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
11701	2025-12-29	Effective transfer of tumor annotations from hematoxylin and eosin to fluorescence images of breast and lung tissues 2026-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.1.016501 PMID:41451238	研究论文	本文提出了一种半自动方法，将病理学家标注的H&E图像中的肿瘤注释有效转移到荧光图像中，以支持深度学习模型开发	开发了一种结合非刚性图像配准、轮廓提取与细化的半自动注释转移方法，用于从H&E到荧光图像的准确标注迁移	该方法不适用于术中实时使用，仅用于辅助创建标注数据集；样本量相对较小（35个组织样本）	开发一种半自动方法，实现从H&E图像到荧光图像的肿瘤注释准确转移，以促进深度学习模型的训练数据生成	乳腺癌和肺癌组织样本的H&E图像与MUSE荧光图像对	数字病理学	乳腺癌,肺癌	显微镜紫外表面激发成像	CNN	图像	35个乳腺癌和肺癌组织样本	NA	NA	Dice系数,基于CNN的特征相似度,归一化Hausdorff距离	NA
11702	2025-12-29	Global and local information-based prostate image registration of prostate-specific membrane antigen PET/CT and enhanced MRI 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70232 PMID:41454834	研究论文	本研究提出了一种基于全局和局部信息的深度学习网络GLNet，用于融合PSMA PET/CT和增强MRI图像，以提高前列腺癌的诊断准确性	提出了GLNet网络，该网络结合了语义门控卷积模块和基于U形通道的卷积长短期记忆网络，以整合PSMA PET/CT的功能语义特征和MRI的高分辨率软组织细节，从而同时利用全局腺体信息和局部肿瘤区域信息进行图像配准	研究样本量相对较小（77例临床病例），且依赖于临床活检验证，可能限制了模型的泛化能力	提高前列腺癌病灶的诊断准确性，通过精确融合PSMA PET/CT和增强MRI这两种互补的影像数据	前列腺癌患者的PSMA PET/CT和对比增强MRI图像	数字病理	前列腺癌	PSMA PET/CT，对比增强MRI	深度学习网络	医学影像（PET/CT，MRI）	77例临床病例（经两位经验丰富的医师通过临床活检验证），数据增强后用于训练和验证244例，测试64例	NA	U-CLSTM，包含语义门控卷积模块	Dice相似系数，HD95，平均对称表面距离，负雅可比比例，精确率，召回率，F1分数	NA
11703	2025-12-28	Machine learning (ML) and deep learning (DL) in vaccine target selection, design, development and characterization 2026-Jan-25, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2025.128051 PMID:41371096	综述	本文综述了机器学习和深度学习在疫苗靶点选择、设计、开发和表征中的应用	系统性地阐述了AI技术，特别是ML和DL，在理性疫苗设计中的关键作用，包括从靶点选择到临床前试验的全流程应用	数据可用性存在限制	描述ML和DL如何辅助理性疫苗设计，以应对传染病挑战	疫苗开发过程，包括靶点选择、设计、开发和表征	机器学习	传染病	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
11704	2025-12-28	SpatialFusion: A Unified Model for Integrating Spatial Transcriptomics to Unveil Cell-type Distribution, Interaction, and Functional Heterogeneity in Tissue Microenvironments 2026-Jan-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169535 PMID:41237948	研究论文	本文介绍了一种名为SpatialFusion的创新深度学习模型，旨在通过整合基因表达和空间坐标来改进空间域识别和细胞类型反卷积	SpatialFusion模型的核心创新在于利用图神经网络和注意力机制，通过空间数据的多维嵌入捕获复杂的空间关系，并采用双编码策略和自监督对比学习，显著提高了准确性和鲁棒性	NA	解决现有空间域识别和细胞类型反卷积方法在准确性、鲁棒性和计算效率方面面临的挑战	空间转录组学数据，特别是人类DLPFC数据集和乳腺癌肿瘤微环境	空间转录组学	乳腺癌	空间转录组学	GNN, 注意力机制	基因表达数据, 空间坐标	NA	NA	图神经网络, 注意力机制	准确性, 分辨率	NA
