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
141	2026-01-24	The role of artificial intelligence in advancing urologic care: From diagnostics to therapeutics 2026-Mar, Surgery in practice and science IF:0.6Q4 DOI:10.1016/j.sipas.2025.100322 PMID:41561314	综述	本文综述了人工智能在泌尿外科从诊断到治疗中的应用，包括癌症和良性疾病的个体化护理	总结了人工智能在泌尿外科多疾病领域的应用潜力，并强调了未来跨学科合作、数据标准化和伦理实施的方向	数据异质性、模型可解释性、伦理问题及缺乏前瞻性验证限制了其日常实践应用	探讨人工智能在泌尿外科护理中的角色，从诊断到治疗，并定义未来发展方向	泌尿系统疾病，包括前列腺癌、膀胱癌、肾癌、良性前列腺增生、尿石症及功能性泌尿疾病（包括儿科）	机器学习	前列腺癌	机器学习，深度学习，影像组学	NA	NA	NA	NA	NA	NA	NA
142	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
143	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
144	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
145	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
146	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
147	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
148	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
149	2026-01-21	A Comprehensive Framework for Uncertainty Quantification of Voxel-Wise Supervised Deep Learning Models in IVIM MRI 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70227 PMID:41555683	研究论文	提出一个基于深度集成和混合密度网络的概率深度学习框架，用于IVIM MRI中体素级监督模型的参数估计和不确定性量化	首次将深度集成与混合密度网络结合，实现总预测不确定性的分解为偶然性和认知性成分，并应用于IVIM MRI参数估计	在伪扩散系数参数上观察到轻微过度自信，且体内数据的高认知不确定性表明训练数据与真实采集条件存在不匹配	开发一个用于IVIM MRI参数估计的全面不确定性量化框架，以识别和解释不可靠的估计	IVIM MRI参数（扩散系数、灌注分数、伪扩散系数）	医学影像分析	NA	扩散加权MRI	深度集成,混合密度网络	合成数据,模拟数据,体内小鼠脑部数据集	NA	NA	混合密度网络	校准曲线,输出分布锐度,连续排名概率分数,稳健变异系数	NA
150	2026-01-20	Predicting skeletal age from HR-pQCT imaging 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117761 PMID:41391644	研究论文	本研究开发了一种深度学习模型，用于从HR-pQCT扫描中预测骨骼年龄，以提供一种可解释的、相对于实际年龄的骨骼健康量化总结	首次提出基于HR-pQCT成像的深度学习框架来预测骨骼年龄，通过显著性图揭示了不同年龄组中皮质骨和小梁骨特征对预测的贡献差异，提供了一种可解释的骨骼健康总结指标	研究仅基于成人队列，未涵盖儿童或青少年群体；模型性能在独立测试集上表现良好，但需在更广泛人群中验证	开发深度学习模型以从HR-pQCT扫描中估计骨骼年龄，提升HR-pQCT数据的可解释性和临床实用性	成人队列的HR-pQCT扫描图像（远端桡骨和胫骨）	医学影像分析	骨骼老化相关疾病	HR-pQCT成像	深度学习模型	3D医学影像	训练集1236名成人（62.1%女性），独立测试集460名成人（69.3%女性）	NA	2D模型（2DRad, 2DTib, 2DRadTib）和3D模型（3DRad, 3DTib）	平均绝对误差（MAE）, R2	NA
151	2026-01-20	Time-resolved prediction of dental implant biomechanics through integration of finite element analysis, osseointegration dynamics, and deep learning 2026-Mar, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107316 PMID:41411948	研究论文	本研究提出了一种结合有限元分析、骨整合动力学和深度学习的混合时间分辨计算框架，用于预测钛种植体在整个愈合过程中的生物力学行为	开发了一种混合MLP-LSTM神经网络框架，整合了空间和时间特征，实现了对种植体-骨界面机械和生物演化的动态预测，计算速度比传统有限元分析快4000倍以上	依赖于简化骨几何生成的合成数据、静态加载假设以及未经验证的力学生物学参数，需要在未来进行体内验证和患者特异性数据验证	预测牙种植体在愈合过程中的生物力学行为，实现个性化、AI辅助的种植体设计和负荷管理	钛牙种植体	机器学习	NA	有限元分析，力学生物学建模	MLP, LSTM	合成数据（基于参数化3D FEA模型）	800个种植体-骨配置（模拟不同几何形状、载荷和骨质量）	NA	混合MLP-LSTM神经网络	R², 平均绝对误差	NA
