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
401	2026-06-18	Advances in artificial intelligence-based radiogenomics for lung cancer precision medicine 2025-12-01, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae224a PMID:41265027	综述	综述基于人工智能的放射基因组学在肺癌精准医学中的进展	整合医学影像、基因组学和临床数据，实现非侵入性预测关键致癌驱动突变、探索影像特征与基因表达关联、开发预后模型	标准化、全面验证、模型可解释性、种族多样性及多组学数据库构建方面存在挑战	探究放射基因组学在肺癌精准治疗中的临床价值与通用性	肺癌患者的数据（包括医学影像、基因组和临床数据）	机器学习	肺癌	放射基因组学	机器学习、深度学习	医学影像、基因组数据、临床数据	NA	NA	NA	NA	NA
402	2026-06-18	Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21664-5 PMID:41162470	研究论文	结合深度强化学习的轨迹规划方法，用于双足行走机器人的最优关节扭矩生成与稳定控制	创新性地将基于深度学习的轨迹规划与深度强化学习控制系统相结合，实现双足机器人在不确定性条件下的自适应稳定行走	未提及实际环境实验验证及算法的泛化能力评估	实现双足机器人稳定行走，同时最大化前进速度、最小化功耗并增强抗扰能力	双足步行机器人的轨迹规划与控制	机器学习	NA	深度强化学习	深度强化学习网络	状态与动作空间数据	NA	NA	NA	稳定性、前进速度、功耗、鲁棒性（质量与长度变化容忍度）	NA
403	2026-06-18	Machine and deep learning applied to medical microwave imaging: a scoping review from reconstruction to classification 2025-10-15, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae0bd3 PMID:40997871	综述	本文综述了机器学习和深度学习在医学微波成像中的应用，重点关注图像重建和分类两个领域	系统梳理了机器学习在微波成像中从重建到分类的全面应用，特别强调了卷积神经网络和支持向量机等算法在图像质量提升和组织分类中的作用，并展望了临床转化潜力	未明确提及具体局限性，但作为范围综述，可能缺乏对算法性能的定量比较或对不同方法的严格验证	评估机器学习和深度学习在医学微波成像中的应用现状，特别是在图像重建和分类中的角色，并探索其临床前景	微波成像技术和机器学习算法在医学图像重建（如增强图像质量）和分类（如区分不同组织类型）中的应用	计算机视觉, 机器学习	乳腺癌, 神经疾病	微波成像(MWI)	卷积神经网络(CNN), 支持向量机(SVM)	医学图像	NA	NA	CNN, SVM	NA	NA
404	2025-09-08	Commentary on: "Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model" 2025-Oct, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107652 PMID:40914072	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
405	2026-06-18	High-performance identification of insulating materials by using generalized spectrum in laser-induced breakdown spectroscopy 2025-Sep-11, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01151e PMID:40838327	研究论文	提出了一种基于激光诱导击穿光谱的广义光谱方法，用于高性能识别绝缘材料，显著提升分类准确性	提出广义光谱法（GSM-LIBS），通过整合多个光谱特征（如峰强度、积分强度、强度比、辐射背景和光谱形状）保留全局和局部信息，优于传统PCA方法	未明确说明局限性	实现绝缘材料的高性能识别，减少资源浪费和污染，促进资源回收	七种不同类型的绝缘材料	机器学习	NA	激光诱导击穿光谱（LIBS）	K近邻（KNN）、支持向量机（SVM）、神经网络（NN）	光谱数据	七种绝缘材料的样本，具体数量未在摘要中提供	NA	KNN、SVM、NN	准确率	NA
406	2026-06-18	Advancements in deep learning for image-guided tumor ablation therapies: a comprehensive review 2025-09-04, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/adfeab PMID:40845893	综述	全面回顾深度学习在图像引导肿瘤消融治疗中的应用，涵盖术前、术中和术后各阶段	系统总结了深度学习在IGTA全流程中的创新应用，包括术前图像分割与增强、术中实时导航和术后疗效监测	未提及具体临床验证结果或定量比较不同深度学习方法的效果	探讨深度学习在图像引导肿瘤消融治疗中提升精准性、安全性和患者预后的潜力	图像引导肿瘤消融治疗中的深度学习技术及其在不同治疗阶段的应用	机器学习, 计算机视觉	肿瘤相关疾病	超声、CT、MRI	深度学习模型	医学图像	NA	NA	NA	NA	NA
