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
3841	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103182 PMID:41449848	研究论文	本研究开发了一种基于神经病理学确认诊断的多标签深度学习网络，用于量化阿尔茨海默病、血管性痴呆和路易体痴呆的脑萎缩	首次利用神经病理学确认的诊断训练深度学习模型，并开发了新型DeepSPARE指数来可视化病理特异性模式	模型在路易体痴呆上的准确率相对较低（0.623），且样本主要来自特定数据集（NACC和ADNI）	开发一种能够准确识别三种常见痴呆类型脑萎缩模式的深度学习框架	423名痴呆参与者和361名对照者的生前3D T1加权MRI扫描	数字病理学	老年疾病	3D T1加权MRI扫描	深度学习网络	图像	784名参与者（423名痴呆患者，361名对照），外加734名外部验证样本	NA	多标签深度学习网络	平衡准确率	NA
3842	2025-12-29	Clinical Manifestations 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70857_105825 PMID:41449899	研究论文	本研究通过融合视频骨骼关键点和可穿戴生理数据，利用深度学习模型提升痴呆患者躁动和攻击行为的早期检测能力	首次结合视频骨骼关键点与可穿戴生理数据，采用RNN-GRU与注意力机制的深度学习框架，实现多模态数据融合的早期AA预测	样本量较小（仅5名患者），数据收集时长存在差异，需进一步扩大研究规模以验证普适性	提升痴呆患者躁动和攻击行为的早期检测准确性，减少干预延迟和不适当精神药物使用	患有阿尔茨海默病或混合病理痴呆并伴有躁动和攻击行为的住院患者	机器学习	老年疾病	可穿戴生理监测、视频骨骼关键点提取	RNN, GRU	视频、生理信号	5名患者（3名女性，2名男性，年龄63-85岁），每人数据收集时长为36至95.5小时	NA	RNN with GRU and attention mechanisms	准确率	NA
3843	2025-12-29	deepBlastoid: a deep learning model for automated and efficient evaluation of human blastoids 2025-Dec, Life medicine DOI:10.1093/lifemedi/lnaf026 PMID:41450875	研究论文	本文开发了一个名为deepBlastoid的深度学习模型，用于基于明场图像自动分类活体人类胚泡样结构	开发了首个用于自动评估人类胚泡样结构形态的深度学习模型，通过集成置信度指标将准确率提升至97%，并在通量上超越人类专家	模型性能依赖于图像质量和训练数据，可能无法覆盖所有胚泡样结构变异类型	开发自动化工具以高效评估人类胚泡样结构的形态，支持早期人类发育建模和高通量筛选	人类胚泡样结构	计算机视觉	NA	明场成像	深度学习模型	图像	超过10,000张图像	NA	NA	准确率, 置信度	NA
3844	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103753 PMID:41452061	研究论文	本研究利用死后MRI和组织学数据，探讨了阿尔茨海默病（AD）和LATE相关神经退行性变中MRI形态测量指标与神经元数量、大小和密度等直接神经退行性变指标之间的关系	结合深度学习StarDist方法、弱监督学习和高斯混合模型，自动化检测神经元并区分神经元与胶质细胞，用于分析AD和LATE的萎缩模式差异	研究样本量较小（仅24名脑捐赠者），且为初步可行性结果，需要更大数据集验证	旨在通过MRI形态测量和组织学分析，更好地区分AD和LATE引起的萎缩，以开发更特异的生物标志物	24名脑捐赠者的海马体CA1亚区、下托和内嗅皮层组织	数字病理学	阿尔茨海默病	死后MRI（9.4T）、组织学染色（硫堇染色）、立体学测量	深度学习	图像	24名脑捐赠者（5名AD-LATE-，14名AD+LATE-，5名AD+LATE+）	StarDist	NA	相关系数（r=0.72）	NA
