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
2821	2026-01-06	Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision 2026-Jan-03, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.12.006 PMID:41486036	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2822	2026-01-06	Sex estimation from human calvarial bone photographs with deep learning approach 2026-Jan-02, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2026.103070 PMID:41485422	研究论文	本研究利用深度学习模型基于颅盖骨照片进行性别估计	首次直接使用颅盖骨照片（无需形态测量）通过深度学习模型进行性别估计，避免了传统方法的繁琐测量步骤	研究样本量有限（内表面210张、外表面310张照片），且仅针对18岁以上尸检案例，未来需扩大样本以提高模型性能	开发一种基于颅盖骨照片的自动化性别估计方法，应用于法医人类学领域	18岁以上尸检案例的颅盖骨内表面（endocranial）和外表面（ectocranial）照片	计算机视觉	NA	深度学习	CNN, SVM, K-NN	图像	内表面照片210张（105男/105女），外表面照片310张（155男/155女）	NA	ResNet50	准确率	NA
2823	2026-01-06	Toward clinical translation of AI-Led drug discovery in endometrial cancer 2026-Jan, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2025.2557602 PMID:40908794	综述	本文综述了深度学习在子宫内膜癌药物发现各阶段的应用，并讨论了其临床转化面临的挑战与解决方案	聚焦于子宫内膜癌这一特定领域，系统性地探讨了深度学习在药物发现中的临床转化瓶颈，并提出了多学科整合的实践路径	作为一篇综述，未提出新的实验数据或模型，主要基于现有文献进行分析，可能受限于已发表研究的覆盖范围和质量	探讨深度学习在子宫内膜癌药物发现中的临床应用潜力与转化障碍	子宫内膜癌（EC）	机器学习	子宫内膜癌	深度学习（DL）	NA	NA	NA	NA	NA	NA	NA
2824	2026-01-06	RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study 2026-Jan, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.09.051 PMID:41052566	研究论文	本研究利用深度学习模型M2M从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模人群队列中评估其与年龄、性别、种族及自我报告青光眼等因素的关联	首次在基于人群的大规模队列（CLSA）中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性	研究为横断面设计，无法确定因果关系；RNFL厚度通过模型从眼底照片估计，而非直接OCT测量；依赖自我报告的青光眼诊断，可能存在误报或漏报	评估加拿大老龄化纵向研究队列中视网膜神经纤维层厚度与人口统计学因素及青光眼状态的关联	加拿大老龄化纵向研究基线综合队列中45至85岁的参与者	数字病理学	青光眼	眼底摄影，光学相干断层扫描	深度学习模型	图像	28,114名参与者	NA	M2M	Pearson相关系数，p值，β系数	NA
2825	2026-01-06	Comparative Evaluation of Advanced Deep Learning, Image-to-Text Models, and Radiomics for Predicting Tumor Budding and Tumor-Stroma Ratio from Breast Ultrasound in Invasive Ductal Carcinoma 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.020 PMID:41176437	研究论文	本研究比较了基于深度学习、图像到文本模型和放射组学的机器学习方法，用于从乳腺癌超声图像中预测肿瘤出芽和肿瘤-间质比	首次在乳腺癌超声图像中系统比较了图像分类深度学习、图像到文本转换模型和放射组学机器学习方法，用于预测肿瘤微环境重要参数	样本量相对较小（153例患者），且仅针对浸润性导管癌，模型性能在测试集上有所下降	预测浸润性导管癌的肿瘤出芽和肿瘤-间质比，以非侵入性方式评估肿瘤微环境	153例经组织病理学确诊的浸润性导管癌患者的术前超声图像	计算机视觉	乳腺癌	超声成像	CNN, Transformer, 集成学习	图像	153例患者	PyTorch, Scikit-learn	YOLOv11x-cls, DINOv2, Vision Transformer, BLIP-2	AUC, 准确率	NA
2826	2026-01-06	Enhancing malware detection and classification in network traffic using deep learning techniques 2026-Jan, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70189 PMID:41199431	研究论文	本研究利用深度学习技术提升网络流量中的恶意软件检测与分类性能	引入了多种先进深度学习技术，包括基于熵的流量过滤、自监督异常检测、图神经网络分类以及上下文感知图注意力网络，以应对复杂网络环境中的恶意软件威胁	未提及模型在跨平台恶意软件检测方面的具体局限性，未来需进一步研究实时自适应学习模型和混合架构	提高网络流量中恶意软件检测的准确性，降低误报率，并实现动态网络环境中的实时检测	网络流量数据	机器学习	NA	深度学习	GNN, GAT	网络流量数据	NA	Python	GNN-MTC, CA-GAT	准确率, 精确率, 召回率	NA
