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
21	2026-07-13	Navigating the landscape of multimodal AI in medicine: A scoping review on technical challenges and clinical applications 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103621 PMID:40482561	综述论文	这篇综述论文系统分析了2018至2024年间432篇基于深度学习的多模态AI在医疗领域的应用，评估不同架构、融合策略和临床应用效果	首次全面梳理多模态AI在医学各领域的应用，量化分析显示多模态模型AUC平均提升6.2个百分点，并系统总结了技术挑战和商业化模型现状	仅涵盖2018-2024年间432篇论文，可能遗漏早期研究或最新突破；未对具体模型性能进行元分析；未深入探讨数据隐私和伦理问题	全面综述深度学习多模态AI在医疗领域的应用现状、技术挑战、临床实施策略和未来发展方向	2018至2024年间发表的432篇关于医学多模态AI的学术论文	机器学习	NA	NA	深度学习	多模态医疗数据（如影像、文本、基因组等）	432篇论文	NA	NA	AUC	NA
22	2026-07-13	A novel explainable AI framework for medical image classification integrating statistical, visual, and rule-based methods 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103665 PMID:40505210	研究论文	提出一种面向医学图像分类的可解释AI框架，整合统计、视觉和基于规则的多种解释方法	创新性地整合统计特征、视觉叠加图和规则提取三种解释方法，突破现有可解释AI仅依赖单一可视化或规则解释的局限	NA	提升深度学习模型在医学图像分析中的透明度和可解释性	医学图像分类任务中的模型决策过程	计算机视觉	COVID-19、乳腺癌、脑肿瘤、肺癌、结肠癌、青光眼	深度学习、特征选择、决策树、RuleFit	CNN (Mobilenetv2)、决策树、RuleFit	影像数据（X光、超声、MRI、组织病理图像、眼底图像）	五个医学影像数据集（COVID-19放射影像、超声乳腺癌、脑肿瘤MRI、肺与结肠癌组织病理、青光眼图像），具体样本量未提供	NA	Mobilenetv2, 决策树, RuleFit	NA	NA
23	2026-07-13	TCFNet: Bidirectional face-bone transformation via a Transformer-based coarse-to-fine point movement network 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103653 PMID:40527150	研究论文	提出基于Transformer的粗到细点运动网络TCFNet，实现面部与骨骼点云间的双向变换	首次将Transformer与局部信息聚合网络（LIA-Net）结合，在补丁和点级别学习复杂对应关系，实现密集面骨点云变换，并引入可变形医学图像配准启发辅助损失以利用专家知识重建关键器官	仍存在大规模点处理挑战，可能局限于特定数据集，辅助损失为可选且依赖专家知识	实现计算机辅助正颌手术规划中面部-骨骼形状变换的高精度模拟	面部与骨骼点云之间的点对点变换	计算机视觉	无特定疾病	NA	Transformer	点云	自收集数据集（未具体说明数量）	PyTorch	Transformer, LIA-Net	评估指标和可视化结果（未列出具体名称）	NA
24	2026-07-13	SurgRIPE challenge: Benchmark of surgical robot instrument pose estimation 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103674 PMID:40541088	研究论文	介绍SurgRIPE挑战赛，旨在通过提供真实手术视频数据和基准，推动无标记手术器械姿态估计的深度学习研究	提出了首个面向手术机器人器械姿态估计的基准挑战赛，提供了带真实姿态标签的临床手术视频数据，并评估了多种新型无标记方法	未明确提及，但挑战赛数据可能受限于特定手术场景和器械类型	建立手术机器人器械姿态估计的基准，推动无标记深度学习方法的开发与评估	手术机器人及其器械（如持针器、剪刀等）的六自由度姿态	计算机视觉	NA	深度学习	多种（具体未指定，如CNN等）	手术视频	SurgRIPE数据集（具体样本数未提及）	NA	多种（如ResNet、Transformer等）	准确性、鲁棒性	NA
25	2026-07-13	Concentration-dependent responses of C. reinhardtii to silver ions: hormetic response in growth and reduction of motility 2025-09-15, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-025-00521-3 PMID:40952583	研究论文	研究不同浓度银离子对莱茵衣藻生长、叶绿素含量和运动能力的生物物理响应	首次揭示银离子对微藻的毒物兴奋效应，表现为低浓度促进生长而高浓度抑制；同时利用深度学习算法跟踪单个微藻的运动，量化银离子对运动能力的影响	未深入探讨银离子影响微藻运动的分子机制，且仅使用单一藻种，结论的普适性有限	探究银离子对微藻（莱茵衣藻）的毒性效应及非线性响应模式	莱茵衣藻（C. reinhardtii）微藻	machine learning	NA	分光光度分析	深度学习算法	图像数据	不同浓度银离子（0.29至1.18 µM）暴露下的莱茵衣藻样本	NA	NA	NA	NA
