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
3181	2025-12-19	Artificial intelligence in sport psychology: Implications for the identification and development of talent 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102977 PMID:41326137	综述	本文探讨了人工智能（特别是机器学习）在运动心理学领域，尤其是在人才识别与发展方面的应用、挑战与未来方向	系统性地将人工智能范式引入运动心理学领域，并特别强调了解决数据挑战、促进人机交互以及整合心理建构的未来方向	面临数据可用性、质量、所有权和标注困难等重大障碍，纵向研究存在数据缺失和数据集不平衡问题，可能导致模型存在偏见和泛化能力差，心理和主观因素（如教练判断、运动员态度）在现有技术中代表性不足	探讨人工智能在运动心理学，特别是人才识别与发展领域的应用、挑战与未来发展方向	运动心理学领域，特别是运动员人才识别与发展过程	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
3182	2025-12-19	USING ARTIFICIAL INTELLIGENCE TO ASSESS MACULAR EDEMA TREATMENTS IN RETINITIS PIGMENTOSA 2026-Jan-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004636 PMID:40743462	研究论文	本研究验证了一种基于深度学习的AI工具，用于量化视网膜色素变性中黄斑水肿的视网膜内液体积，并通过纵向分析提供了治疗疗效和疾病自然史的新见解	开发并验证了一种深度学习工具，用于快速准确地量化视网膜色素变性相关黄斑水肿的视网膜内液体积，为治疗评估提供了新方法	研究为回顾性设计，样本量相对较小（44名患者），且随访时间有限（平均2.3年）	验证AI工具在量化视网膜色素变性黄斑水肿中的应用，并评估不同治疗方法的疗效	视网膜色素变性伴黄斑水肿的患者	数字病理学	视网膜色素变性	光谱域光学相干断层扫描	深度学习	图像	44名患者，共66只眼（52只治疗组，14只未治疗组），490对图像用于验证	NA	NA	Dice系数	NA
3183	2025-12-19	Association Between Choroid Plexus Morphological Alterations, Alzheimer Pathologies, and Cognitive Impairment: A Longitudinal Study 2025-Dec-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213953 PMID:41284956	研究论文	本研究利用深度学习分割方法，探讨了阿尔茨海默病相关脉络丛形态学改变与认知功能下降之间的纵向关联	开发了基于深度学习的脉络丛分割方法，并首次系统分析了高阶形态学特征在阿尔茨海默病病理与认知衰退之间的中介作用	研究为回顾性设计，且脉络丛形态学特征背后的病理学基础尚需通过影像-组织病理学对比研究进一步阐明	探究阿尔茨海默病相关脉络丛形态学特征及其与认知功能下降的关联	阿尔茨海默病神经影像学倡议项目中无痴呆的参与者	数字病理学	阿尔茨海默病	3D T1 MRI, 3D FLAIR MRI, β-淀粉样蛋白PET, tau蛋白PET	深度学习	医学影像	564名无痴呆参与者（平均年龄72.4岁，54.1%女性），其中339名Aβ-，225名Aβ+	NA	NA	p值, 假发现率校正, 标准化β系数, 95%置信区间	NA
3184	2025-12-19	Toward neuroimaging-based diagnostic support: a deep learning approach with a closed-loop system for psychiatric classification 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114100 PMID:41399512	研究论文	本研究开发了一种基于深度学习的补丁层次网络（PHN），用于从结构MRI中分类多种精神疾病，并部署了一个闭环诊断支持系统	提出了PHN深度学习框架，并首次实现了一个闭环神经影像诊断支持系统，将其整合到临床工作流程中	未明确说明模型在更广泛或不同人群中的泛化能力限制，以及临床部署的具体挑战	利用人工智能提供客观支持，缩小精神疾病诊断的研究与实践差距	四种主要精神疾病患者及对照组的神经影像数据	医学影像分析	精神疾病	结构MRI	深度学习	图像	训练集2,490例，独立研究数据集1,346例，真实世界临床数据344例	NA	补丁层次网络（PHN）	NA	NA
3185	2025-12-19	Accelerating imaging: deep learning for enhanced 123I-ioflupane SPECT efficiency 2025-Dec-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01933-z PMID:41407995	研究论文	本研究评估了深度学习重建能否从5分钟扫描中生成诊断质量的123I-ioflupane多巴胺转运体SPECT图像	首次将多种卷积架构（包括U-Net变体和TransUNet）应用于加速SPECT成像，并证明四层U-Net可将扫描时间减少80%而不损失诊断质量	研究为回顾性分析，需要前瞻性多中心验证；样本量相对有限（207项研究）	通过深度学习加速123I-ioflupane SPECT成像，减少患者扫描时间	123I-ioflupane多巴胺转运体SPECT图像	医学影像分析	神经系统疾病（如帕金森病）	SPECT成像	深度学习，卷积神经网络	医学图像（SPECT切片）	207项研究（1035个切片），来自207名患者，分为训练集（120名患者/600张图像）、验证集（37名患者/185张图像）和测试集（50名患者/250张图像）	未明确指定	U-Net（1-5层深度）、V-Net、U-Net++、R2U-Net、Attention U-Net、TransUNet	峰值信噪比（PSNR）、结构相似性指数（SSIM）、加权κ系数、组内相关系数（ICC）	NA