407	2026-06-18	Predicting Postoperative Prognosis in Pediatric Malignant Tumor With MRI Radiomics and Deep Learning Models: A Retrospective Study 2025-09-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011466 PMID:40323639	研究论文	开发多模态机器学习模型，整合MRI影像组学、深度学习和临床指标，预测儿童恶性肿瘤患者术后3年无病生存期	首次结合MRI影像组学特征、深度学习特征与临床指标构建多模态融合模型，并采用贝叶斯优化进行参数调整，显著提升预测性能	回顾性研究设计，样本量有限（260例），且仅针对接受R0切除的脑肿瘤患儿，可能限制模型的泛化能力	开发可预测儿童恶性肿瘤术后3年无病生存期的多模态机器学习模型，为个性化治疗提供科学依据	260例接受R0切除的儿童脑肿瘤患者（年龄≤14岁）	数字病理学	儿童恶性脑肿瘤	MRI影像组学, 深度学习	SVM, RF, LightGBM	MRI图像, 临床指标	260例儿童脑肿瘤患者	PyRadiomics, PyTorch	3D ResNet-18	AUC, 敏感性, 特异性	NA
408	2026-06-18	Explainable deep learning algorithm for distinguishing IVIG-Resistant Kawasaki disease in Shandong peninsula, China 2025-08-28, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-06082-w PMID:40866882	研究论文	开发可解释的深度学习模型用于区分山东半岛川崎病患者的IVIG抵抗性	首次针对山东半岛川崎病患者建立基于LightGBM的可解释预测模型，用于预测IVIG抵抗性	NA	探索川崎病患者IVIG抵抗性的预测因素，并建立基于深度学习的可解释预测模型	山东半岛的川崎病患者	机器学习	川崎病	NA	LightGBM	表格数据	914名川崎病患者（768名IVIG敏感、146名IVIG抵抗）	LightGBM	LightGBM	AUC	NA
409	2026-06-18	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2025-07, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	使用Fgfr3Y367C/+小鼠模型研究软骨发育不全的胚胎颅软骨缺陷	首次利用深度学习三维分割模型分析Fgfr3突变对胚胎期颅软骨和Meckel软骨的影响，揭示了软骨发育不全的胚胎期颅软骨形态和生长的直接缺陷	仅使用小鼠模型，结果可能不完全代表人类胚胎发育；仅分析两个胚胎时间点（E14.5和E16.5），未涵盖整个发育过程	研究Fgfr3突变对胚胎颅软骨和Meckel软骨发育的影响	Fgfr3Y367C/+小鼠模型及其未受影响的同窝小鼠的胚胎颅软骨和Meckel软骨	计算机视觉	软骨发育不全	磷钨酸增强三维微计算机断层扫描	深度学习三维分割模型	三维图像	E14.5和E16.5胚胎期小鼠样本	NA	三维分割模型（具体架构未提及）	统计显著性差异分析	NA
410	2026-06-18	Entropy-driven deep learning framework for epilepsy detection using electro encephalogram signals 2025-06-21, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.003 PMID:40334975	研究论文	提出一种结合高级熵度量与深度学习的癫痫自动检测框架	创新性地将多元变量置换熵和多元变量多尺度模糊熵与残差卷积双向长短期记忆网络相结合，并采用均匀流形逼近与投影进行非线性降维	NA	利用脑电图信号实现癫痫的稳健、准确自动检测	脑电图信号中的癫痫发作模式	机器学习	癫痫	脑电图信号处理	ResNet-Bi-LSTM混合模型	脑电图信号	NA	Python	ResNet, Bi-LSTM	准确率, F1分数, 召回率, 特异性, 精确率	NA
411	2026-06-18	YOLOv11-Based quantification and temporal analysis of repetitive behaviors in deer mice 2025-06-21, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.017 PMID:40368233	研究论文	提出基于YOLOv11的自动化系统，用于鹿鼠重复行为的量化与时间动态分析	集成YOLOv11深度学习进行帧级行为分类、回合重建及时间分析套件，绕过传统运动特征工程，实现高通量、客观的长时间行为动态分析	NA	开发并验证基于YOLOv11的自动化行为分析系统，揭示鹿鼠重复行为的时间动态特征	鹿鼠（Peromyscus maniculatus bairdii）的全身行为（如探索、理毛、竖立等）	计算机视觉	运动障碍疾病模型	深度学习	YOLOv11	视频帧	NA	PyTorch	YOLOv11	NA	NA
