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
2461	2026-01-14	Bonferroni Mean Pre-aggregation Operator Assisted Dynamic Fuzzy Histogram Equalization for Retinal Vascular Segmentation 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3615462 PMID:41021955	研究论文	本文提出了一种基于Bonferroni均值预聚合算子和动态模糊直方图均衡化的无监督视网膜血管分割方法	结合了处理相互关系的Bonferroni均值预聚合算子和动态模糊直方图均衡化，以无监督方式增强血管几何特征	未提及	开发一种无监督的视网膜血管分割方法，以改进视网膜疾病的诊断	视网膜血管	计算机视觉	视网膜疾病	动态模糊直方图均衡化	无监督分割方法	图像	DRIVE、STARE和HRF数据集	NA	BMPDFHESeg	定性评估、定量评估、计算速度	NA
2462	2026-01-14	Current trends and future artificial intelligence applications in transfusion medicine: a bibliometric analysis 2026-Jan, Expert review of hematology IF:2.3Q2 DOI:10.1080/17474086.2025.2570336 PMID:41045021	文献计量分析	本文通过文献计量分析，描绘了人工智能在输血医学领域的当前研究趋势和未来应用前沿	首次对人工智能在输血医学领域的文献进行系统的计量分析，识别了关键作者、机构、国家及研究热点，填补了该领域文献计量研究的空白	数据来源仅限于Web of Science核心合集，时间范围截至2025年8月，可能未涵盖所有相关文献或最新进展	分析人工智能在输血医学领域的研究现状、发展趋势及未来应用方向	2000年1月1日至2025年8月31日期间Web of Science核心合集中收录的159篇相关出版物	机器学习	NA	文献计量分析	NA	文献数据	159篇出版物	VOSviewer, CiteSpace, Excel	NA	NA	NA
2463	2026-01-14	Age- and sex-specific knee alignment patterns in symptomatic Korean patients: A cross-sectional deep learning analysis of 16,000 knees 2026-Jan, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.10.011 PMID:41159920	研究论文	本研究利用深度学习自动测量大量长腿X光片，分析了韩国有症状患者中年龄和性别特异的膝关节对齐模式	首次在大规模韩国有症状患者队列中，结合深度学习自动测量，系统揭示了膝关节对齐参数与年龄、性别之间的非线性关联及差异	研究为回顾性横断面设计，无法确定因果关系；数据来自单一三级医院，可能限制结果的普适性	分析膝关节对齐参数与年龄、性别之间的关联，为骨关节炎风险评估提供临床参考	来自韩国一家三级医院（2010-2023年）的8014张长腿X光片（16,028个膝关节），对应有症状的成年患者	数字病理学	骨关节炎	长腿X光摄影	深度学习模型	X光图像	8014张X光片（16,028个膝关节）	NA	NA	NA	NA
2464	2026-01-14	Multiple, not just Beta-Gamma, phase-amplitude couplings are associated with Parkinson's disease and related intervention effects 2026-Jan, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2025.2111425 PMID:41313998	研究论文	本研究评估了多种EEG相位-幅度耦合（PAC）在预测帕金森病（PD）患者运动活力（MV）中的重要性，并探讨了多巴胺能药物和非侵入性前庭电刺激（GVS）对MV相关PAC的影响	首次使用基于VGG-16架构的深度学习模型PACNET从PAC视觉表示中预测MV，并揭示了除Beta-Gamma外，Delta-Beta、Theta-Gamma和Alpha-Gamma等多种PAC在PD中的重要性	样本量较小（18名PD患者和20名健康对照），且任务为简单的过度学习握力任务，可能限制了结果的泛化性	评估多种EEG PAC在预测PD患者MV中的作用，并确定药物和GVS干预对PAC-MV关联的影响	帕金森病患者和健康对照个体的EEG数据	机器学习	帕金森病	EEG（脑电图）	CNN	图像（PAC的视觉表示）	18名帕金森病患者和20名健康对照	NA	VGG-16	NA	NA
