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
121	2026-01-08	Corrigendum to Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study [Journal of the National Cancer Center 4 (2024) 233-240] 2025-Dec, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2025.08.002 PMID:41497255	correction	本文是对一篇关于利用深度学习模型基于原发肿瘤预测临床IA期肺腺癌淋巴结状态的多中心研究的更正	NA	NA	NA	NA	NA	lung cancer	NA	NA	NA	NA	NA	NA	NA	NA
122	2026-01-08	AI-driven diffusion weighted imaging-based non-contrast protocol for breast cancer diagnosis: a multicentre, multidimensional validation study 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103694 PMID:41497515	研究论文	本研究开发了一种基于深度学习的非对比剂扩散加权成像模型（DWI-DL），用于乳腺癌的准确诊断，并通过多中心、多维度的验证研究评估其性能	首次开发了仅使用非对比剂扩散加权成像（DWI）的深度学习模型进行乳腺癌诊断，该模型性能与基于增强的模型相当，并显著超越了仅解读DWI的放射科专家，同时将解读时间减少了55.5%	该模型的性能仍低于解读标准乳腺MRI的专家放射科医生	开发并验证一种基于深度学习的非对比剂扩散加权成像协议，用于乳腺癌的准确诊断，以提高诊断效率和安全性	经病理证实的乳腺病变患者	数字病理学	乳腺癌	扩散加权成像	深度学习模型	医学影像	共2493名患者，其中1286名用于模型开发（训练774，验证256，测试256），661名用于外部测试，546名用于前瞻性队列分析	NA	NA	AUC	NA
123	2026-01-08	Expression of concern: "GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection" [Heliyon 10 (2024) e35865] 2025-Dec, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e44214 PMID:41497874	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
124	2026-01-08	Cost-effectiveness of opportunistic osteoporosis screening using artificial-intelligence assisted chest radiographs in Japan 2025-Dec, Osteoporosis and sarcopenia IF:2.5Q1 DOI:10.1016/j.afos.2025.10.003 PMID:41498102	研究论文	本研究评估了在日本50岁及以上女性中，利用人工智能辅助的胸部X光进行机会性骨质疏松筛查的成本效益	首次将人工智能辅助的胸部X光用于骨质疏松的机会性筛查，并评估其在日本特定人群中的成本效益，包括高骨折发生率地区	研究基于模型估计，可能未涵盖所有现实世界变量；结果主要针对日本女性，可能不适用于其他人群或医疗体系	评估人工智能辅助的胸部X光在骨质疏松机会性筛查中的成本效益	日本50岁及以上的女性，包括全国范围、高骨折发生率地区（如吴市）及低发生率情景	数字病理	骨质疏松	胸部X光，双能X射线吸收测定法	深度学习	图像	NA	NA	NA	成本每质量调整生命年	NA
125	2026-01-08	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_104724 PMID:41498605	研究论文	本研究通过纵向分析老年驾驶者的自然驾驶行为，探讨了白质高信号对复杂认知表现的影响	首次使用深度学习算法量化白质高信号的总体积和区域特异性分布，并将其与纵向驾驶行为数据关联，揭示了后部白质高信号对驾驶复杂性的主导影响	样本仅限于认知完整的老年驾驶者，且随访时间平均为6.1年，可能无法完全捕捉长期变化	研究白质高信号如何影响老年驾驶者的真实世界认知功能，特别是驾驶行为	212名认知完整的老年驾驶者（年龄≥65岁，CDR=0）	数字病理学	阿尔茨海默病	3T MRI脑扫描	深度学习算法	图像, 驾驶行为数据	212名老年驾驶者，74,275周的驾驶数据	NA	NA	FDR校正的p值	NA
