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	2026-01-14	Transforming Intraoperative Breast Cancer Diagnosis through D-FFOCT and AI Integration 2025-Nov-21, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2025.26.11.3877 PMID:41312911	评论	本文讨论了将动态全场光学相干断层扫描（D-FFOCT）与人工智能（AI）结合用于术中乳腺癌诊断的变革潜力	提出将D-FFOCT的高分辨率实时成像与深度学习算法结合，为术中乳腺癌诊断提供了一种非破坏性、快速且准确的替代方案	实施面临高质量数据集需求、算法偏见以及技术整合等挑战	优化乳腺癌手术的术中诊断，提升决策质量并改善患者预后	乳腺癌组织样本	数字病理学	乳腺癌	动态全场光学相干断层扫描（D-FFOCT）	深度学习	图像	NA	NA	NA	诊断准确性，速度	NA
42	2026-01-14	Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods 2025-Nov-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.04.686644 PMID:41278894	综述	本文探讨了深度学习在RNA二级结构预测中的应用，评估了其泛化能力，并扩展了传统方法的范围	使用从蛋白质数据库（PDB）中整理的新基准数据集来评估方法泛化性，并讨论了深度学习在预测结构探测数据方面的应用	已知RNA结构的多样性和数量有限，可能导致模型对未见结构的预测准确性不足，即泛化差距问题	评估深度学习在RNA二级结构预测中的泛化能力，并探索其与传统方法的整合	RNA二级结构预测方法，特别是深度学习模型	机器学习	NA	RNA结构预测，结构探测数据预测	深度学习模型	RNA结构数据，结构探测数据	从蛋白质数据库（PDB）中整理的结构化RNA基准数据集	NA	NA	泛化能力评估	NA
43	2026-01-14	Employment of artificial intelligence for an unbiased evaluation regarding the recovery of right ventricular function after mitral valve transcatheter edge-to-edge repair 2025-Nov, European journal of heart failure IF:16.9Q1 DOI:10.1002/ejhf.3705 PMID:40488515	研究论文	本研究利用传统超声心动图和人工智能深度学习模型，评估了经导管二尖瓣缘对缘修复术对严重二尖瓣反流患者右心室功能恢复的影响	首次结合传统超声心动图测量（TAPSE）与基于深度学习的右心室射血分数预测模型，对M-TEER术后右心室功能恢复进行无偏评估	研究为双中心注册研究，可能存在选择偏倚；随访时间较短（3个月），无法评估长期右心室功能变化	评估经导管二尖瓣缘对缘修复术对严重二尖瓣反流患者右心室功能恢复的影响	接受M-TEER治疗的严重二尖瓣反流患者	数字病理学	心血管疾病	超声心动图	深度学习模型	二维心尖四腔视图超声心动图视频	851名患者	NA	NA	NA	NA
44	2026-01-13	EEG-SGENet: A lightweight convolutional network integrating SGE for motor imagery brain-computer interfaces 2025-Nov-28, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.09.040 PMID:41173359	研究论文	本文提出了一种轻量级卷积神经网络EEG-SGENet，通过集成SGE模块来提升运动想象脑机接口的分类性能	引入轻量级的SGE模块来调整语义子特征的空间注意力，增强有用特征并抑制噪声，实现了模型精度与计算成本的良好平衡	NA	在运动想象脑机接口中，平衡分类精度与计算资源消耗	基于脑电图（EEG）的运动想象脑机接口信号	机器学习	NA	脑电图（EEG）	CNN	脑电图信号	NA	NA	EEG-SGENet	准确率	NA
45	2026-01-13	Artificial Intelligence for Risk Stratification in Diffuse Large B-Cell Lymphoma: A Systematic Review of Classification Models and Predictive Performances 2025-Nov-24, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci13040280 PMID:41440512	系统综述	本文系统综述了人工智能（AI）和机器学习（ML）技术在弥漫性大B细胞淋巴瘤（DLBCL）预后预测和风险分层中的应用	系统性地梳理了AI/ML在DLBCL风险分层中的多种数据模态（如临床特征、PET/CT影像、组学数据等）和计算方法，并指出多组学模型和ctDNA预测因子具有临床转化潜力	需要外部验证和提高模型可解释性，以实现从研究到临床工作流程的实际整合	系统绘制当前关于AI/ML技术在DLBCL结局预测和风险分层中应用的文献图景，识别关键趋势、知识差距及临床转化机会	应用AI/ML预测DLBCL生存结局、分类风险组或识别预后亚型的原始研究论文	数字病理学	弥漫性大B细胞淋巴瘤	基因表达谱分析、突变特征分析、循环肿瘤DNA分析、microRNA分析、多组学整合	集成学习, CNN, LASSO-based Cox模型	临床数据, PET/CT影像, CT影像, 数字病理图像, 常规组织病理学数据, 转录组学数据, 基因组学数据, ctDNA数据, microRNA数据, 多组学数据	共筛选215条记录，其中91项研究符合纳入标准	NA	NA	AUC	NA