2827	2026-01-06	Deep Learning Radiomic Signature Predicts the Overall Survival of Patients with Lung Adenocarcinoma by Reflecting the Tumor Heterogeneity and Microenvironment 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.033 PMID:41073175	研究论文	本研究开发了一种基于深度学习的放射组学特征，用于预测肺腺癌患者的总体生存率，并探讨了该特征与肿瘤异质性和微环境的关系	利用ResNet50深度学习模型从CT图像中提取放射组学特征，结合多机构数据验证，首次将深度学习放射组学特征与肿瘤异质性和微环境进行关联分析	研究样本量相对有限（306例），且依赖于外部公共数据库进行验证，可能存在数据偏差	预测肺腺癌患者的总体生存率，并探索放射组学特征与肿瘤生物学特性之间的关联	肺腺癌患者	数字病理学	肺癌	CT成像，基因测序	CNN	医学影像（CT图像），基因表达数据	306例肺腺癌患者（来自三个机构），外加外部验证队列（来自The Cancer Imaging Archive）	PyTorch（推断自ResNet50的常用实现），pyradiomics	ResNet50	AUC（曲线下面积），时间依赖性ROC曲线，校准曲线，临床效用	NA
2828	2026-01-06	Patch-based latent fingerprint recognition: A novel approach for reliable identification of partial prints 2026-Jan, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70204 PMID:41139611	研究论文	提出了一种基于图像块的自动化潜在指纹识别系统，用于可靠识别部分指纹	提出了一种新的基于图像块的潜在指纹识别方法，使用无接触反射紫外成像系统（RUVIS）采集高分辨率数字样本，并开发了图像块估计算法以优化特征提取	未明确说明模型在更广泛数据集或实际犯罪现场条件下的泛化能力限制	开发可靠的基于部分指纹的潜在指纹识别系统	潜在指纹（特别是部分指纹）	计算机视觉	NA	反射紫外成像系统（RUVIS）	CNN	图像	RUVIS数据集和标准NISTSD27数据集	TensorFlow, PyTorch（推测，未明确指定）	VGG16, ResNet50	准确率	NA
2829	2026-01-06	The role of machine learning in high tibial osteotomy: A systematic review of predictive modeling, planning, and outcome analysis 2026-Jan, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2025.103290 PMID:41488578	系统综述	本文系统综述了机器学习在高位胫骨截骨术（HTO）中应用于预测建模、手术规划和结果分析的准确性、效率及泛化性	首次系统性地评估了机器学习在HTO手术规划、对线测量和并发症预测中的表现，并指出了现有研究的局限性	证据受限于单中心数据、小样本队列、缺乏功能性验证以及仅有一项研究进行了多中心外部验证	评估机器学习模型在HTO手术规划、对线测量和结果预测中的准确性、效率和泛化性	应用于高位胫骨截骨术的机器学习模型	机器学习	骨关节炎	机器学习	卷积神经网络, 深度学习系统, 集成机器学习模型	放射影像	来自11项研究的异质性数据集，具体样本量未明确说明	NA	NA	平均绝对误差, 曲线下面积, 组内相关系数	NA
2830	2026-01-05	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞中的复杂峰电位	提出了一种结合U-Net架构与混合自注意力inception模块的序列到序列预测方法，能够整合局部场电位和动作电位信号，并实现对复杂峰电位事件的概率输出，在波形变异性和电极漂移下仍保持鲁棒性	未明确提及模型在非灵长类动物或不同脑区记录中的泛化性能，也未讨论计算资源需求或实时处理能力	开发一个自动化、可扩展的框架，用于准确检测和分类小脑浦肯野细胞中的复杂峰电位，以研究神经信息编码	恒河猴小脑神经像素记录中的浦肯野细胞复杂峰电位和简单峰电位	机器学习	NA	高密度多电极阵列记录	U-Net	神经电生理信号序列	基于恒河猴小脑神经像素记录的训练数据，具体样本数量未明确说明	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
2831	2026-01-05	[Application and research progress of artificial intelligence in the diagnosis and treatment of rare lung diseases] 2026-Jan-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20250728-00445 PMID:41483922	综述	本文系统回顾了人工智能在罕见肺病诊断与治疗中的应用与研究进展	综述了从传统机器学习到深度学习、强化学习、迁移学习等多种AI技术在罕见肺病领域的综合应用，并强调了AI在疾病分类、治疗评估和预后预测中的潜在益处	NA	探讨人工智能技术在罕见肺病早期识别、精准诊断和个性化管理中的应用机会	特发性肺纤维化、囊性纤维化、特发性肺动脉高压等罕见肺病	机器学习	肺病	NA	深度学习, 强化学习, 迁移学习	NA	NA	NA	NA	NA	NA
