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
1	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
2	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
3	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
4	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
5	2026-07-10	Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91825-z PMID:40050339	研究论文	利用基于ResNet-50的深度学习技术通过面部图像预测儿童营养不良	使用面部图像结合ResNet-50模型替代传统文本数据和手动诊断测试，消除梯度消失问题，提高营养不良预测效率	未提及在多样化人群或不同光照条件下的泛化能力，也未讨论数据集的偏差或伦理问题	简化营养不良的预测过程，减少对多次手动诊断测试和医疗专家访问的依赖	5岁以下儿童，特别是印度农村地区面临严重急性营养不良风险的儿童	计算机视觉	儿童营养不良	图像分割	ResNet-50	面部图像	未明确提及样本数量	NA	ResNet-50, XG Boost, VGG16, Xception, MobileNet	准确率	NA
6	2026-07-10	Image quality assessment and white matter hyperintensity quantification in two accelerated high-resolution 3D FLAIR techniques: Wave-CAIPI and deep learning-based SPACE 2025-03, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.106783 PMID:39842179	研究论文	比较两种加速高分辨率三维FLAIR技术——深度学习重建SPACE和Wave-CAIPI FLAIR在脑部成像中的图像质量及白质高信号量化	首次系统比较深度学习重建SPACE与Wave-CAIPI FLAIR在加速高分辨率三维FLAIR成像中的图像质量和白质高信号体积量化差异	回顾性研究设计可能引入选择偏倚，且样本量有限	评估两种加速高分辨率三维FLAIR技术在脑部成像中的图像质量和白质高信号量化的性能	123名接受DL-SPACE和Wave-CAIPI FLAIR脑部成像的参与者	医学影像分析	脑血管疾病	磁共振成像，FLAIR序列	深度学习模型	图像	123名参与者	NA	SPACE	图像质量评分、信噪比、对比度噪声比、白质高信号体积	NA
7	2026-07-07	Automated classification of chest X-rays: a deep learning approach with attention mechanisms 2025-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01604-5 PMID:40038588	研究论文	提出一种结合视觉Transformer和DenseNet201的深度学习模型，用于自动分类胸部X光片中的肺部疾病	首次将视觉Transformer捕获长距离依赖的能力与DenseNet201的强特征提取能力以及全局平均池化保留空间细节的优势无缝结合，构建了鲁棒且可解释的分类系统	未明确讨论模型在不同人群或医疗环境中的泛化能力，且依赖单一数据集	开发一种超越现有方法的自动化胸部X光片分类模型，提高COVID-19、肺实变和病毒性肺炎等肺部疾病的诊断准确性	胸部X光片图像数据	计算机视觉, 数字病理学	肺部疾病	NA	深度学习模型	图像	21165张胸部X光片	PyTorch	Vision Transformer, DenseNet201	准确率, F1分数	NA
8	2026-07-07	Development and validation of a deep learning algorithm for prediction of pediatric recurrent intussusception in ultrasound images and radiographs 2025-03-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01582-8 PMID:40033220	研究论文	开发并验证一种基于腹部超声图像和X光片的深度学习算法，用于预测儿童复发性肠套叠	首次使用多模态医学影像（超声和X光片）融合方法预测儿童复发性肠套叠，并比较了平均融合与堆叠融合两种策略，其中堆叠融合通过LightGBM元模型显著提升性能	单中心回顾性研究，样本量有限，模型性能在超声图像上相对较低（AUC 0.669），可能因超声图像特征不够显著	开发可预测儿童复发性肠套叠的深度学习预测模型	2017年1月至2022年12月期间收集的3665例肠套叠病例的腹部超声图像和腹部X光片	计算机视觉	儿科疾病	医学影像分析	深度学习模型（VGG11, ResNet18, LightGBM）	图像（超声图像和X光片）	3665例肠套叠病例	PyTorch, LightGBM	VGG11, ResNet18, LightGBM	AUC, 95%置信区间	NA