3845	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103816 PMID:41452665	研究论文	本研究利用3D卷积神经网络预测轻度认知障碍老年患者在未来两年内临床痴呆评定量表总分的变化	首次在三个独立的公开队列中，使用3D DenseNet-121 CNN模型，仅基于T1加权脑部MRI来预测未来认知功能下降，并将影像学预测结果整合到线性混合效应模型中以提高预测准确性	研究仅使用了T1加权MRI数据，未来需要纳入更丰富的神经影像数据（如淀粉样蛋白和tau蛋白PET、弥散MRI）以及探索其他数据融合方法	预测轻度认知障碍患者向阿尔茨海默病或相关痴呆症的进展，以辅助治疗决策、识别保护因素并指导临床试验	来自ADNI、OASIS-3和NACC三个公开队列的老年轻度认知障碍患者	数字病理学	阿尔茨海默病	3D T1加权脑部MRI	CNN, 线性混合效应模型	图像, 表格数据	ADNI队列1136人，OASIS-3队列241人，NACC队列942人	NA	3D DenseNet-121	平均绝对误差, R²	NA
3846	2025-12-29	Harnessing artificial intelligence to advance insights in systemic sclerosis skin and lung disease 2025-Nov-01, Current opinion in rheumatology IF:5.2Q1 DOI:10.1097/BOR.0000000000001114 PMID:40767529	综述	本文综述了截至2024年人工智能在系统性硬化症皮肤和肺部疾病研究中的应用进展	总结了人工智能在系统性硬化症研究中从预测建模到患者亚群识别、疾病严重程度量化及影像分析的最新应用，强调了其在处理高维复杂数据中的潜力	NA	综述人工智能在系统性硬化症皮肤和肺部疾病研究中的应用，以推动个性化医疗	系统性硬化症患者的皮肤和肺部疾病数据	机器学习	系统性硬化症	监督机器学习、无监督机器学习、深度学习	NA	临床数据、数字图像（肺部影像、皮肤活检图像）	NA	NA	NA	NA	NA
3847	2025-12-29	Automated synthetic contrast-enhanced MRI improves choroid plexus segmentation in Parkinsonian syndromes 2025-Nov, Radiology advances DOI:10.1093/radadv/umaf042 PMID:41446781	研究论文	本研究开发了一种基于深度学习的合成对比增强MRI方法，用于改善帕金森综合征中脉络丛的分割和形态学分析	首次提出使用深度学习从T1加权图像生成合成对比增强MRI，以替代传统钆对比剂增强MRI，用于脉络丛分割和形态测量	研究为回顾性设计，且外部验证队列数据时间跨度较早，可能影响泛化性	开发并验证一种无需注射钆对比剂的合成对比增强MRI方法，以改善神经退行性疾病中脉络丛的成像和分割	帕金森病、特发性震颤和非典型帕金森综合征患者的脑部MRI图像	医学影像分析	帕金森综合征	MRI, 深度学习图像合成	深度学习	MRI图像	内部队列265名患者，外部队列58名患者	NA	Nested-UNet, 3D-UNet	峰值信噪比, 结构相似性指数, Dice系数, 组内相关系数, 平均绝对体积差异	NA
3848	2025-12-29	Forecasting daily bathtub-drowning mortality in Japan: a comparative analysis of statistical, machine learning, and deep learning approaches 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1715622 PMID:41450495	研究论文	本文比较了统计、机器学习和深度学习方法在预测日本每日浴缸溺水死亡率方面的性能	首次开发了全国范围的浴缸溺水死亡预测模型，并比较了DLNM、XGBoost和LSTM三种方法的预测准确性	模型依赖于历史数据，可能无法完全捕捉未来突发变化或未包含的风险因素	预测日本每日浴缸溺水死亡率，以支持公共卫生干预和及时预警	日本47个都道府县的浴缸溺水死亡数据	机器学习	老年疾病	死亡证明记录分析、气象数据整合	DLNM, XGBoost, LSTM	时间序列数据、气象数据、人口统计数据	99,930例浴缸溺水死亡记录，覆盖446,359个都道府县-天数据点	NA	分布式滞后非线性模型, 极端梯度提升, 长短期记忆网络	均方根误差, 平均绝对误差	NA
