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	2026-01-30	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
162	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
163	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
164	2026-01-30	Detection of blueberry based on hyperspectral imaging and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117141 PMID:41606917	研究论文	本研究结合高光谱成像与深度学习技术，开发了一种用于复杂场景下不同品种和成熟度蓝莓糖含量快速检测的方法	提出了结合分数阶导数（FOD）和改进拉普拉斯特征映射（ILE）的预处理与特征波段选择方法，并构建了轻量化的定制CNN模型，显著提升了复杂场景下蓝莓糖含量预测的精度和鲁棒性	研究仅针对三个蓝莓品种（F6、L11、L25）和三种成熟度（成熟、半熟、未熟）进行分类，模型在其他品种或更细粒度成熟度分级上的泛化能力有待验证	探索高光谱成像技术结合深度学习模型检测不同品种和成熟度蓝莓糖含量的能力，以满足蓝莓大规模生产中对糖含量快速检测的需求	三个不同品种（F6、L11、L25）且处于三种成熟度（成熟、半熟、未熟）的蓝莓	计算机视觉	NA	高光谱成像	CNN	高光谱图像	未明确说明具体样本数量，但涉及三个蓝莓品种的三种成熟度类别	未明确说明，可能为TensorFlow或PyTorch	定制的浅层卷积神经网络	决定系数（Rp）、均方根误差（RMSEP）、相对预测偏差（RPDP）	NA
165	2026-01-30	AI-based smart pretreatment of fresh fruits and vegetables before processing: Research progress and application prospects 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117175 PMID:41606923	综述	本文综述了人工智能在果蔬预处理中的研究进展与应用前景，包括机器学习、深度学习等技术在分选、分级、清洗等环节的应用	系统整合了多种AI技术（如机器学习、深度学习、人工神经网络）在果蔬预处理中的应用，并展望了多学科融合下的自动化控制前景	NA	探讨人工智能技术在果蔬加工预处理环节的应用潜力与发展方向	果蔬（水果和蔬菜）的预处理过程，包括分选、分级、清洗、去皮、切割、护色、烫漂等	计算机视觉, 机器学习	NA	NA	机器学习, 深度学习, 人工神经网络	图像, 传感器数据（如电子鼻）	NA	NA	NA	NA	NA
166	2026-01-30	Seasonal changes driving shifts in core microbes of Nongxiangxing Daqu: a integrated multi-omics analysis and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117216 PMID:41606940	研究论文	本研究通过整合多组学分析和深度学习，揭示了浓香型大曲在不同季节和压制模式下的风味动态、微生物演替，并识别了核心微生物及其群落组装过程	结合高通量测序与深度学习，首次应用数据驱动的关键物种识别（DKI）框架揭示大曲核心微生物，并分析季节性变化下的群落组装以随机漂移为主导	研究样本仅基于120个大曲样本，可能无法完全代表所有生产条件下的变异，且深度学习模型的泛化能力未在外部数据集中验证	识别和调控浓香型大曲的核心微生物，以优化其生产质量	浓香型大曲（发酵启动剂）及其微生物群落	机器学习	NA	高通量测序，多组学分析（包括理化性质和风味化合物分析）	深度学习	微生物序列数据，理化数据，风味化合物数据	120个大曲样本	NA	NA	NA	NA
167	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
168	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
169	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
170	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
171	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
172	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
173	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
174	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
175	2026-01-29	Cross-Modality Learning for Predicting Immunohistochemistry Biomarkers from Hematoxylin and Eosin-Stained Whole Slide Images 2025-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2025.08.014 PMID:40946794	研究论文	本研究提出了一种名为HistoStainAlign的深度学习框架，用于直接从H&E全切片图像预测IHC染色模式	提出了一种新颖的深度学习框架HistoStainAlign，通过对比训练策略整合配对的H&E和IHC嵌入，无需切片级注释或组织配准即可捕获跨染色模态的互补特征	NA	开发一种计算工具，作为IHC染色的预筛查工具，帮助优先选择病例进行IHC染色并提高工作流程效率	胃肠道和肺组织全切片图像，使用三种常用IHC染色：P53、程序性死亡配体-1和Ki-67	数字病理学	肺癌	H&E染色、IHC染色	深度学习	图像	NA	NA	HistoStainAlign	加权F1分数	NA