11705	2025-12-28	Diffuse optical imaging with channel attention fusion network 2026-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.1.016001 PMID:41445764	研究论文	本文提出了一种用于漫射光学成像的端到端深度学习框架CAFNet，旨在克服传统重建技术中的伪影、噪声放大和深度敏感性限制	首次将通道注意力机制与AUTOMAP结合，通过多尺度特征学习和特征优先级处理，显著提升了光学属性重建的精度和鲁棒性	研究主要基于模拟和实验体模数据，未在真实临床患者数据上进行验证，可能限制了其直接医学应用的普适性	开发一种能够有效重建漫射光学图像中光学属性的深度学习模型，以改善肿瘤等深层异常检测的准确性	模拟数据集和实验体模中的光学属性图像	医学影像	肿瘤	漫射光学成像	深度学习	图像	模拟和实验数据集，具体样本数量未明确说明	未明确指定，但涉及深度学习框架	CAFNet, AUTOMAP	均方误差, 峰值信噪比, 结构相似性指数	NA
11706	2025-12-27	Deep learning model for identifying significant tricuspid regurgitation using standard 12-lead electrocardiogram 2026-Mar, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2025.200557 PMID:41437957	研究论文	本研究开发了一种基于深度学习模型，利用标准12导联心电图信号和临床特征来识别显著三尖瓣反流	首次结合一维卷积神经网络、高效通道注意力块和多头注意力模块，从广泛可用的12导联心电图中检测显著三尖瓣反流，避免了传统经胸超声心动图的额外成本和操作依赖性	深度学习模型的临床实用性仍需进一步验证和探索，且研究依赖于特定时间段内的患者数据	开发深度学习模型以利用12导联心电图信号和临床特征检测显著三尖瓣反流	2017年至2019年间接受12导联心电图和经胸超声心动图检查的5432名患者，其中570名患者被识别为显著三尖瓣反流	机器学习	心血管疾病	12导联心电图，经胸超声心动图	CNN	心电图信号，临床特征	5432名患者（训练集3910名，测试集435名，内部和外部验证队列）	NA	一维卷积神经网络，高效通道注意力块，多头注意力模块	准确率，灵敏度，特异性，曲线下面积	NA
11707	2025-12-27	GI-ScreenNet v2: A Modular Framework for Gastrointestinal Disease Detection Based on an Integrated Transfer Learning 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70128 PMID:41449645	研究论文	本文提出GI-ScreenNet v2，一个基于集成和迁移学习的多骨干网络框架，用于胃肠道疾病检测	通过标准化接口支持任意骨干网络，并利用交叉注意力机制动态整合多模型特征，实现灵活且高效的表示学习	现有系统通常不够灵活且技术复杂，限制了临床采用	开发一个统一的框架，用于胃肠道疾病的早期筛查和AI辅助诊断	无线胶囊内窥镜（WCE）图像	计算机视觉	胃肠道疾病	无线胶囊内窥镜（WCE）	集成学习, 迁移学习	图像	基于KvasirV2数据集	NA	多骨干网络框架	准确率	NA
11708	2025-12-27	Towards precision medicine for otology and neurotology: Machine learning applications and challenges 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109473 PMID:41274259	综述	本文批判性地综述了2013年至2025年间机器学习和深度学习在耳科及神经耳科领域的研究应用、挑战及未来方向	重点强调了新兴技术（如Whisper语音识别模型、大语言模型）及其在多模态数据集（影像、听力数据、患者报告结果）整合中的应用，以改进诊断和治疗策略	模型缺乏标准化、泛化能力有限、多模态数据整合框架不完善，阻碍了严谨且可重复的实施	探索人工智能（机器学习、深度学习、大语言模型）在耳科及神经耳科精准医疗中的应用潜力，以促进基于个体数据的诊断、预后和治疗决策	耳鸣、人工耳蜗植入及其他耳科或神经耳科疾病	机器学习	耳科及神经耳科疾病	NA	机器学习, 深度学习, 大语言模型	多模态数据（影像、听力数据、患者报告结果）	NA	NA	Whisper	NA	NA
