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
3381	2026-02-25	RETRACTED: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型，采用XGBoost-CNN-BiLSTM框架来提升风险事件的预测与检测能力	结合XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，构建了一个综合性的风险预测模型	未在摘要中明确提及	提升企业风险管理的预测与检测能力，确保企业可持续稳定发展	企业风险事件	机器学习	NA	深度学习	XGBoost, CNN, BiLSTM	结构化数据、时间序列数据	多个数据集，包括S&P 500历史数据集	NA	XGBoost-CNN-BiLSTM	准确率, 召回率, F1分数, AUC	NA
3382	2026-02-25	Transforming Medical Imaging: The Role of Artificial Intelligence Integration in PACS for Enhanced Diagnostic Accuracy and Workflow Efficiency 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056370620250403030638 PMID:40265427	综述	本文综述了人工智能（AI）集成到医学影像存档与通信系统（PACS）中的现状，评估了其对诊断准确性、工作流程效率和患者结局的影响	系统性地回顾了AI集成到PACS中的技术演进、关键进展（如诊断准确性提升高达93.2%）、工作流程效率变革（如诊断时间减少高达90%），并识别了数据隐私、监管合规和互操作性等持续挑战	研究依赖于截至2024年10月的文献，可能未涵盖最新的技术发展；同时，数据隐私、监管合规和系统互操作性等挑战仍然存在，需要标准化框架和强大的安全协议来解决	探讨AI在PACS中的集成，并评估其对医学影像、诊断工作流程和患者结局的影响	AI在医学影像存档与通信系统（PACS）中的应用、技术创新及工作流程改进	医学影像	NA	人工智能、机器学习、深度学习	卷积神经网络（CNN）、自然语言处理（NLP）工具	医学影像数据、文本报告	基于183项符合纳入标准的研究（包括原始研究、系统综述和荟萃分析）	NA	NA	诊断准确性（高达93.2%）、图像分割准确性（高达94%）、报告时间减少（30-50%）	基于云的解决方案
3383	2026-02-25	Accuracy and Reliability of Multimodal Imaging in Diagnosing Knee Sports Injuries 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056360665250506115221 PMID:40377156	研究论文	本研究通过结合MRI、CT和超声进行集成学习，并利用深度学习模型自动分析，以提高膝关节运动损伤诊断的准确性和可靠性	采用多模态成像（MRI、CT、超声）进行集成学习，并结合深度学习算法实现膝关节损伤的自动识别与分类	未明确提及研究的具体局限性，如数据集的多样性、模型在外部验证集上的表现等	解决因医生主观经验和诊断标准不一致导致的单模态成像诊断准确性不足的问题，提高膝关节运动损伤的诊断精度和效率	膝关节运动损伤，如前交叉韧带撕裂、半月板损伤、软骨损伤和骨折	计算机视觉	运动损伤	磁共振成像（MRI）、计算机断层扫描（CT）、超声（US）	CNN	图像	NA	NA	NA	敏感性, 特异性, 诊断准确率, 总体错误率	NA
3384	2026-02-25	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	本研究开发了一种卷积神经网络模型，用于自动预测计算机断层扫描中蝶窦气化模式	首次应用深度学习自动识别蝶窦气化变异，通过数据增强提升模型在有限和不平衡数据集上的性能	数据集规模有限（仅249张CT图像），且存在类别不平衡问题	提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式辅助临床决策	蝶窦气化模式	计算机视觉	NA	计算机断层扫描	CNN	图像	249张CT图像（训练集174张，测试集75张），增强后训练集增至378张	NA	NA	准确率, AUC, 敏感性, 特异性, F1分数	NA
3385	2026-02-25	Reconstruction of Heart-related Imaging from Lung Electrical Impedance Tomography Using Semi-Siamese U-Net 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056408077250610070821 PMID:40611416	研究论文	本研究提出了一种基于半孪生U-Net架构的深度学习模型，用于从肺部电阻抗断层扫描中重建心脏相关阻抗成像	采用新颖的半孪生U-Net架构，通过共享编码器和两个独立解码器分别分割肺部和心脏区域，并应用加权二元交叉熵损失以强化心脏相关学习	目前有希望的结果仅限于真实数据的定性评估和基于模拟的训练，缺乏临床验证	克服肺部阻抗变化的主导影响，从肺部电阻抗断层扫描中重建心脏相关信号成像	基于有限元法的电阻抗断层扫描模拟数据和真实人体电阻抗断层扫描数据	医学影像处理	心血管疾病	电阻抗断层扫描	深度学习	图像	NA	NA	半孪生U-Net	Dice系数, 平均绝对误差	NA