46	2026-01-13	Application of Artificial Intelligence in Vulnerable Carotid Atherosclerotic Plaque Assessment-A Scoping Review 2025-Nov-22, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61122082 PMID:41470084	综述	本文是一篇范围综述，总结了人工智能（特别是深度学习和影像组学）在评估易损性颈动脉粥样硬化斑块中的应用证据	系统性地回顾了2021年至2025年间AI在颈动脉斑块易损性评估中的最新应用，涵盖了超声、CTA和MRI等多种成像模态，并比较了其诊断性能	纳入的研究多为单中心，仅两项研究进行了外部验证，缺乏校准和决策曲线分析，限制了结果的普适性	评估人工智能技术在检测和评估易损性颈动脉斑块中的应用潜力	颈动脉粥样硬化斑块	数字病理	心血管疾病	超声、计算机断层扫描血管成像、高分辨率磁共振成像	机器学习、深度学习、影像组学	医学影像	共纳入12项研究，样本量从106到205不等	NA	NA	ROC-AUC	NA
47	2026-01-13	Label-efficient computational tumour infiltrating lymphocyte assessment in breast cancer (ECTIL): multicentre validation in 2340 patients with breast cancer 2025-Nov, The Lancet. Digital health DOI:10.1016/j.landig.2025.100921 PMID:41381302	研究论文	本研究提出并验证了一种基于深度学习的标签高效计算模型ECTIL，用于评估乳腺癌组织切片中的肿瘤浸润淋巴细胞密度，并在多中心队列中展示了其与病理学家评分的高度一致性	提出了一种无需复杂深度学习分割和检测流程的简化模型，仅需10分钟训练时间和100倍更少的病理学家标注即可实现高精度TIL评分	模型在特定分子亚型（如三阴性乳腺癌）上表现更优，可能在其他亚型泛化能力有限；未详细探讨模型在不同染色批次或扫描仪间的鲁棒性	开发一种高效、可重复的计算模型，辅助病理学家进行乳腺癌肿瘤浸润淋巴细胞评估	2340名乳腺癌患者的全切片图像，包括790名三阴性乳腺癌患者	数字病理学	乳腺癌	苏木精-伊红染色、福尔马林固定石蜡包埋全切片成像	深度学习回归模型	全切片图像	2340名患者，来自三个国家的多中心队列和三项随机临床试验	NA	基于病理学基础模型的特征提取器	Pearson相关系数, AUROC	NA
48	2026-01-12	Forensic identification using siamese, transfer learning and custom deep learning models 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30703-0 PMID:41318679	研究论文	本研究探索了多种深度学习模型在人类头骨法医鉴定中的应用，并提出了一个性能优异的孪生神经网络方法	提出了一个用于法医鉴定的孪生神经网络方法，在准确率上超越了现有文献中的最先进方法	NA	开发自动化方法用于人类头骨的法医鉴定，以确定性别、祖先等特征	人类头骨图像	计算机视觉	NA	深度学习	CNN, 孪生神经网络	图像	来自新墨西哥州死者图像数据库（NMDID）的DICOM文件头骨图像	NA	VGG-16, ResNet50, DenseNet, MobileNet, InceptionV3, EfficientNet, AlexNet, 自定义CNN	准确率	NA
49	2026-01-12	Combining citation and productivity metrics through harmonic mean enhances researcher ranking accuracy 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30432-4 PMID:41318760	研究论文	本研究提出了一种通过调和平均数结合引文和生产指标的新指数，以提升研究者排名的准确性	开发了一种基于调和平均数结合最不相关参数对的新指数，以整合多样化的评估标准，减少偏见并增强排名鲁棒性	研究仅基于1060名神经科学研究者数据集，可能限制了在其他领域的普适性	预测科学影响力并准确排名研究者，以提升研究生产力、支持决策制定和推进科学评估方法	神经科学领域的研究者，包括获奖者和非获奖者	机器学习	NA	深度学习技术	NA	文本数据（研究者指标数据）	1060名神经科学研究者	NA	NA	平均影响力得分	NA
50	2026-01-11	Attention-Base deep learning for 3D craniofacial soft tissue landmark detection and diagnosis in orthodontics 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30383-w PMID:41318682	研究论文	本文提出了一种创新的两阶段注意力深度学习框架，用于三维颅面软组织标志点检测与正畸诊断分类	开发了结合测地线裁剪模块和动态标志点结构学习模块的两阶段注意力框架，首次将解剖学先验知识融入空间依赖建模，显著提升了定位精度与结构一致性	未明确说明模型在不同种族、年龄组或病理条件下的泛化能力，也未讨论计算效率是否满足实时临床需求	实现三维颅面软组织的自动化标志点检测与正畸治疗难度诊断分类	三维颅面软组织扫描数据	计算机视觉	错颌畸形	三维扫描成像	深度学习, Transformer	三维点云数据	未在摘要中明确说明具体样本数量	PyTorch	PointTransformerV3	平均径向误差, 成功检测率, 成功分类率, 诊断准确率	NA
51	2026-01-11	Biological Age Prediction of the Cerebellar Vermis in the Human Lifespan 2025-Nov-19, Cerebellum (London, England) DOI:10.1007/s12311-025-01929-5 PMID:41258571	研究论文	本研究利用深度学习从结构MRI中提取的脑结构年龄生物标志物，探究了人类小脑蚓部随年龄增长的区域特异性老化模式	首次使用深度学习衍生的脑结构年龄生物标志物系统评估小脑蚓部各亚区的老化轨迹，揭示了前后梯度差异及性别特异性老化模式	研究为横断面设计，无法推断因果关系；样本仅来自单一数据库（伊朗脑成像数据库），可能限制结果的普适性	评估小脑蚓部区域特异性老化模式及其影响因素	245名健康参与者的小脑蚓部结构MRI数据	医学影像分析	NA	结构磁共振成像	深度学习	3D T1加权磁共振图像	245名健康参与者（青年组20-39岁、中年组40-59岁、老年组≥60岁）	NA	NA	调整后R方	3T MRI扫描仪（64通道线圈）
52	2026-01-11	AI-Driven Real-Time Monitoring of Cardiovascular Conditions With Wearable Devices: Scoping Review 2025-Nov-11, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/73846 PMID:41218203	综述	本文是一篇范围综述，探讨了利用可穿戴设备和人工智能技术进行心血管疾病实时监测的主要挑战与潜在解决方案	系统性地识别了AI驱动平台在实时心血管监测中的关键挑战，并提出了跨学科研究需求，强调了从传统机器学习到轻量级深度学习算法的多种AI技术在可穿戴设备或云端处理中的应用	现有研究数量有限，缺乏全面的验证，多数依赖公开数据集而非社区环境下的真实世界验证，且实时部署的AI算法常未报告操作特性与挑战	识别AI驱动平台用于可穿戴设备实时心血管监测的主要挑战，并探索潜在解决方案，同时考察AI算法的开发与部署流程优化	使用可穿戴设备收集参与者数据并应用AI算法进行实时分析以检测或预测心血管事件与疾病的研究	机器学习	心血管疾病	NA	传统机器学习, 轻量级深度学习	心血管信号, 生命体征, 身体活动数据	从2385条记录中筛选，最终纳入19项研究	NA	NA	NA	NA
53	2026-01-11	A deep learning-based approach for measuring patellar cartilage deformations from knee MR images 2025-Nov, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112930 PMID:40915052	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于从膝关节磁共振图像中测量髌骨软骨的变形	首次将2D和3D U-Net应用于髌骨及髌骨软骨的自动分割，并成功检测到跳跃活动引起的软骨变形	研究仅基于109例膝关节磁共振扫描，样本量相对有限，且未与其他自动分割方法进行广泛比较	开发卷积神经网络以分割髌骨及髌骨软骨，并评估其测量运动诱导软骨变形的能力	膝关节磁共振图像中的髌骨及髌骨软骨	计算机视觉	骨关节炎	磁共振成像	CNN	图像	109例膝关节磁共振扫描	NA	U-Net	平均Dice相似系数, ICC, 平均差异	NA
54	2026-01-10	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的高效人脸识别方法，该方法结合了传统特征学习和现代少样本深度学习，在共享的孪生网络架构下运行	提出了一种混合人脸识别框架，将基于Viola-Jones算法和粒子群优化的轻量级边缘路径与使用EfficientNetV2和InceptionV3作为特征编码器的深度学习云路径相结合，在孪生网络架构下统一优化，以在资源受限和少样本条件下实现高效识别	NA	开发一种在资源受限环境（如边缘设备）和少样本条件下高效、可扩展的实时人脸识别解决方案	人脸图像	计算机视觉	NA	人脸识别，少样本学习	孪生网络	图像	使用Kaggle人脸识别数据集在单样本、低数据设置下进行测试	NA	EfficientNetV2, InceptionV3	准确率	CPU, Raspberry Pi（代表资源受限边缘设备）, GPU（代表高容量云环境）
55	2026-01-10	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，用于早期黑色素瘤检测和精确病变分割	结合了多路径视觉变换器（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，优于现有模型	未明确提及具体局限性，可能包括对数据预处理依赖或计算资源需求	早期和准确诊断黑色素瘤，同时进行分类和分割	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	混合架构（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，可能为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
56	2026-01-09	An integrated facial recognition system for classroom resource optimization using MobileNet and SSA-SVM 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29327-1 PMID:41318694	研究论文	本文提出了一种集成面部识别系统，结合MobileNet和SSA-SVM，用于优化大学教室资源利用	结合MobileNet特征提取与SSA-SVM分类模型，在实时监控和出勤跟踪中提高了面部检测与识别准确率	NA	通过实时监控和出勤跟踪，支持大学教室的高效利用和资源分配	大学教室中的面部识别与资源优化	计算机视觉	NA	深度学习	CNN, SVM	图像	NA	NA	MobileNet	准确率, 识别率, 帧率	NA
57	2026-01-09	Using Artificial Intelligence to Automate the Analysis of Psoriasis Severity: A Pilot Study 2025-Nov-21, Dermatology (Basel, Switzerland) DOI:10.1159/000549640 PMID:41269911	研究论文	本研究利用YOLOv8深度学习模型，基于2D临床图像特征，自动分类银屑病皮损的严重程度，旨在提高银屑病面积与严重性指数（PASI）评分的客观性和一致性	首次将YOLOv8模型应用于基于PASI关键子成分（红斑、厚度和鳞屑）的银屑病严重程度自动分类，并通过分层k折交叉验证增强模型在不同数据集上的可靠性	研究为试点性质，样本量有限，且仅使用2D临床图像，可能未涵盖所有临床变异	利用人工智能提高银屑病严重程度评估的客观性和一致性	银屑病皮损的2D临床图像	计算机视觉	银屑病	深度学习	YOLOv8	图像	三个不同数据集（具体数量未明确）	Google Colab	YOLOv8	混淆矩阵, 准确率	云端环境（Google Colab）
58	2026-01-09	Utility of Thin-slice Single-shot T2-weighted MR Imaging with Deep Learning Reconstruction as a Protocol for Evaluating Pancreatic Cystic Lesions 2025-Nov-20, 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.2025-0042 PMID:40518300	研究论文	评估深度学习重建超分辨率技术对2mm薄层单次激发T2加权磁共振图像在胰腺囊性病变评估中的效用	首次将深度学习重建超分辨率技术应用于2mm薄层单次激发T2加权磁共振成像，并与传统5mm层厚图像进行对比，以优化胰腺囊性病变的影像评估	研究样本量较小（仅30例患者），且为单中心研究，可能限制结果的普遍适用性	评估深度学习重建超分辨率技术对薄层磁共振图像质量的影响，以改善胰腺囊性病变的诊断评估	胰腺囊性病变患者	医学影像分析	胰腺疾病	单次激发涡轮自旋回波磁共振成像，深度学习重建超分辨率技术	深度学习重建模型	磁共振图像	30例连续入组的胰腺囊性病变患者	NA	NA	信噪比，对比噪声比，图像质量评分（包括胰腺边缘锐利度、感知粗糙度、胰管清晰度、噪声、伪影、整体图像质量及诊断信心）	NA
59	2026-01-09	Explainable Artificial Intelligence Framework for Predicting Treatment Outcomes in Age-Related Macular Degeneration 2025-Nov-11, Sensors (Basel, Switzerland) DOI:10.3390/s25226879 PMID:41305085	研究论文	本文提出了一种结合神经符号推理和大语言模型的混合框架，用于预测年龄相关性黄斑变性（AMD）的治疗结果，并提供可解释的风险评估	提出了一种混合神经符号与大语言模型（LLM）的框架，将机制性疾病知识与多模态眼科数据相结合，实现了可解释的AMD治疗预后预测	研究受限于单中心范围和短期随访	开发一个可解释的人工智能框架，用于预测年龄相关性黄斑变性（AMD）的治疗结果	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描、眼底荧光素血管造影、扫描激光检眼镜、眼部/浅表B超	神经符号模型, 大语言模型（LLM）	图像, 文本	10名手术治疗的AMD患者（6名男性，4名女性；平均年龄67.8±6.3岁），包含30份结构化临床文档和100个配对成像序列	NA	NA	AUROC, AUPRC, Brier分数	NA
60	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