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
2941	2026-01-29	Validity and accuracy of a machine learning predictive model in the exploitation of patient-related outcomes in spine surgery 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1710512 PMID:41583840	研究论文	本研究前瞻性验证了一种深度学习算法在预测腰椎手术患者临床结局（MCID/非MCID）方面的准确性	首次前瞻性验证深度学习算法在腰椎手术患者结局预测中的有效性，并结合移动应用进行远程患者随访	样本量较小（仅103例患者完成随访），且为多中心研究可能引入异质性	验证机器学习预测模型在脊柱手术患者相关结局利用中的有效性和准确性	接受腰椎减压手术的患者	机器学习	脊柱疾病	深度学习	深度学习算法	临床数据（包括Oswestry功能障碍指数、阿片类药物使用、运动功能丧失等）	119例患者术前入组，103例完成术后随访	未明确说明	未明确说明	准确率，受试者工作特征曲线评分	未明确说明
2942	2026-01-29	Explainable AI-driven MRI-based brain tumor classification: a novel deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1700214 PMID:41584219	研究论文	本研究提出了一种基于可解释人工智能（XAI）的深度学习框架，用于MRI脑肿瘤分类	结合了可解释AI技术（如Grad-CAM、LIME）来可视化模型决策过程，并探索了与大型语言模型（LLMs）的未来集成潜力	未明确说明样本来源、数据集大小或计算资源的具体细节，可能影响结果的可重复性和泛化性	开发一个高效的深度学习框架，用于基于MRI数据的脑肿瘤分类，以辅助精确诊断和治疗规划	MRI图像中的脑肿瘤，分类为正常、胶质瘤、垂体瘤和脑膜瘤四类	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	DenseNet50, VGG19, 4-conv-1-dense-1-dropout CNN	准确率	NA
2943	2026-01-29	Detection of protein-losing enteropathy (PLE) ultrasonographic imaging features in dogs using deep learning neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1707957 PMID:41584227	研究论文	本研究利用深度学习神经网络开发了一个基于超声图像的模型，用于区分犬类中的蛋白质丢失性肠病（PLE）与非PLE的慢性炎症性肠病（CIE）病例	首次在兽医学中应用AI工具，通过深度学习模型从超声图像中自动检测PLE相关特征，提高了诊断的准确性和效率	研究为试点性质，样本量较小（仅59只犬），可能影响模型的泛化能力，且未在更广泛的数据集上进行验证	开发一个AI模型，以辅助犬类慢性炎症性肠病（CIE）和蛋白质丢失性肠病（PLE）的诊断和亚分类	犬类（59只）的超声图像数据，用于区分PLE与非PLE的CIE病例	数字病理学	蛋白质丢失性肠病	超声成像（B-mode）	深度学习神经网络	图像	59只犬的超声图像数据	NA	NA	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
2944	2026-01-29	Genetic risk predictions using deep learning models with summary data 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1657021 PMID:41584515	研究论文	本文探讨了在仅能获取遗传汇总数据（如连锁不平衡矩阵）的情况下，深度学习模型在遗传风险预测中的潜在应用	首次系统评估了深度学习模型（包括深度神经网络、卷积神经网络、循环神经网络和Transformer）在仅使用遗传汇总数据而非个体级数据时的预测性能，并发现其误差相当	研究依赖于模拟和真实数据分析，但可能未涵盖所有遗传结构或疾病类型；隐私和数据共享限制的实际影响未完全量化	评估深度学习模型在仅使用遗传汇总数据时进行遗传风险预测的可行性与性能	遗传汇总数据（如连锁不平衡矩阵）与个体级遗传数据	机器学习	NA	遗传汇总数据分析	深度神经网络, 卷积神经网络, 循环神经网络, Transformer	遗传汇总数据, 个体级遗传数据	NA	NA	NA	均方误差	NA
