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
241	2026-06-26	Incremental 2D self-labelling for effective 3D medical volume segmentation with minimal annotations 2025-11-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01991-9 PMID:41204141	研究论文	提出一种增量式二维自标注框架，通过仅使用每卷三维医学影像中的一个标注切片，实现有效的三维医疗影像分割	提出从单标注切片出发，通过迭代生成和过滤伪标签，逐步自标注相邻切片，以训练准二维U-Net模型，达到对三维医学影像的分割	未明确说明，但从概述可推测可能对高度复杂异质性器官或病变的泛化存在局限	探索在极低标注约束下训练二维模型进行三维医学影像分割的可行性和效果，以降低标注成本	脑MRI和肝脏CECT影像数据	计算机视觉	NA	NA	U-Net	图像	NA	NA	U-Net	Dice系数, 交并比, 95百分位Hausdorff距离	NA
242	2026-06-26	Treatment decision support for esophageal cancer based on PET/CT data using deep learning 2025-11-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03223-0 PMID:41199255	research paper	提出一种基于PET/CT数据的深度学习模型，支持食管癌治疗决策，结合卷积和Transformer组件，实现多尺度空间编码	提出包含基于分裂残差块的卷积特征提取器、多尺度池化模块和MLP预测模块的新型混合深度学习架构，有效融合局部与全局特征表征学习	NA（摘要未提及具体局限性）	利用深度学习方法基于PET/CT数据提升食管癌治疗决策的精准性	PET/CT影像数据	computer vision	食管癌	PET/CT	混合模型（CNN + Transformer）	影像数据	NA（摘要未提及样本量）	NA（摘要未提及具体框架）	自定义混合架构（含分裂残差块的卷积特征提取器、多尺度池化模块、MLP预测模块）	AUCROC, F1 score, Balanced Accuracy	NA（摘要未提及计算资源）
243	2026-06-26	Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review 2025-11-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03243-w PMID:41194211	综述	本综述旨在综合人工智能在预测开胸手术结果中的研究，评估AI模型性能，并识别数据质量、算法偏差和临床适用性方面的差距	系统性地回顾了AI在开胸手术结果预测中的应用，识别了当前研究的空白和未来方向	主要限制包括模型验证不一致、前瞻性数据有限以及患者群体缺乏多样性	综合研究AI在预测开胸手术结果中的应用，评估AI模型性能，并找出数据质量、算法偏差和临床适用性方面的空白	已发表的有关应用AI预测开胸手术结果的研究	机器学习	心血管疾病	NA	逻辑回归、随机森林、XGBoost	文本	64项研究	NA	NA	NA	NA
244	2026-06-26	Optimizing myocardial infarction detection: a hybrid CNN-GRU deep learning approach 2025-11-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03217-y PMID:41188886	研究论文	开发一种基于心电图的混合CNN-GRU深度学习模型以优化心肌梗死检测	提出一种基于CNN-GRU混合架构的深度学习模型，通过Pan-Tompkins算法预处理数据，并使用单导联(lead II)实现近乎完美的检测性能	未提及具体局限性	优化心肌梗死(MI)的检测，开发基于心电图的混合CNN-GRU深度学习模型作为诊断辅助工具	心肌梗死患者和健康对照的心电图(ECG)记录	机器学习, 数字病理学	心肌梗死	NA	CNN-GRU混合模型	心电图(ECG)信号	总计56,354条心电图记录 (41,871条来自心肌梗死患者，14,474条来自健康患者)	NA	CNN-GRU	AUC, 敏感度, 特异度, Macro平均, 加权平均	NA