2465	2026-01-14	The Role of Artificial Intelligence in Chronic Rhinosinusitis: A Scoping Review 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70078 PMID:41376460	综述	本文通过范围综述，系统梳理了人工智能在慢性鼻窦炎诊断与管理中的应用现状、趋势及未来机遇	首次全面绘制了AI在慢性鼻窦炎领域的应用图谱，明确了当前研究热点（如诊断、亚型分型）与空白领域（如手术规划、经济评估）	排除了非英文文献、2003年前研究、急性鼻窦炎及儿科人群研究，可能存在语言和时效性偏倚	旨在系统评估人工智能在慢性鼻窦炎领域的应用现状，识别研究趋势与未来方向	慢性鼻窦炎（CRS）相关的医学研究文献	医学人工智能	慢性鼻窦炎	深度学习、神经网络、卷积神经网络、随机森林等AI技术	深度学习、神经网络、卷积神经网络、随机森林	CT影像、组织/血液嗜酸性粒细胞计数、临床/人口统计学特征、组织病理学特征、血液/组织细胞因子、鼻内镜检查结果	共筛选573条记录，最终纳入49项研究	NA	NA	分类指标、回归指标	NA
2466	2026-01-14	Graph-spa: A Spatiotemporal Graph Neural Network based framework for ARDS prediction and interpretability 2026-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104969 PMID:41386531	研究论文	本文提出了一种基于动态时空图神经网络的框架Graph-spa，用于急性呼吸窘迫综合征的早期预测和可解释性分析	Graph-spa框架通过动态更新邻接结构来捕捉临床变量间的演化交互，结合时间卷积层，有效捕获长程时间依赖性，并采用模型无关的特征归因方法增强可解释性	未明确提及具体局限性，但框架可能依赖于ICU数据的质量和完整性	提高急性呼吸窘迫综合征的早期预测准确性，并通过可解释性分析识别亚临床特征	ICU中的多变量时间序列临床数据，涉及HiRID、MIMIC-IV和eICU三个数据集	机器学习	急性呼吸窘迫综合征	动态时空图神经网络，时间卷积，掩码归因方法	STGNN, GRU, LSTM, TCN, Transformer	多变量时间序列数据	三个数据集（HiRID、MIMIC-IV、eICU），具体样本数量未明确	未明确指定，但代码发布于GitHub	动态时空图神经网络，结合时间卷积层	AUC, F1-score, MCC	未明确指定
2467	2026-01-14	High density EEG and deep learning outcome prediction on the first day of coma after cardiac arrest 2026-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121658 PMID:41412410	研究论文	本研究利用深度学习分析心脏骤停后昏迷患者第一、二天的静息态脑电图，预测昏迷结局，并评估其与临床预后指标的互补性	首次将卷积神经网络应用于高密度脑电图数据，在昏迷第一天实现高精度的结局预测，并验证了其在外部数据集上的泛化能力	样本量相对有限（瑞士内部165例，外部60例），且第二天预测性能下降，脑干反射与深度学习预测结果存在不一致	开发基于深度学习的昏迷结局预测方法，辅助临床决策	心脏骤停后昏迷患者	机器学习	心血管疾病	静息态脑电图	CNN	脑电图信号	瑞士内部数据集：第一天165例，第二天100例；外部数据集：60例	NA	卷积神经网络	灵敏度, 特异度	NA
2468	2026-01-14	Lifespan trajectory of claustrum volume in humans - effect of age, hemisphere, and sex, and association with cognitive performance 2026-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121665 PMID:41421500	研究论文	本研究利用深度学习自动分割和规范建模，探讨了人类屏状核体积的寿命轨迹及其与年龄、半球、性别和认知表现的关联	首次在大规模健康人群（1-80岁）中系统描绘屏状核体积的寿命轨迹，并揭示其与认知表现的关联	研究基于横断面数据，无法确定因果关系；样本主要来自健康人群，可能不适用于所有群体	探究非病理生物条件（年龄、半球、性别）对屏状核体积的影响及其与认知表现的关系	3474名1至80岁的健康参与者	医学影像分析	神经发育与神经退行性疾病	T1加权3特斯拉MRI扫描	深度学习	MRI图像	3474名健康参与者	NA	NA	NA	NA
