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
581	2025-12-12	Systematic review and meta-analysis of artificial intelligence models for diagnosing and subphenotyping ARDS in adults 2026 Jan-Feb, Heart & lung : the journal of critical care IF:2.4Q2 DOI:10.1016/j.hrtlng.2025.09.017 PMID:41037977	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在成人ARDS诊断和亚表型识别中的诊断性能与方法学质量	首次对人工智能模型在ARDS诊断和亚表型识别方面的研究进行了全面的系统综述和荟萃分析，并评估了其方法学质量及AI特定指标	研究存在高异质性，校准报告缺失较多，外部验证不足，亚表型研究仍处于探索阶段	评估人工智能模型在成人ARDS及其亚表型识别中的诊断性能和方法学质量	成人ARDS患者	机器学习	急性呼吸窘迫综合征	NA	深度学习, 机器学习	图像, 非图像数据	63项研究，共135,762名参与者	NA	NA	灵敏度, 特异性, AUROC	NA
582	2025-12-12	Classifying retinal degeneration using OCT and histological images in a rodent model for retinal degeneration by deep learning 2026-Jan, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110748 PMID:41241339	研究论文	本研究首次使用深度学习模型，结合OCT和组织学图像，对啮齿类动物视网膜变性模型进行分期分类，并从OCT图像预测视力	首次在临床前视网膜变性模型中，同时使用OCT和组织学图像进行分期分类，并实现从OCT图像预测视力功能	研究仅在RCS大鼠模型中进行，尚未在人类或其他物种中验证	利用深度学习对视网膜变性进行客观、准确的分期分类和功能预测	皇家外科医生学院（RCS）大鼠，一种广泛使用的视网膜变性模型	计算机视觉	视网膜变性	光学相干断层扫描（OCT），组织学成像	CNN	图像	35只大鼠，OCT图像62,070张，组织学图像16,306张	NA	ResNet18	准确率，F1分数，均方误差，平均绝对误差	NA
583	2025-12-12	Deep Learning Approaches for Thrombosis Detection and Risk Assessment Via Ultrasound Imaging: A Scoping Review 2026-Jan, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.019 PMID:41136271	综述	本文是一篇范围综述，探讨了深度学习技术在超声成像中用于血栓检测和风险评估的应用现状	系统性地综述了深度学习在静脉、动脉和心脏血栓超声检测与风险评估中的应用，并识别了当前的研究趋势和未来方向	纳入研究的数据集和验证方法存在显著异质性，且缺乏标准化、可公开访问的数据集	调查深度学习技术如何应用于超声成像，以增强血栓的检测和风险评估	超声成像中的血栓，涉及静脉、动脉和心脏等不同血管环境	计算机视觉	心血管疾病	超声成像，包括B型超声、多普勒超声、血管内超声和经食道超声心动图	CNN, U-Net, ResNet, ANN	图像	NA	NA	卷积神经网络, U-Net, 残差神经网络, 人工神经网络	灵敏度, 特异度, 准确率, AUC	NA
584	2025-12-12	Biomarker-Specific Test-Retest Repeatabilities of Microperimetry in Neovascular Age-Related Macular Degeneration 2026-Jan, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100978 PMID:41362358	研究论文	本研究评估了微视野检查在新生血管性年龄相关性黄斑变性患者中针对特定生物标志物的设备内和设备间重复性	首次结合深度学习量化OCT生物标志物，系统评估了不同光照条件下微视野检查的重复性及其与特定生物标志物的关联	样本量较小（20只眼），仅纳入nAMD患者，未包含健康对照组或其他视网膜疾病	评估微视野检查在nAMD患者中的重复性，并探究OCT生物标志物对重复性的影响	20名新生血管性年龄相关性黄斑变性患者的20只眼	数字病理学	年龄相关性黄斑变性	微视野检查，OCT成像，深度学习图像分析	深度学习模型	图像，功能测试数据	20只眼（来自20名nAMD患者）	NA	NA	Bland-Altman图，重复性系数，组内相关系数，混合效应模型P值	NA