3849	2025-12-29	An adaptive hand exoskeleton rehabilitation training system integrating virtual reality and an AI-based assessment engine 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1724021 PMID:41450855	研究论文	本文提出了一种集成了虚拟现实和基于AI评估引擎的自适应手部外骨骼康复训练系统，用于中风后手部运动障碍的康复	融合了生物信号传感、AI分析和虚拟现实交互，实现了高效、自适应、可量化的闭环训练过程，并基于多模态数据融合、闭环自适应控制和神经可塑性多感官增强三大理论支柱	单臂设计限制了因果推断，样本量小（n=24），干预周期短（4周），FMA-UE代理标签通过线性插值构建，且为临床控制环境而非真实世界部署	开发一个数据驱动、多模态闭环康复系统，以解决传统康复中依从性低、评估主观和个性化不足的问题，促进中风后手部功能恢复	中风幸存者（中风后3-12个月，FMA-UE评分15-50）	机器学习	心血管疾病	生物信号传感（6轴IMU，16通道sEMG），扩展卡尔曼滤波，虚拟现实交互	随机森林，支持向量回归	生物信号数据（运动学，肌肉激活），行为数据	24名中风幸存者，共479次训练会话，8,946个标注片段	Scikit-learn	随机森林（200棵树，深度8），支持向量回归（RBF核）	R², MAE, Spearman ρ, ICC, FMA-UE, ARAT, 握力, 标准化ROM, 任务成功率, SUS	云AI引擎，通过MQTT与基于Unity的VR进行双向通信
3850	2025-12-29	Predicting Ki-67 expression levels in non-small cell lung cancer using an explainable CT-based deep learning radiomics model 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1655714 PMID:41450926	研究论文	本研究开发了一种可解释的CT影像深度学习放射组学模型，用于预测非小细胞肺癌中Ki-67的表达水平	结合临床放射学特征、放射组学特征和深度学习特征，构建了一个可解释的预测模型，并通过SHAP分析可视化特征贡献	回顾性研究设计，样本量相对有限，且仅基于两个中心的患者数据	预测非小细胞肺癌中Ki-67的表达水平，以辅助临床优化个性化治疗策略	非小细胞肺癌患者	数字病理学	肺癌	CT成像	支持向量机	图像	371名患者（中心1: 259名，中心2: 112名）	Scikit-learn	ResNet18	AUC, IDI	NA
3851	2025-12-29	The research hotspots and trends of artificial intelligence technology in nursing management: a bibliometric study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1710269 PMID:41451100	文献计量研究	本文通过文献计量学方法分析了人工智能在护理管理领域的研究热点与趋势	首次系统性地利用CiteSpace、VOSviewer和Bibliometrix工具对AI在护理管理领域的文献进行可视化分析，识别了五大研究集群和新兴热点	研究排除了非英语文献，且依赖文献计量分析，可能无法完全反映AI在临床实践中的实际应用情况	探索人工智能技术在护理管理领域的研究格局、热点与未来趋势	Web of Science核心合集和Scopus数据库中1990年至2025年8月的151篇英文出版物	机器学习	NA	文献计量分析	NA	文本	151篇出版物	CiteSpace, VOSviewer, Bibliometrix	NA	NA	NA
3852	2025-12-29	Sentiment Analysis of Autologous Breast Reconstruction Using Natural Language Processing and Deep Learning 2025, Aesthetic surgery journal. Open forum DOI:10.1093/asjof/ojaf145 PMID:41451120	研究论文	本研究利用自然语言处理和深度学习技术，对患者关于自体乳房重建（DIEP、TRAM、LD皮瓣）的公开评论进行情感分析	首次将RoBERTa等NLP模型应用于大规模患者论坛评论，以量化分析患者对特定乳房重建手术的情感与情绪，补充了传统临床研究	样本量较小（仅212条评论），数据来源单一（仅RealSelf平台），可能无法代表所有患者群体	评估患者对自体乳房重建手术（DIEP、TRAM、LD皮瓣）的情感态度和情绪体验	RealSelf平台上关于DIEP、TRAM或LD皮瓣的公开患者评论	自然语言处理	乳腺癌	自然语言处理, 深度学习	RoBERTa	文本	212条患者评论（DIEP 153条，TRAM 20条，LD 39条）	NA	RoBERTa	NA	NA