2469	2026-01-14	Mamba-enhanced disease semantic knowledge graph for interpretable automatic ICD coding 2026-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104973 PMID:41443488	研究论文	本文提出了一种名为MKHCNet的新型自动ICD编码框架，通过整合疾病语义知识图谱、Mamba网络、对比归一化和分层位置标签注意力机制，提升了编码性能和临床可解释性	首次将Mamba网络引入自动ICD编码任务，并结合疾病语义知识图谱、ContraNorm模块和HPLA机制，实现了长程依赖建模、标签表示增强和细粒度可解释性	未提及模型在更广泛数据集或实际临床环境中的泛化能力评估	提升自动ICD编码的准确性、语义一致性和可解释性	电子健康记录中的疾病、症状、诊断和治疗信息	自然语言处理	NA	深度学习	Mamba, FastKAN	文本	基于MIMIC-FULL和MIMIC-50基准数据集	NA	MKHCNet (Mamba-Knowledge-HPLA-ContraNorm Network)	MaAUC, P@8	NA
2470	2026-01-14	A combined model of convolutional neural networks and graph attention networks for improved classification of mild cognitive impairment 2026-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121674 PMID:41448509	研究论文	提出一种结合卷积神经网络和图注意力网络的新模型，用于改进轻度认知障碍的分类	提出了一种新颖的CNN与改进的GAT模型相结合的方法，利用MRI体积数据和皮层厚度数据的互补优势，以解决现有模型在捕捉大脑结构特征和检测微小病变方面的局限性	未来工作需通过额外的数据优化来进一步提升性能	改进轻度认知障碍的早期诊断和分类方法	轻度认知障碍患者	数字病理学	老年疾病	磁共振成像	CNN, GAT	图像	NA	NA	CNN, GAT, 多层感知机	AUC, F1-score, 敏感性, 特异性	NA
2471	2026-01-14	MRI-Based Deep Learning Algorithms vs. Radiologists for Lymph Node Metastasis in Colorectal Cancer: A Systematic Review and Meta-analysis 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.048 PMID:41107125	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了基于MRI的深度学习算法与放射科医生在结直肠癌淋巴结转移诊断中的性能	首次通过荟萃分析系统比较了MRI深度学习算法与放射科医生（包括不同经验水平）在结直肠癌淋巴结转移诊断中的性能，并量化了其优势	纳入的研究多为回顾性且主要来自中国，限制了结果的普适性	比较基于MRI的深度学习算法与放射科医生在诊断结直肠癌淋巴结转移方面的诊断性能	结直肠癌患者的淋巴结转移	医学影像分析	结直肠癌	MRI	深度学习算法	MRI图像	内部验证队列：9项研究，共1850例样本	NA	NA	灵敏度, 特异性, AUC	NA
2472	2026-01-14	Explainable Machine Learning for Predicting Invasiveness of Pulmonary Adenocarcinoma Presenting as Ground-Glass Nodules Using CT Images 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.004 PMID:41130882	研究论文	本研究利用CT图像，结合放射组学特征、深度学习特征和瘤内栖息地特征，开发了一个可解释的机器学习模型，用于预测表现为磨玻璃结节的肺腺癌的侵袭性	整合了非增强CT和增强CT的放射组学特征、深度学习特征以及瘤内栖息地特征，构建了一个综合预测模型，并利用SHAP进行可解释性分析，为临床个性化手术决策提供支持	研究为双中心回顾性研究，可能存在选择偏倚；模型性能在外部验证集上有所下降（AUC 0.85），表明泛化能力有待进一步验证	提高早期表现为磨玻璃结节的肺腺癌侵袭性预测的准确性，以支持临床个性化手术决策	经病理证实的磨玻璃结节（GGNs，≤30mm）患者	数字病理学	肺癌	非增强CT（NECT），增强CT（CECT），K-means聚类算法	机器学习模型，深度学习模型	CT图像	516名患者（中心1：396名，中心2：120名）	Scikit-learn（用于K-means等），PyTorch或TensorFlow（用于ResNet50）	ResNet50	AUC，准确率，灵敏度，特异性，决策曲线分析（DCA），校准曲线，Hosmer-Lemeshow检验	NA
