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
41	2026-05-25	Artificial intelligence-driven oocyte scores are associated with early morphokinetics and embryo outcomes after intracytoplasmic sperm injection 2025-Oct-24, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2025.105360 PMID:42176529	研究论文	利用深度学习系统MAGENTA评估卵母细胞评分，并分析其与ICSI后早期形态动力学和胚胎结局的关系	首次将基于深度学习的卵母细胞评分系统MAGENTA与ICSI后的早期形态动力学事件及胚胎结局关联分析	NA	探究MAGENTA卵母细胞评分与ICSI后胚胎发育及妊娠结局的关联	来自1340个取卵周期的2785张成熟卵母细胞图像	机器学习	不孕症	深度学习、时序成像	深度学习	图像	2785张成熟卵母细胞图像（来自1340个取卵周期）	NA	MAGENTA	准确性、率（如退化率、正常受精率）	NA
42	2026-05-25	An overview of reliable and representative DVC measurements for musculoskeletal tissues 2025-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70008 PMID:40636996	综述	本文综述了数字体相关技术在肌肉骨骼组织中的最新进展，涵盖从器官到组织层面的力学测量、技术挑战及未来方向	聚焦组织界面处理、边界效应及不确定性量化等关键挑战，并首次系统讨论DVC与深度学习结合预测位移和应变场的应用	未采用系统综述方法，对体内应用和临床转化案例的深度分析有限	总结DVC在肌肉骨骼组织力学特性表征中的发展现状与未来机遇	矿化组织、软组织的多尺度力学行为以及植入物-组织界面	数字病理学	肌肉骨骼疾病	数字体相关（DVC）	深度学习模型	三维应变场数据	NA	NA	NA	测量精度与可靠性	NA
43	2026-05-24	OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG 2025-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110854 PMID:40857816	研究论文	介绍一种基于深度学习的开源网络OpenSpindleNet，用于可靠检测头皮和颅内脑电图中的睡眠纺锤波	提出双头架构提高检测性能、鲁棒性和易用性，专门针对颅内脑电图独特的信号特征和记录环境进行优化	未明确说明	开发一种精确、自动化的睡眠纺锤波检测方法，以推动脑电图分析在睡眠研究和临床应用中的发展	睡眠纺锤波（scalp和intracranial EEG数据）	数字病理学	睡眠障碍	EEG	深度学习	EEG信号	挑战性iEEG数据集和公开头皮DREAMS数据集	NA	双头架构	F1分数	NA
44	2026-05-24	Dual-Attention BiLSTM for Interpretable Forecasting of Treatment Toxicities 2025-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi67747.2025.11269508 PMID:42170647	研究论文	提出一种双重注意力机制增强的双向长短期记忆网络模型，用于可解释地预测治疗毒性	在BiLSTM中引入项目和时序两个层面的双重注意力机制，选择性强调最具信息量的症状-时间交互，提高预测准确性和临床可解释性	未提及	实现可解释的纵向患者报告结果数据症状轨迹预测，支持肿瘤学个性化及时决策	患者报告结果数据中的症状严重程度	机器学习	肿瘤	NA	注意力增强的双向长短期记忆网络（BiLSTM）	文本（纵向患者报告结果数据）	来自一家大型癌症中心的纵向PRO数据集	PyTorch	BiLSTM，双重注意力机制	预测准确性，可解释性	NA
45	2026-05-23	Early diagnosis model of mycosis fungoides and five inflammatory skin diseases based on a multimodal data-based convolutional neural network 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf212 PMID:40465821	研究论文	基于多模态数据卷积神经网络开发早期诊断蕈样肉芽肿和五种炎症性皮肤病的AI模型	首次利用多模态信息（临床信息、临床图像和皮肤镜图像）基于卷积神经网络构建蕈样肉芽肿与炎症性皮肤病的早期诊断模型，并验证其辅助皮肤科医生诊断的实用性	单中心回顾性研究，可能缺乏外部验证的泛化性	开发基于多模态信息的AI深度学习模型，验证其分类效率，并构建辅助皮肤科医生早期诊断蕈样肉芽肿和炎症性皮肤病的模型	1157例蕈样肉芽肿和炎症性皮肤病病例，包括2452张临床图像、6550张皮肤镜图像及对应临床数据	计算机视觉	皮肤癌	NA	卷积神经网络	图像	1157例病例，包括2452张临床图像和6550张皮肤镜图像	PyTorch	RegNetY400MF	准确率、精确率、灵敏度、特异度	NA