3186	2025-12-19	Spine age derived from DXA VFA images predicts incident fractures and mortality: the Manitoba Bone Mineral Density Registry 2025-Dec-18, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjaf194 PMID:41408721	研究论文	本研究利用深度学习从DXA VFA图像中估计脊柱年龄，并探讨其加速老化对骨折和死亡风险的独立预测价值	首次将深度学习应用于DXA VFA图像来估计脊柱生物年龄，并证明其能独立于年龄、椎体骨折和骨密度预测骨折及死亡风险	研究基于特定人群（加拿大马尼托巴省≥50岁成年人），可能限制了结果的普适性；随访时间平均为3.9年，相对较短	评估从DXA VFA图像中衍生的脊柱年龄是否能够独立预测骨折发生和死亡率	年龄≥50岁、在加拿大马尼托巴省接受DXA VFA检查的成年人	数字病理学	骨质疏松症	DXA（双能X射线吸收测定法）VFA（椎体骨折评估），深度学习	CNN	图像	训练集：韩国队列10,341人；测试集：加拿大队列8,810人	NA	卷积神经网络	调整后的风险比	NA
3187	2025-12-19	Comparing guideline adherence and readability: Artificial intelligence with deep learning versus specialized physicians in peripheral artery disease management 2025-Dec-18, Vascular medicine (London, England) DOI:10.1177/1358863X251386394 PMID:41410030	研究论文	本研究比较了专业医生与人工智能在管理外周动脉疾病时对指南的遵循程度和回答可读性	首次在拉丁美洲背景下，将大型语言模型（包括标准模型和思维链推理模型）与专业医生的临床建议在指南遵循和可读性方面进行直接比较	样本量相对较小（30名医生和13个LLM系统），且研究为横断面设计，无法评估临床结果	比较人工智能与专业医生在外周动脉疾病管理中的指南遵循情况和回答可读性	外周动脉疾病的标准病例	自然语言处理	心血管疾病	大型语言模型，思维链推理	LLM	文本	30名专业医生（11名心脏病专家，19名血管外科医生）和13个LLM系统（10个标准模型，3个思维链模型）	NA	NA	指南遵循评分，可读性指数（Readability μ），组内相关系数	NA
3188	2025-12-19	Deep learning's false positive burden may threaten the MRI harm reduction mandate in screening 2025-Dec-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12228-2 PMID:41410706	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3189	2025-12-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-Dec-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	本文提出了一种基于深度学习和计算机视觉的自主视网膜静脉插管工作流程，用于在离体猪眼中执行精确手术任务	结合深度学习与机器人辅助，实现自主视网膜静脉插管，并在静态和动态条件下展示高成功率	研究仅在离体猪眼上进行，尚未涉及人体临床试验	开发自主视网膜静脉插管工作流程，以提升视网膜静脉阻塞治疗的精确性和可靠性	离体猪眼	计算机视觉	视网膜静脉阻塞	术中光学相干断层扫描	CNN	图像	20个离体猪眼用于主要测试，6个用于模拟呼吸引起的眼动	NA	NA	成功率	NA
3190	2025-12-19	MedicoSAM: Robust Improvement of SAM for Medical Imaging 2025-Dec-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3644811 PMID:41406266	研究论文	本文研究了如何通过不同微调策略改进Segment Anything Model (SAM)在医学图像分割中的应用，并提出了公开可用的MedicoSAM模型	通过在大规模多样化数据集上比较不同微调策略，显著提升了SAM在医学图像交互式分割中的性能，并开发了兼容现有数据标注工具的MedicoSAM模型	在自动语义分割任务中，相比传统分割方法的优势并不一致，存在性能波动	改进视觉基础模型在医学图像分割中的通用性和性能	医学图像分割任务	计算机视觉	NA	深度学习微调策略	基础模型微调	医学图像	大规模多样化数据集（具体数量未说明）	NA	Segment Anything Model (SAM)	交互式分割和自动语义分割性能评估（具体指标未说明）	NA