2945	2026-01-29	Recent advance in early oral lesion diagnosis: the application of artificial intelligence-assisted endoscopy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1686356 PMID:41584615	综述	本文综述了人工智能辅助内窥镜技术在口腔鳞状细胞癌早期诊断中的应用、进展与挑战	系统总结了AI模型（如Mask R-CNN、U-Net）在内窥镜图像自动病变检测、分割和分类中的最新应用，并探讨了在资源有限地区的应用潜力	存在标准化数据集缺乏、预处理方法需优化、AI模型过拟合风险、伦理与数据隐私问题以及临床验证不足等挑战	优化口腔鳞状细胞癌的早期诊断与管理，改善患者预后并减轻全球疾病负担	口腔黏膜病变，特别是口腔鳞状细胞癌的早期病变	计算机视觉	口腔鳞状细胞癌	白光成像、窄带成像、自体荧光成像等内窥镜技术	深度学习模型	内窥镜图像	NA	NA	Mask R-CNN, U-Net	NA	NA
2946	2026-01-29	Enhancing multiclass plant disease classification using GAN-boosted vision transformer with XAI insights 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1649399 PMID:41584666	研究论文	提出了一种名为GRG-ViT的新型多类别水稻叶片病害识别模型，该模型集成了Vision Transformer、生成式人工智能和可解释人工智能技术	提出了一种结合Vision Transformer、生成式人工智能和可解释人工智能的新型混合模型，并引入了混合ReLU-GELU激活机制以提升特征表示能力	NA	解决水稻叶片病害识别问题，以支持精准农业	水稻叶片图像	计算机视觉	植物病害	深度学习	Vision Transformer, GAN	图像	NA	NA	Vision Transformer	准确率	NA
2947	2026-01-29	Deep learning-based approaches for weed detection in crops 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1746406 PMID:41584680	综述	本文综述了基于深度学习的杂草检测方法，重点关注目标检测、图像分割和图像分类三大模型家族，并分析了其优势、局限及未来发展方向	系统性地总结了深度学习在杂草检测中的最新进展，并讨论了基于作物的间接检测、半监督学习和模型-执行器集成等新兴解决方案	面临数据集稀缺、标注成本高、杂草形态多变以及实时部署限制等主要挑战	为开发下一代智能除草系统提供指导，推动可扩展、数据高效和精准集成的杂草管理	农作物中的杂草	计算机视觉	NA	深度学习	目标检测, 图像分割, 图像分类	图像	NA	NA	NA	NA	NA
2948	2026-01-29	Osteosarcopenia: key molecular mechanisms and translational perspectives 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1723522 PMID:41584796	综述	本文构建了一个“细胞内-细胞间-系统”的层次框架，系统阐述了骨少肌症的发病机制，并探讨了前沿干预措施及其临床转化前景	提出从单器官病理研究转向多维相互作用阐释的“细胞内-细胞间-系统”分层框架，以系统理解骨少肌症的发病机制	NA	为骨少肌症的机制研究领域提供参考，并为该疾病的精准防治提供新思路	骨少肌症（骨质疏松与肌肉减少症共存的综合征）	NA	老年病	深度学习CT分析	NA	NA	NA	NA	NA	NA	NA
2949	2026-01-29	Applications, image analysis, and interpretation of computer vision in medical imaging 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1733003 PMID:41585084	综述	本文综述了计算机视觉在医学影像中的当前进展、应用及研究前景	总结了计算机视觉在提升医学影像诊断准确性、改善患者护理和操作效率方面的革命性作用，并强调了深度学习算法特别是卷积神经网络在医学图像分割中的关键应用	NA	探讨计算机视觉在医学影像中的应用、图像分析及解释，以推动医疗实践的发展	医学影像数据，包括胸部CT扫描、脑部扫描等	计算机视觉	肺癌, 阿尔茨海默病	深度学习, 卷积神经网络	CNN	图像	NA	NA	NA	灵敏度	NA
2950	2026-01-29	Early prediction of diabetic retinopathy using a multimodal deep learning framework integrating fundus and OCT imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1741146 PMID:41585223	研究论文	本研究提出了一种融合眼底和OCT成像的多模态深度学习框架，用于早期预测糖尿病视网膜病变	通过基于注意力的加权机制融合眼底和OCT图像的结构与空间特征，实现多模态诊断	数据集规模有限，结果仅为初步，需在更大更多样化数据集上验证	开发一种用于早期糖尿病视网膜病变评估的多模态诊断框架	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	眼底摄影，光学相干断层扫描（OCT）	深度学习	图像	222张高质量配对图像（111张眼底 + 111张OCT）	NA	NA	准确率，AUC-ROC	NA
