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
241	2026-01-30	Age Estimation of the Cervical Vertebrae Region Using Deep Learning 2025-Dec-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010007 PMID:41595939	研究论文	本研究利用深度学习技术，基于侧位头颅X光片中的颈椎区域进行年龄估计	系统比较了四种不同的颈椎表示输入模式（轮廓、掩码、颈椎、颈椎区域）对年龄估计的贡献，并发现结合周围软组织和完整椎体上下文能显著提高准确性	研究样本年龄范围限于4-40岁，且未在更广泛年龄组或不同成像设备上进行验证	探究不同颈椎表示在基于医学图像的年龄估计任务中的有效性	侧位头颅X光片中的颈椎区域	计算机视觉	NA	侧位头颅X光片成像	深度学习模型	医学图像	20,174名年龄在4-40岁的受试者，按5岁间隔分组	NA	NA	平均绝对误差	NA
242	2026-01-30	Subclass-Aware Contrastive Semi-Supervised Learning for Inflammatory Bowel Disease Classification from Colonoscopy Images 2025-Dec-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010008 PMID:41595940	研究论文	本文提出了一种用于结肠镜图像炎症性肠病分类的子类感知对比半监督学习方法	提出了一种名为SACSSL的新方法，通过将子类感知对比模块集成到基于伪标签的半监督框架中，有效缓解了确认偏差并捕获了类内异质性	未明确说明方法在更广泛数据集上的泛化能力，也未讨论计算复杂度	开发一种半监督学习方法，以在标记数据有限的情况下，准确分类炎症性肠病	结肠镜图像	计算机视觉	炎症性肠病	NA	深度学习	图像	两个数据集：内部收集的Daping数据集和公开可用的LIMUC数据集	NA	基于FixMatch框架	准确率, F1分数	NA
243	2026-01-30	Integrating protein language and geometric deep learning models for enhanced vaccine antigen prediction 2025-Dec-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67778-2 PMID:41423641	研究论文	本研究开发了一个名为PLGDL的框架，通过整合蛋白质语言模型和几何深度学习模型来预测保护性疫苗抗原	首次将蛋白质语言模型与几何深度学习模型相结合，同时利用蛋白质的一级序列特征和三维结构特征，减少人工特征提取的偏差	未在论文摘要中明确说明	开发高性能的疫苗保护性抗原预测工具，以加速疫苗研发	病毒、细菌和真核病原体产生的蛋白质抗原	机器学习	传染病	蛋白质语言模型，几何深度学习	深度学习模型	蛋白质序列数据，蛋白质三维结构数据	未在摘要中明确说明具体样本数量	未在摘要中明确说明	PLGDL（蛋白质语言与几何深度学习集成框架）	未在摘要中明确说明	未在摘要中明确说明
244	2026-01-30	Spectral image classification of asymptomatic peanut leaf diseases based on deep learning algorithms 2025-Dec-21, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01485-3 PMID:41423650	研究论文	本研究开发了一种基于深度学习的多光谱成像系统，用于对无症状花生叶部病害进行早期高精度分类	结合多光谱反射与荧光成像硬件系统，并引入自适应通道注意力机制和稀疏二阶注意力机制驱动网络，增强了深度特征信息的判别能力	NA	实现花生叶部病害的及时、快速、准确早期诊断与控制，以确保花生产量与质量	无症状花生叶部病害（疮痂病、焦斑病、炭疽病）	计算机视觉	植物病害	多光谱成像	CNN	多光谱图像（反射与荧光图像）	NA	NA	结合自适应通道注意力机制与稀疏二阶注意力机制的卷积神经网络	分类准确率	NA
245	2026-01-30	Obesity prediction using an explainable deep learning framework based on LSTM-LIME with integrated visualization 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33336-5 PMID:41423660	研究论文	本研究提出了一种基于LSTM-LIME的可解释深度学习框架，用于多类别肥胖预测，并集成了交互式可视化界面	开发了首个针对沙特文化的多类别肥胖数据集，并将LSTM网络与LIME解释方法结合在交互式界面中，实现了预测准确性和风险因素的可视化	NA	开发一种准确且可解释的肥胖风险评估模型，以支持早期检测和预防策略	沙特特定数据集，包含人体测量、生活方式和饮食因素	机器学习	肥胖	NA	LSTM, Bidirectional LSTM, RNN, DNN (MLP), TabNet, Autoencoder	表格数据	NA	NA	LSTM, Bi-LSTM, RNN, MLP, TabNet, Autoencoder	准确率, 宏召回率, 宏F1分数, MAE, RMSE, 决定系数	NA
246	2026-01-30	Explainable Computational Imaging for Precision Oncology: An Interpretable Deep Learning Framework for Bladder Cancer Histopathology Diagnosis 2025-Dec-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010004 PMID:41595937	研究论文	本研究提出了一种基于YOLOv11架构的可解释深度学习框架，用于膀胱癌组织病理学诊断	将YOLOv11模型应用于膀胱癌组织病理学诊断，并引入C3k2块和C2PSA空间注意力模块等先进架构特征以提高性能，同时强调模型的可解释性和透明度	模型在炎症和无效组织样本之间存在少量误分类，表明可能存在形态学重叠	开发一种可靠、透明且可扩展的AI辅助膀胱癌诊断系统	苏木精和伊红染色的组织病理学切片，包含炎症、尿路上皮细胞癌和无效组织类别	数字病理学	膀胱癌	组织病理学染色	CNN	图像	NA	NA	YOLOv11-nano, YOLOv11-small, YOLOv11-medium, YOLOv11-large, YOLOv11-extra large	准确率, 精确率, 召回率, 平衡准确率, AUPRC, ROC-AUC, 风险覆盖分析AUC, 预期校准误差	NA
247	2026-01-30	Predicting the incidence of common intestinal infectious diseases in Changzhou, China based on environmental factors and deep learning 2025-Dec-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25998-7 PMID:41421987	研究论文	本研究基于环境因素和深度学习模型，构建了常州市常见肠道传染病的短期发病率预测模型	提出了一种结合季节性趋势分解（STL）、Transformer和LSTM的先进混合模型（STL-T-L），用于预测肠道传染病发病率，并整合了历史发病率、多种环境因素及工程化的时间特征	研究局限于中国常州市的数据，模型在其他地区的泛化能力有待验证	构建常州市常见肠道传染病的短期日发病率预测模型	手足口病和其他感染性腹泻的日发病率数据	机器学习	肠道传染病	NA	LSTM, Transformer, 混合模型	时间序列数据（发病率、气象、空气污染物）	2014年5月13日至2024年12月31日期间常州市的日发病率、气象及空气污染物数据	NA	LSTM, Transformer, STL-T-L（季节性趋势分解-Loess、Transformer、LSTM混合架构）	RMSE, MAE, MAPE, MASE	NA
248	2026-01-30	Examination of new clinical dental caries in school children using real intra oral photos with artificial intelligence model YOLO-V8x 2025-Dec-20, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07486-x PMID:41422004	研究论文	本研究评估了基于YOLOv8x模型的HI Bogi应用在印度尼西亚小学生中检测龋齿的有效性	首次将YOLOv8x模型应用于真实口腔照片的龋齿检测，并与牙医诊断进行对比验证	模型在特定类别上的精度存在差异，需要进一步优化以提高罕见病变类别的检测率	评估人工智能模型在龋齿诊断中的性能，以替代传统耗时的人工诊断方法	印度尼西亚Cimahi地区小学生的口腔照片	计算机视觉	龋齿	人工智能图像分析	YOLO	图像	3221张JPG格式的口腔照片	YOLOv8	YOLOv8x	mAP, IoU, 精确率, 召回率, 灵敏度, 特异度	NA
249	2026-01-30	Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01287-4 PMID:39953255	研究论文	本研究探讨了结合深度学习图像重建（DLIR）与金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	首次在猪颌面区域模型中，结合DLIR与MAR算法，并评估了在不同剂量水平和重建方法下的图像质量	研究基于猪模型（幻影），未涉及人体临床数据，样本量较小（四个幻影）	评估DLIR与MAR算法结合对CT图像质量的影响，特别是在减少金属伪影方面	猪颌面区域模型（幻影）	医学影像	NA	CT扫描	深度学习图像重建（DLIR）	CT图像	四个猪颌面区域幻影	NA	NA	标准偏差（SD）、信噪比（SNR）、对比噪声比（CNR）、金属伪影指数（MAI）、主观图像质量评分（5点Likert量表）	NA
250	2026-01-30	Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review 2025-Dec, Veterinary clinical pathology IF:1.2Q3 DOI:10.1111/vcp.70012 PMID:40462415	综述	本文介绍了人工智能在兽医临床病理学中的应用，并探讨了其资格认证与整合方法	以非技术性方式介绍AI基本概念，并强调兽医临床病理学家在AI方法设计、资格认证及负责任应用中的主动角色	NA	探索人工智能在兽医临床病理学工作流程中的增强机会	兽医临床病理学领域	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
251	2026-01-30	Deep Learning-Based Segmentation of Coronary Arteries and Stenosis Detection in X-Ray Coronary Angiography 2025-Dec, JACC. Advances DOI:10.1016/j.jacadv.2025.102360 PMID:41447280	研究论文	本文利用深度学习模型对X射线冠状动脉造影图像进行冠状动脉分割和狭窄检测，并进行外部验证与专家变异性比较	开发了基于深度学习的冠状动脉分割和狭窄检测模型，首次在多中心数据上进行训练和验证，并证明其性能与专家水平相当	研究仅基于两个医疗中心的数据，可能无法完全代表所有临床场景；狭窄检测率仍有提升空间	训练深度学习模型用于自动分割冠状动脉并检测显著狭窄，以辅助临床诊断	X射线冠状动脉造影图像	计算机视觉	心血管疾病	X射线冠状动脉造影	深度学习模型	图像	10,573张ICA图像用于训练（中心1: 9,065张，中心2: 1,508张），验证集309张图像	NA	NA	Dice系数, 检测率, 置信区间	NA
252	2026-01-30	Artificial Intelligence and Augmented Reality in Orthopedic Surgery: A Narrative Review of Current Applications and Future Directions 2025-Dec, Cureus DOI:10.7759/cureus.100177 PMID:41602239	综述	本文综述了人工智能和增强现实在骨科手术中的当前应用与未来发展方向	系统性地总结了AI和AR技术在骨科手术全流程（从术前规划到术后评估及教育）中的整合应用现状，并指出了未来实现广泛临床转化所需的关键研究方向	现有研究多为单中心小样本队列，结局指标异质性大，AI模型缺乏外部验证，AR系统在人体工学、工作流整合、配准精度和设备可用性方面仍面临实际挑战	探讨人工智能和增强现实技术在骨科手术领域的应用潜力与临床转化路径	骨科手术流程，包括影像解读、术前规划、术中导航、术后评估及外科教育	计算机视觉, 机器学习	骨科疾病	机器学习, 深度学习, 计算机视觉, 增强现实, 混合现实	NA	影像数据, 手术导航数据	NA	NA	NA	放置精度（度/毫米）, 透视使用减少量	NA
253	2025-12-27	Deep learning-based ordinal classification overcomes subjective assessment limitations in intraoral free flap monitoring 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33637-9 PMID:41449199	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
254	2025-12-27	Explainable deep learning ensemble framework for accurate classification of wild poisonous mushroom species 2025-Dec-25, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01092-z PMID:41449383	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
255	2026-01-29	SentXFormer: a transformer-enhanced hybrid deep learning framework for cross-domain sentiment analysis of customer reviews 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33526-1 PMID:41444756	研究论文	本文提出了一种名为SentXFormer的混合深度学习框架，用于跨领域客户评论的情感分析	结合了CNN、GRU层与BERT、RoBERTa、DABERT的上下文嵌入，并采用基于对抗训练和梯度反转层的领域适应模块，以学习领域不变表示	NA	提高跨领域情感分析的准确性和泛化能力	客户评论	自然语言处理	NA	NA	CNN, GRU, Transformer	文本	23,440条情感标注评论，来自Amazon（7,550条）、Yelp（8,450条）和IMDB（7,440条）数据集	NA	SentiConGRU-Net, BERT, RoBERTa, Domain-Adaptive BERT	准确率	NA
256	2026-01-29	Advances in AI-Driven EEG Analysis for Neurological and Oculomotor Disorders: A Systematic Review 2025-Dec-24, Biosensors DOI:10.3390/bios16010015 PMID:41590267	系统综述	本文系统综述了人工智能在脑电图分析中用于神经和眼动障碍诊断、分类和监测的最新进展	综合了机器学习与深度学习技术在脑电图分析中的应用趋势，并强调了方法学进展与常见挑战	纳入研究存在样本量小、数据集异质性强以及外部验证有限等普遍局限性	评估人工智能驱动的脑电图分析在神经和眼动障碍评估中的当前方法及未来方向	神经和眼动相关障碍	机器学习	神经疾病	脑电图	机器学习, 深度学习	脑电图信号	NA	NA	NA	NA	NA
257	2025-12-25	Deep learning estimation of effective atomic number for HU to RED calibration in dual energy photon counting CT 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33507-4 PMID:41436561	研究论文	本研究提出了一种基于深度学习的双能CT有效原子序数估计方法，用于改进相对电子密度校准	采用改进的U-Net模型直接从合成数据中预测有效原子序数，相比传统的Rutherford和化学计量法，显著提高了预测精度和HU-RED校准的线性度	研究基于体模实验，尚未在临床数据上进行验证，且样本材料种类有限（八种）	改进双能CT中相对电子密度的估计精度，以支持更精确的剂量计算	组织等效体模中的八种材料	计算机视觉	NA	双能光子计数CT	CNN	图像	八种材料（组织等效体模）	NA	改进的U-Net	平均绝对误差, 相对误差, 残差, R²	NA
258	2026-01-29	Deep Learning-Based Quantification of Residual Blood Clots in Single-Use Dialyzers Using Bedside Mobile-Captured Images 2025-Dec-18, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549740 PMID:41411211	研究论文	本研究开发了一种基于深度学习的模型，利用床边智能手机拍摄的图像量化透析器中残留的血栓	首次将ConvNeXt架构应用于透析器血栓量化，并结合可解释AI（LIME）验证模型聚焦临床相关区域，通过复合图像增强检测能力	模型准确率仍有提升空间（最高0.7672），且仅针对<10%和∼30%两种血栓水平进行二分类	开发机器学习模型以量化透析器中残留血栓，辅助临床决策	透析器图像（通过智能手机拍摄）	计算机视觉	终末期肾病	图像采集与预处理（背景去噪、图像分割）	CNN	图像	未明确具体样本数量，数据集按60%/20%/20%划分为训练/验证/测试集	未明确指定，可能为PyTorch或TensorFlow	ConvNeXt	准确率	未明确指定
259	2026-01-29	The orthodontic diagnosis 2025-12-09, Nederlands tijdschrift voor tandheelkunde DOI:10.5177/ntvt.2025.12.25003 PMID:41367283	综述	本文综述了正畸诊断的基础、系统、技术发展及其在临床实践中的应用与局限性	强调了人工智能和深度学习在提升正畸诊断测量与分类可靠性方面的应用，同时指出其在准确性和透明度方面的挑战	人工智能无法替代临床评估，复杂病例仍需人工解释和跨学科合作	探讨正畸诊断的系统、技术发展及其在临床决策中的作用	正畸诊断中的骨骼、牙齿和功能异常评估	NA	NA	人工智能，深度学习	NA	NA	NA	NA	NA	准确性，透明度	NA
260	2026-01-29	Deep learning-based acceleration and denoising of 0.55T MRI for enhanced conspicuity of vestibular Schwannoma post contrast administration 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03758-z PMID:40970959	研究论文	本研究评估了基于深度学习的去噪算法在0.55T MRI中用于增强对比剂后前庭神经鞘瘤显影效果及缩短采集时间的应用	首次在0.55T MRI中应用深度学习去噪技术，显著提升图像质量的同时将检查时间缩短超过一半	研究为回顾性设计，样本量较小（仅30例患者），且仅针对前庭神经鞘瘤这一特定疾病	评估深度学习去噪算法在0.55T MRI中提升前庭神经鞘瘤显影效果和减少采集时间的效能	30例前庭神经鞘瘤患者（包括9名女性）的MRI影像数据	医学影像分析	前庭神经鞘瘤	MRI成像，深度学习去噪	深度学习模型	MRI图像	30例患者	NA	NA	图像质量评分，肿瘤显影评分，伪影评分，尺寸测量可靠性	NA