9	2026-07-06	Meeting Global Health Needs via Infectious Disease Forecasting: Development of a Reliable Data-Driven Framework 2025-03-21, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/59971 PMID:40116728	研究论文	构建了一个标准化、可靠且可推广的传染病预测框架及可视化仪表盘	提出了一个集成多种建模技术、适用于不同疾病和全球地点的标准化预测流水线，并开发了考虑预测准确性、计算效率、时空泛化能力、不确定性量化和可解释性等关键运营指标的可视化仪表盘	未明确提及，但可能包括不同疾病和地区组合下无单一最佳模型，以及模型对新发疾病的适应性依赖于相似地区的历史数据	满足真实世界运营决策需求，建立可靠且可推广的传染病预测框架	6种人畜共患传染病（布鲁氏菌病、弯曲菌病、中东呼吸综合征、Q热、蜱传脑炎和土拉菌病）在4大洲8个国家的预测	机器学习	传染病	NA	统计模型、机器学习模型、深度学习模型	人口、景观、气候和社会经济因素等特征数据	包含9种模型，平均2326个特征，覆盖6种疾病、8个国家	NA	NA	预测准确性、计算效率、时空泛化能力、不确定性量化、可解释性	NA
10	2026-07-05	Cross-modality PET image synthesis for Parkinson's Disease diagnosis: a leap from [18F]FDG to [11C]CFT 2025-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07096-3 PMID:39828866	研究论文	开发深度学习框架从真实[18F]FDG PET图像合成[11C]CFT PET图像，用于帕金森病诊断	首次实现了从[18F]FDG到[11C]CFT的跨模态PET图像合成，无需[11C]CFT示踪剂即可增强PD诊断	合成图像质量依赖于[18F]FDG PET图像质量，且仅针对单一疾病诊断验证	利用深度学习跨模态合成提升帕金森病诊断准确性	帕金森病患者和正常对照的[11C]CFT与[18F]FDG PET图像	计算机视觉	帕金森病	PET成像	深度学习	图像	604名受试者（274名帕金森病患者，330名正常对照）	NA	NA	峰值信噪比，结构相似性指数，诊断准确率，AUC	NA
11	2026-07-04	Artificial Intelligence in Temporal Bone Imaging: A Systematic Review 2025-03, The Laryngoscope DOI:10.1002/lary.31809 PMID:39352072	综述	系统综述人工智能在颞骨影像学中的应用	首次系统综述AI在颞骨成像中的应用，涵盖72篇研究并评价质量	现有研究存在异质性和质量差异，需更标准化的方法学	阐明人工智能在颞骨影像学中的当前作用	颞骨影像学中的人工智能应用，包括CT和MRI成像	计算机视觉	颞骨疾病	NA	神经网络	图像	72篇研究	NA	卷积神经网络	NA	NA
12	2026-07-04	Toward Intelligent Head Impulse Test: A Goggle-Free Approach Using a Monocular Infrared Camera 2025-03, The Laryngoscope DOI:10.1002/lary.31848 PMID:39422423	研究论文	提出一种无需护目镜的智能头脉冲测试方法，使用单目红外摄像头和深度学习进行前庭功能评估	首次提出用单目红外摄像头替代传统头部护目镜，结合两阶段多模态视频分类网络，实现无需校准的完全自动化前庭功能检测	未提及具体局限性	开发一种无需护目镜、低成本、易操作的智能头脉冲测试方法，用于评估前庭功能	前庭功能检测中的视频头脉冲测试视频片段	计算机视觉，机器学习	前庭功能障碍	红外摄像头录制	两阶段多模态视频分类网络	视频	文章中未明确提及具体样本数量	PyTorch	两阶段多模态视频分类网络	准确率	NA
13	2026-07-04	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	research paper	开发了一种基于深度学习的双向序列到序列模型，用于从双时间窗协议预测全身动态PET图像，以缩短扫描时间	提出双向注意力序列到序列模型，利用双时间窗协议预测完整动态PET图像，显著缩短扫描时间并提高图像质量	仅针对肺结节和乳腺结节患者，样本量较小（70例），且需要进一步验证在其他患者群体和不同示踪剂中的泛化能力	开发深度学习算法从双时间窗协议预测动态PET图像，减少扫描时间并促进动态PET的临床推广	70例诊断为肺结节或乳腺结节的患者（年龄53.61±13.53岁，32名男性）	machine learning	NA	动态PET/CT成像	Bi-AT-Seq2Seq	图像	70例患者（32名男性，38名女性）	NA	Bi-AT-Seq2Seq	MAE, Bias, PSNR, SSIM, CCC	NA
14	2026-07-04	Rapid discrimination and ratio quantification of mixed antibiotics in aqueous solution through integrative analysis of SERS spectra via CNN combined with NN-EN model 2025-03, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.03.016 PMID:38531495	研究论文	提出一种结合卷积神经网络与非负弹性网络的深度学习模型，用于对水溶液中混合抗生素的SERS光谱进行快速鉴别和比例定量分析	首次将CNN与NN-EN模型集成用于SERS光谱分析，实现混合抗生素组分的识别与比例同时定量，并利用SHAP解释模型聚焦特征峰分布	研究仅针对三种抗生素（环丙沙星、多西环素、左氧氟沙星）的混合物，未涵盖更复杂的多种抗生素共存或实际水样基质干扰情况	开发基于深度学习算法的SERS光谱智能分析模型，实现水环境中混合抗生素残留的快速鉴别和组分比例定量	水环境中环丙沙星、多西环素和左氧氟沙星三种抗生素残留混合物	机器学习	NA	表面增强拉曼光谱	卷积神经网络、非负弹性网络	光谱数据	三种抗生素（环丙沙星、多西环素、左氧氟沙星）混合物样本	NA	CNN、NN-EN	识别准确率	NA
