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
5441	2026-01-29	A deep learning-based computational pipeline predicts developmental outcome in retinal organoids 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003597 PMID:41592127	研究论文	本研究利用深度学习预测视网膜类器官的发育路径和组织形成，以克服类器官发育中的异质性挑战	通过深度学习在早期发育阶段预测视网膜类器官的分化路径和组织形成，绕过组织形成的异质性挑战	NA	预测视网膜类器官的发育结果和组织形成	视网膜类器官	计算机视觉	NA	高分辨率延时成像	深度学习	图像	约1,000个类器官和超过100,000张图像	NA	NA	NA	NA
5442	2026-01-29	Deep learning-based bubble separation for passive acoustic monitoring of underwater gas plumesa) 2026-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042232 PMID:41603626	研究论文	本研究提出了一种基于深度学习的泡沫声音分离方法，用于从噪声混合中提取泡沫波形，以增强水下气体羽流的被动声学监测性能	首次将深度学习应用于泡沫声音分离，通过数值模拟框架生成带标签的训练数据，有效提升了低信噪比环境下的泡沫检测能力	方法在真实世界应用中的泛化能力可能受限于模拟数据与真实记录的差异，且未详细讨论计算复杂度或实时处理性能	提高水下气体羽流的被动声学监测中泡沫检测的准确性和鲁棒性	水下气体羽流产生的泡沫声音信号	机器学习	NA	被动声学监测, 数值模拟	深度学习模型	音频数据	模拟数据和真实PAM记录（来自海马冷泉）	NA	NA	NA	NA
5443	2025-12-27	Deep learning-based ordinal classification overcomes subjective assessment limitations in intraoral free flap monitoring 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33637-9 PMID:41449199	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5444	2025-12-27	Explainable deep learning ensemble framework for accurate classification of wild poisonous mushroom species 2025-Dec-25, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01092-z PMID:41449383	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5445	2026-01-29	SentXFormer: a transformer-enhanced hybrid deep learning framework for cross-domain sentiment analysis of customer reviews 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33526-1 PMID:41444756	研究论文	本文提出了一种名为SentXFormer的混合深度学习框架，用于跨领域客户评论的情感分析	结合了CNN、GRU层与BERT、RoBERTa、DABERT的上下文嵌入，并采用基于对抗训练和梯度反转层的领域适应模块，以学习领域不变表示	NA	提高跨领域情感分析的准确性和泛化能力	客户评论	自然语言处理	NA	NA	CNN, GRU, Transformer	文本	23,440条情感标注评论，来自Amazon（7,550条）、Yelp（8,450条）和IMDB（7,440条）数据集	NA	SentiConGRU-Net, BERT, RoBERTa, Domain-Adaptive BERT	准确率	NA
5446	2026-01-29	Advances in AI-Driven EEG Analysis for Neurological and Oculomotor Disorders: A Systematic Review 2025-Dec-24, Biosensors DOI:10.3390/bios16010015 PMID:41590267	系统综述	本文系统综述了人工智能在脑电图分析中用于神经和眼动障碍诊断、分类和监测的最新进展	综合了机器学习与深度学习技术在脑电图分析中的应用趋势，并强调了方法学进展与常见挑战	纳入研究存在样本量小、数据集异质性强以及外部验证有限等普遍局限性	评估人工智能驱动的脑电图分析在神经和眼动障碍评估中的当前方法及未来方向	神经和眼动相关障碍	机器学习	神经疾病	脑电图	机器学习, 深度学习	脑电图信号	NA	NA	NA	NA	NA
