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
2001	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
2002	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
2003	2026-01-05	Deep learning-driven optimization and predictive modeling of LASER beam machining for XG3 steel 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34323-6 PMID:41484160	研究论文	本研究通过实验和深度学习驱动的优化方法，对XG3钢的激光束加工工艺进行了多目标优化和预测建模	结合遗传算法进行多目标优化，并开发了反向传播人工神经网络预测模型，其预测精度显著高于传统响应面方法	研究仅针对XG3钢和三种特定孔型几何形状，未涉及其他材料或更复杂的几何形状	优化激光束加工工艺参数，以改善XG3钢加工的表面粗糙度、加工时间、表面硬度和毛刺厚度	XG3钢（一种用于航空航天和国防应用的高性能合金）的激光束加工	机器学习	NA	激光束加工	人工神经网络	实验数据	基于田口L正交阵列的实验设计，涉及三种孔型几何形状（圆形、三角形、方形）	NA	反向传播人工神经网络	回归系数, 平均绝对百分比误差	NA
2004	2026-01-05	Deep vision-based framework for coastal flood prediction under sea level rise and shoreline protection 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33803-z PMID:41484208	研究论文	提出了一种基于深度视觉的框架，用于在低数据环境下训练高性能的深度学习替代模型，以预测海平面上升和海岸防护措施下的沿海洪水淹没深度	设计了一个在低数据设置下训练高性能深度学习替代模型的视觉框架，并开发了专门针对沿海洪水预测问题的轻量级CNN模型（CASPIAN），同时创建并开源了阿布扎比海岸的高分辨率合成洪水深度图数据集	模型训练仍依赖于一定数量的流体动力学模拟数据生成，且研究区域特定于阿布扎比海岸，模型在其他地理区域的泛化能力未经验证	开发高效准确的沿海洪水预测模型，以评估海平面上升和海岸防护措施（如海堤建设）下的洪水风险	阿布扎比整个海岸线在不同海岸防护情景和海平面上升0.5米条件下的洪水深度预测	计算机视觉	NA	深度学习，流体动力学模拟	CNN, U-Net	合成洪水深度图（图像数据）	NA	PyTorch	SWIN-Unet, Attention U-Net, CASPIAN（定制轻量级CNN）	绝对误差（洪水水位预测误差），推理速度	NA
2005	2026-01-05	Enhanced feature fusion with hand gesture recognition system for sign language accessibility to aid hearing and speech impaired individuals 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34100-5 PMID:41484456	研究论文	本文提出了一种基于特征融合的手势识别模型，用于将手语转换为文本和语音，以帮助听力和言语障碍人士	结合ConvNeXt Base、VGG16和EfficientNet-V2进行特征融合，并采用龙卷风优化算法进行参数调优，以提高手势识别的准确性	NA	开发创新的深度学习手势识别模型，以增强听力和言语障碍人士的沟通可及性	听力和言语障碍人士	计算机视觉	NA	NA	CNN, DBN	图像	NA	NA	ConvNeXt Base, VGG16, EfficientNet-V2, DBN	准确率	NA
2006	2026-01-05	A PRISMA-based systematic review on advances in identity recognition and authentication using human biometric signals (2018-2023) 2026-Jan-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01508-z PMID:41485012	综述	本文基于PRISMA指南，系统回顾了2018年至2023年间利用生理生物特征信号（如ECG、EEG、PPG）进行身份识别与认证的研究进展	首次按照PRISMA 2020指南对2018-2023年间的生理生物特征认证研究进行系统综述，并比较了单模态与多模态系统的性能	纳入研究的结果因数据集和协议不同而存在差异，缺乏标准化评估基准，且现实世界适用性有待进一步验证	评估生理生物特征信号在身份认证与识别系统中的有效性和性能	2018年至2023年间发表的关于生理生物特征认证与识别的研究文献	机器学习	NA	ECG, EEG, PPG信号处理	深度学习, 传统机器学习	生理信号数据	80篇最终纳入综述的文章（初始识别2064条记录）	NA	NA	准确率	NA
2007	2026-01-05	A CT-based deep learning approach to differentiate multiple primary lung cancers, metastases, and benign nodules 2026-Jan-02, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15501-1 PMID:41485033	研究论文	本研究开发并验证了一种基于CT的深度学习分类系统，用于区分多原发肺癌、肺内转移瘤和多发良性肺结节	首次比较了六种预训练架构（包括MambaOut-Kobe）在区分多原发肺癌、肺内转移瘤和良性结节上的性能，并通过决策曲线分析和Grad-CAM可视化评估了临床实用性和可解释性	研究样本量相对较小（260名患者），未来需要在更大规模、多中心数据集上进行验证，并需提升模型在多原发肺癌与肺内转移瘤之间的区分能力	开发一种自动化深度学习分类系统，以快速、客观地区分多原发肺癌、肺内转移瘤和多发良性肺结节，优化患者治疗规划	260名患者（包括83例多原发肺癌、81例肺内转移瘤和96例多发良性肺结节）的881张轴向CT切片	计算机视觉	肺癌	CT成像	深度学习	图像	260名患者，881张轴向CT切片	NA	DenseNet-121, EfficientNet-B1, MambaOut-Kobe, ResNet-50, SwinV2-CR-Tiny-224, ViT-Tiny-Patch16-224	AUC, 准确率, 决策曲线分析	NA
