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
2121	2026-01-24	Federated TriNet-AQ: Explainable english proficiency classification in augmented and virtual reality learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329304 PMID:41557737	研究论文	本文提出了一种名为TriNet-AQ的联邦可解释深度学习架构，用于在AR/VR平台中分类英语能力	结合量子正弦编码、三轴注意力融合和量子调制集成，通过联邦学习实现去中心化训练，提升隐私保护和模型可解释性	在新数据上准确率下降3.5%，可能存在泛化能力限制	在增强和虚拟现实学习环境中进行英语能力分类	AR/VR平台中的学习者	自然语言处理	NA	量子正弦编码, 三轴注意力融合, 量子调制集成	深度学习	多模态输入	NA	NA	TriNet-AQ	准确率, AUC, EPES	NA
2122	2026-01-24	A DNN-Based Weighted Partial Likelihood for Partially Linear Subdistribution Hazard Model 2026-Jan, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70397 PMID:41569618	研究论文	本文提出了一种基于深度神经网络的加权部分似然方法，用于部分线性次分布风险模型，以处理竞争风险数据	将深度学习方法扩展到竞争风险领域，提出了深度部分线性次分布风险模型，并开发了针对竞争风险数据的时间依赖性AUC评估方法	未明确说明模型在极端数据分布或高维特征下的性能限制	开发一种结合深度学习和部分线性结构的模型，以改进竞争风险生存分析中的估计和预测性能	竞争风险生存数据	机器学习	NA	深度神经网络	DNN	生存数据	NA	NA	深度部分线性次分布风险模型	时间依赖性AUC	NA
2123	2026-01-24	Deep learning applied to standard radiographs improves detection of implant loosening in total knee arthroplasty: A proof-of-concept study 2026-Jan, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70611 PMID:41560964	研究论文	本研究开发了一种基于深度学习的工具，利用二维X光片检测全膝关节置换术中的植入物松动	首次应用深度学习算法于标准X光片，以检测全膝关节置换术中的植入物松动，并在概念验证中显示出优于常规放射学评估的性能	数据集有限，仅为概念验证研究，需要更大规模的数据集进行验证和优化	开发一种深度学习工具，用于检测全膝关节置换术中的植入物松动，以提高诊断准确性和效率	全膝关节置换术后的植入物松动情况	计算机视觉	骨科疾病	X光成像	CNN	图像	307组X光片（包括159例松动和148例固定植入物）	TensorFlow, Keras	InceptionV3	灵敏度, 特异性, 准确率, AUC	NA
2124	2026-01-24	Detection of return of spontaneous circulation during cardiopulmonary resuscitation using continuous carotid artery Doppler blood flow monitored by AI in an animal model 2026-Jan, Resuscitation plus IF:2.1Q2 DOI:10.1016/j.resplu.2025.101207 PMID:41561320	研究论文	本研究开发了一种基于AI的连续颈动脉多普勒血流监测系统，用于在心肺复苏期间自动检测自主循环恢复	首次将深度学习技术应用于连续颈动脉多普勒血流信号分析，实现ROSC的自动实时检测，并采用可解释AI方法增强模型透明度	研究仅在猪模型中进行，样本量有限（9头猪），未在人类临床环境中验证	开发一种自动实时检测心肺复苏期间自主循环恢复的方法	猪模型中的颈动脉血流速度信号	数字病理学	心血管疾病	连续颈动脉多普勒超声监测	人工神经网络	频谱信号	9头猪，共7750个心搏周期（实验1:2610个，实验2:5140个）	NA	NA	灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
2125	2026-01-24	Age-stratified analysis of descending aorta diameter in traumatic massive hemorrhage: a machine learning approach 2026, Trauma surgery & acute care open IF:2.1Q2 DOI:10.1136/tsaco-2024-001646 PMID:41561395	研究论文	本研究通过机器学习方法分析创伤性大出血患者降主动脉直径的年龄分层差异	首次在创伤性大出血患者中，基于年龄分层使用随机森林模型识别降主动脉直径的关键预测因子，并揭示年龄组间影响因素的动态变化	回顾性单中心研究，样本量有限（243例），外部验证缺乏，可能影响结果的普适性	识别不同年龄组创伤性大出血患者降主动脉直径的显著预测因子，以改进主动脉直径评估和管理	243例创伤性大出血患者，分为18-60岁年轻组（152例）和61-91岁老年组（91例）	医学影像分析	创伤性大出血	CT影像分析	随机森林, 深度学习	CT图像, 临床数据	243例患者	NA	Shallow Attention Network	均方根误差	NA