5447	2025-12-25	Deep learning estimation of effective atomic number for HU to RED calibration in dual energy photon counting CT 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33507-4 PMID:41436561	研究论文	本研究提出了一种基于深度学习的双能CT有效原子序数估计方法，用于改进相对电子密度校准	采用改进的U-Net模型直接从合成数据中预测有效原子序数，相比传统的Rutherford和化学计量法，显著提高了预测精度和HU-RED校准的线性度	研究基于体模实验，尚未在临床数据上进行验证，且样本材料种类有限（八种）	改进双能CT中相对电子密度的估计精度，以支持更精确的剂量计算	组织等效体模中的八种材料	计算机视觉	NA	双能光子计数CT	CNN	图像	八种材料（组织等效体模）	NA	改进的U-Net	平均绝对误差, 相对误差, 残差, R²	NA
5448	2026-01-29	Deep Learning-Based Quantification of Residual Blood Clots in Single-Use Dialyzers Using Bedside Mobile-Captured Images 2025-Dec-18, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549740 PMID:41411211	研究论文	本研究开发了一种基于深度学习的模型，利用床边智能手机拍摄的图像量化透析器中残留的血栓	首次将ConvNeXt架构应用于透析器血栓量化，并结合可解释AI（LIME）验证模型聚焦临床相关区域，通过复合图像增强检测能力	模型准确率仍有提升空间（最高0.7672），且仅针对<10%和∼30%两种血栓水平进行二分类	开发机器学习模型以量化透析器中残留血栓，辅助临床决策	透析器图像（通过智能手机拍摄）	计算机视觉	终末期肾病	图像采集与预处理（背景去噪、图像分割）	CNN	图像	未明确具体样本数量，数据集按60%/20%/20%划分为训练/验证/测试集	未明确指定，可能为PyTorch或TensorFlow	ConvNeXt	准确率	未明确指定
5449	2026-01-29	The orthodontic diagnosis 2025-12-09, Nederlands tijdschrift voor tandheelkunde DOI:10.5177/ntvt.2025.12.25003 PMID:41367283	综述	本文综述了正畸诊断的基础、系统、技术发展及其在临床实践中的应用与局限性	强调了人工智能和深度学习在提升正畸诊断测量与分类可靠性方面的应用，同时指出其在准确性和透明度方面的挑战	人工智能无法替代临床评估，复杂病例仍需人工解释和跨学科合作	探讨正畸诊断的系统、技术发展及其在临床决策中的作用	正畸诊断中的骨骼、牙齿和功能异常评估	NA	NA	人工智能，深度学习	NA	NA	NA	NA	NA	准确性，透明度	NA
5450	2026-01-29	Deep learning-based acceleration and denoising of 0.55T MRI for enhanced conspicuity of vestibular Schwannoma post contrast administration 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03758-z PMID:40970959	研究论文	本研究评估了基于深度学习的去噪算法在0.55T MRI中用于增强对比剂后前庭神经鞘瘤显影效果及缩短采集时间的应用	首次在0.55T MRI中应用深度学习去噪技术，显著提升图像质量的同时将检查时间缩短超过一半	研究为回顾性设计，样本量较小（仅30例患者），且仅针对前庭神经鞘瘤这一特定疾病	评估深度学习去噪算法在0.55T MRI中提升前庭神经鞘瘤显影效果和减少采集时间的效能	30例前庭神经鞘瘤患者（包括9名女性）的MRI影像数据	医学影像分析	前庭神经鞘瘤	MRI成像，深度学习去噪	深度学习模型	MRI图像	30例患者	NA	NA	图像质量评分，肿瘤显影评分，伪影评分，尺寸测量可靠性	NA
5451	2026-01-29	Cross-Modality Learning for Predicting Immunohistochemistry Biomarkers from Hematoxylin and Eosin-Stained Whole Slide Images 2025-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2025.08.014 PMID:40946794	研究论文	本研究提出了一种名为HistoStainAlign的深度学习框架，用于直接从H&E全切片图像预测IHC染色模式	提出了一种新颖的深度学习框架HistoStainAlign，通过对比训练策略整合配对的H&E和IHC嵌入，无需切片级注释或组织配准即可捕获跨染色模态的互补特征	NA	开发一种计算工具，作为IHC染色的预筛查工具，帮助优先选择病例进行IHC染色并提高工作流程效率	胃肠道和肺组织全切片图像，使用三种常用IHC染色：P53、程序性死亡配体-1和Ki-67	数字病理学	肺癌	H&E染色、IHC染色	深度学习	图像	NA	NA	HistoStainAlign	加权F1分数	NA