3386	2026-02-25	The Clinical Significance of Femoral and Tibial Anatomy for Anterior Cruciate Ligament Injury and Reconstruction 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056361050250605052447 PMID:40551697	综述	本文综述了股骨和胫骨解剖结构（如股骨髁间窝形态、胫骨后倾角）对前交叉韧带损伤风险及重建手术效果的影响	整合了年龄与性别特异性解剖差异对ACL损伤的影响，并强调了人工智能与先进影像技术在个性化手术规划中的应用前景	作为综述文章，未提供原始实验数据或新型模型的性能验证	探讨股骨与胫骨解剖结构对前交叉韧带生物力学、损伤风险及重建手术效果的影响机制	前交叉韧带损伤患者（涵盖青少年、成人及老年群体）的骨骼解剖特征	数字病理	骨科疾病	MRI、CT、3D重建、人工智能分割	深度学习模型	医学影像（MRI、CT）	NA	NA	NA	NA	NA
3387	2026-02-25	Optimised Convolution Layers of DnCNN using Vedic Multiplier and Hyperparameter Tuning in Cancer Detection on Field Programmable Gate Array 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056400656250616073019 PMID:40574390	研究论文	本研究提出了一种基于Vedic乘法器和POA优化的DnCNN算法，在FPGA上实现乳腺癌检测、分割和分类	在DnCNN卷积层中引入Vedic乘法器（CUTIN）替代传统算术单元，并结合POA进行超参数优化，以提高精度和效率	较大图像尺寸会增加处理器规模和门电路数量，可能限制处理能力	优化深度学习算法在硬件上的实现，以提高癌症细胞分割的准确性	乳腺癌的良性及恶性病变	计算机视觉	乳腺癌	深度学习算法，FPGA实现	DnCNN	图像	NA	NA	DnCNN	准确率, 精确率, 特异性, F分数, IoU, DSC	FPGA设备
3388	2026-02-25	Generative AI for Diagnostic Medical Imaging: A Review 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056369157250212095252 PMID:41731736	综述	本文对生成式深度学习模型在诊断医学影像中的应用进行了全面分析，重点探讨了其在提升诊断准确性、减少辐射暴露和改进数据处理方面的变革潜力	系统回顾了包括GANs、自编码器、扩散模型和基于Transformer的模型在内的多种生成式模型架构及其在医学影像中的创新应用，如多层ML-C-GAN、Temporal-GAN以及结合注意力模块和语言编码的Atten-AE、M3AE等混合模型	作为一篇综述文章，未进行原始实验研究，主要基于现有文献进行分析，可能未涵盖所有最新进展	回顾生成式人工智能在诊断医学影像领域的最新进展，评估其临床应用潜力	生成式深度学习模型及其在医学影像中的应用	数字病理	NA	生成式深度学习	GAN, AE, 扩散模型, Transformer	图像, 文本	NA	NA	ML-C-GAN, Temporal-GAN, Atten-AE, M3AE	NA	NA
3389	2026-02-25	A Highly-Sensitive Omnidirectional Acoustic Sensor for Enhanced Human-Machine Interaction 2024-11, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202413086 PMID:39410724	研究论文	本文提出了一种自供电的摩擦电立体声学传感器，用于增强人机交互中的全向声音识别与追踪	通过三维结构配置实现了全向声音识别与追踪能力，并利用高电子亲和力、低杨氏模量的多孔振动膜实现了高灵敏度和宽频率响应范围	NA	开发一种高灵敏度的全向声学传感器，以提升在嘈杂环境中的人机交互性能	全向声音源识别与追踪，特别是在辅助会议系统和自动驾驶车辆中的应用	机器学习	NA	摩擦电传感技术	深度学习	音频信号	NA	NA	NA	准确率	NA
3390	2026-02-25	Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy 2024-07, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.06.003 PMID:39013673	综述	本文综述了人工智能在核医学剂量学，特别是骨髓剂量测定和个体化放射性配体治疗中的未来应用前景	探讨了人工智能（尤其是机器学习和深度学习）在提高骨髓和血液剂量测定准确性、早期识别血液学风险因素以及实现适应性治疗规划方面的潜在创新作用	NA	旨在概述人工智能方法在核医学剂量学领域整合的机遇，以推动放射性配体治疗向真正个体化诊疗发展	放射性配体治疗及其相关的骨髓剂量测定和血液学副作用	核医学	恶性肿瘤	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