2126	2026-01-24	Automated ECG Report as a Factor in the Clinical Decision Pathway for Acute Chest Pain in the Emergency Department 2026-Jan, Cureus DOI:10.7759/cureus.101785 PMID:41561657	研究论文	本研究旨在通过结合自动化心电图算法与先进机器学习技术，提升急诊科内心电图报告的自动分类能力，以加速急性胸痛患者的临床决策流程	创新性地将传统Glasgow算法与大型语言模型GPT-4结合，构建混合模型对非结构化自动心电图报告进行临床相关结局分类	新发心律失常的分类性能较低（F1分数仅0.45），且研究基于单中心回顾性数据，样本量有限	通过自然语言处理技术增强传统方法，加速急性胸痛患者的心电图导向管理	急性胸痛患者的心电图报告	自然语言处理	心血管疾病	心电图分析	混合模型（传统算法+LLM）	文本（心电图报告）	860份来自急性胸痛患者的心电图	NA	Glasgow算法, GPT-4	F1分数, AUC, 准确率	NA
2127	2026-01-24	ATR-FTIR Spectroscopy and Deep Learning for Chemometric Analysis and Geographical Classification of Red Wines 2026-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70872 PMID:41574426	研究论文	本研究结合衰减全反射傅里叶变换红外光谱和新型残差复合卷积神经网络，用于红葡萄酒的地理来源鉴别	提出了一种新型的残差复合卷积神经网络模型，并集成了竞争性自适应重加权采样和决策树池化等先进的预处理与特征优化技术	模型性能对酒精和糖含量的变化较为敏感，尽管在典型范围内变化时影响有限	解决红葡萄酒地理来源认证的关键挑战	来自中国新疆和河北地区的红葡萄酒样本	机器学习	NA	衰减全反射傅里叶变换红外光谱	CNN	光谱数据	200个红葡萄酒样本	NA	Res-MCNN	准确率, 灵敏度, 特异性, AUC	NA
2128	2026-01-24	Advanced Imaging Techniques for the Detection and Follow-up of Brain Metastases 2026 Jan-Feb 01, Cancer journal (Sudbury, Mass.) DOI:10.1097/PPO.0000000000000805 PMID:41574989	综述	本文综述了脑转移瘤检测与随访中先进成像技术（如高级MRI和PET）及人工智能模型的应用与局限性	总结了高级MRI技术（如灌注MRI、扩散加权MRI、MR光谱学和CEST）及氨基酸示踪剂PET在区分治疗相关效应与肿瘤进展中的高诊断准确性，并探讨了人工智能模型（包括放射组学和深度学习方法）在提升诊断性能和简化工作流程方面的潜力	人工智能模型的临床效用受到研究间异质性大、缺乏标准化以及大规模外部验证不足的限制	综述脑转移瘤诊断和反应评估中先进成像技术的最新文献	脑转移瘤患者	数字病理学	脑转移瘤	对比增强MRI、灌注MRI、扩散加权MRI、MR光谱学、化学交换饱和转移（CEST）、PET（使用氨基酸示踪剂）	深度学习	图像	NA	NA	NA	诊断准确性	NA
2129	2026-01-23	Deep learning in central serous chorioretinopathy 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.07.011 PMID:40752852	综述	本文全面回顾了深度学习在中心性浆液性脉络膜视网膜病变（CSC）中的应用，包括自动分析成像生物标志物、诊断、分类、预后和治疗结果预测	首次系统综述深度学习如何通过自动化分析CSC相关成像生物标志物（如视网膜下液、脉络膜血管等）来增强诊断和管理效率，并详细探讨了脉络膜血管的非侵入性可视化技术	未提及具体数据样本量或模型性能比较，且领域仍面临挑战和空白，需要进一步研究	探讨深度学习在眼科，特别是中心性浆液性脉络膜视网膜病变（CSC）中的应用，以提升诊断和管理的效率	中心性浆液性脉络膜视网膜病变（CSC）及其相关成像生物标志物，如视网膜下液、脉络膜层等	计算机视觉	中心性浆液性脉络膜视网膜病变	NA	深度学习模型	图像	NA	NA	NA	NA	NA
2130	2026-01-23	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述了人工智能（AI）在年龄相关性黄斑变性（AMD）的诊断、预后和治疗中的最新进展、临床应用及关键局限性	系统性地总结了AI在AMD早期检测/分类以及疾病进展/治疗反应预测方面的应用，并开始解决算法偏见、泛化性有限和“黑箱”性质等先前挑战	AI模型的临床整合依赖于提高模型可解释性并在多样化人群中验证工具	评估人工智能在年龄相关性黄斑变性管理中的潜力，以推动及时诊断和个性化干预	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	NA	机器学习, 深度学习	图像	基于对193条记录的筛选，纳入了47项研究	NA	NA	准确率	NA
