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
3121	2025-12-20	Machine Learning Methods for the Prediction of Intraoperative Hypotension with Biosignal Waveforms 2025-Nov-14, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61112039 PMID:41303875	研究论文	本研究旨在开发和验证利用生物信号波形和个性化临床信息预测术中低血压的机器学习和深度学习模型	结合四种生物信号波形（动脉血压、心电图、光电容积脉搏波、二氧化碳波形）与患者临床信息，开发了梯度提升机和混合CNN-RNN模型，用于预测术中低血压	研究为回顾性观察性研究，数据来源于单一医疗中心，可能限制了模型的泛化能力	开发能够预测术中低血压的预测模型，以预防术后心肌梗死、急性肾损伤等并发症	接受非心脏手术的患者	机器学习	心血管疾病	生物信号波形分析	梯度提升机, CNN-RNN	波形数据, 临床信息	2611名患者	NA	CNN-RNN	AUROC, 准确率	NA
3122	2025-12-20	Unconstrained deep learning-based sleep stage classification using cardiorespiratory and body movement activities in adults with suspected sleep apnea 2025-Nov-11, Proceedings of the Japan Academy. Series B, Physical and biological sciences DOI:10.2183/pjab.101.032 PMID:40887298	研究论文	本研究评估了使用床垫下压电传感器获取的心肺和身体活动数据，通过深度学习进行无约束睡眠分期分类的可行性	提出了一种基于床垫压电传感器的无约束睡眠监测方法，利用心肺变异性和身体活动特征，通过双向LSTM网络实现睡眠分期，为家庭睡眠监测提供了新方案	研究样本仅包括疑似睡眠呼吸暂停的成人患者（106人），模型性能（平衡准确率0.70）仍有提升空间，未在更广泛人群或不同睡眠障碍患者中验证	开发无需传统多导睡眠图（PSG）束缚的自动化睡眠分期方法，推动家庭睡眠监测技术的发展	106名未经治疗的疑似睡眠呼吸暂停成年患者	机器学习	睡眠呼吸暂停	压电传感器信号采集，多导睡眠图（PSG）	双向长短期记忆网络（BiLSTM）	时序生理信号数据（心率、呼吸率、身体运动等）	106名疑似睡眠呼吸暂停的成人参与者	NA	双向长短期记忆网络（BiLSTM）	平衡准确率，Cohen's κ系数，F1分数，Deming回归，Bland-Altman分析	NA
3123	2025-12-20	Deep learning-based non-invasive differential diagnosis of eyelid basal cell and sebaceous gland carcinomas using photographic images 2025-Nov-04, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03801-1 PMID:41186742	研究论文	本研究开发了一种基于ResNet50的深度学习模型，利用眼睑基底细胞癌和皮脂腺癌的摄影图像进行非侵入性鉴别诊断	首次提出基于摄影图像的深度学习模型用于眼睑基底细胞癌和皮脂腺癌的非侵入性鉴别诊断，相比传统病理检查具有无创、快速的优势	研究数据仅来自单一医疗中心，样本量相对有限（共370张图像），需要多中心验证以提高泛化能力	开发一种非侵入性的早期鉴别诊断方法，用于区分眼睑基底细胞癌和皮脂腺癌，减少诊断延迟并提高准确性	眼睑基底细胞癌和皮脂腺癌的摄影图像	计算机视觉	皮肤癌	摄影图像采集	CNN	图像	370张摄影图像（199张眼睑基底细胞癌，171张眼睑皮脂腺癌）	NA	ResNet50	准确率, F1分数, 敏感性, 特异性	NA
3124	2025-12-20	Light scattering patterns of triaxial ellipsoidal drops and their use in inferring drops' shapes, aided by deep learning 2025-Nov-03, Optics express IF:3.2Q2 DOI:10.1364/OE.579521 PMID:41414109	研究论文	本研究通过扩展矢量复射线模型（VCRM3D）来探究三轴椭球液滴的光散射特性，并利用深度学习从单次光散射图案中推断液滴的三维形状	首次将VCRM3D模型扩展至三轴椭球液滴的光散射研究，建立了首个椭球液滴光散射图案数据库，并利用卷积神经网络从单次散射图案中实现高精度三维形状重建	研究基于合成数据库进行训练和验证，未明确提及在真实实验环境中的泛化性能或噪声影响	开发一种基于单次光散射图案的非球形液滴三维形状推断方法，以替代传统多视角成像技术	三轴椭球液滴（非球形液滴）	机器视觉	NA	光散射模拟、深度学习	CNN	图像（光散射图案）	NA	NA	NA	平均相对误差	NA
