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
3321	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
3322	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
3323	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
3324	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
3325	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
3326	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
3327	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
3328	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
3329	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
3330	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
3331	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
3332	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
3333	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
3334	2026-01-05	From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202509459 PMID:41147065	研究论文	本文提出了一种基于深度学习的框架，用于预测核酸纳米颗粒在人类小胶质细胞中诱导的细胞因子反应	利用基于Transformer的架构，通过系统性的链置换增强，仅基于序列预测免疫反应，无需手动特征工程，同时保持生物可解释性	模型在外部测试集上对IL-6的预测性能（R=0.85）略低于IFN-β（R=0.91），且训练数据规模有限（176个NANPs）	加速核酸纳米颗粒从实验室到临床的转化，通过预测其免疫反应指导理性设计与优化	核酸纳米颗粒（NANPs）及其在人类小胶质细胞中诱导的细胞因子反应（IFN-β和IL-6）	机器学习	NA	深度学习，序列分析	Transformer	序列数据	176个结构多样、单独组装并实验表征的核酸纳米颗粒	NA	Transformer	R（相关系数），RMSE（均方根误差）	NA
3335	2026-01-05	IRESeek: structure-informed deep learning method for accurate identification of internal ribosome entry sites in circular RNAs 2025-Dec, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf210 PMID:41480593	研究论文	本文提出了一种名为IRESeek的双分支深度学习框架，用于高精度检测环状RNA中的内部核糖体进入位点	结合Transformer进行RNA序列建模和图卷积网络进行RNA结构指导，利用基于物理的热力学能量和碱基对概率作为结构特征，实现RNA序列与碱基对相互作用的全面联合学习	NA	准确识别环状RNA中的内部核糖体进入位点	环状RNA及其内部核糖体进入位点	自然语言处理	NA	NA	Transformer, GCN	RNA序列和结构数据	NA	NA	Transformer, GCN	NA	NA
3336	2026-01-05	From telepresence to intelligent convergence: mapping the global research landscape of remote robotic surgery (1980-2025) 2025-Nov-05, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02934-w PMID:41188635	综述	本文通过文献计量学分析，系统梳理了1980年至2025年间远程机器人手术的全球研究格局与概念演变	首次对远程机器人手术领域进行了全面的文献计量分析，揭示了从远程操作到AI驱动、5G赋能及网络安全手术生态系统的范式转变，并识别了三个概念演变时代	分析基于Scopus数据库的文献，可能未涵盖所有相关研究；文献计量方法本身存在对新兴主题识别的滞后性	旨在绘制远程机器人手术的全球研究版图并追踪其概念演化过程	Scopus数据库中收录的857篇关于远程机器人手术的文献	数字病理	NA	文献计量分析	NA	文本	857篇文献	Bibliometrix (R-package), VOSviewer, CiteSpace	Walktrap聚类算法	NA	NA
3337	2026-01-05	Migration of Deep Learning Models Across Ultrasound Scanners 2025-Nov, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	研究论文	本文提出了一种黑盒无监督域适应方法，用于在定量超声（QUS）中将深度学习模型的功能从一台超声扫描仪迁移到另一台扫描仪	将传递函数方法与迭代模式结合，实现跨超声扫描仪的深度学习模型功能迁移，无需模型内部信息，仅依赖输入输出接口	需要测试机器的未标记数据，且仅针对特定超声扫描仪（SonixOne和Verasonics）进行了实验验证	开发一种策略，在定量超声（QUS）中，将深度学习模型的功能从一台超声机器迁移到另一台机器，以应对数据偏移问题	深度学习模型在超声扫描仪之间的功能迁移	机器学习	NA	定量超声（QUS）	深度学习模型	超声数据	NA	NA	NA	分类准确率	NA
3338	2026-01-05	AAPM CT metal artifact reduction grand challenge 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70050 PMID:41058545	研究论文	本文介绍了AAPM CT金属伪影减少大挑战，旨在创建和分发一个临床代表性的2D MAR性能基准，并邀请参与者基于此基准客观比较其MAR方法的性能	通过混合数据模拟框架生成了大规模真实数据集，并提供了一个临床相关的通用MAR基准，以客观比较不同MAR方法	挑战仅涉及2D MAR性能评估，可能未覆盖3D或更复杂的临床场景	创建和分发一个临床代表性的CT金属伪影减少性能基准，促进MAR方法的客观比较和开发	CT图像中的金属伪影，如牙科填充物、髋关节假体、脊柱螺钉/杆和金基准标记引入的条纹伪影	医学影像处理	NA	CT成像，混合数据模拟框架	深度学习模型，包括UNet, ResNet, GAN, 扩散模型, 变换器	CT图像，正弦图	14,000个CT训练数据集，29个临床未校正数据集	NA	UNet, ResNet, GAN, 扩散模型, 变换器	八种临床相关的图像质量指标	NA
3339	2026-01-05	Mapping the knowledge landscape of robotic colorectal cancer surgery: a visualization study 2025-Sep-30, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02838-9 PMID:41028391	综述	本研究通过文献计量学和可视化方法，揭示了机器人结直肠癌手术领域的研究热点、新兴前沿和未来趋势	首次系统性地利用Citespace软件对2001年至2024年间机器人结直肠癌手术领域的文献进行可视化分析，识别了该领域从早期关注短期结果到近期转向人工智能和功能保护的研究演变	研究仅基于Web of Science核心合集数据库的文献，可能未涵盖所有相关出版物，且文献计量学方法主要反映研究趋势而非临床证据质量	揭示机器人结直肠癌手术领域的研究热点、新兴前沿和未来研究趋势	2001年至2024年间发表的机器人结直肠癌手术相关文献	医学信息学/文献计量学	结直肠癌	机器人手术	NA	文献数据	2086篇出版物	Citespace	NA	NA	NA
3340	2026-01-05	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	研究论文	本文提出了一种名为StarVasc的轻量级无监督血管对比度增强框架，专为机器人手术视觉系统设计	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，引入星形操作模块实现超维特征扩展，并设计了光谱特征增强模块（SFEM）以隐式学习光谱线索，无需高光谱输入	未在摘要中明确说明	开发一种无需专用硬件的自适应血管对比度增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术成像中的血管结构	计算机视觉	NA	非配对学习策略，光谱特征增强	GAN	图像	NA	NA	编码器-解码器架构	无参考质量指标，视觉评估	NA