585	2025-12-12	Predicting Attainment of Clinically Important Difference in the Japanese Orthopaedic Association Back Pain Evaluation Questionnaire: A Comparison of Deep Learning and Machine Learning 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005534 PMID:41066627	研究论文	本研究比较了三种人工智能模型（TabNet、深度神经网络和弹性网络惩罚逻辑回归）在预测日本骨科协会背痛评估问卷临床重要差异达成方面的能力	首次将TabNet等深度学习模型应用于预测背痛手术后功能改善的临床重要差异，并通过多中心数据进行训练和外部验证	研究为回顾性设计，可能存在选择偏倚；样本量相对有限，且仅基于日本患者数据，可能影响模型的泛化能力	评估人工智能模型在预测腰椎手术后患者报告结局改善方面的准确性和可靠性	来自三个脊柱中心的1149名接受腰椎手术的患者	机器学习	背痛	患者报告结局测量（JOABPEQ和VAS评分）	TabNet, DNN, ENLR	结构化临床数据（包括年龄、性别、术前评分等）	1149名患者（训练集981名，外部验证集168名）	NA	TabNet, 深度神经网络, 弹性网络惩罚逻辑回归	AUC, 准确率	NA
586	2025-12-12	Transformer-based deep learning architecture for multivariable radioactive source term inversion 2026-Jan, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2025.107835 PMID:41082808	研究论文	本文开发了一种基于Transformer的深度学习架构，用于多变量放射性源项反演，以支持核应急响应和后果评估	首次将Transformer架构结合贝叶斯优化应用于放射性源项的多变量反演，并通过特征消融分析揭示了高浓度监测点对反演的重要性	在耦合所有三个变量的场景中，释放高度的决定系数较低（0.72），表明模型在该变量上的反演性能有待提升	开发一种深度学习模型，用于准确估计放射性源项的多个变量（释放速率、高度和位置）	放射性源项的反演，包括释放速率、释放高度和释放位置	机器学习	NA	CALMET-LAPMOD耦合模型，Kincaid示踪实验验证	Transformer	模拟数据集	针对五种代表性场景系统构建的数据集，具体样本数量未明确说明	NA	Transformer	决定系数（R），平均距离误差，95%置信水平	NA
587	2025-12-11	Immunofixation electrophoresis image interpretation using transfer learning method 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120726 PMID:41270881	研究论文	本研究利用迁移学习方法开发深度学习模型，以快速准确解读免疫固定电泳图像，减少诊断评估中的主观性	首次将迁移学习与YOLOv11架构应用于免疫固定电泳图像分类，提出两阶段与单步多类两种分类策略	模型在少数类别（如IgM-λ、轻链-κ）及视觉相似类别上表现较低，数据集需扩展以涵盖罕见模式	开发深度学习模型以自动化解读免疫固定电泳图像，提高诊断效率与一致性	免疫固定电泳图像	计算机视觉	浆细胞疾病	免疫固定电泳	CNN	图像	5226张免疫固定电泳图像	NA	YOLOv11	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
588	2025-12-11	Attention-based deep learning for immunoglobulin typing from electrophoresis and laboratory data 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120735 PMID:41297746	研究论文	本文提出了一种基于注意力机制的多模态深度学习模型，用于从血清蛋白电泳图像和实验室数据中自动进行免疫球蛋白分型	首次开发了结合Sebia毛细管电泳系统图像和临床实验室参数的多模态深度学习模型，并引入注意力机制增强模型可解释性	模型在外部验证中表现良好，但可能仍需在更广泛的人群和临床环境中进一步验证	开发自动化工具以减少血清蛋白电泳免疫分型结果解读的劳动强度和观察者间差异	来自Sebia毛细管免疫分型系统的电泳图像及相关的临床实验室参数	数字病理学	NA	毛细管电泳	深度学习	图像, 实验室数据	内部验证集未明确样本数，外部验证使用200例独立队列病例	NA	基于注意力机制的深度学习框架	准确率, Cohen's Kappa, F1分数, 召回率	NA
