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	2026-01-05	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	研究论文	本文提出了一种名为StarVasc的轻量级无监督血管对比度增强框架，专为机器人手术视觉系统设计	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，引入星形操作模块实现超维特征扩展，并设计了光谱特征增强模块（SFEM）以隐式学习光谱线索，无需高光谱输入	未在摘要中明确说明	开发一种无需专用硬件的自适应血管对比度增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术成像中的血管结构	计算机视觉	NA	非配对学习策略，光谱特征增强	GAN	图像	NA	NA	编码器-解码器架构	无参考质量指标，视觉评估	NA
2	2026-01-05	Artificial intelligence and digital health in vascular surgery: a 2-decade bibliometric analysis of research landscapes and evolving frontiers 2025-Aug-06, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02583-z PMID:40767924	研究论文	本文通过文献计量分析，回顾了过去20年人工智能和数字健康在血管外科领域的应用演变，识别了研究热点和新兴前沿	首次使用CiteSpace和HistCite工具对血管外科中AI和数字健康研究进行全面的结构性和时间性演化分析，揭示了七个新兴研究子领域和范式转变	研究基于WoSCC数据库，可能未涵盖所有相关文献；文献计量分析方法主要反映趋势而非深度内容评估	分析人工智能和数字健康在血管外科应用的结构与时间演化，识别历史发展轨迹、研究焦点和新兴前沿	血管外科领域的人工智能和数字健康应用相关出版物	数字病理学	心血管疾病	文献计量分析	NA	文本	675篇爆发性引用论文，涉及123个相关学科和505个关键词	NA	NA	NA	NA
3	2026-01-04	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文研究了通过结合复值表示和Kuramoto同步动力学来增强深度神经网络在视觉分类任务中的对象编码能力	将神经科学中的同步机制引入深度学习模型，利用复值表示和Kuramoto动力学促进特征相位对齐，以改进多对象场景中的对象绑定问题	未明确说明模型在更复杂或真实世界场景中的泛化能力，以及计算效率方面的具体限制	探索基于同步的机制是否能增强人工模型在视觉分类中的对象编码能力	多对象图像，如重叠手写数字、噪声输入和分布外变换	计算机视觉	NA	NA	前馈模型, 循环模型	图像	NA	NA	NA	NA	NA
4	2026-01-03	UNISELF: A Unified Network with Instance Normalization and Self-Ensembled Lesion Fusion for Multiple Sclerosis Lesion Segmentation 2025-Aug-06, ArXiv PMID:41479462	研究论文	提出一种名为UNISELF的深度学习方法，用于多发性硬化病灶的自动分割，旨在同时提升域内精度和跨域泛化能力	结合了测试时自集成病灶融合和测试时实例归一化，以处理域偏移和输入对比度缺失问题，在单源有限数据训练下实现了高精度和强泛化性	仅使用ISBI 2015挑战赛训练数据集进行训练，未探索在其他多源数据上的训练效果；方法在存在严重成像伪影或极端域偏移情况下的性能未明确评估	开发一种能够同时优化域内分割精度和跨域泛化能力的多发性硬化病灶自动分割方法	多发性硬化病灶	数字病理学	多发性硬化	多对比度磁共振成像	深度学习	图像	ISBI 2015纵向多发性硬化分割挑战赛训练数据集（具体样本数未提供），并在MICCAI 2016、UMCL公共数据集及一个私有多中心数据集上进行测试	未明确说明，代码将在接受后公开	未明确说明具体架构名称，但包含测试时自集成病灶融合和测试时实例归一化模块	在ISBI 2015挑战赛测试集上排名前列；在跨域测试集上优于所有基准方法（具体指标如Dice系数等未明确列出）	未明确说明
5	2026-01-01	Fusing Tool Segmentation Predictions from Pose-Informed Morphological Polar Transform of Endoscopic Images 2025-Aug, IEEE International Conference on Automation Science and Engineering (CASE) : [proceedings]. IEEE Conference on Automation Science and Engineering DOI:10.1109/case58245.2025.11164078 PMID:41458100	研究论文	本文提出并评估了融合语义图像分割预测的方法，重点介绍了一种结合空间频率和边缘特征的新型混合方法	提出了一种基于低层特征融合灰度分割预测的混合方法，包括梯度估计、拉普拉斯金字塔和改进的空间频率方法，并探索了通过无监督聚类和ResNet-18模型进行可解释性分析	未提及具体的数据集规模限制或计算资源需求，可能缺乏大规模验证	通过融合两种基于形态学极坐标变换的分割预测，生成更优的手术工具分割结果，以支持机器人辅助微创手术中的视觉力估计	鼻窦手术中的内窥镜图像，特别是手术工具的分割	计算机视觉	NA	形态学极坐标变换，深度学习分割	CNN	图像	NA	NA	U-Net, ResNet-18	NA	NA
6	2025-12-31	Automated Deep Learning Pipeline for Callosal Angle Quantification 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.18.25333901 PMID:40894175	研究论文	本文开发了一个全自动深度学习框架，用于从原始T1 MPRAGE和非MPRAGE MRI扫描中直接测量胼胝体角，以辅助常压性脑积水的诊断	开发了一个结合BrainSignsNET模型进行关键解剖标志点检测和基于UNet的分割网络进行侧脑室分割的全自动、鲁棒的深度学习框架，可直接从原始MRI扫描中量化胼胝体角，性能优于已报道的观察者间变异性	未明确说明模型在更广泛、多中心数据集上的泛化能力，以及框架处理存在严重运动伪影或图像质量极差扫描的能力	开发一个全自动、可靠的深度学习框架，用于量化MRI图像中的胼胝体角，以辅助常压性脑积水的诊断	来自巴尔的摩纵向衰老研究和BIOCARD数据集的MRI扫描，以及约翰霍普金斯湾景医院的216例临床MRI扫描	数字病理学	常压性脑积水	T1 MPRAGE MRI, 非MPRAGE MRI	深度学习	3D MRI图像	内部验证使用BLSA和BIOCARD数据集，外部验证使用216例临床MRI扫描	NA	BrainSignsNET, UNet (使用预训练的EfficientNetB0作为编码器)	相关系数(r), p值, 平均绝对误差(MAE)	NA
7	2025-12-28	Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.101901 PMID:40616933	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏见的潜在危害风险	首次直接比较了基于索赔的随机森林模型、回归评分和两种深度学习超声心动图模型在检测ATTR-CM中的性能，并应用了标准公平性指标进行偏见评估	研究样本中79.2%为白人，9.0%为黑人，种族多样性有限，可能影响结果的普遍性	比较不同算法在检测转甲状腺素蛋白心脏淀粉样变性中的性能，并评估模型偏见风险	心力衰竭患者，包括176例确诊的ATTR-CM病例和3,192例对照患者	机器学习	心血管疾病	深度学习，超声心动图分析	随机森林，回归模型，深度学习模型	医疗索赔数据，超声心动图图像	176例ATTR-CM病例和3,192例对照患者，总计3,368例样本	NA	EchoNet-LVH, EchoGo Amyloidosis	AUC	NA
8	2025-12-28	Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102011 PMID:40675022	研究论文	本研究开发并验证了一种基于心电图、人口统计学和症状的多模态深度学习模型，用于急性心肌梗死的全自动诊断	结合心电图特征、年龄、性别和症状数据，利用残差卷积神经网络进行多模态融合，实现急性心肌梗死的自动化检测，并在大规模真实世界数据中进行了内部和外部验证	研究为回顾性队列设计，缺乏与急诊医生诊断性能的前瞻性随机对照试验比较	开发并验证一种深度学习模型，用于快速检测急性心肌梗死，以降低发病率和死亡率	因胸痛或呼吸困难接受院前或院内心电图检查的患者	机器学习	心血管疾病	心电图	CNN	心电图信号, 人口统计学数据, 症状文本	104,507名个体（共208,366份心电图）	NA	残差卷积神经网络	受试者工作特征曲线下面积, 敏感性, 特异性	NA
9	2025-12-28	Artificial Intelligence Empowers Novice Users to Acquire Diagnostic-Quality Echocardiography 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102005 PMID:40700992	研究论文	本研究评估了基于人工智能的软件如何帮助无超声经验的护士获取诊断质量的心脏超声图像	首次证明AI引导系统能使新手在短时间内获取与专家相当的诊断质量心脏超声图像	研究仅在两个医疗中心进行，样本量相对有限，且未随机分配	评估AI软件是否能让无经验的新手获取诊断质量的心脏超声图像	成年患者（计划进行临床指示超声心动图检查）	医学影像分析	心血管疾病	心脏超声（超声心动图）	深度学习算法	超声图像	240名患者（平均年龄62.6岁，117名女性，平均BMI 26.6 kg/m²）	NA	NA	图像质量评估（视觉分析左心室大小和功能、右心室大小、心包积液存在性），参数相关性	NA
10	2025-12-27	Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Aug-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01903-9 PMID:40760164	研究论文	本研究开发并验证了名为CerviPro的多模态深度学习模型，用于预测接受根治性放疗的局部晚期宫颈癌患者的无病生存期	通过融合治疗前后CT影像、手工放射组学特征和临床变量，构建了首个针对局部晚期宫颈癌的多模态预后预测模型，并证明了多模态特征融合优于单一数据源模型	研究样本量相对有限（1018例），且外部验证队列的C-index（0.70和0.66）低于内部验证队列（0.81），表明模型泛化能力有待进一步提升	开发精准的生存预测模型以指导局部晚期宫颈癌的个性化治疗	接受根治性放疗的局部晚期宫颈癌患者	数字病理学	宫颈癌	CT成像	深度学习模型	CT影像、放射组学特征、临床变量	1018例局部晚期宫颈癌患者	NA	CerviPro	C-index	NA
11	2025-12-26	[Prospects and technical challenges of non-invasive brain-computer interfaces in manned space missions] 2025-Aug-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences DOI:10.11817/j.issn.1672-7347.2025.250389 PMID:41382998	综述	本文探讨了非侵入式脑机接口在载人航天任务中的应用前景与技术挑战	系统性地提出了非侵入式脑机接口在航天员选拔、在轨任务执行及任务后康复全周期的应用范式，并展望了与深度学习、虚拟现实及机器人技术的融合方向	未提供具体的实验数据或案例研究，主要基于理论分析与前景展望	分析非侵入式脑机接口技术在载人航天任务中的潜在应用价值与面临的技术瓶颈	航天员在长期太空任务中的生理、心理及认知功能	脑机接口	NA	非侵入式脑机接口，神经信号采集与解读，神经调控	NA	多模态生理信号（神经信号等）	NA	NA	NA	NA	NA
12	2025-12-24	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug-12, ArXiv PMID:40395940	研究论文	提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类，并提供基于病例的解释	提出了一种结构化多分支架构，模拟临床解读流程，并引入了一种新颖的对比损失函数，用于处理多标签学习中无关类别的原型分离与共现诊断的原型聚类	NA	开发一种透明且可信的深度学习模型，用于临床决策支持中的多标签心电图分类	心电图信号	机器学习	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的所有71个标签	NA	1D CNN, 2D CNN	NA	NA
13	2025-12-24	SynAnno: Interactive Guided Proofreading of Synaptic Annotations 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.09.669342 PMID:40832296	研究论文	本文介绍了SynAnno，一种用于大规模连接组学数据集中突触注释交互式校对工具，旨在提高校对效率和准确性	提出了一种集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以应对神经元复杂空间分支的挑战	NA	开发一个交互式工具，以简化和增强连接组学数据中突触注释的校对过程	大规模连接组学数据集中的突触注释	数字病理学	NA	深度学习	NA	图像	涉及七位神经科学专家的用户和案例研究	PyTorch	NA	校对速度、认知负荷、注释错误	NA
14	2025-12-24	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug, Proceedings of machine learning research PMID:41394314	研究论文	本文提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类	结合了对比学习设计的新型原型损失函数，用于多标签学习，并采用结构化多分支架构模拟临床解读流程	未明确说明模型在外部验证数据集上的泛化性能	开发可解释的深度学习模型以支持临床决策	心电图信号	机器学习	心血管疾病	NA	CNN	时间序列数据	PTB-XL数据集中的所有71个标签	NA	1D CNN, 2D CNN	竞争性性能（具体指标未明确列出）	NA
15	2025-12-21	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2025-Aug-25, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究探讨了基于深度学习的T2加权图像质量评估在前列腺MRI中是否因临床显著前列腺癌的存在而产生偏差	首次揭示了深度学习图像质量评估模型在前列腺MRI中可能因癌症存在而引入偏差，挑战了其临床应用的可靠性	研究为回顾性设计，可能存在选择偏倚；仅基于三个中心的T2加权图像，未涵盖多模态MRI数据	评估深度学习图像质量评估在前列腺MRI中是否受临床显著前列腺癌影响而产生偏差	前列腺MRI的T2加权图像序列	数字病理学	前列腺癌	MRI, T2加权成像	深度学习分类模型	医学图像	开发集1,719个序列，测试集386个序列，外加11,723次未包含癌症记录的检查	NA	NA	二次加权kappa系数, 卡方检验, 置信区间, p值	NA
16	2025-12-20	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	本文回顾了基于图像的细胞表型分析在计算方法上的演变，包括当前流程、局限性及未来发展方向	深度学习重塑了图像分析，提升了特征提取、可扩展性和多模态数据整合能力，并借鉴单细胞转录组学推动了单细胞分析和批次效应校正等方法的进步	该领域仍面临重大挑战，需要创新性解决方案	为研究人员提供基于图像的细胞表型分析技术进展及新挑战的路线图	基于图像的细胞表型分析的计算方法	计算机视觉	NA	显微镜成像	深度学习	图像	NA	NA	NA	NA	NA
17	2025-12-20	Retinal image-based disease classification using hybrid deep architecture with improved image features 2025-Aug-05, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03660-w PMID:40762730	研究论文	本文提出了一种基于视网膜图像的疾病分类混合深度学习架构，通过改进图像特征提高分类准确性	提出了一种结合改进的LinkNet（ILinkNet）和SqueezeNet的混合深度学习模型（ILink-SqNet），并整合了改进的多纹理特征与统计特征，以提升视网膜疾病的分类性能	未明确提及样本量、计算资源细节或模型在更广泛数据集上的泛化能力	开发一种准确、高效的视网膜疾病自动分类方法，以辅助眼科诊断	视网膜眼底图像	计算机视觉	视网膜疾病	NA	深度学习	图像	NA	NA	ResNet, VGG16, ILinkNet, SqueezeNet	精确度	NA
18	2025-12-17	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），能够从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直接关联，并利用深度学习模型实现了从心电图信号中估计主动脉直径	研究结果属于生理学观察，尚未经过外部验证的风险评分验证	探索从心电图信号中估计升主动脉直径的可能性	英国生物银行（UK Biobank）的参与者	数字病理学	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，医学影像数据	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
19	2025-12-17	A Review on Deep Learning Methods for Glioma Segmentation, Limitations, and Future Perspectives 2025-08-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11080269 PMID:40863479	综述	本文全面综述了用于胶质瘤分割的深度学习方法，分析了其局限性并展望了未来研究方向	首次系统性地将80多种先进模型分为CNN、纯Transformer和混合架构三类进行评估，并特别关注模型在临床实际部署中的适用性，引入了基于鲁棒性、效率和肿瘤区域分割完整性的适用性分析	作为综述文章，主要基于已有文献进行分析，未提出新的分割模型或算法	评估深度学习模型在胶质瘤MRI图像分割中的性能，并分析其在临床环境中的适用性	胶质瘤的MRI图像	数字病理学	胶质瘤	磁共振成像	CNN, Transformer	图像	基于BraTS数据集的基准测试	NA	CNN-based, Pure Transformer, Hybrid CNN-Transformer	分割准确性, 计算效率	NA
20	2025-12-15	Time series forecasting of chlorophyll-a concentrations in the Chesapeake Bay 2025-Aug-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16352-3 PMID:40846738	研究论文	本研究评估了使用长短期记忆神经网络预测切萨皮克湾叶绿素a浓度的方法	首次将LSTM神经网络应用于切萨皮克湾叶绿素a浓度的时间序列预测，并证明其优于传统统计模型ARIMA和TBATS	NA	评估深度学习模型在预测叶绿素a浓度方面的性能，以支持水质管理和政策决策	切萨皮克湾三个地理区域的叶绿素a浓度时间序列数据	机器学习	NA	卫星遥感	LSTM	时间序列数据	1997年至2020年每周的卫星衍生叶绿素a测量数据，覆盖三个区域	NA	LSTM	均方根误差	NA