5452	2026-01-29	AI-assisted computed tomography analysis for pre-procedural planning prior to TAVI 2025-Nov-12, Clinical research in cardiology : official journal of the German Cardiac Society IF:3.8Q1 DOI:10.1007/s00392-025-02790-6 PMID:41603941	研究论文	本研究比较了基于深度学习的全自动CT分析算法与临床标准软件在TAVI术前规划中的性能	开发了一种全自动、基于深度学习的算法，用于TAVI术前CT分析，无需人工干预即可完成完整分析	研究为回顾性分析，样本量相对较小（98例患者），且仅与单一商业软件进行比较	评估基于深度学习的全自动CT分析算法在TAVI术前规划中的准确性和可行性	接受TAVI的症状性严重主动脉瓣狭窄患者	数字病理学	心血管疾病	心脏计算机断层扫描	深度学习算法	CT图像	98例患者	NA	NA	平均绝对误差, 平均绝对百分比误差, 组内相关系数	NA
5453	2026-01-29	Overview of Multimodal Radiomics and Deep Learning in the Prediction of Axillary Lymph Node Status in Breast Cancer 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.07.017 PMID:40830005	综述	本文综述了多模态影像组学和深度学习在预测乳腺癌腋窝淋巴结状态中的应用与进展	整合了多模态影像（如乳腺X线摄影、超声、MRI和PET/CT）与深度学习算法，系统分析了影像组学工作流和模型构建策略，为乳腺癌腋窝淋巴结转移的非侵入性预测提供了综合参考	存在方法学和技术上的挑战待解决，未具体说明	合成和评估当前研究成果，为乳腺癌腋窝淋巴结转移的精准诊断和评估提供参考，并推动该领域的发展	乳腺癌患者的腋窝淋巴结状态	数字病理学	乳腺癌	多模态影像技术（乳腺X线摄影、超声、MRI、PET/CT）	深度学习算法	多模态医学影像	NA	NA	NA	NA	NA
5454	2026-01-29	AI-assisted rapid on-site evaluation ROSE of EUS-FNA cytopathology for pancreatic solid lesions: A two-stage deep learning approach 2025 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000154 PMID:41585852	研究论文	本研究开发并验证了一种用于胰腺实性病变EUS-FNA细胞学图像自动分析的两阶段深度学习诊断模型	提出了一种新颖的两阶段深度学习模型，结合YOLOv8n-p2进行组织细胞检测和DenseNet201进行恶性/正常分类，专门用于处理移动设备捕获的、质量多变的ROSE图像	研究为回顾性设计，样本量相对有限（92名患者），且所有数据来自单一中心	开发自动化AI辅助诊断系统，以改善胰腺实性病变的快速现场评估（ROSE）效率和可及性	胰腺实性病变患者的EUS-FNA细胞学图像	数字病理学	胰腺癌	EUS-FNA细胞学	深度学习	图像	92名患者的882张EUS-FNA细胞学图像	PyTorch	YOLOv8n-p2, DenseNet201	准确率, AUC-PR, AUC-ROC	NA
5455	2026-01-29	Trustworthy deep learning for the automated quantification of the fatty infiltration of the rotator cuff muscles using magnetic resonance imaging 2025-Nov, JSES international DOI:10.1016/j.jseint.2025.06.020 PMID:41584544	研究论文	本研究提出并评估了一种基于深度学习的自动化方法，用于在磁共振成像上对肩袖肌肉脂肪浸润进行分类	提出了一种结合域内迁移学习、特征融合和机器学习分类器的新型深度学习流程，用于自动分类肩袖肌肉脂肪浸润	NA	开发一种自动、客观的方法来分类肩袖肌肉的脂肪浸润，以改进当前主观且可靠性低的分类方法	肩袖肌肉的磁共振图像	计算机视觉	肩袖撕裂	磁共振成像	CNN	图像	383名患者的1,149张分割后的肩袖肌肉图像	TensorFlow, Keras, Scikit-learn	Xception, InceptionV3, MobileNetV2	准确率, 精确率, 召回率, F1分数, 特异性	NA
