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
521	2026-02-25	Reconstruction of Heart-related Imaging from Lung Electrical Impedance Tomography Using Semi-Siamese U-Net 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056408077250610070821 PMID:40611416	研究论文	本研究提出了一种基于半孪生U-Net架构的深度学习模型，用于从肺部电阻抗断层扫描中重建心脏相关阻抗成像	采用新颖的半孪生U-Net架构，通过共享编码器和两个独立解码器分别分割肺部和心脏区域，并应用加权二元交叉熵损失以强化心脏相关学习	目前有希望的结果仅限于真实数据的定性评估和基于模拟的训练，缺乏临床验证	克服肺部阻抗变化的主导影响，从肺部电阻抗断层扫描中重建心脏相关信号成像	基于有限元法的电阻抗断层扫描模拟数据和真实人体电阻抗断层扫描数据	医学影像处理	心血管疾病	电阻抗断层扫描	深度学习	图像	NA	NA	半孪生U-Net	Dice系数, 平均绝对误差	NA
522	2026-02-25	The Clinical Significance of Femoral and Tibial Anatomy for Anterior Cruciate Ligament Injury and Reconstruction 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056361050250605052447 PMID:40551697	综述	本文综述了股骨和胫骨解剖结构（如股骨髁间窝形态、胫骨后倾角）对前交叉韧带损伤风险及重建手术效果的影响	整合了年龄与性别特异性解剖差异对ACL损伤的影响，并强调了人工智能与先进影像技术在个性化手术规划中的应用前景	作为综述文章，未提供原始实验数据或新型模型的性能验证	探讨股骨与胫骨解剖结构对前交叉韧带生物力学、损伤风险及重建手术效果的影响机制	前交叉韧带损伤患者（涵盖青少年、成人及老年群体）的骨骼解剖特征	数字病理	骨科疾病	MRI、CT、3D重建、人工智能分割	深度学习模型	医学影像（MRI、CT）	NA	NA	NA	NA	NA
523	2026-02-25	Optimised Convolution Layers of DnCNN using Vedic Multiplier and Hyperparameter Tuning in Cancer Detection on Field Programmable Gate Array 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056400656250616073019 PMID:40574390	研究论文	本研究提出了一种基于Vedic乘法器和POA优化的DnCNN算法，在FPGA上实现乳腺癌检测、分割和分类	在DnCNN卷积层中引入Vedic乘法器（CUTIN）替代传统算术单元，并结合POA进行超参数优化，以提高精度和效率	较大图像尺寸会增加处理器规模和门电路数量，可能限制处理能力	优化深度学习算法在硬件上的实现，以提高癌症细胞分割的准确性	乳腺癌的良性及恶性病变	计算机视觉	乳腺癌	深度学习算法，FPGA实现	DnCNN	图像	NA	NA	DnCNN	准确率, 精确率, 特异性, F分数, IoU, DSC	FPGA设备
524	2026-02-25	Generative AI for Diagnostic Medical Imaging: A Review 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056369157250212095252 PMID:41731736	综述	本文对生成式深度学习模型在诊断医学影像中的应用进行了全面分析，重点探讨了其在提升诊断准确性、减少辐射暴露和改进数据处理方面的变革潜力	系统回顾了包括GANs、自编码器、扩散模型和基于Transformer的模型在内的多种生成式模型架构及其在医学影像中的创新应用，如多层ML-C-GAN、Temporal-GAN以及结合注意力模块和语言编码的Atten-AE、M3AE等混合模型	作为一篇综述文章，未进行原始实验研究，主要基于现有文献进行分析，可能未涵盖所有最新进展	回顾生成式人工智能在诊断医学影像领域的最新进展，评估其临床应用潜力	生成式深度学习模型及其在医学影像中的应用	数字病理	NA	生成式深度学习	GAN, AE, 扩散模型, Transformer	图像, 文本	NA	NA	ML-C-GAN, Temporal-GAN, Atten-AE, M3AE	NA	NA