245	2026-06-26	Assessment of a Grad-CAM interpretable deep learning model for HAPE diagnosis: performance and pitfalls in severity stratification from chest radiographs 2025-10-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03256-5 PMID:41168790	研究论文	评估基于Grad-CAM可解释深度学习模型在胸部X光片上诊断高原肺水肿的性能及严重程度分层中的陷阱	利用迁移学习从普通肺水肿数据到HAPE特异性数据，构建了结合Grad-CAM可解释性分析的深度学习模型，首次系统评估其在HAPE严重程度分层中的性能与局限性	模型对中间严重度等级（1级和2级）的识别灵敏度极低（分别为0.16和0.37），凸显了域迁移和细微影像评估的挑战	探索迁移学习深度学习模型在胸部X光片上识别HAPE的可行性，并评估其严重程度评估能力	胸部X光片中的HAPE病例和正常对照	计算机视觉	高原肺水肿	迁移学习、深度学习	卷积神经网络	图像	训练集：1003例HAPE和702例正常对照；外部验证集：679例HAPE和436例正常对照	PyTorch	DeepLabV3_ResNet-50, MobileNet_V2, VGG19	Dice系数, AUC, 灵敏度	NA
246	2026-06-26	Explainable AI for infection prevention and control: modeling CPE acquisition and patient outcomes in an Irish hospital with transformers 2025-10-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03214-1 PMID:41126229	研究论文	提出可解释AI框架，利用Transformer模型分析爱尔兰医院电子病历数据，预测碳青霉烯酶产生肠杆菌科感染及患者结局	首次将Transformer架构（如TabTransformer）应用于医院感染控制领域，结合可解释AI技术分析CPE风险因素，并整合网络结构特征（如病房PageRank）提升预测性能	NA	建立可解释AI建模框架，分析CPE对患者结局的影响并识别关键风险因素	爱尔兰某急性医院2018-2022年间住院患者的电子病历数据	机器学习	医院感染（碳青霉烯酶产生肠杆菌科感染）	电子病历数据分析	Transformer（TabTransformer, TabNet）及传统机器学习模型	结构化表格数据（含诊断编码、病房流转、人口统计学、感染变量及接触网络特征）	2018-2022年某爱尔兰医院住院患者数据集	NA	TabTransformer, TabNet	受试者工作特征曲线下面积（AUC）、敏感度	NA
247	2026-06-26	BCECNN: an explainable deep ensemble architecture for accurate diagnosis of breast cancer 2025-10-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03186-2 PMID:41084046	研究论文	提出基于集成卷积神经网络的乳腺癌诊断深度学习框架BCECNN，通过集成多种CNN架构提升诊断准确性和可解释性	首次将三重集成CNN（TECNN）和五重集成CNN（QECNN）与Grad-CAM、LIME可解释性技术结合，在有限数据量下实现高精度乳腺癌诊断并验证临床实用性	基于单一AISSLab数据集（266张图像）进行验证，未在更大规模或多中心数据上测试集成策略的泛化性能	开发兼具高准确性和临床可解释性的乳腺癌诊断深度学习模型	乳腺X线图像中的恶性病变区域检测与分类	计算机视觉, 数字病理学	乳腺癌	迁移学习	卷积神经网络（CNN）	医学图像（乳腺X线图像）	266张乳腺X线图像（来自AISSLab数据集，含多个子数据集变体）	PyTorch, TensorFlow	AlexNet, VGG16, ResNet-18, EfficientNetB0, XceptionNet	准确率	NA