3191	2025-12-19	AFoCo: Ambiguous Focus and Correction for Semi-Supervised Medical Image Segmentation 2025-Dec-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3642162 PMID:41406262	研究论文	本文提出了一种用于半监督医学图像分割的创新框架AFoCo，通过模糊聚焦和校正网络来有效识别和利用未标记数据中的模糊区域	提出了结合历史变化预测和瞬时信息熵的模糊聚焦网络，以及利用确定性信息通过加权相似性策略重新分配模糊区域像素标签的模糊校正网络，并引入了任务感知的非对称交叉监督约束	未明确说明框架在不同模态医学图像上的泛化能力，也未讨论计算复杂度和实时性能	提高半监督医学图像分割的准确性，特别是针对模糊区域的识别和利用	医学图像中的模糊区域	数字病理	NA	深度学习	CNN	图像	四个医学图像数据集（具体数量未说明）	NA	NA	分割准确率，模糊区域比例	NA
3192	2025-12-19	Advanced Deep Learning Framework for Cancer Cell Morphological Analysis and Tumor Mutational Burden Prediction From Histopathological Images 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3645411 PMID:41406280	研究论文	本研究提出了一种名为CellMorphNet的深度学习框架，用于从常规组织病理学图像中分析癌细胞形态并预测肿瘤突变负荷	提出了创新的CellMorphNet架构，整合了癌细胞形态特征提取与高级注意力机制，并采用新颖的细胞反卷积结构分离组织染色成分，以及分层路由注意力机制以选择性关注形态相关细胞区域	未在摘要中明确说明	开发一种从组织病理学图像预测肿瘤突变负荷的深度学习方法，作为分子测序的成本效益替代方案	癌细胞形态特征、肿瘤突变负荷	数字病理学	癌症	组织病理学成像	深度学习	图像	基于TCGA数据集进行五次独立训练运行	未在摘要中明确说明	CellMorphNet（包含四阶段分层金字塔结构、形态池化层和专用CellMorph块）	AUC, F1-score, 精确度, 召回率, 准确率	未在摘要中明确说明
3193	2025-12-19	VWV-SSL: Carotid vessel-wall-volume segmentation via sequence structural similarity and augmentation consistency-based self-supervised learning 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3637302 PMID:41406282	研究论文	本文提出了一种名为VWV-SSL的自监督学习算法，用于三维颈动脉超声图像分割以生成血管壁体积测量	VWV-SSL算法利用了颈动脉超声图像的序列结构相似性和强弱增强特征一致性进行自监督任务，使网络在自监督任务训练中更好地学习血管特征表示	NA	开发一种自监督学习算法以改善在少量标注图像上训练的三维颈动脉超声图像分割性能	颈动脉血管壁体积（VWV）的测量，涉及颈动脉的中膜-外膜边界（MAB）和管腔-内膜边界（LIB）的分割	医学图像分析	颈动脉粥样硬化	三维超声成像	深度学习	三维超声图像	来自250名受试者的1158个三维超声图像（包括579个颈总动脉和579个分叉处图像）	NA	3D U-Net	NA	NA
3194	2025-12-19	SG-DCNN: A Deep Learning Method Integrating Self-Attention Mechanism and Generative Adversarial Network for Predicting Ion-Ligand Binding Residues in Small Samples 2025-Dec-17, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3645246 PMID:41406298	研究论文	本文提出了一种名为SG-DCNN的集成算法，结合生成对抗网络和自注意力机制于深度卷积神经网络框架中，用于预测小样本离子配体结合残基	首次将生成对抗网络和自注意力机制整合到深度卷积神经网络中，以解决小样本和类别不平衡问题，提高预测精度	仅针对八种小样本离子配体进行实验验证，样本规模有限，可能影响模型的泛化能力	提高蛋白质与离子配体结合残基的预测准确性，特别是在小样本和类别不平衡条件下	蛋白质与离子配体的结合残基	机器学习	NA	NA	GAN, CNN	序列数据	八种小样本离子配体	NA	深度卷积神经网络, 自注意力机制, 生成对抗网络	准确率, Matthews相关系数	NA
3195	2025-12-19	Two Stage Fine-Tuned Multimodal Generative AI for Automated ECG Based Cardiovascular Report Generation 2025-Dec-17, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2e01 PMID:41406494	研究论文	提出一种轻量级多模态生成式AI框架，用于自动解读心电图图像并生成结构化临床报告	采用两阶段微调策略，基于SmolVLM-500M-Instruct模型，通过量化低秩适应实现高效部署，并构建了定制的多模态心电图数据集	未明确说明模型在特定亚组或罕见心电图模式上的泛化能力，以及数据集的具体规模细节	开发一种准确且可扩展的心血管疾病自动诊断解决方案	心电图图像及其对应的临床报告	计算机视觉, 自然语言处理	心血管疾病	量化低秩适应	生成式AI, 多模态模型	图像, 文本	NA	NA	SmolVLM-500M-Instruct	BLEU, ROUGE-L, BERTScore	标准硬件