11709	2025-12-27	3D Otoscope: toward an extra diagnostic dimension for middle-ear related issues 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109485 PMID:41308561	研究论文	本文介绍了一种可工业制造的数字耳镜，旨在测量鼓膜的三维形状，同时兼容标准检查程序	通过集成单次表面重建策略（从经典傅里叶轮廓术到现代深度学习方法），消除了多模式投影需求，并在深度学习方法中避免了相位解缠，从而简化硬件设置	NA	开发一种用于鼓膜三维形状测量的数字耳镜，以评估其早期病理指标	鼓膜的三维形状和活动性	计算机视觉	中耳相关疾病	光学轮廓术	深度学习	图像	NA	NA	NA	NA	NA
11710	2025-12-27	Automated high-fidelity 3D reconstruction of middle-ear ossicles from low-resolution clinical CT using a deep learning pipeline 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109492 PMID:41344151	研究论文	本研究验证了一种从低分辨率临床CT图像自动生成高保真中耳听小骨3D模型的深度学习框架	提出了一种结合YOLOv5x、深度反向投影网络和带“提示通道”的2.5D U-Net的三阶段自动化流水线，能够从稀疏数据中鲁棒地重建完整解剖结构	未明确说明训练数据的具体来源和多样性，外部验证集的规模可能有限	开发一种快速、准确且鲁棒的自动化工具，从标准临床CT生成患者特异性的中耳听小骨3D模型	中耳听小骨（ossicles）	医学影像分析	耳科疾病	临床CT成像	深度学习	CT图像	未明确说明具体样本数量，但提及使用了外部推理集进行验证	未明确说明，但提及YOLOv5x、DBPN、U-Net等架构	YOLOv5x, Deep Back-Projection Network (DBPN), 2.5D U-Net	mAP50, Dice系数, 平均表面距离	未明确说明具体计算资源
11711	2025-12-27	Lower Limb Joints Torques Continuous Estimate Model Based on Muscle Synergy for Patients With Motor Dysfunction 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3645234 PMID:41411354	研究论文	本研究为下肢运动功能障碍患者开发了一种基于肌肉协同作用的关节扭矩连续估计模型，用于康复外骨骼机器人的辅助控制	结合肌肉协同理论和深度学习，在神经控制层面建立了肌电信号与关节扭矩的关系模型，并采用对抗迁移学习优化模型以适应长期使用	仅涉及八名患者，样本量较小，且仅针对髋关节和膝关节进行评估	为康复外骨骼机器人提供准确可靠的下肢关节扭矩估计，以实现按需辅助控制	下肢运动功能障碍患者	机器学习	运动功能障碍	表面肌电图	深度学习	肌电信号	八名下肢运动功能障碍患者	NA	自注意力机制	决策系数	NA
11712	2025-12-27	Automated detection of zygomatic fractures on spiral computed tomography using a deep learning model 2026-Jan, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.07.007 PMID:40774874	研究论文	本研究评估了YOLOv8深度学习模型在自动检测颧骨骨折方面的性能	首次将YOLOv8模型应用于颧骨骨折的自动检测，并针对七种骨折类型进行了详细性能评估	研究未提及模型在其他数据集或临床环境中的泛化能力，且样本来源单一	评估深度学习模型在自动检测颧骨骨折方面的准确性和有效性	颧骨骨折的计算机断层扫描图像	计算机视觉	颧骨骨折	螺旋计算机断层扫描	YOLOv8	图像	13,988个轴向切片和14,107个冠状切片	NA	YOLOv8	准确率, 召回率, 平均精度, F1分数, AUC	NA