2131	2026-01-23	TPVNet: A domain-aware graph-based framework for reliable multivariate physiological time series classification in healthcare 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109214 PMID:41442988	研究论文	提出了一种名为TPVNet的领域感知图框架，用于医疗物联网中多变量生理时间序列的可靠分类	提出了时间增强有限可穿透可见图（TPVG）将原始信号转换为不可逆的图表示，并采用通道级投票策略以增强决策鲁棒性	未明确提及	提升医疗物联网应用中多变量生理时间序列分类的准确性、稳定性和隐私保护	多变量生理时间序列	机器学习	心房颤动	时间序列分析，图表示学习	GIN	时间序列数据	七个公共生理数据集	NA	Graph Isomorphism Network	准确率，召回率，精确率，F1分数，标准差	NA
2132	2026-01-23	Liver cancer segmentator: Metadata-guided confidence scoring for reliable segmentation of colorectal liver metastases in CT 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109233 PMID:41505999	研究论文	本研究介绍了肝脏癌症分割器（LCS），一种用于自动和鲁棒地分割结直肠肝转移患者腹部增强CT图像中肝实质和肿瘤的深度学习模型，旨在通过元数据引导的置信度评分提高分割可靠性	开发了结合肿瘤体积和切片厚度元数据的置信度评分系统，以增强分割失败检测和临床可靠性	研究为回顾性设计，数据来源于两个机构，可能限制泛化性；未在外部验证集上测试模型	提高结直肠肝转移CT图像自动分割的可靠性和临床评估置信度	结直肠肝转移患者的腹部增强CT图像	数字病理学	结直肠肝转移	对比增强计算机断层扫描（CT）	深度学习模型	CT图像	446例腹部增强CT检查（355例训练，91例测试）	NA	NA	Dice分数, 归一化表面距离, 风险覆盖曲线下面积	NA
2133	2026-01-23	Noninvasive real-time dynamic monitoring of white blood cells based on microscopic imaging and deep learning 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109238 PMID:41505998	研究论文	本研究开发了一种基于显微成像和深度学习的无创实时动态白细胞监测系统	结合便携式光学成像设备和基于YOLOv8的两阶段检测框架，首次实现了甲襞微循环中白细胞的连续无创监测	研究样本量较小（仅22名志愿者），且未在临床环境中进行大规模验证	开发一种无创、实时监测白细胞动态的系统，以替代传统的间歇性血液采样方法	甲襞微循环中的白细胞	计算机视觉	NA	显微成像，532 nm照明光学成像	CNN	视频	22名志愿者	PyTorch	YOLOv8	平均精度均值（mAP），精确率，召回率，F1分数	通用计算平台
2134	2026-01-23	SegRenal: AI-Driven segmentation of frozen sections in transplant kidney biopsies - A comparative analysis of deep learning models 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109216 PMID:41512382	研究论文	本研究开发了SegRenal，一种基于人工智能的模型，用于自动分割移植肾活检冰冻切片中的关键结构，并比较了不同深度学习模型的性能	首次将深度学习模型应用于肾移植冰冻切片的自动化分割，并进行了跨扫描仪性能评估，模型甚至能检测出人工标注遗漏的结构	研究样本量相对有限（共183张全切片图像），且仅针对两种特定扫描仪进行了评估	开发并评估用于肾移植冰冻切片自动分割的AI模型，以支持快速、一致的术中评估	肾移植供体活检的冰冻切片全切片图像	数字病理学	肾脏疾病	苏木精和伊红染色	CNN	图像	183张冰冻全切片图像，来自两种扫描仪，并由肾脏病理专家手动标注	NA	UNet, ResNet-UNet, DenseNet-UNet	Dice分数, 精确率, 召回率, 组内相关系数	NA
2135	2026-01-23	ADHTransNet-based radiomics on multimodal pituitary MRI for non-invasive hormone prediction in children 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109235 PMID:41519096	研究论文	本研究提出了一种基于ADHTransNet的放射组学方法，利用多模态垂体MRI图像，实现儿童生长激素和促性腺激素水平的无创预测	提出了ADHTransNet用于垂体腺体的自动分割，并开发了一个全自动、多模态、可重复的放射组学流程，首次实现了从MRI图像直接预测多种激素水平，以减少对侵入性刺激测试的依赖	样本量相对有限（共274名受试者），且研究为单中心设计，可能限制了模型的泛化能力	开发一种无创的辅助工具，用于预测儿童生长激素缺乏症和特发性中枢性性早熟患者的激素水平，以减少侵入性血液测试的需求	患有生长激素缺乏症（GHD）、特发性中枢性性早熟（ICPP）的儿童以及正常对照组	数字病理学	儿科内分泌疾病	MRI成像（T1加权和T2加权图像）	CNN, Transformer	医学图像（MRI）	274名受试者，共548次扫描（包括T1WI和T2WI图像）	NA	ADHTransNet	相关系数（r值），p值	NA
2136	2026-01-23	Chemo-prAIdict Breast: A deep learning solution for predicting residual disease on biopsies of breast cancer patients treated with neoadjuvant chemotherapy 2026-Feb-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116222 PMID:41518683	研究论文	开发了一种基于深度学习模型Chemo-prAIdict Breast，利用诊断活检的全切片图像预测乳腺癌患者新辅助化疗后的残留疾病	首次提出使用全切片图像的深度学习模型预测乳腺癌新辅助化疗后的残留疾病，并在大型队列中验证了其优于标准临床病理特征的性能	需要基于现代治疗方案的前瞻性研究来确立临床实用性	预测早期乳腺癌患者对新辅助化疗的敏感性，以帮助个体化治疗	接受新辅助化疗的早期乳腺癌患者	数字病理学	乳腺癌	全切片图像分析	深度学习模型	图像	初始纳入1140名患者，经筛选后分析928名（训练队列438名，外部验证队列490名）	NA	NA	AUC, Pearson相关系数	NA
2137	2026-01-23	Peripapillary Choroidal Vascularity Index for Differentiating Papilledema from Pseudopapilledema: A Deep Learning-Based Approach 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101024 PMID:41552652	研究论文	本研究使用深度学习算法比较了特发性颅内高压引起的视盘水肿与视盘玻璃膜疣引起的假性视盘水肿的视盘周围脉络膜血管指数	首次应用深度学习ResUNet模型结合体积平滑算法自动分割脉络膜，并量化视盘周围脉络膜血管指数以区分视盘水肿与假性视盘水肿	样本量较小，且为回顾性研究，可能存在选择偏倚	区分特发性颅内高压引起的视盘水肿与视盘玻璃膜疣引起的假性视盘水肿	特发性颅内高压患者、视盘玻璃膜疣患者及健康对照者的眼睛	数字病理学	眼科疾病	OCT	CNN	图像	138只眼睛（30只视盘水肿眼、30只假性视盘水肿眼、78只健康对照眼）	NA	ResUNet	均值比较、P值	NA
2138	2026-01-23	Comparison of RETFound and a Supervised Convolutional Neural Network for Detection of Referable Glaucoma from Fundus Photographs 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101008 PMID:41552656	研究论文	比较基于视觉Transformer的基础模型RETFound和监督卷积神经网络VGG-19在眼底照片中检测可转诊青光眼的性能	首次将自监督预训练的视觉Transformer基础模型RETFound与监督CNN模型VGG-19在青光眼检测任务中进行系统比较，并探讨了图像裁剪、训练数据规模及人口统计学因素对模型性能的影响	研究主要基于特定筛查项目数据，外部验证集规模较小（N=300），且未涉及其他类型青光眼或更广泛的临床场景	评估不同深度学习架构在青光眼自动筛查中的诊断性能	来自洛杉矶县卫生服务远程视网膜筛查项目的6,116名参与者的眼底照片	计算机视觉	青光眼	眼底摄影	Vision Transformer, CNN	图像	训练集8,996张，验证集3,002张，内部测试集1,000张，外部测试集300张眼底照片	未明确说明	RETFound, VGG-19	AUC-ROC, 敏感性, 特异性, F1分数	NA
2139	2026-01-23	The role of fibration symmetries in geometric deep learning 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2416552123 PMID:41564124	研究论文	本文提出将几何深度学习（GDL）扩展至局部对称性，特别是纤维化对称性，以增强图神经网络（GNNs）的表达能力和计算效率	放松GDL限制，引入局部对称性（纤维化对称性），推导出GNNs表达能力的更紧上界，并通过识别网络对称性压缩节点以提高计算效率	当前GDL公式仅限于全局对称性，新方法虽扩展至局部对称性，但实际应用效果需进一步验证	扩展几何深度学习框架，引入局部对称性以改进图神经网络的表达能力和效率	图神经网络（GNNs）、几何深度学习（GDL）框架	机器学习	NA	NA	GNN	图数据	NA	NA	NA	NA	NA
2140	2026-01-23	[Precision surgical treatment for middle and low rectal cancer in the era of artificial intelligence] 2026-Jan-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery DOI:10.3760/cma.j.cn441530-20251015-00381 PMID:41566182	综述	本文探讨了人工智能技术在结直肠癌诊疗中的应用，特别是在中低位直肠癌精准手术治疗中的作用	通过深度学习算法分析CT和MRI等影像数据，为手术规划提供定量支持，并结合增强现实技术实现术中实时肿瘤定位和解剖平面可视化	NA	推动中低位直肠癌手术治疗向个体化和精准化范式发展	中低位直肠癌患者	数字病理	结直肠癌	深度学习, 增强现实	深度学习模型	影像数据	NA	NA	NA	NA	NA