2832	2026-01-05	Impact of image processing techniques on deep learning-based classification accuracy of cervical vertebral maturation 2026-Jan-04, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00887-2 PMID:41484816	研究论文	本研究探讨了不同图像处理技术对深度学习模型在颈椎成熟度分类中准确性的影响	通过引入低密度图像和多种标注技术（标准标注、低密度标注、双色标注），显著提升了基于AlexNet架构的卷积神经网络在颈椎成熟度分类中的性能	数据集规模相对较小（799张头影测量X光片），且仅基于单一模型架构（AlexNet）进行评估，可能限制了结果的泛化能力	研究图像处理技术对深度学习模型在颈椎成熟度分类准确性的影响	头影测量X光片中的第二至第四颈椎（C2-C4）区域	计算机视觉	骨科相关疾病	图像处理技术（包括低密度处理、区域标注）	CNN	图像	799张头影测量X光片（641张用于训练，158张用于测试）	Neural Network Console	AlexNet	分类准确率	NA
2833	2026-01-05	Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation 2026-Jan-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw7768 PMID:41477839	研究论文	本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础	首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据	研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证	探究人类视网膜色素沉着的遗传结构和进化基础	人类视网膜色素沉着	计算机视觉	NA	全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序	深度学习	高分辨率眼底图像	NA	NA	DeepGRP	NA	NA
2834	2026-01-05	A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China 2026-Jan-02, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128477 PMID:41483761	研究论文	本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析	开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性	案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证	建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理	河口湿地生态系统，特别是潮汐河道网络的水文连通性	环境科学与生态学	NA	深度学习，多维地貌与水文参数分析，概率模型	深度学习模型	地理空间数据，水文数据	中国北方辽河口区域	NA	NA	结构连通性增加百分比（39%），过程连通性增加百分比（11.2%）	NA
2835	2026-01-05	Deep Learning for Ultrasound-Based Auxiliary Diagnosis of Emergency Ascites 2026-Jan-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.11.665 PMID:41483985	研究论文	本研究开发了一种基于Transformer的模型，用于自动化检测创伤超声重点评估（FAST）图像中的游离腹腔积液，并评估其在辅助非专业操作者中的可行性	首次将基于Transformer的模型应用于FAST图像的自动化游离腹腔积液检测，并整合了分割与分类模块，显著提升了非专业操作者的检测准确性	研究为回顾性设计，且外部验证仅来自单一医院，可能限制模型的泛化能力	开发并验证一个基于深度学习的自动化模型，以辅助FAST图像中游离腹腔积液的诊断	FAST图像（包含游离腹腔积液的阳性图像和无积液的阴性图像）	计算机视觉	急腹症/创伤	超声成像（FAST）	Transformer	图像	内部数据集：1829张FAST阳性图像和303张FAST阴性图像；外部验证集：848张图像（424张阳性/424张阴性）	NA	Transformer	交并比（IoU）, Dice系数, 像素准确率（PA）, 准确率, 灵敏度, 特异性, AUC	NA
2836	2026-01-05	Deep Learning Image Reconstruction Improves Image Quality in Dual-Low Dose Dual-Energy CT Portal Venography Compared to Adaptive Iterative Image Reconstruction Algorithm-Veo 2026-Jan-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.047 PMID:41484021	研究论文	本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建（ASIR-V）在双低剂量双能CT门静脉成像中的性能，发现DLIR在降低图像噪声和提高图像质量方面表现更优	首次在双低剂量（低对比剂和低辐射剂量）双能CT门静脉成像中系统评估DLIR与ASIR-V的图像质量，并证实DLIR-H在所有门静脉分段中均能显著提升图像质量	研究为单中心回顾性分析，样本量有限，且未评估DLIR在更广泛临床场景或不同患者群体中的泛化性能	比较DLIR与ASIR-V在双低剂量双能CT门静脉成像中的图像质量，以优化术前评估和术后监测	接受双能CT门静脉成像的患者	医学影像	肝脏疾病	双能CT门静脉成像，虚拟单能成像	深度学习图像重建	CT图像	未明确指定患者数量，但提及与既往研究数据对比	NA	NA	图像噪声，对比噪声比，信噪比，主观评分（整体图像质量、图像噪声、血管边缘锐利度、诊断信心）	NA