3125	2025-12-20	DLAO: a physics-informed deep learning framework for aberration correction in optical coherence tomography 2025-Nov-03, Optics express IF:3.2Q2 DOI:10.1364/OE.576331 PMID:41414138	研究论文	本文提出了一种基于物理信息深度学习的自适应光学框架DLAO，用于高效校正光学相干断层扫描图像中的复杂像差	引入了伪点扩散函数预处理步骤，将高维图像恢复任务转化为低维物理参数估计问题；设计了层间自适应渐进注意力网络，结合多尺度特征融合机制和新型LAPA模块，以增强对分层、多尺度特征的捕获能力	未明确提及	解决光学相干断层扫描中因系统缺陷和样本不均匀性引起的像差问题，以提升图像质量	光学相干断层扫描图像	计算机视觉	NA	光学相干断层扫描	深度学习	图像	NA	NA	层间自适应渐进注意力网络	峰值信噪比, 结构相似性指数	NA
3126	2025-12-20	MSSPUNet: phase unwrapping using a multi-scale, multi-stage deep neural network for digital holographic tomography 2025-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.571895 PMID:41411586	研究论文	本文提出了一种用于数字全息层析成像相位解缠的多尺度、多阶段深度神经网络MSSPUNet	提出了一种结合多尺度特征融合与多阶段优化策略的Transformer网络，以增强跨尺度相位解缠的精度和鲁棒性	未明确说明模型在极端噪声或复杂畸变条件下的性能边界，且真实数据验证范围有限	解决数字全息层析成像中相位解缠的精度和鲁棒性问题	细胞、类器官、仿体以及传统3D打印结构的数字全息层析图像	计算机视觉	NA	数字全息层析成像	Transformer网络	相位图像	大量模拟数据集及真实DHT图像（细胞、类器官、仿体、3D打印结构）	NA	MSSPUNet（多尺度多阶段Transformer网络）	准确性、鲁棒性、泛化能力	NA
3127	2025-12-20	Metaheuristic-optimized swin transformer with SHAP explainability for keratoconus classification from corneal topography maps 2025-Sep-29, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03744-7 PMID:41021086	研究论文	本文提出了一种基于元启发式优化Swin Transformer和SHAP可解释性的深度学习模型，用于从角膜地形图自动分类圆锥角膜	结合改进的Swin Transformer块与残差多层感知机来捕捉角膜图像的局部微结构不规则性和全局曲率模式，并引入极狐优化器提升模型收敛性和鲁棒性，同时集成SHAP可解释性增强决策透明度	NA	开发一种自动化、可扩展的深度学习模型，用于圆锥角膜的早期检测，以提供及时干预并减少严重视力损伤	圆锥角膜患者	计算机视觉	圆锥角膜	角膜地形图成像	Transformer, MLP	图像	NA	NA	Swin Transformer, Residual Multi-Layer Perceptrons	准确率	NA
3128	2025-12-20	AI-based satellite survey offers independent assessment of migratory wildebeest numbers in the Serengeti 2025-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf264 PMID:40933365	研究论文	本研究首次利用基于深度学习的AI卫星调查方法，对塞伦盖蒂-马拉生态系统中迁徙的角马数量进行了独立评估	首次采用AI驱动的卫星调查方法，结合U-Net和YOLOv8两种深度学习模型，对大面积区域的角马进行检测和计数	调查结果与传统方法存在差异，部分可能源于不同调查方法在空间和时间覆盖范围上的差别	通过独立监测工具完善角马种群数量估计，增进对角马迁徙动态的理解	塞伦盖蒂-马拉生态系统中的迁徙角马	计算机视觉	NA	卫星遥感	深度学习	卫星图像	连续两年（2022年8月和2023年8月）超过4000平方公里的区域	NA	U-Net, YOLOv8	F1分数, 精确率, 召回率	NA
3129	2025-12-20	The Pharmaceutical Industry's Future: How Artificial Intelligence is Transforming Medicine 2025-Sep, Advanced pharmaceutical bulletin IF:3.1Q2 DOI:10.34172/apb.025.45904 PMID:41403729	综述	本文综述了人工智能在制药行业各阶段的应用及其对个体化治疗、研究和药物开发的变革性影响	全面探讨了AI技术如何加速药物发现、优化制造流程、支持精准医疗并革新药物生命周期管理	NA	分析人工智能在制药行业中的当前应用与未来潜力	制药行业中的药物发现、临床试验、个性化医疗、生产流程及供应链管理	机器学习	NA	机器学习, 深度学习, 数据分析, 预测建模	NA	NA	NA	NA	NA	NA	NA