152	2026-01-20	Deep learning-based micro-CT grayscale analysis for early detection and staging of osteoporosis in rats 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117768 PMID:41435999	研究论文	本研究提出了一种基于深度学习的Micro-CT灰度分析方法，用于大鼠骨质疏松症的早期检测和精确分期	提供了跨多个时间点的标准化参考数据，并利用深度学习对Micro-CT灰度进行分析，实现了比传统参数更早、更准确的骨质疏松检测和分期	研究仅使用大鼠模型，结果可能无法直接推广到人类；样本量相对较小（n=64）	开发一种用于骨质疏松症早期检测和疾病分期的定量分析工具	卵巢切除的Sprague-Dawley大鼠（骨质疏松模型）和假手术组大鼠	数字病理学	骨质疏松症	Micro-CT成像	自定义深度学习模型	Micro-CT图像	64只大鼠（32只OVX组，32只假手术组），在术后4、8、16、24周采集股骨样本	NA	自定义深度学习模型	准确率	NA
153	2026-01-20	Breaking resistance with machine and deep learning: A computational intelligence hunt for AmvR (TetR) inhibitors in Acinetobacterbaumannii 2026-Mar, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109261 PMID:41442824	研究论文	本研究利用机器学习和深度学习模型，从天然化合物库中筛选针对Acinetobacter baumannii的AmvR (TetR)蛋白抑制剂	结合QSAR模型、多种机器学习算法（RF、SVM、KNN、XGBoost）和深度学习CNN模型进行虚拟筛选，并辅以分子对接、分子动力学模拟（500 ns）和结合自由能分析（MMGBSA/PBSA）等综合计算手段	研究为计算模拟结果，需进一步实验验证；筛选的化合物库仅限于10,860个天然化合物	开发针对多重耐药Acinetobacter baumannii感染的新型治疗方法，寻找AmvR (TetR)蛋白抑制剂	Acinetobacter baumannii的TetR家族调控蛋白AmvR及其潜在抑制剂	计算生物学, 药物发现	细菌感染, 多重耐药菌感染	定量构效关系(QSAR), 虚拟筛选, 分子对接, 分子动力学模拟, 药代动力学(ADME)分析	RF, SVM, KNN, XGBoost, CNN	化学结构数据, 生物活性数据(MIC), 蛋白质结构数据	ChEMBL数据集, 10,860个天然化合物	Scikit-learn, XGBoost, TensorFlow/PyTorch (未明确指定)	CNN	准确率(96%), 结合能(kcal/mol), 结合自由能(MMGBSA/PBSA)	NA
154	2026-01-20	Clinical validation of fully automated (peri-)articular tissue analysis for assessing osteoarthritis progression: A narrative review 2026-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100719 PMID:41550414	综述	本文是一篇叙述性综述，总结了全自动（关节周围）组织分析技术在评估骨关节炎进展方面的临床验证研究	系统性地回顾和比较了基于深度学习的全自动方法在评估骨关节炎结构进展方面的临床有效性，并与参考测量（如手动分割）进行了对比	纳入的研究数量有限（仅9篇，其中5篇符合纳入标准），且主要依赖于骨关节炎倡议（OAI）的数据，可能限制了结果的普适性	评估和总结全自动方法在评估骨关节炎结构进展方面的临床有效性	骨关节炎患者的（关节周围）关节组织，包括软骨、肌肉和脂肪组织	数字病理学	骨关节炎	MRI，X射线成像	深度学习	医学影像（MRI，X射线）	NA	NA	NA	对变化的敏感性，区分能力	NA
155	2026-01-18	Deep learning assisted PfAgo-programmable genetic circuit for ultrasensitive visual detection of foodborne pathogen in one-tube 2026-Mar-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118296 PMID:41418735	研究论文	本研究开发了一种基于深度学习辅助的PfAgo可编程遗传电路，用于超灵敏可视化检测食源性病原体	将PfAgo双探针可编程遗传电路与超快V形PCR结合，实现单管操作并显著提高灵敏度；开发深度学习荧光图像识别技术进行批量结果处理	未明确说明方法对其他类型病原体的适用性验证范围	开发快速、灵敏的食源性病原体检测方法	食源性病原体	数字病理学	食源性疾病	PfAgo（激烈火球菌Argonaute）技术、V形PCR、荧光成像	深度学习模型	荧光图像	NA	NA	NA	灵敏度（1 CFU/mL）、检测时间（缩短至1/3）、荧光信号增强（超过200%）	NA