46	2026-05-23	Assessing the performance of artificial intelligence models in evaluating inflammatory skin disease severity: a systematic review and meta-analysis 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf250 PMID:40570030	meta分析	系统评价和荟萃分析评估人工智能模型在评估炎症性皮肤病严重程度方面的表现	首次对多种皮肤病（特应性皮炎、痤疮、银屑病等）的基于图像的AI模型严重程度评估性能进行量化和比较，揭示了不同疾病和评分系统间的显著差异	纳入研究的数据报告透明度不足，缺乏高质量前瞻性研究，部分研究未使用客观参考标准	定性定量评估基于图像的AI模型在不同皮肤病严重程度评估中的性能	2017年1月至2023年4月发表的深度学习AI模型评估皮肤病严重程度的研究	计算机视觉	皮肤病	NA	深度学习模型	图像	45项研究纳入系统评价，19项纳入荟萃分析	NA	NA	敏感度、特异度	NA
47	2026-05-23	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发一种自动方法，用于联合评估肺气肿和死亡风险，并量化数据和模型不确定性	提出多任务贝叶斯神经网络，同时评估肺气肿和死亡风险，并量化数据和模型不确定性，提高不同辐射剂量CT协议间的评估一致性	未明确提及局限性，但可能包括样本量相对较小，以及模型在其他人群中的泛化性待验证	开发一种不确定性感知的自动方法，以一致地评估肺气肿和死亡风险	肺气肿患者的CT图像和死亡风险	计算机视觉, 机器学习	肺气肿, 慢性阻塞性肺疾病（COPD）	CT	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁；659名女性）	NA	多任务贝叶斯神经网络	均值差异, 皮尔逊相关系数, p值	NA
48	2026-05-23	A robust ensemble-based deep learning framework for automated retinal disease detection 2025 Oct-Dec, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251396416 PMID:41192815	研究论文	提出了一种鲁棒的基于集成学习的深度框架，用于自动检测视网膜疾病	将EfficientNetB3和ResNet50集成形成ResEfficientNetB3模型，同时利用了EfficientNetB3的缩放优势和ResNet50的残差学习能力，提高了多类视网膜疾病检测的准确性、鲁棒性和泛化能力	未提及具体限制	开发一个支持临床决策的自动多类视网膜疾病检测深度框架，解决现有模型在泛化性和准确性方面的限制	视网膜疾病检测	机器学习	视网膜疾病	图像增强	集成深度学习模型	图像	两个Kaggle数据集：数据集1包含4217张图像（四类），数据集2包含8230张图像（八类）	NA	ResEfficientNetB3（EfficientNetB3和ResNet50集成）	准确率、五折交叉验证、跨数据集验证	NA
49	2026-05-23	Integrating clinical guidelines with large language models for improved sepsis mortality prediction 2025 Oct-Dec, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251387649 PMID:41195684	研究论文	开发并验证了一种融合临床指南的大语言模型，用于改进脓毒症死亡率预测	首次将临床指南显式嵌入到LLM微调过程中，通过低秩适配方法显著提升了预测性能	未明确提及局限性	提升重症监护病房脓毒症患者死亡率预测的准确性	24,237名ICU脓毒症患者的临床数据（MIMIC-IV）	机器学习	脓毒症	NA	大语言模型（LLM）	文本数据	24,237名ICU脓毒症患者	NA	低秩适配（LoRA）微调的大语言模型	准确率, F1分数, 灵敏度, 特异度, AUC	NA
50	2026-05-20	Predicting prognosis of light-chain cardiac amyloidosis by magnetic resonance imaging and deep learning 2025-10-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf248 PMID:40891072	研究论文	开发一种基于深度学习的心脏磁共振成像模型，用于预测轻链型心脏淀粉样变性的个体化预后	首次使用基于Transformer的深度学习模型对心脏磁共振晚期钆增强图像进行全心脏分析，结合对比预训练和集成学习策略，实现对轻链型心脏淀粉样变性个体化预后的高精度预测，超越了传统Mayo分期方法	未提及明确限制，但研究为单中心回顾性设计，样本量相对有限（394例），且仅包含接受标准化化疗的患者	开发一种新型深度学习模型，通过分析心脏磁共振晚期钆增强图像来预测轻链型心脏淀粉样变性的个体化预后	轻链型心脏淀粉样变性患者的晚期钆增强心脏磁共振图像及临床预后数据	医学影像分析	轻链型心脏淀粉样变性	心脏磁共振成像（CMR），晚期钆增强（LGE）	基于Transformer的深度学习模型	图像	394例轻链型心脏淀粉样变性患者（训练集315例，测试集79例）	NA	Transformer	一致性指数（C-index），曲线下面积（AUC），风险比（HR）	NA