2473	2026-01-14	PI-uMSS: Prior information-based unsupervised magnetic source separation in quantitative susceptibility mapping 2026-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121643 PMID:41391626	研究论文	提出了一种基于先验信息的无监督磁源分离框架，用于定量磁化率成像中的源分离	提出了一种无监督的磁源分离框架，利用先验信息引导并通过物理信息损失函数约束，无需大量高质量标签即可实现全脑分离，克服了现有方法依赖近似或区域外推以及深度学习需要大量标注数据的限制	未明确提及具体局限性，但方法依赖于先验信息和物理模型，可能对模型假设和输入数据质量敏感	改进定量磁化率成像中的磁源分离，以更准确量化脑铁和髓鞘变化	全脑定量磁化率成像和R2*数据	医学影像分析	脑部疾病	定量磁化率成像，磁源分离	深度学习模型	医学影像数据	NA	NA	NA	结构相似性，归一化均方误差	NA
2474	2026-01-14	OPDoctorNet: Deep Learning Revolutionizes Opportunistic Screening of Osteoporosis Based on Clinical Data 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3597467 PMID:40788810	研究论文	本研究开发了OPDoctorNet算法，结合Transformer和Mamba特征提取优势，通过多尺度特征融合和FeatureBake Block创新，提高骨质疏松症临床数据识别的准确性	创新性地提出多尺度特征融合和FeatureBake Block，结合Transformer和Mamba的优势，深度提取全局和局部特征，为Transformer和Mamba特征处理提供突破性解决方案	NA	利用深度学习技术改进骨质疏松症的临床数据识别，实现高效、准确的机遇性筛查	骨质疏松症的临床数据	机器学习	骨质疏松症	深度学习	Transformer, Mamba	临床数据	NA	NA	OPDoctorNet, FeatureBake Block	准确率, 召回率, F1分数	NA
2475	2026-01-14	Federated Learning for Histopathology Image Classification: A Systematic Review 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010137 PMID:41515633	系统综述	本文对联邦学习在组织病理学图像分类领域的应用进行了系统性回顾，总结了现有方法、数据集、性能指标以及面临的挑战和未来方向	首次对联邦学习在组织病理学图像分类领域的研究现状进行了系统性梳理和评估，明确了主流方法、数据集和性能基准	纳入的研究存在报告标准不一致、通信开销和计算需求等挑战尚未解决，且临床验证不足	全面评估联邦学习在组织病理学图像分类中的应用现状，识别方法、数据集和性能指标，并指出挑战与未来研究方向	2020年至2025年间发表的24项关于联邦学习用于组织病理学图像分类的研究	数字病理学	NA	NA	深度学习模型	组织病理学图像	涉及10个数据集（8个公开、1个私有、1个未指定）	Flower, OpenFL	VGG, ResNet, DenseNet, EfficientNet	准确率, 精确率, 召回率, F1分数	NA
2476	2026-01-14	AI-Guided Inference of Morphodynamic Attractor-like States in Glioblastoma 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010139 PMID:41515632	研究论文	本文提出了一种AI框架，通过3D自编码器和神经常微分方程，从多模态MRI数据中推断胶质母细胞瘤的形态动力学吸引子样状态，并探索其与生存预后的关联	结合生成式AI与动力系统理论，从横断面数据中近似推断肿瘤形态动力学的潜在吸引子景观，并首次尝试通过控制理论（确定性控制器和强化学习代理）模拟肿瘤轨迹的干预	研究基于横断面数据（BraTS 2020），缺乏纵向随访验证；动态吸引子盆地在预后预测上增益有限，年龄仍是主导协变量；控制模拟仅为概念验证，未进行实际临床干预	开发一个可解释、可控制的AI框架，以捕捉胶质母细胞瘤的形态动力学稳定状态（吸引子），并探索其与临床结局的关联	胶质母细胞瘤（GBM）患者的多模态MRI扫描数据	数字病理学	胶质母细胞瘤	多模态MRI	自编码器, 神经常微分方程, 强化学习	3D医学影像	494例患者（来自BraTS 2020数据集）	PyTorch（推断自神经ODE和强化学习代理的使用）	3D自编码器, 神经ODE, Soft Actor-Critic	生存分析（Kaplan-Meier, log-rank检验, C-index）, 相关系数, 控制成功率, 终端距离减少率	未明确指定，但涉及3D影像处理和强化学习训练，可能使用GPU（如NVIDIA系列）