156	2026-01-18	Graph attention network with comorbidity connectivity embedding for post-traumatic epilepsy risk prediction using sparse time-series electronic health records 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106239 PMID:41478164	研究论文	本文提出了一种基于图注意力网络的方法，利用稀疏时间序列电子健康记录预测创伤后癫痫风险	采用异构图注意力网络整合患者人口统计学数据和共病连通性，有效捕捉电子健康记录中的复杂依赖关系	模型性能可能受电子健康记录数据稀疏性和质量的影响，且仅基于特定数据库，泛化能力需进一步验证	提高创伤后癫痫风险的预测准确性，以支持个性化风险评估和主动管理	创伤性脑损伤患者，包括仅患创伤性脑损伤的患者和创伤后发展为癫痫的患者	机器学习	癫痫	电子健康记录分析	图注意力网络	时间序列电子健康记录	1,598,998名仅患创伤性脑损伤的患者和102,687名创伤后发展为癫痫的患者	PyTorch	异构图注意力网络	灵敏度, 特异度, 宏观F1分数, AUC-ROC	NA
157	2026-01-18	Machine learning in stroke and its sequelae: a narrative review of clinical applications and emerging trends 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106245 PMID:41478163	综述	本文综述了机器学习在脑卒中及其后遗症中的临床应用和新兴趋势	系统总结了机器学习在脑卒中从急性影像诊断到长期后遗症预后及康复的六个核心领域的应用，并指出了多模态数据整合和模型可解释性的发展趋势	NA	综述机器学习在脑卒中及其后遗症临床管理中的应用	脑卒中患者及其后遗症	机器学习	脑卒中	NA	深度学习	图像, 传感器数据	NA	NA	NA	NA	NA
158	2026-01-18	A multi-branch ConvNeXt-MaxViT fusion transformer model for radiographic knee osteoarthritis severity assessment with Grad-CAM++ explainability 2026-Mar, Journal of orthopaedics IF:1.5Q3 DOI:10.1016/j.jor.2025.12.040 PMID:41541300	研究论文	本研究提出了一种融合ConvNeXt和MaxViT的双分支Transformer模型，用于膝关节骨关节炎的X光片严重程度评估，并利用Grad-CAM++增强模型可解释性	提出了一种结合ConvNeXt-Tiny局部特征提取和MaxViT-Tiny全局上下文建模的双分支融合架构，并采用中期融合和晚期融合策略来增强判别性表示	未整合多模态成像（如MRI），未纳入纵向进展建模，且需在真实临床环境中进一步验证	开发一个可解释的深度学习模型，准确分类膝关节骨关节炎的严重程度（KL-0至KL-4），以增强临床决策支持的透明度	膝关节骨关节炎的X光影像	计算机视觉	骨关节炎	X光成像	CNN, Transformer	图像	NA	NA	ConvNeXt-Tiny, MaxViT-Tiny	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵, ROC曲线	NA
159	2026-01-17	Electroencephalography-Based Machine and Deep Learning Approaches for the Diagnosis of Dissociative Disorders: A Comprehensive Review 2026-Mar, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2025.100654 PMID:41532081	综述	本文系统综述了基于脑电图（EEG）的机器学习和深度学习方法在分离性障碍（DDs）诊断与监测中的应用	全面评估了EEG结合ML/DL在DDs诊断中的有效性，识别了关键EEG生物标志物，并指出混合及原始特征深度学习方法的优越性能	面临数据稀缺、模型可解释性不足及泛化能力有限等挑战	评估EEG结合机器学习和深度学习在分离性障碍诊断与监测中的应用效果及未来方向	分离性障碍（包括分离性身份障碍和人格解体障碍）患者	机器学习	分离性障碍	脑电图（EEG）	支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）	EEG数据	NA	NA	CNN, RNN	分类准确率	NA
160	2026-01-14	Adversarial unpaired disentanglement network (AUDNet): Precise analysis of severely overlapping CS2/SO2 signals in UV-DOAS 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127268 PMID:41351963	研究论文	本文提出了一种结合紫外差分光学吸收光谱与生成对抗网络的CS₂/SO₂混合气体检测系统，用于精确分析严重重叠的光谱信号	采用基于Wasserstein GAN的对抗性非配对解缠网络，无需混合光谱与单一纯组分光谱的严格配对即可进行训练	未明确提及系统在更广泛浓度范围或不同环境条件下的泛化能力	解决CS₂和SO₂在紫外波段光谱严重重叠导致的传统方法精度限制问题	CS₂和SO₂混合气体	机器学习和光谱分析	NA	紫外差分光学吸收光谱	GAN, WGAN-GP	光谱数据	CS₂测试范围3.81-179.2 ppb，SO₂测试范围44.43-942.73 ppb	NA	对抗性非配对解缠网络	平均绝对百分比误差	NA