51	2026-05-20	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2025-Oct-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.01.25337079 PMID:41256111	研究论文	提出一个端到端的自动化管道，用于分析血吸虫病的即时诊断测试，结合深度学习进行卡带分割和信号处理	首次实现即时诊断测试的自动化分析与质量控制的端到端管道，结合深度学习和信号处理解决视觉痕量不确定性	仅在单一队列（乌干达农村SchistoTrack队列）中评估，未在其他人群或疾病中验证	开发自动化诊断分类方法，提升血吸虫病即时诊断测试的准确性和效率	血吸虫病即时诊断测试（循环阴极抗原测试）的侧流试纸条	计算机视觉, 信号处理, 机器学习	血吸虫病	深度学习, 信号处理	CNN（用于卡带分割的深度学习模型）	图像（侧流试纸条图像）	3188名来自乌干达农村SchistoTrack队列的个体	NA	NA	灵敏度, 特异度	NA
52	2026-05-20	Deep Learning Pipeline for Automated Assessment of Distances Between Tonsillar Tumors and the Internal Carotid Artery 2025-10, Head & neck DOI:10.1002/hed.28200 PMID:40458868	研究论文	提出一种深度学习流水线自动评估扁桃体肿瘤与颈内动脉之间的距离	首次使用nnU-Net框架自动分割扁桃体肿瘤和颈内动脉，并自动计算最小距离	研究样本量较小，仅96例患者，且DSC值对肿瘤分割相对较低（0.67）	开发自动评估扁桃体肿瘤与颈内动脉最小距离的工具，辅助术前规划	扁桃体肿瘤患者	计算机视觉, 数字病理学	扁桃体肿瘤	CT成像	nnU-Net（深度学习）	CT图像	96例扁桃体肿瘤患者的CT扫描	nnU-Net	U-Net	Dice相似系数，平均Hausdorff距离	NA
53	2026-05-19	Artificial Intelligence-Assisted Standard Plane Detection in Hip Ultrasound for Developmental Dysplasia of the Hip: A Novel Real-Time Deep Learning Approach 2025-10, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.70020 PMID:40619593	研究论文	本研究提出了一种基于人工智能的实时标准平面检测软件AI-SPS，用于髋关节超声检查中发育性髋关节发育不良的诊断	首个将实时深度学习目标检测模型用于髋关节超声标准平面自动检测的创新方法，特别是YOLOv11n模型在准确性和速度上表现优异	研究仅基于单一机构的45个临床超声视频数据，样本量有限，且未涉及不同超声设备和操作者的泛化性验证	开发一种基于AI的实时标准平面检测系统，以减少DDH超声筛查中的操作者依赖性，提高诊断一致性和准确性	髋关节超声视频中的标准平面与非标准平面帧	计算机视觉	发育性髋关节发育不良	超声成像	SSD-MobileNet V2, YOLOv11n	图像	2,737个标注帧（1,737个标准+1,000个非标准）来自45个临床超声视频，另含934个独立验证帧	PyTorch, TensorFlow	SSD-MobileNet V2, YOLOv11n	准确率, 精确率, 召回率, F1分数	NA
54	2026-05-17	Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance? 2025-10, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04954-1 PMID:40389738	综述	探讨人工智能在鼻整形术中的应用，包括术前规划、患者沟通及术后效果模拟，并分析其局限性、伦理顾虑和数据隐私等问题	强调人工智能作为辅助工具而非替代品，提出需结合患者个体变量并优先考虑伦理医疗实践	无法预测个体愈合过程、组织行为及长期鼻部重塑；存在偏见、强化不可达到的审美标准、对患者心理影响及数据隐私与法律风险	评估人工智能在鼻整形术中的精准性与潜在过度依赖风险	人工智能驱动的模型在鼻整形术中的应用	计算机视觉	鼻部整形	NA	深度学习、生成对抗网络	图像	NA	NA	生成对抗网络	NA	NA
55	2026-05-17	The REgistry of Flow and Perfusion Imaging for Artificial Intelligence with positron emission tomography (REFINE PET):Rationale and design 2025-Oct, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102449 PMID:40774620	研究论文	建立多中心PET/CT影像与临床数据注册库，用于人工智能研究的验证与开发	整合多中心、大规模PET/CT影像与临床数据，结合深度学习和定量分析工具，建立首个支持心血管疾病诊断与风险分层的研究资源库	NA	验证和开发标准及新型心脏PET/CT处理方法，推动其在诊断和风险分层中的应用	心血管疾病患者，包括心肌灌注成像数据与临床结果	计算机视觉, 机器学习	心血管疾病	PET/CT成像, 深度学习	深度学习	图像, 临床数据	35595名患者来自14个中心	NA	深度学习	NA	NA