248	2026-06-26	Identification of Isomerically Diverse Ginsenosides Using Engineered Aerolysin Nanopore via Non-Translocation Blockade Sensing 2025-08-04, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202506741 PMID:40456701	研究论文	通过工程化气单胞菌溶素S278K纳米孔实现非转位阻断传感，用于识别异构多样的人参皂苷	提出了一种基于工程化气单胞菌溶素S278K的非转位阻断传感新方法，通过引入S278K突变使纳米孔内腔带高度正电荷，产生强烈电渗流和增强的空间/焓障碍，有效捕获人参皂苷分子并阻止其转位，显著提高检测能力，实现30种不同糖基组成、异构现象、修饰和苷元的人参皂苷的明确识别	文中未明确提及限制，可能包括对更复杂样品的泛化能力或技术可重复性需要进一步验证	开发一种非转位纳米孔传感方法，以解决结构相似分析物（如人参皂苷）的高精度识别问题	异构多样的人参皂苷（糖苷复合物）	纳米孔传感，糖科学	NA	工程化气单胞菌溶素纳米孔传感，深度	深度学习	纳米孔信号	30种不同人参皂苷及实际样品	未明确指定	未明确指定	未明确指定	未明确指定
249	2026-06-26	Deep Supramolecular Language Processing for Co-Crystal Prediction 2025-07, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202507835 PMID:40358977	研究论文	提出一种基于深度学习的超分子语言处理模型DeepCocrystal，用于预测共晶形成	从超分子视角处理分子字符串表示的化学语言，首次将自然语言处理技术应用于共晶预测，并集成不确定性估计和可解释AI能力	在现实场景中平衡准确率为78%，仍存在改进空间；前瞻性研究仅验证了两种新共晶，样本量有限	加速共晶发现过程以优化药物理化性质，推动药物开发	双氟尼酸（抗炎药）与其他分子的共晶组合	自然语言处理	NA	分子字符串表示	深度学习模型（基于自然语言处理的架构）	分子字符串序列	前瞻性研究验证了2种新共晶	PyTorch	Transformer	平衡准确率	NA
250	2026-06-26	A bio-lattice deep learning framework for modeling discrete biological materials 2025-04, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	提出一种结合深度神经网络、有限元法和晶格弹簧模型的机器学习多尺度框架，用于模拟离散、空间异质生物材料的力学行为	提出无假设的晶格框架描述离散单元相互作用，并建立与有限元实现一致的多尺度连接，单DNN可学习多种粒子构型和边界条件的本构方程	未讨论方法的计算效率、大规模应用可扩展性或体内生物组织的验证	开发基于机器学习的多尺度框架以高效预测离散、空间异质生物组织的力学响应	生物组织中的离散相互作用单元及空间异质材料（含软硬夹杂物、梯度多晶固体、随机构型等）	机器学习	NA	NA	深度神经网络（DNN）	NA	NA	PyTorch	深度神经网络（DNN）	NA	NA
251	2026-06-26	Identifying invasiveness to aid lung adenocarcinoma diagnosis using deep learning and pathomics 2025-02-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87094-5 PMID:39929860	研究论文	探索结合深度学习和病理组学识别肺腺癌肿瘤浸润性，辅助病理学家诊断	将深度学习与病理组学结合用于识别肺腺癌肿瘤浸润性，并验证其对初级和中级病理学家诊断精度的提升效果	样本量有限（289例），且仅针对磨玻璃结节患者，可能限制泛化性	评估深度学习和病理组学在肺腺癌肿瘤浸润性识别中的临床价值及对病理学家的辅助作用	289例手术切除的磨玻璃结节患者的全切片图像数据	数字病理学	肺腺癌	全切片图像分析	ResNet、随机森林	图像（全切片图像）	289例患者（磨玻璃结节）	PyTorch	ResNet18、ResNet34、ResNet50、随机森林	AUC、灵敏度、准确率	NA
252	2026-06-26	Artificial Intelligence In Health And Health Care: Priorities For Action 2025-02, Health affairs (Project Hope) DOI:10.1377/hlthaff.2024.01003 PMID:39841940	评论	本文作为美国国家医学院重要方向计划的一部分，阐述了在健康与医疗领域安全、有效及公平地使用人工智能所需采取的行动步骤	从战略高度系统性地提出了在健康与医疗领域应用人工智能的四个优先方向（安全性、劳动力、科研、责任）	未提供具体的技术实施细节或实证数据支持	为即将上任的政府提供关于健康与医疗领域人工智能应用的指导性建议	美国医疗健康体系中的人工智能应用	机器学习	NA	深度学习、生成式人工智能	NA	NA	NA	NA	NA	NA	NA