2951	2026-01-29	From radiomics to transformers in pancreatic cancer detection and prognosis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1731922 PMID:41585265	系统综述	本文系统回顾了从放射组学到Transformer模型在胰腺癌检测和预后中的应用进展	提出AI方法的代际分类法，整合多模态数据，并评估数据可用性、使用和样本规模的趋势	泛化性、外部验证、模型校准和转化准备方面存在局限性	改善胰腺导管腺癌的早期检测和个性化预后	胰腺导管腺癌（PDAC）	医学影像	胰腺癌	NA	机器学习, 深度学习, Transformer	影像, 病理, 分子数据	NA	NA	NA	NA	NA
2952	2026-01-29	Artificial intelligence-assisted quantification of fundus tessellation in early-onset high myopia 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1663903 PMID:41585272	研究论文	本研究利用人工智能辅助的图像分析技术，定量评估了早发性高度近视儿童的眼底镶嵌密度，并探讨了其与眼轴长度的关联	首次在早发性高度近视儿童中，采用深度学习算法对眼底镶嵌密度进行定量分析，并揭示了其与眼轴长度的区域特异性关联	样本量较小（47只眼），且为横断面研究，无法确定因果关系	定量评估早发性高度近视儿童的眼底镶嵌密度，并探索其与眼轴长度的关系	年龄≤6岁的早发性高度近视儿童	计算机视觉	高度近视	超广角眼底摄影	深度学习	图像	31名儿童的47只眼	NA	NA	NA	NA
2953	2026-01-28	Bridging neuromorphic computing and deep learning for next-generation neural data interpretation 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1737839 PMID:41585347	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2954	2026-01-28	Subclinical Atrial Fibrillation Prediction in Patients with CIED by a Novel Deep Learning Framework 2025-Dec-30, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13010018 PMID:41590845	研究论文	本研究开发了一种名为ResKAN-Attention的新型深度学习框架，仅使用常规临床数据来预测心脏植入式电子设备（CIED）患者的亚临床心房颤动（SCAF）	提出了一种结合Kolmogorov-Arnold网络（KAN）与多层感知机的双路径架构，并通过交叉注意力机制融合，同时通过知识蒸馏生成了临床可用的风险评分系统	研究为回顾性设计，样本量相对较小（124名患者），需要在更大规模的前瞻性队列中进行验证	开发一种利用常规临床数据预测亚临床心房颤动（SCAF）的深度学习模型，以改善心血管事件的风险分层	124名既往无房颤病史的心脏植入式电子设备（CIED）患者	机器学习	心血管疾病	NA	深度学习	临床参数	124名CIED患者（其中39名在12个月随访期内发生SCAF）	NA	ResKAN-Attention（结合Kolmogorov-Arnold Network与多层感知机的双路径架构）	AUC	NA
2955	2026-01-28	Automated, anatomy-based, heuristic post-processing reduces false positives and improves interpretability of deep learning intracranial aneurysm detection models 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33083-7 PMID:41430430	研究论文	本文提出了一种结合启发式后处理的自动化深度学习方法，用于降低CTA图像中颅内动脉瘤检测的假阳性率	开发了全自动的解剖学基础启发式后处理方法，通过整合脑部掩膜和动脉-静脉分离模块，显著减少深度学习模型的假阳性	后处理方法可能在某些情况下误删真阳性，尤其是在公共数据集上表现更明显	提高深度学习模型在CTA图像中检测颅内动脉瘤的准确性和临床可接受性	CTA图像中的颅内动脉瘤	数字病理学	颅内动脉瘤	CTA成像	CNN, Transformer	医学图像（CTA）	训练集：1,186个开源CTA（1,373个标注动脉瘤）；测试集：143个私有CTA（218个标注动脉瘤）和843个公开CTA（1,027个标注动脉瘤）	NA	CPM-Net, 3D-CNN-TR（可变形3D卷积神经网络-Transformer混合模型）	真阳性, 假阴性, 假阳性, 假阳性率	NA
