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
21	2025-11-25	Deep learning in bone marrow cytomorphology: advances in segmentation, classification, and clinical translation 2025-Nov-24, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-025-03127-z PMID:41284066	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22	2026-01-24	Automatic multi-IMU-based deep learning evaluation of intensity during static standing balance training exercises 2025-Nov-27, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01760-3 PMID:41310727	研究论文	本研究通过全身可穿戴传感器和卷积神经网络模型，自动评估静态站立平衡训练中的运动强度，以支持家庭康复训练	首次结合多IMU传感器和CNN模型，实现物理治疗师感知的平衡运动强度自动评估，为家庭康复提供量化监控手段	研究仅基于单日训练数据，样本量有限，且未考虑动态平衡训练或长期康复效果	开发基于可穿戴传感器和机器学习的平衡运动强度评估系统，以支持家庭康复训练的剂量监控	平衡训练参与者（n=47）和物理治疗师参与者（n=42）	机器学习	老年疾病	可穿戴惯性测量单元（IMU）	CNN	运动学数据	47名平衡训练参与者和42名物理治疗师	NA	卷积神经网络	均方根误差（RMSE）	NA
23	2026-01-24	Dynamic AI-assisted ipsilateral tissue matching for digital breast tomosynthesis 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112356 PMID:40925265	研究论文	本研究评估了AI辅助的乳腺数字断层合成同侧组织匹配技术对减少定位误差的效果，特别是对非专家放射科医生	引入了动态AI辅助的同侧组织匹配技术，并集成了ViewFinder警告系统以识别高不确定性病例，显著提升了非专家放射科医生在复杂病例中的定位准确性	研究样本量相对较小（30个病例，94个参考标注），且仅针对乳腺数字断层合成技术，未涉及其他影像模态	评估AI辅助技术是否能减少乳腺数字断层合成中的定位误差，特别是在典型肿瘤边界之外	乳腺数字断层合成图像中的病变区域	数字病理学	乳腺癌	乳腺数字断层合成	深度学习	医学影像	30个病例，包含94个共识参考标注	NA	NA	均方根误差, 最大距离误差	NA
24	2026-01-23	Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110495 PMID:40784463	研究论文	开发了一种高度加速的MRI技术，用于同时量化脑组织血流和T1值	结合双翻转角相位对比星形堆栈序列与深度学习算法，实现16倍加速的同时血流和T1量化	研究仅涉及定量体模和六名健康志愿者，样本量有限，未在患者群体中验证	开发快速、全面的脑血管疾病评估技术	脑组织血流和T1量化	医学影像分析	脑血管疾病	双翻转角相位对比星形堆栈MRI序列	深度学习	MRI图像	定量体模和六名健康志愿者	NA	混合特征哈希编码隐式神经表示与显式稀疏先验知识结合模型	相关系数R2, 组内相关系数ICC	NA
25	2026-01-23	International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm 2025-Nov, JACC. Advances DOI:10.1016/j.jacadv.2025.102067 PMID:40965401	研究论文	本研究通过多中心回顾性病例对照研究，验证了一种基于计算机视觉的深度学习算法EchoNet-LVH在国际范围内识别心脏淀粉样变性的性能	开发并国际验证了EchoNet-LVH这一计算机视觉深度学习算法，用于基于超声心动图视频检测心脏淀粉样变性，相比传统测量方法（如整体纵向应变）具有更高的特异性	研究为回顾性病例对照设计，可能受到选择偏倚的影响；算法性能在预设优化特异性的阈值下敏感性相对较低（0.644）	评估计算机视觉深度学习算法在国际多中心环境中识别心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照个体的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频（超声心动图胸骨旁长轴和心尖四腔切面视图）	574名心脏淀粉样变性患者和979名对照个体	NA	EchoNet-LVH	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
26	2026-01-22	Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology 2025-Nov-07, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000929 PMID:41201255	综述	美国肾脏病学会发布了一份关于在肾脏病护理中负责任地使用人工智能的立场声明，概述了指导原则、临床应用和关键挑战	由专业学会牵头，首次为肾脏病学领域制定了负责任使用AI的综合性框架和指导原则	这是一份立场声明和综述，不涉及具体的研究数据或模型验证	为肾脏病护理中人工智能的负责任开发和应用提供框架和指导	肾脏疾病患者、临床医生及肾脏病护理系统	机器学习	肾脏疾病	NA	NA	NA	NA	NA	NA	NA	NA
27	2026-01-21	Deep learning reconstruction for fast cardiovascular magnetic resonance imaging protocol: A comparative study with conventional cardiovascular magnetic resonance 2025-Nov-28, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102017 PMID:41318031	研究论文	本研究比较了压缩感知人工智能算法与传统灵敏度编码重建在加速心血管磁共振成像、提升图像质量和保持诊断准确性方面的表现	前瞻性验证了深度学习重建算法在多种临床序列（Cine、T2 STIR、LGE）中加速CMR采集、提升图像质量并保持诊断准确性的潜力	研究样本量相对有限（105名参与者），且未明确说明深度学习模型的具体架构细节	评估压缩感知人工智能算法在加速心血管磁共振成像采集、提升图像质量和保持诊断准确性方面的功能	105名计划进行临床心血管磁共振检查的参与者	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	105名参与者	NA	NA	信噪比, 对比噪声比, 边缘锐度, 心室功能参数, T2信号强度比, 晚期钆增强百分比, 主观图像质量评分（5点李克特量表）	NA
28	2026-01-21	Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection 2025-Nov-26, ArXiv PMID:41356065	研究论文	本研究提出并评估了多种深度学习架构，用于检测基于代码调制视觉诱发电位的非侵入性脑机接口，显著提升了单次试验解码的准确性和鲁棒性	引入了基于Siamese网络的相似性解码方法，并采用Earth Mover's Distance及其约束版本作为距离度量，相比传统欧氏和马氏距离，对EEG信号中的时间延迟变化表现出更强的鲁棒性	研究仅涉及13名健康成年人，样本量较小，且未在患者群体或更复杂环境中验证	开发高鲁棒性的解码方法，以解决基于代码调制视觉诱发电位的非侵入性脑机接口中EEG信号的时间变异性和会话依赖性噪声问题	健康成年人的脑电图信号	机器学习	NA	脑电图记录	CNN, Siamese网络	脑电图信号	13名健康成年人	NA	卷积神经网络, Siamese网络	准确率	NA
29	2026-01-21	Rapid cancer diagnosis using deep learning-powered label-free subcellular-resolution photoacoustic histology 2025-Nov-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz1820 PMID:41270177	研究论文	本文开发了一种亚细胞分辨率无标记紫外光声显微镜系统，结合深度学习技术，用于快速癌症诊断	开发了具有240纳米分辨率的亚细胞分辨率紫外光声显微镜系统，并首次结合循环一致性生成对抗网络进行虚拟染色，以及使用DenseNet-121进行肝组织良恶性肿瘤诊断	NA	提高癌症诊断的速度和准确性，减少传统组织学染色所需的时间和人工	肝组织中的良性和恶性肿瘤	数字病理学	肝癌	无标记紫外光声显微镜	GAN, CNN	图像	NA	NA	CycleGAN, DenseNet-121	AUC	NA
30	2026-01-21	AI-aided segmentation of four types of drusen in volumetric OCT 2025-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566705 PMID:41293704	研究论文	本文提出了一种结合卷积神经网络进行自动玻璃膜疣分割和专用分类模块的深度学习框架，用于从OCT图像中准确分割和分类四种临床相关的玻璃膜疣类型	开发了一个深度学习框架，首次结合自动分割和分类模块，能够区分四种临床相关的玻璃膜疣类型，并在定量分析方面显示出显著改进	NA	实现年龄相关性黄斑变性（AMD）中玻璃膜疣的客观评估和监测	光学相干断层扫描（OCT）图像中的玻璃膜疣	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	NA	NA	NA	Dice系数, 临界成功指数	NA
31	2026-01-19	Integrated meteocean and seismic dataset for AI-based seawater CO2 estimation at Deception Island, Antarctica 2025-Nov-29, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06351-4 PMID:41318724	研究论文	本文提供了一个用于基于人工智能估算南极欺骗岛海水二氧化碳的高分辨率综合气象海洋与地震数据集，并应用双向长短期记忆神经网络进行数据驱动建模	首次在南极活跃火山口环境整合了海水pCO2、气象参数与地震信号（长周期事件和震颤事件）的多源观测数据，并采用深度学习技术填补观测空白	数据仅采集于2025年2月，时间覆盖范围有限；研究区域局限于南极欺骗岛特定火山口环境，可能限制模型的泛化能力	通过多源数据融合与深度学习技术，提升南极沿海系统碳通量模型的精度，支持极地海洋碳循环研究	南极南设得兰群岛欺骗岛（活跃火山口）的表层海水及内陆观测站	机器学习	NA	环境观测（海水pCO2、温度、盐度、风速、气温、太阳辐射、潮位）、地震信号监测	Bi-LSTM	多变量时间序列数据（气象、海洋、地震）	2025年2月在南极欺骗岛表层海水及内陆站采集的高分辨率观测数据集	NA	双向长短期记忆神经网络	五折交叉验证	NA
32	2026-01-18	Dynamic graph-based quantum feature selection for accurate fetal plane classification in ultrasound imaging 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26835-y PMID:41274967	研究论文	提出一种基于动态图和量子计算原理的特征选择框架，用于提高超声图像中胎儿生物测量平面的分类准确性	提出了一种名为“基于动态图的量子特征选择”的新方法，该方法将量子计算原理与动态图建模相结合，通过量子纠缠评分和动态图中心性来捕获特征间的复杂依赖关系并选择信息量最大的特征	未在摘要中明确提及	提高超声成像中胎儿生物测量平面的分类准确性，以提升产前筛查和胎儿异常早期诊断的效率	超声图像中的胎儿生物测量平面	计算机视觉	NA	超声成像	MLP	图像	12400张图像，涵盖大脑、胸部、腹部、股骨、母体宫颈和其他视图等六个类别的平面	NA	预训练的深度学习模型（具体架构未指明），轻量级多层感知器	准确率	NA
33	2026-01-18	Generative Adversarial Networks for High-Dimensional Item Factor Analysis: A Deep Adversarial Learning Algorithm 2025-Nov-11, Psychometrika IF:2.9Q1 DOI:10.1017/psy.2025.10059 PMID:41216666	研究论文	本文提出了一种基于生成对抗网络的高维项目因子分析深度对抗学习算法，用于改进项目反应理论中的参数估计	结合变分自编码器和生成对抗网络，引入对抗变分贝叶斯及其重要性加权扩展，移除了潜在变量的标准正态假设限制，提高了推断网络的表达能力	未明确讨论计算复杂度或在大规模数据集上的可扩展性限制	开发更灵活且表达能力更强的推断算法，以提升高维项目因子分析的参数估计效率和准确性	项目反应理论中的项目因子分析，特别是针对高维潜在变量建模	机器学习	NA	NA	GAN, VAE	NA	NA	NA	NA	似然度, 均方误差	NA
34	2026-01-16	Assessment of the Diagnostic Performance and Clinical Impact of Artificial Intelligence in Hepatic Steatosis: a Systematic Review and Meta-Analysis 2025-Nov-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78310 PMID:41263526	系统综述与荟萃分析	本文通过系统综述和荟萃分析，定量评估了人工智能模型在诊断肝脂肪变性方面的性能，并深入探讨了其临床适用性和实施障碍	建立了一个统一的、与成像模态无关的分析框架，整合了超越单一模态评估的证据	纳入研究存在显著的异质性，患者选择领域存在高偏倚风险（44.4%），可能高估了真实世界性能，且临床转化受到回顾性设计主导、缺乏严格外部验证以及数据隐私等实际障碍的限制	定量评估人工智能模型诊断肝脂肪变性的性能，全面探索研究间异质性来源，并深入评估其临床适用性、转化潜力及阻碍广泛实施的主要障碍	应用人工智能诊断肝脂肪变性的研究	数字病理学	代谢相关脂肪性肝病	医学影像分析	深度学习, 传统机器学习	医学影像数据	36项符合条件的研究，其中33项（包含62个队列）纳入定量合成	NA	NA	灵敏度, 特异度, 汇总受试者工作特征曲线下面积	NA
35	2025-11-30	Integrative and deep learning-based prediction of therapy response in ovarian cancer 2025-Nov-28, Journal of experimental & clinical cancer research : CR IF:11.4Q1 DOI:10.1186/s13046-025-03554-w PMID:41316472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
36	2026-01-15	A novel framework using particle swarm optimization and long short-term memory networks for stock market forcasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26087-w PMID:41310345	研究论文	本研究提出了一种结合粒子群优化算法和长短期记忆网络的智能混合框架，用于提高股票价格预测的准确性	创新点在于将LSTM网络与元启发式优化算法（PSO、GWO、ARO）和金融情感分析（使用FinBERT模型）相结合，构建了SEN_PSO_LSTM混合模型，显著提升了在波动市场条件下的预测性能	未明确提及研究的局限性，例如模型在其他市场或更广泛股票数据集上的泛化能力，或计算资源需求的具体讨论	研究目标是提高股票价格预测的准确性，特别是在复杂、非线性和情感驱动的金融市场中	研究对象包括苹果、亚马逊、谷歌、微软等四只主要股票，以及来自金融、医疗保健和汽车行业的摩根大通、联合健康集团和丰田汽车等其他三只股票	机器学习	NA	金融情感分析，元启发式优化算法	LSTM	时间序列数据，文本数据（经济新闻）	涉及七只股票的数据，具体样本数量未明确说明	NA	单层、两层和三层LSTM架构	RMSE, MAE, R², MAPE	NA