2008	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
2009	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
2010	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
2011	2026-01-05	Integrating state-space modeling, parameter estimation, deep learning, and docking techniques in drug repurposing: a case study on COVID-19 cytokine storm 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf035 PMID:39965087	研究论文	本研究通过整合状态空间建模、参数估计、深度学习和分子对接技术，针对COVID-19细胞因子风暴进行药物重定位案例研究	结合数学建模、PID控制器、深度学习与分子对接技术，提出一种综合框架以快速识别关键调控蛋白和潜在治疗药物	研究仅针对COVID-19细胞因子风暴案例，未广泛验证于其他疾病或病毒变体	开发一种高效方法以识别关键调控蛋白并推进药物重定位，为COVID-19及未来大流行病提供快速治疗策略	正常细胞和病毒感染的细胞中的调控蛋白，特别是血管紧张素转换酶2（ACE2）	机器学习	COVID-19	状态空间建模、参数估计、分子对接	深度学习模型	蛋白质相互作用数据、药物-靶点数据	NA	NA	NA	NA	NA
2012	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
2013	2026-01-05	Enhancing end-stage renal disease outcome prediction: a multisourced data-driven approach 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf118 PMID:40795063	研究论文	本研究利用机器学习和深度学习模型，结合临床和索赔数据，预测慢性肾脏病进展为终末期肾病的风险，并通过可解释人工智能提高模型可解释性和减少偏差	采用多源数据集成方法，结合不同观察窗口，并应用SHAP分析增强模型可解释性，同时评估了2021年eGFR方程在减少种族偏见方面的效果	研究基于2009年至2018年的数据，未来需扩展数据集成范围并验证框架在其他慢性疾病中的适用性	提高慢性肾脏病进展为终末期肾病的预测准确性，支持临床决策和减少医疗差异	10,326名慢性肾脏病患者	机器学习	慢性肾脏病	临床数据和索赔数据集成分析	LSTM	临床数据和索赔数据	10,326名患者	NA	LSTM	AUROC, F1分数	NA
2014	2026-01-05	An AI-Based Prognostic Model for Prediction of Functional Glaucoma Progression from Clinical and Structural Data 2026-Jan-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.026 PMID:41483865	研究论文	本文设计了一种基于深度学习的预后模型，整合临床和结构数据预测青光眼功能进展，并与临床医生进行比较	首次将基线临床和人口统计学数据、视盘照片以及OCT衍生的视网膜神经纤维层和黄斑厚度测量整合到卷积神经网络中，用于预测青光眼进展，并显著优于临床医生评估	研究为回顾性队列研究，可能存在选择偏倚；验证队列中OCT设备不同可能影响模型泛化性	预测青光眼的功能进展，提高青光眼诊断的预后准确性	1,599只眼（908名患者），包括确诊或疑似青光眼，具有≥5次24-2视野检查和至少3年随访	数字病理学	青光眼	OCT成像、视野检查、线性回归分析	CNN	图像、临床数据、人口统计学数据	1,599只眼（908名患者），验证队列291只眼	NA	基于ImageNet预训练的卷积神经网络	AUC、准确率、AU-PRC	NA
2015	2026-01-05	Deep learning regression model based on data pairing and pseudo-label fusion for NIR predictive modeling in food and pharmaceutical quality analysis 2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127399 PMID:41483668	研究论文	本文提出了一种基于数据配对和伪标签融合的深度学习回归模型DeepSS，用于食品和药品质量分析中的近红外预测建模	提出DeepSS方法，采用金字塔编码器提取近红外光谱的低维潜在特征，并引入数据配对策略通过组合样本对的潜在特征并减去其标签来增强训练数据，测试时通过将测试样本与训练特征配对生成伪标签，结合决策策略进行最终预测	NA	解决食品和药品行业中因样本化学成分测量困难导致标记数据集小、近红外光谱分析可靠性受限的问题	片剂、苹果和西洋参数据集中的关键成分	机器学习	NA	近红外光谱	深度学习回归模型	光谱数据	NA	NA	金字塔编码器	预测误差	NA
