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	2026-01-15	Evaluation of magnetic resonance imaging and deep learning-based synthetic computed tomography for calcified intradural tumors - importance of domain-specific training and validation of synthetic imaging methods for clinical application 2025-Dec-11, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06731-0 PMID:41381905	研究论文	评估基于MRI和深度学习的合成CT在钙化性硬膜内肿瘤中的应用，强调领域特异性训练和验证的重要性	首次评估BoneMRI生成的合成CT在钙化性硬膜内肿瘤中的可视化能力，揭示其在该特定病变中的局限性	样本量较小（仅5例患者），且合成CT未能可视化任何钙化性硬膜内肿瘤	验证深度学习生成的合成CT在脊髓硬膜内肿瘤钙化评估中的准确性	脊髓硬膜内肿瘤患者	数字病理学	脊髓肿瘤	MRI, CT, 深度学习	深度学习算法	医学影像（MRI和CT图像）	5例脊髓硬膜内肿瘤患者	NA	NA	肿瘤可见性百分比, 肿瘤尺寸, 平均Hounsfield单位, p值	NA
502	2026-01-15	Artificial intelligence in pulmonary hypertension: a systematic review 2025-Dec-08, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03557-5 PMID:41361272	综述	本文系统回顾了人工智能（包括机器学习和深度学习）在肺动脉高压（PH）和肺动脉高压（PAH）非侵入性诊断、分类和预后预测中的应用	首次系统性地评估了机器学习和深度学习在肺动脉高压领域的应用，特别关注了方法学质量和临床适用性	研究存在显著的异质性，缺乏外部验证，大多数为回顾性单中心研究，且部分研究未明确报告右心导管检查情况	评估人工智能方法在肺动脉高压非侵入性诊断、分类和预后预测中的潜力	肺动脉高压（PH）和肺动脉高压（PAH）患者	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	CNN	临床数据、影像数据、生物标志物数据、组学数据、实验室参数	53项研究	NA	卷积神经网络	AUC	NA
503	2026-01-15	Evaluating Artificial Intelligence-Assisted Prostate Biparametric MRI Interpretation: An International Multireader Study 2025-Dec, AJR. American journal of roentgenology DOI:10.2214/AJR.24.32399 PMID:40668633	研究论文	本研究评估了深度学习AI模型对前列腺双参数MRI解读中前列腺癌及临床显著前列腺癌检测率以及阅片者间一致性的影响	首次在国际多中心、多阅片者研究中，采用平衡不完全区组设计，系统评估了AI辅助对前列腺双参数MRI解读在病灶水平和患者水平诊断性能及阅片者间一致性的影响	AI辅助略微降低了病灶水平的敏感性，且研究为回顾性设计，未来需进一步优化AI模型以在不牺牲特异性的前提下提高敏感性	评估AI辅助对前列腺双参数MRI解读的诊断准确性及阅片者间一致性的影响	接受多参数MRI和前列腺活检或根治性前列腺切除术的患者	数字病理学	前列腺癌	双参数MRI	深度学习模型	MRI图像	180名患者（120例病例组，60例对照组）	NA	NA	敏感性, 阳性预测值, AUC, 阅片者间一致性（κ系数, 覆盖概率）	NA
504	2026-01-15	Automatic measuring of coronary atherosclerosis from medicolegal autopsy photographs based on deep learning techniques 2025-Dec, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-01045-0 PMID:40690102	研究论文	本研究开发了一种基于深度学习的算法，用于从法医尸检照片中自动测量冠状动脉粥样硬化	首次将深度学习技术应用于法医尸检照片中的冠状动脉粥样硬化自动评估，实现了高精度测量	模型对中度粥样硬化等级的识别性能较低，且除钙化外，分解、支架植入和血栓对评估无显著影响	开发一种快速、精确评估冠状动脉粥样硬化的深度学习算法，并识别影响模型预测的因素	法医尸检中获取的冠状动脉数字照片	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	从1920例法医尸检数据库中提取的3717张数字照片	NA	NA	加权F1分数, 类别F1分数	NA
505	2026-01-15	Decoding Epigenetic Enhancer-Promoter Interactions in Periodontitis via Transformer-GAN: A Deep Learning Framework for Inflammatory Gene Regulation and Biomarker Discovery 2025-Dec, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.103879 PMID:40902506	研究论文	本研究利用Transformer-GAN深度学习框架，结合DNA甲基化和基因表达数据，解码牙周炎中增强子-启动子相互作用的表观遗传调控网络	首次将Transformer-GAN模型应用于牙周炎的表观遗传调控研究，整合多组学数据预测功能性的增强子-启动子相互作用	研究基于公开数据集，样本量有限，且模型性能仍有提升空间	解码牙周炎中增强子-启动子相互作用的表观遗传调控网络，发现新的生物标志物和治疗靶点	牙周炎患者的DNA甲基化和RNA-seq数据	机器学习	牙周炎	DNA甲基化测序, RNA-seq	Transformer, GAN	基因组数据, 基因表达数据	公开数据集GSE173081和GSE173078	NA	Transformer-GAN	AUC-ROC, AUC-PRC, F1-score	NA
506	2026-01-15	The roles of radiomics and deep learning for automatic detection, stability assessment, and rupture risk prediction in intracranial aneurysms: a systematic review 2025-Dec-01, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03588-y PMID:41327324	系统综述	本文系统综述了影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的作用	首次系统性地总结了2015年至2024年间影像组学和深度学习在颅内动脉瘤管理三个关键任务（自动检测、稳定性评估、破裂风险预测）中的应用进展、性能表现及研究局限性	纳入的研究主要为回顾性、单中心研究，存在数据异质性，且大多数研究缺乏模型校准和跨平台验证，样本量普遍较小	评估影像组学和深度学习技术在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的有效性，并为患者的个体化分层管理提供见解	颅内动脉瘤	医学影像分析	颅内动脉瘤	影像组学，深度学习	深度学习框架	医学影像数据	28项原始研究，共涉及32,991个颅内动脉瘤	NA	NA	AUC	NA
507	2026-01-15	The intratumor microbiome and cancer immunity: from pathogenesis to therapeutic opportunities through artificial intelligence 2025-Dec, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2025.2602537 PMID:41368873	综述	本文综述了肿瘤内微生物组与免疫系统在癌症发生发展各阶段的相互作用，并探讨了人工智能在肿瘤微生物组表征及精准肿瘤学中的应用与挑战	系统性地整合了肿瘤内微生物组在肿瘤免疫调控中的作用机制，并前瞻性地提出了将人工智能与空间多组学数据相结合以推动微生物组指导的精准肿瘤学发展的新方向	面临数据异质性、模型可解释性以及伦理问题等障碍，且需要标准化的实验方案、高分辨率空间图谱和经过专家注释的数据集进行外部验证	探讨肿瘤内微生物组与癌症免疫的相互作用机制，并评估人工智能技术在肿瘤微生物组表征及治疗响应预测中的应用潜力	肿瘤内微生物组（包括细菌、真菌和病毒）及其与宿主免疫系统的相互作用	机器学习, 深度学习	癌症	下一代测序, 空间转录组学	机器学习, 深度学习	多组学数据, 空间数据	NA	NA	NA	NA	NA
508	2026-01-15	The Role of Artificial Intelligence in Improving Diagnosis, Management, and Outcomes of Acute Myocardial Ischemia: A Systematic Review 2025-Dec, Cureus DOI:10.7759/cureus.98865 PMID:41523481	系统综述	本文系统综述了人工智能在急性心肌缺血的诊断、管理和预后预测中的应用现状与证据	首次系统性地综合了AI在急性心肌缺血全流程（诊断、风险分层、治疗决策、预后）中的应用证据，并对比了AI与传统方法的性能	临床整合性、模型可解释性及泛化能力方面仍存在挑战，纳入研究数量有限（30篇）	评估人工智能在改善急性心肌缺血的诊断、管理和临床结局中的作用与潜力	急性心肌缺血（AMI）患者	机器学习	心血管疾病	心电图（ECG）、影像学、电子健康记录（EHRs）	机器学习（ML）、深度学习（DL）、混合模型	心电图、影像、电子健康记录文本	基于30项同行评议研究（具体样本量未在摘要中说明）	NA	NA	诊断准确性、分诊效率、预后建模性能	NA
509	2026-01-15	Precision Medicine for Electrocardiogram Interpretation: Clinical Relevance, Challenges, and Advances 2025-Dec, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM47007 PMID:41524056	综述	本文综述了心电图（ECG）解读在精准医学中的临床相关性、挑战与进展，并探讨了人工智能（AI）在ECG分析中的创新应用	系统性地将AI增强的ECG解读与临床实践结合，展示了深度学习算法在检测左心室功能障碍、肥厚型梗阻性心肌病和急性心肌梗死等特定领域超越专家临床医生的潜力	作为一篇综述文章，未提出新的原始研究数据或模型，主要依赖现有文献进行总结	为ECG解读提供一个结构化框架，并探索AI在心血管疾病诊断和风险分层中的应用，以提升患者预后	心电图（ECG）信号及其在心律失常、传导延迟、缺血性损伤、结构性重塑和全身性病理中的表现	数字病理学	心血管疾病	心电图（ECG）	深度学习	信号数据（ECG）	NA	NA	NA	NA	NA
510	2026-01-14	Deep Reinforcement Learning-Based Intelligent Water Level Control: From Simulation to Embedded Implementation 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010245 PMID:41516680	研究论文	本文介绍了一种基于深度强化学习的智能水位控制系统，从仿真到嵌入式实现的设计、仿真与实时部署	将基于深度确定性策略梯度算法的深度强化学习控制器部署在资源受限的微控制器上，并在真实扰动和传感器噪声下验证了其可行性	NA	开发并实现一种用于智能水位控制的深度强化学习系统，以提升控制精度和鲁棒性	水位控制系统	机器学习	NA	深度强化学习	深度确定性策略梯度	仿真数据、实时传感器数据	NA	MATLAB	Actor-Critic神经网络	稳态误差、超调量、跟踪精度	Arduino Uno嵌入式平台
511	2026-01-14	Fault Diagnosis of Motor Bearing Transmission System Based on Acoustic Characteristics 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010259 PMID:41516694	研究论文	本文提出了一种基于声学特征和深度学习的电机轴承传动系统故障诊断框架	结合声学信号的非接触式传感优势，设计了一个CNN-注意力机制-LSTM模型，并引入了基于ReliefF的特征选择算法以提高模型效率	未明确提及实验数据集的规模或多样性限制，也未讨论模型在更复杂工业环境中的泛化能力	开发一种基于声学特征的轴承故障诊断方法，以克服传统振动方法需要接触测量的限制	电机轴承传动系统，包括正常、内圈、外圈和混合缺陷的轴承	机器学习	NA	声学信号分析，Mel频率倒谱系数特征提取	CNN, LSTM, 注意力机制	一维序列特征（声学信号）	NA	NA	1D-CNN, ECA注意力机制, LSTM	诊断准确率	NA
512	2026-01-14	Magnetic Barkhausen Noise Sensor: A Comprehensive Review of Recent Advances in Non-Destructive Testing and Material Characterization 2025-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s26010258 PMID:41516693	综述	本文全面综述了磁巴克豪森噪声传感器在无损检测和材料表征领域的最新进展，涵盖理论基础、传感器设计、信号处理方法和工业应用	整合了从理论到应用的全面进展，特别强调了深度学习在材料分类和性能预测中的优越性能，以及传感器在挑战性环境中的测量能力	存在标准化需求、先进材料表征、机器学习鲁棒性以及自主系统集成等新兴挑战	综述磁巴克豪森噪声技术在无损检测和材料表征领域的最新发展，以支持安全、高效的工程实践	铁磁材料，包括其微观结构特征、机械性能和应力状态	机器学习和信号处理在无损检测中的应用	NA	磁巴克豪森噪声测量	深度学习	信号数据（时域、频域、时频变换）	NA	NA	NA	应力测量不确定度（±15-20 MPa），硬度测量不确定度（±20 HV）	NA
513	2026-01-14	Advancing a Hybrid Decision-Making Model in Anesthesiology: Applications of Artificial Intelligence in the Perioperative Setting 2025-Dec-31, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14010097 PMID:41517028	综述	本文综述了人工智能在麻醉学围手术期环境中的应用，重点探讨了结合AI与人类临床专业知识的混合决策模型的演进与实施	提出了一个强调AI增强而非替代临床判断的互补性混合决策模型，将计算效率与麻醉医师不可替代的上下文理解和伦理推理相结合	实施挑战包括算法偏见、数据安全问题、临床验证要求以及关于AI生成内容的伦理考量	探索人工智能在麻醉学围手术期环境中的应用，以提升安全性、精确性和效率	麻醉学实践、围手术期护理、临床决策过程	机器学习	NA	机器学习算法、深度学习网络、大数据分析	NA	临床记录、脑电图数据、解剖结构图像	NA	NA	NA	NA	NA
514	2026-01-14	tRNA isodecoder analysis using Nanopore ionic current signals and deep learning 2025-Dec-30, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.27.696718 PMID:41497629	研究论文	本文介绍了利用Nanopore直接tRNA测序和离子电流信号，结合深度学习进行细菌和酵母tRNA同解码器水平分析的方法	应用深度学习直接从原始纳米孔离子电流信号预测tRNA同解码器，并结合序列比对策略提高tRNA序列比对效率	NA	开发一种基于纳米孔测序和深度学习的tRNA同解码器分析方法，以提升tRNA序列比对和化学修饰解析能力	细菌和酵母的tRNA分子	机器学习	NA	Nanopore直接tRNA测序，离子电流信号分析	深度学习	离子电流信号	NA	NA	NA	比对率，比对身份	NA
515	2026-01-14	A TabNet-Based Multidimensional Deep Learning Model for Predicting Doxorubicin-Induced Cardiotoxicity in Breast Cancer Patients 2025-Dec-30, Cancers IF:4.5Q1 DOI:10.3390/cancers18010117 PMID:41514628	研究论文	本研究开发并验证了一个基于TabNet架构的可解释深度学习模型，用于通过整合多维临床数据预测乳腺癌患者中阿霉素诱导的心脏毒性	首次将TabNet架构应用于预测阿霉素诱导的心脏毒性，并整合了多维临床数据，同时通过注意力机制和SHAP分析提供了模型的可解释性	研究为回顾性设计，样本来自单一中心，可能限制了模型的泛化能力	开发一个可解释的深度学习模型，用于预测乳腺癌患者中阿霉素诱导的心脏毒性	接受阿霉素化疗的乳腺癌患者	机器学习	乳腺癌	NA	TabNet	临床、生化、心电图和超声心动图参数	2034名患者	NA	TabNet	AUC, C-index	NA
516	2026-01-14	Research on Intelligent Wood Species Identification Method Based on Multimodal Texture-Dominated Features and Deep Learning Fusion 2025-Dec-30, Plants (Basel, Switzerland) DOI:10.3390/plants15010108 PMID:41515052	研究论文	本研究提出了一种基于多模态纹理主导特征与深度学习融合的智能木材树种识别方法	结合了光谱相似性指标、Max-Min策略选择代表性波段、多尺度小波融合以及ST-former模型实现类别自适应的光谱-纹理特征融合	NA	解决传统木材树种识别依赖人工经验、识别速度慢和鲁棒性不足的问题	中国云南普洱地区常见的10种典型木材树种的横截面高光谱图像	计算机视觉	NA	高光谱成像	Transformer	高光谱图像	10种木材树种的高光谱图像数据	NA	SpectralFormer++, TextureFormer, ST-former	整体分类准确率	NA
517	2026-01-14	Outdoor Walking Classification Based on Inertial Measurement Unit and Foot Pressure Sensor Data 2025-Dec-30, Sensors (Basel, Switzerland) DOI:10.3390/s26010232 PMID:41516667	研究论文	本研究开发了基于惯性测量单元和足底压力传感器的自动行走条件分类工具，比较了不同传感器模态和步态周期分割方法	比较了多种传感器模态（如下肢IMU、足部IMU、骨盆IMU、压力鞋垫及其组合）以及步态分割与滑动窗口方法对分类性能的影响，并评估了机器学习和深度学习模型在自动行走条件分类中的表现	样本量较小（仅20名参与者），且研究仅针对特定户外行走条件（平坦、上下楼梯、上下坡），未涵盖更复杂的行走环境或不同人群	开发自动行走条件分类工具，以评估不同传感器模态和数据处理方法对分类性能的影响	20名参与者在平坦、上下楼梯、上下坡等行走条件下的惯性测量单元和足底压力传感器数据	机器学习	NA	惯性测量单元（IMU）和足底压力传感器	Extreme Gradient Boosting, Convolutional Neural Network + Long Short-Term Memory	传感器数据（IMU和压力数据）	20名参与者	NA	CNN + LSTM	F1分数	NA
518	2026-01-14	A Method for Explainable Epileptic Seizure Detection Through Wavelet Transforms Obtained by Electroencephalogram-Based Audio Recordings 2025-Dec-30, Sensors (Basel, Switzerland) DOI:10.3390/s26010237 PMID:41516672	研究论文	本文提出了一种基于脑电图音频记录的可解释性癫痫发作检测方法，通过小波变换和卷积神经网络实现	将脑电图信号转换为音频波形，并利用Morlet和墨西哥帽两种连续小波变换生成时频表示，结合类激活映射技术增强模型可解释性	NA	开发一种可解释的深度学习方法来检测癫痫发作	脑电图信号	数字病理学	癫痫	连续小波变换	CNN	图像	NA	NA	卷积神经网络	准确率	NA
519	2026-01-14	Transformer-Based Classification of Transposable Element Consensus Sequences with TEclass2 2025-Dec-29, Biology DOI:10.3390/biology15010059 PMID:41514900	研究论文	本文介绍了一种基于Transformer架构的深度学习软件TEclass2，用于将转座子共识序列分类为十六个超家族	采用线性Transformer架构结合k-mer标记化和序列特定适配，提升了转座子分类的准确性和灵活性	未明确提及模型在复杂或低质量序列数据上的性能限制	开发一种可靠且高效的转座子共识序列分类工具，以支持基因组注释和生物信息学研究	真核生物基因组中的转座子共识序列	自然语言处理	NA	深度学习，k-mer标记化	Transformer	序列数据	NA	NA	线性Transformer	NA	NA
520	2026-01-14	AI-Driven Digital Pathology: Deep Learning and Multimodal Integration for Precision Oncology 2025-Dec-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27010379 PMID:41516254	综述	本文综述了基于深度学习和多模态整合的AI驱动数字病理学在精准肿瘤学中的应用进展	重点介绍了基于Transformer的基础模型在数字病理学中的突破，包括可扩展表示学习、增强跨队列鲁棒性以及支持少样本甚至零样本推理，并探讨了多模态基础模型整合异质数据的能力	NA	探讨AI驱动数字病理学如何通过深度学习和多模态整合推动精准肿瘤学的发展	数字病理学中的诊断、预后和生物标志物预测任务	数字病理学	肿瘤	NA	CNN, Transformer	图像, 文本, 分子数据	NA	NA	NA	NA	NA