525	2026-02-24	Imaging pathways in spondyloarthritis: integrating radiography, ultrasonography, magnetic resonance imaging, low-dose computed tomography, and artificial intelligence methods : Radiology and AI in SpA 2025-12-15, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-06051-7 PMID:41396276	综述	本文综述了脊柱关节炎的影像学检查路径，整合了X线、超声、磁共振成像、低剂量CT及人工智能方法，并讨论了AI在诊断和管理中的应用	提出了一个整合多模态影像和AI辅助判读的当代诊断算法，并探讨了AI在提高脊柱关节炎诊断精度和个性化治疗中的新兴应用	AI部署成本高、存在医疗法律考量，且相关研究仍处于积极调查阶段	优化脊柱关节炎的早期检测和诊断流程，整合先进影像技术与人工智能方法	脊柱关节炎患者，特别是疑似中轴型脊柱关节炎的患者	医学影像分析	脊柱关节炎	X线摄影、超声、磁共振成像、低剂量计算机断层扫描	深度学习	影像数据（X线、CT、MRI）	NA	NA	NA	检测精度	NA
526	2025-11-30	Integrative and deep learning-based prediction of therapy response in ovarian cancer 2025-Nov-28, Journal of experimental & clinical cancer research : CR IF:11.4Q1 DOI:10.1186/s13046-025-03554-w PMID:41316472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
527	2026-02-24	Explainable AI for Healthcare 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251454 PMID:41728714	综述	本文介绍了可解释人工智能（XAI）在医疗保健领域的基础概念、应用、挑战及未来研究方向	系统性地分析了XAI在医疗保健领域针对不同数据模态（如时间序列、医学文本、医学图像和音频数据）的独特需求、挑战和应用方法	讨论了当前在医疗保健环境中实施XAI的局限性，例如模型复杂性与可解释性之间的权衡、不同数据模态带来的特定挑战以及临床整合的障碍	探讨如何通过可解释性增强人工智能在医疗保健应用中的透明度、可信度和可靠性	医疗保健领域的人工智能模型，特别是用于疾病诊断、治疗规划、预测分析、个性化医疗和医学影像的模型	机器学习	NA	NA	NA	时间序列数据, 医学文本, 医学图像, 音频数据	NA	NA	NA	NA	NA
528	2026-02-24	Deep Learning-Based Sleep Apnea Classification with Hybrid 1D-CNN-LSTM and 1D-CNN-GRU Models 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251462 PMID:41728721	研究论文	本研究提出了两种混合深度学习架构（1D-CNN-LSTM和1D-CNN-GRU），用于基于ECG信号的睡眠呼吸暂停分类	提出了结合1D-CNN与LSTM/GRU的混合架构，同时利用R-R间期和R波振幅作为输入特征，以捕捉ECG信号的空间和时间依赖性	研究仅使用PhysioNet Apnea-ECG数据库的数据，未在其他独立数据集上进行验证，且未详细说明模型的计算复杂度或实时部署的可行性	开发准确、自动化的睡眠呼吸暂停分类系统，以辅助早期诊断和实时监测	睡眠呼吸暂停患者的心电图（ECG）信号	机器学习	睡眠呼吸暂停	心电图（ECG）信号分析	CNN, LSTM, GRU	一维时序信号（ECG）	使用PhysioNet Apnea-ECG数据库中的ECG信号（具体样本数量未在摘要中说明）	NA	1D-CNN-LSTM, 1D-CNN-GRU	准确率, 灵敏度, 特异性, F1分数	NA
529	2026-02-24	A Non Deep Learning based Method for Detection of Alopecia Areta and Segmentation of Scalp and Hair regions 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253220 PMID:41335644	研究论文	本文提出了一种基于经典图像处理算法的非深度学习方法，用于检测斑秃并分割头皮和头发区域	该方法可在单视角图像上执行，适用于内存受限的便携设备，并提供皮肤和头发区域的百分比分析，而不仅仅是二分类	缺乏Dermnet数据集中头发和皮肤分割的真实标注，需使用Figaro数据集进行评估	开发一种轻量级方法，用于辅助诊断和监测斑秃治疗	头皮图像，特别是与斑秃相关的皮肤和头发区域	计算机视觉	斑秃	经典图像处理算法	非深度学习模型	图像	Dermnet数据集和Figaro数据集	NA	NA	准确率	内存受限的便携设备