2837	2026-01-05	MaizeGEP: A Maize Hybrids Dataset with Genotype, Phenotype, and Envirotype to Develop Genomic Selection Models 2026-Jan-02, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf140 PMID:41485082	研究论文	本研究介绍了MaizeGEP数据集，该数据集整合了260个杂交玉米品种的基因型、表型和环境型数据，用于开发基因组选择模型	提出了一个包含广泛试验地点、标准化管理协议和全面环境变量记录的新数据集，并应用了一种新颖的混合专家框架结合GE2P算法进行表型预测	数据集仅涵盖260个杂交玉米品种，可能无法代表所有玉米遗传多样性；环境变量记录可能受限于特定地理位置和时间范围	开发基因组选择模型，以精确预测玉米表型，并研究基因型、环境型和表型之间的关系	260个杂交玉米品种，包括其基因型、表型数据和2382个年-县地点的环境记录	机器学习	NA	单核苷酸多态性分析，全基因组关联研究，气象记录分析	贝叶斯方法，支持向量机，LightGBM，多层感知机，DeepGS，DEM，Cropformer	基因型数据，表型数据，环境数据	260个杂交玉米品种，2382个年-县地点	TensorFlow，PyTorch，Scikit-learn	多层感知机，DeepGS，DEM，Cropformer	最佳线性无偏估计值预测准确度，表型预测准确度	NA
2838	2026-01-05	DySurv: dynamic deep learning model for survival analysis with conditional variational inference 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae271 PMID:39569428	研究论文	本文提出了一种名为DySurv的新型条件变分自编码器方法，用于从电子健康记录中进行动态生存分析，以估计个体死亡风险	DySurv结合静态和纵向测量数据，无需对时间到事件的基础随机过程做出参数假设，直接估计累积风险发生率函数，在动态风险预测方面优于现有统计和深度学习方法	虽然方法利用了深度学习引导的生存分布估计的非参数扩展，但进一步的深度学习范式仍有待探索	开发一种基于深度学习的动态生存分析方法，用于从电子健康记录中预测个体死亡风险	电子健康记录数据，包括静态和纵向测量，来自ICU数据集（如eICU和MIMIC-IV）以及其他医疗时间到事件基准数据集	机器学习	重症监护相关疾病	条件变分自编码器	条件变分自编码器	电子健康记录数据，包括静态和纵向测量	多个数据集，包括6个医疗时间到事件基准数据集和2个真实世界ICU电子健康记录数据集（来自eICU和MIMIC-IV）	NA	条件变分自编码器	一致性，时间依赖性一致性，准确性，敏感性	NA
2839	2026-01-05	Predicting mortality in hospitalized influenza patients: integration of deep learning-based chest X-ray severity score (FluDeep-XR) and clinical variables 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae286 PMID:39576664	研究论文	本研究开发了首个整合放射学和临床数据的人工智能系统FluDeep，用于早期预测流感住院患者的30天死亡率	首创整合放射学评分（FluDeep-XR）与临床数据的多模态AI系统，模拟临床推理过程，通过晚期融合设计提升预测性能	研究仅基于两家医院的队列数据，外部验证范围有限，未涵盖所有流感亚型或人群多样性	开发可解释的多模态AI系统，用于流感住院患者的早期死亡风险预测	流感住院患者的胸部X光影像和临床数据	数字病理学	流感	胸部X光影像分析	CNN, Random Forest	图像, 临床数据	来自台湾大学医院（开发集）和意大利Niguarda医院（外部验证集）的流感患者队列	TensorFlow, Scikit-learn	Xception	均方误差, AUC, 灵敏度	NA
2840	2026-01-05	Vision-Guided Surgical Navigation Using Computer Vision for Dynamic Intraoperative Imaging Updates 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70000 PMID:40847589	研究论文	提出一种基于计算机视觉和神经辐射场（NeRF）的无传感器视频方法，用于内窥镜鼻窦手术中动态更新术中CT成像	首次将神经辐射场（NeRF）应用于内窥镜手术视频，实现无需外部跟踪的术中CT动态更新，解决了传统图像引导手术系统无法反映术中变化的局限性	研究仅在3D打印模型上进行验证，样本量较小（n=6侧），尚未在真实患者手术中测试	开发一种能够动态更新术中成像的计算机视觉导航系统，以提高内窥镜鼻窦手术的完整性和准确性	内窥镜鼻窦手术（ESS）中的3D打印解剖模型	计算机视觉	鼻窦疾病	神经辐射场（NeRF）、内窥镜视频处理、CT影像配准	深度学习算法	内窥镜视频、CT影像	3个3D打印模型（双侧手术，共6侧）	NA	神经辐射场（NeRF）	豪斯多夫距离、Dice相似系数、Bland-Altman分析	NA