412	2026-06-18	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-06-07, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	综述	系统综述了基于深度学习的MRI和PET多模态融合在阿尔茨海默病诊断中的最新进展	聚焦2021-2025年最新研究，系统梳理多模态融合技术、深度学习模型及其变体在AD诊断中的应用	数据稀缺与不平衡、跨机构数据异质性等关键挑战	为MRI和PET多模态融合领域提供系统指导，推动早期AD诊断和干预策略发展	阿尔茨海默病患者的MRI和PET多模态影像数据	数字病理学, 机器学习	阿尔茨海默病	MRI, PET	CNN, LSTM, GAN	图像	NA	NA	NA	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	NA
413	2026-06-18	Quantifying axonal features of human superficial white matter from three-dimensional multibeam serial electron microscopy data assisted by deep learning 2025-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121212 PMID:40222502	research paper	利用深度学习辅助的三维多束扫描电子显微镜数据量化人类浅层白质的轴突特征	首次在纳米级分辨率下对大量人类浅层白质组织进行三维重建，并利用深度卷积神经网络自动分割髓鞘和轴突，揭示了轴突在直径和方向上的局部变化	NA	量化人类浅层白质中短程联合纤维的轴突形态特征	人类浅层白质组织样本	digital pathology	NA	multi-beam scanning electron microscopy	deep convolutional neural networks	electron microscopy image	组织体积200×200×112μm，共分割128285个有髓轴突	PyTorch	CNN	NA	NA
414	2026-06-18	Deep learning-based triple-tracer brain PET scanning in a single session: A simulation study using clinical data 2025-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121246 PMID:40316225	研究论文	基于深度学习的三示踪剂单次脑PET成像仿真研究，利用临床数据验证可行性	首次提出基于Swin Transformer的深度学习模型，在单次扫描中分离三种示踪剂信号，实现三重示踪剂PET成像	FTP图像生成效果不佳，需进一步优化；本研究为仿真研究，尚未在实际多示踪剂同时采集场景中验证	探索基于深度学习的单次三重示踪剂脑PET成像协议，简化多示踪剂PET成像并降低辐射暴露	阿尔茨海默氏病神经影像学倡议（ADNI）数据集中的认知正常、轻度认知障碍和痴呆患者	机器学习	阿尔茨海默病	PET成像	Swin Transformer	图像	ADNI数据集中的多名患者	NA	Swin Transformer	MSE, SSIM, PSNR, 敏感性, 特异性, R²	NA
415	2026-06-18	Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare 2025-05-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121200 PMID:40216216	研究论文	利用脑电图和机器学习/深度学习模型高精度估算婴儿大脑年龄，并验证脑年龄差距在评估早期神经发育中的应用	首次将深度学习网络应用于脑电图估算婴儿脑年龄，实现平均绝对误差仅为一个月的高精度预测，并验证了脑年龄差距在临床风险人群（巨头症）中的有效性	NA	开发可靠的脑电图基脑年龄估算方法，量化生物年龄与时序年龄的差距，作为加速或减缓大脑发育的标志	219名3至14个月典型发育婴儿的脑电图记录（深度学习网络使用2628个样本）以及巨头症临床风险人群	机器学习	神经发育疾病	脑电图	深度学习网络	脑电图信号	219名婴儿（2628个记录样本）	NA	深度学习网络	平均绝对误差、相关系数	NA