2956	2026-01-28	Augmenting a prognostic deep learning system for referable diabetic retinopathy and maculopathy with synthetic retinal images 2025-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01316-5 PMID:41420096	研究论文	本研究探讨了使用条件级联扩散模型生成的合成视网膜图像来增强预测性深度学习系统在两年内可转诊糖尿病视网膜病变或黄斑病变预测中的性能	首次将条件级联扩散模型生成的合成视网膜图像用于增强预测性深度学习系统，以解决标记数据稀缺和类别不平衡问题	合成图像增强在内部测试中显著提升性能，但在外部测试中未观察到改善，表明合成图像增强的泛化能力有待提高	提高预测性深度学习系统对两年内可转诊糖尿病视网膜病变或黄斑病变的预测准确性	来自英国东南伦敦糖尿病眼筛查计划和伯明翰糖尿病眼筛查计划的视网膜图像	数字病理学	糖尿病视网膜病变	条件级联扩散模型	深度学习系统	图像	开发数据集包含72,559只眼的图像，内部测试集包含9,071只眼，外部测试集包含2,842只眼	NA	条件级联扩散模型	AUROC	NA
2957	2026-01-28	Caries Detection in Primary Molars with Bitewing Radiographs through Deep Learning Based-Object Detectors 2025-Dec-18, Caries research IF:2.9Q1 DOI:10.1159/000550079 PMID:41411231	研究论文	本研究旨在开发基于深度学习目标检测器的人工智能算法，用于在儿童乳磨牙的咬翼X光片中检测和分期龋齿病变	首次将多种深度学习目标检测算法应用于儿童乳磨牙龋齿的自动检测与分期，并比较了不同模型在龋齿严重性分类中的性能	数据集仅包含1,023张X光片，样本量相对有限；模型在检测所有龋齿病变时的灵敏度仅为0.509，仍有提升空间	开发人工智能算法以辅助临床医生更准确地诊断儿童龋齿病变，实现自动化龋齿检测与分期	儿童乳磨牙的咬翼X光片	计算机视觉	龋齿	X光成像	深度学习目标检测器	图像	1,023张儿童乳磨牙咬翼X光片	NA	DINO, YOLOv7	加权Kappa分数, 灵敏度, 特异性, 准确率	NA
2958	2026-01-28	Data-Driven differentiation of idiopathic Normal-Pressure hydrocephalus and progressive supranuclear palsy via automated volumetric analysis 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03830-8 PMID:41204957	研究论文	本研究开发了基于深度学习的自动化脑部体积分析方法，用于区分特发性正常压力脑积水和进行性核上性麻痹	采用深度学习自动化体积分析结合多组MRI特征（脑干、体积、中脑与脑桥比率、DESH亚组），并应用线性支持向量机模型实现高诊断准确性	样本量相对有限（共192例），且仅基于T1加权MRI图像，未涉及多模态影像或纵向数据	开发自动化机器学习方法以区分特发性正常压力脑积水和进行性核上性麻痹	特发性正常压力脑积水和进行性核上性麻痹患者的T1加权3D脑部MRI扫描	数字病理学	神经退行性疾病	T1加权3D脑部MRI扫描	SVM	图像	192例患者（132例iNPH，60例PSP）	NA	线性支持向量机	AUROC	NA
2959	2026-01-28	Deep learning for multi-modal medical image segmentation: a survey and comparative study 2025-Dec, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-025-01052-3 PMID:41082044	综述	本文对2019年至2025年间多模态医学图像分割的深度学习方法进行了全面的调查和比较分析	提供了多模态医学图像分割深度学习方法与融合策略的全面概述，并比较了不同模型在提升分割准确性和可靠性方面的表现	NA	综述和比较多模态医学图像分割的深度学习技术进展	多模态医学图像分割方法	计算机视觉	NA	多模态医学图像融合	深度学习模型	多模态医学图像	NA	NA	NA	分割准确性，可靠性	NA
2960	2026-01-28	Deep learning-based computed tomography reconstruction improves image quality but does not significantly affect Alberta stroke program early CT score evaluation in acute middle cerebral artery territory infarction 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03804-w PMID:41091157	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA