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
1321	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
1322	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
1323	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
1324	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
1325	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
1326	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
1327	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
1328	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
1329	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
1330	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
1331	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
1332	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
1333	2026-07-10	An integrated active-passive safety strategy for automobiles based on driver state recognition and injury risk prediction 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108271 PMID:41076746	研究论文	该研究提出了一种基于驾驶员状态识别和伤害风险预测的综合主动-被动安全策略，旨在通过动态协调自动紧急制动系统和乘员约束系统的运行来增强车辆安全性	将机器学习和深度学习技术分别用于伤害预测和驾驶员状态识别，并整合到模糊控制算法中动态优化AEB系统的激活时机，同时优化安全气囊和安全带参数	NA	提升车辆安全性，通过动态协调自动紧急制动系统和乘员约束系统优化碰撞避免效果和伤害减轻	驾驶员状态识别和碰撞伤害风险预测	机器学习	NA	机器学习和深度学习技术	机器学习模型、深度学习模型	真实世界交通事故数据和生理信号	NA	MATLAB?	NA	碰撞避免性能、头部伤害标准降低30.60%、加权伤害标准降低22.44%	NA
1334	2026-07-10	Deep Learning-Decoded Raman Spectroscopy for Hour-Scale iPSC Pluripotency Assessment via Lipid-Protein Biomarkers 2025-11-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03560 PMID:41230979	研究论文	结合深度学习与拉曼光谱，通过脂质-蛋白质生物标志物实现诱导多能干细胞多能性的小时级无标记评估	首次实现诱导多能干细胞多能性一小时内的快速检测，采用1D-CNN结合Grad-CAM解释性分析，发现脂质和蛋白质作为关键生物标志物	方法依赖特定培养条件诱导多能性变化，可能不适用于所有干细胞类型；样本规模较小，需进一步验证泛化能力	开发一种快速、无标记的诱导多能干细胞多能性评估方法，用于再生医学和临床应用中的质量控制	诱导多能干细胞在不同多能状态下的拉曼光谱数据	机器学习	NA	拉曼光谱	一维卷积神经网络	光谱	未明确说明样本数量，但涉及不同多能状态的诱导多能干细胞光谱数据集	PyTorch	1D-CNN	准确率	NA
1335	2026-07-10	A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics 2025-10, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2025.2545828 PMID:40772544	评论	批判性审视机器学习在临床蛋白质组学生物标志物发现中的应用，强调其实际影响受限于方法学缺陷和不切实际的期望	以2025年视角系统指出复杂模型（如深度学习）在临床蛋白质组学中加剧样本量小、批次效应、过拟合等问题，并倡导简单、可解释且领域感知的方法	未提供具体实验验证或量化分析，主要基于专家观点和文献综述	探讨机器学习在临床蛋白质组学中实现生物标志物发现的现实路径与挑战	临床蛋白质组学数据集和机器学习模型（如深度学习架构）	机器学习	NA	蛋白质组学	深度学习	蛋白质组学数据	NA	NA	深度学习架构	可解释性、性能增益	NA
1336	2026-07-10	Radiomics for lung cancer diagnosis, management, and future prospects 2025-07, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106926 PMID:40344812	综述	探讨放射组学在肺癌诊断、管理中的应用及未来前景	综述了从手工放射组学到深度学习技术的演进，并强调大语言模型、可解释人工智能和超分辨率成像等创新技术的整合潜力	未明确提及具体局限性	阐述放射组学在肺癌诊疗中的角色及未来发展方向	肺癌患者的医学影像数据	数字病理学	肺癌	放射组学	NA	图像	NA	NA	NA	特异性、敏感性	NA
1337	2026-07-10	Rethinking boundary detection in deep learning-based medical image segmentation 2025-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103615 PMID:40344946	研究论文	提出一种名为CTO的新型网络架构，结合CNN、Vision Transformer和边缘检测算子，以提升医学图像分割中边界区域的精确性	首次将CNN、Vision Transformer和显式边缘检测算子结合，提出双流编码器和边界引导解码器，在无需额外数据或标签注入的情况下实现边界分割精度的提升	NA	解决深度学习医学图像分割中边界区域分割不精确的问题	医学图像中的边界区域	计算机视觉, 数字病理学	NA	NA	CNN, Vision Transformer	图像	七个公开医学图像数据集：ISIC 2016、PH2、ISIC 2018、CoNIC、LiTS17、BraTS、BTCV	PyTorch	CTO（CNN+StitchViT+边缘检测算子）	分割准确率, 模型复杂度	NA
1338	2026-07-10	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	研究论文	提出一种名为CausalMixNet的混合注意力框架，通过因果干预提升医学图像诊断的鲁棒性	首次在医学图像诊断中结合查询混合内注意力和键值混合间注意力实现前门调整策略，并设计补丁掩码排序模块增强中介学习	NA	解决医学图像中混杂因素对深度学习模型因果探索能力的负面影响，提升诊断准确性和泛化性能	医学图像中的病灶区域及因果干预机制	数字病理学	NA	深度学习、因果推断	混合注意力模型	医学图像	NA	PyTorch	非局部推理模块、键值混合间注意力、查询混合内注意力、补丁掩码排序模块	准确率、F1分数	NA
1339	2026-07-10	Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma 2025-07, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0691 PMID:40607934	研究论文	利用深度学习从甲状腺乳头状癌的组织病理学图像中预测基因突变，并发现新的形态学特征	首次使用Vision Transformer从数字化H&E染色切片中预测BRAF、RAS突变和基因融合，并通过可解释性方法发现与特定基因型相关的未知形态学模式	基于两个独立队列（共662例），但需进一步前瞻性验证；未评估模型在不同染色方案或扫描仪下的泛化能力	探索利用人工智能从常规组织病理学切片中预测甲状腺乳头状癌的基因改变，并发现新的形态学特征	甲状腺乳头状癌患者的数字化H&E染色组织切片及其基因突变（BRAF、RAS）和融合状态	数字病理学	甲状腺癌	NA	Vision Transformer	图像	662例（TCGA队列496例，美因茨队列166例）	PyTorch	Vision Transformer	AUC, 准确率, 置信区间	NA
1340	2026-07-10	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-06, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	研究论文	开发并验证一种基于MRI的深度学习影像组学模型，用于预测肺癌脑转移术后患者的无复发生存期	首次将深度学习影像组学模型应用于预测肺癌脑转移术后患者的无复发生存期，融合了临床、形态学MRI、手工和深度学习特征，并在外部测试集中验证了优越性能	研究未提及模型泛化性的局限性，可能受限于相对较小的样本量和回顾性设计	预测肺癌脑转移术后患者的无复发生存期	215例经手术病理确认的肺癌脑转移患者	机器学习, 数字病理学	肺癌	磁共振成像	深度学习影像组学模型	图像	215例肺癌脑转移患者（训练集167例，外部测试集48例）	NA	LASSO回归	Harrell C指数, AUC, Kaplan-Meier生存分析	NA