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
2921	2026-01-30	Deep learning for multitask prediction on thyroid nodule frozen sections 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1676360 PMID:41607540	研究论文	本研究开发了基于深度学习的模型，用于甲状腺结节冰冻切片的术中病理诊断，包括良恶性分类、BRAFV600E基因突变预测和淋巴结转移识别	整合了深度学习和传统影像组学，并探索了弱监督策略在甲状腺冰冻切片中的应用，以减轻对病理学家标注的依赖	淋巴结转移预测模型的性能（AUC 0.671）相对较低，可能受限于数据质量或模型架构	辅助甲状腺结节的术中病理诊断，提高诊断准确性	甲状腺结节冰冻切片的Whole-Slide Images	数字病理学	甲状腺癌	冰冻切片成像	CNN, Transformer	图像	436张Whole-Slide Images	TensorFlow, PyTorch	InceptionV3, ResNet50, ViT	AUC, 准确率	NA
2922	2026-01-30	Deep transfer learning and explainable AI framework for autism spectrum disorder detection across multiple datasets 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1617446 PMID:41607838	研究论文	本文提出了一种基于深度神经网络和可解释AI的迁移学习框架，用于跨多个数据集检测自闭症谱系障碍	利用迁移学习框架在三个不同数据集上进行ASD检测，并结合可解释AI技术揭示跨人群的关键分类特征	未明确说明模型在更广泛人群或不同年龄段中的泛化能力，以及数据预处理和特征选择的详细方法	开发一个能够跨数据集有效检测自闭症谱系障碍的深度学习框架	自闭症谱系障碍的筛查数据，涉及来自沙特阿拉伯的幼儿数据集及其他两个ASD数据集	机器学习	自闭症谱系障碍	合成少数类过采样技术	深度神经网络, LSTM, Attention LSTM	筛查数据	涉及三个数据集，具体样本数量未明确说明	未明确说明	深度神经网络	标准评估指标	NA
2923	2026-01-30	Correction: Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1768205 PMID:41608033	correction	本文是对先前发表的一篇关于基于深度学习神经网络的V2X通信网络交通预测器的文章进行更正	NA	NA	NA	NA	machine learning	NA	NA	NA	NA	NA	NA	NA	NA	NA
2924	2026-01-30	Transformative Impact of Artificial Intelligence on Internal Medicine: Current Applications, Challenges, and Future Horizons for Urban Health 2025, Juntendo medical journal DOI:10.14789/ejmj.JMJ25-0019-R PMID:41608225	综述	本文全面概述了人工智能在内科医学中的扩展作用，重点关注其在城市健康背景下的应用、挑战与未来前景	批判性地审视了包括机器学习、深度学习和大型语言模型在内的关键技术，并探讨了基于电子健康记录的基础模型等新兴创新，特别强调了AI在城市医疗环境中应对资源有限和慢性病负担的变革潜力	许多技术仍处于研究或概念验证阶段，验证通常仅限于回顾性或对照试验环境	探讨人工智能在内科医学中的变革性影响，旨在改善患者预后和公共卫生	内科医学，特别是城市医疗环境中的诊断、治疗和患者管理	机器学习	慢性病	NA	机器学习, 深度学习, 大型语言模型	文本, 心电图, 胸部X光, 听诊数据	NA	NA	NA	NA	NA
2925	2026-01-30	Applications and prospects of artificial intelligence in the auxiliary diagnosis of pediatric pulmonary tuberculosis 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1738926 PMID:41608688	综述	本文系统回顾了人工智能在儿童肺结核辅助诊断中的研究与应用现状，并探讨了未来的发展路径	聚焦于儿童肺结核这一研究不足的领域，提出构建跨机构多中心协作数据集和开展以临床疗效为中心的可解释性人工智能验证的未来方向	受限于儿童高质量数据稀缺、模型可解释性不足、缺乏外部验证以及临床转化路径不明确等瓶颈	探索人工智能在儿童肺结核“预防-诊断-治疗-管理”全链条管理中的应用发展路径	儿童肺结核	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2926	2025-12-27	Deep learning-based ordinal classification overcomes subjective assessment