11713	2025-12-26	Association of a Lifestyle Risk Index With Visceral and Subcutaneous Adipose Tissue in the German National Cohort (NAKO) 2026-Jan, Obesity (Silver Spring, Md.) DOI:10.1002/oby.70071 PMID:41261047	研究论文	本研究探讨了生活方式风险指数与内脏和皮下脂肪组织的关系，基于德国国家队列的横断面数据	结合多种生活方式因素构建风险指数，并利用深度学习技术从全身MRI中自动分割内脏脂肪组织，分析其与生活方式的关系	研究为横断面设计，无法确定因果关系；样本可能受自我报告偏倚影响；BMI可能混淆生活方式与内脏脂肪的关联	评估生活方式风险指数与肥胖指标（特别是内脏脂肪组织）的关联	德国国家队列中30,920名符合条件的参与者，年龄48.2±12.2岁	数字病理学	心血管疾病	磁共振成像（MRI），深度学习图像分割	深度学习模型	图像（MRI扫描）	30,920名参与者（来自超过205,000名合格参与者），其中18,508名有完整数据	NA	NA	调整后的几何均值，95%置信区间	NA
11714	2025-12-26	Effects of disease duration and antipsychotics on brain age in schizophrenia 2026-Jan, Schizophrenia research IF:3.6Q1 DOI:10.1016/j.schres.2025.11.008 PMID:41274179	研究论文	本研究探讨了精神分裂症患者大脑加速衰老的现象，并评估了抗精神病药物对此的影响	使用两种不同的机器学习模型（包括一种基于Transformer的模型）来增强大脑年龄预测的鲁棒性，并首次在双相情感障碍患者中比较了接受与未接受抗精神病药物治疗对大脑年龄差距的影响	研究为横断面设计，无法确定大脑衰老的时间动态，需要纵向研究来澄清	调查精神分裂症中大脑加速衰老的进展性以及抗精神病药物的潜在作用	首次发作精神病患者、健康对照者以及接受与未接受抗精神病药物治疗的双相情感障碍患者	机器学习	精神分裂症	神经影像学	Transformer, 深度学习模型	神经影像数据	NA	NA	Transformer, 深度学习模型	NA	NA
11715	2025-12-26	Deep learning for optical misalignment diagnostics in multi-lens imaging systems 2026-Jan-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.578126 PMID:41442380	研究论文	本文提出了两种基于深度学习的逆向设计方法，用于仅通过光学测量诊断多镜头成像系统中的光学错位问题	开发了两种互补的深度学习模型，利用光线追踪点图或灰度合成相机图像，实现多镜头系统错位的自动化诊断，无需传统专用设备	NA	开发自动化、可扩展的光学错位诊断方法，以改进多镜头成像系统的制造和质量控制流程	多镜头成像系统，包括6镜头摄影定焦镜头以及两镜头和六镜头系统	计算机视觉	NA	光线追踪，物理模拟管道	深度学习模型	光学测量数据，包括光线追踪点图和灰度合成相机图像	NA	NA	NA	平均绝对误差（对于横向平移为0.031 mm，对于倾斜为0.011）	NA
11716	2025-12-25	Diabetes and longitudinal changes in deep learning-derived measures of vertebral bone mineral density using conventional CT: the Multi-Ethnic Study of Atherosclerosis 2026-Jan, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04995-2 PMID:40728733	研究论文	本研究探讨了糖尿病与通过常规胸部CT深度学习模型测量的椎体骨密度纵向变化之间的关联，并评估了肾功能对此关系的影响	首次在纵向研究中结合深度学习模型从常规CT中提取椎体骨密度，并分析糖尿病状态及肾功能（特别是糖尿病肾病）对骨密度变化的交互影响	研究未纳入骨微结构评估或骨折结局数据，且依赖于常规CT而非专用骨密度扫描，可能限制对糖尿病骨折风险机制的全面理解	探究糖尿病与椎体骨密度纵向变化的关系，并评估肾功能在此过程中的调节作用	来自动脉粥样硬化多种族研究肺研究的1046名参与者，包括糖尿病患者与非糖尿病患者	数字病理学	糖尿病	常规胸部CT扫描	深度学习模型	医学影像（CT图像）	1046名参与者，在两次检查（2010-2012年和2016-2018年）中进行纵向测量	NA	NA	骨密度变化率（β值，单位mg/cm3/年）及95%置信区间	NA
