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
501	2025-12-31	A Preliminary Study on an Intelligent Segmentation and Classification Model for Amygdala-Hippocampus MRI Images in Alzheimer's Disease 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.039 PMID:40903373	研究论文	本研究开发了一种深度学习模型，用于分割和分类阿尔茨海默病中的杏仁核-海马体MRI图像，旨在提高早期AD的检测和干预能力	采用半自动标注流程结合U²-Net分割模型和DenseNet-121分类架构，利用大规模多中心神经影像数据集，提升了杏仁核-海马体的识别精度	研究主要基于中国医疗中心的数据，外部验证集规模相对较小（每组100例），可能限制模型的泛化能力	开发智能分割和分类模型，以改善阿尔茨海默病的早期检测和临床评估	阿尔茨海默病患者和健康对照者的杏仁核-海马体MRI图像	数字病理	阿尔茨海默病	神经影像学评估	CNN	MRI图像	内部训练数据包括1000名健康对照和1000名AD患者，外部验证集包括每组100例	NA	U²-Net, DenseNet-121	DSC, AUC	NA
502	2025-12-31	Voxel-level Radiomics and Deep Learning Based on MRI for Predicting Microsatellite Instability in Endometrial Carcinoma: A Two-center Study 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.028 PMID:40908231	研究论文	本研究开发并验证了一种基于MRI的非侵入性深度学习模型，结合体素级影像组学特征，用于预测子宫内膜癌患者的微卫星不稳定性状态	首次将体素级影像组学特征与多序列MRI结合，并基于Vision-Mamba架构构建双通道3D深度神经网络，以同时处理体素级特征图和MR图像，从而更好地捕捉肿瘤的局部和全局异质性	研究为回顾性设计，样本量有限（375例），且仅来自两个医疗中心，可能存在选择偏倚	开发一种非侵入性模型，用于预测子宫内膜癌患者的微卫星不稳定性状态，以支持个性化治疗决策	经病理证实的子宫内膜癌患者	数字病理学	子宫内膜癌	多参数MRI（T2WI, DWI, CE-T1WI），免疫组织化学	深度学习	图像	375例患者（来自两个医疗中心）	NA	Vision-Mamba, Vision Transformer, 3D-ResNet	AUC, 准确率, 灵敏度, 特异性	NA
503	2025-12-31	Deep Learning-based Automated Opportunistic Osteoporosis Screening Using Chest LDCT and Lumbar CT: A Multicenter Cohort Study 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.015 PMID:41188157	研究论文	本研究提出了一种基于深度学习的自动化方法，利用胸部低剂量CT和腰椎CT扫描进行机会性骨质疏松筛查，并在多中心、多厂商的CT扫描仪上验证了其诊断性能	开发了一种结合多种卷积神经网络（3D VB-Net、SCN、DenseNet、ResNet）的深度学习流程，用于自动椎体分割、感兴趣区域提取和骨密度计算，实现了在多中心、多厂商CT扫描仪上的高性能骨质疏松筛查	本研究为回顾性研究，可能存在选择偏倚；未明确说明模型在不同人群（如不同年龄、性别）中的泛化性能	开发并验证一种基于深度学习的自动化骨密度测量方法，用于机会性骨质疏松筛查	接受胸部低剂量CT和腰椎CT扫描的患者	计算机视觉	骨质疏松症	低剂量CT、腰椎CT、定量CT	CNN	CT图像	4305名患者，数据来自五家医院的九台CT扫描仪，分为训练集（1891）、验证集（806）和测试集1-5（229、418、508、229、224）	NA	3D VB-Net, SCN, DenseNet, ResNet	R², 平均误差, 95%一致性限, AUC, 灵敏度, 特异性	NA
504	2025-12-31	Deep Learning R-Wave Detection for Electrocardiographic Gating in Cardiac MRI 2025-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250104 PMID:41196189	研究论文	本研究评估了心脏MRI中ECG门控错误的频率，并开发了一种用于R波检测的卷积神经网络以减少此类错误	首次将卷积神经网络应用于心脏MRI环境下的ECG R波检测，特别是在3.0 T高场强下对MRI引起的伪影具有更强的鲁棒性	研究为回顾性设计，样本量相对有限（共167名患者），且未在更广泛的人群或不同MRI设备上进行外部验证	评估ECG门控错误频率，并开发一种基于深度学习的R波检测方法以提高心脏MRI图像质量	接受心脏电影MRI检查患者的ECG追踪数据	医学图像分析	心血管疾病	心脏MRI, ECG追踪	CNN	ECG信号（时间序列数据）	167名患者（120名内部数据集，47名外部数据集）	未明确说明	未明确说明具体架构	F1分数, 假阳性率	未明确说明