limitations in intraoral free flap monitoring 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33637-9 PMID:41449199	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2927	2026-01-29	SentXFormer: a transformer-enhanced hybrid deep learning framework for cross-domain sentiment analysis of customer reviews 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33526-1 PMID:41444756	研究论文	本文提出了一种名为SentXFormer的混合深度学习框架，用于跨领域客户评论的情感分析	结合了CNN、GRU层与BERT、RoBERTa、DABERT的上下文嵌入，并采用基于对抗训练和梯度反转层的领域适应模块，以学习领域不变表示	NA	提高跨领域情感分析的准确性和泛化能力	客户评论	自然语言处理	NA	NA	CNN, GRU, Transformer	文本	23,440条情感标注评论，来自Amazon（7,550条）、Yelp（8,450条）和IMDB（7,440条）数据集	NA	SentiConGRU-Net, BERT, RoBERTa, Domain-Adaptive BERT	准确率	NA
2928	2026-01-29	Advances in AI-Driven EEG Analysis for Neurological and Oculomotor Disorders: A Systematic Review 2025-Dec-24, Biosensors DOI:10.3390/bios16010015 PMID:41590267	系统综述	本文系统综述了人工智能在脑电图分析中用于神经和眼动障碍诊断、分类和监测的最新进展	综合了机器学习与深度学习技术在脑电图分析中的应用趋势，并强调了方法学进展与常见挑战	纳入研究存在样本量小、数据集异质性强以及外部验证有限等普遍局限性	评估人工智能驱动的脑电图分析在神经和眼动障碍评估中的当前方法及未来方向	神经和眼动相关障碍	机器学习	神经疾病	脑电图	机器学习, 深度学习	脑电图信号	NA	NA	NA	NA	NA
2929	2025-12-25	Deep learning estimation of effective atomic number for HU to RED calibration in dual energy photon counting CT 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33507-4 PMID:41436561	研究论文	本研究提出了一种基于深度学习的双能CT有效原子序数估计方法，用于改进相对电子密度校准	采用改进的U-Net模型直接从合成数据中预测有效原子序数，相比传统的Rutherford和化学计量法，显著提高了预测精度和HU-RED校准的线性度	研究基于体模实验，尚未在临床数据上进行验证，且样本材料种类有限（八种）	改进双能CT中相对电子密度的估计精度，以支持更精确的剂量计算	组织等效体模中的八种材料	计算机视觉	NA	双能光子计数CT	CNN	图像	八种材料（组织等效体模）	NA	改进的U-Net	平均绝对误差, 相对误差, 残差, R²	NA
2930	2026-01-29	Deep Learning-Based Quantification of Residual Blood Clots in Single-Use Dialyzers Using Bedside Mobile-Captured Images 2025-Dec-18, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549740 PMID:41411211	研究论文	本研究开发了一种基于深度学习的模型，利用床边智能手机拍摄的图像量化透析器中残留的血栓	首次将ConvNeXt架构应用于透析器血栓量化，并结合可解释AI（LIME）验证模型聚焦临床相关区域，通过复合图像增强检测能力	模型准确率仍有提升空间（最高0.7672），且仅针对<10%和∼30%两种血栓水平进行二分类	开发机器学习模型以量化透析器中残留血栓，辅助临床决策	透析器图像（通过智能手机拍摄）	计算机视觉	终末期肾病	图像采集与预处理（背景去噪、图像分割）	CNN	图像	未明确具体样本数量，数据集按60%/20%/20%划分为训练/验证/测试集	未明确指定，可能为PyTorch或TensorFlow	ConvNeXt	准确率	未明确指定