26	2026-07-13	Development and interpretation of a pathomics-driven ensemble predictive model for prognosis of intrahepatic cholangiocarcinoma 2025-09, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110295 PMID:40627917	research paper	开发并解释了一个基于病理组学的集成预测模型，用于肝内胆管癌的预后预测	首次开发了用于肝内胆管癌预后的病理组学集成模型，并通过多种方法提高模型可解释性	NA	开发并解释一个用于肝内胆管癌预后的病理组学集成模型	252例肝内胆管癌患者的术后肿瘤切片	digital pathology	intrahepatic cholangiocarcinoma	NA	CNN	病理图像	252例肝内胆管癌患者	PyTorch	CNN, K-means	AUC	NA
27	2026-07-13	Recurrent Inference Machine for Medical Image Registration 2025-Jul-22, ArXiv PMID:39371087	研究论文	提出一种名为循环推理图像配准（RIIR）网络的新方法，用于医学图像配准，通过元学习求解器迭代优化配准问题	通过将配准问题公式化为元学习求解器，结合隐式正则化和显式梯度输入学习优化更新规则，在仅使用5%训练数据的情况下仍优于多种深度学习方法	未明确说明局限性	提高医学图像配准的准确性和数据效率	脑部MRI和定量心脏MRI数据集	数字病理学	NA	MRI	循环神经网络（RNN）	图像	脑部MRI和定量心脏MRI数据集，未明确样本数量	PyTorch	循环推理架构	配准准确性、训练数据效率	NA
28	2026-07-13	Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI 2025-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07134-0 PMID:39969539	研究论文	基于[18F]PSMA-1007 PET/CT和多参数MRI的多模态深度学习预测前列腺癌中的不良病理	首次将[18F]PSMA-1007 PET/CT与mpMRI集成构建多模态深度学习模型，并证明该集成模型在预测不良病理方面优于单一模态模型	研究为回顾性分析，样本量相对有限（341例），且仅包含接受根治性前列腺切除术的患者，可能存在选择偏倚	开发和评估基于[18F]PSMA-1007 PET/CT和mpMRI的多模态深度学习模型，预测前列腺癌患者是否存在不良病理，并比较集成模型与单一模态模型的性能	前列腺癌患者的不良病理预测	机器学习	前列腺癌	[18F]PSMA-1007 PET/CT	卷积神经网络与Transformer结合的深度学习模型	医学影像（PET/CT和mpMRI图像）以及临床特征	341例接受根治性前列腺切除术的前列腺癌患者	NA	卷积神经网络与Transformer	AUC	NA
29	2026-07-13	Transformer-Based Multilabel Deep Learning Model Is Efficient for Detecting Ankle Lateral and Medial Ligament Injuries on Magnetic Resonance Imaging and Improving Clinicians' Diagnostic Accuracy for Rotational Chronic Ankle Instability 2025-03, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.05.027 PMID:38876447	研究论文	开发了一种基于Transformer的多标签深度学习模型AnkleNet，用于在磁共振成像上同时检测踝关节内外侧副韧带损伤，并提升临床医生诊断旋转性慢性踝关节不稳定的准确率	首次将Transformer架构用于多标签韧带损伤检测，在踝关节MRI上同时识别内外侧韧带损伤，且性能显著优于传统CNN模型	未提及模型在更多样化人群或不同MRI设备上的泛化性验证，以及计算资源的具体细节	开发可同时检测踝关节内外侧副韧带损伤的深度学习模型，辅助诊断慢性踝关节不稳定并评估其临床效用	踝关节内外侧副韧带损伤的MRI影像数据	计算机视觉	慢性踝关节不稳定	MRI	Transformer	影像	来自3个中心的回顾性MRI数据	NA	Transformer	AUC	NA
30	2026-07-13	ChatGPT, Bard, and Bing Chat Are Large Language Processing Models That Answered Orthopaedic In-Training Examination Questions With Similar Accuracy to First-Year Orthopaedic Surgery Residents 2025-03, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.08.023 PMID:39209078	研究论文	评估三种大语言模型（ChatGPT、Bard和Bing Chat）在骨科住院医师培训考试中的表现，并与不同年级住院医师的准确率进行比较	首次比较三种主流大语言模型与骨科住院医师在标准化考试上的表现，并建立AI在骨科领域知识水平的基线	未使用图像等补充信息，且AI模型表现与人类对比仅限于考试题目，未涉及临床实际应用场景	评估大语言模型在骨科诊断和治疗方面的知识掌握程度，为未来AI在骨科临床支持中的应用提供参考	三种大语言模型（ChatGPT、Bard、Bing Chat）、医学生、不同年级骨科住院医师	自然语言处理	骨科疾病	NA	大语言模型	文本（骨科考试题目）	420道骨科住院医师培训考试题目（OITE）	NA	GPT-3.5、Bard原生架构、Bing Chat原生架构	准确率	NA
