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
5981	2026-01-23	Can artificial intelligence optimize treatment planning and outcome prediction in fixed tooth- and implant-supported prosthodontics? A scoping review 2025-Dec-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07300-8 PMID:41372901	综述	本文旨在探讨人工智能在固定修复学和种植体支持固定修复中的应用，重点关注AI模型在优化治疗计划和预测临床结果方面的准确性、有效性和临床适用性	首次系统性地将AI在固定修复学中的应用分为种植规划、冠设计、全牙弓框架优化和预后建模四个领域进行综述，并总结了不同AI技术的性能表现	现有证据多为早期阶段和基于模拟的研究，缺乏前瞻性验证和临床可靠性评估	探索人工智能在优化固定修复和种植体支持修复治疗计划及预测临床结果中的应用	固定修复学和种植体支持固定修复中的AI应用研究	数字牙科	NA	深度学习，生成对抗网络，回归模型，优化算法	CNN, GAN, 回归模型	NA	20项研究	NA	卷积神经网络，生成对抗网络	准确率，形态偏差，内部间隙，设计时间，应力集中	NA
5982	2026-01-23	Enhanced pedestrian walkway object detection using deep learning and pelican optimization algorithm for assisting disabled persons 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32129-0 PMID:41372505	研究论文	提出一种结合深度学习与鹈鹕优化算法的增强型行人步道物体检测方法，用于辅助视障人士导航	首次将Faster R-CNN、CapsNet、小波神经网络与鹈鹕优化算法集成，通过POA优化WNN超参数以提升检测性能	仅在UCSD异常检测数据集上进行评估，未在真实室外复杂场景中验证	通过物体检测技术增强视障人士的行人步道导航能力	行人步道环境中的物体	计算机视觉	视力障碍	深度学习, 优化算法	Faster R-CNN, CapsNet, WNN	图像	UCSD异常检测数据集（未说明具体样本数量）	NA	Faster R-CNN, CapsNet, 小波神经网络	NA	NA
5983	2026-01-23	Award for Distinguished Scientific Early Career Contributions to Psychology: Wilma A. Bainbridge 2025-Dec, The American psychologist DOI:10.1037/amp0001584 PMID:41428526	奖项介绍	本文介绍了Wilma A. Bainbridge获得2025年APA杰出科学早期职业贡献奖的情况，表彰其在记忆与感知交叉领域的早期职业贡献	Bainbridge开创性地发现某些刺激比其他刺激更易被记住，推动了以刺激为中心的记忆研究新议程，并率先开发了量化视觉记忆主观内容的复杂方法	NA	表彰在心理学领域做出杰出早期职业贡献的研究人员	记忆与感知的交叉领域研究	认知神经科学	NA	计算认知神经科学技术	深度学习网络	大数据刺激集	NA	NA	NA	NA	NA
5984	2026-01-23	Artificial Intelligence Has Varied Diagnostic and Predictive Performance in Diagnosing Patellofemoral Osteoarthritis, Trochlear Dysplasia, and Patellofemoral Tracking Abnormalities: A Systematic Review 2025-Dec, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2025.101269 PMID:41541530	系统综述	本文系统综述了人工智能模型在诊断髌股关节病理（包括骨关节炎、滑车发育不良及轨迹异常）方面的诊断效能和预测能力	首次系统性地评估和比较了多种AI模型在髌股关节病理诊断中的性能，并分析了其相对于传统临床专家方法的优势与局限性	研究存在样本量小、单中心数据集、泛化能力有限、数据集不平衡导致的偏倚以及模型架构、成像方式和参考标准存在显著异质性等问题	评估人工智能模型在检测髌股关节病理方面的诊断效能和预测能力，并与临床专家进行性能比较	髌股关节骨关节炎、滑车发育不良、髌股关节不稳定及轨迹异常的诊断	医学影像分析	骨关节炎	计算机断层扫描、磁共振成像、X射线摄影	深度学习架构、机器学习算法	图像	17项符合纳入标准的研究，具体样本量未统一报告，但普遍存在样本量小的问题	NA	NA	准确率、AUC、精确率-召回率曲线平均精确度、敏感性、特异性、阳性预测值、阴性预测值	NA