2931	2026-01-29	Deep learning-based acceleration and denoising of 0.55T MRI for enhanced conspicuity of vestibular Schwannoma post contrast administration 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03758-z PMID:40970959	研究论文	本研究评估了基于深度学习的去噪算法在0.55T MRI中用于增强对比剂后前庭神经鞘瘤显影效果及缩短采集时间的应用	首次在0.55T MRI中应用深度学习去噪技术，显著提升图像质量的同时将检查时间缩短超过一半	研究为回顾性设计，样本量较小（仅30例患者），且仅针对前庭神经鞘瘤这一特定疾病	评估深度学习去噪算法在0.55T MRI中提升前庭神经鞘瘤显影效果和减少采集时间的效能	30例前庭神经鞘瘤患者（包括9名女性）的MRI影像数据	医学影像分析	前庭神经鞘瘤	MRI成像，深度学习去噪	深度学习模型	MRI图像	30例患者	NA	NA	图像质量评分，肿瘤显影评分，伪影评分，尺寸测量可靠性	NA
2932	2026-01-29	AI-assisted computed tomography analysis for pre-procedural planning prior to TAVI 2025-Nov-12, Clinical research in cardiology : official journal of the German Cardiac Society IF:3.8Q1 DOI:10.1007/s00392-025-02790-6 PMID:41603941	研究论文	本研究比较了基于深度学习的全自动CT分析算法与临床标准软件在TAVI术前规划中的性能	开发了一种全自动、基于深度学习的算法，用于TAVI术前CT分析，无需人工干预即可完成完整分析	研究为回顾性分析，样本量相对较小（98例患者），且仅与单一商业软件进行比较	评估基于深度学习的全自动CT分析算法在TAVI术前规划中的准确性和可行性	接受TAVI的症状性严重主动脉瓣狭窄患者	数字病理学	心血管疾病	心脏计算机断层扫描	深度学习算法	CT图像	98例患者	NA	NA	平均绝对误差, 平均绝对百分比误差, 组内相关系数	NA
2933	2026-01-29	Overview of Multimodal Radiomics and Deep Learning in the Prediction of Axillary Lymph Node Status in Breast Cancer 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.07.017 PMID:40830005	综述	本文综述了多模态影像组学和深度学习在预测乳腺癌腋窝淋巴结状态中的应用与进展	整合了多模态影像（如乳腺X线摄影、超声、MRI和PET/CT）与深度学习算法，系统分析了影像组学工作流和模型构建策略，为乳腺癌腋窝淋巴结转移的非侵入性预测提供了综合参考	存在方法学和技术上的挑战待解决，未具体说明	合成和评估当前研究成果，为乳腺癌腋窝淋巴结转移的精准诊断和评估提供参考，并推动该领域的发展	乳腺癌患者的腋窝淋巴结状态	数字病理学	乳腺癌	多模态影像技术（乳腺X线摄影、超声、MRI、PET/CT）	深度学习算法	多模态医学影像	NA	NA	NA	NA	NA
2934	2026-01-29	AI-assisted rapid on-site evaluation ROSE of EUS-FNA cytopathology for pancreatic solid lesions: A two-stage deep learning approach 2025 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000154 PMID:41585852	研究论文	本研究开发并验证了一种用于胰腺实性病变EUS-FNA细胞学图像自动分析的两阶段深度学习诊断模型	提出了一种新颖的两阶段深度学习模型，结合YOLOv8n-p2进行组织细胞检测和DenseNet201进行恶性/正常分类，专门用于处理移动设备捕获的、质量多变的ROSE图像	研究为回顾性设计，样本量相对有限（92名患者），且所有数据来自单一中心	开发自动化AI辅助诊断系统，以改善胰腺实性病变的快速现场评估（ROSE）效率和可及性	胰腺实性病变患者的EUS-FNA细胞学图像	数字病理学	胰腺癌	EUS-FNA细胞学	深度学习	图像	92名患者的882张EUS-FNA细胞学图像	PyTorch	YOLOv8n-p2, DenseNet201	准确率, AUC-PR, AUC-ROC	NA
2935	2026-01-29	Trustworthy deep learning for the automated quantification of the fatty infiltration of the rotator cuff muscles using magnetic resonance imaging 2025-Nov, JSES international DOI:10.1016/j.jseint.2025.06.020 PMID:41584544	研究论文	本研究提出并评估了一种基于深度学习的自动化方法，用于在磁共振成像上对肩袖肌肉脂肪浸润进行分类	提出了一种结合域内迁移学习、特征融合和机器学习分类器的新型深度学习流程，用于自动分类肩袖肌肉脂肪浸润	NA	开发一种自动、客观的方法来分类肩袖肌肉的脂肪浸润，以改进当前主观且可靠性低的分类方法	肩袖肌肉的磁共振图像	计算机视觉	肩袖撕裂	磁共振成像	CNN	图像	383名患者的1,149张分割后的肩袖肌肉图像	TensorFlow, Keras, Scikit-learn	Xception, InceptionV3, MobileNetV2	准确率, 精确率, 召回率, F1分数, 特异性	NA