15	2026-07-03	An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury 2025-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08609-8 PMID:39672993	研究论文	基于MRI影像组学和临床特征构建列线图模型，用于预测颈脊髓损伤患者的预后	结合手动定义和深度迁移学习的影像组学特征，并整合临床数据构建预测模型	未提及具体局限性	评估MRI影像组学联合临床特征在预测颈脊髓损伤患者预后中的作用和价值	168名颈脊髓损伤患者	医学影像分析	颈脊髓损伤	MRI影像组学, 深度迁移学习	列线图模型	MRI影像（T1WI和T2WI），临床数据	168名颈脊髓损伤患者	NA	Lasso回归	AUC, 校准曲线, 决策曲线分析	NA
16	2026-07-03	Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08623-w PMID:39708132	研究论文	开发一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜与陈旧性骨折	首次将3D V-Net与多种分类模型结合，实现新鲜与陈旧性椎体骨折的自动检测与分类，且诊断效能超过临床医师	研究为单中心回顾性设计，外部验证数据来自同一医疗系统的不同院区，可能影响泛化性	开发并验证一种自动检测和区分胸腰椎CT上新鲜与陈旧性压缩性骨折的深度学习系统	新鲜骨折（病程<4周且MRI显示骨髓水肿）与陈旧性骨折的椎体	计算机视觉	脊柱压缩性骨折	CT成像	卷积神经网络	CT图像	训练集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个	PyTorch	3D V-Net, ResNet, DenseNet	Dice相似系数, ROC曲线, 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC	NA
17	2026-07-03	Artificial intelligence in clinical genetics 2025-03, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-024-01782-w PMID:39806188	综述	综述人工智能在临床遗传学中的应用，涵盖诊断、治疗和临床支持，并展望未来影响	系统总结AI在临床遗传学中的当前和新兴应用，并提出短、中、长期预测	未明确讨论AI应用的潜在风险或伦理问题，且预测精确速度不清晰	探讨AI在临床遗传学中的发展现状与未来趋势	临床遗传学领域的AI应用案例和技术	自然语言处理	遗传性疾病	NA	机器学习、深度学习、生成式AI	临床遗传数据	NA	NA	NA	NA	NA
18	2026-07-03	Artificial intelligence for segmentation and classification in lumbar spinal stenosis: an overview of current methods 2025-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08672-9 PMID:39883162	研究论文	该文章系统综述了机器学习算法在腰椎管狭窄症分割与分类中的应用	首次系统比较传统机器学习与深度学习在腰椎管狭窄症分割和分类任务上的表现，并指出深度学习模型（尤其是U-Net）性能更优	研究间难以直接比较，因结局指标和测试数据集多样；仅有少量模型进行了外部验证	评估和总结目前用于腰椎管狭窄症分割与分类的机器学习模型	针对腰椎管狭窄症的MRI、X光或CT扫描图像的分割与分类模型	机器学习	腰椎管狭窄症	MRI	深度学习	图像	共计27篇文章	NA	U-Net, CNN	多种结局指标	NA
19	2026-07-03	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-03, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	基于MRI的拓扑深度学习模型用于术前预测肝细胞癌微血管侵犯及辅助预后分层	结合拓扑结构改进深度学习模型，提升预测性能和可解释性，成功预测MVI并有效分层术后早期复发和总生存期	NA	开发和外部验证基于MRI的拓扑深度学习模型用于术前预测微血管侵犯	连续接受手术治疗的肝细胞癌患者	计算机视觉, 机器学习	肝细胞癌	MRI	CNN, TopoCNN	图像	589例患者，其中292例（49.6%）病理确诊MVI	NA	CNN, TopoCNN	AUC	NA
20	2026-07-03	GestaltGAN: synthetic photorealistic portraits of individuals with rare genetic disorders 2025-03, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-025-01787-z PMID:39815041	研究论文	本文使用生成神经网络合成患有罕见遗传疾病个体的逼真肖像，以保护隐私并支持科学交流	首次采用改进的StyleGAN架构生成多种罕见遗传疾病的特定条件肖像，并引入REAL-ESRGAN提升低质量图像分辨率，同时添加未受影响类别增强模型对人脸特征的理解	未在摘要中明确说明局限性，但可能包括生成肖像的临床准确性验证不足、数据集中罕见疾病种类有限（仅20种）以及模型泛化能力待评估	探索使用生成神经网络合成罕见遗传疾病的准确肖像，解决医疗数据稀缺和隐私风险问题	稀有遗传疾病患者的肖像图像	计算机视觉	罕见遗传疾病	生成对抗网络	GAN	图像	来自GestaltMatcher数据库的20种最常见疾病图像，包含未受影响类别图像	PyTorch	StyleGAN, REAL-ESRGAN	通过63位人类专家验证生成肖像的有效性	未提及具体计算资源