2477	2026-01-14	Evaluating the Impact of Demographic Factors on Subject-Independent EEG-Based Emotion Recognition Approaches 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010144 PMID:41515638	研究论文	本研究提出了一种融合脑电图特征与人口统计学信息的深度学习模型，用于提升跨被试的基于脑电图的情绪识别性能	提出了一种基于注意力机制的融合方法，能够动态权衡脑电图特征与人口统计学信息（年龄、性别、国籍）在分类过程中的贡献	研究仅使用了三个公开数据集，样本量相对有限，且未探讨更复杂的人口统计学变量组合	提升跨被试的基于脑电图的情绪识别模型的性能与公平性	31名具有不同人口统计学背景的被试的脑电图信号	机器学习	NA	脑电图	深度学习	脑电图信号，人口统计学数据	31名被试，来自SEED、SEED-FRA和SEED-GER三个数据集	NA	基于注意力机制的融合模型	准确率	NA
2478	2026-01-14	Leveraging Large-Scale Public Data for Artificial Intelligence-Driven Chest X-Ray Analysis and Diagnosis 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010146 PMID:41515641	研究论文	本研究利用大规模公开胸部X光数据集训练深度学习模型，用于胸部异常的多标签分类诊断	结合大规模多样化公共数据集与噪声标签训练通用深度学习模型，并引入不确定性量化评估模型可靠性	对结核病等样本质量有限的疾病诊断仍具挑战性，需针对代表性不足的疾病开发更精准的策略	开发基于人工智能的胸部X光分析诊断系统，以缓解放射科医生负担	胸部X光影像	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	大规模多样化公共数据集（具体数量未说明）	NA	ResNet, DenseNet, EfficientNet, DLAD-10	AUC, 敏感性, F1分数	NA
2479	2026-01-14	Semi-Supervised Seven-Segment LED Display Recognition with an Integrated Data-Acquisition Framework 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010265 PMID:41516700	研究论文	本文提出了一种集成数据采集框架的半监督七段LED显示屏识别方法，以提高工业检测中的识别准确性和鲁棒性	结合图像处理与深度学习，构建基于改进自训练算法的半监督对抗学习框架，并引入k-means聚类分层采样、Squeeze-and-Excitation B Block增强CNN主干以及对抗生成网络进行对抗训练	模型可能仍受特定环境因素（如温度、光照变化）影响，且半监督方法依赖于初始标注数据质量	提高工业检测和实验数据采集场景中七段LED显示屏的识别准确性和效率，并增强模型在不同环境下的鲁棒性	工业检测和实验数据采集中常用的数字管（七段LED显示屏）	计算机视觉	NA	图像处理技术、k-means聚类算法、对抗生成网络	CNN, GAN	图像	NA	NA	改进的CNN主干（添加Squeeze-and-Excitation B Block）	分类准确性、鲁棒性	NA
2480	2026-01-14	State-of-Charge Estimation of Lithium-Ion Batteries Based on the CNN-Bi-LSTM-AM Model Under Low-Temperature Environments 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010264 PMID:41516699	研究论文	本文提出了一种结合一维卷积神经网络、双向长短期记忆网络和注意力机制的混合深度学习模型，用于提升锂离子电池在低温环境下的荷电状态估计精度	首次将一维卷积神经网络、双向长短期记忆网络和注意力机制集成于一个混合模型中，以动态强调关键时间步长，有效处理低温环境下的电压失真和非线性动态	研究仅在特定型号（Panasonic 18650PF）和有限温度范围（-20至0摄氏度）的数据集上进行验证，未涵盖更广泛的电池类型或更极端的低温条件	提高锂离子电池在低温环境下的荷电状态估计准确性，以支持电池管理系统在极端条件下的可靠运行	锂离子电池（具体为Panasonic 18650PF型号）	机器学习	NA	深度学习	CNN, LSTM	序列数据（电压和电流序列）	基于Panasonic 18650PF数据集，具体样本数量未明确说明	NA	一维卷积神经网络, 双向长短期记忆网络, 注意力机制	平均绝对误差, 均方根误差	NA