5985	2026-01-23	Squeeze-and-Excitation Enhanced Convolutional Neural Networks for Multi-class Pneumonia Classification on Chest Radiographs 2025-Dec, Cureus DOI:10.7759/cureus.99649 PMID:41555979	研究论文	本研究比较了两种结合挤压-激励注意力机制的卷积神经网络架构，用于胸部X光片的多类别肺炎自动分类	将挤压-激励注意力机制集成到ResNet50V2和InceptionV3架构中，用于增强胸部X光片中肺炎亚型的分类性能	研究结果需要在更大、更多样化的临床数据集上进行进一步验证	开发自动分类胸部X光片为正常、细菌性肺炎、病毒性肺炎和COVID-19的深度学习模型	胸部X光片	计算机视觉	肺炎	胸部X光成像	CNN	图像	9,208张后前位胸部X光片	NA	ResNet50V2, InceptionV3	准确率, 精确率, 召回率, F1分数, AUC	NA
5986	2026-01-23	Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110495 PMID:40784463	研究论文	开发了一种高度加速的MRI技术，用于同时量化脑组织血流和T1值	结合双翻转角相位对比星形堆栈序列与深度学习算法，实现16倍加速的同时血流和T1量化	研究仅涉及定量体模和六名健康志愿者，样本量有限，未在患者群体中验证	开发快速、全面的脑血管疾病评估技术	脑组织血流和T1量化	医学影像分析	脑血管疾病	双翻转角相位对比星形堆栈MRI序列	深度学习	MRI图像	定量体模和六名健康志愿者	NA	混合特征哈希编码隐式神经表示与显式稀疏先验知识结合模型	相关系数R2, 组内相关系数ICC	NA
5987	2026-01-23	International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm 2025-Nov, JACC. Advances DOI:10.1016/j.jacadv.2025.102067 PMID:40965401	研究论文	本研究通过多中心回顾性病例对照研究，验证了一种基于计算机视觉的深度学习算法EchoNet-LVH在国际范围内识别心脏淀粉样变性的性能	开发并国际验证了EchoNet-LVH这一计算机视觉深度学习算法，用于基于超声心动图视频检测心脏淀粉样变性，相比传统测量方法（如整体纵向应变）具有更高的特异性	研究为回顾性病例对照设计，可能受到选择偏倚的影响；算法性能在预设优化特异性的阈值下敏感性相对较低（0.644）	评估计算机视觉深度学习算法在国际多中心环境中识别心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照个体的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频（超声心动图胸骨旁长轴和心尖四腔切面视图）	574名心脏淀粉样变性患者和979名对照个体	NA	EchoNet-LVH	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
5988	2026-01-23	Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study 2025-Oct, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.013734 PMID:41025252	研究论文	本研究开发并验证了一种基于心电图（ECG）的深度学习模型，用于预测心房颤动（AF）风险，并在多个国际队列中评估其性能	首次在多国社区队列中验证了单输入ECG深度学习模型预测AF及心血管事件的能力，并与临床风险评分（CHARGE-AF）进行了比较和联合分析	研究基于回顾性队列数据，可能存在选择偏倚；模型在外部验证中的泛化能力需进一步在更多样化人群中确认	开发并验证基于ECG的深度学习模型以预测心房颤动风险，并评估其与心血管结局的关联	来自Framingham心脏研究、英国生物银行和ELSA-Brasil队列的社区参与者	机器学习	心血管疾病	深度学习	深度神经网络	心电图（ECG）	FHS: 10,097人；英国生物银行: 49,280人；ELSA-Brasil: 12,284人	NA	深度神经网络	受试者工作特征曲线下面积（AUC）	NA