31	2025-10-07	Editorial Commentary: Thoughtful Application of Artificial Intelligence Technique Improves Diagnostic Accuracy and Supportive Clinical Decision-Making 2025-03, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.12.009 PMID:39675394	评论	探讨人工智能技术在医学影像诊断中的合理应用及其对临床决策的支持作用	强调AI技术需要根据具体临床问题量身定制，提出分步整合和透明化应用的实施路径	未提供具体技术实现细节或临床验证数据	促进AI技术在骨科医学影像领域的合理应用和临床整合	骨科医学影像AI应用	计算机视觉	骨科疾病	深度学习	NA	医学影像	NA	NA	NA	诊断准确性	NA
32	2026-07-13	Ethical and security challenges in AI for forensic genetics: From bias to adversarial attacks 2025-03, Forensic science international. Genetics DOI:10.1016/j.fsigen.2025.103225 PMID:39874746	研究论文	探讨人工智能在法医遗传学中面临偏见与对抗攻击等伦理与安全挑战	通过模拟场景证明人工智能方法（如深度学习）在法医遗传学两个常见应用（生物地理祖先预测和亲缘推断）中可能导致误判，揭示其黑箱特性带来的伦理与安全风险	仅采用模拟场景作为概念验证，未使用真实法医案例数据或进行实际系统漏洞测试	评估人工智能方法在法医遗传学中的潜在偏见、责任性与对抗性攻击等风险，强调严格评估与伦理监督的必要性	法医遗传学中的生物地理祖先预测和亲缘推断两个应用场景	机器学习	NA	NA	深度学习, 机器学习	模拟数据	NA	NA	NA	NA	NA
33	2026-07-13	Medical Imaging Applications Developed Using Artificial Intelligence Demonstrate High Internal Validity Yet Are Limited in Scope and Lack External Validation 2025-02, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.01.043 PMID:38325497	综述	这篇综述评估了人工智能在运动医学影像中的应用，发现模型具有高内部效度但缺乏外部验证且范围有限	系统性地评估了深度学习模型在运动医学领域的临床影响得分，并指出了外部验证不足的问题	仅纳入55项研究，且多数模型缺乏外部验证，临床适用性评分低（平均2分，满分5分）	回顾深度学习在运动医学影像应用中的概念和定义，并识别知识转化差距	运动医学影像深度学习模型的研究文献	计算机视觉	运动医学疾病	磁共振成像、X光摄影、超声、计算机断层扫描	深度学习模型	影像	55项研究	NA	NA	ROC曲线下面积	NA
34	2026-07-13	"Patients Aren't Datasets": Generating Return on Investment via Automation, Responsibly 2025, Frontiers of health services management DOI:10.1097/HAP.0000000000000237 PMID:41292082	评论	探讨如何在医疗健康领域通过自动化技术（如机器学习、生成式AI和深度学习）负责任地实现投资回报	强调在利用患者数据进行AI训练以产生投资回报时需平衡数据隐私、合规性和风险管理的责任策略	未具体说明定量评估结果或技术方案的局限性，仅提出框架性讨论	分析AI和新兴技术在医疗健康中实现投资回报的责任策略，包括数据货币化、护理加速和成本降低	美国医疗健康系统中的自动化技术应用、患者数据及利益相关者	机器学习	非特定疾病	NA	机器学习模型、生成式AI模型、深度学习模型	患者数据	NA	NA	NA	投资回报率	NA
35	2026-07-10	Manual annotation based sentiment analysis of user feedback in health and wellness app reviews 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28799-5 PMID:41461774	研究论文	本研究通过对健康与健身移动应用评论进行情感分类和语言强度分析，评估用户感知，并比较多种分类算法性能	将情感分类与语言强度分析相结合，对用户反馈进行五级分类（从高度积极到高度消极），并比较传统机器学习与深度学习算法在健康应用评论情感分析中的效果	NA	分析健康与健身移动应用的用户反馈，通过情感分类和语言强度分析评估用户感知，为数字健康平台的设计和沟通策略提供见解	从Google Play商店收集的健康与健身移动应用用户评论	自然语言处理	NA	NA	支持向量机、朴素贝叶斯、决策树、随机森林、卷积神经网络	文本	20651条用户评论	NA	支持向量机、朴素贝叶斯、决策树、随机森林、卷积神经网络	准确率	NA