176	2026-01-28	Subclinical Atrial Fibrillation Prediction in Patients with CIED by a Novel Deep Learning Framework 2025-Dec-30, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13010018 PMID:41590845	研究论文	本研究开发了一种名为ResKAN-Attention的新型深度学习框架，仅使用常规临床数据来预测心脏植入式电子设备（CIED）患者的亚临床心房颤动（SCAF）	提出了一种结合Kolmogorov-Arnold网络（KAN）与多层感知机的双路径架构，并通过交叉注意力机制融合，同时通过知识蒸馏生成了临床可用的风险评分系统	研究为回顾性设计，样本量相对较小（124名患者），需要在更大规模的前瞻性队列中进行验证	开发一种利用常规临床数据预测亚临床心房颤动（SCAF）的深度学习模型，以改善心血管事件的风险分层	124名既往无房颤病史的心脏植入式电子设备（CIED）患者	机器学习	心血管疾病	NA	深度学习	临床参数	124名CIED患者（其中39名在12个月随访期内发生SCAF）	NA	ResKAN-Attention（结合Kolmogorov-Arnold Network与多层感知机的双路径架构）	AUC	NA
177	2026-01-28	Detection and Classification of Alzheimer's Disease Using Deep and Machine Learning 2025-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12010004 PMID:41591137	研究论文	本研究提出了一种结合临床数据和MRI扫描的双模态框架，利用机器学习和深度学习模型检测和分类阿尔茨海默病	提出了一种双模态框架，整合基于症状的临床数据和MRI扫描，并引入可解释AI（XAI）如SHAP和Grad-CAM来增强模型的可解释性	未明确提及样本量、计算资源或具体的数据集细节，可能限制了结果的泛化性	早期和准确诊断阿尔茨海默病，以改善患者预后	阿尔茨海默病患者，使用临床数据和MRI扫描	机器学习, 深度学习	阿尔茨海默病	磁共振成像（MRI）	KNN, SVM, DT, RF, CNN	临床数据, 图像（MRI扫描）	NA	NA	EfficientNetB3, DenseNet-121, ResNet-50, MobileNetV2	准确率	NA
178	2026-01-28	Artificial Intelligence-Aided Microfluidic Cell Culture Systems 2025-Dec-24, Biosensors DOI:10.3390/bios16010016 PMID:41590268	综述	本文综述了人工智能辅助的微流控细胞培养系统与器官芯片平台在生理过程建模、疾病进展和药物反应研究中的应用	整合人工智能（特别是机器学习和深度学习）与微流控技术，实现自动化表型分析、预测建模和微环境的实时控制，推动系统向可解释和自主化发展	未明确提及具体技术限制，但暗示了数据异质性和分析复杂性带来的挑战	探讨人工智能如何增强微流控细胞培养系统和器官芯片平台的分析能力，以支持精准医疗和生物医学研究	微流控细胞培养系统、器官芯片平台及其生成的多参数数据集	机器学习	癌症	高分辨率成像、集成传感器、生化检测	机器学习, 深度学习	图像, 多模态数据	NA	NA	NA	准确率	NA
179	2026-01-28	Automated, anatomy-based, heuristic post-processing reduces false positives and improves interpretability of deep learning intracranial aneurysm detection models 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33083-7 PMID:41430430	研究论文	本文提出了一种结合启发式后处理的自动化深度学习方法，用于降低CTA图像中颅内动脉瘤检测的假阳性率	开发了全自动的解剖学基础启发式后处理方法，通过整合脑部掩膜和动脉-静脉分离模块，显著减少深度学习模型的假阳性	后处理方法可能在某些情况下误删真阳性，尤其是在公共数据集上表现更明显	提高深度学习模型在CTA图像中检测颅内动脉瘤的准确性和临床可接受性	CTA图像中的颅内动脉瘤	数字病理学	颅内动脉瘤	CTA成像	CNN, Transformer	医学图像（CTA）	训练集：1,186个开源CTA（1,373个标注动脉瘤）；测试集：143个私有CTA（218个标注动脉瘤）和843个公开CTA（1,027个标注动脉瘤）	NA	CPM-Net, 3D-CNN-TR（可变形3D卷积神经网络-Transformer混合模型）	真阳性, 假阴性, 假阳性, 假阳性率	NA
180	2026-01-28	Augmenting a prognostic deep learning system for referable diabetic retinopathy and maculopathy with synthetic retinal images 2025-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01316-5 PMID:41420096	研究论文	本研究探讨了使用条件级联扩散模型生成的合成视网膜图像来增强预测性深度学习系统在两年内可转诊糖尿病视网膜病变或黄斑病变预测中的性能	首次将条件级联扩散模型生成的合成视网膜图像用于增强预测性深度学习系统，以解决标记数据稀缺和类别不平衡问题	合成图像增强在内部测试中显著提升性能，但在外部测试中未观察到改善，表明合成图像增强的泛化能力有待提高	提高预测性深度学习系统对两年内可转诊糖尿病视网膜病变或黄斑病变的预测准确性	来自英国东南伦敦糖尿病眼筛查计划和伯明翰糖尿病眼筛查计划的视网膜图像	数字病理学	糖尿病视网膜病变	条件级联扩散模型	深度学习系统	图像	开发数据集包含72,559只眼的图像，内部测试集包含9,071只眼，外部测试集包含2,842只眼	NA	条件级联扩散模型	AUROC	NA