253	2026-06-26	Enhancing Molecular Network-Based Cancer Driver Gene Prediction Using Machine Learning Approaches: Current Challenges and Opportunities 2025-01, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70351 PMID:39804102	综述	综述旨在全面探讨机器学习方法（特别是网络传播、图神经网络、自动编码器、图嵌入和注意力机制）如何增强基于分子网络的癌症驱动基因预测的可扩展性和可解释性	系统评估了深度学习（尤其是基于图的模型）在分子网络基础上预测癌症驱动基因方面的最新进展和机遇	该综述强调了当前挑战但未提供具体的实验验证或性能比较	探索机器学习方法在基于分子网络的癌症驱动基因预测中的应用，以提高可扩展性和可解释性	癌症驱动基因	机器学习	癌症	NA	图神经网络、自动编码器、图嵌入、注意力机制	分子网络数据、蛋白质-蛋白质相互作用网络、突变数据	NA	NA	网络传播模型、图神经网络、自动编码器、图嵌入、注意力机制	NA	NA
254	2026-06-22	Oral Cancer Detection By Using Tabular Data Synthesis and Classification 2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining DOI:10.1109/ICDMW69685.2025.00094 PMID:41948034	研究论文	提出一种利用表格数据合成与分类的自动方法，用于口腔癌筛查，区分口腔癌与癌前病变并改善数据不平衡问题	通过表格数据合成技术缓解临床数据不平衡问题，并利用深度学习同时实现数据平衡与分类性能提升	未明确说明，但基于摘要可能包括数据集规模有限或泛化性需进一步验证	改进基于AI的口腔癌筛查方法，提升分类性能并解决临床数据不平衡问题	口腔癌与癌前病变的临床表格数据	机器学习	口腔癌	NA	深度学习模型	表格数据	NA	NA	NA	Youden指数, 平衡准确率, 敏感性, F1分数, Matthews相关系数	NA
255	2026-06-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-12-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	提出一种基于深度学习与计算机视觉的自主视网膜静脉穿刺工作流程，并在离体猪眼上验证其效果	利用深度学习预测针头运动方向及识别接触与穿刺事件，结合两台稳手眼机器人实现自主手术操作，在动态眼动条件下仍保持高成功率	仅在离体猪眼上测试，且模拟的眼动可能无法完全代表真实临床中呼吸等复合因素对眼球运动的影响	实现视网膜静脉穿刺关键步骤的自主化，提升手术精准性与可靠性	离体猪眼及其模拟呼吸运动的动态模型	计算机视觉, 机器人控制	视网膜静脉阻塞	术中光学相干断层扫描	卷积神经网络	图像	20只离体猪眼用于静态实验，6只用于动态模拟眼动实验	PyTorch	CNN	成功率	NA
256	2026-06-19	NeuroFusionNet: a hybrid EEG feature fusion framework for accurate and explainable Alzheimer's Disease detection 2025-12-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28070-x PMID:41398345	研究论文	提出NeuroFusionNet混合深度学习框架，融合手工特征与1D-CNN时序特征，用于基于脑电图（EEG）的阿尔茨海默病准确且可解释检测	首次将手工特征与1D-CNN潜在时间嵌入特征融合，并结合Pearson相关系数、粒子群优化（PSO）进行特征选择，主成分分析（PCA）降维及SMOTE类别平衡，同时使用SHAP和Grad-CAM实现模型解释性	仅基于三个公开EEG数据集验证，未涉及真实临床多中心数据；模型在低资源场景下的泛化能力需要进一步评估	开发一种准确、可解释且高效的基于EEG的阿尔茨海默病检测方法，实现早期诊断并支持临床部署	阿尔茨海默病及相关痴呆症患者，通过EEG信号进行二分类检测	机器学习	阿尔茨海默病	脑电图（EEG）	混合深度学习框架（1D-CNN + 深度神经网络）	EEG时间序列信号	三个公开数据集：OpenNeuro ds004504（闭眼）、OpenNeuro ds006036（睁眼）及独立OSF数据集，具体样本数未在摘要中明确	NA	1D-CNN、五层深度神经网络	准确率（94.27%）、宏F1分数（0.94）、标准差（SD<0.3%）、推理时间（6.5ms每样本）、模型参数（0.94M）、内存占用（4.1MB）	无需GPU支持，可在标准临床CPU上实时部署