5989	2026-01-23	A Novel Fusion Framework Combining Graph Embedding Class-Based Convolutional Recurrent Attention Network with Brown Bear Optimization Algorithm for EEG-Based Parkinson's Disease Recognition 2025-Mar-15, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02329-4 PMID:40088329	研究论文	本文提出了一种结合图嵌入类卷积循环注意力网络与棕熊优化算法的新型融合框架，用于基于EEG信号的帕金森病识别	提出GECCR2ANet+BBOA融合框架，首次将图嵌入类卷积循环注意力网络与棕熊优化算法结合，显著提升EEG信号中时空依赖关系的捕捉能力	未提及模型在更大规模或更复杂EEG数据集上的泛化能力验证	提高基于EEG信号的帕金森病识别准确率，促进早期诊断	帕金森病患者与健康对照的EEG信号数据	机器学习	帕金森病	EEG信号处理	CNN, 注意力网络, 优化算法	EEG信号	UNM数据集和UC San Diego数据集（具体样本数未明确）	未明确指定	改进的VGG19, 图三重注意力网络, 图嵌入类卷积循环注意力网络	准确率, 灵敏度, F1分数, 错误率, 计算时间	未明确指定
5990	2026-01-23	Decoding depression: a comprehensive multi-cohort exploration of blood DNA methylation using machine learning and deep learning approaches 2024-07-15, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02992-y PMID:39009577	研究论文	本研究通过机器学习和深度学习方法，探索了血液DNA甲基化在抑郁症中的稳定性与预测能力	首次在多个队列中综合评估了12种机器学习和深度学习策略用于抑郁症分类，并比较了有偏和无偏特征选择的效果	使用协调化数据时甲基化预测能力较低，且模型性能受特征选择偏差影响	探索抑郁症的血液DNA甲基化生物标志物，并评估不同机器学习方法在抑郁症分类中的应用	来自六个不同人群的八个队列的血液DNA甲基化数据	机器学习	抑郁症	DNA甲基化分析	随机森林, 自动编码器-分类器联合模型	DNA甲基化数据	1942个样本	NA	自动编码器	AUC	NA
5991	2026-01-23	Automated mood disorder symptoms monitoring from multivariate time-series sensory data: getting the full picture beyond a single number 2024-03-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02876-1 PMID:38531865	研究论文	本文提出了一种基于可穿戴设备生理数据的深度学习管道，用于自动监测情绪障碍症状，超越单一标签预测，实现HDRS和YMRS量表所有项目的推断	首次提出从多变量时间序列传感器数据推断完整标准化量表（HDRS和YMRS）所有项目的任务，解决了临床中相同标签可能对应不同症状谱的问题	未明确说明样本的具体人口学特征或数据收集时长，且测试集中在分布外样本的重要性上，可能面临泛化挑战	开发一种基于可穿戴设备生理数据的自动化方法，以全面监测情绪障碍症状，支持临床决策	情绪障碍患者	机器学习	情绪障碍	可穿戴设备生理数据采集	深度学习	多变量时间序列传感器数据	大型情绪障碍患者队列（具体数量未提供）	NA	NA	二次Cohen's κ, 宏平均F1分数	NA
5992	2026-01-23	Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy 2024, Frontiers in stroke DOI:10.3389/fstro.2024.1468772 PMID:41542273	研究论文	本研究比较了缺血性卒中时脑体积与脑萎缩作为预测功能结局的生物标志物的效果，发现脑体积是更优的预测指标	首次通过深度学习自动分割管道直接比较脑体积与脑实质分数作为卒中结局预测生物标志物的效能，并利用贝叶斯信息准则进行模型比较	单中心回顾性研究，样本量有限，仅包含2003-2011年的病例，可能无法完全推广到其他人群或医疗环境	确定缺血性卒中损伤时的脑体积是否比脑萎缩更能预测功能结局	急性缺血性卒中患者	数字病理学	缺血性卒中	深度学习自动分割，神经影像分析	深度学习分割模型，逻辑回归	神经影像数据	467名动脉缺血性卒中患者	NA	NA	贝叶斯信息准则	NA
5993	2026-01-22	RETRACTED ARTICLE: Economic simulation of sports industry based on deep learning algorithm and data mining 2023-05-22, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08461-w PMID:37362271	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5994	2026-01-22	Deep Learning Photo Processing for Periodontitis Screening 2026-Feb, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251347508 PMID:40650464	研究论文	本研究开发了一种基于深度学习的口腔图像处理模型，用于牙周炎筛查	采用全局激活池化的多实例深度学习模型，无需图像标注地标，仅基于口腔正面视图图像即可准确识别II至IV期牙周炎，且模型关注的兴趣区域与牙周病专家高度一致	需要更多的开发和验证以将该方法推广为全球多人群的筛查工具	测试口腔图像中的诊断信息能否辅助深度学习算法检测牙周炎病例	在上海第九人民医院就诊的连续受试者及其口腔数字孪生图像	计算机视觉	牙周炎	深度学习图像处理	深度学习模型	图像	内部开发与测试387名受试者，外部测试183名受试者	NA	ResNet50	AUROC, 敏感性, 特异性	NA
5995	2026-01-22	AI-Driven Fall Prediction across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults 2026, Gerontology IF:3.1Q3 DOI:10.1159/000549410 PMID:41196832	研究论文	本研究开发并比较了多种机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险，并识别关键预测特征	首次将深度学习模型（特别是AGRU）应用于跨世代（年轻、中年、老年）的跌倒风险预测，并通过年龄分层分析揭示了年龄特异性的风险因素	模型在独立数据集上的外部验证仅显示中等泛化能力，且需要更大、更多样化的数据集以及整合时序或传感器数据进行实际应用验证	开发和比较不同的ML/DL模型，以预测跌倒风险并识别跨年龄组的关键预测特征	1441名台湾南部社区居住的20岁以上成年人，包括有和无跌倒史的参与者	机器学习	老年疾病	NA	机器学习, 深度学习	人口统计学、临床和身体性能数据	1441名社区居住成年人	NA	KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU	准确率, 精确率, 召回率, F1分数, AUROC	NA
5996	2026-01-22	Integrated modeling approach for assessing sustainable concrete incorporating waste glass powder: a finite element and deep learning perspective 2025-Dec, Environmental science and pollution research international DOI:10.1007/s11356-025-36767-9 PMID:40694313	研究论文	本研究提出了一种结合有限元方法和深度学习的模型，用于评估掺入废玻璃粉作为水泥部分替代品的混凝土的结构与力学性能	首次将有限元模拟与深度学习（特别是卷积神经网络）相结合，以评估废玻璃粉替代水泥对混凝土性能的影响，并优化配合比设计	研究主要关注压缩强度，可能未全面评估其他力学性能如抗拉强度或耐久性；模型基于特定实验条件，普适性有待进一步验证	评估废玻璃粉作为水泥部分替代品在混凝土中的可行性，并优化其配合比设计以实现可持续建筑	掺有废玻璃粉的混凝土材料	机器学习	NA	有限元方法，深度学习	CNN	模拟数据，实验数据	未明确说明具体样本数量，但涉及不同废玻璃粉掺量比例的混凝土样本	未明确说明，可能为TensorFlow或PyTorch	卷积神经网络（CNN）	准确率	NA