589	2025-12-11	Use of Artificial Intelligence in Recognition of Fetal Open Neural Tube Defect on Prenatal Ultrasound 2026-Jan, American journal of perinatology IF:1.5Q2 DOI:10.1055/a-2589-3554 PMID:40239713	研究论文	本研究旨在通过深度学习模型比较正常胎儿与开放性神经管缺陷胎儿的轴向颅脑超声图像，并评估其在识别开放性神经管缺陷方面的预测准确性	首次应用深度学习卷积神经网络迁移学习模型（如EfficientNet B0、VGG16和Inception V3）于胎儿超声图像，以自动化识别开放性神经管缺陷，特别是在低中收入国家临床应用中显示出潜力	研究样本量相对较小（59例病例和116例对照），且仅基于轴向经丘脑超声图像，可能未涵盖所有胎儿神经管缺陷的超声表现变异	开发并评估深度学习模型在产前超声中识别胎儿开放性神经管缺陷的准确性和临床适用性	妊娠14至28周的胎儿，包括开放性神经管缺陷病例和正常对照组	计算机视觉	神经管缺陷	产前超声成像	CNN	图像	59例开放性神经管缺陷胎儿和116例正常胎儿	TensorFlow, Keras	EfficientNet B0, VGG16, Inception V3	Cohen kappa分数, 准确率, AUROC, F1分数, 敏感性, 特异性	NA
590	2025-12-11	Predicting Significant Stenosis of Arteriovenous Access Through Wavelet Transform and Machine Learning on Sounds Recorded with an Electronic Stethoscope 2026-Jan, Annals of vascular surgery IF:1.4Q3 DOI:10.1016/j.avsg.2025.05.055 PMID:40553842	研究论文	本研究利用电子听诊器记录的声音信号，通过小波变换和卷积神经网络模型，预测动静脉通路显著狭窄	首次结合小波变换和深度学习技术，对动静脉通路狭窄进行自动识别，提高了诊断的客观性和准确性	样本量较小（30名患者），且仅针对严重狭窄（>50%）进行预测，对轻度狭窄的预测能力尚需进一步研究	开发一种基于声音信号的非侵入性方法，用于自动预测动静脉通路显著狭窄	终末期肾病患者动静脉通路的声音信号	机器学习	心血管疾病	小波变换	CNN	音频	30名终末期肾病患者，共40个音频测试数据样本	NA	卷积神经网络	灵敏度, 特异度, 准确率	NA
591	2025-12-11	Assessing the applicability of the soil and water assessment tool-deep learning hybrid model for predicting total nitrogen loads in a mixed agricultural watershed 2026-Jan, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104737 PMID:41037965	研究论文	本研究提出了一种SWAT-深度学习混合模型，用于预测混合农业流域的总氮负荷	开发了SWAT-LSTM和SWAT-GRU混合模型，利用未经校准的SWAT输出和降水数据，有效预测总氮负荷，避免了传统校准过程，显著提高了计算效率	研究未明确说明模型在其他类型流域或不同气候条件下的泛化能力，且可能依赖于特定流域的数据特征	评估深度学习模型在未经校准的SWAT输出基础上，能否有效预测上游子流域的总氮负荷，以替代资源密集的校准过程	混合农业流域的总氮负荷	机器学习	NA	深度学习	LSTM, GRU	模拟数据, 降水数据	NA	NA	LSTM, GRU	NA	NA
592	2025-12-11	Deep learning in acupuncture: A systematic review 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103300 PMID:41232152	系统综述	本文系统综述了深度学习在针灸实践中的应用，总结了现有文献中的证据	首次对深度学习在针灸领域的应用进行系统性总结，涵盖了多个任务类型并识别了主要挑战	纳入研究存在数据规模小和模型不准确等局限性，且缺乏专门的人工智能研究质量评估工具	全面总结深度学习技术在针灸实践中的应用证据	针灸实践中的深度学习应用研究	机器学习	NA	深度学习	CNN, RNN, LSTM, BERT, FNN, YOLO	图像, 文本, 视频	27项研究，基于公共数据库或自收集数据集构建的自建数据集	NA	CNN, RNN, LSTM, BERT, FNN, YOLO变体	偏移误差阈值, 归一化平均误差, 平均精度均值, 每秒帧数, 关键点正确百分比, 交并比	NA