3130	2025-12-20	[Current Landscape and Commercialization of AI Models in Musculoskeletal Imaging] 2025-Sep, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0058 PMID:41113373	综述	本文综述了基于人工智能的医疗设备在肌肉骨骼影像领域的商业化现状及其临床应用	总结了肌肉骨骼影像AI模型的商业化进展，并提供了临床应用的有益考虑	NA	提供肌肉骨骼影像AI模型的商业化信息，辅助临床决策	肌肉骨骼影像AI模型及其商业化应用	数字病理学	肌肉骨骼疾病	深度学习	NA	影像	NA	NA	NA	诊断性能	NA
3131	2025-12-20	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	本文回顾了基于图像的细胞表型分析在计算方法上的演变，包括当前流程、局限性及未来发展方向	深度学习重塑了图像分析，提升了特征提取、可扩展性和多模态数据整合能力，并借鉴单细胞转录组学推动了单细胞分析和批次效应校正等方法的进步	该领域仍面临重大挑战，需要创新性解决方案	为研究人员提供基于图像的细胞表型分析技术进展及新挑战的路线图	基于图像的细胞表型分析的计算方法	计算机视觉	NA	显微镜成像	深度学习	图像	NA	NA	NA	NA	NA
3132	2025-12-20	Retinal image-based disease classification using hybrid deep architecture with improved image features 2025-Aug-05, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03660-w PMID:40762730	研究论文	本文提出了一种基于视网膜图像的疾病分类混合深度学习架构，通过改进图像特征提高分类准确性	提出了一种结合改进的LinkNet（ILinkNet）和SqueezeNet的混合深度学习模型（ILink-SqNet），并整合了改进的多纹理特征与统计特征，以提升视网膜疾病的分类性能	未明确提及样本量、计算资源细节或模型在更广泛数据集上的泛化能力	开发一种准确、高效的视网膜疾病自动分类方法，以辅助眼科诊断	视网膜眼底图像	计算机视觉	视网膜疾病	NA	深度学习	图像	NA	NA	ResNet, VGG16, ILinkNet, SqueezeNet	精确度	NA
3133	2025-12-20	An optimized multi-scale dilated attention layer for keratoconus disease classification 2025-Jul-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03688-y PMID:40736610	研究论文	本文提出了一种优化的多尺度扩张注意力层模型（Optimized MSDALNet），用于基于角膜地形图图像的圆锥角膜疾病分类	引入了多尺度扩张注意力层（MSDAL）以捕获不同空间分辨率的局部和全局角膜特征，并采用北极海雀优化算法（APO）进行训练优化，结合了可解释AI（XAI）能力	数据集规模有限且缺乏多模态输入	自动化圆锥角膜（KCN）的检测与分类	圆锥角膜疾病	计算机视觉	圆锥角膜	角膜地形图成像	深度学习模型	图像	超过1,100张标记的角膜地形图图像，分为正常、疑似和KCN三类	NA	Optimized MSDALNet（包含多尺度扩张注意力层）	准确率, 精确率, 召回率, 特异性, FNR, MCC, AUC	NA
3134	2025-12-20	Advances in machine learning for ABCA4-related retinopathy: segmentation and phenotyping 2025-Jul-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03690-4 PMID:40699379	综述	本文探讨了机器学习在ABCA4相关视网膜病变（ABCA4R）中的应用，重点关注图像分割和表型分型	综述了机器学习在ABCA4R中分割和表型分型的最新进展，包括集成建模、自注意力机制、软标签方法和动态框架等先进技术	数据集较小且疾病表现多变，这构成了显著挑战	自动化ABCA4R评估中的关键步骤，以监测疾病进展和分类患者亚组	ABCA4相关视网膜病变（Stargardt病）患者	数字病理学	视网膜病变	眼底成像，视网膜电图（ERG），微视野检查	深度学习	图像，电生理数据	15篇选定文章（源自264篇），具体样本量未明确说明	NA	NA	DICE系数，准确率	NA
3135	2025-12-20	Leveraging artificial intelligence for diagnosis of children autism through facial expressions 2025-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96014-6 PMID:40200029	研究论文	本研究通过评估深度学习模型，利用儿童面部表情的RGB图像数据，诊断儿童自闭症谱系障碍（ASD）	提出了一种混合深度学习模型，将ResNet152与Vision Transformers（ViT）结合，以提升自闭症诊断的分类性能	未来研究需要纳入多种数据类型，扩展数据集变异性，并优化混合架构系统以提高诊断预测能力	评估深度学习模型在儿童自闭症谱系障碍（ASD）早期诊断中的应用，以提高诊断准确性和标准化	自闭症谱系障碍（ASD）确诊儿童的RGB面部图像数据	计算机视觉	自闭症谱系障碍	深度学习，迁移学习，微调方法	CNN, Transformer	图像	NA	NA	DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, Vision Transformers (ViT)	准确率	NA
3136	2025-12-20	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	综述	本文回顾了过去十年中机器学习技术在圆锥角膜诊断中的应用，重点关注学术研究与临床实践之间的差距	提出了促进机器学习模型融入临床实践的路线图模型，并针对机器学习和眼科医生提供了可操作的建议	缺乏早期圆锥角膜检测和严重程度分期的客观诊断标准共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨如何将其有效整合到临床实践中	圆锥角膜的诊断研究，包括不同疾病阶段（如非圆锥角膜、亚临床圆锥角膜、临床圆锥角膜）	机器学习	圆锥角膜	NA	随机森林, 卷积神经网络, 前馈和反馈神经网络, 支持向量机	数值角膜参数	NA	NA	NA	NA	NA
3137	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3138	2025-12-20	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	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基于视网膜成像的眼组学方法（包括深度学习、机器学习和逻辑回归模型）在诊断主要精神障碍方面的性能	首次对利用视网膜成像预测精神健康障碍的眼组学方法进行系统综述和荟萃分析，综合评估了多种机器学习模型在该领域的诊断性能	纳入研究存在高偏倚风险（尤其在患者选择和指标测试设计方面）、缺乏外部验证、样本量小导致过拟合风险、未发现精神障碍特异性的视网膜生物标志物	评估眼组学方法通过视网膜成像诊断主要精神障碍的准确性和临床适用性	主要精神障碍患者（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症、自闭症谱系障碍）的视网膜影像数据	数字病理学	精神障碍	视网膜成像技术（彩色眼底照相、光学相干断层扫描、OCT血管成像）	深度学习, 机器学习, 逻辑回归	图像	11项研究中的13个诊断模型（具体样本量未在摘要中说明）	NA	NA	敏感性, 特异性, 受试者工作特征曲线下面积	NA
3139	2025-12-20	Capsule network-based deep learning for early and accurate diabetic retinopathy detection 2025-Feb-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03391-4 PMID:39966199	研究论文	本研究提出了一种基于UNet++和胶囊网络的混合深度学习模型，用于青光眼的早期和准确检测	结合UNet++进行语义分割以精确勾勒视盘和视杯，并利用胶囊网络捕获层次结构，相比传统卷积神经网络对青光眼变化更敏感	未明确说明样本量或数据集的详细局限性，仅提及AI在眼科医疗中的革命性应用	实现青光眼的早期和准确检测，以预防失明	视网膜图像，特别是视盘和视杯的形态特征	计算机视觉	青光眼	深度学习，图像预处理（直方图均衡化和对比度受限自适应直方图均衡化）	CNN, CapsNet	图像	NA	NA	UNet++, CapsNet	准确度	NA
3140	2025-12-20	Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Feb-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03439-z PMID:39966317	研究论文	本文提出了一种基于KiU-Net的深度学习模型，用于在糖尿病视网膜病变患者的OCT图像中自动分割高反射病灶	结合Kite-Net分支和三层U-Net分支，并设计交叉注意力块来整合细节和语义信息，显著减少了模型参数并提升了分割性能	未明确提及模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际挑战	开发一种能够精确识别和分割糖尿病视网膜病变患者OCT图像中高反射病灶的自动分割算法	糖尿病视网膜病变患者的OCT图像中的高反射病灶	数字病理学	糖尿病视网膜病变	光学相干断层扫描	深度学习	图像	NA	NA	KiU-Net, Kite-Net, U-Net	灵敏度, Dice相似系数, 精确率, 召回率	NA