5997	2026-01-22	DRCNN-Lesion Proxy: a hybrid CNN with lesion-inspired feature simulation for diabetic retinopathy severity classification 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21337-3 PMID:41168219	研究论文	提出了一种名为DRCNN-Lesion Proxy的混合CNN架构，通过模拟病灶特征来提升糖尿病视网膜病变严重程度分类的准确性	提出了一种无需显式病灶边界框标注的病灶代理模块，通过模拟病灶特征来增强模型对早期病变的识别能力	未明确说明模型在临床部署中的计算效率或实时性能	开发一种准确、可扩展的糖尿病视网膜病变自动筛查解决方案	糖尿病视网膜病变的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	未明确说明具体样本数量，但使用了六个公开数据集	未明确说明	ResNet34	准确率, F1分数, AUC	未明确说明
5998	2026-01-22	XComposition: multimodal deep learning model to measure body composition using chest radiographs and clinical data 2025-Sep, Radiology advances DOI:10.1093/radadv/umaf035 PMID:41164313	研究论文	本文提出了一种名为XComposition的多模态深度学习模型，利用胸部X光片和临床数据来估计身体组成指标	开发了一个结合胸部X光片和易于获取的临床变量的多任务、多模态深度学习模型，用于从胸部X光片中估计身体组成，这在以前的研究中较少见	研究为回顾性队列，样本量相对有限（1118名患者），且模型对骨骼肌体积的预测性能较低（Pearson相关系数为0.58）	探索使用深度学习从胸部X光片和临床变量中估计身体组成指标，以促进大规模研究	患者（包括女性和男性）的胸部X光片和临床数据（年龄、出生性别、身高、体重）	数字病理学	心血管疾病	深度学习	多任务、多模态深度学习模型	图像（胸部X光片）、文本（临床数据）	1118名患者（582名女性，538名男性），来自美国30个卫生系统，影像采集时间为2010年至2024年	NA	NA	Pearson相关系数, 平均绝对误差	NA
5999	2026-01-22	Computational characterization of lymphocyte topology on whole slide images of glomerular diseases 2025-Apr-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.12.25325548 PMID:40321276	研究论文	本研究利用深度学习与图模型，对肾小球疾病全玻片图像中的淋巴细胞拓扑结构进行量化表征，并评估其与疾病进展的临床关联	开发了一种新颖的基于图的生境聚类算法，以识别密集与稀疏的淋巴细胞生境，并提取高维病理组学特征来捕获传统视觉评估无法捕捉的炎症模式复杂性	研究样本仅包含FSGS和MCD两种肾小球疾病，且依赖于单张H&E染色全玻片图像	通过计算量化淋巴细胞炎症的拓扑结构，并测试其临床相关性，以增强对MCD/FSGS疾病进展的预测能力	肾小球疾病患者的肾组织全玻片图像	数字病理学	肾小球疾病	全玻片图像分析	深度学习模型	图像	333名NEPTUNE/CureGN参与者（155例FSGS，178例MCD），每人一张H&E染色全玻片图像	NA	NA	一致性指数	NA
6000	2026-01-22	SVMVGGNet-16: A Novel Machine and Deep Learning Based Approaches for Lung Cancer Detection Using Combined SVM and VGGNet-16 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056348824241224100809 PMID:39773067	研究论文	本文提出了一种结合SVM和VGGNet-16的混合模型SVMVGGNet-16，用于肺癌检测，并在LIDC-IDRI数据集上验证了其性能	创新性地将VGGNet-16与SVM结合，形成混合模型SVMVGGNet-16，利用CNN进行特征提取和SVM进行分类，以提高肺癌检测的准确性和可靠性	未来工作包括模型优化、数据集扩展、临床试验以及系统集成到临床实践中，以确保实际可用性	通过集成机器学习和深度学习方法来增强肺癌检测，实现早期和准确诊断	肺癌类型，包括腺癌、大细胞癌、正常组织和鳞状细胞癌	计算机视觉	肺癌	图像预处理（中值滤波和直方图均衡化）、分割（阈值和边缘检测）、特征提取（几何特征）	CNN, SVM	图像	使用LIDC-IDRI数据集，具体样本数量未在摘要中明确说明	NA	VGGNet-16	准确率, AUC, 召回率, 精确率, F1分数	NA