593	2025-12-11	SingleStrip: learning skull-stripping from a single labeled example 2026, Data engineering in medical imaging : third MICCAI Workshop, DEMI 2025, held in conjunction with MICCAI 2025, Daejeon, South Korea, September 27, 2025, Proceedings. DEMI (Workshop) (3rd : 2025 : Taejon-si, Korea) DOI:10.1007/978-3-032-08009-7_5 PMID:41357816	研究论文	本研究提出了一种结合领域随机化和自训练的3D头骨剥离网络训练方法，仅需单个标注样本即可实现有效分割	首次将领域随机化与基于自编码器重建误差的质量控制相结合，实现了仅需单个标注样本的3D头骨剥离网络训练	方法在极少数标注样本下验证，未在大规模多样本场景中测试，且自编码器训练依赖单个标注样本的质量	解决脑磁共振图像头骨剥离任务中标注数据稀缺的问题	脑磁共振成像（MRI）体积图像	医学图像分割	NA	磁共振成像（MRI）	卷积自编码器（AE），3D分割网络	3D体积图像	单个标注样本（扩展至未标注数据）	NA	卷积自编码器	分割准确性	NA
594	2025-12-11	Predictive modelling and optimization of electrocoagulation for nitrate removal using deep learning: Toward intelligent and sustainable water treatment 2026-Jan, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104751 PMID:41086718	研究论文	本研究应用深度学习方法来优化电凝工艺，以去除合成废水中的硝酸盐，并评估其可持续性	开发了一种结合CNN和LSTM的混合模型，以同时利用空间特征提取和时间序列学习能力来建模复杂的电凝过程，并提出了一个优化系统设计以最大化去除效率、最小化能耗	研究基于合成废水进行，可能无法完全代表真实废水的复杂性；CNN-LSTM模型在交叉验证中表现略低于XGBoost，且统计检验显示差异处于临界非显著水平	优化电凝工艺以去除废水中的硝酸盐，并开发智能、可持续的水处理技术	合成废水中的硝酸盐	机器学习	NA	电凝	CNN, LSTM, XGBoost	实验参数数据（pH、浓度、电导率、电压、电流、反应时间）	NA	NA	CNN-LSTM混合架构	MSE, RMSE, MAE, MAPE, R, 调整R	NA
595	2025-12-10	Attention-guided deep learning-machine learning and statistical feature fusion for interpretable mental workload classification from EEG 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10392-1 PMID:41362309	研究论文	本文提出了一种新颖的混合深度学习与XGBoost堆叠集成框架，用于从脑电图信号中进行可靠且可解释的心理负荷分类	提出了一种结合CNN-BiLSTM-Attention深度学习分支与XGBoost机器学习分支的双分支混合堆叠集成框架，并利用逻辑回归进行预测融合，以同时提升分类性能和模型可解释性	未明确提及模型的计算复杂度、实时性评估或在更广泛数据集上的泛化能力限制	开发一种可靠且可解释的心理负荷分类方法，用于实时认知监测	脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM, XGBoost	时间序列信号	STEW和EEGMAT两个公开数据集	NA	CNN-BiLSTM-Attention	分类准确率	NA
596	2025-12-10	Tremor estimation and filtering in robotic-assisted surgery 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10387-y PMID:41362307	研究论文	本文提出了一种基于深度学习的预测方法，用于估计和过滤机器人辅助手术中的手部震颤信号	提出了一种结合双向LSTM和时序卷积网络以提取震颤信号长短期特征的集成方法，并引入遗传算法优化时间步长和末端数据补偿策略	方法仅在虚拟手术环境中通过缝合实验进行评估，缺乏真实临床场景的验证	通过测量和建模震颤信号来抑制手术机器人操作中的手部震颤，提高手术精度	外科医生在手术过程中产生的自发手部震颤信号	机器学习	NA	传感器信号测量与建模	LSTM, TCN	时序信号数据	NA	NA	双向LSTM网络, 时序卷积网络	震颤信号估计误差	NA