257	2026-06-19	Automatic specific absorption rate (SAR) prediction for hyperthermia treatment planning using deep learning method 2025-12, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2025.2554860 PMID:40922671	research paper	提出一种基于深度学习的快速准确比吸收率预测方法，用于支撑脑癌患者热疗计划制定	采用编码器-解码器神经网络结合交叉注意力块，首次实现从脑电特性、肿瘤坐标和天线相位快速预测比吸收率分布，将计算时间从10分钟缩短至4秒	NA	实现实时热疗计划中比吸收率分布的快速准确预测，支持自适应治疗策略	人体头部模型中的比吸收率分布	machine learning	brain cancer	NA	encoder-decoder neural network	simulation data	201个仿真样本，其中20个用于测试	NA	encoder-decoder with cross-attention blocks	root-mean-squared error, mean absolute error, structural similarity index	NA
258	2026-06-19	Deep domain adaptation eliminates costly data required for task-agnostic wearable robotic control 2025-11-19, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.ads8652 PMID:41259448	研究论文	提出一种深度域自适应框架，通过生物力学模型的模拟传感器克服可穿戴机器人控制中的数据稀缺问题	利用模拟传感器作为过渡域，将易获取数据转化为数据稀缺域的有效数据，实现无标签或无设备特定数据下的任务无关可穿戴机器人控制	无法从摘要中提取明确限制，可能包括对模拟传感器精度的依赖及泛化能力的潜在限制	解决可穿戴机器人控制中数据驱动的个性化需求与高质量设备特定数据获取困难之间的矛盾	髋/膝外骨骼及其控制力矩估计器	机器学习	NA	深度域自适应	深度域自适应网络	模拟传感器数据、开放数据集、未标记外骨骼数据	8名参与者（外骨骼实时控制部署）	PyTorch	深度域自适应网络	误差（Nm/kg）、代谢成本降低百分比	NA
259	2026-06-19	How Can Clinicians Leverage Vibe Coding for Machine Learning and Deep Learning Research? 2025-10, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2025.2675 PMID:41208262	综述	探讨临床医生如何利用‘氛围编码’工具和方法进行机器学习和深度学习研究	提出‘氛围编码’概念，定义其工作流程，分类现有工具，并通过实例展示其降低编程门槛的潜力	未提供定量比较不同工具的性能或验证其在复杂医学任务中的有效性	帮助缺乏编程技能的临床医生开展机器学习和深度学习研究	机器学习和深度学习研究中的‘氛围编码’工具及应用	人工智能与医学	NA	NA	NA	文本、代码	NA	TensorFlow, PyTorch, Keras, Scikit-learn	NA	NA	NA
260	2026-06-19	Street view images help to reveal the impact of noisy environments on the survival duration of stroke patients 2025-09-26, International journal of health geographics IF:3.0Q2 DOI:10.1186/s12942-025-00416-8 PMID:41013534	研究论文	利用街景图像和深度学习模型揭示噪声环境对脑卒中患者生存期的影响	首次使用街景图像结合多模态深度学习模型评估住宅噪声水平，并探讨噪声对脑卒中死亡率的年龄组和社会经济差异	未提及研究局限	研究道路交通噪声对脑卒中患者死亡率的年龄组和社会经济差异影响	辽宁省阜新市2011-2019年间住院的36240名脑卒中患者	机器学习	脑卒中	NA	多模态深度学习模型	街景图像	36240名脑卒中住院患者	NA	多模态深度学习模型	风险比（HR）、95%置信区间（CI）、p值、人口归因分数	NA