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
9441	2025-12-12	Beehive-entrance imaging and deep learning for real-time monitoring of Varroa destructor in apiculture 2026-Feb, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2025.108465 PMID:41057107	研究论文	本研究提出了一种基于蜂巢入口成像和深度学习的方法，用于实时监测蜜蜂中的瓦螨（Varroa destructor）	通过改造传统蜂巢并部署基于YOLOv5s的检测器，实现了在蜜蜂运动和环境光照变化下的实时瓦螨检测，并提供了经济可行的规模化部署方案	未明确提及模型在不同气候或蜂种间的泛化能力，以及长期运行中的维护挑战	开发一种实时、自动化的瓦螨监测系统，以支持可持续和数据驱动的养蜂实践	蜜蜂（Apis mellifera）及其寄生虫瓦螨（Varroa destructor）	计算机视觉	NA	蜂巢入口成像	CNN	图像, 视频	1,600张标注图像，补充了螨虫特写	NA	YOLOv5s	平均精度均值（mAP@0.5）	NA
9442	2025-12-12	Using Deep Learning With Few-Shot Learning to Improve Data Capture in Total Hip Arthroplasty Operative Notes 2026-Jan, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.06.008 PMID:40484056	研究论文	本研究评估了使用GPT-4结合少样本学习技术，从全髋关节置换术手术记录中提取植入物固定方式、技术使用和手术入路信息的可行性	首次将GPT-4与自定义少样本学习提示结合，应用于骨科手术记录的自动化数据提取，并生成临床分类的详细理由	研究为单中心试点，样本量有限（240份记录），且仅针对全髋关节置换术，未验证在其他手术或医疗场景的泛化能力	提高全髋关节置换术手术记录中关键信息的自动化提取准确性和效率，以支持大规模骨科数据登记和分析	全髋关节置换术的手术记录文本	自然语言处理	骨科疾病	少样本学习	GPT-4	文本	240份独特手术记录（来自38名外科医生，2011年11月至2024年3月）	NA	GPT-4	准确率, Flesch-Kincaid等级分数, 自BLEU分数, 字符级序列匹配率	NA
9443	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
9444	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
9445	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
9446	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
9447	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
9448	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
9449	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
9450	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
9451	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
9452	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
9453	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
9454	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
9455	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
9456	2025-12-09	Magnetic resonance image enhancement and segmentation using conventional and deep learning denoising techniques for dynamic cerebral angiography 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00406-x PMID:41357951	研究论文	本研究评估了自动去噪流程，以增强动态脑血管造影图像质量，辅助视觉分析和自动化血管分割，从而通过血管特征提取改进量化	结合传统技术与基于深度学习的无监督技术进行图像去噪，并展示了在分割任务中使用去噪图像相比原始噪声图像的显著性能提升	图像采集受婴儿运动伪影、短采集时间导致的对比度变化以及扫描仪硬件限制影响，增加了噪声并降低了血管可见性，这对AI工具和专业分析诊断构成挑战	评估自动去噪流程以增强图像质量，辅助视觉分析和自动化血管分割，改进血管特征提取的量化	婴儿的动态脑血管造影（TRANCE-MRI）图像	计算机视觉	脑血管疾病	动态血管磁共振成像（TRANCE-MRI）	深度学习无监督模型	图像	NA	NA	Noise2Void, PPN2V GMM	Dice系数, Hausdorff距离	NA
9457	2025-12-09	Ex vivo human brain volumetry: Validation of MRI measurements 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过扫描离体原位人脑标本，验证了MRI脑体积测量工具与金标准水置换法的准确性	首次使用离体原位人脑标本作为金标准，验证了多种MRI序列和分割方法（包括手动和基于深度学习的自动分割）在脑体积测量中的准确性	样本量较小（仅7个解剖头部），且所有标本均经过酒精-甲醛溶液固定，可能影响组织特性	验证MRI脑体积测量工具的准确性，通过离体标本扫描与金标准水置换法对比	离体原位固定的人脑标本	医学影像分析	NA	MRI扫描（T2加权、T1加权、MP2RAGE序列）	深度学习	MRI图像	7个解剖头部标本	NA	SynthSeg	体积测量准确性，重复测量方差分析	NA
9458	2025-12-09	Optimized T1-weighted MP-RAGE MRI of the brain at 0.55 T using variable flip angle coherent gradient echo imaging and deep learning reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70109 PMID:41024478	研究论文	本文提出并评估了一种在0.55 T磁场下用于快速脑部T1加权成像的优化MP-RAGE协议，结合可变翻转角相干梯度回波成像和深度学习重建技术	采用可变翻转角SSFP-FID内核的MP-RAGE序列，在0.55 T低场强下实现了白质信噪比平均提升21%和灰白质信号差异平均改善47%，并结合深度学习重建将扫描时间从5分17秒缩短至2分46秒	可变翻转角SSFP-FID的微分点扩散函数比标准序列略宽8%，可能影响边缘清晰度	开发在低场强（0.55 T）磁共振下快速获取高分辨率脑部T1加权图像的方法	人脑组织（重点关注白质和灰质）	医学影像分析	NA	磁共振成像（MRI），具体为MP-RAGE序列，SSFP-FID内核，可变翻转角成像	深度学习模型	磁共振图像	NA	NA	NA	白质信噪比（SNR），白质-灰质信号差异，微分点扩散函数宽度，扫描时间	NA
9459	2025-12-09	A High-resolution dataset for AI-driven segmentation and analysis of drug-treated breast tumor spheroids 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109141 PMID:41207172	研究论文	本研究介绍了一个用于AI驱动分割和分析药物处理乳腺癌肿瘤球体的高分辨率公开数据集	创建了首个公开可用的高分辨率异型肿瘤球体图像数据集，并评估了多种深度学习分割模型在药物响应量化中的应用	数据集样本量相对较小（95张图像），且仅针对一种乳腺癌细胞系和一种药物处理，可能限制模型的泛化能力	促进AI驱动的分割和分析，以更准确地评估药物对3D肿瘤球体模型的效果	由MDA-MB-231乳腺癌细胞和人成纤维细胞组成的异型肿瘤球体	数字病理学	乳腺癌	显微成像	CNN	图像	95张高分辨率图像，进一步划分为2980个图像块（512×512像素）	未明确指定，但提及了深度学习分割模型	U-Net, Fully Convolutional Network (FCN), Mask R-CNN, YOLOv12-Seg, DeepLab	Jaccard指数, 准确率	NA
9460	2025-12-09	Patients visits forecasting in emergency departments: Self-adapting LSTM models for evolving data distributions 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109153 PMID:41218323	研究论文	本研究提出了一种基于自适应Seq2Seq LSTM的深度学习框架，用于急诊科患者就诊量的预测，以应对数据分布变化	结合了序列特定缩放和持续学习策略的自适应LSTM模型，能够在数据分布变化时自动调整，无需手动重新训练	在长期预测（如1个月）中，性能接近季节性朴素基准，且在COVID相关突变期间，ARIMA偶尔表现更优	设计一个在数据分布变化条件下保持准确性的急诊科患者就诊量预测框架，无需人工干预或完全重新训练	急诊科的历史每日就诊数据，涵盖COVID前、COVID期间和COVID后阶段	机器学习	NA	深度学习预测	LSTM, Seq2Seq	时间序列数据	覆盖COVID前、COVID期间和COVID后阶段的急诊科历史每日就诊数据	NA	Seq2Seq LSTM	MSE, MAE, MAPE, MASE	NA