530	2026-02-24	Performance Evaluation of Transfer Learning Based Medical Image Classification Techniques for Disease Detection 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253609 PMID:41335835	研究论文	本文全面评估了基于迁移学习的医学图像分类技术在疾病检测中的性能	对六种预训练模型在自定义胸部X光数据集上进行系统比较，并引入不确定性分析和运行时比较以评估模型鲁棒性和计算效率	研究仅基于自定义胸部X光数据集，未涵盖其他医学影像类型；模型选择有限，未包括最新架构	评估迁移学习技术在医学图像分类中用于疾病检测的性能	胸部X光图像	计算机视觉	NA	迁移学习	CNN	图像	NA	NA	AlexNet, VGG16, ResNet18, ResNet34, ResNet50, InceptionV3	准确率, 标准指标	NA
531	2026-02-24	Deep learning based generation of 3D-maximum Intensity Projection (MIP) of MRA from T1-weighted MRI scans for Cerebrovascular Abnormalities Characterization 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253273 PMID:41335960	研究论文	本研究提出了一种基于U-Net框架的深度学习方法，用于从3D T1加权MRI扫描中合成3D最大强度投影MRA图像，以辅助脑血管异常的早期检测和表征	首次利用深度学习从常规T1加权MRI生成3D MIP-MRA图像，避免了传统MRA扫描时间长、可能需要造影剂的限制，并展示了模型在不同数据集上的高泛化能力和对扫描仪的不敏感性	研究主要基于公开数据集进行训练和测试，未在更大规模或更多样化的临床数据上进行验证；合成图像的质量（如SSIM为0.8219）仍有提升空间	开发一种从常规T1加权MRI合成3D MIP-MRA图像的方法，以促进脑血管疾病的早期检测、治疗评估和管理	脑血管异常，特别是血管狭窄和不连续性，用于早期血管疾病检测	医学影像分析	脑血管疾病	磁共振成像（MRI），磁共振血管造影（MRA）	CNN	3D医学影像（T1加权MRI和MIP-MRA）	使用IXI数据集进行训练和测试，并在Bullitt、Study Forrest、SIMON和ATLAS等多个独立数据集上进行评估	未明确提及，但基于U-Net框架	U-Net	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
532	2026-02-24	Generative Forecasting of Brain Activity Enhances Alzheimer's Classification and Interpretation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253394 PMID:41336569	研究论文	本研究通过生成式预测大脑活动，利用LSTM和Transformer模型增强阿尔茨海默病的分类和解释能力	引入生成式预测作为数据增强方法，并采用新型Transformer-based BrainLM模型进行多变量时间序列预测，以提升阿尔茨海默病分类性能	数据集规模有限，特别是针对阿尔茨海默病等疾病特定群体，可能限制深度学习模型的泛化能力	通过数据驱动方法理解认知与内在大脑活动的关系，并增强阿尔茨海默病的分类和解释	静息态功能磁共振成像（rs-fMRI）数据，特别是从独立成分网络导出的多变量时间序列	机器学习	阿尔茨海默病	静息态功能磁共振成像（rs-fMRI）	LSTM, Transformer	多变量时间序列数据	NA	NA	LSTM, BrainLM	分类性能	NA
533	2026-02-24	Deep learning-based optic nerve diameter sheath characterization and structure quantification on transorbital ultrasound images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1705459 PMID:41601796	研究论文	本文提出了一种基于深度学习的神经网络，用于在经眼眶超声图像上进行视神经鞘直径表征和结构量化	结合共享和特定特征提取分支以及不确定性感知损失函数，以学习鲁棒的物体结构，并在多中心公开数据集上表现出优越性能	NA	实现视神经的精确分割和视神经鞘直径的量化，以作为颅内压升高等神经眼科疾病的非侵入性评估生物标志物	经眼眶超声图像中的视神经结构	计算机视觉	神经眼科疾病	超声成像	深度学习神经网络	图像	多中心公开数据集	NA	结合共享和特定特征提取分支的深度神经网络	Dice分数, AUROC	NA