505	2025-12-31	PET/CT-based deep learning model predicts distant metastasis after SBRT for early-stage NSCLC: A multicenter study 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102663 PMID:41260004	研究论文	本研究开发并验证了一个基于18F-FDG PET/CT图像的深度学习融合模型，用于预测早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险	首次提出基于PET/CT图像的深度学习融合模型来预测早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险，并通过多中心数据验证了其优越的预测性能	研究样本量相对有限（共566例患者），且外部验证集规模较小（80例），未来需要更大规模的多中心研究进一步验证模型的泛化能力	开发并验证一个基于深度学习的预测模型，用于评估早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险	早期非小细胞肺癌患者	数字病理学	肺癌	18F-FDG PET/CT成像	VAE, 全连接网络	医学影像（CT、PET及融合图像）	566例患者（来自5家医院），分为训练集347例、内部测试集139例和外部测试集80例	NA	变分自编码器, 全连接网络	C-index, 风险比	NA
506	2025-12-31	Development of a Novel Interpretable Transformer-Based Deep Learning Model for Predicting Postoperative Hypokalemia in Pituitary Adenomas 2025-Dec, Journal of evidence-based medicine DOI:10.1111/jebm.70089 PMID:41261064	研究论文	本研究开发了一种基于Transformer的可解释深度学习模型CliTab-Transformer，用于预测垂体腺瘤患者术后低钾血症	首次将Transformer架构应用于临床表格数据，并引入了一种新的Transformer可解释性方法，以识别对个体预测有贡献的重要参数	研究为回顾性队列研究，样本量相对较小（280例患者），可能存在选择偏倚	开发一个可解释的预测模型，以预测垂体腺瘤患者术后低钾血症，并识别影响预测结果的个体化重要参数，从而促进早期干预	垂体腺瘤患者	机器学习	垂体腺瘤	NA	Transformer, XGBoost, MLP	表格数据	280例患者	NA	CliTab-Transformer, XGBoost, MLP	准确率, 精确率, 召回率, F1分数, ROC曲线, PR曲线, AUC	NA
507	2025-12-31	Explainable deep learning based techniques for ECG-Based heart disease classification: A systematic literature review and future direction 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111324 PMID:41265065	系统文献综述	本文对基于心电图（ECG）的心脏病分类中可解释深度学习（XAI）技术进行了系统文献综述，分析了方法选择、可解释性影响及未来研究方向	系统梳理了2018年至2024年间基于ECG的心脏病分类中XAI与深度学习结合的研究，识别了常用数据集、模型架构及XAI技术，并指出了该领域的主要挑战与未来机遇	综述范围限于2018年1月至2024年9月的文献，可能未涵盖最新进展；且仅聚焦于ECG数据和深度学习架构，未涉及其他心脏病诊断方法	提高对基于ECG的心脏病分类中深度学习模型可解释性的理解，并系统评估相关方法、挑战及未来研究方向	基于ECG数据的心脏病分类研究，特别是采用可解释人工智能（XAI）与深度学习技术的学术论文	机器学习	心血管疾病	心电图（ECG）	深度学习模型	心电图信号数据	涉及6448项初步研究，其中51项使用了XAI-based DL架构，共涉及25个不同数据集	NA	共识别出16种不同的深度学习架构	NA	NA
508	2025-12-31	Image Quality Improvement and Artificial Intelligence Performance in Pulmonary Embolism Detection at Deep Learning Reconstruction-Based Ultra-low Radiation Dose CT Pulmonary Angiography 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.018 PMID:41067972	研究论文	本研究评估了基于深度学习重建的超低剂量CT肺动脉造影的图像质量，并探讨了AI软件能否提升放射科医生在超低剂量图像上检测肺栓塞的诊断性能	在超低剂量CTPA中应用深度学习重建技术，并首次系统评估其与AI辅助诊断结合对肺栓塞检测的准确性、效率和辐射安全性的综合影响	研究样本量相对有限（144例患者），且为双中心研究，可能影响结果的普遍适用性	评估超低剂量CTPA中深度学习重建的图像质量，并确定AI软件是否能提升放射科医生对肺栓塞的诊断性能	疑似肺栓塞并接受CTPA检查的患者	数字病理学	心血管疾病	CT肺动脉造影	深度学习重建	医学影像	144例患者，其中超低剂量组随机选取56例参与者进行AI评估	NA	NA	灵敏度, 特异性, 准确性, 组内相关系数	NA
509	2025-12-31	Artificial intelligence-driven eye tracker models for Alzheimer's disease diagnosis: A systematic review and meta-analysis 2025-Dec, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251389145 PMID:41134992	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能驱动的眼动追踪工具在阿尔茨海默病诊断中的准确性	首次对人工智能驱动的眼动追踪模型在阿尔茨海默病诊断中的准确性进行系统综述和荟萃分析，并比较了深度学习与监督机器学习的性能差异	现有证据主要基于病例对照研究，缺乏在更广泛人群中进行有效筛查的证据，且研究间存在显著的异质性	评估人工智能驱动的眼动追踪模型在阿尔茨海默病检测中的诊断准确性	阿尔茨海默病患者与健康对照者	机器学习	阿尔茨海默病	眼动追踪	深度学习, 监督机器学习	眼动追踪数据	NA	NA	支持向量机	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, ROC曲线下面积	NA
510	2025-12-31	Attention-driven deep learning models for multivariate time series forecasting of reservoir water levels 2025-Dec, Water science and technology : a journal of the International Association on Water Pollution Research IF:2.5Q2 DOI:10.2166/wst.2025.182 PMID:41468044	研究论文	本研究探讨了深度学习模型在伊朗Nesa大坝日水位预测中的应用，比较了三种注意力驱动模型的表现	在相同实验条件下使用真实世界数据对这些模型进行对比分析	ConvLSTM2D模型表现出噪声输出和有限的预测能力	开发用于水库水位预测的智能预报系统，以支持水资源管理、防洪和灌溉规划	伊朗东南部Nesa大坝的日水位数据	机器学习	NA	深度学习	CNN, BiLSTM, LSTM, ConvLSTM2D	多元时间序列数据	15年的日水文气象变量数据集（降雨、温度、蒸发、流入、流出），80%用于训练，20%用于测试	NA	CNN + BiLSTM + Attention, Encoder-Decoder LSTM with Attention, ConvLSTM2D	RMSE, MAE	NA
511	2025-12-30	SDMFFN: a novel specular detection median filtering fusion network for specular reflection removal in endoscopic images 2025-Dec-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae291d PMID:41360013	研究论文	提出一种新颖的镜面检测中值滤波融合网络（SDMFFN），用于检测和去除内窥镜图像中的镜面反射	提出了一种两阶段框架，在检测阶段集成了增强的Specular Transformer Unet（S-TransUnet）模型，结合了ASPP、IB和CBAM模块以优化多尺度特征提取；在去除阶段改进了中值滤波方法并整合了颜色信息以实现自然修复	未在摘要中明确说明	解决内窥镜图像中镜面反射导致的重要细节被遮挡和诊断准确性降低的问题	内窥镜图像	计算机视觉	NA	深度学习	Transformer, CNN	图像	未在摘要中明确说明	未在摘要中明确说明	S-TransUnet	未在摘要中明确说明	未在摘要中明确说明
512	2025-12-30	New method for online quality control of dwell position and dwell time in brachytherapy by using high-speed camera and neural networks 2025-Dec-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2aa4 PMID:41364982	研究论文	本文开发了一种用于高剂量率近距离放射治疗中驻留位置和驻留时间在线质量控制的系统，结合高速相机和神经网络以提高系统的鲁棒性和稳定性	提出了一种集成高速相机和神经网络（特别是RT-DETRv2）的在线质量控制系统，用于实时监测和验证近距离放射治疗中的源输送参数	RT-DETRv2神经网络的处理延迟为每张图像0.35秒，不适合在线监测，但适用于离线或辅助验证	开发一个在线质量控制系统，用于准确评估高剂量率近距离放射治疗中的驻留位置和驻留时间	高剂量率近距离放射治疗中的192Ir源输送过程	计算机视觉	NA	高速相机成像，帧差法，神经网络	神经网络	图像	使用GammaMedPlus iX后装设备进行实验，测试了不同步长（0.2厘米、0.5厘米、1.0厘米）和驻留时间（2.0秒、3.0秒、10.0秒）	NA	RT-DETRv2	空间分辨率（0.083毫米），时间分辨率（7.0毫秒），位置偏差（小于0.1厘米，校正后约0.01厘米），驻留时间偏差（10.0毫秒内），定位准确度（91%的预测在0.26毫米内）	NA
513	2025-12-30	Ball bearing fault detection using an acoustic based machine learning approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33978-5 PMID:41457076	研究论文	本文提出了一种基于声学振动信号和连续小波变换的深度神经网络方法，用于球轴承故障检测	采用非重叠窗口将数值信号转换为堆叠的小波尺度图，并结合卷积网络实现实时数据分类，提高了故障诊断的准确性	NA	通过机器学习方法早期检测球轴承故障，以支持预测性维护系统	球轴承的声学振动信号	机器学习	NA	连续小波变换	CNN	声学振动信号	NA	NA	LeNet-5	准确率	NA
514	2025-12-30	Evaluation of a YOLOv5x-based deep learning model for interproximal caries segmentation on bitewing radiographs across primary and permanent teeth 2025-Dec-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07570-2 PMID:41457204	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
515	2025-12-30	Semi-Supervised Deep Learning-Based Model for Segmentation of Breast Arterial Calcification on Screening Mammograms 2025-Dec-29, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251400538 PMID:41459704	研究论文	本研究提出了一种半监督深度学习模型，用于自动化分割和分级筛查乳腺X线摄影中的乳腺动脉钙化，以改善心血管疾病风险分层	采用基于U-Net的半监督学习策略，结合渐进式伪标签方法，利用大量未标注图像增强模型鲁棒性和跨系统泛化能力	未明确说明模型在不同人群或更广泛数据集上的泛化性能，以及计算资源需求的具体细节	开发自动化工具以标准化乳腺动脉钙化的评估，提升心血管疾病风险分层的准确性和效率	筛查乳腺X线摄影图像中的乳腺动脉钙化区域	数字病理学	心血管疾病	乳腺X线摄影	深度学习	图像	2560张标注的筛查乳腺X线摄影图像（来自7个供应商）和6000张未标注图像	NA	U-Net	Jaccard相似系数, 准确率, 精确率, F1分数, 召回率, 敏感性, 特异性, AUC, 加权kappa统计量	NA
516	2025-12-30	Software-based de-filtering restores quantitative accuracy in Clarity2D-enhanced whole-body bone scintigraphy 2025-Dec-29, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02145-1 PMID:41460439	研究论文	本研究评估了基于软件的去滤波方法在恢复Clarity2D降噪滤波器影响的全身骨闪烁扫描图像中骨扫描指数和热点数量定量准确性方面的有效性	提出了一种基于深度学习的逆滤波去滤波算法，能够有效逆转Clarity2D滤波器引起的图像失真，恢复定量指标的准确性	研究为回顾性设计，样本量相对有限（101例），且仅针对特定CZT SPECT/CT系统和99mTc-HMDP示踪剂	评估软件去滤波技术能否恢复降噪滤波器对骨闪烁扫描定量分析准确性的影响	接受99mTc-HMDP全身骨闪烁扫描的101名成人患者	数字病理	骨骼疾病	99mTc-HMDP全身骨闪烁扫描，SPECT/CT成像	深度学习	医学图像	101名成人患者	NA	基于深度学习的逆滤波器	Pearson相关系数，Bland-Altman分析，Dice系数，Hausdorff距离，精确率，召回率，F1分数	NA
517	2025-12-30	A Deep Learning-Based Multimodal Clinico-Histology-Genomic Prognostic Model in Prostate Cancer 2025-Dec-28, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18929-8 PMID:41456225	研究论文	本研究开发了一种基于深度学习的多模态预后模型，整合了基因组特征、全切片成像的组织形态学特征和临床参数，以改善前列腺癌的风险分层和治疗决策	通过深度学习从组织病理学图像中计算推断基因组特征，消除了对基因组检测的依赖，并显著提高了预后精度	研究依赖于两个独立队列（TCGA和PLCO）进行训练和验证，可能存在样本选择偏差，且未在更广泛的多中心数据中进行外部验证	开发一个多模态预后模型，以改善前列腺癌的风险分层和治疗决策	前列腺癌患者	数字病理学	前列腺癌	全切片成像（WSI）、苏木精-伊红（H&E）染色	深度学习	图像、基因组数据、临床数据	使用TCGA队列进行训练，PLCO试验队列进行外部验证	NA	NA	C-index、Kaplan-Meier分析、Harrell's concordance index、多变量Cox回归	NA
518	2025-12-30	EEGPARnet: time-frequency attention transformer encoder and GRU decoder for removal of ocular and muscular artifacts from EEG signals 2025-Dec-28, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03506-8 PMID:41456251	研究论文	提出了一种名为EEGPARnet的新型去噪网络，用于从EEG信号中去除眼动和肌肉伪影	提出了一种结合时间-频率注意力Transformer编码器和GRU解码器的轻量化架构，能够学习时频长程相似性，在显著降低模型复杂度和计算需求的同时保持高性能	仅在公开数据集EEGDenoiseNet上进行了验证，未在更多样化的临床数据或实时部署场景中进行全面测试	开发一种适用于资源受限平台的轻量化EEG信号去噪方法	受眼动和肌肉伪影污染的EEG信号	信号处理	NA	EEG信号处理	Transformer, GRU	EEG信号	EEGDenoiseNet数据集	NA	Transformer编码器（带时间和频谱注意力模块）, GRU解码器	时间相对均方根误差, 频谱相对均方根误差, 相关系数	资源受限设备（目标部署平台）
519	2025-12-30	A deep neural network model for optimizing traditional Chinese medicine prescriptions with data augmentation 2025-Dec-28, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70319 PMID:41456610	研究论文	本研究提出了一种名为DA-TCMPO的深度学习框架，通过数据增强技术优化中药处方，并在溃疡性结肠炎小鼠模型中验证了其有效性	引入了基于双重注意力的扩散模型和可变噪声嵌入模块，专门针对中药处方数据中的噪声和处方修改风险进行优化	未明确说明模型在更广泛疾病或临床环境中的泛化能力	优化中药处方以支持临床决策	中药处方数据及溃疡性结肠炎小鼠模型	自然语言处理	溃疡性结肠炎	数据增强	深度学习	文本	NA	NA	扩散模型	精确率, 准确率, 召回率, F1分数	NA
520	2025-12-30	Morphometric trait analysis and machine learning-based yield modeling in wood apple (Feronia limonia L.) 2025-Dec-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07978-6 PMID:41457267	研究论文	本研究通过形态计量学分析和可解释的机器学习模型，揭示了木苹果产量变异的决定因素，并提出了高产理想型的选择框架	首次将多元统计与可解释的机器学习模型（随机森林+SHAP）结合，为木苹果这一未充分利用树种的生产力调控提供了首个数据驱动的框架，并识别出影响产量的关键性状组合	研究仅基于62个基因型，样本量相对有限，且未涉及分子或遗传层面的深入分析	量化木苹果冠层结构、花部和果实性状等形态计量学描述符如何解释产量变异，并建立可解释的产量预测模型	62个木苹果基因型的形态计量学性状（营养、叶、花、果实和种子性状）及单株产量	机器学习	NA	形态计量学分析	Random Forest, Support Vector Regression, Deep Learning (MLP)	形态计量学数据	62个木苹果基因型	NA	Random Forest, MLP	R², RMSE, MAE	NA