2016	2026-01-05	Performance of artificial intelligence in predicting hepatocellular carcinoma recurrence after thermal ablation: A systematic review 2025-Dec-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i12.111425 PMID:41479509	系统综述	本文通过系统综述评估了基于人工智能的影像组学模型在预测肝细胞癌热消融后复发方面的性能	整合多模态影像组学分析与临床数据，优化治疗选择，并展示影像模型在预测治疗结果方面优于单独临床参数的能力	仅纳入十项研究，样本量有限，且为系统综述，未进行原始数据分析	评估人工智能驱动的预测模型在预测肝细胞癌复发方面的有效性	接受热消融治疗的肝细胞癌患者	数字病理学	肝细胞癌	影像组学分析	深度学习, 机器学习	影像数据, 临床实验室变量	NA	NA	NA	曲线下面积, 一致性指数	NA
2017	2026-01-05	Cardiovascular pulsing-based ultrasound strain imaging with deep learning using paired proximal and distal strain sequences for liver fibrosis detection: a feasibility study 2025-Dec-27, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107936 PMID:41483589	研究论文	本研究提出了一种结合心血管搏动超声应变成像与深度学习的框架，用于检测左肝叶纤维化	利用心血管搏动超声应变成像结合深度学习，采用配对近端和远端应变序列策略，利用内在心脏运动进行左肝叶纤维化检测	样本量有限（104名患者），需要更大规模队列研究进行验证	评估心血管搏动超声应变成像结合深度学习在左肝叶纤维化检测中的可行性	肝纤维化患者	医学影像分析	肝纤维化	心血管搏动超声应变成像，声辐射力脉冲成像，FibroScan测量	RNN, LSTM, GRU, Transformer, TCN	超声图像，应变序列	104名患者	NA	RNN, LSTM, GRU, Transformer, TCN	AUROC	NA
2018	2026-01-05	[Analysis of occupational stress risk factors and risk prediction research for female coal miners] 2025-Dec-20, Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases DOI:10.3760/cma.j.cn121094-20240723-00343 PMID:41483940	研究论文	本研究分析了女性煤矿工人的职业应激风险因素，并构建了风险预测模型	首次将XGBoost和LightGBM等深度学习模型应用于女性煤矿工人职业应激预测，并利用SHAP算法解释模型结果	研究样本仅来自甘肃省一家大型煤矿，可能存在地域局限性，且为横断面研究，无法确定因果关系	分析女性煤矿工人职业应激的风险因素并构建风险预测模型	甘肃省一家大型煤矿的在岗女性工人	机器学习	NA	问卷调查	XGBoost, LightGBM	问卷数据	1435名有效问卷参与者	NA	XGBoost, LightGBM	决定系数, 均方误差, 均方根误差	NA
2019	2026-01-05	Artificial intelligence in hepatopathy diagnosis and treatment: Big data analytics, deep learning, and clinical prediction models 2025-Dec-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i46.111176 PMID:41479639	综述	本文综述了人工智能在肝病诊断与治疗中的应用，涵盖大数据分析、深度学习图像分析、组织病理学解读、生物标志物发现及临床预测模型等领域	系统性地探讨了联邦学习在保护患者隐私的跨中心模型训练中的应用，以及可解释AI技术在提升临床医生信任度方面的作用，并展望了多组学、影像与临床数据融合的精准肝病诊疗前景	临床转化仍面临数据异质性、算法偏差、监管不确定性以及缺乏与电子健康记录实时整合等挑战	探讨人工智能技术在肝病学领域的应用，旨在实现自动化数据解读、早期疾病检测和个体化治疗策略	慢性肝病，包括非酒精性脂肪性肝病、肝硬化和肝细胞癌	数字病理学	肝病	大数据分析，深度学习图像分析，组织病理学解读，生物标志物发现，临床预测建模	CNN	图像，临床数据	NA	NA	卷积神经网络	AUC	NA
2020	2026-01-05	Validation of a deep learning-based AI model for breast cancer risk stratification in postmenopausal ER+/HER2-breast cancer patients 2025-Dec-04, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2025.104671 PMID:41380230	研究论文	本研究验证了基于深度学习的Stratipath AI模型在绝经后ER+/HER2-乳腺癌患者风险分层中的预后价值，并与传统的诺丁汉组织学分级系统进行比较	首次在绝经后ER+/HER2-乳腺癌患者群体中验证深度学习模型的风险分层能力，并证明其在NHG 2中间风险亚组中仍具有预后价值	研究为回顾性分析，需要进一步的前瞻性验证来确认不同风险组在治疗策略中的临床获益	验证深度学习AI模型在乳腺癌风险分层中的预后性能，并与传统病理分级系统进行比较	绝经后ER阳性/HER2阴性乳腺癌患者	数字病理学	乳腺癌	深度学习	深度学习模型	临床数据	2466例患者	NA	Stratipath模型	一致性指数, 风险比	NA