5456	2026-01-29	Artificial Intelligence in Population-Level Gastroenterology and Hepatology: A Comprehensive Review of Public Health Applications and Quantitative Impact 2025-Oct-24, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-025-09452-7 PMID:41136718	综述	本文全面回顾了人工智能在胃肠病学和肝病学领域的人口层面应用及其定量影响，强调AI在推动医疗策略从被动治疗转向主动预防中的作用	聚焦于AI在胃肠病学和肝病学公共健康领域的应用，系统评估其在结直肠癌、代谢功能障碍相关脂肪肝病、病毒性肝炎、胃肠道感染及上消化道癌症等多个领域的定量影响	AI发展在高低收入国家间分布不均可能加剧健康差距，且存在算法偏见、患者隐私保护、监管框架不完善以及从研究到实际部署的转化挑战	评估人工智能在胃肠病学和肝病学公共健康领域的应用及其对全球疾病负担的定量影响	结直肠癌、代谢功能障碍相关脂肪肝病、病毒性肝炎、胃肠道感染、上消化道癌症（如胃癌）及炎症性肠病等疾病的人群层面筛查、诊断与预防	机器学习	胃肠病学和肝病学	机器学习、深度学习、非侵入性测试、废水分析	NA	医疗数据、废水样本数据	NA	NA	NA	检测率、准确性、风险预测准确性	NA
5457	2026-01-29	Artificial intelligence and multimodal diagnostic approaches in cardiovascular disease 2025 Oct-Dec, Archivos peruanos de cardiologia y cirugia cardiovascular DOI:10.47487/apcyccv.v6i4.532 PMID:41582934	综述	本文评估了人工智能模型在心血管疾病诊断中的影响和临床适用性，并探讨了其相对于传统方法在提高诊断准确性、操作效率和可靠性方面的潜力	整合了多模态诊断方法（包括影像、心电信号、声学信号及临床与蛋白质组学生物标志物），并强调了可解释性技术的重要性	外部验证中性能下降、对异质人群的泛化能力有限，以及临床医生因可解释性不足而产生的抵触情绪	评估人工智能在心血管疾病诊断中的临床适用性及其改进诊断准确性和效率的潜力	心血管疾病的诊断方法，包括影像学、心电信号、声学信号及生物标志物	机器学习	心血管疾病	机器学习、深度学习算法	深度学习模型、集成模型	影像、心电信号、声学信号、临床数据、蛋白质组学数据	NA	NA	NA	准确率、ROC曲线下面积	NA
5458	2026-01-29	A multimodal artificial intelligence system for the detection and diagnosis of solid pancreatic lesions under EUS 2025 Sep-Oct, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000145 PMID:41583348	研究论文	本研究开发了一种基于深度学习的多模态人工智能系统，用于在超声内镜下检测和诊断实性胰腺病变	开发了首个整合超声内镜B型图像、弹性成像和临床数据的多模态AI系统，超越了仅关注单一模态的现有模型	研究为单中心回顾性分析，样本量相对有限，未来需要多中心前瞻性研究验证	提高实性胰腺病变的诊断准确性，以辅助治疗规划	接受超声内镜检查的实性胰腺病变患者	数字病理学	胰腺癌	超声内镜（EUS），包括B型成像和弹性成像	CNN	图像，临床数据	492名患者	NA	DCNN	准确率，灵敏度，特异性，AUC，Dice系数	NA
5459	2026-01-29	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug, Proceedings of machine learning research PMID:41394314	研究论文	提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类	结合了1D CNN与全局原型、2D CNN与时间局部原型、2D CNN与全局原型的多分支架构，并设计了适用于多标签学习的原型损失函数，包含聚类、分离、多样性和新颖的对比损失	NA	开发可解释的深度学习模型用于临床心电图分类	心电图信号	机器学习	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集	NA	1D CNN, 2D CNN	NA	NA
5460	2026-01-29	Knockout: A simple way to handle missing inputs 2025-Jul, Transactions on machine learning research PMID:41552269	研究论文	提出了一种名为Knockout的高效方法，用于处理深度学习模型在推理时可能遇到的输入缺失问题	通过随机替换输入特征为占位符值进行训练，实现了对完整输入条件分布和边际分布的联合学习，并提供了理论解释，可视为一种隐式边际化策略	未明确说明在高维数据（如图像）缺失时的具体性能限制或计算复杂度分析	开发一种能够有效处理多模态模型中输入缺失的通用方法	深度学习模型，特别是多模态输入场景	机器学习	NA	NA	深度学习模型	多模态输入特征	NA	NA	NA	NA	NA