37	2026-01-15	The ANTsX ecosystem for mapping the mouse brain 2025-Nov-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66741-5 PMID:41274934	研究论文	本文介绍了基于ANTsX生态系统开发的用于将多种小鼠脑数据集映射到共享坐标框架的流程和方法	提出了两种新方法：基于速度场的发育时间点连续插值方法，以及使用最小标注和公开数据进行自动脑区划分的深度学习框架	NA	解决将不同成像、组织处理和特征分析方法获取的多样化数据集映射到共享坐标框架的挑战	小鼠大脑	数字病理学	NA	MERFISH空间转录组学、fMOST形态学、发育MRI、LSFM成像	深度学习	空间转录组数据、高分辨率形态数据、MRI数据、光片荧光显微镜数据	NA	ANTsX	NA	NA	NA
38	2026-01-15	Enhanced forecasting of air quality index through an integrated deep learning framework 2025-Nov, Environmental science and pollution research international DOI:10.1007/s11356-025-37269-4 PMID:41385043	研究论文	本研究提出了一种集成LSTM、CNN和GNN的混合深度学习框架，用于提升空气质量指数（AQI）的预测精度	首次将LSTM、CNN和GNN三种网络与集成学习（堆叠和提升）相结合，用于建模空气质量数据中的复杂时空拓扑依赖关系	未明确说明模型在不同气候条件或极端污染事件下的泛化能力，也未讨论计算成本与实时预测的平衡	开发一个高精度、可泛化的空气质量预测模型，以支持公共健康、城市规划和环境政策	空气质量监测数据（包括多种污染物和气象参数）	机器学习	NA	NA	LSTM, CNN, GNN	时间序列数据, 空间数据	基于北京和洛杉矶等真实世界空气质量监测机构的数据集	NA	LSTM, CNN, GNN	R分数, MAE, RMSE	NA
39	2026-01-14	An Explainable Deep Model for Risk Scoring and Accurate Radionecrosis Identification Following Brain Metastasis Stereotactic Radiosurgery 2025-Nov-27, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.11.038 PMID:41317799	研究论文	本研究开发了一种可解释的深度学习模型，用于无创区分非小细胞肺癌脑转移患者立体定向放射外科治疗后的放射性坏死与局部复发	提出了一种结合二阶重球神经常微分方程框架的深度学习模型，能够动态追踪输入特征在深度网络中的演化，并在图像-基因组-临床空间中可视化样本轨迹，同时利用层相关性传播量化非影像特征的贡献	研究样本量相对较小（142个病灶），且仅针对非小细胞肺癌患者，可能限制模型的泛化能力	开发一种可解释的深度学习模型，以无创方式准确区分脑转移立体定向放射外科治疗后的放射性坏死与局部复发	非小细胞肺癌脑转移患者的病灶	数字病理学	肺癌	磁共振成像, 基因组生物标志物分析	深度学习	图像, 临床数据, 基因组数据	103名非小细胞肺癌患者的142个脑转移病灶	自定义深度学习框架	二阶重球神经常微分方程	准确性, 精确度, 召回率, F1分数, AUC	NA
40	2026-01-14	Artificial intelligence at the gut-oral microbiota frontier: mapping machine learning tools for gastric cancer risk prediction 2025-Nov-25, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01487-1 PMID:41291759	综述	本文系统回顾并批判性评估了利用微生物组和非侵入性生物标志物（涵盖肠道、胃黏膜、口腔生态系统及舌象成像代理）进行胃癌预测的人工智能和机器学习模型	首次系统性地绘制了AI驱动的基于微生物组的胃癌预测方法学图景，并引入了临床准备度矩阵和验证质量评估来突出转化差距	纳入研究数量有限（仅9项），方法学严谨性、外部验证（仅33.3%的研究采用）、可解释性和报告标准差异较大，可重复性存在挑战	系统回顾和评估用于胃癌预测的AI/ML模型，以绘制方法学严谨性、转化准备度和生物标志物收敛性	利用微生物组数据（来自胃黏膜、粪便、唾液、舌苔、肿瘤组织）和非侵入性生物标志物进行胃癌诊断、风险分类或治疗反应预测的研究	机器学习	胃癌	16S rRNA测序	Random Forest, LASSO, LightGBM, 深度学习	微生物组数据，舌象成像代理	NA	NA	NA	AUC	NA