56	2026-05-15	Computational prediction of mutagenicity through comprehensive cell painting analysis 2025-10-17, Mutagenesis IF:2.5Q3 DOI:10.1093/mutage/geaf014 PMID:40757573	研究论文	利用细胞绘画数据开发机器学习模型预测化合物致突变性，并与基于结构的传统模型比较	首次全面利用细胞绘画特征进行致突变性预测，并证明表型改变浓度的选择可显著提升预测性能	数据集固有局限性和细胞绘画技术的实验室间变异导致某些化合物难以预测	探索细胞绘画特征在化合物致突变性预测中的有效性，并与基于化学结构的传统方法对比	化合物致突变性预测模型	机器学习	NA	细胞绘画分析	随机森林、支持向量机、极端梯度提升	细胞形态特征数据与图像	Broad研究所数据集包含超过30000种分子；美国环保署数据集包含1200种化合物的多浓度图像	Scikit-learn, XGBoost	NA	准确率	NA
57	2026-05-15	Accelerating cardiac radial-MRI: Fully polar based technique using compressed sensing and deep learning 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103732 PMID:40749276	研究论文	开发基于极坐标傅里叶变换的压缩感知和深度学习算法，用于加速2D心脏径向MRI，去除频率插值误差并提高重建质量	首次利用极坐标傅里叶变换替代非均匀快速傅里叶变换作为前向成像算子，消除了频率插值误差并简化了深度学习框架的数据一致性项计算	未提及	提出一种替代NUFFT的快速径向MRI方法，优先提高动态成像中小区域的重建质量	心脏径向MRI图像重建	计算机视觉	心血管疾病	MRI	深度学习压缩感知	图像	未提及	NA	可变分裂、梯度下降	结构相似性指数、放射学评分	NA
58	2026-05-08	Artificial intelligence for medication-related osteonecrosis of the jaw: a scoping review 2025-10, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.03.004 PMID:40393880	综述	本文通过范围综述，描述了人工智能在药物相关性颌骨坏死预测、诊断和管理中的应用研究现状	首次系统梳理了人工智能在药物相关性颌骨坏死领域的应用，涵盖预测、诊断和患者教育三个方面	数据质量、验证和临床整合方面存在挑战，研究数量有限	描述人工智能在药物相关性颌骨坏死预测、诊断和管理中的应用研究现状	药物相关性颌骨坏死的预测、诊断和患者教育	机器学习	药物相关性颌骨坏死	NA	机器学习模型（支持向量机、随机森林、梯度提升机）和深度学习模型及大型语言模型	放射影像数据	8项符合纳入标准的研究	NA	支持向量机、随机森林、梯度提升机	AUC值、准确率、精确率、召回率	NA
59	2026-05-06	Potential of artificial intelligence in the diagnosis and treatment of vertebral compression fractures: A 20-year bibliometric analysis (2004-2023) 2025-Oct-03, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000044876 PMID:41054042	研究论文	通过文献计量学分析，总结了2004至2023年间人工智能在椎体压缩骨折诊断与治疗中的应用研究趋势和关键贡献者	首次对AI在VCF领域的应用进行20年文献计量分析，揭示了从传统手术向AI驱动诊断和机器人辅助干预的主题演变，并识别出2019年后深度学习作为最强引用突现主题	仅纳入Web of Science Core Collection的英文文献，可能存在语言和数据库偏差；未深入分析具体AI方法的性能或临床有效性	通过文献计量学分析绘制AI在VCF中的知识图谱，识别时间模式、研究热点和有影响力的贡献者，以指导未来研究方向	2004至2023年间发表的462篇关于AI应用于椎体压缩骨折的英文文献	自然语言处理, 文献计量学	椎体压缩骨折, 老年疾病	文献计量学分析	NA	文献元数据	462篇英文文章	CiteSpace 6.2.R6	NA	发表趋势, 关键词突现, 中心性评分	NA
60	2026-05-06	Robust R-peak detection in noisy ECG using deep residual U-Net for enhanced cardiac rhythm analysis 2025-Oct-03, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000044968 PMID:41054115	研究论文	提出了一种深度残差U-Net（ResU-Net）架构，用于在噪声心电图信号中稳健地检测R波，以增强心律分析	结合残差网络和U-Net架构的优点，引入跳跃连接、多尺度特征提取和注意力机制，提升了噪声条件下的特征学习和检测鲁棒性	未明确讨论模型的计算复杂度和实时性，且仅在公开数据库上进行验证，缺乏真实临床环境下的测试	开发一种能处理噪声和形态变异的心电图R波检测方法，为自动心律分析提供可靠基础	心电图信号中的R波峰值	机器学习	心律失常	ECG信号处理	深度残差U-Net（ResU-Net）	一维时间序列信号	使用MIT-BIH心律失常数据库、INCART数据库和QT数据库进行训练和评估	PyTorch	ResNet, U-Net	灵敏度, 阳性预测值, F1分数	NA