126	2026-01-08	AIFS: an efficient face recognition method based on AI and enhanced few-shot learning 2025-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29992-2 PMID:41318652	研究论文	本文提出了一种名为AIFS的高效混合人脸识别框架，结合了传统特征学习和现代少样本深度学习，适用于资源受限环境	提出了一种统一的孪生网络架构，融合了轻量级边缘计算路径（Viola-Jones+PSO）和深度学习云路径（EfficientNetV2+InceptionV3），在少样本条件下实现高精度	仅在Kaggle人脸识别数据集上进行了验证，缺乏更多样化场景和数据的测试	开发一种适用于资源受限环境的实时、自适应人脸识别解决方案	人脸图像	计算机视觉	NA	NA	孪生网络	图像	Kaggle人脸识别数据集（具体数量未说明）	NA	EfficientNetV2, InceptionV3	准确率	CPU, Raspberry Pi（边缘设备）, GPU（云环境）
127	2026-01-08	HyperFusionNet combines vision transformer for early melanoma detection and precise lesion segmentation 2025-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30184-1 PMID:41318765	研究论文	本文提出了一种名为HyperFusionNet的新型混合深度学习架构，用于在皮肤镜图像中同时进行黑色素瘤分类和病变分割	结合多路径视觉变换器（MPViT）和注意力U-Net，通过互注意力融合块有效融合语义和空间特征，提升了传统CNN方法的性能	未明确提及模型在临床环境中的实时应用限制或对罕见病变类型的处理能力	实现黑色素瘤的早期检测和精确病变分割	皮肤镜图像中的黑色素瘤病变	计算机视觉	黑色素瘤	深度学习	Vision Transformer, U-Net	图像	超过60,000张皮肤镜图像（来自四个公共ISIC数据集）	未明确指定，但可能基于PyTorch或TensorFlow	Multi-Path Vision Transformer (MPViT), 注意力U-Net	准确率, AUC, Dice系数	未明确指定
128	2026-01-08	Deep learning for otitis media classification using otoscopic image 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000046218 PMID:41327679	研究论文	本研究评估了五种深度学习模型对中耳炎耳镜图像进行分类的性能	首次系统比较了包括ResNet-18、GoogLeNet、AlexNet、MobileNet-V3和VGGNet-19在内的多种深度学习模型在中耳炎分类任务中的表现，并确认了VGGNet-19的优越性能	数据集存在不平衡问题，且研究结果尚未在多样化的临床环境中进行验证，影响了模型的泛化能力	开发一种基于深度学习的自动化诊断工具，用于中耳炎的准确分类	819张耳镜图像，分为正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎四类	计算机视觉	中耳炎	耳镜成像	CNN	图像	819张耳镜图像	NA	ResNet-18, GoogLeNet, AlexNet, MobileNet-V3, VGGNet-19	准确率, 灵敏度, 特异性, 精确率, F1分数, AUC	NA
129	2026-01-08	Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024) 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045679 PMID:41327675	综述	本研究对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势	首次对1994年至2024年间AS-OCT在角膜疾病研究领域的全球文献进行全面的文献计量与可视化分析，揭示了人工智能、深度学习和光学相干弹性成像等新兴趋势	分析仅限于Web of Science核心合集中的英文文献，可能未涵盖其他语言或数据库中的相关研究，且排除了非眼科或非角膜相关的研究	通过文献计量分析，绘制AS-OCT在角膜疾病研究中的全球趋势、合作网络及未来发展方向	1994年至2024年间发表的关于AS-OCT在角膜疾病应用的相关科学文献	数字病理学	角膜疾病	光学相干断层扫描（OCT），文献计量分析	NA	文本（科学文献）	2079篇出版物	VOSviewer, CiteSpace	NA	NA	NA
130	2026-01-08	Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000046246 PMID:41327730	研究论文	本研究比较了传统的%LAV-950阈值方法与基于深度学习的算法在胸部CT扫描中量化肺气肿的效果，并评估了它们与肺功能测试参数的相关性	首次系统比较了传统阈值方法与深度学习算法在肺气肿量化中的性能，并发现深度学习方法在软组织重建核上能提供更一致、更强的临床参数相关性	研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者	评估和比较不同CT肺气肿量化方法与肺功能参数的相关性	慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据	医学影像分析	慢性阻塞性肺疾病	胸部计算机断层扫描，肺功能测试	深度学习算法	医学影像（CT扫描）	101名慢性阻塞性肺疾病患者	NA	NA	皮尔逊相关系数，P值	NA
