strategy with Sparse Sampling Encoding Layer 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056354972250221012822 PMID:40143696	研究论文	本文提出了一种基于稀疏采样编码层的稀疏视图CT联合重建策略，旨在自动搜索高效的稀疏采样方案并提高重建质量	开发了一个采样编码层用于自动搜索稀疏采样方案，并将其集成到基于投影数据的稀疏重建神经网络模型中，同时提出了基于Radon域和图像域绘制的联合重建策略	NA	开发一种端到端的稀疏角度CT重建方法，以在剂量约束下自动搜索高效的稀疏采样方案	稀疏角度CT重建	计算机视觉	NA	CT扫描	深度学习	图像	基于公共CT数据集	NA	NA	NA	NA
75	2026-02-25	RETRACTED: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型，采用XGBoost-CNN-BiLSTM框架来提升风险事件的预测与检测能力	结合XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，构建了一个综合性的风险预测模型	未在摘要中明确提及	提升企业风险管理的预测与检测能力，确保企业可持续稳定发展	企业风险事件	机器学习	NA	深度学习	XGBoost, CNN, BiLSTM	结构化数据、时间序列数据	多个数据集，包括S&P 500历史数据集	NA	XGBoost-CNN-BiLSTM	准确率, 召回率, F1分数, AUC	NA
76	2026-02-25	Transforming Medical Imaging: The Role of Artificial Intelligence Integration in PACS for Enhanced Diagnostic Accuracy and Workflow Efficiency 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056370620250403030638 PMID:40265427	综述	本文综述了人工智能（AI）集成到医学影像存档与通信系统（PACS）中的现状，评估了其对诊断准确性、工作流程效率和患者结局的影响	系统性地回顾了AI集成到PACS中的技术演进、关键进展（如诊断准确性提升高达93.2%）、工作流程效率变革（如诊断时间减少高达90%），并识别了数据隐私、监管合规和互操作性等持续挑战	研究依赖于截至2024年10月的文献，可能未涵盖最新的技术发展；同时，数据隐私、监管合规和系统互操作性等挑战仍然存在，需要标准化框架和强大的安全协议来解决	探讨AI在PACS中的集成，并评估其对医学影像、诊断工作流程和患者结局的影响	AI在医学影像存档与通信系统（PACS）中的应用、技术创新及工作流程改进	医学影像	NA	人工智能、机器学习、深度学习	卷积神经网络（CNN）、自然语言处理（NLP）工具	医学影像数据、文本报告	基于183项符合纳入标准的研究（包括原始研究、系统综述和荟萃分析）	NA	NA	诊断准确性（高达93.2%）、图像分割准确性（高达94%）、报告时间减少（30-50%）	基于云的解决方案
77	2026-02-25	Accuracy and Reliability of Multimodal Imaging in Diagnosing Knee Sports Injuries 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056360665250506115221 PMID:40377156	研究论文	本研究通过结合MRI、CT和超声进行集成学习，并利用深度学习模型自动分析，以提高膝关节运动损伤诊断的准确性和可靠性	采用多模态成像（MRI、CT、超声）进行集成学习，并结合深度学习算法实现膝关节损伤的自动识别与分类	未明确提及研究的具体局限性，如数据集的多样性、模型在外部验证集上的表现等	解决因医生主观经验和诊断标准不一致导致的单模态成像诊断准确性不足的问题，提高膝关节运动损伤的诊断精度和效率	膝关节运动损伤，如前交叉韧带撕裂、半月板损伤、软骨损伤和骨折	计算机视觉	运动损伤	磁共振成像（MRI）、计算机断层扫描（CT）、超声（US）	CNN	图像	NA	NA	NA	敏感性, 特异性, 诊断准确率, 总体错误率	NA
78	2026-02-25	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	本研究开发了一种卷积神经网络模型，用于自动预测计算机断层扫描中蝶窦气化模式	首次应用深度学习自动识别蝶窦气化变异，通过数据增强提升模型在有限和不平衡数据集上的性能	数据集规模有限（仅249张CT图像），且存在类别不平衡问题	提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式辅助临床决策	蝶窦气化模式	计算机视觉	NA	计算机断层扫描	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	NA	NA	准确率, AUC, 敏感性, 特异性, F1分数	NA
79	2026-02-25	Reconstruction of Heart-related Imaging from Lung Electrical Impedance Tomography Using Semi-Siamese U-Net 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056408077250610070821 PMID:40611416	研究论文	本研究提出了一种基于半孪生U-Net架构的深度学习模型，用于从肺部电阻抗断层扫描中重建心脏相关阻抗成像	采用新颖的半孪生U-Net架构，通过共享编码器和两个独立解码器分别分割肺部和心脏区域，并应用加权二元交叉熵损失以强化心脏相关学习	目前有希望的结果仅限于真实数据的定性评估和基于模拟的训练，缺乏临床验证	克服肺部阻抗变化的主导影响，从肺部电阻抗断层扫描中重建心脏相关信号成像	基于有限元法的电阻抗断层扫描模拟数据和真实人体电阻抗断层扫描数据	医学影像处理	心血管疾病	电阻抗断层扫描	深度学习	图像	NA	NA	半孪生U-Net	Dice系数, 平均绝对误差	NA
80	2026-02-25	The Clinical Significance of Femoral and Tibial Anatomy for Anterior Cruciate Ligament Injury and Reconstruction 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056361050250605052447 PMID:40551697	综述	本文综述了股骨和胫骨解剖结构（如股骨髁间窝形态、胫骨后倾角）对前交叉韧带损伤风险及重建手术效果的影响	整合了年龄与性别特异性解剖差异对ACL损伤的影响，并强调了人工智能与先进影像技术在个性化手术规划中的应用前景	作为综述文章，未提供原始实验数据或新型模型的性能验证	探讨股骨与胫骨解剖结构对前交叉韧带生物力学、损伤风险及重建手术效果的影响机制	前交叉韧带损伤患者（涵盖青少年、成人及老年群体）的骨骼解剖特征	数字病理	骨科疾病	MRI、CT、3D重建、人工智能分割	深度学习模型	医学影像（MRI、CT）	NA	NA	NA	NA	NA