416	2026-06-18	A CVAE-based generative model for generalized B1 inhomogeneity corrected chemical exchange saturation transfer MRI at 5 T 2025-05-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121202 PMID:40268259	研究论文	提出基于条件变分自编码器的生成模型，用于5T磁共振化学交换饱和转移成像中的B1场不均匀性校正	首次将条件变分自编码器（CVAE）应用于CEST MRI的B1场不均匀性校正，实现了从单次采集生成校正后的Z谱，并且能够泛化到训练集中未包含的B1水平	未提及具体限制	开发一种适用于不同B1水平、无需多次采集的通用B1场不均匀性校正方法	健康人脑的5T磁共振CEST成像数据，以及数值模拟数据	磁共振成像	NA	化学交换饱和转移（CEST）磁共振成像	条件变分自编码器（CVAE）	磁共振Z谱图像数据	数值模拟数据及5T健康人脑成像数据	NA	条件变分自编码器（CVAE）	MTR, [Formula: see text]（3.5 ppm处）	NA
417	2026-06-18	A Novel Management Challenge in Age-Related Macular Degeneration: Artificial Intelligence and Expert Prediction of Geographic Atrophy 2025-05, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.029 PMID:39522752	研究论文	本研究评估了眼科医生与人工智能在预测年龄相关性黄斑变性继发的地理萎缩（GA）进展速度方面的能力，并比较了它们的预测性能	首次直接比较眼科医生与深度学习算法在预测GA个体进展速度上的表现，展示了AI在仅使用OCT影像时的优势	研究样本量有限（134只眼），且来自单一临床试验，可能影响结果的泛化性；AI仅基于OCT影像，未使用其他成像模态	评估眼科医生和人工智能在预测年龄相关性黄斑变性继发的地理萎缩个体进展速度方面的价值与差异	年龄相关性黄斑变性继发的地理萎缩（GA）患者的眼	计算机视觉	年龄相关性黄斑变性	OCT、FAF、NIR成像	深度学习	OCT影像、FAF影像、NIR+OCT影像的组合	134名患者的134只眼，其中53只来自假处理组，81只来自未治疗对侧眼	NA	深度学习算法（未具体说明）	准确率、加权κ系数、一致性指数（c-index）	NA
418	2026-06-18	Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model 2025-04, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.017 PMID:39461425	研究论文	使用OCT血管成像和深度学习模型检测黄斑水肿眼中黄斑新生血管	开发了一种混合多任务卷积神经网络（aiMNV），可从OCTA图像中同时检测和分割MNV，并验证了其高灵敏度和特异性	6×6毫米扫描由于采样密度较低，MNV检测灵敏度低于3×3毫米扫描	评估人工智能算法在多种病因黄斑水肿眼中检测和分割黄斑新生血管的诊断性能	黄斑水肿患者（包括新生血管性年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜静脉阻塞）的114只眼	计算机视觉	黄斑新生血管	OCT血管成像	卷积神经网络（CNN）	图像	112名参与者的114只眼（56只渗出性AMD眼，58只DME或RVO导致黄斑水肿眼）	NA	混合多任务卷积神经网络	灵敏度、特异性、阳性预测值、阴性预测值、交并比、F1分数	NA
419	2026-06-18	Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model 2025-02, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.107165 PMID:39752793	研究论文	开发并验证了一种基于MRI的深度学习模型，用于诊断口腔鳞状细胞癌的淋巴结转移	提出了一个三阶段深度学习模型，结合随机森林分类器，在识别淋巴结转移和降低隐匿性转移率方面表现优异，性能与普通和专科放射科医生相当或更优	NA	开发并验证一种基于MRI的深度学习模型，用于识别口腔鳞状细胞癌患者的淋巴结转移	口腔鳞状细胞癌患者	计算机视觉	口腔鳞状细胞癌	MRI	深度学习模型	图像	来自10家中国医院的723名患者，共45,664张术前MRI图像	NA	三阶段深度学习模型	AUC	NA
420	2026-06-18	BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533696 PMID:36993540	研究论文	介绍一种针对婴儿MRI脑部图像分割的深度学习网络BIBSNet，其性能优于传统方法，速度快600倍，且与FreeSurfer兼容	首次提出一个开源、社区驱动的婴儿脑分割深度学习模型，通过数据增强和大规模手动标注图像实现鲁棒性和泛化性，分割速度比传统方法快600倍	未在标题和摘要中明确说明局限性	开发一种鲁棒且可泛化的婴儿脑MRI图像分割方法，以支持典型和非典型脑发育研究	0-8个月龄的婴儿脑MRI图像	深度学习，医学图像分析	不适用	MRI扫描	深度神经网络	MRI图像	90名参与者，年龄0-8个月（中位年龄4.6个月）的MRI脑图像	NA	BIBSNet	Dice相似系数，皮层厚度，静息态连接性，脑区体积	NA