3196	2025-12-19	A Comprehensive Hyperspectral Image Dataset for Forest Fire Detection and Classification 2025-Dec-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06404-8 PMID:41407751	研究论文	本文介绍了一个名为OHID-FF的大规模高光谱卫星图像数据集，专为森林火灾检测和分类任务设计	相比现有火灾数据集，OHID-FF提供了更丰富的数据量和更高的成像质量，为高光谱图像分类设定了新基准	NA	森林火灾检测和分类	高光谱卫星图像	计算机视觉	NA	高光谱成像	深度神经网络	高光谱图像	1,197幅高光谱图像，覆盖22个不同场景	NA	NA	NA	NA
3197	2025-12-19	Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28243-8 PMID:41408128	研究论文	提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度	将Vision Transformer与预训练的卷积神经网络结合进行迁移学习，并引入LIME和GRAD-CAM方法确保模型可解释性，同时实现了模型大小的大幅压缩	未明确说明模型在更广泛临床环境中的验证情况，以及跨不同MRI扫描仪和协议的泛化能力	开发准确、可解释且资源高效的阿尔茨海默病诊断工具	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	Vision Transformer, CNN, ANN	图像	OASIS数据集和Kaggle独立数据集	未明确说明	ViT-DenseNet201	准确率, Dice相似系数	未明确说明
3198	2025-12-19	Progressive curriculum learning with Scale-Enhanced U-Net for continuous airway segmentation 2025-Dec-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02066-5 PMID:41408195	研究论文	提出一种渐进式课程学习框架和尺度增强U-Net，用于提升胸部CT图像中气道的连续分割精度	提出渐进式课程学习三阶段框架（粗学习、通用联合损失、自适应拓扑响应损失），结合尺度增强U-Net和裁剪采样策略，直接解决大小气道类别不平衡问题	未明确说明计算资源需求，且内部数据集未公开	提升气道分割的连续性和准确性，以支持术前规划和实时支气管镜导航	胸部CT图像中的气道结构	数字病理	肺部疾病	CT成像	CNN	图像	ATM'22挑战数据集和内部数据集（具体数量未说明）	NA	U-Net, Scale-Enhanced U-Net (SE-UNet)	树长检测率(TD), 分支检测率(BD)	NA
3199	2025-12-19	A novel statistical feature selection framework for biomarker discovery and cancer classification via multiomics integration 2025-Dec-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02713-z PMID:41408184	研究论文	本文提出了一种名为sDCFE的新型统计特征选择框架，用于通过多组学整合进行生物标志物发现和癌症分类	开发了sDCFE特征选择方法，通过扩展Fisher类方差分析，结合中位数绝对偏差正则化项和聚类分离组件，增强了鲁棒性和可解释性	NA	早期癌症诊断、生物标志物发现和跨癌症类型及分期的可靠分类	泛癌分类和肺鳞状细胞癌分期	机器学习	肺癌	RNA-seq, 甲基化测序	XGBoost, CNN	组学数据	NA	NA	NA	准确率, MCC, AUC	NA
3200	2025-12-19	Screening for lung fibrosis using serum surfactant protein-D, KL-6, and a deep learning algorithm on chest radiographs: a prospective observational study 2025-Dec-17, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-025-04062-5 PMID:41408239	研究论文	本研究通过前瞻性观察，评估了血清生物标志物SP-D、KL-6及深度学习算法BMAX在胸部X光片上筛查肺纤维化的能力	首次在健康体检环境中，结合血清生物标志物与深度学习算法，系统评估了肺纤维化的早期筛查策略	样本量较小，仅81人接受了CT扫描，且CT评估仅由两位专家进行，可能存在主观偏差	评估血清生物标志物SP-D、KL-6及深度学习算法BMAX在健康体检中筛查肺纤维化的有效性和可行性	接受常规健康检查的个体	数字病理学	肺纤维化	血清生物标志物检测（SP-D、KL-6）、胸部X光摄影、胸部CT扫描	深度学习算法	图像（胸部X光片）、血清生物标志物数据	2,751名参与者，其中228人被推荐进行CT扫描，81人实际接受扫描	NA	BMAX	灵敏度、特异性	NA