3853	2025-12-28	Medical Microwave Imaging Using Physics-Guided Deep Learning Part 1: The Forward Solver 2025-Dec-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3648756 PMID:41452684	研究论文	本文提出了一种用于医学微波成像的快速、自监督深度学习前向求解器，通过物理引导的混合损失函数确保计算结果的物理正确性	提出了一种基于物理框架的深度学习前向求解器，将计算域分为内部散射体区域和外部背景介质区域，采用结合麦克斯韦旋度方程与积分方程的混合损失函数，在保证全局和局部精度的同时比传统求解器快97%	未明确说明训练数据的具体规模和多样性限制，也未讨论在更复杂生物组织模型中的泛化能力	开发用于医学微波成像的快速准确前向求解器，为深度学习逆问题求解器提供高效训练基础	电磁散射问题中的散射场和介质特性计算	机器学习	NA	微波成像	深度神经网络	电磁场数据	未明确具体样本数量，但提及在随机物体上训练并在真实模型上测试	NA	NA	均方根误差	NA
3854	2025-12-28	STAR: Soil texture analysis recognizer integrating domain-adaptive transfer learning with NIR spectroscopy 2025-Dec-25, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128378 PMID:41453259	研究论文	本文提出了一种名为STAR的智能近红外光谱设备，用于精确的土壤质地分类，通过结合领域自适应迁移学习来解决模型泛化、标注数据依赖和跨域不一致性问题	提出了两种新颖的算法组件：面向迁移学习的光谱预处理方法TMSC以减少光谱分布偏移，以及SETAB框架来增强模型在跨区域和跨域不平衡条件下的适应性	研究主要基于四川省的局部土壤样本进行验证，未明确说明模型在其他地理区域或更广泛土壤类型上的泛化性能	开发一种用于精确土壤质地分类的智能近红外光谱设备，并解决光谱建模在实际部署中的泛化和跨域适应性问题	土壤样本	机器学习	NA	近红外光谱	深度学习	光谱数据	四川省的局部土壤样本（具体数量未明确说明）	NA	NA	准确率, Kappa系数	NA
3855	2025-12-28	Enhanced classification prostate cancer based on generative adversarial networks and integrated deep learning with vision transformer models 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31623-9 PMID:41444330	研究论文	本文提出了一种结合生成对抗网络、集成深度学习与视觉Transformer模型的增强型前列腺癌分类方法	提出了一种无需修改源图像的安全隐写术，并首次将ViT与GAN、SVM及多种深度学习模型（EfficientNet-B4、DenseNet121、ResNet-18）集成用于前列腺癌诊断	方法仅在DWI前列腺癌数据集上验证，未在其他模态或疾病数据集上测试泛化能力	开发一种安全且高精度的前列腺癌医学图像分类与诊断系统	扩散加权成像（DWI）前列腺癌数据集	计算机视觉	前列腺癌	扩散加权成像（DWI）	GAN, SVM, CNN, Transformer	医学图像	NA	NA	Vision Transformer (ViT), EfficientNet-B4, DenseNet121, ResNet-18	准确率, 敏感度, 精确率, F1分数, PSNR, SSIM	NA
3856	2025-12-28	Detection of cystoid macular edema in patients with retinitis pigmentosa based on deep learning 2025-Dec-24, International journal of retina and vitreous IF:1.9Q2 DOI:10.1186/s40942-025-00762-6 PMID:41444668	研究论文	本研究首次应用深度学习算法基于光学相干断层扫描图像自动检测视网膜色素变性患者的黄斑囊样水肿	首次将深度学习算法应用于视网膜色素变性患者黄斑囊样水肿的诊断与管理	NA	利用深度学习模型基于光学相干断层扫描图像检测视网膜色素变性患者的黄斑囊样水肿	视网膜色素变性患者的黄斑囊样水肿	计算机视觉	视网膜色素变性	光谱域光学相干断层扫描	CNN	图像	1,318张光学相干断层扫描图像，来自296只眼睛	Scikit-learn	ResNet-34, ResNet-18	准确率, F1分数, ROC	NA