597	2025-12-10	Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70072 PMID:40931540	研究论文	本文提出了一种基于少样本学习的深度学习重建方法，用于高度加速的3D时间飞行磁共振血管成像，旨在解决高分辨率全头血管造影采集耗时的问题	采用少样本学习框架，结合预训练的3D变分网络，仅需两个实验采集的数据集进行微调，即可实现八倍加速下的高质量重建	方法仅在健康志愿者和小样本上进行评估，未在病理患者数据中验证其泛化能力	开发一种能够利用极少量原始数据实现高质量3D TOF-MRA重建的深度学习方法	3D时间飞行磁共振血管成像数据	医学影像重建	NA	磁共振成像，时间飞行血管成像	深度学习，变分网络	k空间数据，图像数据	5名健康志愿者的回顾性欠采样数据，2名额外受试者的前瞻性欠采样数据	NA	3D变分网络	重建质量，伪影减少，血管细节保留	NA
598	2025-12-10	Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning-Assisted General Movement Assessment 2026-Jan, Acta paediatrica (Oslo, Norway : 1992) DOI:10.1111/apa.70319 PMID:41025287	综述	本文综述了如何利用新生儿重症监护室中的床边摄像头，结合深度学习技术，辅助临床医生对扭动期婴儿进行无创、可扩展的全身运动评估	提出将新生儿监护室中已广泛用于亲子连接的床边RGB摄像头，与深度学习技术结合，为自动化全身运动评估提供了一种新颖、可扩展的非接触式解决方案	本文为文献综述，未进行具体的模型开发或临床验证，其提出的技术路径的有效性和实用性有待后续实证研究确认	探索利用床边摄像头视频数据结合深度学习技术，实现计算机辅助的全身运动评估，以改进早期神经发育筛查	新生儿（扭动期婴儿）的全身运动视频数据	计算机视觉	新生儿神经发育障碍	视频采集（RGB摄像头）	深度学习模型（具体模型未指定）	视频	NA	NA	NA	NA	NA
599	2025-12-10	Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow 2026-Jan, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70023 PMID:41028901	综述	本文全面回顾了妇科细胞学筛查中商业AI软件的现状、性能及其与临床工作流的整合	系统性地评估了商业AI解决方案在妇科细胞学（尤其是宫颈癌筛查）中的应用潜力、临床影响及整合挑战，为AI在该领域的实际部署提供了全面视角	本文为综述性文章，未涉及原始实验数据或新模型开发，主要基于现有商业产品和文献进行分析	探讨人工智能（AI）在妇科细胞学筛查中的应用现状、临床价值及实践整合路径	商业可用的AI软件及其在妇科细胞学（以宫颈涂片筛查为主）筛查中的应用	数字病理学	宫颈癌	NA	机器学习，深度学习	细胞学图像（如巴氏涂片）	NA	NA	NA	准确性，一致性，效率	NA
600	2025-12-10	Deep learning super-resolution for dental CBCT using micro-CT reference and edge loss function 2026-Jan, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106209 PMID:41187827	研究论文	本研究利用深度学习超分辨率技术，以微CT图像为参考，提升牙科CBCT图像的空间分辨率，以更好地显示精细根管结构	引入了结合高斯滤波、中值滤波和Sobel边缘检测的边缘损失函数，以改善超分辨率模型对结构细节的保留能力	牙冠区域仍存在伪影，需要进一步改进	通过基于深度学习的超分辨率技术提升牙科CBCT图像的分辨率	48颗拔除的人类牙齿的CBCT和微CT图像	计算机视觉	NA	锥形束计算机断层扫描（CBCT），微计算机断层扫描（微CT）	GAN, Transformer	图像	48颗人类牙齿	NA	Enhanced Super-Resolution Generative Adversarial Network (ESRGAN), Hybrid Attention Transformer (HAT)	峰值信噪比（PSNR），结构相似性指数（SSIM），专家视觉评估，三维重建	NA