11717	2025-12-25	Objective Assessment of Disorders of Consciousness Based on EEG Temporal and Spectral Features 2026-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500674 PMID:40985067	研究论文	本研究基于听觉oddball范式采集的EEG数据，通过提取时频域、连接性和非线性动力学特征，系统比较多种机器学习和深度学习分类器，以客观评估意识障碍（DOC）患者的意识状态	首次在任务态EEG数据中综合识别多域生物标志物，并系统比较包括SVM、RF、XGBoost、EEGNet和ShallowConvNet在内的多种分类器，提出集成投票模型提升分类性能	未提及样本量的具体限制或外部验证结果，可能影响模型的泛化能力	开发基于任务态EEG数据的意识障碍（DOC）客观评估方法	最小意识状态（MCS）患者、植物状态（VS）患者和健康对照组（HC）	机器学习	意识障碍	EEG（脑电图）	SVM, LDA, RF, XGBoost, DT, CNN	EEG信号	未明确提及具体样本数量	NA	EEGNet, ShallowConvNet	分类性能（未指定具体指标如准确率、F1分数等）	NA
11718	2025-12-25	Trabecular bone analysis: ultra-high-resolution CT goes far beyond high-resolution CT and gets closer to micro-CT (a study using Canon Medical CT devices) 2026-Jan, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05001-5 PMID:40738977	研究论文	本研究评估了Canon Medical不同分辨率CT（高分辨率、超高分辨率、超超高分辨率）在测量骨小梁微结构参数方面的准确性，以微CT为参考标准	首次系统比较了超高分辨率CT和超超高分辨率CT在骨小梁分析中的性能，并评估了深度学习重建技术对测量结果的影响	研究样本量较小（16个尸体胫骨远端骨骺），且仅使用单一品牌（Canon Medical）的CT设备，可能限制结果的普适性	评估不同分辨率CT技术在骨小梁微结构参数测量中的准确性	尸体胫骨远端骨骸的骨小梁微结构	医学影像	NA	CT成像（高分辨率CT、超高分辨率CT、超超高分辨率CT）、深度学习重建、微CT	NA	CT图像	16个尸体胫骨远端骨骺	NA	NA	骨小梁厚度、骨小梁分离度、骨体积/总体积的测量值与微CT参考值的比值	NA
11719	2025-12-25	Artificial intelligence in modern clinical practice (Review) 2026 Jan-Feb, Medicine international DOI:10.3892/mi.2025.289 PMID:41424576	综述	本文综述了人工智能在现代临床实践中的应用、机遇与挑战	系统整合了近期研究成果，全面探讨了AI在临床决策支持、影像分析、精准医疗等领域的角色，并强调了实施中的关键障碍	作为综述文章，未进行原始数据收集或模型验证，主要依赖现有文献分析	讨论人工智能在现代临床实践中的作用，并突出未来的机遇与挑战	临床实践中的AI应用，包括医生、患者及医疗系统	NA	NA	NA	NA	临床数据	NA	NA	NA	NA	NA
11720	2025-12-25	Beyond Accuracy: Enhancing Parkinson's Diagnosis with Uncertainty Quantification of Machine Learning Models 2026, Artificial intelligence in healthcare : second International Conference, AIiH 2025, Cambridge, UK, September 8-10, 2025, Proceedings. Part I. International Conference on Artificial Intelligence in Healthcare (2nd : 2025 : Cambridge, Eng... DOI:10.1007/978-3-032-00652-3_3 PMID:41425112	研究论文	本研究评估了三种不确定性量化方法在帕金森病诊断中的表现，旨在提升机器学习模型的可靠性	首次在帕金森病诊断中系统比较了蒙特卡洛Dropout、深度证据分类和贝叶斯神经网络三种不确定性量化方法，并公开了完整代码	研究仅使用了三种特定类型的数据集（手指敲击、面部表情、语音模式），未涵盖其他临床数据	通过不确定性量化技术提高帕金森病诊断中机器学习模型的可靠性和安全性	帕金森病患者	机器学习	帕金森病	NA	贝叶斯神经网络	手指敲击数据、面部表情数据、语音模式数据	三个数据集	NA	NA	诊断准确性、不确定性评估	NA