3857	2025-12-28	Deep learning-based 3D automatic segmentation of impacted canines in CBCT scans 2025-Dec-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07117-5 PMID:41437345	研究论文	本研究开发了一种基于nnU-Net v2的深度学习模型，用于自动分割CBCT扫描中的阻生尖牙	首次将nnU-Net v2架构应用于阻生尖牙的3D自动分割，实现了高精度的检测与分割性能	研究样本量有限（仅159例CBCT扫描），且为回顾性数据，可能存在选择偏倚	开发自动分割阻生尖牙的深度学习模型，以提升牙颌面放射学诊断效率	CBCT扫描中的阻生尖牙	计算机视觉	牙科疾病	CBCT成像	CNN	3D医学图像	159例CBCT扫描	nnU-Net v2	nnU-Net	召回率, 精确率, Dice相似系数, 95% Hausdorff距离, 交并比	NA
3858	2025-12-28	Advanced deep-learning model for temporal-dependent prediction of dynamic behavior of AC losses in superconducting propulsion motors for hydrogen-powered cryo-electric aircraft 2025-Dec-17, Communications engineering DOI:10.1038/s44172-025-00554-8 PMID:41407868	研究论文	本文提出了一种先进的深度学习模型，用于预测氢动力低温电动飞机中超导推进电机动态交流损耗的时变行为	开发了首个能够预测超导推进电机动态交流损耗（包括周期平均和瞬时波形形态）的AI模型，并推广至未见设计，相比传统方法（如有限元分析、解析模型或早期智能模型）在速度和准确性上具有显著优势	NA	优化氢动力低温电动飞机中超导推进电机的效率、最小化低温热负荷并最大化比功率密度，通过快速准确的动态交流损耗预测支持系统级建模设计	氢动力低温电动飞机中的超导推进电机	机器学习	NA	深度学习	深度学习模型	电机配置数据集	大型电机配置数据集	NA	NA	准确性（R），预测时间	NA
3859	2025-12-28	Predicting and Synchronising Co-Speech Gestures for Enhancing Human-Robot Interactions Using Deep Learning Models 2025-Dec-13, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10120835 PMID:41439904	研究论文	本文提出了一种基于深度学习的系统，用于预测并同步机器人的伴随语音手势，以增强人机交互的生动性	结合深度学习模型预测手势类型，并通过规则模块实现手势与语音的精确同步，满足实时交互的时间约束	NA	提升机器人在人机交互中的表现力和自然度，使其能够通过多模态动作有效传达信息	机器人的语音和伴随手势	自然语言处理	NA	深度学习	RNN, 条件随机场, Transformer	语音文本	NA	NA	NA	NA	NA
3860	2025-12-28	Comparative CFD Simulations of a Soft Robotic Fish for Undulatory Swimming Behaviors 2025-Dec-02, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10120805 PMID:41439874	研究论文	本文提出了一种用于分析波动游泳行为的机器鱼水动力性能预测策略，通过CFD模拟和深度学习模型进行性能评估	结合计算流体动力学模拟与基于LSTM、CNN和GRU的深度学习时间序列预测模型，对机器鱼的推力进行预测，并比较不同模型的性能	研究基于二维机器鱼模型进行模拟，可能未完全反映三维真实环境中的复杂流体动力学效应	分析机器鱼在波动游泳行为中的水动力性能，并预测其推力	软体机器鱼	机器人与流体动力学	NA	计算流体动力学模拟，深度学习时间序列预测	LSTM, CNN, GRU	模拟数据	NA	NA	CNN-GRU, LSTM, CNN, GRU	均方根误差	NA