3391	2024-08-07	Corrigendum to: Development of a deep learning model for predicting critical events in a pediatric intensive care unit 2024-05, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2023.01424.e1 PMID:38556908	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3392	2026-02-25	Causal-StoNet: Causal Inference for High-Dimensional Complex Data 2024-May, ... International Conference on Learning Representations PMID:41725678	研究论文	本文提出了一种基于深度学习的新因果推断方法Causal-StoNet，用于处理高维复杂数据	结合稀疏深度学习理论和随机神经网络，以一致方式处理高维度和未知数据生成过程，并支持数据缺失情况	NA	解决高维复杂数据中的因果推断问题	高维复杂数据集	机器学习	NA	深度学习	随机神经网络	高维复杂数据	NA	NA	NA	NA	NA
3393	2026-02-25	WET-UNet: Wavelet integrated efficient transformer networks for nasopharyngeal carcinoma tumor segmentation 2024 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504241232537 PMID:38567422	研究论文	本文提出了一种基于UNet的混合模型WET-UNet，用于鼻咽癌图像分割，通过集成小波变换和注意力机制来提升分割精度和鲁棒性	将小波变换集成到UNet中，利用低频分量调整编码器并优化Transformer的计算过程，同时结合注意力机制捕获远程依赖关系，以增强病变边界信息和模型识别能力	未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制	解决鼻咽癌图像分割中因数据集不准确、边界模糊和线条复杂导致的分割不精确和不稳定问题	鼻咽癌肿瘤图像	数字病理	鼻咽癌	NA	CNN, Transformer	图像	5000个样本，训练与验证比例为8:2	NA	UNet, Transformer	准确率, 精确率	NA
3394	2026-02-25	Development of a deep learning model for predicting critical events in a pediatric intensive care unit 2024-Feb, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2023.01424 PMID:38476071	研究论文	本研究开发了一种深度学习模型，用于预测儿科重症监护病房中的关键事件，如心肺复苏或死亡	利用长短期记忆（LSTM）算法，首次在儿科重症监护环境中构建深度学习模型来预测关键事件，并展示了优异的预测性能	需要外部验证以确认模型的泛化能力，且研究为回顾性观察性设计	开发深度学习模型以预测儿科重症监护病房患者的关键事件，实现早期干预	2010年1月至2023年5月期间入住儿科重症监护病房的18岁以下患者	机器学习	儿科重症监护	回顾性数据分析	LSTM	生命体征测量数据	11,660条测量数据，其中1,060条对应关键事件	NA	长短期记忆网络	受试者工作特征曲线下面积, 精确率-召回率曲线下面积	NA
3395	2026-02-25	The application value of deep learning in the background of precision medicine in glioblastoma 2024 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504231223353 PMID:38262933	综述	本文综述了深度学习在胶质母细胞瘤精准医疗背景下的应用价值，包括分子分类、诊断和预后评估	深度学习结合多模态数据（如磁共振成像序列、遗传信息和临床数据）进行非侵入性肿瘤诊断和预后预测，相比传统放射组学和浅层机器学习方法更为稳健有效	深度学习在胶质母细胞瘤治疗干预中的应用仍处于早期阶段，模型鲁棒性面临挑战，且现有样本数量不足，限制了大规模实验和模型应用	探讨深度学习在胶质母细胞瘤精准医疗中的应用，以优化个性化治疗方案	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	磁共振成像，遗传信息分析	深度学习模型	图像，遗传数据，临床数据	NA	NA	NA	准确性	NA