131	2026-01-08	Hybrid deep learning framework for cardiovascular disease diagnosis and prognosis using GAN, LSTM, GRU, VARMA, and deep DynaQ network 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25296-7 PMID:41271980	研究论文	本文提出了一种结合GAN、LSTM、GRU、VARMA和深度DynaQ网络的混合深度学习框架，用于心血管疾病的诊断和预后	创新点在于整合了多种深度学习模型（GAN、LSTM、GRU、VARMA和深度DynaQ网络）来生成合成医学图像、分析时间序列数据并学习最佳诊断与治疗策略	NA	旨在通过深度学习技术提高心血管疾病的早期诊断准确性和预后效果	心血管疾病患者	计算机视觉, 自然语言处理, 机器学习	心血管疾病	医学图像分析	GAN, LSTM, GRU, VARMA, 深度DynaQ网络	图像, 时间序列数据	大型医学图像和患者数据集	NA	GAN, LSTM, GRU, VARMA, 深度DynaQ网络	准确率, 灵敏度	NA
132	2026-01-08	A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways 2025-Nov-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06074-6 PMID:41253855	研究论文	本文介绍了用于肺静脉、动脉和气道分割的自定义标注数据集AirRC，并验证了基于MONAI的深度学习分割模型在该数据集上的性能	创建了首个大规模、公开的包含肺静脉、动脉、气道管腔和气道壁完整3D标注的CT数据集，并采用两阶段优化策略提升小气道分支的分割精度	数据集仅包含254例CT扫描，样本量相对有限；未在更多外部数据集上进行广泛验证	解决肺结构分割领域缺乏大规模多结构标注数据集的问题，促进肺部疾病管理的算法开发	肺部CT图像中的肺静脉、肺动脉、气道管腔和气道壁结构	数字病理学	肺癌	计算机断层扫描（CT）	深度学习分割模型	3D CT图像	254例来自LUNA16数据集的CT扫描	MONAI	NA	Dice相似系数（DSC）	NA
133	2026-01-08	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出了一种使用深度学习同时减少脑部MRI中噪声和运动伪影的方法	针对T1W、T2W和FLAIR序列分别构建独立的训练模型，能够独立于成像方向和伪影方向去除噪声和运动伪影	研究仅基于20名健康志愿者的模拟图像数据，未在真实患者数据上进行广泛验证	通过深度学习提升脑部MRI的图像质量，促进其临床实用性	脑部T1加权、T2加权和FLAIR图像	计算机视觉	NA	MRI成像	深度学习模型	医学图像	20名健康志愿者的脑部MRI图像，生成115200个模拟图像样本	NA	NA	结构相似性指数(SSIM), 峰值信噪比(PSNR), 视觉评估	NA
134	2026-01-08	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究开发了一种基于深度学习重建的高分辨率双反转恢复磁共振成像技术，用于改进多发性硬化症皮质旁病灶的评估	首次将深度学习重建技术应用于高分辨率双反转恢复磁共振成像，实现了在5分钟内完成全脑扫描，显著提高了皮质旁病灶的检测能力	研究为回顾性分析，样本量较小（25例患者），需要更大规模的前瞻性研究验证	比较深度学习重建双反转恢复成像与传统双反转恢复成像在多发性硬化症皮质旁病灶检测中的诊断性能	多发性硬化症患者的磁共振成像数据	医学影像分析	多发性硬化症	磁共振成像, 双反转恢复序列, 深度学习重建	深度学习模型	磁共振图像	25例多发性硬化症患者	NA	NA	病灶计数, Wilcoxon符号秩检验	NA
135	2026-01-08	Deep Neural Network-Based Risk Prediction of Glioblastoma Multiforme Recurrence 2025-Oct-02, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02412-w PMID:41037206	研究论文	本研究开发并评估了一种基于深度神经网络和混合差分进化神经网络的模型，用于准确预测多形性胶质母细胞瘤的复发风险	采用混合差分进化神经网络框架优化深度神经网络架构，用于预测晚期疾病阶段患者的GBM复发风险，并在多模态数据集上实现了优于传统方法的性能	研究主要依赖于TCGA和机构存储库的数据，样本量为780名患者，可能存在数据来源和样本规模的限制	开发高精度预测多形性胶质母细胞瘤复发风险的深度学习模型，以增强个体化治疗策略并改善患者预后	多形性胶质母细胞瘤患者	机器学习	脑肿瘤	基因组测序、影像学分析	DNN	基因组图谱、影像学指标、纵向临床记录	780名GBM患者	Python	混合差分进化神经网络	准确率、精确率、召回率、F1分数、AUC-ROC	NA
