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
1661	2026-01-23	Artificial intelligence-based deep learning model for evaluating procedural consistency in microvascular anastomosis 2026-Jan-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2025.6.JNS25128 PMID:41004852	研究论文	本研究开发并验证了一种基于LSTM的深度学习模型，用于客观评估神经外科培训中微血管吻合手术的缝合执行一致性	首次利用LSTM架构对微血管吻合手术中的手部运动进行建模和预测，实现了对手术操作一致性的客观量化评估	研究样本量较小，仅涉及两位专家外科医生和一名学员；未来需要扩展到更多外科医生以验证模型的普适性	开发一种客观评估微血管吻合手术操作一致性的深度学习模型	神经外科医生在模拟微血管吻合手术中的手部运动数据	计算机视觉	NA	视频数据采集	LSTM	视频	2位专家神经外科医生（各进行两次手术）和1名学员（进行一次手术）	NA	LSTM	Kullback-Leibler散度, 欧几里得距离, 缝合时间间隔	NA
1662	2026-01-23	Deep learning to assess laryngoscope insertion depth during neonatal intubation with video laryngoscopy 2026-Jan, Journal of perinatology : official journal of the California Perinatal Association IF:2.4Q1 DOI:10.1038/s41372-025-02457-0 PMID:41145730	研究论文	本研究开发了一种深度学习模型，用于在新生儿视频喉镜检查中实时分类喉镜插入深度为浅、声门区或深	首次利用深度学习技术对新生儿视频喉镜检查中的喉镜插入深度进行实时分类，为临床操作提供实时指导	深插入事件罕见（2.7%），模型对此类事件性能较低（F1=0.034），且临床影响结论有限	开发AI辅助的视频喉镜检查系统，以支持喉镜插入深度评估和培训	新生儿视频喉镜检查中的喉镜插入深度	计算机视觉	新生儿疾病	视频喉镜检查	深度学习模型	视频帧	132个新生儿视频喉镜检查视频，共298,955个标注帧	NA	NA	F1分数	NA
1663	2026-01-23	Radiomics in non-oncologic musculoskeletal diseases: from pixels to practice 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107106 PMID:41162310	综述	本文综述了放射组学在非肿瘤性肌肉骨骼疾病中的应用，从基本原理到临床实践	将放射组学从肿瘤学领域扩展到非肿瘤性肌肉骨骼疾病，并强调了标准化和可重复性在临床整合中的重要性	成像协议、分割和特征提取的标准化和可重复性不足，限制了更广泛的临床整合	概述放射组学在非肿瘤性肌肉骨骼疾病中的应用原理、工作流程和挑战	非肿瘤性肌肉骨骼疾病，包括骨质疏松症、骨关节炎、风湿性疾病、神经病理学和创伤相关损伤	医学影像分析	肌肉骨骼疾病	放射组学	NA	放射学图像	NA	NA	NA	NA	NA
1664	2026-01-23	Severity prediction in patients with oedema in cerebral contusion using deep learning from computed tomography scans 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107113 PMID:41240817	研究论文	本研究开发了一种结合深度学习的模型，用于评估脑挫伤水肿的严重程度	提出了一种结合血肿和水肿的深度学习模型（水肿指数，EI），用于预测脑挫伤水肿的严重程度，并展示了其与现有CT分类系统结合能提高预测性能	研究样本量相对较小（高风险组56例，低风险组66例），且仅基于单一机构的CT扫描数据，可能限制模型的泛化能力	开发一种深度学习模型来预测脑挫伤水肿的严重程度	脑挫伤水肿患者	计算机视觉	脑挫伤	CT扫描	深度学习模型	CT图像	脑挫伤水肿患者共122例（高风险组56例，低风险组66例），另用于血肿体积量化的创伤性脑出血患者141例	NA	NA	AUC（曲线下面积），体积百分比误差	NA
1665	2026-01-23	Radiomics in clinical radiology: advances, challenges, and future directions 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107165 PMID:41360019	综述	本文综述了放射组学在临床放射学中的进展、挑战与未来方向，重点探讨了其与人工智能（特别是大语言模型和代理AI模型）的融合	聚焦于放射组学与新兴AI技术（大语言模型、代理AI模型）的融合，并系统讨论了标准化、验证框架和多中心研究等关键问题	作为一篇综述文章，其局限性在于主要基于现有文献进行总结和分析，未提出新的原始数据或模型	总结放射组学的发展现状，突出当前挑战，并为放射组学在临床实践中的广泛应用提出未来方向	放射组学相关研究文献，特别是关注验证框架、标准化、深度学习、大语言模型、多中心研究和代理流程库的研究	医学影像分析	NA	放射组学（高通量定量图像特征提取）	深度学习, 大语言模型, 代理AI模型	医学影像	NA	NA	NA	诊断准确性, 预后性能, 可重复性	NA
1666	2026-01-23	Radiomics of hepatopancreatobiliary cancer diagnosis, management, and future prospects 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107167 PMID:41365695	综述	本文综述了影像组学在肝胆胰癌症诊断、管理和未来前景中的应用	展示了影像组学作为非侵入性肿瘤异质性标记物的潜力，并探讨了其与基因组学、代谢组学和免疫学数据的整合，以开发高预测性集成模型	需要进一步评估最佳成像策略、图像标准化以及在多样化患者群体中的前瞻性验证，才能广泛用于常规临床实践	探讨影像组学在改善肝胆胰癌症诊断和管理中的应用潜力	肝胆胰癌症，包括肝细胞癌、胰腺癌和胆管癌	医学影像分析	肝胆胰癌症	影像组学	深度学习, 机器学习	影像数据	NA	NA	NA	NA	NA
1667	2026-01-23	Artificial intelligence in oncological positron emission tomography: advancing image analysis and interpretation 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107187 PMID:41401681	综述	本文综述了人工智能在肿瘤学正电子发射断层扫描中的应用，重点讨论了其在改善图像质量和定量分析方面的进展与挑战	强调了AI在提升PET图像诊断准确性和预后建模中的价值，并指出了未来发展方向如多模态集成、联邦学习和概率深度学习	面临图像数据标准化、可解释性方法开发及监管框架建立等挑战，临床实践应用仍需克服这些障碍	探讨人工智能在肿瘤学PET成像中的应用，以优化临床管理和个体化治疗	肿瘤患者的正电子发射断层扫描图像	医学影像分析	癌症	正电子发射断层扫描	深度学习	图像	NA	NA	NA	诊断准确性	NA
1668	2026-01-23	Clinical value of deep learning image reconstruction in chest computed tomography (CT) imaging: a systematic review 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107184 PMID:41411962	系统综述	本文系统综述了深度学习图像重建（DLIR）在胸部CT成像中的临床诊断价值，并与传统重建方法进行比较	首次系统评估DLIR在胸部CT中的诊断性能，并量化其在结节检测、纹理分析和间质性肺病分类方面的优势	纳入研究存在异质性，缺乏大规模临床结局数据，需要更多研究验证对患者预后的影响	评估DLIR在胸部CT成像中的临床诊断价值	胸部CT图像及人类参与者	医学影像分析	肺部疾病	CT成像	深度学习图像重建（DLIR）	CT图像	13项研究（来自1967条记录）	NA	NA	敏感性, AUC, Cohen's κ	NA
1669	2026-01-23	Uncertainty-aware genomic deep learning with knowledge distillation 2026, NPJ artificial intelligence DOI:10.1038/s44387-025-00053-3 PMID:41523993	研究论文	提出一种名为DEGU的方法，通过集成学习和知识蒸馏提升基因组学中深度神经网络预测的鲁棒性和可解释性	结合集成学习与知识蒸馏，同时捕捉预测平均值和变异性以量化认知不确定性，并可选择性地建模数据不确定性	未明确说明方法在计算资源消耗或特定基因组任务中的潜在限制	提高基因组学中深度神经网络预测的可靠性和可解释性	调控基因组学中的功能基因组预测任务	机器学习	NA	NA	DNN	基因组序列数据	NA	NA	NA	校准不确定性估计, 覆盖率保证	NA
1670	2026-01-23	Reviewing Marine Bioactive Compounds From the Red Sea: Advancing Therapeutic Applications While Navigating Translational and Conservation Challenges 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502652 PMID:41563944	综述	本文综述了红海海洋生物活性化合物的研究进展，重点分析了其分离、表征、生物活性及在治疗应用中的潜力，同时探讨了临床转化和生态保护面临的挑战	系统整合了过去十年红海海洋生物活性化合物的研究，并强调了结合深度学习等新兴技术及跨学科方法以克服转化障碍的创新方向	化合物可用性有限、提取过程复杂、监管限制以及临床转化面临多重挑战	分析红海海洋生物活性化合物的研究进展，推动其治疗应用，并应对转化和生态保护挑战	海绵、珊瑚、微藻、海藻、海洋鱼类和微生物中提取的生物活性化合物	NA	NA	传统溶剂提取、超临界流体提取、超声辅助提取、色谱纯化、生物测定引导的分级分离	NA	NA	NA	NA	NA	NA	NA
1671	2026-01-23	Advancing Diagnostic Accuracy in Liver Cancer: A Systematic Review of Artificial Intelligence Applications in Hepatocellular Carcinoma and Cholangiocarcinoma Detection Using Abdominal CT Imaging 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.5 PMID:41569166	系统综述	本研究系统评估了人工智能在利用腹部CT和MRI区分肝细胞癌与胆管癌中的诊断性能及其临床意义	系统综述了AI在肝细胞癌与胆管癌鉴别诊断中的应用，并强调了多模态成像（CT+MRI）和放射组学-基因组学特征融合对提升诊断性能的潜力	纳入研究多为回顾性设计，外部验证有限，存在中低偏倚风险	评估人工智能在肝细胞癌与胆管癌鉴别诊断中的性能及其临床管理意义	肝细胞癌与胆管癌	数字病理学	肝癌	腹部CT成像，MRI成像	CNN，深度学习模型，混合放射组学-临床模型	医学影像（CT，MRI）	44项符合纳入标准的研究	NA	卷积神经网络	灵敏度，特异性，准确率，AUC	NA
1672	2026-01-23	Integrating Ant Colony Optimization with Deep Learning for Improved Lung Cancer Diagnosis and Prognosis 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.129 PMID:41569180	研究论文	本研究提出了一种结合蚁群优化算法与深度学习的集成方法，用于提高肺癌诊断和预后的准确性与可靠性	创新性地将蚁群优化算法与多种深度学习模型（DenseNet、ResNet 50、VGG 19、LSTM）集成，用于特征选择优化，显著提升了模型性能	NA	提高肺癌诊断的准确性和可靠性，为AI驱动的医疗解决方案奠定基础	肺癌	计算机视觉	肺癌	CT扫描	CNN, LSTM	图像, 文本	NA	NA	DenseNet, ResNet 50, VGG 19, LSTM	准确率	NA
1673	2026-01-22	AI-Driven Fall Prediction across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults 2026, Gerontology IF:3.1Q3 DOI:10.1159/000549410 PMID:41196832	研究论文	本研究开发并比较了多种机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险，并识别关键预测特征	首次将深度学习模型（特别是AGRU）应用于跨世代（年轻、中年、老年）的跌倒风险预测，并通过年龄分层分析揭示了年龄特异性的风险因素	模型在独立数据集上的外部验证仅显示中等泛化能力，且需要更大、更多样化的数据集以及整合时序或传感器数据进行实际应用验证	开发和比较不同的ML/DL模型，以预测跌倒风险并识别跨年龄组的关键预测特征	1441名台湾南部社区居住的20岁以上成年人，包括有和无跌倒史的参与者	机器学习	老年疾病	NA	机器学习, 深度学习	人口统计学、临床和身体性能数据	1441名社区居住成年人	NA	KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU	准确率, 精确率, 召回率, F1分数, AUROC	NA
1674	2026-01-21	Semantic segmentation deep learning model boosts surgeons' organ recognition in minimally invasive hysterectomy - a prospective multi-center reader performance study using pre-selected video clips 2026-Jan-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004606 PMID:41427529	研究论文	本研究评估了一种基于深度学习的解剖识别系统在提升外科医生于微创子宫切除术中识别输尿管和膀胱能力方面的效果	开发并前瞻性验证了一种基于语义分割的深度学习模型，用于辅助不同经验水平的外科医生在手术视频中识别输尿管和膀胱，特别是在经验较少的医生中显示出显著的敏感性提升	研究使用了预先筛选的视频片段，可能无法完全代表实时手术场景的复杂性；模型在膀胱分割上的Dice系数相对较低（0.62）	评估人工智能辅助系统是否能提高外科医生在微创子宫切除术中对输尿管和膀胱的识别能力，同时不降低特异性	微创子宫切除术中的输尿管和膀胱	计算机视觉	妇科疾病	深度学习	语义分割深度学习模型	图像，手术视频	来自41个机构的13,934张输尿管图像和4,940张膀胱图像；涉及8个机构的16名外科医生	NA	NA	Dice系数，敏感性，特异性	NA
1675	2026-01-08	Correction to "Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing" 2026-Jan-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07908 PMID:41493771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1676	2026-01-21	CTSSP: A temporal-spectral-spatial joint optimization algorithm for motor imagery EEG decoding 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae34ea PMID:41499961	研究论文	本文提出了一种名为CTSSP的联合优化算法，用于解码运动想象脑电图信号	提出了一个统一的框架，联合优化时域、频域和空域滤波器，克服了现有方法特征优化碎片化的问题	NA	提升运动想象脑机接口在噪声和非平稳环境下的解码性能	运动想象脑电图信号	机器学习	NA	脑电图	NA	脑电图信号	五个公共数据集	NA	CTSSP	准确率	NA
1677	2026-01-21	Deep Learning Models: A Lens Worth Sharpening for Cancer Prognostication 2026-Jan-20, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19099-x PMID:41555132	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1678	2026-01-21	A General Image Fusion Approach Exploiting Gradient Transfer Learning and Fusion Rule Unfolding 2026-Jan-19, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3655694 PMID:41553895	研究论文	本文提出了一种基于梯度迁移学习和融合规则展开的通用图像融合框架，旨在通过单一模型处理多种图像融合任务	引入了序列梯度迁移框架以利用不同任务间的互补信息，并通过将基本融合规则集成到深度均衡模型中，实现了超越启发式网络设计的更高效、通用的图像融合网络	未明确提及	开发一个能够统一处理多种图像融合任务的深度学习模型，以促进模型在实际应用中的部署	多焦点图像融合、多曝光图像融合、红外与可见光图像融合以及医学图像融合	计算机视觉	NA	深度学习	深度均衡模型	图像	未明确提及	未明确提及	未明确提及	客观指标	未明确提及
1679	2026-01-21	EEGMoE: A Domain-Decoupled Mixture-of-Experts Model for Self-Supervised EEG Representation Learning 2026-Jan-19, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3652277 PMID:41553887	研究论文	提出了一种用于自监督脑电图表征学习的领域解耦混合专家模型EEGMoE	引入了基于Transformer的领域解耦编码器，通过特定专家组和共享专家组的混合专家块，同时学习领域共享和领域特定的表征	未明确说明模型在跨被试或跨数据集场景下的具体性能限制	开发一种具有强泛化能力的自监督脑电图表征学习模型	大规模多任务脑电图数据	机器学习	NA	脑电图	Transformer, MoE	脑电图信号	NA	NA	Transformer-based domain-decoupled encoder, Mixture-of-Experts block	NA	NA
1680	2026-01-21	CT deep learning radiomics and genomics for predicting staging of epithelial ovarian cancer 2026-Jan-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004924 PMID:41556167	研究论文	本研究开发并验证了一种结合CT影像组学特征、深度学习特征和转录组学数据的模型，用于预测上皮性卵巢癌的分期	创新性地将CT影像组学、深度学习特征与转录组学数据相结合，构建多模态预测模型，并探索了与肿瘤微环境中免疫浸润模式的关联	样本量相对有限，且外部验证集来自公开数据库，可能影响模型泛化能力	开发并验证一种预测上皮性卵巢癌分期的多模态模型，以辅助个性化治疗策略制定	上皮性卵巢癌患者	数字病理学	卵巢癌	CT成像, RNA测序	逻辑回归	CT图像, 转录组学数据	训练集160例，内部验证集41例，外部验证集84例	NA	NA	AUC, 校准曲线, 决策曲线分析	NA