3396	2026-02-25	A novel measurement approach to dynamic change of limb length discrepancy using deep learning and wearable sensors 2024 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504241236345 PMID:38490169	研究论文	本研究提出了一种结合深度学习与可穿戴传感器的新方法，用于在非临床环境中准确测量肢体长度差异的动态变化	首次将肢体长度差异动态变化测量视为基于步态模式的多重分类任务，并开发了CNN-LSTM混合深度学习模型来提取最具代表性的时空特征	研究仅招募了23名健康受试者模拟肢体长度差异，样本量较小，且未在真实患者群体中进行验证	开发一种在非临床环境中准确监测肢体长度差异动态变化的技术，以评估日常生活中的步态功能变化	健康受试者模拟的肢体长度差异步态模式	机器学习	肢体长度差异	可穿戴传感器数据采集	CNN, LSTM	步态传感器数据	23名健康受试者	未明确说明	CNN-LSTM混合模型	准确率, F1分数, 召回率, 精确率	NA
3397	2026-02-25	PodoSighter: A Cloud-Based Tool for Label-Free Podocyte Detection in Kidney Whole-Slide Images 2021-11, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.2021050630 PMID:34479966	研究论文	本研究开发了PodoSighter，一种基于云的在线工具，用于通过深度学习自动识别和量化肾全玻片图像中的足细胞核	首次提出一种无需标记的自动化足细胞检测工具，利用深度学习在标准组织学染色全玻片图像中实现足细胞核的识别与量化	研究基于多机构队列但样本量有限（122个组织切片），且工具性能在不同物种间存在差异	开发自动化工具以改进足细胞检测与量化，促进足细胞研究并支持未来临床应用	小鼠、大鼠和人类肾脏组织切片，包括糖尿病肾病、新月体性肾小球肾炎等疾病模型	数字病理学	肾脏疾病	免疫组织化学染色、免疫荧光染色、周期性酸-Schiff染色	深度学习模型	图像	122个组织切片（来自小鼠、大鼠和人类肾脏的多机构队列）	NA	NA	灵敏度, 特异性	基于云的Web应用平台
3398	2026-02-24	A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study 2026-Apr, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.12.038 PMID:41576754	研究论文	本研究开发了一种结合临床变量、影像组学特征和深度学习特征的多模态融合模型，用于预测钝性胸部创伤患者的预后	通过整合多时间点CT影像与临床变量，构建了融合模型，显著提升了预后预测性能，并引入了代表时间变化的delta特征	研究为回顾性分析，样本量相对有限（337例），且仅来自三个医疗中心，可能存在选择偏倚	提高钝性胸部创伤患者的预后预测准确性	钝性胸部创伤患者	数字病理学	胸部创伤	CT成像	深度学习, 回归模型	图像, 临床数据	337例患者（来自三个医疗中心）	NA	NA	AUC, 校准曲线, 决策曲线分析, 净重分类改善指数, 综合判别改善指数	NA
3399	2026-02-24	Artificial intelligence, machine learning and omic data integration in osteoarthritis 2026-Mar, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.10.012 PMID:41167326	综述	本文综述了人工智能和机器学习在骨关节炎多组学数据整合中的应用进展、挑战与机遇	总结了变分自编码器、对比学习和多模态Transformer等新兴机器学习方法在多组学整合中的应用趋势	当前研究面临样本量小、过拟合、缺乏外部验证、模型可解释性不足以及人口统计学代表性不足等挑战	通过机器学习整合和解释高维多组学数据，以推进对骨关节炎这一复杂疾病的理解	人类骨关节炎样本及相关临床前模型中的转录组、表观基因组、蛋白质组、代谢组和多组学数据	机器学习	骨关节炎	转录组学、表观基因组学、蛋白质组学、代谢组学、多组学整合	监督学习、无监督聚类、深度学习、变分自编码器、对比学习、多模态Transformer	多组学数据	NA	NA	Transformer	NA	NA
3400	2026-02-24	Visceral Adipose Tissue Alters Podometrics and Renal Compensation After Uninephrectomy 2026-Mar, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2025.103739 PMID:41727777	研究论文	本研究探讨了内脏肥胖对正常体重和超重个体肾小球超微结构、足细胞形态及单侧肾切除后肾功能代偿能力的影响	首次在正常体重和超重个体中，利用深度学习支持的形态计量学方法，系统评估了内脏肥胖与肾小球体积、足细胞密度及核肥大等结构改变的关系，并揭示了这些改变与单侧肾切除后肾功能代偿受损的关联	研究为回顾性设计，样本量较小（52例），且仅纳入BMI<30 kg/m²的非转移性肾肿瘤患者，可能限制了结果的普遍性	探究内脏肥胖对肾脏形态和单侧肾切除后肾功能代偿能力的影响	52例BMI<30 kg/m²、因非转移性肾肿瘤接受肾切除且未接受过化疗或免疫治疗的患者	数字病理学	慢性肾脏病	计算机断层扫描（CT）、深度学习支持的肾小球形态计量学和足细胞形态计量学	深度学习模型	CT图像、组织学切片图像	52例患者	NA	NA	P值	NA