136	2026-01-08	Fully Automated Anatomy Labeling for Intracardiac Echocardiography Using Deep Learning 2025-Oct, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.06.009 PMID:40767798	研究论文	本文开发了一种基于深度学习的全自动算法，用于从右心房心内超声图像中检测解剖结构	首次提出全自动深度学习算法用于心内超声图像的解剖结构标注，作为教育或导航工具辅助电生理手术	算法仅针对右心房解剖结构，且部分结构识别精度未达到70%	开发自动化工具以辅助心内超声图像在电生理手术中的解剖结构识别	心内超声图像中的解剖结构	计算机视觉	心血管疾病	心内超声	深度学习	图像	605次电生理手术，196,768张图像	NA	NA	精确率, 召回率	NA
137	2026-01-08	Automating Brachial Plexus Scan: Wireless Handheld Ultrasound with Deep Learning over Ten Locations 2025 Oct-Dec, Journal of medical ultrasound IF:0.9Q4 DOI:10.4103/jmu.jmu_61_24 PMID:41488171	研究论文	本研究提出了一种适用于低分辨率超声图像的图像分割模型，用于自动化臂丛神经扫描	针对低分辨率手持超声设备，开发了一种新颖的两阶段卷积神经网络架构，结合了图像分类和分割，并引入质心细化，显著提升了在便携设备上的臂丛神经定位性能	研究样本量较小（30名患者），且模型仅在特定预定义位置进行测试，可能限制了其泛化能力	开发一种适用于低分辨率手持超声设备的自动化臂丛神经扫描模型，以辅助区域麻醉中的神经可视化	臂丛神经的超声图像	计算机视觉	NA	B型超声成像	CNN	图像, 视频	30名成年患者，共60,000张图像	NA	两阶段卷积神经网络（第一阶段用于图像分类，第二阶段用于分割与质心细化）	灵敏度, 特异度, 中位距离误差, 平均对称表面距离, 豪斯多夫距离, 交并比	NA
138	2026-01-08	Artificial intelligence-assisted glaucoma detection on color fundus images: with comorbidity and cross-institutional analysis 2025-Oct-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001289 PMID:41102915	研究论文	本研究开发了一种基于人工智能的青光眼检测系统，通过彩色眼底图像进行青光眼筛查，并在跨机构和共病条件下验证其可靠性	采用分步AI流程结合图像增强、视神经区域自动识别和深度学习分类，首次在跨区域数据集和共病眼病图像上验证了系统的一致高性能	研究未提及系统在极低质量图像或罕见共病组合下的表现，且外部数据集数量可能有限	开发并验证一种能在不同临床环境和共病条件下可靠检测青光眼的人工智能系统	彩色眼底图像，包括来自不同医院、种族、相机类型和图像质量的样本，以及伴有其他视网膜疾病的图像	计算机视觉	青光眼	彩色眼底摄影	深度学习	图像	训练集：1696张图像（来自台北荣民总医院）；测试集：五个跨区域外部数据集及151张共病眼病内部图像	NA	NA	平衡准确率, AUC	NA
139	2026-01-08	Improving spliced alignment by modeling splice sites with deep learning 2025-Sep-20, ArXiv PMID:40980762	研究论文	本文提出了一种使用一维卷积神经网络（1D-CNN）建模剪接位点的方法，以改进剪接比对准确性	利用深度学习模型学习剪接信号，捕获跨门类的保守剪接信号，并揭示哺乳动物和鸟类特有的GC富集内含子	NA	提高剪接比对的准确性，特别是在处理噪声长读RNA-seq数据和远源同源蛋白质时	脊椎动物和昆虫基因组的剪接位点	生物信息学	NA	长读RNA-seq, 蛋白质序列比对	CNN	基因组序列, RNA-seq数据, 蛋白质序列	NA	NA	一维卷积神经网络（1D-CNN）	连接点准确性	NA
140	2026-01-08	Estimating ascending aortic diameter from the electrocardiogram 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.19.25333786 PMID:40894145	研究论文	本研究开发了一种基于一维卷积神经网络的深度学习模型（ECGAI-TAA），用于从12导联心电图信号中估计升主动脉直径	首次将12导联心电图信号与MRI测量的升主动脉直径配对，利用深度学习模型从心电图信号中估计主动脉直径，并发现模型检测到的电生理变化可能与侧上轴偏移有关	研究结果仅代表生理学观察，尚未经过外部验证的风险评分验证	探索从心电图信号中无创估计升主动脉直径的可能性	英国生物银行（UK Biobank）的69,173名参与者	机器学习	心血管疾病	MRI测量，心电图信号分析	CNN，变分自编码器	心电图信号（12导联，10秒，500Hz），MRI图像	69,173名参与者（训练集），5,191名参与者（内部测试集）	NA	一维卷积神经网络，变分自编码器	方差解释率（31%），比值比（16倍）	NA