36	2026-07-10	VAULT-OCT: vault accuracy using deep learning technology-an artificial intelligence model for predicting implantable collamer lens postoperative vault with AS-OCT 2025-12-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001743 PMID:40660493	研究论文	开发一种基于深度学习的模型VAULT-OCT，利用术前OCT图像预测可植入式隐形眼镜术后拱高	首次利用深度学习技术直接从术前AS-OCT图像预测ICL术后拱高，为ICL尺寸选择提供新方法	NA	开发准确预测ICL术后拱高的深度学习模型	接受ICL植入患者的术前AS-OCT图像与术后拱高测量数据	机器学习	近视矫正	AS-OCT	CNN	图像	162名患者的324只眼睛	NA	自定义分类器	平均绝对误差, 均方根误差	NA
37	2026-07-10	Multimodal deep learning for predicting postoperative vault and selecting implantable collamer lens sizes using AS-OCT and ultrasound biomicroscopy images 2025-12-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001747 PMID:40929576	研究论文	开发并验证一种多模态深度学习模型，利用前段光学相干断层扫描和超声生物显微镜图像结合临床特征预测术后拱高和选择可植入式隐形眼镜尺寸	首次利用多模态深度学习模型整合AS-OCT和UBM图像与临床数据，显著提升ICL V4c植入术后拱高预测和尺寸选择的准确性，克服了单模态数据分析的局限性	未来需要扩大样本量并进行多中心验证以增强模型的泛化性和临床适用性	提高ICL V4c植入术后拱高预测和尺寸选择的准确性	105名接受ICL V4c植入的参与者（209只眼睛）的626张AS-OCT图像和1309张UBM图像	机器学习	NA	AS-OCT, UBM	CNN, LightGBM, XGBoost, Random Forest	图像, 临床数据	105名参与者，209只眼睛，1935张图像	NA	ResNet50, LightGBM, XGBoost, Random Forest	平均绝对误差, 均方根误差, R², 准确率, 敏感度, 特异度, 精确率	NA
38	2026-07-10	Does brain connectivity hold the key to safer roads? EEG-based fatigue detection in young drivers using interpretable deep learning 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108251 PMID:41014829	research paper	基于脑电图脑连接分析的年轻驾驶员疲劳检测深度可解释模型研究	提出整合多头自注意力与长短期记忆（MHSA-xLSTM）的深度学习模型，并结合SHAP可解释性方法分析脑网络拓扑特征对疲劳识别的贡献	未提及明确局限性	通过脑电图脑连接分析，设计准确且可解释的年轻驾驶员疲劳检测模型	年轻驾驶员的脑电图信号及疲劳状态	机器学习	NA	脑电图	MHSA-xLSTM	脑电图信号	32名年轻驾驶员在真实道路和实验室环境下的数据	NA	多头自注意力-长短期记忆网络	准确率	NA
39	2026-07-10	Metabolomic biomarkers enhance prediction of feeding intolerance in ICU septic patients 2025-12, Clinics and research in hepatology and gastroenterology IF:2.6Q2 DOI:10.1016/j.clinre.2025.102731 PMID:41207616	研究论文	通过整合代谢组学与临床数据，开发了预测重症监护脓毒症患者肠内喂养不耐受的深度学习模型	首次将代谢组学生物标志物与传统临床指标结合，利用深度学习算法构建了综合预测模型，显著提升了肠内喂养不耐受的预测性能	样本量较小（60例脓毒症患者），缺乏外部验证数据，模型在临床应用前需要进一步外部验证	评估代谢组学生物标志物在预测脓毒症患者肠内喂养不耐受中的附加价值	重症监护室脓毒症患者的血清代谢物特征及肠内喂养不耐受结局	机器学习	脓毒症	LC/MS	深度学习算法	代谢组学数据与临床数据	60例脓毒症患者（30例ENFI，30例喂养耐受）及20例健康对照	NA	NA	AUC, 准确率, 精确率, F1分数, 决策曲线分析净收益, Net Reclassification Index, Integrated Discrimination Improvement	NA
40	2026-07-10	Zone-specific real-time traffic conflict risk modeling for freeway tunnels: a CrossTabNet approach 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108274 PMID:41072155	研究论文	提出一种针对高速公路隧道分区实时交通冲突风险建模的CrossTabNet方法	将交通冲突分析、精细的隧道分区与可解释深度学习相结合，并开发了结合特征交互层与TabNet编码器的CrossTabNet架构，能够捕获高阶非线性关系并保持可解释性	NA	对高速公路隧道进行分区实时交通冲突风险建模，以解决传统碰撞数据的局限性	高速公路隧道的车辆轨迹数据及其衍生的替代安全措施（基于交通冲突）	机器学习	NA	NA	CrossTabNet	轨迹数据（数值型）	NA	NA	CrossTabNet（特征交互层 + TabNet编码器）	预测性能（未明确列出具体指标，如准确率、AUC等，需根据原文推断）	NA