534	2026-02-24	Non-genetic factors determine deep learning identified ECG differences between black and white healthy subjects 2025, NPJ cardiovascular health DOI:10.1038/s44325-025-00087-1 PMID:41080706	研究论文	本研究探讨了机器学习模型能否从健康黑人和白人个体的心电图中识别基于种族的差异，并探索了这些差异的起源	揭示了心电图中的种族相关模式主要由非遗传因素决定，并通过大规模多机构数据分析验证了这一点	研究主要关注黑人和白人群体，可能未涵盖其他种族或族裔群体，且社会经济状态的影响分析可能受数据限制	调查人工智能模型从心电图数据中检测种族差异的能力及其公平性影响	来自多个机构的约176万名健康受试者的约1000万条心电图轨迹	机器学习	心血管疾病	心电图分析	CNN	心电图信号	约176万名受试者，约1000万条心电图轨迹	NA	1层晚期融合CNN	AUC	NA
535	2026-02-24	Anthropometry and diagnostic aware deep learning for exercise assessment 2025, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2025.1725661 PMID:41725682	研究论文	提出一种结合人体测量和诊断信息的深度学习框架，用于评估力量训练动作的质量和风险	首次将人体测量和诊断特征与IMU运动学数据融合，通过注意力加权进行特征融合，提升动作分类和风险预测的准确性	样本量较小（仅15名健康受试者），且未在临床患者或更大样本人群中验证	开发一个多模态深度学习框架，以分类运动质量并预测运动相关风险	健康受试者进行正确和不正确的深蹲和罗马尼亚硬拉动作	机器学习	NA	IMU（惯性测量单元）数据采集	CNN, LSTM	运动学序列数据，静态人体测量/诊断数据	15名健康受试者	NA	CNN-LSTM分支与全连接分支融合，注意力加权	序列级准确率，二元风险预测准确率	NA
536	2026-02-24	AI-based prediction of heart failure progression in persistent atrial fibrillation using wearable electrocardiography: a brief research report 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1748673 PMID:41727311	研究论文	本研究评估了利用可穿戴心电图和人工智能模型预测持续性房颤患者心力衰竭进展的可行性	首次结合可穿戴心电图特征与临床指标，采用上下文感知深度学习模型预测心力衰竭生物标志物变化趋势	样本量较小（仅50名患者），研究结果需要更大规模验证	评估基于可穿戴心电图和人工智能预测持续性房颤患者心力衰竭进展的可行性	持续性房颤患者	机器学习	心血管疾病	可穿戴心电图监测	LSTM, 注意力机制	心电图信号, 临床数据	50名持续性房颤患者	NA	上下文感知深度学习模型	RMSE, MAE, 准确率	NA
537	2026-02-23	Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review 2025-Oct-29, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506251393123 PMID:41159301	综述	本文是一篇关于人工智能在阑尾炎诊断和预后中应用的叙述性综述	探讨了AI模型（如随机森林、逻辑回归和神经网络）在提高阑尾炎诊断准确性方面的潜力，并指出其在区分复杂病例方面优于传统诊断评分（如Alvarado评分）	数据需求和标准化方面的挑战阻碍了其广泛的临床应用	评估人工智能在改善阑尾炎外科决策中的潜力	急性阑尾炎	机器学习	阑尾炎	机器学习，深度学习	随机森林，逻辑回归，神经网络，SVM，XGBoost	NA	NA	NA	NA	诊断准确性	NA
538	2026-02-23	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	本文介绍了一种名为HIPPIE的多模态深度学习模型，用于从细胞外电生理记录中对神经元进行分类	结合自监督预训练与监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行电生理分类和聚类	NA	解决细胞外电生理记录中因噪声、技术变异性和批次效应带来的神经元分类挑战	小鼠记录和脑切片中的神经元	机器学习	NA	细胞外电生理记录	自编码器	电生理信号	NA	NA	条件卷积联合自编码器	细胞类型区分性能	NA
539	2026-02-23	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	综述	本文综述了利用机器学习预测突变对蛋白质相互作用影响的近期进展，涵盖不同相互作用类型及方法评估	全面比较了基于物理化学、机器学习和深度学习的预测方法，并探讨了突变数据局限性及未来人工智能驱动的改进方向	突变数据存在偏差、质量问题和数据集规模限制，影响预测工具的准确性	通过计算工具预测突变引起的结合自由能变化，以理解遗传变异对蛋白质与生物分子相互作用的影响	蛋白质与蛋白质、DNA/RNA、配体等生物分子的相互作用	机器学习	癌症	NA	机器学习, 深度学习	突变数据	NA	NA	NA	NA	NA
540	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA