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
161	2026-07-10	Manual annotation based sentiment analysis of user feedback in health and wellness app reviews 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28799-5 PMID:41461774	研究论文	本研究通过对健康与健身移动应用评论进行情感分类和语言强度分析，评估用户感知，并比较多种分类算法性能	将情感分类与语言强度分析相结合，对用户反馈进行五级分类（从高度积极到高度消极），并比较传统机器学习与深度学习算法在健康应用评论情感分析中的效果	NA	分析健康与健身移动应用的用户反馈，通过情感分类和语言强度分析评估用户感知，为数字健康平台的设计和沟通策略提供见解	从Google Play商店收集的健康与健身移动应用用户评论	自然语言处理	NA	NA	支持向量机、朴素贝叶斯、决策树、随机森林、卷积神经网络	文本	20651条用户评论	NA	支持向量机、朴素贝叶斯、决策树、随机森林、卷积神经网络	准确率	NA
162	2026-07-10	VAULT-OCT: vault accuracy using deep learning technology-an artificial intelligence model for predicting implantable collamer lens postoperative vault with AS-OCT 2025-12-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001743 PMID:40660493	研究论文	开发一种基于深度学习的模型VAULT-OCT，利用术前OCT图像预测可植入式隐形眼镜术后拱高	首次利用深度学习技术直接从术前AS-OCT图像预测ICL术后拱高，为ICL尺寸选择提供新方法	NA	开发准确预测ICL术后拱高的深度学习模型	接受ICL植入患者的术前AS-OCT图像与术后拱高测量数据	机器学习	近视矫正	AS-OCT	CNN	图像	162名患者的324只眼睛	NA	自定义分类器	平均绝对误差, 均方根误差	NA
163	2026-07-10	Multimodal deep learning for predicting postoperative vault and selecting implantable collamer lens sizes using AS-OCT and ultrasound biomicroscopy images 2025-12-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001747 PMID:40929576	研究论文	开发并验证一种多模态深度学习模型，利用前段光学相干断层扫描和超声生物显微镜图像结合临床特征预测术后拱高和选择可植入式隐形眼镜尺寸	首次利用多模态深度学习模型整合AS-OCT和UBM图像与临床数据，显著提升ICL V4c植入术后拱高预测和尺寸选择的准确性，克服了单模态数据分析的局限性	未来需要扩大样本量并进行多中心验证以增强模型的泛化性和临床适用性	提高ICL V4c植入术后拱高预测和尺寸选择的准确性	105名接受ICL V4c植入的参与者（209只眼睛）的626张AS-OCT图像和1309张UBM图像	机器学习	NA	AS-OCT, UBM	CNN, LightGBM, XGBoost, Random Forest	图像, 临床数据	105名参与者，209只眼睛，1935张图像	NA	ResNet50, LightGBM, XGBoost, Random Forest	平均绝对误差, 均方根误差, R², 准确率, 敏感度, 特异度, 精确率	NA
164	2026-07-10	Does brain connectivity hold the key to safer roads? EEG-based fatigue detection in young drivers using interpretable deep learning 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108251 PMID:41014829	research paper	基于脑电图脑连接分析的年轻驾驶员疲劳检测深度可解释模型研究	提出整合多头自注意力与长短期记忆（MHSA-xLSTM）的深度学习模型，并结合SHAP可解释性方法分析脑网络拓扑特征对疲劳识别的贡献	未提及明确局限性	通过脑电图脑连接分析，设计准确且可解释的年轻驾驶员疲劳检测模型	年轻驾驶员的脑电图信号及疲劳状态	机器学习	NA	脑电图	MHSA-xLSTM	脑电图信号	32名年轻驾驶员在真实道路和实验室环境下的数据	NA	多头自注意力-长短期记忆网络	准确率	NA
165	2026-07-10	Metabolomic biomarkers enhance prediction of feeding intolerance in ICU septic patients 2025-12, Clinics and research in hepatology and gastroenterology IF:2.6Q2 DOI:10.1016/j.clinre.2025.102731 PMID:41207616	研究论文	通过整合代谢组学与临床数据，开发了预测重症监护脓毒症患者肠内喂养不耐受的深度学习模型	首次将代谢组学生物标志物与传统临床指标结合，利用深度学习算法构建了综合预测模型，显著提升了肠内喂养不耐受的预测性能	样本量较小（60例脓毒症患者），缺乏外部验证数据，模型在临床应用前需要进一步外部验证	评估代谢组学生物标志物在预测脓毒症患者肠内喂养不耐受中的附加价值	重症监护室脓毒症患者的血清代谢物特征及肠内喂养不耐受结局	机器学习	脓毒症	LC/MS	深度学习算法	代谢组学数据与临床数据	60例脓毒症患者（30例ENFI，30例喂养耐受）及20例健康对照	NA	NA	AUC, 准确率, 精确率, F1分数, 决策曲线分析净收益, Net Reclassification Index, Integrated Discrimination Improvement	NA
166	2026-07-10	Zone-specific real-time traffic conflict risk modeling for freeway tunnels: a CrossTabNet approach 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108274 PMID:41072155	研究论文	提出一种针对高速公路隧道分区实时交通冲突风险建模的CrossTabNet方法	将交通冲突分析、精细的隧道分区与可解释深度学习相结合，并开发了结合特征交互层与TabNet编码器的CrossTabNet架构，能够捕获高阶非线性关系并保持可解释性	NA	对高速公路隧道进行分区实时交通冲突风险建模，以解决传统碰撞数据的局限性	高速公路隧道的车辆轨迹数据及其衍生的替代安全措施（基于交通冲突）	机器学习	NA	NA	CrossTabNet	轨迹数据（数值型）	NA	NA	CrossTabNet（特征交互层 + TabNet编码器）	预测性能（未明确列出具体指标，如准确率、AUC等，需根据原文推断）	NA
167	2026-07-10	An integrated active-passive safety strategy for automobiles based on driver state recognition and injury risk prediction 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108271 PMID:41076746	研究论文	该研究提出了一种基于驾驶员状态识别和伤害风险预测的综合主动-被动安全策略，旨在通过动态协调自动紧急制动系统和乘员约束系统的运行来增强车辆安全性	将机器学习和深度学习技术分别用于伤害预测和驾驶员状态识别，并整合到模糊控制算法中动态优化AEB系统的激活时机，同时优化安全气囊和安全带参数	NA	提升车辆安全性，通过动态协调自动紧急制动系统和乘员约束系统优化碰撞避免效果和伤害减轻	驾驶员状态识别和碰撞伤害风险预测	机器学习	NA	机器学习和深度学习技术	机器学习模型、深度学习模型	真实世界交通事故数据和生理信号	NA	MATLAB?	NA	碰撞避免性能、头部伤害标准降低30.60%、加权伤害标准降低22.44%	NA
168	2026-07-07	On the Completeness of Existing RNA Fragment Structures 2025-12-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf127 PMID:41414643	研究论文	评估RNA片段结构空间的完整性，探讨深度学习在RNA结构预测中的潜力	首次系统评估RNA在二核苷酸至五核苷酸水平片段结构的完整性，并发现四核苷酸和五核苷酸水平上非冗余结构片段数量正指数增长，表明当前RNA结构空间远未完成	NA	研究RNA片段结构空间的完整性，为深度学习预测RNA结构提供基础	RNA片段结构，包括二核苷酸、三核苷酸、四核苷酸和五核苷酸水平	机器学习	NA	NA	NA	结构数据	NA	NA	NA	NA	NA
169	2026-07-07	Deep learning-based diffusion-weighted imaging vs. conventionally obtained diffusion-weighted imaging in prostate cancer extracapsular extension detection: a multicenter retrospective study 2025-12-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02109-x PMID:41372855	研究论文	基于深度学习的扩散加权成像在检测前列腺癌包膜外侵犯中的诊断性能优于常规扩散加权成像	首次在大规模多中心回顾性研究中验证深度学习生成的扩散加权图像（DL-DWI）在提高图像质量、观察者一致性和诊断准确性方面的优势	回顾性研究设计可能引入选择偏倚；样本量有限（252例）；未评估深度学习模型在低场强MRI或不同人群中的泛化能力	评估深度学习生成的扩散加权成像（DL-DWI）与常规扩散加权成像（C-DWI）在前列腺癌包膜外侵犯（ECE）检测中的性能比较	临床怀疑前列腺癌的连续患者（252例）的术前多参数MRI和根治性前列腺切除术后病理数据	计算机视觉, 数字病理学	前列腺癌	MRI扩散加权成像, 深度学习	去噪扩散概率模型（DDPM）	医学影像（MRI扩散加权图像）	252例患者（来自五个中心）	PyTorch	DDPM（去噪扩散概率模型）	AUC, 加权kappa, Fleiss kappa, 信噪比(SNR), 对比噪声比(CNR), 边缘上升距离(ERD), 边缘上升斜率(ERS)	未指定
170	2026-07-05	Modeling anesthetic-drug label detection for low-resource operating rooms 2025-12-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03316-w PMID:41422028	研究论文	开发并评估用于低资源手术室中麻醉药物标签检测的计算机视觉模型	面向低资源医疗环境，利用可穿戴头戴相机收集数据，构建了包含注射器和药瓶标注图像的自定义数据集，并比较了YOLOv11n、YOLOv12n和RT-DETR三种深度学习目标检测架构的性能	NA	开发能够检测麻醉药物给药过程中注射器和药瓶更换错误的计算机视觉模型，为实时监测工具提供基础	乌干达CoRSU医院手术室中使用的注射器和药瓶	计算机视觉	NA	NA	深度学习目标检测模型	图像	包含标注图像的自定义数据集，具体数量未说明	NA	YOLOv11n, YOLOv12n, RT-DETR	精确率, 召回率, mAP50	NA
171	2026-07-05	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-12-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	研究论文	利用深度学习标准化DICOM注释，提升X光影像检索中身体部位描述的准确性和可复用性	提出一种基于真实临床数据的验证注释模型，结合深度学习与DICOM头信息，将身体部位分类从116种原始条目标准化为36个SNOMED CT代码，实现了高效检索和数据质量提升	仅依赖单名放射科医师注释验证，准确率有待提升；未来需采用多名放射科医师验证或探索无监督/在线学习方法	设计并验证一种标准化医学影像注释模型，以促进临床影像数据的二次利用	DICOM X光影像，包括检查身体部位（单标签病理分类）和可见身体部位（多标签分类）	计算机视觉	不适用	深度学习	深度学习模型	影像	2万张DICOM X光影像	NA	NA	准确率、召回率	NA
172	2026-07-05	Assessment of transformer-based AI in clinical oncology 2025-12-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03306-y PMID:41390721	研究论文	评估基于Transformer的AI模型在乳腺癌生存预测中的应用，并与传统机器学习模型进行性能比较	首次系统探索Transformer模型（BERT、RoBERTa、ALBERT）在乳腺癌生存预测中的可行性，并证明其可作为替代预测模型	Transformer模型性能略低于最优的传统机器学习模型（LR），且未提及模型的可解释性及计算资源消耗	评估Transformer模型在乳腺癌生存预测中的潜力，作为传统机器学习模型的替代方案	乳腺癌生存预测模型，包括Transformer模型和传统机器学习模型	机器学习	乳腺癌	NA	Transformer, 随机森林, 决策树, 支持向量机, 逻辑回归, K近邻, 人工神经网络, 极限梯度提升	表格数据（包含24个分类变量和2个数值变量）	2006年至2015年来自马来西亚马来亚大学医疗中心的乳腺癌数据集	NA	BERT, RoBERTa, ALBERT	准确率	NA
173	2026-07-05	Deep learning-based volumetry of the future liver remnants and prediction of candidates for major hepatectomy 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02106-0 PMID:41361806	研究论文	开发并验证一种基于深度学习的未来残余肝脏体积（FLR）测量系统（DL-FLRVS），通过再利用现有术前CT图像，比较其与临床常用方法在FLR体积测量及大肝切除术前候选者分类中的差异	首次通过二次利用现有术前CT图像，开发基于5个3D U-Net模型的深度学习系统实现FLR自动化分割与体积测量，并系统比较其与传统半自动方法的性能	未在摘要中明确说明局限性	开发并验证深度学习FLR体积测量系统，并评估其在大肝切除术前候选者分类中的应用价值	未来残余肝脏（FLR）的CT图像体积测量以及基于FLR的大肝切除术前候选者分类	计算机视觉	肝脏疾病	对比增强CT	3D U-Net	CT图像	开发集共涉及1039例，外部验证集178例	NA	3D U-Net	Spearman相关系数，McNemar检验	NA
174	2026-07-05	Preoperative MVI prediction in intrahepatic cholangiocarcinoma via deep learning analysis of intratumoral and peritumoral features on multi-sequence MRI 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02107-z PMID:41366360	研究论文	基于深度学习的多序列MRI图像中瘤内和瘤周特征分析，预测肝内胆管癌微血管侵犯的术前模型	通过深度学习方法提取多序列MRI图像中不同兴趣区域（瘤内、10mm瘤周及两者结合）的特征，并与临床影像特征结合，构建最优预测模型，提高了MVI预测的准确性，并使用SHAP方法增强模型可解释性	回顾性研究设计，样本量相对较小（200例），且来自单一中心，可能限制模型的泛化能力	探索基于深度学习的多序列MRI图像中瘤内和瘤周区域对预测肝内胆管癌微血管侵犯的有效性，并开发高效的术前预测模型	200例经手术病理证实的肝内胆管癌患者的临床、病理及术前MRI数据	医学影像分析，数字病理学	肝内胆管癌	MRI（多序列磁共振成像）	深度学习，ResNet-18，逻辑回归	医学图像（MRI）、临床数据、病理数据	200例患者（训练集140例，验证集60例）	PyTorch	ResNet-18	AUC、灵敏度、特异度、ROC曲线、DCA曲线	NA
175	2026-07-05	A novel strategy for enhanced schizophrenia detection using established CNN architectures 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02093-2 PMID:41366658	研究论文	结合深度学习和神经影像学方法，利用T1加权冠状面MRI数据，通过DeepLabv3+模型和ResNet50分割技术，精准检测精神分裂症	创新性地结合DeepLabv3+模型与ResNet50分割颞叶和脑岛区域，并通过颜色到灰度转换增强可视化，实现高AUC（0.99）的诊断性能	未在摘要中明确提及局限性	提升精神分裂症自动检测的精准性和可靠性，超越传统临床评估和影像方法	精神分裂症患者与健康对照的脑部MRI数据	计算机视觉	精神分裂症	MRI	DeepLabv3+, ResNet50	图像	三个公开数据集（MCICShare, COBRE, UCLA）	NA	DeepLabv3+, ResNet50	AUC, 分割准确率	NA
176	2026-07-05	MelAnalyze: fact-checking melatonin claims using large language models and natural language inference 2025-12-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03291-2 PMID:41345869	研究论文	提出MelAnalyze框架，利用大型语言模型和自然语言推理对褪黑素相关说法进行事实核查	首个将生成式与基于Transformer的深度学习模型适配为自然语言推理任务，半自动化核查褪黑素健康相关说法真伪的框架	未明确说明模型在非公开数据或更广泛领域的泛化能力，以及对新出现或虚假说法的适应性	半自动化事实核查褪黑素相关说法，帮助用户和研究者基于证据做决策	褪黑素相关的科学摘要以及来自Google和Amazon的产品描述中的说法	自然语言处理	一般健康相关（褪黑素）	N/A	生成式与Transformer深度学习模型（包括LLaMA1微调版本）	文本	来自PubMed的褪黑素相关科学摘要集和Google、Amazon产品描述中的说法	PyTorch	LLaMA1	精确率、召回率、F1值	未提及具体GPU类型或云平台
177	2026-07-03	Dynamic sarcopenia transitions in older Chinese: physical activity and cognitive insights 2025-Dec-12, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-025-06752-5 PMID:41388515	研究论文	利用CHARLS数据，采用多状态马尔可夫模型和Transformer深度学习，研究中国老年人肌少症状态转换及其决定因素	首次将多状态马尔可夫模型与基于Transformer的深度学习方法结合，系统分析肌少症的双向转换过程及身体活动和认知状态的作用	NA	探讨中国老年人肌少症状态转换（非肌少症、可能肌少症和肌少症）及其决定因素，重点关注身体活动、认知状态和其他风险因素的作用	中国老年人中肌少症状态的动态转换及其影响因素	机器学习	肌少症	NA	多状态马尔可夫模型，Transformer	纵向随访数据	5756名参与者（其中3373名用于深度学习），平均年龄67.9岁（标准差6.5）	PyTorch	Transformer	风险比（HR），95%置信区间（CI）	NA
178	2026-07-03	AI in Learning Anatomy and Restoring Central Incisors: A Comparative Study 2025-12, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251344548 PMID:40598953	研究论文	比较PCA和DeepSDF两种AI方法在学习与重建上颌中切牙解剖中的表现	首次系统比较PCA与DeepSDF在牙体解剖学习与重建中的性能，并评估可解释性	DeepSDF模型可解释性不足，且低维度潜在编码导致性能下降	评估不同AI方法在中央切牙学习与重建中的表现	成熟恒久上颌切牙的STL文件	计算机视觉	牙科创伤	3D扫描（STL文件）	DeepSDF, PCA	3D网格文件	来自3所大学的成熟恒久上颌切牙STL文件	NA	DeepSDF, PCA	表面差异, 体积差异, 长度差异, 平均欧氏距离, Hausdorff距离, 冠根角度	NA
179	2026-07-03	Skin Lesion Classification Using Focal Modulation Networks 2025-12, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70139 PMID:41178745	研究论文	提出基于焦点调制网络的皮肤病变分类框架，在公开数据集上实现高精度分类	首次将焦点调制网络应用于皮肤镜图像分类，通过调制器可视化提升模型可解释性，在计算效率和透明性方面优于现有方法	未提及对极端病变变异的鲁棒性测试，且仅在三类公开数据集上验证，未涉及多中心临床数据	开发准确、高效且可解释的皮肤镜图像自动分类方法	皮肤病变的皮肤镜图像分类任务	计算机视觉	皮肤癌	NA	焦点调制网络	图像	三组公开数据集：ISIC 2017、ISIC 2018、ISIC 2019	NA	焦点调制网络、Tiny/Small/Base/Large变体	准确率	NA
180	2026-06-30	Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC 2025-12, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07350-8 PMID:40451983	研究论文	开发并验证一个结合多器官 PET 代谢指标的列线图，用于预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解	首次报道多器官代谢列线图，通过量化全身宿主-肿瘤代谢交互作用，优于传统的仅基于肿瘤的预测方法	NA	预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解	可切除非小细胞肺癌患者	机器学习	肺癌	18F-FDG PET/CT	LASSO回归、随机森林、列线图	PET/CT图像及代谢参数	115例患者	NA	NA	AUC, 特异性, 阳性预测值, 总体准确率	NA