2936	2026-01-29	Artificial intelligence and multimodal diagnostic approaches in cardiovascular disease 2025 Oct-Dec, Archivos peruanos de cardiologia y cirugia cardiovascular DOI:10.47487/apcyccv.v6i4.532 PMID:41582934	综述	本文评估了人工智能模型在心血管疾病诊断中的影响和临床适用性，并探讨了其相对于传统方法在提高诊断准确性、操作效率和可靠性方面的潜力	整合了多模态诊断方法（包括影像、心电信号、声学信号及临床与蛋白质组学生物标志物），并强调了可解释性技术的重要性	外部验证中性能下降、对异质人群的泛化能力有限，以及临床医生因可解释性不足而产生的抵触情绪	评估人工智能在心血管疾病诊断中的临床适用性及其改进诊断准确性和效率的潜力	心血管疾病的诊断方法，包括影像学、心电信号、声学信号及生物标志物	机器学习	心血管疾病	机器学习、深度学习算法	深度学习模型、集成模型	影像、心电信号、声学信号、临床数据、蛋白质组学数据	NA	NA	NA	准确率、ROC曲线下面积	NA
2937	2026-01-29	A multimodal artificial intelligence system for the detection and diagnosis of solid pancreatic lesions under EUS 2025 Sep-Oct, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000145 PMID:41583348	研究论文	本研究开发了一种基于深度学习的多模态人工智能系统，用于在超声内镜下检测和诊断实性胰腺病变	开发了首个整合超声内镜B型图像、弹性成像和临床数据的多模态AI系统，超越了仅关注单一模态的现有模型	研究为单中心回顾性分析，样本量相对有限，未来需要多中心前瞻性研究验证	提高实性胰腺病变的诊断准确性，以辅助治疗规划	接受超声内镜检查的实性胰腺病变患者	数字病理学	胰腺癌	超声内镜（EUS），包括B型成像和弹性成像	CNN	图像，临床数据	492名患者	NA	DCNN	准确率，灵敏度，特异性，AUC，Dice系数	NA
2938	2026-01-29	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug, Proceedings of machine learning research PMID:41394314	研究论文	提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类	结合了1D CNN与全局原型、2D CNN与时间局部原型、2D CNN与全局原型的多分支架构，并设计了适用于多标签学习的原型损失函数，包含聚类、分离、多样性和新颖的对比损失	NA	开发可解释的深度学习模型用于临床心电图分类	心电图信号	机器学习	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集	NA	1D CNN, 2D CNN	NA	NA
2939	2026-01-29	Enhancing gastrointestinal stromal tumor risk stratification: A novel deep learning approach applied to EUS imaging 2025 May-Jun, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000119 PMID:41584022	研究论文	本研究提出了一种基于EUS影像的新型深度学习模型，用于提高胃肠道间质瘤的风险分层准确性	开发了一种专门针对医学影像的DenseNet-121深度学习风险预测模型，并将其与传统统计模型结合，在GIST风险分类中实现了更高的预测精度	研究为单中心回顾性研究，样本量相对有限（341例患者），且模型间的曲线下面积比较未显示显著统计学差异	改善胃肠道间质瘤的风险评估和分类，以优化临床决策和患者预后	经病理证实的胃肠道间质瘤患者	数字病理	胃肠道间质瘤	EUS成像	深度学习	图像	341例患者的1019张EUS图像	PyTorch（基于DenseNet架构推断）	DenseNet-121	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC	NA
2940	2026-01-29	The impact of machine learning on ethological neuroscience 2025, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2025.1745658 PMID:41583728	综述	本文综述了机器学习在行为神经科学中的应用，重点关注无标记姿态估计和无监督行为聚类技术	机器学习将视频摄像头转化为高分辨率测量设备，并通过无监督方法扩展大规模行为记录推断，结合实验室精确性与现实世界复杂性	处理高维数据集仍面临挑战	推动动物行为及其神经基础的理解，为行为神经科学提供更自然主义研究的实用工具	动物行为	机器学习	NA	深度学习图像处理，无人机和卫星成像	NA	视频，图像	NA	NA	NA	NA	NA